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.

     

GMS-07电磁观测系统测量注意事项及故障检测

结合实际工作经验,总结了GMS?07综合电磁观测系统主机ADU?07e的主要结构特点,以及主机自检进行观测系统工作状态检查的情况,介绍该观测系统在野外观测过程中的注意事项,梳理常见故障的现象和排除方法;通过实例说明无法自检出的未接中心电极和磁道斩波器故障引起的资料异常。故障检测方法同样适用于GMS?07电磁观测系统常规大地电磁野外施工。     

矿产资源信息系统(MRIS)的设计原理与关键技术

矿产资源数字化管理是地学信息工程的重要组成部分.矿产资源信息系统是以区域矿产资源空间数据集成与应用为目标的行业计算机系统.本文研究的内容是在作者参加MRIS系统研制过程中就系统的设计原理与结构优化方案进行探讨,主要包括资源空间数据库、空间数据多方式查询与量算、空间数据互操作及可逆转换等开发技术中的关键问题,提出并设计了...     

日本周边海域温跃层特性研究及温度剖面模型构建

使用"中国ARGO实时资料中心"提供的2005—2009年连续5 a日本南部海域的ARGO浮标资料,通过建立标准层,统计并提取各标准层的剖面温度,采用AKIMA插值方法计算各层的温度梯度。较详细分析了该海域温度垂直剖面特征及温跃层的分布规律。在此基础上,使用分段三次多项式拟合方法建立了适用于该海区的温度垂直剖面模型,并利用2010年ARGO数据对模型进行了验证,研究表明,经过模型模拟的剖面温度与实测温度之间的相关系数可达到0.99以上。     

南海北部叶绿素a浓度遥感反演算法评估与COCTS反演算法构建

本文利用2018年9—10月和2020年7—8月在南海北部海域获取的叶绿素a浓度和遥感反射率现场实测数据,对3种叶绿素a浓度标准算法（OC2v4、OC3M和OC4v4）及3种区域算法（OC4v4＿TP、OC2＿X、INOC3）进行了模型精度评估;根据我国自主海洋水色卫星（HY-1C和HY-1D卫星）搭载的水色水温扫描仪（COCTS）的波段设置,构建了适用于我国南海北部海域的两波段、三波段、四波段和五波段比值的叶绿素a浓度反演算法。研究结果表明：标准算法的反演精度优于区域算法;针对HY-1C和HY-1D卫星构建的五波段比值OC5＿C算法反演精度较标准算法反演精度有很大提高,叶绿素a浓度反演值与实测值的平均绝对误差为0.08μg/L,平均相对误差为21.36%,可为我国海洋水色卫星遥感数据在南海及同类水体的定量化应用提供算法支撑。     

基于广义回归神经网络的行星际/太阳风参数和地磁指数的紫外极光强度建模

极光卵极光强度的空间分布是太阳风-磁层-电离层能量耦合过程的重要表现,并且随着空间环境参数和地磁指数的变化而变化,是空间天气的重要指示器.建立合适的极光强度模型对亚暴的预测以及磁层动力学的研究具有重要意义.本文基于Polar卫星的紫外极光成像仪（Ultraviolet Imager,UVI）数据,采用两种不同的极光强度表征方法,即曲线拟合方法（从UVI图像数据中提取极光强度沿磁余纬方向上的曲线特征,Curve Feature along the Magnetic Co-latitude Direction of the Auroral Intensity,CFMCD_AI）和网格化方法（从UVI图像数据中提取极光强度的网格化特征,Gridding Feature of the Auroral Intensity,GF_AI）,来构造极区极光强度特征数据库.然后,利用该数据库,采用广义回归神经网络（Generalized Regression Neural Network,GRNN）构建了以行星际/太阳风参数（行星际磁场三分量、太阳风速度和密度）和地磁指数（AE指数）为输入参数的两种极光强度预测模型（GRNN_CFMCD_AI模型和GRNN_GF_AI模型）.利用图像质量评价指数结构相似度（structure similarity,SSIM）作为极光强度模型预测结果和对应的UVI图像的相似性评价标准（完全相似为1,不相似为0,一般认为SSIM大于0.5是具有较好的相似性）,对两种极光强度模型进行了性能评价.结果显示,GRNN_GF_AI模型预测结果对应的SSIM值范围为0.36~0.77,均值为0.54,性能优于GRNN_CFMCD_AI模型的.

