2019年长宁M_S6.0地震邻区分钟采样地电场分析     

王玮铭  谭大诚 《地震》2020,40(3):41-51

2019年6月17日四川宜宾市长宁县发生M_S6.0地震, 分析震中周边600 km内7个地电场台站观测分钟值数据, 获知震前2个月左右红格等6个台站地电场均存在不同方位之间、 同方位长短极距之间的相关系数持续降低, 6月17日这些相关系数基本降至最低, 反映出这6个场地的地电场在此次地震前后发生了非均匀变化; 同时, 这6个台站的地电场优势方位角出现了约45°或90°跃变, 并伴有显著发散或收窄现象。分析表明长宁M_S6.0地震前后, 这6个场地的多种地电场异常现象具有局部场地效应、 时间准同步性。  相似文献   

规则池塘群的复杂直线模式识别     

刘呈熠  武芳  巩现勇  行瑞星  罗登瀚 《测绘学报》2020,49(2):256-266

针对现有面要素直线模式识别方法难以解决规则池塘中破碎区域的问题,提出了一种规则池塘群的复杂直线模式识别方法。首先,分析了规则池塘群的空间特征和认知特点,提出了“主次关系→并列关系→直线模式→复杂直线模式”的多层次认知顺序;其次,设计了主次关系池塘组、并列关系池塘组、直线模式池塘群的识别方法;最后,构建了复杂直线模式池塘群的识别模型。试验表明:本文方法能够消除破碎区域对规则池塘群直线模式提取的不利影响,有效提升复杂直线模式识别的质量。  相似文献   

基于SSW点云数据的矢量地图平面精度自动校验方法     

羌鑫林  李广伟  王留召  张伟红 《测绘通报》2019,(3):98-102

常规的矢量地图精度校验采用抽样与实地测量，外业工作量大，自动化程度低。针对这一问题，本文提出基于SSW激光点云数据的矢量地图平面精度自动校验方法。首先，使用车载激光扫描器获得道路两侧高精度点云数据，并对点云数据进行滤波、坐标转换和精度检验；其次，基于多特征识别算法，使用SWDY软件提取点云特征点线；最后，利用最近邻法搜索待检矢量图中的同类地物特征点线，并计算匹配点线对的中误差。以兴化城区为试验区，采用该方法检测该地区1：1000比例尺的矢量地图平面精度，试验结果显示，成功匹配了点云数据205个地物特征中的201个，矢量地图的总体中误差为0.26 m，且能够发现待检测矢量地图中的采集丢漏与明显错误。本文方法可以减少现有检测方法的野外实测工作量，增加检测样本数量，降低检测过程中的人为干扰因素，有效提升检测的可靠性与检测效率。  相似文献   

南北地震带北段流体资料地震预测效能检验     

王博  钟骏  王熠熙  陈石 《地震》2018,38(1):147-156

以南北地震带北段长时间、 连续并有多次震例记录的流体观测资料为研究对象, 使用Molchan图表法对其与周边地震的关系进行了检验和分析, 计算了时间占有率、 预测效能和概率增益等参数。 结果表明, 南北地震带北段各台项的预测效能差别较大。 整体看来, 甘东南地区的观测资料检验效果较好, 表现为概率增益较大; 青海东部地区的多个测项预测效能检验结果较好, 但概率增益较小; 宁夏北部贺兰山东麓断裂附近两台项的报准率差别不大, 但概率增益、 时间占有率等却都不同。 此外, 从前兆资料变化时间上看, 短期异常和长期异常都较多, 中期异常较少。  相似文献   

基于计算机视觉的头足类角质颚特征研究Ⅰ:轮廓与特征点提取     

贺芊菡  孙翁杰  刘必林  孔祥洪  林龙山 《海洋与湖沼》2020,51(6):1493-1500

轮廓与特征点研究是头足类角质颚形态特征鉴别的基本方法，对于轮廓与特征点的提取最常用的方法是手动描绘与标定，利用计算机视觉进行轮廓与特征点的提取，不仅可以降低手动提取带来的误差、提高准确性，而且更加快速、便捷。文章将利用计算机视觉提取头足类角质颚的轮廓与特征点，首先将自制装置拍摄得到的角质颚三视图放入MTALAB软件中进行编程处理，然后利用Canny算法提取角质颚轮廓，最后根据地标点的定义标定特征点位置并建立空间坐标系得到角质颚的特征点坐标。研究结果显示，利用计算机视觉提取角质颚的轮廓图像以及特征点坐标是可行的，当标准差σ取值为0.1时角质颚轮廓图效果最佳，在得到的轮廓图上进行特征点的标定，通过迭代遍历轮廓图获得各个特征点的空间坐标。研究分析认为，将计算机视觉应用于头足类角质颚形态学的研究可以提高研究的便捷性，同时也为后续的研究提供了新的实验思路和方法。  相似文献   

基于机器学习的重庆长江航道雾图像特征识别研究     

王远谋  李家启  陈施吉  唐家萍  夏佰成  韩世刚 《气象与环境学报》2021,37(1):106-112

基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。  相似文献   

Research Progress and Prospect on Reactivation of Ancient Landslides     

Yongshuang Zhang  Ruian Wu  Changbao Guo  Lichao Wang  Xin Yao  Zhihua Yang 《地球科学进展》2018,33(7):728-740

