基于改进水云模型和Radarsat-2数据的农田土壤含水量估算

为了直接将雷达遥感中"水云模型"进行反演应用,该研究将"水云模型"中植被参数改为雷达植被指数,利用全极化数据直接支持遥感反演土壤含水量,无需遥感反演植被参数输入。改进模型为利用雷达遥感结合"水云模型"进行土壤含水量监测提供了一种高效便捷方法。基于Radarsat-2全极化数据对冬小麦覆盖的农田土壤含水量进行估算,利用2014年在陕西杨凌区获取的4个生育期内Radarsat-2卫星数据及同步田间测量108组冬小麦农田土壤含水量地面测量数据进行模型参数校正和精度验证。验证结果精度为:改进的雷达植被指数模型>原叶面积指数模型(实测叶面积指数验证)>原叶面积指数模型(光学遥感反演叶面积指数验证),且改进的雷达植被指数模型可以在多个生育期内对农田土壤含水量进行监测。

基于Radarsat-2数据的渔船检测与识别方法研究

采用Radarsat-2高分辨率雷达数据和实测数据相结合的方式,探索了海上渔船目标的检测和识别方法。本研究采用的方法是,首先针对渔船在图像上的表现特征,采用全局均值与一倍标准差之和替代传统双阈值法中的背景峰值,采用目标的强峰与弱峰的中间值替代目标峰值点,作为分割阈值进行目标分割;同时,根据研究海域船只实际尺寸数据和高分辨率图像(GeoEye)目视解译数据,统计取得渔船的长度范围为8.85m^38.58m,长宽比为2.86~5.80,并以此范围进行渔船识别。最后采取交互式精度评价方法,对检测和识别结果进行评价。

基于全极化Radarsat-2数据的苹果园平均树高估算模型

以新疆阿克苏地区红旗坡农场"冰糖心"苹果为研究对象,采用全极化Radarsat-2数据和实测果园的郁闭度,计算出植被实际雷达后向散射系数,并分别分析HH、VV和CROSS极化雷达后向散射系数和实际雷达后向散射系数与树高的相关关系,构建水云模型、指数和二次项模型反演苹果园的树高。反演结果表明:水云模型的最佳拟合模型为HH极化方式,R^2为0.116 8,实际雷达后向散射系数所建立的指数模型、二次项模型以VV极化的效果最好,R^2分别为0.811 3和0.795 4。

四极化Radarsat-2数据对裸露地表土壤水分的反演

利用四极化Radarsat-2雷达影像数据对裸露地表进行土壤水分的监测,首先选取裸露地表的经验散射模型,然后与四极化后向散射影像反演获得土壤含水量的模拟值,最后分析模拟值与实测值的相关性。结果表明,模拟值与实测值有着很好的相关性(r2=0.870 1),即研究者可以在任何气候条件下利用四极化Radarsat-2雷达数据进行大面积地表土壤含水量的监测。

基于RADARSAT-2全极化数据反演周期性地表土壤湿度

土壤湿度是农作物估产和旱情监测的关键参量。目前常用的土壤湿度反演模型都建立在随机粗糙地表条件下,对周期性垄行结构的土壤并不适用。基于RADARSAT-2全极化数据和野外实测数据,分析了交叉极化(vh)后向散射系数对垄行方位角无明显响应;同极化(hh,vv)对方位角的响应为余弦函数,但在方位角为90o±2o位置易出现偏离曲线的异常高亮度值。通过雷达影像上采样点的实测值和Oh模型推算的理论值,拟合得到周期性地表和随机地表之间的误差函数,进而对同极化影像进行纠正。纠正后的同极化比(p)去除了方位角和异常值的影响,交叉极化比(q)受到异常值的影响。通过Oh模型中的p和vh对研究区的地表参数进行反演,17个检验点的验证结果表明,预测的土壤湿度平均相对误差为11.13%,标准差为0.0256cm3/cm3;预测的均方根高度平均相对误差为13%,标准差为0.1315cm。结果与随机粗糙地表土壤湿度和均方根高度的反演精度相当,证明了该模型的有效性。

