大埕湾位于闽粤交界处,是典型的岬角弧形开放型海湾,本文基于实测的海流、表层沉积物数据,分析了大埕湾海域表层沉积物的分布特征,计算了再悬浮通量与输运通量,结合粒径趋势分析方法探讨了表层沉积物运移趋势,利用Flemming三角图示法对沉积动力环境进行分区并分析了泥沙输运的主要控制因素.结果表明,研究区表层沉积物有砂质粉砂、粉砂、含砾泥和泥4种类型,沉积物颗粒较细,整体以粉砂和泥为主,砂质粉砂和含砾泥呈圆斑状零星分布;粒级组分含量和粒度参数平面分布分区明显,黏土组分、分选系数和偏态值呈现"东北小西南大"的特点,粉砂组分和峰态值则表现出相反趋势.观测期间表层沉积物日再悬浮量为41.86 kg/m2,日净输运通量40.36 kg/m,逐时再悬浮通量值和单宽输沙率大小与潮流流速变化相关性较好,且涨潮段大于落潮段,净输沙指向涨潮方向,由西南向东北方向输沙.研究区沉积动力环境可划分为DⅡ、EⅡ和EⅢ3个分区,沉积物搬运以悬移为主,潮流和波浪是研究区泥沙起动及输运的主要动力,泥沙来源主要有近岸侵蚀供沙、东西两侧海域输沙以及少量短源季节性陆源碎屑补给3方面.

针对大坝变形时间序列的非线性及形变值累计特性,引入NARX神经网络进行分析并实现变形预测.首先,NARX神经网络通过非线性自回归网络与外源输入相结合,较好地解决了传统BP神经网络存在的收敛速度慢和易陷入局部极值等问题;其次,建立基于NARX神经网络的大坝变形预测模型,对原始数据预处理后采用周期为输入序列、变形值为输出序列训练模型;最后,以官地水电站大坝监测序列为例验证NARX神经网络模型预测性能.结果表明,在MSE、MAPE及RMSE三项精度指标测算中,BP神经网络分别为5.10 mm2、30％、3.31 mm,而NARX神经网络分别为0.78 mm2、12％、2.21 mm,均小于BP神经网络的,说明了 NARX神经网络模型具有更高的预测精度.此外,NARX神经网络预测模型收敛时间为0.36 s,收敛速度较BP神经网络有较大提升.

洪灾数据类型多样、结构复杂、数据量巨大,随着时间累积给传统平台带来巨大压力.针对这个问题,通过结合大数据处理技术,将洪灾数据存储到云平台中,提高洪灾数据查询效率.根据洪灾数据的特征,将类型和种类进行分类,并通过HBase与HDFS相结合对洪灾数据存储进行设计.最终实现了洪灾数据的分布式存储、查询与管理,通过设计索引,提高了洪灾数据的查询效率和速度.应用结果表明,随着数据增长,研究设计的存储方案查询时间逐渐接近并小于传统平台的查询时间,能够提高洪灾数据利用效率.

鉴于基于建筑专题指数提取城镇建筑物用地方法已经无法适应月新日异的土地利用变化的问题,提出一种将Landsat-8 OLS遥感影像和珞珈一号夜间灯光数据构建UBLI进行城镇建筑用地提取的方法.将通过UBLI提取出的城镇建筑用地与通过NDBI、IBI和夜间灯光数据提取出的城镇建筑用地进行对比分析.以南昌市为例,进行城镇建筑用地的提取.采用南昌市2018年的土地利用调查数据作为对照,并结合天地图,在NDBI、夜间灯光数据、IBI、UBLI提取结果中选取建筑物样本和非建筑样本构建混淆矩阵进行精度检验.分析结果表明,UBLI所提取的城镇建筑用地的总体精度明显优于其他方法,UBLI可有效剔除NDBI和IBI难以区分的裸土和低植被覆盖区域以及夜间灯光数据上城镇建筑周边的水体.与传统的建筑专题指数相比,该方法具有更高的精度及更优异的细节特征提取能力.