基于"山西2015速度模型"的定位方法对比研究

为了确定山西台网基于“山西2015速度模型”的相对固定的定位方法，选择2010~2016年最大空隙角小于45°、参与定位台站数大于40的103个地震事件，分别采用单纯形法、Hypo2000、Hyposat结合PTD等3种方法重新测定。结果显示，单纯形法和Hyposat结合PTD测定的残差以及网缘地震的震中距两方面均优于Hypo2000；在震源深度方面，Hyposat结合PTD的结果较为可信。综合分析认为，基于“山西2015速度模型”定位地震时，山西台网应固定使用Hyposat结合PTD的方法。     

模拟积水深度下若尔盖高原木里薹草叶片的生理生态特征

为了研究不同积水深度下若尔盖高原木里薹草(Carex muliensis)叶片的生理生态特征,于2016年4月23日,在若尔盖县喀哈尔乔县级湿地自然保护区内,将生长着木里薹草的原状土柱移栽至若尔盖湿地国家级自然保护区管理局实验场的木箱内,使木里薹草继续生长;设置3种模拟积水深度,分别为20 cm、10 cm和0 cm(无积水),于2019年6月30日、7月16日和8月1日,测定各积水深度下木里薹草叶片的光合气体交换参数、叶绿素荧光参数和生长指标。研究结果表明,随着积水变浅至无积水,3个观测日的木里薹草叶片的净光合速率、气孔导度和蒸腾速率都显著减小(n=5,p0.05),而胞间CO2浓度显著增大(n=5,p0.05);积水深度变化对木里薹草叶片的最小荧光产量、PSⅡ反应中心最大光化学效率和碳稳定同位素δ13C值无显著影响;随着积水变浅至无积水,木里薹草叶片的光化学猝灭系数和电子传递量子效率也减小,非光化学猝灭系数增大;随着积水变浅至无积水,木里薹草的株高变矮,叶长变短。     

基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法研究

Sentinel-1A合成孔径雷达数据不受云、雾等天气条件的影响并具有丰富的纹理信息，为提取城市建设用地信息提供了一种新的数据源。本文发展了一种基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法。该方法的优势主要在于可以有效复合不同极化方式下的Sentinel-1A合成孔径雷达数据和综合集成多尺度特征。在甘肃省张掖市甘州区的应用表明，该方法的提取结果总体精度为92.50%，Kappa系数为0.85。与现有方法“KTH-Pavia城市提取器”相比，Kappa系数提高了37.10%，总体精度提高了11.50%。因此，该方法具有良好的应用潜力。     

基于Polar1DMLP模型的CCTA冠脉管腔分割方法研究

冠状动脉数字图像造影（CCTA）是一种有效的无创评估冠脉血管狭窄等病变情况的成像技术，对CCTA的自动筛查评估依赖于冠脉管腔的高精度分割。为探索能够分割出高质量的冠脉官腔的算法，本文进行基于深度学习的端到端分割实验以及基于中心线先验信息结合CCTA灰度特征的冠脉管腔分割实验，其中基于深度学习回归方法的Polar1DMLP模型能够结合中心线先验信息得到较好的分割效果。基于公开数据集Coronary Artery Stenoses Detection and Quantification Evaluation Framework中的78组冠脉截段数据进行训练与验证，在16段数据的验证集上得到MSD （mean surface distance）为0.169 mm，DICE为0.796。结果表明本文提出的以中心线为导向信息的Polar1DMLP模型能够较好地整合血管CCTA灰度特征，回归出较为准确的冠脉血管内壁管腔轮廓半径，得到较为平滑的冠脉管腔表面模型，本方法有着较大的潜力以及拓展空间。      

基于水声环境空间中多模态深度融合模型的目标识别方法研究

随着对水下目标特性研究的深入和声学探测技术的发展,基于单模态的阵列式信息融合或基于空间信息的分布式信息融合的水下目标识别方法研究已有一定成果,但针对复杂海况导致单一物理场或单一融合层次的系统识别性能提高有限等方面影响的水下目标识别方法研究还有所不足,因此,开展基于多模态深度融合模型的水下目标识别方法研究可利用模态互补,共享信息而提升识别率。文中在国内外研究基础上,深入研究了基于到达时差法和多模态方法组合的检测方法,初步形成了基于水声环境空间中多模态深度融合模型的识别框架,开展了海洋中典型自然与人为事件的信号分析与特征提取,并在此基础上,设计新型基于海底基站的被动识别系统。该系统同步记录和由位置等组成的时间序列标记声、磁和压数据,可实现高精度、高分辨率的识别。本研究可满足未来海洋观测对高性能水下目标探测、定位和跟踪系统的迫切需要,为海洋安全监管、海洋突发事件应急响应等领域提供新的技术手段和科学参考。     

基于深度域地震成像的中沙海槽盆地东北部结构构造研究

文章基于叠前深度偏移地震成像分析, 结合前人重磁反演等地球物理资料成果, 对中沙海槽盆地东北部结构构造进行探索研究。研究表明: 中沙海槽盆地东北部发育新生代地层, 厚度在1500~2500m之间, 地层层速度为1500~ 3500m·s^-1, 不存在中生界沉积层, 盆地基底为海山或前寒武系基岩及岩浆岩隆起。中沙海槽盆地新生代陆源海相烃源岩丰富, 盆地新生界地层厚度大, 盆地凹陷、断裂发育, 具有一定的油气勘探潜力。     

基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。     

基于深度置信网络的GNSS-IR土壤湿度反演

基于大地测量型GNSS接收机获取的反射信号反演土壤湿度是GNSS领域的研究热点。为克服常规线性回归和BP神经网络算法等的缺陷，本文提出了一种基于深度置信网络的GNSS-IR土壤湿度反演方法。试验结果表明，基于该方法得到的决定系数、土壤湿度平均绝对误差和均方根误差分别为0.909 8、0.017、0.021，与线性回归和BP神经网络算法相比，与实测数据吻合度更高，可有效提高土壤湿度反演精度，证明了方法的有效性和可靠性。