物理信息双驱动的长距离盾构隧道结构纵向力学性态智能诊断方法

针对目前盾构隧道纵向结构安全诊断面临的瓶颈,提出了一种物理信息双驱动的隧道纵向结构力学性态智能诊断方法。通过将表征隧道纵向结构力学性态的物理方程嵌入物理神经元中,利用实测数据作为信息神经元综合构建了物理信息双驱动的神经网络（physics-informed neural networks,PINNs）模型,可实时更新反演盾构隧道结构参数、周围地层参数以及荷载分布规律,继而正演求解隧道的纵向结构力学性态。将反演得到的参数进一步用于其他隧道段的分析,以实现长距离盾构隧道结构纵向智能诊断。算例与工程实例应用表明,提出的PINNs模型能有效求解隧道结构纵向问题,且相较传统的纯数据驱动的深度神经网络（deep neural network,DNN）模型,PINNs模型表现出了显著的泛化能力与鲁棒性,具有十分可观的工程应用前景。     

高填方地基粘弹性参数反演及工后沉降分布规律预测

云南巧家高填方工程场地地形崎岖,高差悬殊,存在工后沉降量大以及不均匀沉降等问题,而传统沉降预测方法因忽略参数差异性问题不能准确预测高填方场地工后沉降。基于云南巧家高填方工程30组实测沉降数据,采用粘弹性模型、指数模型和双曲线模型三种方式进行工后沉降预测,结果显示粘弹性模型对于高填方沉降预测精度明显优于其他两种模型。基于粘弹性模型预测了云南巧家高填方工程工后沉降分布规律,探明了最大沉降速率和最终沉降的分布区域,为后续开展工程措施提供了合理的科学依据。通过粘弹性本构模型参数反演发现云南巧家高填方工程回填材料的压缩模量和粘滞系数均呈现显著的空间差异性,若不考虑参数空间差异性将会导致预测结果产生显著的误差。基于此提出了高填方场地考虑参数变异性的分区计算方法,该方法不仅能够减少整个高填方场地计算参数,并且能够有效提升预测结果精度,从而满足工程需求。     

GF-6影像下的南方路域针叶植被LAI反演研究

为了更好应用国产高分辨率遥感影像监测评价南方路域植被环境,研究南方路域针叶植被叶面积指数遥感反演.该文以长益高速研究区域的高分六号影像(GF-6)为基础,提出了可适用于针叶叶片的LIBERTY+ SAIL耦合模型并结合多元线性回归、局部加权回归反演路域植被针叶LAI的方法.研究中以耦合模型模拟的冠层光谱反射率、GF-6影像和野外实测生化参数为数据源,通过相关性分析,将与LAI相关性较高的SAVI、RVI和EVI 3种植被指数作为反演因子,结合组合模型反演LAI并评定模型的反演精度.结果 表明,耦合模型对南方路域针叶植被LAI的估算精度整体较高,对比分析两种叶面积指数的组合预测模型,耦合模型结合局部加权回归组合反演LAI具有优越性,可更好地反演路域植被针叶LAI.     

无人机与卫星影像的叶面积指数遥感反演研究

针对卫星遥感影像获取的叶面积指数精度较低的问题,该文结合无人机低空航拍影像和卫星影像,基于最小二乘法建立了一种叶面积指数遥感反演方法,并与卫星影像像元二分模型进行了比较。结果表明:从单一植被类型到整体植被叶面积指数的反演,新方法均优于卫星影像的像元二分法,两者整体相对误差分别为27%和35%。4种植被类型中,草本植物对模型的反演精度影响较大,两者相对误差分别为32%和56%。使用该方法准确计算了长汀县相关区域叶面积指数分布,与他人结果一致。该方法提高了卫星遥感影像获取叶面积指数的精度,为大面积高精度估算区域植被提供了一种方法。     

应用微波遥感数据的东北地区地表温度反演

针对无源微波遥感时间分辨率高可以克服云层影响获取地表温度的问题,该文应用AMSR-E微波亮度温度数据,分别选取了基于发射率估计的单通道反演法和多通道线性拟合法反演东北地区地表温度。在原有方法的基础上提出算法改进:对单通道反演法按照植被生长周期在生长季与非生长季分别建立发射率估计方程,探究各微波通道在每种地表覆被类型的反演能力并组合反演精度最高的通道,将微波极化差异指数作为表征发射率参数加入多通道拟合方程。结果显示,获取的地表温度剔除水体和冰雪无效像元后可用性达到100%,改进后的单通道反演法均方根误差由3.58~4.6降低至2.0~3.1,在75%的区域的误差小于2 K;多通道拟合法的最终均方根误差为2.6~3.5,同样有较高精度且只使用微波亮温数据就能获取地表温度。     

