基于U-Net的高分辨率遥感图像土地利用信息提取

随着现代遥感技术的迅速发展,遥感图像的质量和数量得到了显著的提升,新技术带来的高分辨率遥感图像所蕴含的信息也更加丰富,如何利用人工智能手段辅助挖掘这些丰富的信息也成为了遥感图像分析与理解的重要内容。与此同时,以深度卷积神经网络为代表的人工智能技术在图像处理领域大放异彩。得益于类人眼的分层卷积池化模型,深度卷积神经网络可以在图像分割和分类等任务上取得优异的结果。因此采用U-Net为代表的深度卷积神经网络对2 m的高分辨率遥感影像进行了特征提取、分割和分类,不同于传统基于手工设定图像特征的方法,U-Net可以自动对海量高分辨率的遥感图像进行特征提取,从而充分挖掘高分辨率遥感影像中复杂的非线性特征、光谱特征和纹理特征。实验结果表明：利用训练好的U-Net模型对新昌县土地利用分类计算时间为55.7 s,分类准确率可达90.95%,Kappa系数为0.86。U-Net模型可以快速、精确地提取高分辨率遥感影像中的地表覆盖特征,得到高精度的土地利用分类结果,说明将该模型应用于遥感影像土地利用分类提取有着广阔前景。     

时域条件下填埋场导排系统水位变化规律

针对填埋场渗滤液入渗量随降雨量、垃圾含水量等因素不断变化这一问题,在扩展的Dupuit假定基础上推导导排系统瞬态水位计算方法.当入渗量恒定时,采用该方法计算的最终结果和稳态计算结果趋于一致.通过与Korfiatis等［10］的室内实验结果比较,该方法是合理和相对准确的.通过参数分析发现,对于排水系统来说,排水距离越长,达到稳定水位所需要的时间越长,适当增加排水系统的坡度可以非常有效地控制水位深度;在渗透系数减小到一定程度后,会导致水位的大幅增加.     

利用桐油和糯米汁改善黏土的强度及环境土工特性

充分利用桐油防渗性好、附着力强、耐酸碱、耐水、耐日光大气等性能和糯米汁黏糊度高、吸附强、胀度小等特点,将桐油、糯米汁掺入黏土中改善其环境土工特性。渗透、强度、等温吸附和扩散试验结果表明:黏土经桐油、糯米汁改良后,在最优质量比例为90∶5∶5时,渗透系数比未改良土下降2个数量级,同时对金属离子的吸附能力明显增强,尤其对Cu2+的吸附能力显著提高,并且明显地降低Cu2+的扩散系数。用扫描电子显微镜(SEM)对未改良土和混合土进行了微观形态结构研究,结果表明桐油能很好地分散并渗入黏土表面形成附着良好的包膜层。萧山黏土混合桐油和糯米汁后极大地改善了其作为黏土衬垫的环境土工特性。     

浅谈行政组织中的非正式组织的作用与发展

非正式组织是行政组织中的一种客观存在，在一定程度上影响着政府行政管理效果，行政管理应当充分利用非正式组织。本文介绍了行政组织中的非正式组织的特点，分析了非正式组织在行政组织中的积极与消极作用，并探讨了推进其发展应当采取的策略。