基于Landsat 8劈窗算法与混合光谱分解的城市热岛空间格局分析——以兰州市中心城区为例

在ENVI和GIS支持下,提出了基于Landsat 8遥感影像的地温反演劈窗算法,提取兰州市中心城区地表温度。利用FNEA和混合光谱分解法确定了兰州市中心城区的城市热岛中心、不透水面和植被盖度,分析了城市热岛空间分布格局以及地表温度与下垫面之间的关系。结果显示:基于Landsat 8数据地温反演的劈窗算法是可行的。兰州中心城区的高温区分布较集中,地表温度与植被呈较强的负相关,与不透水面呈不显著的正相关,与其他非光合物质呈正相关。     

政府规划约束下的城市空间增长多智能体模拟模型

构建政府规划约束下的包含多种类型智能体和环境因素的城市空间增长多智能体模拟模型,通过居民、开发商和政府三类智能体之间以及智能体与环境之间的相互作用模拟了城市空间增长情况。模型将城市建设用地规划区纳入政府的土地利用政策,探讨了政府规划因素对城市建设用地增长的影响,并根据土地集约利用的原则对模拟结果进行了优化。在Repast和ArcGIS的实验环境下,以南京市中心城区(长江以南)为研究区设置了四组土地利用情景,模拟了2001-2007年研究区的城市建设用地增长情况,对比不同情景下模型的模拟精度,说明正确合理的政府规划引导对城市空间增长的重要作用以及对模拟结果进行优化的必要性。该模型有助于揭示城市空间增长机制,为政府宏观调控政策和规划制定提供参考。     

基于ICESat/GLAS高度计数据的SRTM数据精度评估——以青藏高原地区为例

为全面了解航天飞机雷达测图计划(shuttle Radar topography mission,SRTM)高程数据的精度及误差特征,利用精度更高的ICESat/GLAS激光高度计数据(简称ICESat高度计数据)为参照数据,以具有多种地貌类型的中国青藏高原地区为实验区,采用双线性插值算法分析了SRTM在中国青藏高原地区的高程精度,以及SRTM高程数据与地形因子(坡度和坡向)间的关系。实验结果表明:在青藏高原地区,ICESat高度计数据与相对应的SRTM高程数据高度相关,相关系数高达0.999 8;SRTM的系统误差为2.36±16.48 m,中误差(RMSE)为16.65 m;当坡度低于25°时,SRTM高程数据精度随坡度增大而显著降低。此外,相对于ICESat高度计数据,SRTM在青藏高原地区N,NW和NE方向的测量值偏高,在S,SE和SW方向的测量值偏低。     

哀牢山南段长安金矿地质特征及找矿方法研究

长安金矿位于哀牢山成矿带南段,是该成矿带上新近发现的又一大型金矿床。该区为哀牢山地体边缘地壳增生带,主要由深变质岩系组成,区内构造断裂发育,对岩浆活动和成矿作用有显著影响。本文总结了长安金矿的地质特征,并以该区的控矿断裂F6为主要研究目标,以地层岩性电性特征作为约束条件,分别展开了磁法、激电、瞬变电磁和大地电磁等综合物探手段的试验研究。研究结果表明,磁法对于该矿找矿效果不明显,瞬变电磁和大地电磁测深反演的电阻率低阻体,准确界定了控矿断裂F6的位置、倾向、断距以及深部延伸情况,通过激电异常可大致判断矿体的位置。所以在长安金矿区下一步的深部隐伏矿勘查中,结合瞬变电磁、激电、大地电磁等地球物理方法,辅以土壤化探异常进行约束,可以达到快速有效找矿之目的。     

小波框架的彩色图像泊松去噪

噪声是影响图像质量的重要因素,噪声的存在导致图像的某些特征细节不能被辨识以及图像的信噪比下降,所以图像去噪是图像处理中的一个重要问题.本文提出了基于小波框架的彩色图像的泊松去噪模型.在该模型中,赋权的l²项作为保真项,包含小波框架的l¹项作为正则项.同时,又提出了解决该模型的重新赋权的split Bregman算法.最后,利用仿真实验以及PSNR（峰值信噪比）指标对该模型的去噪效果进行评估,评估结果表明该算法可行、有效.     

