超深随钻方位电磁波测井探测特性及参数敏感性分析

本文给出超深随钻方位电磁波测井的仪器天线设计及探测模式信号定义;分析各探测模式的探测性能及对地层电阻率、倾角及各向异性的表征能力;定义方位角、井斜角及地层电阻率的敏感性函数,定性分析不同模式对地层参数的敏感性.研究结果表明,超深随钻方位电磁波测井各探测模式具有不同探测特性,探测模式I利用对称设计识别地层边界,消除井斜角及电阻率各向异性的影响,在不同电阻率条件下优选频率及源距,达到最大探测范围;探测模式II采用非对称设计,增强对倾角和电阻率各向异性的敏感性,在井斜角为60°时对电阻率变化尤为敏感;探测模式III在任意井斜角下均不具有方位敏感性,能够有效表征地层电阻率,在水平井条件下受地层各向异性影响最小;探测模式IV在高角度及水平井条件下,能够有效识别电阻率各向异性信息.

受旱试验与相对生长率相结合的小麦旱灾系统敏感性识别与评估

【目的】揭示小麦不同生长发育过程中干旱致灾因子危险性经承灾体脆弱性转换为旱灾损失的干旱致灾机制。【方法】基于小麦受旱试验,运用相对生长率生长函数,构建了小麦旱灾系统敏感性曲线,据此进行小麦旱灾系统敏感性的定量识别与评估。【结果】小麦分蘖期受旱胁迫均会造成干物质累积总量相对生长率小幅降低(相对无受旱胁迫),但随受旱胁迫度的增加变化幅度并不明显,当期受旱会激发小麦的自适应能力,促进根系纵向生长,从而对后期生长发育有利;小麦拔节孕穗期轻度受旱对生长发育影响较小,但在重度受旱时系统敏感性最大;小麦抽穗开花期系统敏感性较大,轻度受旱即会对小麦生育造成较大影响;小麦灌浆成熟期系统敏感性也较大,轻度受旱就会显著抑制小麦生长发育。【结论】小麦拔节孕穗期轻度受旱胁迫对小麦生长发育影响较小,但在重度受旱时系统敏感性最大,宜保证该生育期土壤含水率高于田间持水率的55%;小麦抽穗开花期和灌浆成熟期系统敏感性均较大,轻度受旱均会对小麦生育造成较大的影响,宜保证这2个生育期土壤含水率高于田间持水率的75%。

基于PROSPECT+SAIL模型反演叶面积指数的较强适用性植被指数的筛选

基于PROSPECT+SAIL植被辐射传输模型,通过控制不同的植被生化变量、地表参数和土壤光谱参数建立光谱数据集,定量地分析了归一化植被指数(NDVI)、比值植被指数(SR)、土壤调节植被指数(SAVI)等10种常用的植被指数(VIs)对叶面积指数(LAI)的响应.利用敏感性函数定量地筛选出具有较强适用性的转换型土壤调节植被指数(TSAVI).在此基础上,分别建立了TSAVI及常用植被指数NDVI反演LAI的模型.以张掖市南部地区的TM影像为数据源,进行了LAI的反演,并利用黑河生态水文遥感试验获得的中游LAI数据集对模型进行精度评价.结果表明:TSAVI–LAI模型最佳拟合关系为指数形式,其反演结果与LAI实测值的偏差最小(0.200),R2最大(0.686),RMSE最小(0.397).TSAVI可以作为较强适用性植被指数来进行LAI的反演.

BP神经网络在空袭目标优选中的应用

空袭目标优选,应用改进的BP神经网络算法。即在空袭目标优选评估指标体系基础上,建立BP神经网络,通过定义学习代价函数、确定函数输出信号、修正函数信号。并通过网络初始化等改进BP算法,以激活函数敏感性,加速网络收敛。算例验证了该算法合理性,稳定性良好。

基于曲波变换的红外与可见光图像融合算法

针对小波不能有效捕捉图像轮廓的不足,提出一种基于第2代曲波变换的图像融合算法。近似分量计算采用加权平均融合规则,细节分量计算采用像素级多分辨率融合扩展框架和对比敏感带通函数融合规则。实验结果表明,该算法在保留源图像边缘轮廓、抑制噪声方面均优于小波,融合图像更符合人眼视觉特性。

基于人类视觉系统的融合图像质量评价方法的研究

在融合图像的质量评价方法中引入人眼的各种视觉特性,从而使客观计测的结果符合图像质量的主观评价,符合人眼的实际观看质量。讨论了一种新的基于人类视觉系统(HVS)的融合图像质量度量,该方法无需理想图像,同时,将质量评价与人的视觉结果直接关联。对多类图像的不同融合算法的质量评价表明该方法是一种实用、有效的图像融合质量评价方法。

基于小波变换和CSF的图像融合方法

将HVS模型的CSF用于像素层图像融合中是一种新的方法。首先,将源图像进行一层的二维离散小波分解,得到近似系数和细节系数;其次,近似部分采用加权平均方法,细节部分采用CSF滤波方法,来得到融合后的小波系数;最后,将得到的小波系数进行逆小波变换,即得最后的融合图像。此方法计算量小,融合图像符合人类视觉系统,可应用于工程实践中。

基于多尺度Retinex和小波变换的彩色图像融合方法

提出了一种基于多尺度Retinex算法和小波变换的彩色图像融合方法。用MSR算法对彩色图像进行增强,可以显著提高暗区内的细节,但色彩却存在失真现象。将源图像与增强后的图像采用小波变换进行融合,可以将源图像的色彩及增强图像内的阴影细节都能很好地集中于融合图像中,使融合后的图像阴影内的细节清晰,并且色彩自然。用信息熵和基于人类视觉系统(HVS)的质量度量规则来对图像进行客观评价,实验表明,融合图像的熵值最大也最符合人类视觉系统。