滨海城市旅游环境承载力优化研究 —— 以秦皇岛市为例

滨海旅游是我国海洋经济的重要增长点,旅游环境承载力研究对滨海城市实现旅游可持续发展具有重要的理论意义与应用价值。该文在进一步界定滨海城市旅游环境承载力内涵的基础上,构建滨海城市旅游环境承载力指标体系,基于系统动力学预测旅游环境承载潜力,建立特定情景下旅游环境承载力优化的多目标函数与约束条件,利用NSGA-II算法求解旅游旺季、淡季和平季3种情景下的旅游环境系统对核心主体的承载力,以秦皇岛市为例进行实证研究,提出提升滨海城市旅游环境承载力的相关对策。     

基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取北大核心CSCD

植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。     

利用稳定同位素(15N)示踪技术研究浮游藻类氮素吸收速率特征

浮游藻类对溶解态氮的吸收同化是湖泊氮生物循环和水体富营养化发生机制探讨的关键环节。本文通过~(15)N稳定同位素添加实验以铜绿微囊藻(Microcystis aeruginosa)、海链藻(Thalassiosira sp.)、卡德藻(Tetraselmis sp.)、剧毒卡尔藻(Karlodinium veneficum)以及盐水隐藻(Rhodomonas salina)为研究对象,从浮游藻类氮素吸收时间、营养盐基质以及藻种差异三个方面研究五种藻类对铵氮(NH_4~+-N)、硝氮(NO_3~--N)、尿素氮(Urea-N)三种形态氮的吸收特征。研究发现:(1)浮游藻类对三种形态氮的吸收均在1h时吸收速率最高,其氮素吸收过程为快速吸收。(2)浮游藻类优先吸收还原态氮,其中NH_4~+-N吸收速率最高,当培养周期为1d和4d时浮游藻类对NH_4~+-N吸收速率的均值分别为4.05和4.15μmol/(L·h);浮游藻类对Urea-N吸收相对偏好系数为25.18—713.42,表现出对小分子溶解态有机氮的特定偏好性。(3)不同藻种对氮素吸收具有不同特征,其中,剧毒卡尔藻对三种形态氮的吸收速率均为最高,而铜绿微囊藻的吸收速率均为最低;不同藻种不同培养时间氮素吸收速率差异与浮游藻类生长周期等特性有关。不同浮游藻类对不同形态氮素表现出吸收特异性,对水体氮负荷和浮游藻类水华优势种形成将产生重要影响。     

基于多源信息融合的浅海超低频声源目标探测关键技术及实现

以多传感器信息融合理论为指导,结合现代信息处理技术与数据驱动建模及科学计算技术,研究浅海超低频声源目标激发共存地震波的复合声场中超低频声波传播特性和数据驱动建模的水下目标深度识别等关键技术,并论证了技术实现方案及路径。结果表明:以复合矢量水听器、地震波监测仪等多传感器信息融合理论为指导研究前海超低频声源目标可以克服传统声场建模存在的问题,有助于浅海超低频声源目标探测及改善海洋水下声学监测手段。在提高声呐探测设备的测量准确度、精度方面具有重要的理论意义,对周边海域为浅海的我国海防具有实战价值。     

基于层次聚类分析的离散欧拉解质量控制方法

欧拉反褶积法采用滑动欧拉窗口方式求解场源相关信息,该处理方法的解算结果是一群离散欧拉解,如何对这些离散欧拉解进行质量控制已成为应用欧拉反褶积法的瓶颈问题。针对场源构造指数和深度变化规律,给出了发散解滤波模型,根据欧拉解空间位置分布特点,提出了层次聚类分析方案对离散欧拉解进行质量控制。采用磁性球体和长方体模型仿真试验对所提方法应用效果进行了验证,实验结果表明:滤波措施能消除大部分无效离散欧拉解,结合层次聚类分析方案,实现了场源参数准确确定。     

2019年5月重要天象预告

五月的北半球,是春夏交替的时节,此时夜空的主角变成了木星和土星这两颗比较亮的地外行星。傍晚时分,木星已从东南方升起,并将在6月上旬冲日(“冲”指外行星和太阳分别位于地球的两侧,这时它整夜可见,观测条件最好)。土星的升起时间也提前到了前半夜。这段时间的夜晚虽然越来越短,但有意思的观测目标并不少。除春夜星空中诸多深空天体外,夏夜的代表星座、亮星,以及银河开始进入我们的视线,拍摄“银河拱桥”也正当时。     

深度卷积神经网络支持下的遥感影像飞机检测

针对YOLOv3算法对小目标检测较差及出现较多漏检的问题,本文提出了一种优化的YOLOv3算法.首先使用K-means算法计算出与数据集相适用的锚框;其次将扩张卷积引入到YOLOv3网络,用来增强网络高层的感受野,改善小目标的检测效果;然后使用深度可分离卷积取代YOLOv3网络残差模块中的普通卷积,可减少计算量,从而得到一种新型卷积神经网络结构;最后在数据集上进行对比试验.结果表明,优化的YOLOv3算法能够检测出更多目标,降低漏检率,相比于YOLOv3算法,其召回率提高11.86%,F1-score提高2.99%.     

基于LOG算子的侧扫声呐图像水下小目标检测算法研究

针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点,提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先,根据侧扫声呐图像中水下小目标成像特点,对声呐图像进行滤波及聚类分割,大幅降低图像中噪声;然后,采用斑点检测思想,提取侧扫声呐图像中疑似目标区域;最后,基于自动阈值分割算法对声呐图像进行分割,获取目标区域二值图像,使用二阶矩估计目标尺度,剔除虚假目标,最终实现水下小目标准确检测。实验结果表明：该方法计算速度快、检测成功率高,对侧扫声呐图像中的水下小目标具有良好的检测效果。     

一种改进的RFB Net遥感影像目标识别算法

针对高分辨率遥感影像场景复杂,现有的目标识别算法检测率较低且速度较慢的问题,提出了一种改进的RFB Net模型。算法在RFB Net模型的基础上构建特征金字塔网络,融合高层语义信息和低层特征信息,提高了网络识别能力。为验证该算法性能,以遥感影像中飞机目标为例进行了实验验证。以油罐和立交桥目标为例,对该算法的推广性进行了实验验证。结果表明,改进的RFB Net模型在遥感影像目标识别中精度较高、速度较快,且具有较好的推广性。     

星载分布式InSAR目标定位模型研究

针对星载二号分布式干涉合成孔径雷达系统目标定位的问题,以双基成像模型为基础,推导了雷达发射信号时刻与接收回波时刻卫星平台位置及速度发生变化的三维目标定位方程,给出了解算过程中的数据处理策略。文中采用星载分布InSAR干涉影像进行的无控制点条件下的定位和精度检测实验,验证了模型和数据处理策略的有效性和准确性。