特深地下管线的电磁场特征分析及探测研究

研究了管线的一系列电磁场特征,介绍了特深管线探测应用状况,通过实例分析了从1 m到21 m了不同埋深直线电流及强电流3~21 m情况下的电磁场Hx、Hz、ΔHx 〖WTBZ〗的归一化异常的分布特征 , 提出了对特深管线探测的对策,即频率、电流、远端接地等提高信噪比的技术对策,提出了确定地下金属管线平面位置、埋深的方法,利用水平磁场分量70%法确定管线深度的适用条件,分析了特深管线探测的干扰因素,广州市3个特深管线的探测成功实例,说明了方法的良好效果.     

综合物探方法在堤防质量检测中的应用

在堤防质量检测中,地球物理方法能够实现快速、无损的探测,但采用单一物探方法对堤防隐患的判别易形成多解,也很难对堤防质量做出准确分类.本文中应用探地雷达、高密度电法、地震勘探等综合物探方法对大源渡堤防质量进行检测,并以龙荫港以例,通过综合三种物探方法互相参照、相互验证,互为补充,查明了堤防隐患的分布位置与埋深,为堤防质量检测提供一种新的工作方法.     

探测未爆炸弹的地球物理技术综述

采用综合地球物理勘查技术探测未爆炸弹(UXO)具有快速、定位准确和成本低廉的优势.综述了国内外广泛应用的地面高精度磁测法、电磁法以及地质雷达和微重力法在探测UXO中的特点和效果,介绍了国外航空磁测法及航空电磁法探测UXO的进展,并根据某些探测实例阐述了在具体实施过程中应注意的技术问题;提出了适合中国UXO探测的一些措施和建议.     

激光雷达点云树木建模研究进展与展望

三维树木几何模型是数字城市与数字林业工程的重要组成部分.针对点云树木建模,深入分析了基于广义(泛在)激光雷达点云的树木模型重建方法,提出了聚类思想建模、图论方法建模、先验假设建模、拉普拉斯算子建模与轻量化表达建模5类建模体系,归纳总结了不同建模体系在树冠枝干的细节表达、建模算法性能、树木模型的多层次细节表达、建模体系综...     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

一种新的用于极化SAR图像船只检测的散射相似性测度

本文提出了一种新的用于极化合成孔径雷达（SAR）海上船只目标检测的测度。首先利用散射相似性参数研究船只与海杂波散射机制的差异。基于这些差异,提出了一种新的船只检测测度,该测度能够有效区分船只目标和海杂波。然后提出了利用核密度估计（KDE）方法对该测度进行建模的方法。基于统计模型,实现了自适应恒虚警率（CFAR）的检测方案。本文利用多景C波段RADARSAT-2极化SAR（Pol-SAR）数据上进行实验,系统分析了所提出测度的海杂波拟合性能与船只检测性能,并与两个经典的极化测度进行了比较,实验和比较结果证明了所提的测度的可行性。     

基于D-InSAR技术的金沙江地区滑坡形变监测与分析

滑坡是发生在我国山区的主要地质灾害类型,金沙江地区由于地势较高、地形复杂、多云多雨的特点,给传统的滑坡监测增加了难度。合成孔径雷达差分干涉测量技术(Differential interferometry synthetic aperture radar,D-InSAR)已在滑坡地面沉降监测中得到了广泛应用。本文选取金沙江上游沿岸作为研究区域,基于2018年8月11日与9月28日的Sentinel-1A影像及SRTM1数据,利用GAMMA软件及D-InSAR技术监测到金沙江地区的地表形变,成功识别出金沙江右岸的一处滑坡灾害。研究结果显示,在此滑坡的坡顶部分出现了约2.5 cm的沉降,而在坡底部分由于崩塌物的累积,地面出现了约3 cm的抬升。从实验结果可以得出,InSAR技术是一种有效的滑坡变形监测手段,利用Sentinel-1A卫星的SAR数据对滑坡区域进行形变监测,可以得到较好的干涉结果。     

基于自动探测方法的南海北部涡致海表温度锋面的特征研究

南海北部具有丰富的温度锋面和中尺度涡,它们调节着局地的热量和能量平衡。本文利用卫星海洋高度异常和海表温度数据,并基于自动探测方法,探究了2007年至2017年南海北部中尺度涡边缘的海表温度锋面（涡致锋面）特征。反气旋/气旋边缘出现锋面的概率可达20%。气旋涡在各个方向上出现锋面的概率比较均匀,反气旋涡的东北部和西南部出现锋面的概率大于西北部和东南部。中尺度涡致锋面的数量有明显的季节变化,而涡动能未表现出明显的季节变化。中尺度涡致锋区的总涡动能是中尺度涡内动能的3倍,并且反气旋涡致锋面的总涡动能明显强于气旋涡致锋面的总涡动能。中尺度涡致锋面的数量和涡动能的年际变化与厄尔尼诺南方涛动指数没有明显的相关性。本研究也讨论了中尺度涡致锋面的可能机制,但是中尺度涡对海表温度锋的贡献需要进一步定量研究。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。     

基于大数据的极端暴雨事件下城市道路交通及人群活动时空响应

随着全球气候变化加剧,极端降雨增多,暴雨内涝灾害频发,严重威胁城市的可持续发展。快速掌握暴雨给城市交通及人群的影响,有助于提高灾害应急管理水平和事件响应能力。利用实时动态的交通路况信息和手机定位请求数据,通过一种融合STL时序分解技术与极端学生化偏差统计检验的时间序列异常探测方法,监测和分析暴雨内涝灾害事件中,城市道路交通和人群活动的时空响应特征,并以2018年7月16日发生在北京的极端暴雨事件为例开展实证研究。研究结果显示,在降雨集中的早、晚高峰两个时段（8—9时、18—19时）,市区的拥堵道路数量超出往常水平最高可达150%,异常检测分析显示拥堵道路数量和交通拥堵指数均达到异常甚至极端水平。人群活动的异常响应分析结果显示,暴雨事件引起定位请求量异常升高、异常点增多,且异常点的空间分布与1 h前的降雨量分布存在较高相关性。以上结果不仅证明了大数据及异常检测方法对于快速洞察暴雨事件对城市交通及人群影响的有效性,也为城市暴雨内涝灾害的应急响应与管理提供了新的技术手段。