The ancient landslide has endured long-term slope evolution which results in its complicated material and special rock-soil properties. The risk of ancient landslide reactivation is substantially increasing due to the increase of intensified human engineering activities and the frequency of extreme weather events. Many ancient landslides have been reactivated all over the world and led to serious fatalities and severe damage to many important engineering facilities such as transportation and hydropower engineering projects. On the basis of the analysis of the research situation about the ancient landslides at home and abroad, the main research advances were summarized including the regional developing laws and recognizing of the ancient landslides, the mechanics properties of ancient landslide body and related sliding zone, reactivation mechanism of ancient landslides, reactivating process and modeling analysis of ancient landslides, early recognization of ancient landslide reactivation, etc. To meet the demands of disaster prevention and reduction, three key scientific issues were put forward to be solved: ①automaticaly establishing the methodology and identification criterions for recognition of ancient landslide; ②revealing the reactivation mechanism of ancient landslide based on a new strength theory; ③establishing the early rapid recognition method and predictive model for ancient landslide reactivation. Solving the above mentioned scientific theory and methodology will facilitate the planning and site selection of major projects as well as the disaster prevention and reduction in ancient landslide developing areas.  相似文献   

AlexNet支持下的地图建筑物形状分类方法     

焦洋洋  刘平芝  刘爱龙  刘松林 《地球信息科学学报》2022,24(12):2333-2341

地图目标的形状在地图制图综合、空间查询等研究中发挥着重要作用。地图建筑物形状的识别与分类作为建筑物轮廓化简与典型化的基础,一直是制图综合研究的热点问题。目前,主要的建筑物形状识别方法主要依赖对建筑物轮廓的描述,对建筑物等地图面状要素的形态特征有较强的依赖性,通常只在应对特定类型的规则轮廓或直角化轮廓时能发挥较好的效果,对于形状不规则或复杂的情况识别不佳。本文提出一种AlexNet支持下的地图建筑物形状分类方法,将矢量地图中建筑物数据的形状分类问题,转化为建筑物栅格图像的分类问题,通过完成卷积神经网络的图形分类实现建筑物的形状识别。该方法首先结合空间认知规律提出一系列典型建筑物形状类型,然后利用矢量-栅格转换的方法从OSM数据采样单体建筑物栅格图像,通过人工标识获得建筑物形状分类训练样本,训练AlexNet卷积神经网络分类模型,最后利用训练好的模型对大比例尺建筑物数据进行智能形状分类与识别。本文利用北京、香港2个城市的OSM建筑物数据作为样本训练建筑物形状分类模型,并在广州部分城区的OSM建筑物数据上进行验证。相较传统形状相似性度量方法,本文提出的方法对实验区建筑物的识别分类总体查全率提高了2.48%,达到92.32%,对于较为复杂的形状（如T形、十字形）识别也具有更高的精度,查准率分别提高了13.83%和24.53%。实验结果表明本文提出的方法对建筑物形状分类的效果有明显提升,能够实现常见建筑物形状的有效分类,为下一步的建筑物化简、典型化等综合操作打下了基础。  相似文献   

基于DEM小流域复杂网络的黄土高原地貌自动识别研究     

林偲蔚  陈楠  刘奇祺  贺卓文 《地球信息科学学报》2022,24(4):657-672

地貌识别,对于人类建设,地质构造研究,环境治理等相关领域都有着重要意义。传统的基于像素单元或面向对象的地貌识别方法存在局限性。由于流域小单元具有表面形态的完整性,在地貌演化中具有明确的地理意义,基于流域小单元的地貌识别成为了该领域的一个新热点。然而,基于传统地形因子的地貌识别方法使用的因子往往较为单一或者在地学描述上存在重复性,目前尚无针对流域小单元进行空间结构描述和拓扑关系特征量化的地貌识别研究。基于此,本文基于DEM进行水文分析并通过坡谱方法解决了小流域稳定面积难以确定的问题,在黄土高原样区提取了181个稳定小流域。根据复杂网络理论和地貌学原理提出了流域加权复杂网络的概念和相应的8个定量指标用于流域空间结构的模拟和量化描述。最后采用了基于决策树的XGBoost机器学习算法进行地貌识别,实验对于黄土高原主要地貌类型的识别显现出较好的效果,Kappa系数为86.00%,总体精度达到了88.33%。对于地貌形态特征明显的地貌,复杂网络方法其顾及空间结构和拓扑特征的特性导致了其较高的识别性能,精度和召回率都在90%~100%之间。通过与前人的研究进行对比,其识别结果亦呈现出较高的精度,这些都验证了流域加权复杂网络是一种基于流域小单元地貌识别的高精度且有效的方法。  相似文献   

利用面向对象的分类方法从IKONOS全色影像中提取河流和道路   总被引：24，自引：0，他引：24  

孙晓霞  张继贤  刘正军 《测绘科学》2006,31(1):62-63

传统的基于像素的统计特征的分类方法在处理高分辨率影像的分类问题上遇到了很大的困难。本研究利用面向对象的影像分析方法对IKONOS全色影像进行了河流与道路的分类,包括利用影像对象的光谱特征的初次分类和利用子目标对象的线特征的二次分类两个过程;其中初次分类由于仅依据光谱信息,不能很好地将河流或道路与其他光谱特征相似的地物区分开,而通过引入子目标的形状特征进行二次分类,就可以准确地将河流与道路提取出来。试验结果表明,面向对象的分类方法能够满足高分辨率或纹理影像的分类需要,具有很大的应用潜力。  相似文献