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。     

A New Retracking Technique for Brown Peaky Altimetric Waveforms

A new Brown-Peaky (BP) retracker has been developed for peaky waveforms that usually appear within ～10 km to the coastline. The main feature of the BP is that it fits peaky waveforms using the Brown model without introducing a peak function. The retracking strategy first detects the peak location and width of a waveform using an adaptive peak detection method, and then estimates retracking parameters using a weighted least squares (WLS) estimator. The WLS assigns a downsized weight to corrupted waveform gates, but an equal weight to other normal waveform gates. The BP retracker has been applied to 4-year Jason-1 waveform (2002–2006) in two Australian coastal zones. The results retracked by BP, MLE4 and ALES retrackers have been validated against tide-gauge observations located at Burnie, Lorne and Broome. The comparison results show that three retrackers have similar performance over open oceans with the correlation coefficient (～0.7) and RMSE (～13 cm) between altimetric and tide-gauge sea levels for distance >7 km offshore. The main improvement of BP retracker occurs for distance ≤7 km to the coastline, where validation results indicate that data retracked by BP are more accurate (15–21 cm) than those by ALES (16–24 cm) and MLE4 (19–37 cm).     

A-FPN算法及其在遥感图像船舶检测中的应用

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。     

初轨计算中的病态分析

本文对现有初轨计算方法进行病态性分析与误差分析；研究结果表明：病态对现有初轨算法的影响，主要来源于法方程系数中包含观测误差．系数行列式愈大，定轨精度的损失愈多，当■被随机误差项△μ淹盖时，现有初轨算法将失效．此外，仿真结果还显示：■与△μ的大小还极大地依赖观测弧段的空间位置，当观测弧段包含近站点作为中点时，■最大，而■小，此时定轨精度较高；当观测弧段位于近站点的某一侧时，■小，而■大，此时定轨精度较低，观测弧段愈偏离近站点，病态影响愈大；因而在观测时，应尽量使观测弧段与近站点对称（此时μ值较大），这是提高短弧定轨的一种有效途径．     

南山站对陆地—5号资源卫星的可观测范围及以该站为中心的覆盖区域

本文简要介绍了陆地系列地球资源卫星的轨道特征，并以陆地—５号资源卫星为例，根据南山站的座标计算出该站对陆地—５号资源卫星的可观测范围及以该站为中心的卫星的覆盖区域。     

GDJ人卫目视观测数据采集和处理系统的研制

本文介绍了ＧＤＪ跟踪打印经纬仪在人造卫星的观测中如何应用计算机对多圈卫星的目视观测资料进行实时采集、处理等工作过程的原理和方法。     

关于改进的Encke方法中参考轨道的选择和校正

对于改进的Ｅｎｃｋｅ方法，选择适当的参考轨道是一个关键．然而，对于人造地球卫星长弧轨道计算，目前所给出的几种参考轨道均需要逐段校正，这将给定轨问题带来附加的复杂性．本文将仔细探讨如何选择参考轨道和减少校正次数．     

小卫星数据的变化监测能力分析

为了促进小卫星数据在地质灾害监测中的应用与推广,本文以监测采矿图斑变化为目标,通过对北京地区的2006年和2007年两期北京一号小卫星4m全色影像采用正射校正、配准和迭加对比的方法发现变化信息。结合1∶50 000影像图、野外调查和测量,确定变化图斑的边界、变化原因和规模,并对小卫星全色图像的变化监测能力进行分析和总结。本文通过对小卫星4m全色影像数据的分析,基本上可以概括出其变化监测能力。     

小波分析理论在GPS技术中的应用

在GPS数据处理中 ,存在着误差影响、影响波的干扰、周跳和数据量大等问题。误差影响和影响波的干扰实质是在接收卫星信号时受到其它因素的影响 ;周跳是由于卫星信号的失锁而造成信号的不连续 ;数据量大是因为GPS观测需要采样间隔小又连续观测所致。由于小波理论具有时频分析、波形分解、特征提取和快速小波变换等特性 ,应用小波变换和波形分解可以解决误差影响和影响波的干扰的问题 ;应用特征提取可以解决周跳检测问题 ;应用快速小波变换可进行数据压缩