GPS高程拟合的加权总体最小二乘抗差估计

结合标准化方差,构造了基于Huber、IGG和IGGⅢ三种权函数的加权总体最小二乘抗差模型,并运用选权迭代法予以求解。GPS高程拟合数据处理实例表明,基于Huber、IGG和IGGⅢ三种权函数的稳健加权总体最小二乘抗差方法对误差和粗差具有较好的削弱和消除效果,其中基于IGGⅢ权函数的稳健加权总体最小二乘方法抗差效果最优。     

浅析香港地区一次大面积降雨过程中的GPS可降水量特征

利用GPS反演可降水量资料和香港天文台发布的天气资料,对香港地区2014-03-30一次大面积降水过程中水汽变化特征进行分析。结果表明,强降水可能出现在GPS可降水量峰值之前,降水发生前后常伴随GPS可降水量的突变现象|香港地区复杂的地形条件是导致降水前后GPS可降水量变化差异的重要因素之一,单基站获取的有效水汽分布范围要因地而异|绘制GPS可降水量等值线时序图能直观地分析水汽传输过程。     

GPS技术在矿区井筒变形监测中的应用

本文介绍了有用GPS技术对矿区井筒变形进行监测时监测网设计要求和实测方案，数据处理所采用的模型和变形分析的方法与结果，并简要讨论了在矿区进行GPS监测所存在的问题和解决的基本思路。     

现代测绘学与测绘工程专业创新人才培养模式探讨

论述现代测绘学的技术体系、本质及其内涵，探讨新形势下测绘工程专业创新人才培养模式。确定全新的教育思想与教学目标，构建科学、合理的课程体系和培养方案。加强实践教学体系及教学模式的创新。     

机器学习算法辅助的GPS信噪比观测值土壤湿度反演

利用BP神经网络和支持向量回归机两种机器学习算法,构建基于机器学习算法的GNSS卫星反射信号土壤湿度反演模型,并与线性回归统计模型和实测数据进行对比分析。结果表明:基于机器学习算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,反演模型的决定系数分别为0.928 3和0.913 1,均方根误差为0.026 6和0.032 6,线性回归统计模型的决定系数分别为0.553 2和0.859 8,均方差根误差分别为0.093 9和0.041 6。说明利用回归算法定量估测土壤湿度明显优于线性回归统计模型,且基于支持向量回归机的土壤湿度反演模型定量估测土壤湿度优于基于BP神经网络算法的土壤湿度反演模型,证明了该方法的可靠性,为土壤湿度的实时反演研究提供了一种新方法。     

参数设置对高精度GPS数据解算的影响探讨

在高精度GPS数据处理过程中,如何满足解算精度的要求并获取理想的可降水量估值值得研究。文章以GAMIT软件不同参数设置及气象数据的使用为解算方案,并以香港卫星定位参考站数据作为实例分析,结果表明:从基线解算精度角度,对流层天顶延迟参数设置及有无气象数据参与对解算精度影响很小,有利于利用GAMIT软件获取更高时间分辨率气象参数;从气象角度上,在对流层延迟参数估计时间间隔发生变化时,可降水量也会受到一定的影响,且在有实测气象数据参与解算时,其影响对天气变化比较敏感;在正常天气状况下,无气象数据参与解算对可降水量估值影响不大,基本可满足气象业务需求;在天气发生变化(降水)情况下,实测气象数据的使用与否对可降水量解算影响比较显著。     

GPS-R技术辅助的土壤水含量变化监测

针对传统地表土壤含水量测量方法时空分辨率小等不足,研究一种基于GPS卫星信号的矿区地表土壤水含量反演算法。针对傅里叶变换难以处理非均匀时序数据,设计了一种Lomb Scargle算法分析GPS信噪比特性。直接分离其中的直射信号和反射信号,提取多路径反射信号并分析其时频特征。通过与实测数据对比,分析反演土壤含水率的可行性。结果表明:反射信号频谱特征与实际数据具有较强的相关性。该方法为高时空分辨率监测地表土壤含水率提供了一种新的思路。     

基于MAEU-CNN的高分辨率遥感影像建筑物提取

从高空间分辨率图像（HSRI）中提取建筑物信息在遥感应用领域具有重要意义。然而,由于遥感影像中的建筑物尺度变化大、背景复杂和外观变化大等因素,从HSRI中自动提取建筑物仍然是一项具有挑战性的任务。特别是从影像中同时提取小型建筑物群和具有精确边界的大型建筑物时,难度更大。为解决这些问题,本文提出了一种端到端的编码器-解码器神经网络模型,用于从HSRI中自动提取建筑物。所设计的网络称为MAEU-CNN（Multiscale Feature Enhanced U-shaped CNN with Attention Block and Edge Constraint）。首先,在设计的网络编码部分加入多尺度特征融合（MFF）模块,使网络能够更好地聚集多个尺度特征。然后,在编码器和解码器部分之间添加了多尺度特征增强模块（MFEF）,以获得不同尺寸的感受野,用于获取更多的多尺度上下文信息。在跳跃连接部分引入双重注意机制,自适应地选择具有代表性的特征图用于提取建筑物。最后,为了进一步解决MAEU-CNN中由于池化及卷积操作导致的分割结果边界模糊的问题,引入多任务学习机制,将建筑物的边界几何信息融入网络中以优化提取的建筑物边界,最终获得精确边界的建筑物信息。MAEU-CNN在ISPRS Vaihingen语义标记数据集和WHU航空影像数据集2种不同尺度建筑物数据集上进行了试验分析,在ISPRS Vaihingen语义标记数据集上,MAEU-CNN在精度、F1分数和IoU指标中获得了最高精度,分别达到了93.4%、93.62%和88.01%;在WHU航空影像数据集上,召回率、F1分数和IoU指标中也获得了最高精度,分别达到了95.45%、95.58%和91.54%。结果表明,本文所提出的MAEU-CNN从遥感图像中提取建筑物信息精度较高,并且对于不同尺度具有较强的鲁棒性。     

无线电掩星反演大气温度的电离层影响

利用掩星的附加相位延迟数据,对标准的几何光学大气反演算法进行了研究。探究电离层的电子密度对温度反演的影响,按照标准的几何光学反演算法得到的干温度与无线电探空仪数据的平均相对误差小于5%。将经过两种方法电离层修正后反演得到的温度与CDAAC的数据进行了对比,实验证明电离层残差对温度反演的影响随着高度的增加而增大,在25km以上是造成温度反演误差的主要因素,弯曲角电离层修正法要优于相位电离层修正法。     

地面三维激光扫描的点云配准误差研究

针对闭合条件下地面三维激光扫描点云配准产生的闭合差,基于测量平差理论,提出一种闭合差分配方法。首先通过间接平差理论求出各相邻测站间的坐标转换参数及其精度,再对闭合差按与方差成正比分配给各测站。通过多站点云配准实验,验证了该方法能在一定程度上提高点云配准的精度。