生物技术推进蓝色经济——NOAA组学战略介绍     

田晓阳 《气象科学进展》2019,(6):34-34

NOAA希望通过基因组学、蛋白组学、代谢组学等各种生物组学(‘Omics)工具加强对海洋和五大湖地区生物群落的长期监测和了解,以有利于渔业管理、水产养殖业发展、食品和水安全、物种和栖息地保护、海鲜消费者保护以及天然产物发现等,实现生态系统资源的可持续管理。相比传统人工采样,组学与自动采样结合可以更高效地指示生态状况,也提供更详细的生物信息。但更多的信息也对机构计算能力和人员能力提出了新挑战。  相似文献   

基于岩石图像深度学习的岩性自动识别与分类方法   总被引：8，自引：3，他引：5  

张野  李明超  韩帅 《岩石学报》2018,34(2):333-342

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。  相似文献   

关于水文地质水井钻探工程中新型自动解垢过滤器的分析研究     

汤凤林  沈中华  段隆臣  彭莉  Чихоткин В.Ф. 《探矿工程》2018,45(7):56-61

水文地质钻探、水井钻探是探矿工程的重要组成部分。随着水资源需求量的增加和生态环境保护要求的提高,水文地质和水井钻探工程显得更为重要。在其成井过程中,常见过滤器腐蚀结垢,直接影响井眼进水量和抽水效果,甚至导致过滤器和井眼报废。俄罗斯南方国立技术大学Третьяк А.Я.教授等人发明了自动解垢过滤器,解决了过滤器腐蚀结垢问题。  相似文献   

广东良口黄田埔高分异Ⅰ型花岗岩地球化学特征及大地构造意义     

苏扣林 《江苏地质》2018,42(2):197-205

广州从化区良口亚髻山霞石正长岩为典型岩石遗迹,在碱性岩体野外填图研究过程中,新发现东侧分布有黄田埔高分异花岗岩,形成时间约(146±13)Ma,为晚侏罗世岩浆活动产物。元素地球化学特征显示硅高、钾富、分异指数高、Rb/Sr比值高以及Rb/Ba、Nb/Ta、Zr/Hf、TFeO/MgO比值低;稀土元素ΣREE平均值为248 g/t,ΣCe/ΣYb平均值为2.34,δEu(0.16)负异常明显;Ga(×10~4)/Al比值较低(平均值为3.47),Zr+Nb+Ce+Y含量(平均值为264g/t)低于A型花岗岩(350 g/t);I(Sr)值为0.691 8~0.712 8,平均值为0.708 1;ε_(Nd)(t)值为-3.5~-10.0,平均值为-6.7。元素地球化学、同位素地球化学和同位素年代学综合研究结果表明,岩株的形成可能与上地幔岩浆分异有关,为高分异Ⅰ型花岗岩。  相似文献   

基于BP神经网络的溶洞规模预测及应用   总被引：2，自引：1，他引：1  

刘振华  范宏运  朱宇泽  柳尚 《中国岩溶》2018,37(1):139-145

复杂岩溶地区的溶洞发育规模受地质构造、地区岩性、地下水动力系统等多种因素的影响,具有高度复杂性和非线性的特征。通过对岩溶区溶洞的赋存规律研究,确定影响溶洞发育规模的控制因素进行定量处理,收集已探明溶洞的样本数据。为克服已有研究对溶洞发育规模定性描述的模糊性,文章利用BP（Back Propagation）神经网络对自组织、自适应特性对数据样本的非线性关系揭示的能力,实现对溶洞发育规模的预测,并基于MATLAB实现BP神经网络结构的设计、训练、预测,其结果表明:BP神经网络模型对溶洞规模预测的精度高、收敛性能好。   相似文献   

贵州主要城市浅层地热能利用潜力评价   总被引：1，自引：0，他引：1  

宋小庆 《中国岩溶》2018,37(1):9-16

作为清洁、新型、可再生的绿色能源,浅层地热能对缓解城市节能、减排等问题有很大的帮助。为评价贵州省贵阳市、遵义市、兴义市、铜仁市、六盘水市、凯里市、都匀市、毕节市、安顺市及贵安新区10个地级市和国家级经济开发区的浅层地热能利用潜力,文章根据浅层地热能赋存环境调查、现场热响应试验及岩土体热物性测试结果等综合分析,计算出贵州主要城市地表以下100 m深度内的浅层地热能总热容量为35.20×1013kJ·℃-1,夏季换热功率为520.2×104kW,冬季换热功率为342.3×104kW;并在此基础上,评价了贵州主要城市浅层地热能的资源潜力,夏季可制冷面积为7.43×108 m2,冬季可供暖面积为6.51×108m2。   相似文献   

