卫星+AI时代遥感专业模式识别课程的教学实践与改革

在人工智能时代深化遥感产业发展背景下,遥感专业人才培养需要与时俱进,以提高人工智能应用能力。本文针对目前遥感科学与技术专业人工智能核心课程模式识别教学现状及存在的问题,提出面向遥感专业应用导向的模式识别课程建设思路,从教学内容和实践环节两个方面设计了以提高遥感专业学生人工智能应用能力为目的的教学方案。从教学反馈结果来看,本文提出的教学思路不仅激发了学生对模式识别课程学习的兴趣,而且提高了学生应用模式识别方法进行遥感信息解译的能力。     

一种改进的数值预报降水偏差订正方法及应用

对传统的消除偏差法进行改进,形成分等级消除偏差法,并使用混合训练期和60 d滑动训练期方案分别对2012年6—8月ECMWF (European Centre for Medium-Range Weather Forecasting) 模式夏季1~5 d的降水预报进行订正试验。为了尽可能符合中国东部夏季降水具有移动性及多种时间尺度变化的特点,混合训练期以预报期前30 d与预报期前一年同日的前后各15 d组成。结果表明:在使用分等级消除偏差法的基础上,相比ECMWF模式降水预报,两种训练期方案的订正结果几乎对各个阈值的ETS评分均有一定提高,特别是对25 mm以上降水预报评分的提高幅度,混合训练期方案的订正结果明显高于60 d滑动训练期方案;在区域性强降水预报的订正中,混合训练期方案优势更为明显。另外,通过分析两种训练期方案的预报偏差发现,分等级订正是此次消除偏差订正试验中提高强降水预报评分的关键,选择合适的训练期可以增加评分提高的幅度。由于上述试验使用的ECMWF模式预报和站点实况均是业务上常用数据,因此,该方法具有一定的业务应用价值。     

地质勘查单位人事档案创新发展探析

通过分析地质勘探单位人事档案的重要性,认为目前地质勘查单位人事档案管理工作存在人事档案管理制度不完善,人事信息收集不全,人事档案不够规范等问题。结合人事档案的现状和改革要求,认为人为因素、历史因素、自身因素等是影响地质勘查单位人事档案管理的主要原因,提出重视人事档案工作人员的培养、服务理念的创新、强调监督管理的重要性。做好地质勘查单位人事档案管理,要强化责任意识、加大工作力度和优化管理体系,逐步解决存在的问题。     

深海极端环境模拟装置设计

为了满足深海极端环境科学研究的需求,设计了深海极端环境模拟装置。对系统结构以及工作原理进行分析,介绍了培养釜、温度控制子系统和压力控制子系统。重点针对当前模拟装置压力控制精度不高的问题,设计了高精度压力传感器,并提出一种迭代自学习PID压力控制算法,实现系统压力自动检测和连续控制,同时带有观察窗的培养釜结构可以实现微生物状况实时观测。实验结果表明,该系统能够实现深海极端环境参量高精度模拟,可以为深海极端环境科学研究提供很好的平台。     

“测绘专业英语”课程教学改革的探索与实践

测绘专业英语既是一门语言课,同时又具有明显的专业课特征,这决定课程在测绘人才培养中具有承前启后的重要作用。测绘专业英语的教学质量,直接影响到大学生毕业后能否较好地利用英语开展测绘领域的相关工作。为此,结合测绘工程本科专业的特点及学生实际,在教学中针对教学目的、教学内容和教学方法做了一些有益的探索与实践。     

