排序方式: 共有38条查询结果,搜索用时 15 毫秒
11.
12.
归一化植被指数(normalized difference vegetation index,NDVI)作为重要的植被生长状况植被指数,对其进行有效实时监测具有重要科学意义。选择4个大陆板块边界观测网(plate boundary observatory,PBO)观测站的GPS信噪比观测值,提取反射信号信噪比并计算归一化振幅,通过与MODIS(moderate resolution imaging spectroradiometer)NDVI产品时序频谱特征的相关性分析,建立GPS反射信号植被指数线性反演模型和BP神经网络反演模型。分析发现:GPS反射信号信噪比归一化振幅与NDVI指数存在显著年周期性和季候特性,NDVI线性反演模型相关系数均约为0.7,均方根误差处于0.05~0.09之间,BP神经网络反演模型相关系数提高了约5%。利用GPS反射信号反演NDVI变化趋势具有可行性,为获取高时间分辨率、低成本的NDVI指数提供了一种新思路。 相似文献
13.
针对GPS/INS紧耦合导航中GPS伪距观测值精度较低的问题,提出了一种多普勒平滑伪距在GPS/INS紧耦合导航的应用算法。首先给出了GPS/INS紧耦合导航详细的动力学模型和观测模型,在载波相位平滑伪距的基础上推导了多普勒平滑伪距的具体算法和方差-协方差计算公式,并引入遗传算法对平滑因子进行最优估计;然后利用实测数据验证了新算法的有效性。结果表明,平滑算法能够有效提高伪距观测值的精度,从而提高组合导航的定位精度,相对于载波相位平滑伪距,多普勒平滑伪距的精度略有提高,而且多普勒平滑伪距不受周跳的影响,算法的效率更高。与此同时,伪距观测值精度的提高使其与伪距率观测值精度相当,增强了滤波系统的稳定性。 相似文献
14.
BP神经网络辅助的GNSS反射信号土壤湿度反演 总被引:1,自引:1,他引:0
针对如何快速准确地估算区域尺度上的土壤湿度问题,该文首先从高质量GPS接收机接收的信噪比观测值中,提取L2C反射信号的振幅和相位作为输入,并采用Noah陆面模型计算土壤湿度值作为期望值,构建基于BP神经网络算法的GNSS卫星反射信号土壤湿度反演模型。实验结果表明:基于BP神经网络算法的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,线性回归的决定系数R2为0.909 1,均方根误差为0.028 7;进一步与线性回归统计模型比较发现,利用BP神经网络模型定量估测土壤湿度明显优于线性回归统计模型,证明了该方法的可靠性。 相似文献
15.
基于小波理论的沉降监测数据序列分析 总被引:4,自引:0,他引:4
介绍了基于小波理论的沉降数据分析的理论背景、内容及实现方法。结合兖州地区某矿的沉降实测资料,研究了沉降数据降噪、沉降剧烈程度探测以及沉降数据中周期性识别3个方面的内容。 相似文献
16.
应用GPS探测的可降水资料PWV对香港地区2013年遭遇的两次台风中水汽变化特征进行对比分析表明,GPS/PWV资料在一定程度上能反映出不同距离台风影响强度,尤其是气压变化。远距离台风,PWV呈现明显的震荡性变化,波动性更强,且震荡程度与降雨强度有很好的对应关系|近距离台风,PWV呈明显的单峰结构变化,增湿过程与台风影响时间及距离存在某种关系,PWV短时间内急升变化幅度能较好地反映降水强度。 相似文献
17.
18.
针对地基GPS水汽探测过程中星历文件的选取对最终反演结果影响的问题,该文利用探空资料建立了一种新的香港季度加权平均温度计算公式,采用3种不同星历对GPS观测数据进行基线解算。通过MATLAB对反演的大气可降水量进行时间序列分析,3种不同星历反演的大气可降水量与探空数据的结果相似,均方差非常接近,快速星历与最终精密星历反演精度基本一致,超快速星历与最终精密星历的反演精度接近。此结果表明:不同星历的选取能够对最终反演结果产生影响,但影响可以近似忽略;最终精密星历可用于事后的高精度水汽反演,分析水汽的变化规律;快速星历结果可用于时效性快的水汽探测;超快速星历用于实时水汽探测,成为水汽探测的手段之一。 相似文献
19.
为提高地基反演大气可降水量中加权平均温度的计算精度和效率,以香港市域为例,根据2017年香港无线电探空资料,设计了一种以地面气压为基础的大气加权平均温度模型,并通过2014—2016年探空数据对该模型进行验证,分析表明该模型与探空数据得到的加权平均温度有良好的一致性,具有较高的精度。基于气压回归模型和气温回归模型对2017年7月香港地区进行地基反演大气可降水量,验证新建模型的水汽反演精度。结果表明,该模型能很好的满足地基反演大气可降水量的精度要求,相比于气温回归模型反演精度有了较好的提升。 相似文献
20.
对常用的3种天顶对流层延迟改正模型(Saastamoninen模型、Hopfield模型和EGNOS模型)进行误差分析,代入气象元素及测站位置误差,得出各模型的ZTD估值受误差影响的程度。使用C++语言实现以上3种模型,选取一系列不同纬度和高程的IGS站,利用IGS分析中心提供的气象文件,结合测站时空信息,导入程序进行模拟计算,并与IGS对流层产品进行比较,对改正模型进行质量评价。结果表明,Saastamoninen模型和Hopfield模型能够较准确地根据地面气象资料反映对流层延迟的日变化,Saastamoninen模型的改正精度略高于Hopfield模型;同时,无需实测气象资料的EGNOS模型RMS小于0.1 m,也可满足GNSS m级定位需求。 相似文献