云南个旧多金属矿石门坎—保和地区Sn、Sb元素的成矿信息识别与提取     

陈庆 《江苏地质》2018,42(3):476-480

石门坎—保和地区位于云南个旧多金属成矿区西南部,成矿背景复杂,成矿作用具有多期性和多样性。利用研究区1∶1万土壤化探数据,采用泛克里格法和因子分析相结合的方法,提取不同层次的成矿异常信息。结果表明:主因子F_3包含Mo-Au-Sb等元素,反映成矿过程中的岩体和热液相关信息;主因子F_4包含Sn-Bi-W元素,指示中低温热液矿化环境; Sb沿杨家田断裂呈串珠状分布,反映了由北东向构造控制的空间变化特征,与已知矿点对应良好; Sn元素异常在研究区北部呈双峰状环形分布,推测受隐伏岩体或者断层控制。根据元素组合异常F_3和F_4的分布规律,结合地质资料圈定出2个找矿靶区,为进一步找矿工作提供了方向。  相似文献   

基于数据密度确定分布区域的方法：以TAS图解分析为例   总被引：2，自引：0，他引：2       下载免费PDF全文

葛 粲顾海欧  汪方跃李修钰  周宇章袁 峰 《地质科学》2018,(4):1240-1253

为了客观地确定数据点投图后分布的主要区域,本文提出了一种基于数据密度确定数据主要分布区域的方法。利用该方法可以更加直观地了解数据分布,并可以作为数据清洗的预处理手段。本文基于GEOROC大数据,以全碱对硅（TAS）图解为例,进行了分析和验证。通过提取GEOROC 数据库中与TAS 图解相关的岩石样本中SiO₂、Na₂O、K₂O 和烧失量含量数据,通过数据常规清洗和归算,最终获得24 个种类合计13.3 万条有效数据。通过数据投点、分区统计和提取80% 数据的分布区域,验证了24种岩石样品与TAS图解的吻合程度。通过综合研究分析发现,有6类岩石的数据分布与TAS图解定义区域基本一致,18类岩石的数据分布与TAS图解定义区域有系统性偏差。大数据研究证明了TAS图解的不足之处,利用全碱和SiO₂作为指标,难以实现提升总体分类的准确性。  相似文献   

基于潮汐动态淹没过程的长江口潮滩地形信息反演研究     

章敏  吴文挺  汪小钦  孙玉 《地球信息科学学报》2022,24(3):583-596

潮滩是陆地与海洋之间重要的生态过渡地带,具有复杂的生态过程和重要的服务功能。受陆海交互作用及人类活动的影响,潮滩处于高度动态变化过程中,而传统测绘技术受到潮滩可达性影响无法快速获取潮滩地形信息。为解决潮滩高程数据获取困难的问题,本文提出一种基于潮汐动态淹没过程和时序遥感影像的潮滩地形信息提取算法,利用K-means++聚类方法实现水域提取,并通过时序淹没特征计算潮滩淹没频率提取潮滩范围信息,最终综合区域潮汐特征反演潮滩地形。研究以崇明东滩为例,利用2016—2020年所有可用Sentinel-2和Landsat-8时序遥感影像,实现潮滩范围提取与高程反演,并通过实测高程数据进行精度验证。研究结果表明,潮滩范围提取总体精度为97.73%,F1_score为0.98;高程反演平均绝对误差为0.15 m,潮滩高程的反演精度与可用影像的数量呈正相关。研究利用该算法进一步反演长江口地区主要潮滩地形特征,结果表明区域内潮滩面积为346.93 km²,高程范围为1.00~3.84 m,且与现有潮滩范围数据集相比,本研究提取的长江口潮滩范围更为完整。该算法为潮滩地形的快速反演提供了可能,对潮滩资源动态监测和管理具有重要意义。  相似文献   

面向高分遥感影像道路提取的轻量级双注意力和特征补偿残差网络模型     

陈振  陈芸芝  吴婷  李佳优 《地球信息科学学报》2022,24(5):949-961

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResUnet模型。该模型在ResUnet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性能和时空复杂度上的平衡。其中,双注意力模块可以增强模型的特征提取能力,特征补偿模块可以融合网络中来自深浅层的道路特征。在DeepGlobe和GF-2道路数据集上的实验结果表明,DAFCResUnet模型的IoU和F1-score可以达到0.6713、0.8033和0.7402、0.8507,模型的整体精度优于U-Net、ResUnet和VNet模型。与U-Net和ResUnet模型相比,DAFCResUnet模型仅增加了少量的计算量和参数量,但IoU和F1-score均有较大幅度的提高;与VNet模型相比,DAFCResUnet模型在计算量和参数量远低于VNet的情况下取得了更高的精度,模型在精度和时空复杂度两方面均有优势。相比其他对比模型,DAFCResUnet模型具有更强的特征提取和抗干扰能力,能更好解决道路上的干扰物、与道路特征相似地物、树荫或阴影遮挡等造成的道路空洞、误提和漏提现象。  相似文献