深水等深流沉积中记录的米兰科维奇特性——以陕西富平地区上奥陶统赵老峪组为例     

冯斌  李华  何幼斌  苏帅亦 《地球科学与环境学报》2019,(1):69-82

陕西富平地区上奥陶统赵老峪组为深水盆地边缘至深水斜坡沉积环境,发育深水原地沉积、等深流沉积及重力流沉积。以野外实测剖面、岩相特征等资料为基础,结合米兰科维奇理论、天文地层学、古海洋学以及古气候学,系统研究该地区等深流强度与古气候、海平面、古盐度的关系。结果表明:Fischer图解可以客观、准确地反映深水沉积地层相对海平面变化;深水沉积及等深流沉积中不同级次旋回垂向组合关系记录了米兰科维奇特性,即小级别旋回在垂向上有序地按照1∶4或者1∶5的形式叠加构成较大级别旋回;等深流强度受米兰科维奇旋回影响,呈多周期弱→强→弱递变;等深流强化周期约为0.1Ma。  相似文献   

Bathymetry,substrate and fishing areas of Southeast Atlantic high-seas seamounts   总被引：1，自引：0，他引：1  

OA Bergstad  ÅS Høines  R Sarralde  G Campanis  M Gil  F Ramil 《African Journal of Marine Science》2019,41(1):11-28

Most of the Southeast Atlantic Ocean is abyssal, and global bathymetries suggest that only ～3.2% of the areas beyond national jurisdiction (ABNJ; also known as the high seas, as defined in the United Nations Convention on the Law of the Sea [UNCLOS]) are shallower than 2 500 m. This study mapped bathymetry and characterised substrates in selected seamount summit areas, including several that have been or may become fishing areas. The southernmost location, the Schmitt-Ott Seamount, has exposed volcanic bedrock with surrounding flats covered by thin biogenic sediments and/or coral rubble that appears ancient. At Wüst, Vema, Valdivia and Ewing seamounts the basaltic base appears to be overlain by coral caps and other coral substrates (sheets, rubble). Adjacent summit plains have biogenic sediments of varying thickness. Vema has a flat, roughly circular summit, <100 m deep, with the shallowest point being a 22-m-deep summit knoll; the upper slopes have ancient coral framework, but the summit has a mixture of coralline and volcanic rock and coarse sediments, including extensive areas with coralline algae and kelp forests. Valdivia Bank is a 230-m-deep, flat, rocky area (～11 × 5 km), protruding steeply from the extensive multi-summit Valdivia subarea of the Walvis Ridge. The distribution of past fisheries in the Convention Area of the South East Atlantic Fisheries Organisation (SEAFO) was considered in relation to the new information on bathymetry and substrate.  相似文献   

结合深度学习和图割法的遥感影像建筑物检测     

刘舸  邓兴升 《测绘通报》2019,(11):69-73

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。  相似文献   

深度学习GoogleNet模型支持下的中分辨率遥感影像自动分类     

陈斌  王宏志  徐新良  王首泰  张亚庆 《测绘通报》2019,(6):29-33,40

提出了一种基于深度学习技术的遥感分类方法,它能有效解决中分辨率影像在分类过程中出现的像元混分问题。研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像,基于GoogleNet模型中的Inception V3网络结构,借助迁移学习方法,构建出遥感分类模型,实现了对武汉市主城区4类典型地物（不透水层、植被、水体和其他用地）的自动分类提取,并将分类结果与传统最大似然分类（ML）结果进行了对比分析。研究表明：基于深度学习方法的遥感影像总体分类精度高达88.33%,Kappa系数为0.834 2,明显优于传统ML方法总体分类精度83%和Kappa系数0.755 0,而且有效抑制了地物在分类过程中出现的像元混分现象。  相似文献   

高分辨率光学遥感场景分类的深度度量学习方法   总被引：1，自引：1，他引：0  

叶利华  王磊  张文文  李永刚  王赠凯 《测绘学报》2019,48(6):698-707

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题,本文提出了一种深度度量学习方法。首先在深度学习模型的特征输出层上为每类预设聚类中心,其次基于欧氏距离方法设计均值中心度量损失项,最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数。该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率。试验结果表明,本文方法有效地提升了分类准确率。在RSSCN7、UC Merced和NWPU-RESISC45数据集上,与现有方法相比,分类准确率分别提高了1.46%、1.09%和2.51%。  相似文献   

