北京城市绿化的时空动态分析

城市绿化覆盖是城市生态系统的重要组成部分,合理的绿化率和绿化布局可以改善城市环境,提高城市人居适宜性。研究中将2005、2010、2015年北京市土地利用（LUC）数据中的城市居民用地作为城区范围,应用Landsat 5、GF-1影像数据和MODIS产品,利用支持向量机的监督分类方法,提取了2005、2010、2015年的北京市城市绿化覆盖数据,并获取了同期的植被指数（NDVI）数据;继而以城市绿化覆盖率、绿化覆盖均匀度和植被指数为评价指标,在公里栅格和行政区2个尺度上探讨了北京市城市绿化覆盖的空间分布格局和时间变化动态特征。研究表明：① 3个指标在空间和时间2个维度、区县和栅格2个尺度上都表现一致。这反映北京市过去10年中,在绿化面积增加的同时,绿化的空间布局得到优化改善,绿化的质量得到提高。② 2005-2015年,北京市城市绿化覆盖面积由518.93 km² 增加到1405.54 km²,绿化覆盖率由39.9%增加到49.13%,绿化覆盖均匀度由0.598增加到0.653,植被指数由0.42增加至0.5。③ 北京市城市绿化建设存在明显的时空差异。中心城区绿化建设缓慢,成效不明显;重大绿化建设成果主要集中在城市边缘地区和远郊区县。城市绿化改善过程主要发生在2005-2010年。     

局域观测网高精度电离层延迟估计和应用

针对用户对高精度电离层延迟产品的迫切需求,研究了基于局域参考站网络进行高精度电离层延迟的估计和内插方法,分析讨论了应用获取的电离层延迟进行单频单站数据处理的精度。结果表明,通过局域参考站观测可以实现优于7 cm的高精度电离层延迟服务。采用高精度的电离层延迟产品,单频单站用户2 h静态观测在N、E和U这3个方向的精度可分别达到3.5、5.5和8.6 cm。动态定位结果表明,受电离层延迟内插结果与解算模式影响,模糊度参数收敛速度较慢,但收敛之后,N、E和U这3个方向的均方根可分别达到3.1、5.2和7.0 cm。研究成果可为高精度电离层延迟的解算与产品服务提供理论依据与技术保障,并为单频单站用户在导航定位中的应用提供参考。     

GNSS接收机DCB短期时变特征分析和估计方法

提出一种使用非差非组合精密单点定位(PPP)估计和分析接收机DCB短时时变特征的方法。首先利用非差非组合PPP得到包含接收机DCB的重构电离层参数估值;然后通过IGS电离层GIMs格网模型内插剥离各历元站星斜向电离层距离延迟;最后通过最小二乘约束得到各历元接收机DCB解。由于格网本身精度(2～8 TECU)和插值精度限制,解算出来的接收机DCB并不能真实反映其短期时变特征。为此,提出利用站间单差或者历元间差分的方法还原其真实的变化态势。实验结果表明,所提出的方法能够正确估计接收机DCB,并能真实还原其短期时变特征,具有良好的适用性。     

一种整数相位钟法精密单点定位模糊度固定模型

星间单差法是常用的精密单点定位PPP模糊度固定方法,但是要面临基准星转换的问题。为此,提出了一种逐级模糊度固定模型,采用法国CNES发布的整数相位钟差产品,在PPP非差观测模型基础上逐一选取两颗卫星进行模糊度固定;得到多组单差模糊度固定解后,再以此构成约束条件进行滤波得到其他参数。实验选取了8个IGS站共48个观测时段进行模糊度固定实验。结果表明,模糊度成功固定后,位置三维误差平均值由5.60 cm减小到2.72 cm;位置误差标准差由3.64 cm减小到1.50 cm。仿动态条件下,模糊度固定后位置误差由6.02 cm降至4.75 cm。     

