基于光谱特征的煤矿覆煤区遥感识别与监测方法研究:以云南小龙潭矿区为例

面对煤矿区土地退化日益加重带来的严峻生态环境问题,以及露天矿区覆煤地表范围难以准确界定的现实难题,基于煤矿区典型地物水体、植被、裸地和煤堆的光谱特征以及Landsat 8遥感数据的波段特性,提出了归一化差异煤矿指数(normalized difference coal mine index,NDCMI),并结合地物样本的NDCMI值设定阈值,对煤堆与矿区背景地物信息加以区分识别。结果表明:(1)利用Landsat 8的蓝光、红光、近红外和中红外波段组成的NDCMI方法对小龙潭矿区(下辖小龙潭露天矿和布沼坝露天矿)具有较强的适用性;(2) 2013—2018年,布沼坝露天矿开采面积增加1. 03倍,而小龙潭露天矿开采面积减少42%;(3)在空间上小龙潭矿区的煤炭开采活动重心呈现自东北向西南、从小龙潭露天矿向布沼坝露天矿转移的趋势,大大增加了布沼坝露天矿的生态环境压力。     

基于Elman网络的导引头舱停放温度环境条件预计

目的克服现场温度测试难以短时间内获得高温极值的缺陷,准确制定导弹导引头舱机场停放高温环境条件,提出一种导引头舱内高温预计的方法。方法在导引头舱内温度测试数据基础上,建立基于Elman网络的导引头舱温度预计模型,并与BP网络预计模型、线性网络预计模型进行对比,通过均方误差(MSE)、拟合相对误差(MRE)和最大绝对误差(MAE)等指标评估3种模型的预计能力。结果基于Elman网络的温度预计模型精度比BP网络高出约1℃,比线性网络高出约1.5℃。结论 Elman网络温度预计模型具备准确预计导引头舱内温度的能力,该方法可用于导弹停放温度预计工作,为确定导弹贮存温度环境适应性要求提供参考。