地下空间逾渗与裂缝属性的关系分析

裂缝连通性评价是地下空间研究的重要内容。逾渗分析是研究裂缝网络连通性的一种有效手段。裂缝网络逾渗临界值多使用裂缝间接表征参数(如分形维数)来确定,但存在裂缝网络连通性不同却有相同间接表征参数的情况,这降低了预测的可靠性。为避免此类问题并更加准确快速地表征裂缝网络的连通性,文章在构建逾渗临界值方程时,摒弃了间接参数简化的方式,使用裂缝直接表征参数(如裂缝数量、长度等)进行非线性拟合。通过二维数值模拟建立不同参数的离散裂缝网络模型,分析逾渗低、中、高概率临界条件与裂缝直接表征参数的关系,建立逾渗临界条件预测方程,并对方程在不同尺度研究区的应用进行了讨论和验证。结果表明：预测方程可有效地预测不同概率的逾渗临界值。同时文章在预测方程的基础上,建立了裂缝网络连通性评价标准,这对于裂缝发育地区的地下空间评价工作具有一定的指导和借鉴意义。     

拟建黑山峡水库不必要性的研究

我国是个贫水大国, 北方严重缺水。黄河的水资源也同样如此, 一方面开发利用过度, 另一方面上游来水量持续减少, 造成了目前黄河水资源配置中的关键矛盾是水资源总量不足, 拟建大柳树灌区属严重缺水区, 需借"南水北调"西线调水解决, 而年分配量仅2亿m³, 对开发40.0~66.67万hm²耕地是"杯水车薪"; 此外, 黑山峡水库原规划设计的功能和作用已被上、下游水库替代, 显而易见, 没有理由兴建黑山峡水库。     

无人机三维倾斜摄影测量助力自然资源调查——以不动产调查为例

随着第一次地理国情普查与监测、第三次全国土地调查等重大自然资源调查类项目的实施,以无人机作为搭载平台的遥感影像获取手段在不断发展并深入应用,特别是无人机航测技术和地理信息技术的结合应用越来越紧密.本文以不动产调查为例,重点论述结合无人机三维倾斜摄影测量技术在内的测绘地理信息新手段的作业原理及应用情况,并对其优缺点进行总...     

基于大型科研基础设施共享的区域创新网络研究——以山东省为例

在产业革命和科技革命的背景下,创新在区域发展中发挥着越来越重要的作用,网络化创新模式成为当下创新的主流模式之一.基于创新网络视角,利用大型科研仪器共享大数据,对山东省创新网络的空间特征和主体特征进行分析,研究发现:山东省创新网络在形态上呈现出以济南为创新核心辐射带动济宁和淄博等周边边缘城市发展,同时形成东部青岛、威海和...     

极区电离层对流速度的浅层神经网络建模与分析

电离层对流是太阳风与地球磁场相互作用下驱动的磁层大尺度对流循环与对流电场在极区电离层的映射, 与行星际磁场-地球磁场耦合系统息息相关.本文基于SuperDARN(Super Dual Aurora Radar Network)分布在北半球的23部高频相干散射雷达获取到的二维电离层对流速度对其进行建模研究.模型输入为行星际磁场三分量、太阳风速度、太阳风密度和地磁指数六个空间物理参数, 模型输出为二维对流速度.模型选择两种广泛应用于空间物理建模的浅层神经网络即广义回归神经网络(General Regression Neural Network, GRNN)和误差反向传播(Back Propagation, BP)神经网络.实验结果显示, GRNN模型和BP模型的速度幅值均方根误差分别为174.96 m·s^-1和234.21 m·s^-1, 速度方向角均方根误差分别达到62.30°和88.07°, 相比于对流速度最大值2000 m·s^-1和360°的方向角范围来说, 其误差是可以接受的.外推性实验结果显示, 在第24个太阳周期时, GRNN模型和BP模型的速度幅值均方根误差分别为305.35 m·s^-1和738.15 m·s^-1, 速度方向角均方根误差分别为82.01°和90.56°.实验结果表明, GRNN在时间外推性上的效果优于BP神经网络, 更适用于预测对流速度.我们发现在四种典型空间环境条件下, 利用GRNN模型预测的瞬时对流速度来构建的全域对流模式与现有统计模型构建的对流模式相似, 从而验证预测的对流速度可以用于分析瞬时极区电离层对流.

