LAMBDA������ CR-InSAR��λ����е�Ӧ��

??????????????????????????????α????????????????????λ?????????????????λ??????????λ????????λ?????????????CR??InSAR??????λ???????????GPS?????????????е???С????????????????????λ??????????????????InSAR???????????????????????????????????????????????????????????????????????????????????????????     

�ϲ���ά�������ʷ��ݵ��㷨�Ա�

?????????????λ????????????????????????????????????????????????????????????????????巨???????????????????ú???????2001~2004???GPS?????????????????????????????з????????????????б?????????????????????????Ч??????????????????????????????     

���Ұӵ������е�˫����¶�λ�о�

???????λ?????????????????ML3.8???????и?????????????????λ?????113?ε???λ????????????????????м??з????????ML3.8??????????????????????????????7km?????????о????????????????λ????λ????????????????С?в???????????з?????????????棬??????????λ????н???????     

���Դ�������ָ�������о�

?????????????????????????????????????????????????????????????????????????????????Χ???????????Ч??????????????????????????????λ?????????????沨???仯??????????????????????λ????????Σ???????????λ??????????????????????????????????????????ù??????????????????о???粨?ε????????????     

���α���ת����̽��

????????α???????????????????????????????????????????????λ???????????????????????????λ??????????????t???????1/2????????????????t?????????????????????????????????????????????????????????????????????λ?????????λ???????????????????????????????????????????????????????λ??????????????????????????????????????????λ??????????????λ??????????????????????????????λ?????????????????????????λ?????????????????????????????????????????????????????????Ч?????????????     

GNSS���Թ۲�յ������о�

?????????????GNSS???????????????????????????λ???????????????????3????????????3??GNSS???????????????GNSS??????????????μ????????????????????????????????????￡??????????????????3????????????????????????????????????????????????????????????????????????????????????????????λ??????????????????????????????з???3.0?????????????????о??д????????????     

Kalman�˲�������̽�����޸��е�Ӧ��

????Kalman??????????????????????е??????????????????????????裬??????????????з??????????????Kalman?????????????λ??????????????????????????????Χ??С????????????????????????С????, Kalman?????????????????????????????????????????????     

����λ��������2011���ձ�ǿ���е�Ӧ���о�

????????λ???????????2011???????????????????λ?????????????GPS??????????????????????????????????1??????????λ???????????????????λ????????????????????????????λ????λ????????嶼??????е????????о??5 000?????????????3 mm??????????λ???????λ???????GPS????????????????????2??????????????????????????????λ??????????????????????λ???????????1%??4%???С?????????????????????????????6%??15%????????Χ????????ò????????????????????????????????GPS????????2011????????????????????????????????3???????й????????????GPS?????????????2011?????????????????????????????????????(3.24??4.96)??10 ²² Nm???????????Mw8.97??9.10??4??2011???????????????????????????????????????????仯????????????????????????????????????????????Ч???     

���ֳ���GPS������Ϸ����ľ��ȷ���

?????????б??????????????????????GPS???????????????????γ??????????????????????????????????????????б??????????????????????????????15???????????????????4С???γ????????11?????????????λ?????????     

��Ͽˮ����ˮ��ȫλ�Ƴ��仯����ֵģ��

?????????????????????????????????????λ?????仯:?????135 m?λ??????????????????????????4???λ????????172 m?λ???????????4??????????????????Χ??????????????????????????????λ????仯????????????????????135 m?λ?????????4??ML?? 2.5???????????????????????????????λ;172 m?λ?????????????14??ML?? 2.5??????????????????????λ????????????????????????????????????????λ??????????????????????л???????????????????????????????????????????????     

SAR����ͼ�˲�����λ����㷨�Ƚ��о�

??L ^P ????????￡?????????λ???????????????????о?????????????3???????????????????????Bam?????????SAR??????????????????????????:Goldstein?????????Ч???????е??????????,??????????????Ч??????????????????????L ¹?????????????????????????????Ч?????L ²?????????????????????????Ч?????L ⁰????????????????????????????????????????????????????????     

