三维地理场景下基于地质特征的数字露头空间检索方法

数字露头技术已成功应用于地质研究,海量的地质露头模型与资料管理成为了技术难题。传统的信息管理方式,如文件夹管理、信息系统管理等,都无法直接获取露头的空间位置,也无法从空间位置直接检索到露头。针对这个问题,运用SuperMap灵活的空间检索功能,提出了一种在三维地理场景下基于地质特征的数字露头空间检索方法,将野外勘测获得的照片、扫描所建立的三维模型、文字信息记录、位置等多种类型的资料纳入到空间数据库中,结合数字高程模型和遥感影像搭建三维地理场景来模拟现实地形地貌,实现从空间定位、地层地质、构造地质、岩相古地理、含油气盆地、岩性等空间与属性综合的露头信息检索管理。并运用SuperMap iObjects.NET 10i和C#.NET技术,在三维地理场景下实现基于地质特征的数字露头空间检索方法,搭建数字露头空间检索引擎平台,且对比传统信息管理方式,综合评价其更占优。     

大气程辐射遥感图像技术

大气程辐射遥感图像是遥感图像中各点大气程辐射遥感值按顺序排列所形成的、与地面状况无关的、仅与大气状况有关的、无法在自然条件下直接获取的遥感图像.就对地探测而言,大气程辐射是需消除的干扰因素,对于大气传输特性的研究、遥感图像的大气修正、区域大气遥感探测和大气环境质量遥感监测等则是宝贵的信息源.研究利用遥感数字图像和对应地面反射率、逐点分离、提取像元大气程辐射遥感值从而生成大气程辐射遥感数字图像有重要理论和应用价值.     

基于数据融合的无人机影像碎屑岩岩性识别

不同类型岩性影像纹理相似性高,基于单一的二维影像进行岩性识别精度较低。本文针对这一问题,开展了顾及影像深度信息的岩性智能识别方法研究。利用无人机影像具有多模态的特性,采用通道叠加、IHS变换、小波变换以及多模态融合四种影像融合方式,将深度信息融入到影像数据中,运用深度卷积神经网络DeepLabv3+进行碎屑岩岩性识别。经人工解译结果对比分析,结果表明,实验区内基于多模态融合影像的岩性识别精度最高,Kappa系数可达76.17%,总体识别精度可提升到91.05%;分析认为,顾及影像深度信息的岩性智能识别方法针对岩层表面不平整,高差落差大的砾岩识别效果有明显提升,但表面平整、高差表现不明显的泥岩和砂岩地层识别效果有待提升,总体为野外碎屑岩露头岩性快速识别提供了新思路。