静态精密单点定位精度分析

阐述了精密单点定位技术的应用价值,分析了观测数据和精密钟差采样间隔对静态精密单点定位的影响,提供了工程实际使用有益的参考.     

点质模型求定月球重力场及其特征分析

利用Lunar-Prospector扩展任务的视线加速度数据,根据点质模型恢复了月球近区的重力场,将其与LP165月球重力场模型进行了比较和分析,并利用恢复的重力场联合月球地形数据对Mas-con进行分析,总结了月球重力场的主要特征及其研究方向发展趋势,将重力场恢复技术与我国的探月计划-"嫦娥"工程结合起来,为建立高精度的月球重力场和地形模型提供了一种有效而实用的方法。     

顾及地貌特征的矿区地表塌陷DEM的生成方法

地下煤炭资源开采导致矿区地表塌陷和矿区地形的变化,直接由开采沉陷下沉预计数据生成的DEM不能表现矿区地表塌陷后的地形状况。通过在开采沉陷下沉预计程序中增加高程修正计算功能,对矿区原始地貌高程进行下沉修正计算,生成矿区地表塌陷高程数据文件,由该数据文件可以生成顾及地貌特征的矿区地表塌陷DEM。该方法操作和实现简单,生成的DEM精度可靠,能够表现矿区地表塌陷后的地形状况,可以作为矿区地理信息系统的基础数据,对于指导开采沉陷的防治和治理具有重要意义。     

基于光谱和纹理的SVM矿化蚀变信息提取研究

针对传统矿化信息提取方法单一,利用光谱或纹理、信息量相对较少、需要大量样本的缺陷,利用基于光谱和纹理的支持向量机(SVM)原理,建立矿化信息提取模型.选择青海泽库县析界日地区作为典型研究区.首先提取研究区光谱和纹理信息,选取训练样本;然后求解最优超平面,进而确定决策函数;最后泛化推广识别其他待识别的样本.通过所提取的遥感蚀变异常信息与重砂异常点叠加分析,叠加基本吻合;从野外实地验证来看,均发现了不同程度的矿化现象,并指出了5个重点异常区.     

鄂尔多斯地块早白垩世构造-热事件:杭锦旗玄武岩的Ar-Ar年代学证据

在鄂尔多斯地块北部杭锦旗黑石头沟,于下白垩统砂岩之上发现了一层玄武岩。其SiO2(46.93%)较低而碱含量(K2O+Na2O=6.21%)较高,组合指数σ=8.0,含标准矿物Ne,属于碱性橄榄玄武岩。Ar-Ar激光阶段加热定年结果表明,该玄武岩具有126.2±0.4Ma的Ar-Ar年龄。年龄数据表明杭锦旗黑石头沟玄武岩形成于早白垩世,反映鄂尔多斯地块在早白垩世发生了一次构造-岩浆-热事件,这与华北、乃至整个中国东部在早白垩世发生了较普遍的构造-岩浆-热事件具有一致性。这次构造-岩浆-热事件可能引起深部流体自地下深部上涌及在地块内部运移,为各种成矿元素的迁移、沉淀、富集和成矿创造了合适条件。     

层次分析法在生态环境综合评价应用中的优化

层次分析法（Analytical Hierarchy Process,AHP）,是一种常用的系统分析与决策方法,但在应用于青藏高原区域生态环境综合评价时,由于因素的权重值只能为正数,影响了表达效果。为此,本文对其进行了优化,改进了构造判断矩阵时的赋值方法,在评价过程中引入了负数。实验证明,优化后的方法能准确地评价青藏高原的生态环境。     

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.     

天宝GEOXT数据采集模式及精度研究

随着经济的不断发展,移动GIS越来越受到人们的关注,而GEOXT的出现正是符合这一发展趋势的产物。GEOXT这一款仪器将GPS与GIS结合在一起,利用GPS技术得出GIS的成果。文中在说明天宝GEOXT数据采集系统配置及特点的基础上,通过实验总结了数据采集的3种模式：单机码相位测距、后差分改正和实时差分改正数据采集,并对数据采集的技术流程、点位精度、特点和应用范围进行了阐述。最后对不同采集时间间隔对精度的影响进行了试验研究。     

新疆若羌县维宝铅锌矿床地质特征及成因分析

维宝铅锌矿床位于祁漫塔格成矿带西段,矿床产于元古界蓟县系狼牙山组浅海相碎屑-碳酸盐岩系地层中,矿体具有明显的层控性,以及多阶段矿化特点。文章在深入分析矿床地质特征及成因的基础上,提出了该矿床在成因上属后生层控多金属矿床,并总结了找矿标志,认为在东昆仑-祁漫塔格地区具有较大的找矿前景。     

Automated Target Detection and Discrimination Using Constrained Kurtosis Maximization

Exploiting hyperspectral imagery without prior information is a challenge. Under this circumstance, unsupervised target detection becomes an anomaly detection problem. We propose an effective algorithm for target detection and discrimination based on the normalized fourth central moment named kurtosis, which can measure the flatness of a distribution. Small targets in hyperspectral imagery contribute to the tail of a distribution, thus making it heavier. The Gaussian distribution is completely determined by the first two order statistics and has zero kurtosis. Consequently, kurtosis measures the deviation of a distribution from the background and is suitable for anomaly/target detection. When imposing appropriate inequality constraints on the kurtosis to be maximized, the resulting constrained kurtosis maximization (CKM) algorithm will be able to quickly detect small targets with several projections. Compared to the widely used unconstrained kurtosis maximization algorithm, i.e., fast independent component analysis, the CKM algorithm may detect small targets with fewer projections and yield a slightly higher detection rate.