     

多体制遥感卫星成像数据高精度处理新方法

光学和SAR等对地观测卫星需要经过成像、辐射/几何校正等处理和不断的时序积累,才能为计算机解译提供精度高、稳定性好、时间持续的数据和特征。传统中低分辨率对地观测卫星通常基于地理网格内地物目标电磁波散射特性简化为理想点目标的假设,进行逐像素处理。然而,高分宽幅、大斜视、多通道等新体制卫星的工作模式更加复杂,其数据处理对星地全链路各环节产生的误差非常敏感,对成像参数标定或估计的精度提出了更高要求,此时基于理想点目标假设来进行参数估计、成像及校正处理的方式已难以满足处理精度要求。并且,近年来多体制卫星组网式协同和融合应用的新发展,也使得当前的理想点目标假设难以表征和建模多源多时相数据特征。为此,本文提出了多体制遥感卫星成像数据高精度处理的新方法,首先创新提出了“超像素”的概念和表征理论框架,建立了基于超像素的精确成像模型,然后通过挖掘超像素稳定特征并借鉴生成对抗学习机制,实现了星地全链路高耦合成像参数的高精度估计和持续精化,有效提升了多体制遥感卫星成像数据产品的精度,为计算机解译提供了好的数据产品输入。     

磁浮交通试验线压力管道直线度的测量方法研究及应用

目前,国内外对于磁浮交通真空压力管道直线度测量问题的研究较少。本文结合西南交通大学在建的真空磁浮高速列车试验装置,提出了一种真空压力管道直线度测量方法。该方法在管道内建立高精度=维控制网,依据三维控制网测量采用圆曲线拟合方法确定各节管道的圆心坐标,并采用直线拟合方法分析整个管道的直线度。最后依据上述方法编制程序对实测数据进行了处理分析,验证了方法的可行性和正确性,可为今后真空磁浮压力管道的建设提供技术参考。     

川藏铁路交通廊道地质调查工程主要进展与成果

川藏铁路是我国正在规划建设的重点工程,由于其位于地形地貌和地质构造都极为复杂的青藏高原东部,在铁路规划建设中面临一系列迫切需要解决的关键地质问题: 区域性活动断裂与断错影响、地质灾害、高地应力及其引起的岩爆和大变形、高温热害、断裂带高压水与涌水突泥、高陡边坡稳定性等。为满足技术支撑川藏铁路规划建设、精准服务国家重大战略实施的需要,中国地质调查局部署了“川藏铁路交通廊道地质调查工程”,聚焦制约川藏铁路规划建设的关键问题,充分发挥地质调查工作对国家重大工程规划建设的支撑作用。2019年主要完成铁路沿线1:5万区域地质调查1 350 km²、1:5万地质灾害调查5 000 km²,建设6口大地热流地质参数井、8个地温监测站,完成地应力测量20孔,编制完成11份地质调查专报,提出的大渡河大桥段、理塘车站段、毛垭坝盆地段等线路优化建议/防灾建议被采纳; 首次将1:5 000大比例尺航空物探技术引入复杂山地铁路工程勘察,创新形成千米级超长水平钻孔定向取心钻进技术,实现500 m深的水平孔地应力测量突破等。该工程通过2019年调查研究,全力提升了铁路沿线地质调查程度与精度,并创新了复杂艰险山区重大工程地质问题与探测技术、地质灾害风险防控理论与减灾关键技术,有效支撑服务了川藏铁路规划建设。     

北京平原区土壤地球化学特征及影响因素分析

基于北京平原区土壤地球化学调查数据,运用数理统计、因子分析、相关性分析、回归分析等方法研究了土壤元素的横向和纵向分布特征,并探讨其影响因素.结果 表明:北京平原区土壤CaO、MgO、Na20、Hg、Cd、Sr、Ba、Sn等含量偏高,Sb、As、Th、W、Br、U、I、Mo、有机质等含量偏低.R型因子分析结果显示,F1因...