�˼���ͬ��ʼ������GM(1��1)���ν�ģ�о�

??о?GM(1,1)???????????????????????????????????????GM(1,1)????????????????Σ?????3′?л???????????????????????????????????RnGM???????????????RnGM????????е????????????GM(1,1)????????????б????????????RnGM???н????????????????????     

GPS�߳�ת����������С���˷����о�

????????????GPS????????????GPS????????е?????????????????????????????????????????С?????????????????????????????ζ???????桢???ζ???????桢??????ζ???????????????????о?????????С??????????????С?????????????С?????????и???????????????????????????????е???????????????С?????????????и???????????????????     

EMD-Wavelet����ģ���ڶ�̬�������ݴ����е�Ӧ��

????????·????????????????GPS???ж?????????????????????η???????????????С????????????EMD????????????????????μ?????????????????EMD??Wavelet????????????????????????е?????????С????????EMD?????????????н???EMD?????????????????????????????????????С???Wavelet??Kalman?????Kalman?????EMD?????EMD??Wavelet??????????????????????С????????????????????????????EMD??Wavelet?????GPS??????μ??????????????????     

����LZMA�����ݿ�ѹ���洢Ӧ���о�

??????????????????????????Ρ???????????????????????????Σ???????????????ASCII??洢???????????????????????????????????????????Ч????????LZMA???????????????????????????洢?????????????????????????API??????????????y???????????????????????????Blob??Σ???????????????????????????е????????????л??????????????????????????????????????????Ч???     

���ںӱ�CORS���ĵؿǴ�ֱ�˶��ٶȳ�ģ���о�

???ú??CORS?????????4???GPS????????????GAMIT/GLOBK??????е??????????????????????????????????????????????????????????????????????????3???????????????150 mm??11?′??????????4??????????????????10 mm/a????????溯?????????????????????????????????6′×6′?????????????????????????????????     

SBAS���������еر��α�����о�

?????????????????DInSAR???????????????????????????????????á?????????壨PS?????????????Ч??????????????????????????SAR???????????С???????SBAS????????SAR???????????У???????????????о??????????2008??1???2010??8??????8??ENVISAT?????SAR?????????SBAS??????????????????α???????????????????С???????α????????-27.11????-55.92????-67.61 mm/a????????α?????????α???????????????????￡?????????SBAS?????????е???α????????     

���ڻع�����������Ľ�������μ��㼰��άģ��

?????????????μ????????μ???????????÷?????????????е????????????е???С??????????????????????????????????????????????????????????ι???????????????÷?????????С?     

GPS��InSAR��ʾ��ʲ���ݼ������Ĵ�ֱ�˶��빹������

??????????10????GPS??λ???200??2003??2007????SAR?????????InSAR???????????????????????????????????????????????????????????????????????????????????????????????????????????????磬????????????????磬???????????????Χ???????????????α??????3????????1 mm/a, ???????????????Χ????????????1 mm/a,??????????????????С??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????,?????????????????1~-1.5 mm/a???????????????п??????????壬???????????????????????????????????????α???????????????????????????????????????????????????     

L���߷��ڵȼ�Ȩ���������ģ���е�Ӧ��

??????????????????????????????????????????????????L???????????????????????????????????????????е????????????????????t???Cholesky?????е?λ?????????????????????????????????????????????????е?λ???????L???????????????е????????á????????????????????????Ч?????????????????     

�봨�������б����Ա��ε���Դ�ֲ����������Ѹ������о�

?????HYPODD???????????????о????λ????????????CAP?????????????????????????????5??????????????????????????ε??????????????????????????????????????????????е??????????????????????????????????????????????????????????????????-??????????????????????????????????Σ????????о??и??μ????λ????5.5?????????????????????????????????????λ???λ??7??5.5???????????????4????????????????3?????????????????????????-??????????-????4?????????????????????     

���ڿ��SAR����������½�����7.3�������α����

???????ScanSAR??????2008??3??21?????????????α????????????ScanSAR?????????????????400 km??400 km??????????α??????????????100 km??100 km??IM????????α??????????????????????????????ScanSAR?????????????????е???????????ScanSAR??????????IM???????????????????????о??о??и???????????????????     

ʱ���������д�����ֱ�ֲ��ӳ�У���о�

????????????????InSAR?????????????????????????α?????????????????????????????????????????????????????????????????????α???????????Щ???????????????????????α?????????????α???λ??????????????????Las Vegas??????о????????????????????????????????????????????????????????????????????????Ч??????????????е??????????????     

多基线差分雷达干涉测量的大型人工线状地物形变监测

大型人工线状地物是人类改造自然的产物,同人类生活息息相关。本文从大型人工线状地物定义出发,阐述了其形变现象、成因及衍生灾害;并利用多基线差分雷达干涉测量技术(DifferentialSyntheticApertureRadarInterferometry,DInSAR)实施大型人工线状地物形变监测。通过多数据源实验(ENVISATASAR,广州;PALSAR,香港大屿山;TerraSAR-X,深圳),分析了当前高级DInSAR方法,包括永久散射体和相干目标法在监测大型人工线状地物形变上的能力。实验结果表明,采用了不同的影像干涉对组合策略,永久散射体法适合大数据量SAR影像处理,而相干目标法适合小数据量SAR影像分析。微波穿透性和垂直临界基线随波长增加而增加。因此,在波段选择上,低相干区宜选用长波SAR数据(比如ALOSPALSAR)以获取稳健反演结果;而高相干区宜选用短波TerraSAR-X或者ENVISATASAR数据,以获取高精度地表形变场。结合线状地物几何和物理特性,分别从先验基础GIS/GPS数据、SAR数据源选择、PS点提取和模型改进四方面进行分析和探讨,认为面向线状地物形变监测多基线DInSAR模型的研发是亟待解决的问题。     

