共反射面元叠加方法综述

在地下介质复杂的情况下,由于常规叠加方法的假设条件不满足,导致叠加效果不甚理想.共反射面元(CRS)叠加是一种完全由数据驱动、不依赖于宏观速度模型的地震成像技术,不仅可以得到高质量的零偏移距剖面,而且可以得到多个有用的波场属性参数剖面,被视为深层和复杂地区地震数据处理的重要发展方向.本文对共反射面元叠加技术的基本原理、...     

结合MNF变换与灰值形态学的三江平原多光谱、多时相MODIS遥感影像分类

通过对影像进行光谱特征分析,及对各种植被类型进行物候特征分析,选用以NDVI数据为主的多波段、多时相的MODIS影像数据进行最小噪声分离MNF变换,然后进行灰值形态学滤波,运用阈值分割法提取旱地,并运用自组织特征映射SOM神经网络聚类模型分离湿地和水田。实验结果与现有的研究成果相比,精度有较大提高。     

遥感蚀变信息多层次分离技术模型与应用研究

根据自然物质系统具有层次结构的特性,在多年实践的基础上,对遥感蚀变信息提取问题提出了多层次分离技术模型.在这个技术模型框架下,首先讨论了遥感蚀变信息提取这一复杂研究对象的简化问题;然后系统地阐述了该技术模型的基本原理和模型结构,以及该模型框架下的主要技术体系.应用实例分析结果表明,该模型所提出的技术思想不仅简化了遥感蚀...     

北斗卫星导航系统和GPS兼容性评估(英文)

北斗卫星导航系统的信号体制与GPS近似且占用相同的频段,不可避免地带来兼容性问题。从理论上分析兼容性评估的重要参数:频谱分离系数、码跟踪谱灵敏度和等效载噪比衰减,阐述伪随机码码长、导航数据速率和码片速率对兼容性计算的影响,在综合考虑信号兼容评估的运算速度和准确性的基础上,提出改进的GNSS兼容性评估模型。以此兼容性评估模型对北斗卫星导航系统和GPS所有频段进行仿真,仿真分析中考虑北斗卫星导航系统和GPS的具体频率分配、信号体制、发射功率、发射带宽、卫星天线增益、仰角、多普勒偏移、信号在空间传播的衰耗以及接收机参数。通过仿真可以看出,当北斗卫星导航系统满星座运行时,GPS对北斗系统的干扰将大于北斗系统对GPS的干扰。     

最优信息扩散估计在GPS硬件延迟分离中的应用

在利用多站GPS数据建立电离层延迟模型时,将卫星硬件延迟和接收机硬件延迟作为整体参数求解并剔除会产生与实际不符的情况,因此将二者分离是十分必要,笔者给出了最优信息扩散估计与广义逆结合分离硬件延迟的基本方法,并结合实例对该方法进行了探讨.     

金锑共生矿石中金的测定方法

对于金锑共生的矿石,在进行金测试时锑的干扰比较严重.本文根据金的性质,常温下金与单独的无机酸(如硝酸、盐酸或硫酸)均不起作用的原理,在测金前先除去锑,然后再测金,可得到好的结果.     

改进Mask R-CNN公路病害检测算法

针对公路路面病害与背景像素对比度低导致检测困难的问题,本文提出了改进Mask R-CNN公路病害检测算法(FAC-Mask R-CNN)。首先在ResNet101基础上增加强位置信息浅层特征表达,并融合相邻特征图作为主干网络最终特征输出,同时引入CBAM模块,以减弱目标与背景像素间低对比度的影响;然后采用深度可分离卷积和空洞卷积分别代替主干网络及有效特征层输出过程应用的普通卷积,提升模型计算效率及掩码预测精度。FAC-Mask R-CNN在公路路面病害数据集(RDD)上平均精确率为89.86%,召回率为88.54%,调和均值为90%,相较于Mask R-CNN算法平均精确率提升3.09%。结果表明,FAC-Mask R-CNN能有效完成公路路面病害精细化检测与分割任务。     

一株产琼胶酶海洋细菌的分离与鉴定

为获得琼胶酶活性高产菌株,对采集的海水样品进行了产酶微生物的分离、筛选和鉴定。经过平板培养预筛和两次摇瓶培养筛选,从浙江省舟山市普陀区近海海水样品中分离到一株琼胶酶产生菌G-5,该菌株液体培养产酶活力可达到413.8 U/mL。G-5菌株的菌落呈乳白色、半透明、表面湿润;菌体革兰氏染色阴性,大小0.58~0.69 μm1.50~2.26 μm;光学显微镜下呈短杆状,略有弧形。G-5菌株的16S rDNA序列与NCBI数据库中15个弧菌属（Vibrio）菌株的16S rDNA有98%的同源性,可以确定G-5菌株是一株弧菌（Vibrio sp.）。     

《盐湖研究》征稿简则

<正>《盐湖研究》是经国家科委批准,中国科学院靑海盐湖研究所主办,科学出版社出版的学术类自然科学期刊。本刊的方针和任务是:面向国内外,报道交流盐湖、地下卤水、油田水等基础、应用、开发研究论文、报告及其成果;探讨其资源的分离提取技术     

基于特征分离机制的深度学习植被自动提取方法

随着遥感影像分辨率的提高,植被信息的高精度提取对于了解地表植被变化规律、评价生态区域具有重要意义。针对传统方法跨季节植被提取不完整问题,本文基于高分2号(GF-2)卫星数据,提出一种基于特征分离机制的深度学习语义分割网络植被提取方法。该网络在Densenet的基础增加可分离卷积和空间金字塔结合的特征分离机制来增大感受野,更有效利用植被的特征信息,提升了模型的精度。本文通过构建高精细跨季节植被样本库,使用本文所提方法,完成了遥感影像植被信息提取,并选取总体准确度、F1值和交并比作为评价指标,对不同的传统方法和深度学习方法进行精度对比与分析。实验结果表明,本文方法提取植被的效果较好,其中F1分数达到91.91%,总体准确度达到92.79%,交并比达到85.10%。对高分1号、高分6号和高景1号遥感影像进行植被提取通用性验证,结果表明本文方法具有一定的通用能力,可以从高分辨率遥感影像中准确地、自动地提取植被。本文研究成果可为城市生态环境评价和植被的应用研究提供数据参考。