基于Radarsat-2 SAR数据反演定西裸露地表土壤水分

利用Radarsat-2 SAR数据和定西地区野外土钻法及WET仪器观测的土壤水分数据，分析了同极化后向散射系数与不同土层深度土壤水分之间的关系，采用交叉极化（VV/VH）组合模型反演土壤水分并进行对比验证。结果表明：水平、垂直同极化后向散射系数均与10～20 cm土壤含水量相关性最好，相关系数R均为0．74；受地表粗糙度和土壤质地等影响，同极化后向散射系数与0～10 cm土壤水分相关性均较低。交叉极化组合模型的反演值与10～20 cm实测土壤水分相关性较高，R值达0．75，而与0～10 cm和20～30 cm实测值的相关性较低（R值分别为0．47和0．52），但均通过α＝0．05的显著性检验；WET仪器实测0～6 cm土壤水分经校正后与反演值的相关系数为0．46（通过α＝0．01的显著性检验），校正后的结果有效提高了WET仪器测量精度。交叉极化组合模型可用于裸露地表土壤水分的反演，更适用于提取10～20 cm土壤含水量信息。

利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数

利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后向散射系数的直接作用信息,提出一种改进的水云模型,并充分考虑地表植被的覆盖分布情况,结合地面实测数据及RADARSAT-2雷达数据对改进模型进行验证,然后根据改进模型通过查找表法反演出植被含水量,最后利用叶面积指数与植被含水量的经验关系间接得到叶面积指数的估测值。结果表明,改进的水云模型对后向散射系数的模拟精度比原有的水云模型精度高,模拟的决定系数在HH和VV极化时分别为0.850和0.739,均方根误差分别为0.918dB和1.475dB。由此可见,改进的模型对研究区植被条件更为敏感,能够较好地分离出植被与土壤信息对雷达后向散射系数的影响,同时利用其反演得到的叶面积指数精度较高,决定系数达到0.841,均方根误差为0.233。

基于全极化Radarsat-2数据的水稻生物量估算模型

依据苏州东桥试验区水稻生长期观测数据,采用多时相水稻拔节到抽穗期全极化Radarsat-2数据,分别分析了不同极化HH、VV、CROSS、比值HH/VV的雷达后向散射系数时域变化特征与生物量的相关关系,构建水云模型、二次多项式模型和指数模型反演水稻生物量。反演结果表明:HH、CROSS水云模型都有不错的反演效果,相关系数分别为0.910、0.902,而HH水云模型反演生物量尤佳,均方根误差为0.190。指数模型普遍优于二次多项式模型,HH/VV指数模型效果出众,相关系数为0.929,均方根误差为0.164。通过比较分析不同极化的水云模型、二次多项式模型和指数模型,HH水云模型与HH/VV指数模型反演水稻生物量精度相对较高。

基于OCO-2卫星数据的中国CO_(2)浓度时空变化特征

大气CO_(2)浓度增加引起的全球变暖问题是国内外学者关注的热点议题,但对CO_(2)的监测一直存在较多的不确定性。利用2015—2022年OCO-2卫星观测的CO_(2)柱浓度混合比数据(XCO_(2)),基于克里金插值和标准差椭圆等方法,分析了中国CO_(2)浓度时空分布与变化特征,有以下3个结论。1)基于OCO-2卫星数据的XCO_(2)数据集精度较高,与地面监测站(瓦里关站、鹿林站)观测结果的均方根误差仅为1.75 ppm和1.58 ppm,相关系数分别为0.91和0.96。2)年际上,2015—2022年中国年均XCO_(2)由399.52 ppm增至417.64 ppm,年均增速为2.56 ppm/a,高于过去10年全球CO_(2)浓度平均增速(2.06 ppm/a),但在2019年之后XCO_(2)增速呈下降趋势。季节上,XCO_(2)具有明显的季节变化特征,春季XCO_(2)最高,夏季最低。3)空间分布上,XCO_(2)表现出东部高,西部、东北地区低的空间分布特征。XCO_(2)浓度高值区域集中在京津冀和长三角等城市群。中国东北、西南地区XCO_(2)增速较快,高于华东、华南等经济发达地区。

面向碳卫星数据的高时空分辨率XCO_(2)浓度估算的研究

基于碳卫星的遥感是一种正在发展的大范围高精度CO_(2)监测方法,但当监测对象为我国长三角区域这种大空间尺度时,碳卫星数据会存在时空稀疏性的问题。本文提出了一种新的模型ST-SAN(space time soft attention network),旨在提高碳卫星数据的高时空分辨率XCO_(2)(大气CO_(2))浓度估算精度。本文将2016—2020年的多源数据(包括人类活动数据、气象数据和植被数据)与碳卫星数据结合,生成空间分辨率为0.05°的无间隙XCO_(2)日浓度数据集。通过ST-SAN模型对这些数据进行训练和预测。实验结果表明,重建后的XCO_(2)数据集与OCO-2卫星数据和地面站点数据具有高度一致性,验证了本方法在高时空分辨率XCO_(2)浓度估算中的有效性。