东北黑土区侵蚀沟遥感影像特征提取与识别

东北黑土区是中国重要的粮食生产区,而长期的开垦造成了严重的水土流失现象,坡耕地表面出现大量的侵蚀沟。侵蚀沟的识别是土壤侵蚀监测的重要手段之一,目前遥感技术在侵蚀沟的识别中应用广泛,但自动化程度不高。针对特定地物影像的识别,如何选取最能够有效描述该地物的特征是解决问题的关键。本文构建了耕地和侵蚀沟遥感影像的训练样本集,基于样本集分别提取了由光谱特征和纹理特征组成的浅层特征、SIFT特征经编码后得到的中层特征,以及利用卷积神经网络提取的深层特征;再基于不同层次的特征选用合适的分类器对遥感影像进行分类,识别出含有侵蚀沟的遥感影像,形成了一套针对侵蚀沟的特征提取与识别方法,为东北黑土区的耕地保护提供有力支持。测试结果表明:基于中层特征的识别精度最高,为98.5%,但该特征需要人工设计,自动化程度有限;而利用卷积神经网络可自动提取深层特征,其识别精度达到了95.5%,同时大大提高了自动化程度,满足侵蚀沟影像的识别的需求。     

区域产学研体系下创新人才培养研究——以工科专业学位研究生为例

从人才创新机制下剖析区域产学研合作体系内涵,分析工科专业学位研究生培养现状及存在问题。以西南科技大学多年来区域产学研联合办学及专业学位发展为例,深入剖析产学研体系下工科专业学位研究生创新人才教育模式,探索总结区域产学研模式下创新型人才培养途径和思路,为进一步壮大工科专业学位研究生培养模式和发展规模提供参考。     

测绘专业研究生创新能力培养模式探讨

重点实验室与工程科研中心是国家科技创新平台体系的重要组成部分,在科研平台的支持下,针对如何培养具有创新能力的研究生和提高研究生的科研素质的问题,该文结合矿山空间信息技术国家测绘地理信息局重点实验室在研究生创新能力培养上的做法,从多元化培养模式、开放式科研创新模式、科研考核等多个方面对测绘专业研究生创新能力培养模式进行探讨。     

高轨卫星轨道预报中神经网络模型优化设计

高轨卫星是我国卫星导航系统的重要组成部分。提升该类卫星的轨道预报精度有利于用户定位精度的提高。提出了一种改进高轨卫星轨道预报精度的新方法。该方法避开了精化动力学模型的困难,尝试从轨道预报误差的规律中寻找突破。利用神经网络作为建立预报模型的工具,将某历史时刻的轨道预报误差作为训练样本,利用训练好的神经网络模型补偿当前时刻的预报轨道以提高轨道预报精度。对影响神经网络模型补偿效果的各因素进行了详细分析,制定了适应于高轨卫星短期、中期和长期预报的神经网络最优模型。利用实测数据进行了试验分析,结果表明:预报8,15及30 d应选择的训练步长分别为10,20及25 min;轨道预报8~30 d时,训练噪声均选取0.01。神经网络模型有效地改进了高轨卫星的轨道预报精度,预报4~30 d,轨道精度提高幅度为34.67%~82.37%不等。     

基于TIGGE资料的地面气温延伸期多模式集成预报

基于TIGGE资料中心提供的CMC、ECMWF、UKMO及NCEP四个集合预报中心2008年7月1日-9月30日北半球中纬度地区地面气温10 ～ 15 d延伸期集合预报产品,首先采用Tala-grand分布及离散度—误差关系评估了单个预报系统的预报性能,然后分别利用多模式集成平均(Ensemble Mean,EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean,BREM)及多模式超级集合(Multi-model Superensemble,SUP)对地面气温进行多模式集成预报试验.由于逐日的延伸期预报准确率相对较低,因此人们更关注延伸期预报对天气过程的预报准确率.对各个集合预报系统的逐日预报资料以及逐日“观测”资料做滑动平均,并对处理后的资料进行多模式集成,最后对超级集合预报的训练期长度进行调试,以获得最佳训练期长度.结果表明,四个集合预报系统的离散度相对于均方根误差都偏小,ECMWF预报效果最好,NCEP次之,UKMO预报效果最差.EMN、BREM及SUP三种多模式集成方法的预报效果均优于单个系统且SUP对预报效果的改善最明显.滑动平均后,预报误差进一步降低,且滑动步长越长,误差越小.对于SUP的训练期,逐日预报和3d滑动平均10～12 d预报最佳训练期长度为75 d;13 ～ 15 d预报最佳训练期长度为35 d;5 d及7d滑动平均其训练期长度在各个时效均以35 d为宜.