融合随机森林模型和6种水体指数的上海市水体信息提取

为快速、准确地掌握水体分布信息,本文以上海市为研究区,基于多时相Sentinel-2卫星数据构建水体提取特征集,并采用效率高、稳健性好的随机森林模型,对研究区内的水体进行提取。水体提取特征集在现有光谱波段特征的基础上加入6种水体指数,分别为NDWI、MNDWI、AWEI_sh、WI₂₀₁₅、SWI和RWI,旨在提高水体提取精度。针对10个光谱波段特征及6种水体指数,设计了8种试验方案探究加入水体指数对于水体提取的作用。结果表明,将6种水体指数全部加入的方案精度最高,为97.910%;NDWI和RWI能提高水体提取精度、降低漏提率和误提率。     

CINRAD/SA(B)发射机激励放大器芯片级故障诊断流程

激励放大器是发射机射频放大链电路前级功率放大器,对雷达探测资料可靠性具有重要作用。研究芯片级故障诊断流程,一方面可以解决台站技术保障人员无法故障定位到芯片级的技术难题;另一方面,芯片级故障维修可达到大大降低维修成本的目的。雷达故障一般分为参数调整不当导致性能下降故障和器件损坏造成参数异常故障。为此,通过总结出CINRAD/SA(B)发射机激励放大器信号流程、故障树图集,在依据同步信号时序关系及关键点波形参数基础上,研究出规范化的激励放大器调试技术和方法,以及激励放大器芯片级故障诊断定位流程,并列举了依据激励放大器芯片级故障诊断定位流程,修复激励放大器集成块N8损坏,导致+8 V电源不正常,造成激励放大器无功率输出,以及激励放大器的第二级功放模块故障导致激励放大器输出功率低的两个故障的典型个例,以检验维修效果。实际应用结果表明:芯片级激励放大器故障诊断定位流程可以快速定位发射机激励放大器故障点到故障器件,方法简洁、思路清晰、操作规范,基层雷达站技术人员容易掌握;激励放大器调试技术和方法,能解决激励放大器参数调整不当导致激励放大器性能下降故障,可有效提高新一代天气雷达技术保障水平。     

基于SVAR模型的气温变化对南京市工业经济的影响研究

目前气象经济学领域探讨气象因子与经济体之间相互动态影响的研究尚不多见,基于此,采用年平均气温序列及工业产值、GDP、劳动力序列,建立多变量的结构向量自回归模型(SVAR模型),通过脉冲响应函数来考察气温对南京市工业经济的动态影响,并用方差分解法揭示其相互影响程度.结果表明总体上气温升高对南京工业有负面影响,但是这种负面作用是趋缓的,平均每年南京工业产值的3.1%受到气温升高带来的负面影响;同时南京工业经济发展对当地气温升高确实存在促进作用,平均每年南京工业经济发展对本地的气温升高的贡献率有4.4%.研究也说明SVAR模型不失为研究气象因子对经济体影响的可行方法.     

比值法减少图像融合中光谱的扭曲

针对遥感图像融合Brovey变换法存在颜色失真的现象,提出了一种低通比值融合法。该融合方法首先对高几何分辨率的全色波段进行低通滤波,然后将低分辨率多光谱图像与全色波段图像相乘,再除以滤波后的全色波段图像,便得到融合图像。从辐照的角度证明了该低通比值融合法具备理论基础,并从目视评价、定量分析、分类精度证实了该低通比值融合法优于Brovey变换法。该低通比值融合法是一种能较好地保全低分辨率多光谱图像颜色的融合方法。     

Evaluating the potential of multi-view data extraction from small Unmanned Aerial Systems (UASs) for object-based classification for Wetland land covers