西太平洋马里亚纳海沟附近海山的金相柳珊瑚属(珊瑚虫纲:软珊瑚目:金柳珊瑚科)二新记录种     

徐雨  李阳  徐奎栋 《海洋科学》2019,43(6):1-5

为探究热带西太平洋海山生物多样性,2016年利用"发现"号遥控无人潜水器(ROV)对西太平洋马里亚纳海沟附近的M2海山进行了采样调查,其中获得了3个深水金相柳珊瑚样本。通过光学显微镜和扫描电镜观察,鉴定其为黑发金相柳珊瑚Metallogorgia melanotrichos(WrightStuder,1889)和长刺金相柳珊瑚Metallogorgia macrospina Kükenthal,1919。这两种金相柳珊瑚均为该区域的新记录种,对其作了详细的形态描述,并依据特征性状对该属所有物种作了分类检索。  相似文献   

基于深度学习的钨钼找矿靶区预测方法研究     

蔡惠慧  朱伟  李孜轩  刘园园  李龙斌  刘畅 《地球信息科学学报》2019,21(6):928-936

随着矿产勘查工作由浅部矿向深部隐伏矿、由易识别矿向难识别矿发展,找矿难度日益增大,地质专家越来越重视新理论、新方法、新技术的应用。深度学习作为人工智能的前沿领域/技术,对于实现矿产资源预测“智能化预测评价”具有得天独厚的优势。本文以陕西省镇安县西部钨钼矿集区单元素化探异常原始数据为基础,提出了基于深度学习的钨钼矿产评价方法。该方法以归一化地球化学数据作为模型训练数据,通过深度学习中深度自编码网络方法实现异常值提取进而识别重点成矿有利地段,实现矿产资源找矿远景区定性预测。研究结果表明,在对957条单元素化探异常原始数据分类且做好模型标签后,整个过程在计算机的“黑盒子”中自动完成学习和预测,相较于传统预测研究方法,本文方法具有自动化程度高和客观性强的特征。此外,本文利用已知矿点构建训练数据集,采用随机森林方法对预测区进行矿产资源找矿靶区预测圈定,为进一步缩小找矿靶区范围提供科学依据。  相似文献   

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物     

刘懿兰  黄晓霞  李红旮  柳泽  陈崇  王新歌 《地球信息科学学报》2019,21(2):259-268

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。  相似文献   

基于机器学习的高精度高分辨率气象因子时空估计     

方颖  李连发 《地球信息科学学报》2019,21(6):799-813

气象变量常作为重要的影响因子出现在环境污染、疾病健康和农业等领域,而高分辨率的气象资料可作为众多研究的基础数据,对推进相关研究的发展意义重大。本文以中国大陆为研究区域,利用2015年824个气象站点的气温、相对湿度和风速3套数据,结合不同的解释变量组合,分别构建了各自的GAM和残差自编码器神经网络（简称残差网络）模型,以10倍交叉验证判断模型是否过拟合。研究结果表明：① GAM和残差网络方法都不存在过拟合问题,同GAM相比,残差网络显著提高了模型预测的精度（3个气象因素的交叉验证CV R²平均提高了0.21,CV RMSE平均降低了37%）,其中相对湿度模型的提升幅度最大（CV R²:0.85 vs. 0.52,CV RMSE:7.53% vs. 13.59%）;② 残差模型的结果较普通克里格插值结果和再分析资料更接近站点观测数据,表明残差网络可作为高分辨率气象数据研制的可靠方法。此外,研究还发现在相对湿度模型中加入臭氧浓度和气温、在风速模型中加入GLDAS风速再分析资料,可提升模型的性能。  相似文献   

尼日尔三角洲东部深水区构造特征及其形成机理     

赵江  王秋良  卢圣力  付博  杜峰 《大地测量与地球动力学》2019,39(7):691-695

研究尼日尔三角洲东部深水区块发现,整个盆地从陆向洋具有3个大的构造分区：伸展拉张区、过渡区和挤压逆冲区。伸展区以大型同沉积断层伴生大量滚动背斜构造为特征,过渡区发育大量泥底辟构造,挤压区以复杂的逆冲叠瓦构造为主。通过分析形成机理,揭示东部深水转换带上M研究区构造特征,按构造的演化特征将该区构造分为泥底辟型、冲断-泥底辟混合型、逆冲型3种类型,提出研究区内的圈闭主要以构造-岩性圈闭为主,为尼日尔三角洲盆地深水勘探提供新的理论指导。  相似文献