HL-2A装置低频漂移波模数据库与机器学习初步研究

本文探索建立了HL-2A/3装置实验漂移波模数据库,并以此作为样本数据库,通过机器学习方法,利用人工神经网络预测托卡马克放电中漂移波模不稳定性的发生及其强度,为实现HL-2A/3等离子体实时参数控制提供参考。首先基于电子/离子温度梯度(η)、俘获电子份额(ε)、局域安全因子q和磁剪切s等4个基本参数构成的参数数据组(η,ε,q,s)作为变量,其他参数取有效的常数值,利用HD7代码计算相应模特征值数据,构建了一个低频漂移波模基本数据库。然后,基于BP神经网络与支持向量机(SVM)模型,分别进行了机器学习建模与编程实验,验证了对HL-2A装置离子温度梯度(ITG)\俘获电子模(TEM)不稳定性进行智能预测的可行性。研究结果表明,通过将参数集与数据集进一步扩充成完备数据库、并加快BP神经网络训练速度、或采用深度学习等更复杂模型,可以最终实现前述漂移波模预测目标。

BDS-2/BDS-3卫星观测数据联合处理关键技术研究

高质量卫星观测数据及高精度轨道钟差等产品作为全球导航与位置服务的核心,对整个系统的服务能力起到了至关重要作用。论文针对BDS-2/BDS-3卫星观测数据联合处理中空间构型、快速与高精度处理、轨道钟差精化及观测数据偏差等关键技术进行了深入探讨与系统研究。

同极化Radarsat-2数据的海面风速反演研究

基于Radarsat-2雷达数据具有多极化方式、多分辨率等成像模式的特点,以中国东部海域为研究区选取多景Radarsat-2影像进行海面风速反演研究。采用导入ERA-Interim数据构建初始海面风向的方法,针对不同极化方式的Radarsat-2数据,利用GMF模型和极化率模型组合进行海面风速反演,并将反演风速与ERA-Interim风速数据进行比较分析。结果表明:对于VV极化的Radarsat-2数据采用3种GMF模型均可反演出较高精度的海面风速,其中CMOD4模型总体表现好于其他二者,其均方根误差可达到1.5m/s以内;HH极化Radarsat-2数据采用Kirchhoff模型进行极化转换更适用于海面风速的反演,3种GMF模型之间反演效果差异不大,其均方根误差均在2m/s以内。同时,研究发现VV和HH极化的Radarsat-2数据均表现出高分辨率成像模式影像的风速反演效果优于低分辨率成像模式的特点。

RADARSAT-2全极化SAR数据地表覆盖分类

全极化合成孔径雷达(SAR)能够测量每一观测目标的全散射矩阵,但地物分布的复杂性往往造成不同地物具有相似的后向散射信号特征,因而增加了地物信息提取的难度。文中基于北京地区的RADARSAT-2全极化雷达数据,在图像处理的特征分解的基础上,利用PolSARPro软件提取包含地物散射机理信息的各种极化参数,按H-α、A-α、H-A对全极化SAR影像进行基于散射机理的分类,继而将分类结果作为Wishart H/A/α、Wishart H/α的初始类别划分。最后,采用决策树分类算法对基于Wishart分布的监督分类及以上两种分类算法进行融合处理,从而实现地物的分类,并将分类结果与经典的分类算法进行对比分析,验证了文中方法的有效性。

基于Radarsat-2双极化数据的南极半岛冰盖冻融探测研究

南极冰盖的融化对全球海平面上升和气候环境变化具有重要影响,合成孔径雷达(SAR)用于划分南极冰盖冰川带及冻融探测具有不可替代的作用。本文以南极半岛地区为例,基于C波段星载SAR影像进行南极冰盖冻融探测方法研究。通过对于南极冰盖干雪带、渗浸带和湿雪带的后向散射特征的分析,采用基于后向散射因子阈值的决策树分类划分冰盖冰川带。统计分析表明,冰川带后向散射因子分布并不集中,尤其是融化强烈时的湿雪带受融化程度影响很大,与干雪带相近而不能仅从后向散射因子数值区分。为将冰盖的冰川带分类,引入干雪带分布和海拔高度作为辅助信息,分别发展了两种决策树分类方法并比较分析,同时利用微波辐射计冰盖冻融探测结果和自动气象站数据做验证。结果表明利用双极化SAR数据的后向散射因子基于两种决策树分类都能够有效地划分冰川带并区分冻融状态,实现高分辨率的冰盖冻融探测。