Unmanned Aerial Systems (UASs) have the potential to provide multi-view data, but the approaches used to extract the multi-view data from UAS and investigation of their use in image classification are currently unavailable in publications to our best knowledge. This study presents a method that combines collinearity equations and a two-phase optimization procedure to automatically project a point from real world coordinate system of an orthoimage to UAS image coordinate system (row and column numbers) to be used in multi-view data extraction. The results show average errors for the computed UAS column and row numbers were 1.6 and 1.8 pixels respectively evaluated with leave-one-out method. Based on this algorithm, it’s also for the first time that object-based multi-view data were extracted and presented, and the potential of using the multi-view data to aid Geographic Object-Based Image Analysis(GEOBIA) through bidirectional reflectance distribution function (BRDF) modelling was evaluated with two representatives of BRDFs, the Rahman-Pinty-Verstraete(RPV) and Ross-Thick-LiSparse (RTLS). Our results indicate the RPV model tends to overestimate the bidirectional reflectance for land cover types with high reflectance, while perform well for those with relatively low reflectance in our study area. To test the impact of using multi-view data on image classification, we extracted parameters from BRDF models and used these parameters as object features for object-based classification. The 10-fold cross validation results show that the 3-parameter RTLS significantly improved overall accuracy compared to the classifications relying only on the orthoimage features, while other BRDF models did not show significant improvements, raising the needs to develop new methods to better utilize the multi-view information in GEOIBA in the future.     

镁铁质-超镁铁质岩浆岩中单斜辉石的智能分析研究

区分不同构造环境中岩浆作用是认识地幔中岩浆形成过程的基本手段。目前较为成熟的是利用全岩去区分判别,而利用造岩矿物去判别构造环境、演绎岩浆演化的研究还不够深入。本文运用机器学习的方法,以全球新生代大洋中脊、洋岛以及岛弧构造背景中的镁铁质-超镁铁质岩浆岩中单斜辉石的地球化学数据为研究对象,试图区分这3 种不同构造环境的单斜辉石。通过机器学习方法中K-邻近（K-Nearest Neighbor,KNN）和随机森林（Random Forest,RF）的计算和比较,认为RF 是一种有效的地球化学区分方法,它的结果不仅可用来判别构造环境,同时还能够提取特征元素。同时我们发现,在镁铁质-超镁铁质岩浆岩单斜辉石构造环境判别图解中,Rb、La、Ba、Cr、Sr、Yb、V、Ti、Nd、Eu、Gd等微量元素具有较高的贡献率,而主量元素贡献率较低。在此基础上,我们结合前人的对单斜辉石的构造环境判别图的研究成果,提出几个判别效果较好的判别图解。但是整个研究由于缺少进一步可视化的成果,限制了机器学习方法的推广,这也是今后需要进一步研究的课题。     

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。     

CINRAD/SA-SB雷达高频放大链前级组件故障诊断系统设计与实施

根据S波段新一代天气雷达高频放大链前级组件重要功能模块固态放大器和射频脉冲形成器的内部结构以及工作原理和维修需要，设计了一套支持固态放大器和射频脉冲形成器组件测试与维修诊断系统。此系统详细阐述了设计的流程，主要包括硬件，电源，电路接口，控制逻辑和显示电路等设计，为测试维修固态放大器和射频脉冲形成器提供所需的各种电压、控制信号、时序逻辑信号等，满足对固态放大器和射频脉冲形成器故障的电路信号测试，判断故障点及元器件。系统以直接输出故障指示的方式快速完成测试及故障定位，从而确保维修人员的人身安全和雷达设备不受二次损坏，保证了雷达故障修复的时效性。     

SplitRFLab: A MATLAB GUI toolbox for receiver function analysis based on SplitLab

We add new modules for receiver function (RF) analysis in SplitLab toolbox, which includes the manual RF analysis module, automatic RF analysis and related quality control modules, and H-k stacking module. The updated toolbox (named SplitRFLab toolbox), especially its automatic RF analysis module, could calculate the RFs quickly and efficiently, which is very useful in RF analysis with huge amount of seismic data. China is now conducting the ChinArray project that plans to deploy thousands of portable stations across Chinese mainland. Our SplitRFLab toolbox may obtain reliable RF results quickly at the first time, which provide essentially new constraint to the crustal and mantle structures.