【摘 要】
：
地震层析成像方法要解决的核心问题，主要是关于地下介质的速度，不管是利用直达波还是反射波或是其他类型的波，其目的是一致的。本文认为，本届SEG年会关于层析成像专题中，有如下进展值得进一步关注：(1)反射层析成像的进展，即利用CIG道集上的剩余深度或时差，来修正用于叠前深度偏移的速度模型；(2)立体层析成像的进展，尽管目前其成功应用于实际资料的处理例子不多，但仍不失为一种很有应用前景的层析成像方法；(
论文部分内容阅读
地震层析成像方法要解决的核心问题，主要是关于地下介质的速度，不管是利用直达波还是反射波或是其他类型的波，其目的是一致的。
本文认为，本届SEG年会关于层析成像专题中，有如下进展值得进一步关注：(1)反射层析成像的进展，即利用CIG道集上的剩余深度或时差，来修正用于叠前深度偏移的速度模型；(2)立体层析成像的进展，尽管目前其成功应用于实际资料的处理例子不多，但仍不失为一种很有应用前景的层析成像方法；(3)层析成像与其他地球物理资料(如重力资料)联合反演的进展，为反演得到的地下不同参数之间的相互验证，提供了一种新的研究思路。
其他文献
通过规范化的地物高光谱测量、能谱测量及其定量化数据挖掘技术,系统获取与分析了研究区与铀矿化有关的多种铀成矿要素的可诊断光谱特征和能谱信息,建立了铀含矿层的光谱识别标志,发现了铀矿区植被红边参数的变异规律,即由于受到铀矿床放射性核素的胁迫作用,铀矿区内的植被的光谱参数存在"红边蓝移"现象。同时,实验室放射性核素分析结果亦显示:铀矿区植被体内放射性元素含量明显高于非矿区,表明其在生长过程中的确受到了放
微波辐射计是用于测量物体微波辐射能量的被动遥感仪器。为了实现定量测量,要对微波辐射计进行定标。本文利用某型号星载微波辐射计的地面定标试验数据,对该类型微波辐射计的定标方法进行了详细的分析,校正了定标过程中引入的参数误差。为了弥补地面定标试验的不足,根据在轨运行实际情况,设计了该微波辐射计的在轨定标方案。
遥感影像SVM(Support Vector Machines, SVM)分类方法分类精度较高,但是高分辨率(High Resolution, HR)遥感影像数据量大,基于像元SVM分类时速度慢,空间信息不能有效利用。在此应用分割对象的方法对之进行改进,首先采用分水岭分割与多尺度区域合并相结合的方法对原始高分辨率图像分割,计算分割对象的部分光谱特征和形状特征,在此基础上利用径向基核函数SVM方法对
在传感器接收地物反射能量的过程中,由于受大气影响,使数据的精度达不到定量分析的要求,因此进行大气校正是遥感数据应用的首要问题。本文介绍了大气辐射传输模型的基本原理,以及气溶胶、水汽含量反演等关键问题,并总结了基于辐射传输模型大气校正的反射率计算流程。通过对大气模型MODTRAN建立查找表,计算大气校正的相应参数,实现Hyperion高光谱遥感数据的原始DN值转换成反射率值。
SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好对SAR图像进行分割,本文结合模糊神经网络的特点和SAR图像的统计特征,提出了一种新的SAR图像分割方法。该方法首先提取SAR图像的灰度共生矩阵特征,然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像灰度共生矩阵特征和滤波后的灰度,组成特征向量用模糊神经网络对SAR图像进行分割。通过和一些主要传统分割方法的实
本文在数字地球的框架下,结合铀资源勘查提出了数字勘查区的概念。它是铀矿地质工作从矿产资源勘查角度支持和参与中国数字地球工作的切入点,是数字地球理论和方法的特殊应用与拓展,是我国数字地球典型应用系统建设的组成部分。
重大自然灾害应急响应决策支持业务系统的建设,是我国民政灾害救助与管理行业对空间信息技术提出的重大需求。需要从业务工作实际出发,正确理解系统建设的现实需求,发现存在的主要技术问题,从而有效指业务系统建设向正确方向发展。宏观上,分析了政策与技术上的行业总体需求;微观上,从卫星遥感减灾业务部门的工作规程出发,对关键技术需求展开细致分析,认为综合性、服务型、快速响应、业务化是日常工作对系统建设提出的具体要
本文从时延地震的可行性分析研究、快速经济的时延地震采集处理方法、时延地震的可重复性问题、弱时延异常的检测、时延地震的定量分析及时延地震的应用等几个方面对本届年会的论文内容进行了介绍。
利用高分辨率遥感影像自动提取居民地是遥感影像信息提取的难点之一。居民地是各种建筑物组成的城市、集镇、农村或其他居住区的总称,是地球表面变化最多最快的地物之一。高分辨率遥感影像空间信息丰富,居民地内的细节信息更加清楚,组成居民地的像元的光谱差异也随之增大,传统的遥感影像信息提取只能依靠影像的光谱信息,且是在像元层次上的分类,因此无法有效地从高分辨率影像上提取居民地。面向对象的分类方法首先通过影像分割
结合均值漂移及模糊C-均值两种聚类算法的优势,以改进后的均值漂移算法选取聚类中心,并以模糊C-均值算法来实现模糊聚类,进而实现一种完全非监督遥感图像分类方法。改进的均值漂移算法仅用两次均值漂移来选取聚类中心,减少了计算量,提高了运算速度。模糊聚类中运用均值漂移算法选取的初始聚类中心克服了模糊C-均值算法依赖于初始聚类中心的选取、收敛速度慢及难以确定合适类别数目的缺点。整个分类过程采用模糊分类,使得