基于特征概率函数的双阈值分割海面溢油检测

 海面溢油对生态环境造成了严重危害,故及早发现和尽快处理对降低事故影响和经济损失起着至关重要的作用。合成孔径雷达(SAR)是观测海面溢油、快速检测和事故态势分析判断的有效技术途径。本文针对SAR图像的海面溢油检测,提出了一种特征概率函数的双阈值分割方法。首先,通过高低阈值分割提取不同层次的灰度信息,再利用密度估计提取灰度的空间分布信息,然后,通过构建概率函数对油膜和类油膜区域进行形态学分类,最后,结合辅助信息,获得最终的海面溢油检测结果。本文利用香港中文大学卫星地面站接收的ENVISAT ASAR图像开展实验,结果表明,本文提出的方法能够准确地排除由风场或者水流场导致的低散射区域,有效地检测和识别生成不久的中型油膜,从而有助于溢油事故的早期预警与处置。     

大气折射对InSAR影响的定量分析

星载SAR重复轨道干涉利用不同时间观测的SAR影像数据形成干涉图，干涉相位中包含有成像几何、大气、地形以及地面形变等信息。为此，分析了干涉图中大气参数(气压、温度与相对湿度)对干涉相位的影响，计算了参数变化对干涉相位、高程与形变误差的影响量，并以图形方式描述了分析结果。     

高分辨率光学遥感卫星宽幅成像技术发展浅析

幅宽是影响高分辨率光学遥感卫星应用的重要指标。本文分析了国际上高分辨率光学遥感卫星宽幅成像的主要途径,介绍了多CCD内视场拼接、多相机外视场拼接、敏捷成像、多星组网等主流宽幅成像方式及其数据处理的技术特点,同时分析了相机垂轨摆扫成像、大面阵相机敏捷拼幅成像等新型星载宽幅影像获取方式,有助于系统地了解高分辨率光学遥感卫星宽幅成像技术进展,对于展望其发展趋势具有一定的参考作用。     

地基SAR与地基RAR模式形变监测对比

采用地基SAR与地基RAR模式监测铁路桥在列车经过时的纵向垂直挠度形变,结果表明：1）2种模式提取的桥梁纵断面形变趋势与挠度基本一致,对应监测点的纵向垂直挠度形变精度最大偏差为1.85 mm,实现了桥梁的mm级形变监测;2）地基RAR模式数据处理快速简单,具有实时处理与直观可视化的精细形变表达能力;地基SAR模式数据量较大,数据处理存在一定的技术难度,但可同时反映面状整体形变趋势,具有全面捕捉形变的能力,也可提取特征点、线、面的形变量。     

L波段ScanSAR模式在滑坡早期识别中的应用

针对L波段ScanSAR模式雷达数据滑坡识别能力应用有限的问题,通过距离向频谱分割方法估计电离层相位,以提高InSAR的监测精度,并探讨利用ScanSAR模式进行InSAR滑坡早期识别应用的可行性。     

矿山地面灾害精准监测地学传感网系统

 研究矿山地面灾害监测传感网的理论和技术体系,建立矿山地面灾害监测地学传感网系统,进行矿区地面灾害精准监测及预报工作,对矿山及时准确科学预报、预防和减小地面灾害的损失,具有重要意义和作用。地学传感网主要是指采用GPS、测量机器人、倾斜传感器、位移传感器、温度和气压传感器、全景相机、CCD相机、视频传感器、RFID传感器、地面3D激光扫描仪和地基SAR等测地型传感器和测地辅助传感器,应用计算机网络和无线通信技术,通过传感器和数据库管理软件构建的地学传感网。矿山地面灾害精准监测地学传感网的理论,主要包括:矿山时空监测基准、矿山地面灾害监测地学传感网数据整合、监测空间数据聚类分析、矿山监测功能分区、矿山区域动态形变场理论和矿山地学传感网地理信息系统模型理论。 技术体系主要包括:监测空间数据库管理技术、数据通信传输技术和传感网地理信息系统平台技术。     

Monitoring cyanobacteria-dominant algal blooms in eutrophicated Taihu Lake in China with synthetic aperture radar images

Monitoring algal blooms by optical remote sensing is limited by cloud cover.In this study,synthetic aperture radar(SAR) was deployed with the aim of monitoring cyanobacteria-dominant algal blooms in Taihu Lake in cloudy weather.The study shows that dark regions in the SAR images caused by cyanobacterial blooms damped the microwave backscatter of the lake surface and were consistent with the regions of algal blooms in quasi-synchronous optical images,confirming the applicability of SAR for detection of surface blooms.Low backscatter may also be associated with other factors such as low wind speeds,resulting in interference when monitoring algal blooms using SAR data alone.After feature extraction and selection,the dark regions were classified by the support vector machine method with an overall accuracy of 67.74%.SAR can provide a reference point for monitoring cyanobacterial blooms in the lake,particularly when weather is not suitable for optical remote sensing.Multi-polarization and multi-band SAR can be considered for use in the future to obtain more accurate information regarding algal blooms from SAR data.