基于机器学习的钻孔数据隐式三维地质建模方法

针对基于钻孔数据的传统显式三维地质建模方法存在过程繁琐、模型质量难以保证等缺点,本文提出了一种基于机器学习的隐式三维地质建模方法,将地层三维建模问题转换为地下空间栅格单元的属性分类问题.分别基于支持向量机、BP神经网络等分类算法,实现了钻孔数据的自动三维地质建模.实际建模结果表明,对于有限、稀疏的钻孔数据,支持向量机方法建模准确率较高,建模效率、效果优于显式建模方法.最后通过敏感性分析研究了超参数对建模结果准确率、模型形态的影响,为可控的自动三维地质建模提供了一种新的解决思路.

湿地遥感制图研究现状与展望

遥感技术是现有进行湿地制图的最有效的方法之一,但是由于湿地本身类别多样且地物构成复杂,使得遥感制图任务十分具有挑战性。随着遥感大数据时代的到来,湿地遥感制图将进入高分辨率、智能化和精细化制图的新时代。论文回顾了湿地的遥感观测机理,并介绍了常用的遥感数据源,尤其是近些年发展的高分辨率和高光谱卫星数据。系统阐述了当前大数据和人工智能理论发展衍生的智能化遥感图像解译算法及其在湿地制图中的应用。分析现有的不同尺度下湿地遥感的典型应用,其总体上呈现的发展趋势如下:在数据方面,由中低分辨率发展到高分辨率遥感;在模型方面,从传统模型驱动发展到数据驱动方法;在应用方面,从单一的湿地范围制图到精细的湿地亚类及其内部地物识别。面对日益严峻的湿地保护形势,复杂多样的景观特性使湿地遥感制图的进一步发展面临困境。本文展望了遥感大数据时代下数据驱动的湿地制图研究趋势,具体包括:湿地遥感大数据融合与挖掘、湿地知识引导的新一代人工智能湿地监测、全球湿地遥感制图,以共同推动未来湿地遥感制图与监测向全球尺度、更高频次、更高分辨率、更细粒度的方向发展。