基于Radarsat-2雷达数据的水稻参数反演

使用雷达数据,通过神经网络方法实现水稻参数的定量估算,绘制不同时期水稻参数的空间分布图。采用覆盖辽宁灯塔市的Radarsat-2雷达影像,提取水稻的后向散射系数,并结合实测水稻参数,建立最优神经网络。通过训练好的网络反演水稻生长季3个阶段的冠层密度、植株高度、叶面积指数(LAI)和含水量。对比反演结果与实测值,每1 m2冠层密度、植株高度、LAI、含水量估算的RMSE分别在24株、10 cm、1.4、5.5%以内。Radarsat-2数据结合神经网络方法对于水稻参数的遥感反演研究是可行的,也取得了较好结果,为雷达遥感技术开展水稻生物量及估产研究提供了技术参考。

利用RADARSAT-2雷达卫星干涉数据监测输电通道地表形变应用研究

利用2018年3月18日—2018年9月26日获取的9景5 m分辨率的RADARSAT-2数据,采用小基线集差分干涉测量技术(SBAS-InSAR)对甘肃省平凉市某输电通道进行了地表形变监测研究。结果表明,在甘肃省平凉市某输电通道发现有多处明显的地表形变现象,监测期间累积形变量最大可达7.8 cm,距离最近杆塔约430 m。现场调查与差分干涉测量结果一致,表明利用RADARSAT-2雷达卫星干涉数据监测输电通道地表形变是有效的,在广域地质灾害监测方面具有广阔的应用前景。

基于J2EE架构的岩土试验数据管理平台的设计与应用

为解决岩土试验数据采集和应用数据分散、人工处理效率低、非标数据难以建模等问题,运用流程重组、物联网、数据挖掘等多种现代信息技术,对岩土试验数字化工程进行了整体规划和实施,对岩土试验数据管理平台的业务架构和功能架构进行了设计,基于J2EE(Java 2 Platform Enterprise Edition)架构研发了岩土试验数据管理平台和试验数据中心。岩土试验中通过物联网二维码的应用,样本识别准确率和效率得到了提升,岩土试验的总体周期大幅缩短。通过压力试验机升级改造和软件集成,单轴抗压强度试验效率提升了50%以上。岩土试验数据管理平台的建立和升级改造,提升了岩土试验工作效率、岩土试验数据的利用率和测试数据管理水平,获得了良好效益。

一种利用词典扩展数据库模式信息的Text2SQL方法

现有Text2SQL方法严重依赖表名和列名在自然语言查询中的显式提及,在同物异名的实际应用场景中准确率急剧下降.此外,这些方法仅仅依赖数据库模式捕捉数据库建模的领域知识,而数据库模式作为结构化的元数据,其表达领域知识的能力是非常有限的,即使有经验的程序员也很难仅从数据库模式完全领会该数据库建模的领域知识,因此程序员必须依赖详细的数据库设计文档才能构造SQL语句以正确地表达特定的查询.为此,本文提出一种利用词典扩展数据库模式信息的Text2SQL方法,该方法从数据库表名和列名解析出其中的单词或短语,查询词典获取这些单词或短语的语义解释,将这些解释看成是相应表名或列名的扩展内容,与表名、列名及其他数据库模式信息(主键、外键等)相结合,作为模型的输入,从而使模型能够更全面地学习数据库建模的应用领域知识.在Spider-syn和Spider数据集上进行的实验说明了所提出方法的有效性,即使自然语言查询中使用的表名和列名与数据库模式中对应的表名和列名完全不同,本文方法也能够得到较好的SQL翻译结果,明显优于最新提出的抗同义词替换攻击的方法.

基于数据挖掘探讨邓棋卫治疗老年2型糖尿病用药规律

目的分析邓棋卫教授治疗老年2型糖尿病的用药规律,为临床老年2型糖尿病的中医辨证治疗、科研提供新思路。方法借助中医传承辅助平台(V2.5),运用数据挖掘技术,通过频次统计分析、关联规则分析、聚类分析等方法对老年2型糖尿病患者130例的门诊医案数据进行分析。结果涉及中药177味,药性以温性药为主,药味以苦味为主,其次为甘味、辛味;归经以脾经最多。频次前5位的药物分别是黄芪、半夏、白术、鬼箭羽、黄精,用药组合频次前3位依次是“黄芪,白术”“黄芪,鬼箭羽”“半夏,黄芪”,聚类分析挖掘出8个药物核心组合,衍化出4首新处方。结论邓棋卫教授治疗老年2型糖尿病重视患者脾胃功能的调护,在健脾化湿基础上辨证结合活血化瘀、疏肝、补肾等方法,以改善患者机体代谢,为老年2型糖尿病的中医辨证治疗提供参考。