     

中国洪水灾害风险区划及其成因分析

洪涝灾害发生过程中观测数据多源异构（遥感影像、社交媒体文本、地理信息数据等）,难以利用互补优势融合应用于风险评估和提供决策知识。研究基于多模态数据的洪涝灾害知识图谱构建方法,融合抽取遥感影像与社交媒体文本知识,形成多模态洪涝灾害知识图谱。基于自顶向下的方法细分领域概念,构建洪涝灾害领域本体层。通过深度残差全卷积神经网络对遥感影像进行智能解译,利用地理逆编码将影像解译信息转化为文本,实现影像信息到文本知识的转化。基于命名实体识别技术与关系抽取技术对社交媒体文本数据进行知识抽取。通过训练词向量,利用语义相似度计算关联文本知识与影像知识,实现多模态数据知识统一表达。以中国湖北省洪涝灾害为例,该方法将多源异构的数据高效转化为知识并进行关联,形成领域知识图谱,实现了多源异构数据到多模态知识的转化。在灾害不同时期提供相应应急措施,并且通过关联农业受灾面积、农作物类型、农作物价值实现湖北省洪涝灾害评估。该方法结合深度遥感解译、文本知识抽取技术以及语义相似度计算,实现了多源异构数据到多模态知识的转化。

     

我国市县地球物理监测资源评估

我国地球物理监测站网主要由GNSS、定点形变、重力、地电、地磁、地下流体六大观测站网组成,由国家站、省级站和市县站构成基本监测单元。市县站观测手段多、站点数量庞大,是地球物理监测站网的重要组成部分。为摸清市县站监测资源底数、统筹利用市县监测数据,中国地震局历时2年完成了我国市县地震监测资源评估工作。基于此项工作,本文从观测环境、观测系统、数据质量和预报应用四个方面对我国市县地球物理监测资源进行简要分析,评估结果显示: 37.8%的测项评估为合格,可直接纳入国家地球物理数据库管理,47.9%的测项评估为基本合格,可纳入国家市县数据库管理,14.3%的测项评估为不合格,需要停测或者优化改造。针对评估结果,简要分析了市县监测运维工作存在的主要问题并提出具体可行的解决建议,为提升市县站监测质量提供参考。     

南海北部陆架早—中中新世古珠江河道发育特征及汇流冲刷模式

河道体系是侵蚀和沉积物搬运的重要通道,控制了大陆边缘源汇体系中砂体总体的输送和分布格局,并可有效指示古代构造活动、物源供给、气候变迁和海平面变化等丰富地质信息。研究基于高分辨率的三维地震、钻测井资料,结合层序划分方法和地震沉积学综合分析手段,揭示了南海北部珠一坳陷早—中中新世古珠江分流河道体系的类型和展布特征,并且以典型层序为例精细揭示了海平面变化控制下河道类型由辫状向曲流的转换。同时,在研究区地震剖面上识别到多处异常下切现象,经研究可解释为辫状河道内的汇流冲刷,其典型特征为：① 下切深度局部增大;② 平面近似圆形或椭圆形;③ 内部为砂质充填。虽然汇流冲刷结构在地震剖面特征上与“传统”意义的下切谷极易混淆,但在沉积特征和成因上存在较大差别,因此,对它的识别有助于避免层序界面的错误判别,并且其后期充填的河道砂体具有局限分布的特点,易于在后期海侵泥岩的覆盖下形成潜在的岩性圈闭新类型。     

融合光谱指数与高分影像的塑料大棚语义分割模型

针对现有场景分类方法特征表征能力差以及单视角遥感影像分类精度难以提升的问题,提出一种融合多尺度注意力的多视角遥感影像场景分类方法。首先,将航空图像和地面图像构造成正负图像对,并划分为训练集、验证集和测试集;其次,构建融合多尺度注意力的卷积神经网络并训练,通过特征融合模块得到融合注意力且表征能力更强的特征,实现多尺度特征学习;然后,利用训练的多尺度注意力网络分别提取航空图像和地面图像特征并进行融合;最后,基于融合后的特征使用支持向量机进行场景分类。实验结果表明,相比现有方法,所提方法在两个公开数据集上均取得了更高的分类精度,改善了单视角场景分类效果,同时也证明了多视角所提供的补充信息能进一步提升遥感场景分类的准确性。

     

利用风云3D微波成像仪数据估算北极海冰密集度的精度评价

卷积神经网络（convolutional neural network, CNN）已用于星载全球导航卫星系统反射测量（global navigation satellite system-reflectometry,GNSS-R）海冰检测,其具有数据预处理简单、最大限度保留反射面信息等优势,但已有GNSS-R CNN海冰检测方法研究的数据集时间跨度较小,代表性有限,且未考虑训练集内海水、海冰时延多普勒图（delay-Doppler map, DDM）的比例对方法泛化能力的影响。针对该问题,首先提出一种筛除畸形DDM方法,有效筛除错误数据;然后,设计合适的CNN结构及参数,通过小样本对比实验发现CNN模型在训练集内海水、海冰DDM的比例为1∶1时具有高准确率和最佳泛化能力,并优化数据集选取策略;最后使用2018年全年大样本数据集评估改进的方法在大数据量和大时间跨度时的有效性和可靠性。研究表明,改进的方法通过加强数据质量控制、优化数据集选取策略,提升了CNN海冰检测方法的泛化能力及可靠性,使其更适用于实际应用场景,为海冰消融等研究提供参考。