柴达木盆地土壤盐渍化程度快速动态监测

针对柴达木盆地土壤盐渍化的时空变化问题,该文采用了反演土壤盐度指数的方法快速评估了该地区的盐渍化程度变化及其空间分布,并且选择2015年利用土壤采样方法获取标本验证SI在研究区的适用性,集成RS技术和GIS空间分析的优势,综合利用空间分析和时序分析技术对柴达木盆地2000-2015年的盐渍化程度和分布面积进行了时空变化分析.研究结果表明了 SI值在研究区的适用性,同时发现2000-2015年,柴达木盆地土壤盐渍化的面积和程度整体上均有明显降低趋势,尤其在重度盐渍化区域更为明显,但中、低度积盐面积,程度均有所增加.研究可以为柴达木盆地土壤盐渍化程度的快速评估提供参考.     

遥感影像不同校正模型对反射率的影响分析

采用飞马D200四旋翼无人机携带多光谱相机,获取了可见光波段的数据,地面同步测量了地表反射率和大气参数.结合实验数据,采用基于POS数据的严格成像模型和多项式模型对图像进行了几何校正,对比了2种模型的校正精度和不同重采样方式产生的差异.在几何校正的基础上进行了大气校正,获得地表反射率,选取典型地物水体、植被、裸土的实测结果进行验证.结果表明低空无人机遥感可以得到精度较高的地表反射率结果,但不同的几何校正模型对地表反射率影响较小,可以忽略.通过开展该实验证明了利用无人机开展定量化遥感研究的可行性.     

基于MODIS数据的黄河源区植被覆盖度反演研究

以黄河源区高寒草地为研究对象,采用无人机航拍技术获取了样地实测的植被覆盖度;结合2001-2018年MOD13A1数据提取常用植被指数,分别采用像元二分模型法和回归模型法对研究区植被覆盖度进行了反演,并对其精度进行了验证;采用最小二乘法分析了黄河源区2001年以来植被覆盖度的变化趋势.结果表明,修正的土壤调节植被指数结合回归模型的反演精度较高;黄河源区多年平均植被覆盖度为57.89％,植被覆盖度处于30％以内、30％～60％、60％以上3个区间的面积分别占源区总面积的13.1％、27.25％和49.65％;2001-2018年黄河源区植被覆盖度略呈增长趋势.     

植被生态遥感参数定量反演研究方法进展

植被参数是生态遥感定量反演的热点和难点,也是生态系统研究的基础性参数。本文在广泛阅读国内外公开发表的文献资料基础上,将现有的植被生态遥感参数概括为物理类、生化组分类、能量和功能类3大类,系统梳理了每类参数定量反演的主要模型方法,进行优缺点和适用性分析,对现阶段存在的不足和未来发展趋势进行了探讨。物理类植被生态遥感参数主要介绍了植被覆盖度、生物量、叶面积指数、树高等研究进展,生化组分类植被生态遥感参数主要介绍了植被含水量、叶绿素含量和光合能力等研究进展,能量类植被生态遥感参数介绍了光合有效辐射、植被吸收光合有效辐射等研究进展,功能类植被生态遥感参数主要介绍了植被生产力和碳交换量等研究进展。存在的主要问题包括混合像元分解、病态反演、物理模型应用过程中的误差传递、数据融合的尺度效应和空间变异性、模型耦合的最优方案确定问题。     

利用卫星遥感海面温度、高度联合反演南海北部三维温度场

利用历史观测得到的温度剖面数据,通过严格筛选和插值,建立了南海北部的气候态垂向温度剖面。随后,利用回归统计分析的方法构建了海面温度异常(SSTA)、海面高度异常(SSHA)联合扩展温度剖面的经验回归模型,并采用卫星遥感得到的SST和SSH数据扩展了南海北部的三维海洋温度场,其时间分辨率为天,空间分辨率为0.25°×0.25°。通过与观测数据的对比研究,扩展得到的温度场可以较为准确地反映南海北部温度剖面的结构特征,并且能有效地体现出一些中尺度变化过程。结果表明,本研究反演得到的三维温度扩展场是较为可靠的,它可以作为海洋数值模型的初始场,实现现场观测数据和卫星遥感数据的互补,有助于更好地分析南海北部温度场的三维结构及变化特征。