基于条纹频率检测的干涉图去线性趋势精化方法

在InSAR干涉图数据处理过程中,通常会由于轨道参数不准确而导致去平地效应后,干涉图中仍残留部分线性相位。为避免线性趋势对数据处理结果精度的影响,提出了一种基于干涉图条纹频率检测的去除线性趋势精化方法：首先,通过Chirp Z变换精化干涉图条纹频率估计,计算出精确到0.1的线性相位条纹数;然后,模拟线性相位并从干涉图中去除。利用通过模拟和真实数据对提出的方法进行验证分析,实验结果表明：该方法能够更加彻底地去除干涉图中残留的线性趋势,对提高InSAR技术的监测精度具有一定意义。     

����SUSAN����Ľ��㷨��InSAR����ͼ�˲��о�

??SUSAN?????????InSAR???????и???????????SUSAN??????????InSAR????????????????????????????Ч?????SUSAN???????SUSAN??????????Goldstein????????ж????飬???????SUSAN??????????Goldstein???????????λ????????Goldstein??????????71.7%????82.6%??SUSAN???????????????????????????????????????????????????????????????????     

用顾及大气层延迟的PVA模型Kalman滤波解算载体运动加速度

为解算航空重力测量中的载体运动加速度,对GPS载波相位伪距双差观测量进行分析。考虑对流层延迟和电离层延迟的影响,并通过对载体的运动学建模,提出一种基于PVA模型的Kalman滤波算法。相对于传统的差分方法,该算法可从相位观测量中直接解算载体运动加速度。通过仿真分析验证,采用自适应Kalman滤波,得到的未经低通滤波处理的载体加速度标准差为7.26×10-3 m/s2。     

Contourlet��InSAR����ͼ�˲������о�

?о??????Contourlet?任?????????????????????·?????????Goldstein??С????????????????в????????????????????????????????????????????????????????к?????????????????????????????????????????в??????Ч??????????С???????????????????Щ????????Goldstein???Ч??????     

基于站间单差的GPS/GLONASS组合模糊度解算研究

推导分析了基于站间单差的GPS/GLONASS组合双差模糊度解算数学模型及影响其精度的误差因素。利用模糊度参数在无周跳和粗差情况下的时不变性特点,采用自适应选权滤波对单差数据进行滤波处理,并将滤波后的单差模糊度通过选择基准卫星固定为双差模糊度。采用不同长度的实测动静态短基线数据进行测试,结果表明基于自适应选权滤波的站间单差模型可以简便有效地进行双差模糊度固定,模糊度固定成功率在95%以上,解算精度优于单模型以及双模型单历元解。     

��άԪ���Զ�����λ����㷨�ĸĽ�

??????????????????????λ?????????????????????????λ??????е?4??????????????????????????????????????????е?????????????????????????????λ??????????????????????????????飬????????????????????????????????λ???????????????????????????????????????????λ?????????     

潮滩表层沉积物含水量的高光谱预测模型与反演分析

潮滩土壤含水量具有变化频率快、空间变化大的特征,是影响潮滩地表反射率的重要因素。潮滩土壤含水量的精确提取,可为潮滩特征地物信息遥感反演提供基础。本文利用江苏大丰王港潮滩4种典型沉积物、449组不同含水量对应的实测光谱曲线数据进行特征分析,构建高光谱预测模型,实现了潮滩沉积物含水量的遥感反演。研究结果表明:(1)在短波红外波段,沉积物含水量与反射率之间存在良好的分段线性相关关系,分段点对应的含水量分别为42%和62%;(2)1165nm、1336nm、1568nm和1780nm特征波段反射率,对含水量变化具有良好响应,由特征波段组合计算得到的差值水指数DWI、比值水指数RWI和归一化水指数NDWI与含水量呈显著线性相关,可有效改善单波段反射率与含水量之间的分段线性关系;(3)3个水指数中,DWI反演的含水量精度优于RWI和NDWI,且对不同含水量大小均有良好适应性,而RWI和NDWI更适合含水量变化范围中等的情况;(4)对于粉砂、砂质粉砂、粉砂质砂和砂4种沉积物类型,DWI1336,1780验证组模拟含水量与实测含水量的相关系数,分别为0.891、0.915、0.920和0.905,均方根误差分别为9.87%、3.56%、4.24%和2.98%,表明由DWI构建的高光谱遥感反演模型,可有效实现潮滩表层含水量的时空变化预测。     

����һ��֧��������̽��GPS�ز���λ������

???????????????С??????????????????????????????????????????????????????????????????????????????????GPS?????λ????????е?С????????????????????????????????????????????????????????????GPS?????λ??0.5???С??С???????÷??????????????????????Ч??????????????????????