新雨量杯使用前需检查精度

对新领的雨量杯用气象专用台秤、量杯进行校对时 ,发现10ｍｍ的水有的相差 0 .1ｍｍ ,有的相差达 0 .2ｍｍ。因此 ,台站在使用新领的雨量杯之前 ,应检验校对 ,不合格的不能使用。若台站无别的合格的雨量杯换用时 ,应在使用前 ,对新雨量杯用标准的量杯或气象专用台秤进行订正 ,将器差分配进去 ,降水很小时器差可忽略不计 ,降水大时应加上器差。新雨量杯使用前需检查精度@阮祥$郑州市气象局!河南郑州450005 @张小红$郑州市气象局!河南郑州450005     

从云天变化分析辐射记录是否正常

目前,我国一级辐射站测量、记录的直接辐射为垂直于太阳入射光的直接辐射;散射辐射是太阳辐射经过大气散射或云的反射,从天空2π立体角以短波形式向下到达地面的辐射;总辐射是太阳直接辐射和天空散射辐射到达水平面的总量.因此,一般情况下,总辐射≤散射辐射+直接辐射,这是由于垂直于太阳入射光的直接辐射比水平面上的直接辐射大的缘故,太阳高度角小时更明显.     

高精度GPS形变监测的新方法及模型研究

提出了用GPS定位技术进行变形监测的一种新方法及模型，利用在变形监测点和基准点上实测的载波相位观测值组成双差观测值（含双差整周模糊度），用变形监测点和基准点较精确的先验位置及卫星位置来计算另一个双差值，从基准点和变形监测点的双差观测值的变异中直接提取出变形矢量。如果变形量很小，对双差观测值的影响远小于1周，则在数据处理时可绕开“周跳的探测与修复”及“整周模糊度的确定”等问题，使数据处理大为简化。用测试软件对实际观测资料进行了处理，计算结果表明本方法的原理及数字模型的正确的。初步结果表明其平面位置精度能达到2－3mm，高程方向精度为3－4mm。     

机载激光扫描测高数据分层迭代选权滤波方法及其质量评价

提出了一种基于分层思想的自适应数据滤波方法.该方法采用迭代选权方法的基本思想,在实现中加入了自适应与分层的思想,使其也可用于处理城区点云数据.提出了滤波方法评价体系,并对该滤波方法进行了评价.     

构建阈值模型改善TurboEdit实时周跳探测

在比较现有各类TurboEdit改进算法的基础上,选取了一套适合实时周跳探测的组合方法,并针对其缺陷进行优化改进,加入阈值模型。在滑动平均滤波MW（Melborne-Wubbena）组合周跳探测方法中加入了自适应观测序列均方根变化的阈值模型,有效减少了周跳探测的误判和漏判;在相邻历元求差的GF（geometry-free）组合周跳探测中加入了随采样率及卫星高度角变化的加权阈值模型,显著提升了采样率较低时周跳探测的可靠性。大量数据测试检验表明,该组合方法有效可行,相比其他改进方法不仅在探测精度上有一定提高,在避免周跳误判、漏判上也有较大改善。     

夏县地震台水氡观测的干扰因素与识别

对夏县地震台热水井水氡观测的各种干扰因素进行了分析和归纳,得出冷水干扰是最主要的干扰因素。文中对这一干扰机理及排除方法做了探讨。     

机载激光扫描测高中激光脚点点群分割新方法

讨论了机载激光扫描测高激光脚点点群分割的方法，提出了一种新的分割成片房屋的激光脚点点群的方法——扫描带法，并给出了新方法的算法流程。实践表明，该算法运算速度快，分割准确、可靠。     

单频伪距差分模型用于动动目标监控的研究与实现

给出了相位平滑伪距进行相对定位的数学模型,基于该模型编写了单频GPS接收机用于实时米级动动目标监控的相对定位的程序,试验结果表明此单频伪距差分模型完全可以用于米级实时动动目标监控.     

COSMIC低轨卫星GPS接收机差分码偏差估计

GPS接收机差分码偏差（Differential Code Bias,DCB）是利用COSMIC低轨卫星观测值反演电离层总电子含量TEC的一项重要误差源.本文将COSMIC卫星轨道高度以上的电离层作为一个单层,采用球谐函数来参数化电离层TEC值,并利用最小二乘法同时估算电离层球谐系数和DCB参数.运用这种方法对2012年12月份的所有COSMIC卫星GPS接收机DCB进行了解算,并与COSMIC数据分析与档案中心CDAAC提供的产品进行了比较.实验结果表明：在2012年12月期间,估计的接收机DCB与CDAAC结果符合的较好,二者DCB变化趋势相近,DCB差值的RMS值在2 TECU以内,且最大绝对差值小于3 TECU;此外,本文计算的接收机DCB估计误差主要分布在0.2~0.4 TECU之间,具有较高的内符合精度.     

一种融合相位、振幅与频率的GNSS-IR土壤湿度反演方法

GNSS干涉测量（GNSS interferometric reflectometry,GNSS-IR）技术已经成为探测地表环境特性的一种新兴被动遥感技术,综合利用从土壤反射的GNSS信号中提取的相位、振幅、频率特征,提出了一种多类型特征数据融合的GNSS-IR土壤湿度反演方法,采用最小二乘支持向量机（least square support vector machine,LSSVM）、随机森林（random forest,RF）、BP神经网络（back propagation neural network,BPNN）三种机器学习模型,对比和验证了所提方法的可行性与效果。结果表明,多特征融合的LSSVM、RF和BPNN模型反演得到的土壤湿度与参考值的相关系数分别为0.830、0.953和0.980,对应的均方根误差分别为0.045、0.035和0.032 cm3/cm3。相比于单一特征反演法,土壤湿度反演精度和可靠性有显著提升。