基于Faster R-CNN的野外环境中蝗虫快速识别

蝗虫是常见的害虫之一,对农作物和生态系统具有很大的危害,采用常规的方法对蝗虫进行监测存在一定局限性,为了有效应用海量野外影像数据实现对蝗虫实时监测,本文建立了一种基于深度学习网络的蝗虫自动识别模型。利用手机模拟摄像头获取的内蒙古锡林浩特附近草原的280张蝗虫的RGB图像,采用深度学习算法中的Faster R-CNN（Faster Region-based Convolutional Neural Network）网络结构建立了蝗虫识别模型。经验证该模型的精确度为0.756,可以较准确地将蝗虫从野外复杂环境中识别出来,与以往同类研究相比,在识别结果和实用性方面均有较大的进步。该模型是建立蝗虫实时监测系统的基础,可以为蝗虫的防治提供辅助信息,同时该网络结构还可以应用于其他害虫的识别,具有较强的推广性,拓宽了深度学习算法的应用领域。     

基于深度学习和雷达观测的华南短临预报精度评估

利用最新的深度学习算法,即卷积长短期记忆(Convolution Long-Short Term Memory)神经网络,构建基于深度学习的人工智能短临预报系统,以广州地区2019年3-5月雷达观测的数据为输入进行训练,然后进行短期1h内的降水预报。利用常用的统计评分指标(探测率POD、误报率FAR、临界成功指数CSI,相关系数CC)检验模型。结果表明,预报结果与实际观测的相关系数在1h内预报均保持在0.6以上,在1h内预报探测率均保持在80%以上,临界成功指数在降水强度为10mm·h^-1时,基本保持在60%,误报率均小于40%。     

组合数学在计算机科学中的应用

介绍了组合数学的概念、起源与研究的主要内容,分析了组合数学的特点,阐述了组合数学与计算机软件的联系,并着重通过两个例子说明了Ramsey数在计算机科学的信息检索、分组交换网设计分支中的重要应用.     

Optimization routine for identification of model parameters in soil plasticity

The paper presents an optimization routine especially developed for the identification of model parameters in soil plasticity on the basis of different soil tests. Main focus is put on the mathematical aspects and the experience from application of this optimization routine. Mathematically, for the optimization, an objective function and a search strategy are needed. Some alternative expressions for the objective function are formulated. They capture the overall soil behaviour and can be used in a simultaneous optimization against several laboratory tests. Two different search strategies, Rosenbrock's method and the Simplex method, both belonging to the category of direct search methods, are utilized in the routine. Direct search methods have generally proved to be reliable and their relative simplicity make them quite easy to program into workable codes. The Rosenbrock and simplex methods are modified to make the search strategies as efficient and user‐friendly as possible for the type of optimization problem addressed here. Since these search strategies are of a heuristic nature, which makes it difficult (or even impossible) to analyse their performance in a theoretical way, representative optimization examples against both simulated experimental results as well as performed triaxial tests are presented to show the efficiency of the optimization routine. From these examples, it has been concluded that the optimization routine is able to locate a minimum with a good accuracy, fast enough to be a very useful tool for identification of model parameters in soil plasticity. Copyright © 2001 John Wiley & Sons, Ltd.     

小型激光天文动力学空间计划概念

小型激光天文动力学空间计划是 :使用在太阳轨道上无拖曳航天器和地面站以激光干涉和脉冲测距的方法 ,精确地探讨天文动力学 ,检测相对论与时空基本定律 ,改进探测引力波的灵敏度以及更准确地测定太阳、行星和小行星的参数。 1 969年开始的月球激光 (反射 )测距 ,对地球物理、参考坐标的选定、相对论的检验均有重要的贡献。 3 0年来 ,激光技术的长足进步 ,使现在正是适合于开始进行研究空间有源 (主动 )测距和光波空间通讯的时候。激光天文动力学的兴起是必然的趋势 ,其精确度将比现在提高 3到 6个数量级 ,将是天文动力学革命性的发展。小型激光天文动力学空间计划可以起到带头作用。它的关键技术有三 ,即 :弱光锁相、极精确无拖曳航天和高衰减日冕仪。弱光锁相已有长足的进步。对高衰减日冕仪的研究 ,也有了初步的方案。LISA空间计划将于 2 0 0 6年 8月发射SMART -2 ,研究测试极精确无拖曳航天。小型激光天文动力学空间计划的关键技术已日趋成熟。在第一届国际激光天文动力学研讨会 ( 2 0 0 1 ,9.1 3 -2 3 )中介绍了各相关学科背景及前沿研究 ,讨论了激光天文动力学空间计划科学目标及相关技术 ,并召开了两次小型激光天文动力学空间计划预研究筹备会 ,建立了和欧洲的合作关系。会后着手进行此项对基础