大别山及其周边现今垂直形变研究

基于1980年、2005年和2015年3期区域精密水准网观测资料，利用线性动态平差模型计算获取大别山地区水准网长期垂直运动速度场图像。研究发现，淮河平原地表下沉较为严重，大别山呈现弱隆升趋势运动，长江谷地边缘地区较大别山区呈现明显的隆升运动。跨郯庐断裂带水准剖面结果显示，垂直运动与地形呈负相关和弱相关。     

一种新型浅地层剖面仪试验平台的设计与应用

为探讨浅地层剖面声学影像形成原理,探索不同类型沉积物声学影像特征,厘清不同沉积物厚度的识别算法,采用模块化设计理念研发一套新型浅地层剖面仪室内试验平台。综合室内定位技术、浅剖试验平台尺寸合理性分析技术、直线轨道与换能器之间的固定连接技术和海底声学参数反演技术,形成一个试验高效的新型平台。通过铺设沉积物和布设障碍物,利用浅地层剖面仪进行走航测试,精确识别了沉积物的厚度和障碍物的位置。该平台可为开展理想环境下沉积物厚度和障碍物识别提供较好的测试环境,为声学海洋设备性能检测提供测试平台,也为高校学生和技术人员提供设备使用培训场所。     

单基站基于波达角度的刚体位置姿态最大似然估计

针对刚体定位同时估计目标的位置和姿态信息的问题，研究了在三维空间中利用单基站进行刚体定位（RBL）的框架.该框架采用单个基站对安装在刚性目标表面的小规模无线传感器信号的波达方向进行测量，并将其与传感器拓扑信息融合，提出了两种用于RBL的最大似然估计算子.利用改进的高斯-牛顿算法对旋转矩阵和平移向量的最大似然估计算子进行优化估计，解算出了目标物体的三维位置和姿态.仿真结果表明，文中提出的最大似然算子可以接近理论克拉美罗下限，并且在收敛成功率和运算成本方面具有较为出色的性能.      

自然资源全要素自适应野外调查框架设计

针对自然资源全要素调查工作中分类标准不同、调查口径不同、调查方法不同，造成的各部门调查软件平台重复开发建设和调查数据结果地理信息特征表达不清晰等问题，本文结合自然资源全要素野外调查工作的实际需要，以山水林田湖草生命共同体为统一对象，构建了自然资源语义化特征模型，提出了表征不同自然资源类型的自适应野外调查方法，实现了灵活性高、性能优异的自然资源调查技术平台，形成了统一的自然资源全要素野外调查框架，可以有效提升多门类自然资源基础调查、专业调查、动态调查的能力与水平，为自然资源治理能力现代化提供了可靠技术保障。     

A CASE STUDY ON CONCENTRATION AND DECENTRALIZATION：BEHAVIOR AND DYNAMIC MECHANISM OF SPATIAL EVOLUTION IN METROPOLITAN AREA，NANJING，CHINA

In rapid socio-economic development,the process of concentration and dispersal of various elements tends to be more dramatic,tremendously influencing the shaping and transformation of the space in metropolitan area.Survey of spatial concentration and decentralization has thus become a basic method in examining metropolitan spatial evolution.In this research,three elements were selected as the essential indicators of the process:demographic density distribu-tion,employment density distribution and business office location.Performance of these elements in Nanjing City was exam-ined historically.As Nanjing City could be regarded as a representative of metropolitan areas in China,its situation large-ly suggestes the general characteristics in similar areas of China.Hence based on the investigation of Nanjing City,four general implications were highlighted.First ,metropolitan areas in China are in a violent process and shift of spatial concentra-tion and decentralization.Second,from now to at least the near future,concentration will continue to be the central fea-ture.Third,the landscape of metropolitan areas basically exhibits a dual structure character.The gap in environmental and ecological qualities among different districts will continue for a long time.Fourth,Central Business District (CBD) is playing an important role in helping to convert the traditionally single-centered city structure into a polycentric one.