【摘 要】
：
地表净辐射通量是地气系统的关键参数，对其准确估算并进行时空特征分析是地表水热平衡研究的重要内容。本文基于2011-2019年的MODIS产品分别估算了青海省晴天和有云条件下卫星过境时刻的瞬时地表净辐射通量，并依据地表净辐射通量的日变化模型计算得到日间地表净辐射通量。在精度评价方面，利用青海省西宁和格尔木两站的辐射通量数据和50个站的气象观测数据，分别验证了瞬时和日间地表净辐射通量的遥感估算精度。结
论文部分内容阅读
地表净辐射通量是地气系统的关键参数，对其准确估算并进行时空特征分析是地表水热平衡研究的重要内容。本文基于2011-2019年的MODIS产品分别估算了青海省晴天和有云条件下卫星过境时刻的瞬时地表净辐射通量，并依据地表净辐射通量的日变化模型计算得到日间地表净辐射通量。在精度评价方面，利用青海省西宁和格尔木两站的辐射通量数据和50个站的气象观测数据，分别验证了瞬时和日间地表净辐射通量的遥感估算精度。结果表明，晴天条件下瞬时和日间地表净辐射通量在西宁站估算精度较高，RMSE分别达到72.35 W·m~(-
其他文献
针对传统目标识别算法对于遮挡目标识别准确率低的问题，提出一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓，根据分段起伏度进行分段优化，得到完整描述目标轮廓特征的有效分段；然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度，利用特征显著度评价分段特征相对于目标整体特征的重要性；最后将分段之间的相似度和其特征显著度相结合，得到衡量识别准确率的联合相似度，
脉冲神经网络(SNN)采用脉冲序列表征和传递信息，与传统人工神经网络相比，更具有生物可解释性。但典型SNN的特征提取能力受到其结构限制，对于图像数据等多分类任务的识别准确率不高，不能与卷积神经网络(CNN)相媲美。针对该问题，提出了一种新型的自适应编码脉冲神经网络(SCSNN)，将CNN的特征提取能力和SNN的生物可解释性结合起来，采用生物神经元动态脉冲触发特性构建网络结构，并设计了一种新的替代梯
针对基于YOLOv3模型的侧扫声纳沉船目标检测方法存在小目标漏警率高、模型权重大、检测速度未能满足实时性需求等问题，引入YOLOv5算法并根据数据集特点，提出基于YOLOv5模型的侧扫声纳海底沉船目标检测方法。在YOLOv5基础框架下尝试YOLOv5a、YOLOv5b、YOLOv5c、YOLOv5d、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x八种不同深度和宽度的模型结构，并选择
针对多平面结构的物体，传统的点特征点云配准方法存在鲁棒性差、易收敛到局部最优解等问题，提出了一种基于法向量投票的点云配准方法。用平面特征代替点特征作为配准基元，建立基于平面的坐标转换模型。首先构建kd-tree，计算各点的法向量，并将法向量转换到霍夫空间进行投票，提取平面特征；然后将单位四元数作为特征描述算子，以同名平面特征作为约束条件，根据最小二乘平差原则，求解点云之间的位姿变换关系。实验结果表
随机配置网络(Stochastic configuration network, SCN)构建一个不等式约束条件对隐性参数进行随机分配,同时对其范围进行自适应选择,具有收敛速度快、建模精度高等优点.由于随机算法的本质特性,不可避免产生低值、冗余节点,为提高SCN软测量模型的稀疏性,本文提出一种简约随机配置网络(Parsimonious stochastic configuration networ
在高分辨体制下海杂波与海面小目标具有复杂的特性，特别是对于雷达散射截面积较小的海面漂浮目标，传统的检测方法性能不佳。为了突破临界信杂比情况下的检测性能，可以提取雷达回波的一种或者多种特征，从而进行特征检测，该方法是实现临界信杂比情况下有效检测的重要途经。目前，在3维及以下的特征空间中可以使用凸包学习算法计算判决区域并有效地控制虚警概率，但是在3维以上的特征空间中凸包学习算法计算复杂度提高，难以进行
以准噶尔盆地未开垦盐碱土为研究对象，测量土壤含盐量、pH、电导率（EC）值、八大离子等指标，采用多元统计、主成分分析法对采样区盐碱土分布特征与盐生植被多样性进行研究。结果表明：（1）研究区以硫酸盐-氯化物盐土、硫酸盐盐土为主。中、重度硫酸盐-氯化物盐土、硫酸盐盐土以链状或条带状集中分布在昌吉回族自治州、博尔塔拉蒙古自治州地区。阿勒泰地区的苏打盐土、苏打碱土呈点状分布。（2）昌吉回族自治州地区以稀盐
学习图中节点的潜在向量表示是一项重要且普遍存在的任务，旨在捕捉图中节点的各种属性。大量工作证明静态图表示已经能够学习到节点的部分信息，然而，真实世界的图是随着时间的推移而演变的。为了解决多数动态网络算法不能有效保留节点邻域结构和时态信息的问题，提出了基于深度神经网路（DNN）和门控循环单元（GRU）的动态网络表示学习模型DynAEGRU。该模型以自编码器作为框架，首先编码器使用深度神经网络聚集邻域
针对U-Net存在的小目标分割精度低、计算复杂度高、收敛慢的问题，构建了基于空洞卷积和重构采样单元的U-Net网络（U-Net network based on dilated convolution and reconstructed sampling units,DSU-Net）。在DSU-Net中，为增大图像特征提取的感受野并融合多尺度信息，设计了具有不同膨胀率的空洞卷积层；针对池化过程丢失
区域生态安全是现代城市健康发展的重要内容，科学认识与评价区域生态风险与构建生态安全格局，有利于综合提升区域生态安全水平。以张家界市2019年高分二号遥感解译数据为基础，使用GIS空间分析与Fragstats软件构建景观生态风险指数，对景观生态风险空间分布特征进行分析；利用最小累积阻力模型（MCR），以9个自然保护地为生态源地，以景观生态风险指数、植被覆盖度、高程、坡度、与道路距离、与水域距离构建阻