本刊对稿件的规范要求

本刊是由上海市规划和国土资源管理局主管、上海市地质调查研究院与上海市地质学会主办的科技学术类季刊。为更好地发挥本刊在学术研讨、科技交流、信息服务等方面的功能和作用,及时反映最新科研成果与工作动态,有效缩短稿件处理周期,进一步提高期刊的规范化水平和内在质量,特此明确稿件要求,敬请参照。     

在山区试用高精度重力测量普查金属矿

本区为黄铁矿型铜和多金属矿的山区.在四个已知矿体中,有两个大型致密矿体已经爆破,进行了露天开采.故试验工作仅限于其他两个矿体.其一为致密铜铅锌矿（以下简称甲矿）矿体作急倾的平板状.中部浅,两端倾状.其二为浸染矿床（以下简称乙矿）,由数个平行矿条组成,其中夹有富集的网脉状矿层.根据计算,体积如甲矿的致密矿体埋藏深度不超过200米,能产生0.4-2.5毫伽的重力异常.但同等尺度的浸染矿体刖仅当埋藏深度小于20米时,才能引起0.4毫伽的异常.因此要发现上述矿床,必须保证重力测量误差（包括重力仪观测误差,各项改正误差）不大于±0.1毫伽.     

激发电位測深法

利用金属矿体通过电流以后能产生电化学极化的現象,引起次生的激发电流,以普查勘探金属矿可以认为是研究金属矿地球物理勘探方法的一个重要进展.一般地球物理勘探方法的作用,除了磁法探寻磁鉄矿体以外,都还处于很不“直接”的阶段,例如使用重力法、电阻率剖面法、自然电流法等等所取得的物理現象,常常很难作出肯定的推断解释,因为它們常不肯定表示矿体的存在;一种現象可以为几种可能的地貭因素所引起,除非进行山地揭露,很难断定什么是現象的引起者.     

岩溶场地大面积灌注桩事故的加固处理

某工程在岩溶场地上进行灌注桩施工,由于桩底溶洞的存在引起大批灌注桩的竖向承载力不满足设计要求,采用刚性-亚刚性复合地基法成功处理了该事故,即将原灌注桩作为刚性桩,新增长螺旋灌注桩作为亚刚性桩共同承载,加固处理后,复合地基承载力满足规范和设计要求。     

砂垫和砂井结合处理软粘土地基的探讨

本文主要介绍:在近期海相沉积的软粘土层上,采用砂垫和砂井结合(即混合砂地基),上部结构施工前不进行堆载预压的办法,修建多层砖房的设计和施工。1979年夏动工,1981年冬竣工交付使用,近三年来使用情况良好,未发现异常变形,达到预期效果,施工简便,经济效果显著,是砂井排水固结处理软粘土地基,应用在房屋建筑上成功的一例。     

改进深度交叉网络的遥感信息即时智能推荐方法

随着遥感大数据时代的到来,海量遥感数据的主动、即时推送问题成为限制遥感信息智能服务领域发展的瓶颈。针对现有遥感信息推荐模型空间特征表达能力不足、交叉特征表达能力欠缺和无差别对待交叉特征等问题,本文提出一种融合注意力机制的深度交叉空间变换网络(attention deep&cross spatial-transformation network, ADCSTN)。首先,模型使用深度交叉网络提取遥感信息不同关联的交叉特征;然后,基于栅格划分,利用空间变换层将一维空间属性数据转换为二维空间矩阵,充分捕捉遥感信息空间结构特征;最后,通过注意力层对得到的不同关联的交叉特征设置不同权重,增强模型性能,实现遥感信息的主动、即时、智能推送。本文利用STK仿真1584颗智能遥感卫星组成的遥感卫星星座为20°N—40°N、120°E—140°E区域内的舰船提供实时遥感数据,并设置用户兴趣,得到试验数据集。试验结果表明,本文模型的推荐效果较好,相比于传统的四元组模型,F₁ score提高了37%～54.7%。     

基于改进Deeplab-v3+的土地覆盖分类

土地覆盖分类是全球变化研究的核心,精准分类是开展土地覆盖分类变化研究的基础。基于此,本文以Deeplab-v3+模型为基础,在编码阶段改进ASPP模型,并采用Xception-ResNet结合的网络结构,解码阶段引入跃层特征融合优化模块,得到改进后的Deeplab-v3+模型,对研究区进行土地覆盖分类提取。结果表明：改进后的模型分类精度为82.93%,训练速度为7 h 22 min,相比原始模型分别提高了4%,模型训练速度提升了25%。综上可知,改进后的Deeplab-v3+模型可以实现快速且高精度的土地覆盖分类,可为土地覆盖分类研究提供技术支持。     

一种边缘辅助的卫星影像云修复卷积神经网络

遥感影像的云修复是改善影像质量、降低数据成本的一种重要手段。使用Landsat 8影像研究卷积神经网络在云修复中的应用,提出一种影像信息重建的新式网络结构——边缘辅助的门控卷积网络（edge-guided gated convolutional network,EGCN）。该网络以多时相数据作为含云影像上被遮挡信息的辅助数据,主干网络为多时空门控卷积网络（spatial-temporal based gated convolutional network,STGCN）,在多尺度特征融合模块引入一种改进的非局部（non-local,NL）模块——门控非局部（gated non-local,GNL）来替代传统的卷积层,并以边缘特征提取网络（edge network,ENet）为分支,从边缘信息层面进行特征引导。实验结果表明,GNL模块和ENet的加入均有助于提升云修复效果。