小波分析在地震资料去噪中的应用

本文阐述了小波变换和去噪的基本原理,根据模拟信号和实际地震信号的频谱分析,讨论了如何选择小波基,及去噪中的阈值问题,从小波分解出发,利用多尺度分解对地震资进行分析,并基于MATLAB语言和小波工具箱,实现了对地震资料的去噪.     

1980—2018年黄河上游气候变化及其对生态植被和径流量的影响

黄河上游是黄河流域最重要的水源涵养地和产流区,对黄河流域的水资源安全、生态环境和粮食安全有决定性的意义。近年来在西北地区气候暖湿化的背景下,黄河上游气候生态水文等问题受到了各方的高度关注。本文利用卫星遥感数据、格点融合数据和水文监测数据,分析了黄河上游气候的多尺度变化特征及其对植被和径流量的影响。结果表明：1）1980-2018年黄河上游暖湿化趋势呈现全区域较一致的气候特征,温度增加率为0.023℃/a,降水增加率为1.09 mm/a,但同时又存在明显的区域差异性,湟水流域至甘肃中部降水增加最显著,宁蒙荒漠地带增温趋势最明显,2000年以来整个黄河上游降水明显增加。2000年后汇流区与流径区的蒸散发明显增加,但源头区南部波动减少。2）当前的暖湿化有利于黄河上游植被生长,1999年以来汇流区和源头区部分区域的植被增加率达到0.04/（10 a）;从长期趋势看,源头区、汇流区植被指数与上年降水呈显著正相关关系,而流径区植被指数与当年降水相关性显著;降水对黄河上游流域植被具有明显的改善作用,而温度对其影响较复杂,各区域不同的植被类型是导致降水、温度、蒸散影响存在差异的可能原因。3）1980-2018年唐乃亥站和兰州站的年径流量均呈减少趋势,但1998年以来两站的年径流量明显增加,兰州站年径流量的增加率是唐乃亥站的近3倍。长期趋势表明,唐乃亥站年径流量与当年降水呈显著正相关关系,兰州站年径流量与当年降水、蒸散的相关系数均明显低于唐乃亥站;从年际波动看,降水是决定年径流量的最主要影响因子,而生态植被、冻土退化、水储量变化及社会活动等因素对径流量的影响也不容忽视。该研究为科学应对黄河上游生态保护及实现黄河流域高质量发展提供了参考依据。     

南海开放共享航次关键科学问题的思考——从多尺度海洋动力学角度出发

南海是西太平洋最大的边缘海, 通过一系列的海峡与西太平洋和印度洋相联通, 其不同时空尺度的海洋环流动力过程及其生态环境效应是南海区域海洋学研究的重要内容。自20世纪50年代末全国第一次海洋普查开始, 我国对海洋调查的支持力度不断加大, 以科学考察船为代表的海洋科学观测平台建设不断加强; 进入新千年以来, 国内海洋科考船依托的各主要研究所和院校本着开放的理念, 先后组织多单位联合进行海上观测。尤其是最近10年, 国家自然科学基金委员会支持实施了船时共享航次计划, 进一步促进了国内海洋界的交流和合作, 南海区域海洋学的相关研究取得了很多重要的成果。从多尺度环流动力学的角度出发, 本文简要回顾了南海海洋观测的发展历程, 并初步总结了近些年来南海关键科学问题的研究进展, 包括南海和西太平洋的水体交换过程、南海中小尺度过程、多尺度相互作用及其生态环境效应等; 并且在现有的研究基础上, 对未来南海的观测和科学问题提出若干思考与展望。     

伏牛山地区森林生态系统服务权衡/协同效应多尺度分析

森林生态系统服务权衡与协同研究已成为当前相关学科的研究热点和前沿,对服务权衡与协同关系的多尺度分析有助于更加有效地实施森林资源管理。综合森林类型图、NDVI、气象和土壤等多源数据,借助CASA模型、InVEST 3.2模型和ArcGIS 10.2软件,开展伏牛山地区森林生态系统服务评估,运用空间叠置方法从多个空间尺度（区域、南北坡、垂直带）探讨服务权衡与协同效应。结果表明：① 研究区森林生态系统平均蓄积量为49.26 m ³/hm ²,碳密度为156.94 t/hm ²,供水深度为494.46 mm,土壤保持量为955.4 t/hm ²,生境质量指数为0.79。② 区域尺度上,28.79%的森林服务之间存在高协同效应,10.15%的森林存在低协同效应,61.06%的森林存在强权衡和弱权衡效应。③ 南北坡尺度上,南坡服务之间的协同关系优于北坡。垂直带尺度上,南坡中山落叶阔叶林带（SIII）服务之间协同关系最好,北坡低山落叶阔叶林带（NI）协同关系最差。     

一种多层特征融合的道路场景实时分割方法

道路场景理解是自动驾驶领域中重要模块之一,它可以提供关于道路更丰富的信息,对于建立高精度地图和实时规划都具有重要作用。其中,语义分割可以为图像每个像素赋予类别信息,是自动驾驶场景理解中最常用的方法。但是,目前常用的语义分割算法在速度和精度上大都不能达到很好的平衡。本文在MobileNetV2的基础上,提出了一种多层次特征融合的方法,使得网络可以在实时运行的同时保证精度满足实际应用的需求,并在Cityscapes数据集上进行了试验验证和分析。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

图库一体化软件系统研究与实现

为了提高DLG和DRG数据生产效率,改变传统作业模式,解决图库数据分离造成的数据不同步、数据维护复杂等问题,笔者引入"图库一体化"解决方案,通过建立图库一体化数据模型,利用制图表达原理研究算法实现复杂符号效果,采用智能化标注、地图整饰自动化等关键性技术,基于Arc GIS Engine实现Umap图库一体化系统。     

新型基础测绘体系下再论图库一体化

依据新型基础测绘的服务要求,制定了科学合理的图库一体化的生产路线,总结了注意事项,研究开发了图库一体化的质检工具,提高了基础测绘的生产效率和质量,为新型基础测绘“按需服务”奠定了基础。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。     

复杂卫星图像中的小目标船舶识别

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。