�����������ݵ�����ֵ��������

???Lipschitz??????????????????????????????С???任???Lipschitz????????????????????С???任?????????и????????????λ?????????С??????????????????????????????????????????????????????????????????????????С?????????????????????????????Ч???     

���ǹ������SAR���洦���Ӱ���о�

??????????????????????????????????????????????????????????????????????????????????????ο???λ???????????????????С?????????????????????SAR???洦???е??????????????????????С??????ο???λ???????     

EGM96��EGM2008����������ģ�ͼ��㵯�����Ŷ������ıȽ�

????????????????????????????????????????????????????????????36???360???2 160????????????????????????????????????36???360???EGM96??EGM2008??????????????????????????????????????????????????????????????????????????????????????????????????????????EGM96??EGM2008???????????????????????????????????????????EGM2008????????????EGM96????     

��ǰ�����TEC�쳣����

?????????????????????GPS?????λ????????????????????50???VTEC??????????????з??????????15???VTEC???1.5??????????????????????????飬???????????????????????     

����������쳣�ĵ���Ӱ�����

????????????????????????????????????????????????SymletС?????????о?????????????????????????????????????, ???????????4???5??????????????????????????????????????2???3????????????????????????????????????????????ε????????????????ο???     

������������������JPL DE�����ļ򻯼�Ӧ���о�

????JPL DE?????????洢??????????????????????????????????DE??????????????????????????20???DE406?????????????369 kb????????1/6????GPS??????????ü???DE????????????????????飬?????????60?????????????????????3 m???ü??????????????????????????????????????????????С?????????洢??????????????????????Ч???     

��ƫ�������ǵĹ�ʽ�Ƶ�������

??????λ?????淽λ?????????????????????????????????γ???????????????????????????????й??????γ???Χ????????????????????м??????????????????澭???γ??????仯???ɡ?     

���ػ�׼վ�����������ڱ仯����

???ü???GNSS????10??????????????????GPS????????????????????????仯???μ????????仯???????????????????????????仯????????????????????????????????С?????????м?????????п??????Ч?????????????????????????????????????????????     

���ڶ�̬������������Dz�߲��η���

????????????????????????????С??????????????????????????????????????????????????η??????????????????????????????ε???Ч?????????????庣???T/P???????????????Beta-5?????????????????????????÷????????????????????????????κ???????K???     

���ڷ���������ڵ������Ʒ��ĵ����TEC����Ԥ���о�

??????????е??????????????????????????????????????????IGS????????TEC??????????????????????ò??????λ???30??40 ???50 ?????????з??????????????????????0.8 TECU???????????仯?????????￡????????????????????????????γ???й??     

InSAR��߾��ȵľ��ܹ�ʽ

???????????????????????о???InSAR?????????????????InSAR???????????????????????????????????????     

关于修正曲线方程的探讨

该文说明“修正曲线方程”与“曲线方程”的差异及其建立的过程。曲线方程实质上是采用直线方程表达的两相关函数的关系式。但是，按直线方程发展趋势推测的范围较小，误差较大。而修正曲线方程是在曲线方程的基础上探索出的一种新的计算方法。它将曲线方程ｙ＝ａ＋ｂｘ中的参数（ａ、ｂ）由常数值导成随ｘ变化的不定值（ａ＿ｉ、ｂ＿ｉ）。因此，修正曲线方程则是拟合曲线自然发展的一种方程式。函数的变化规律基本上是沿曲线变化的。它推测的较远，结果误差较小，可广泛应用于水文地质、工程地质等不同学科的领域中。     

��ͨ��·��������Ӧ��׮���ȵĽ�һ���о�

??????????????????????λ?????????????????????·?????????????????λ?????????λ?????????λ????????????????????????????????????????????????,?????????????Ч??     

交通线路上任意点对应中桩精度的研究

利用误差传播律和点在任意方向的位差理论,提出并论证了交通线路上任一点对应中桩的横向位差为零,纵向位差等于该点的点位误差。对中桩的误差曲线和误差椭圆的分析认为,误差椭圆无实际意义,误差曲线实用而有效。     

地震对IGS基准站坐标时序噪声特性的影响

选取日本7个IGS基准站在2011-03-11东日本大地震前后各3 a的坐标时间序列,计算此区域的共模误差,利用CATS软件确定地震前后基准站各分量的最优噪声模型,分析共模误差和东日本大地震对基准站坐标时序噪声特性的影响。结果表明,共模误差在N、E、U方向均表现出较为明显的周期特性,且地震的发生导致其N、U方向均值分别增大2.1倍和1.5倍;利用空间滤波的方法剔除共模误差后,水平方向的闪烁噪声得到较明显的削弱;IGS基准站各分量表现出不同的噪声特性,其变化因站而异,并未表现出明显的规律;地震对基准站坐标时序噪声的影响主要表现为BP、FN和RW特性,且距离震中越近,这种影响越明显。     

基于DEM与GACOS的InSAR同震形变场大气误差校正北大核心CSCD

从全球地震频发地区选取多次地震事件,以精河地震为例研究基于DEM进行大气误差校正时拟合区选取方法;然后分别基于DEM和GACOS数据对同震形变场进行大气相位延迟改正以分析其校正精度及适用性。结果表明,扣除主要同震形变区域后的相位-高程相关系数大于0.4时,必须对获取的形变场进行大气误差校正,校正后噪声可下降约1~4 cm;相关系数为0.4~0.8时,可通过两种方法相互验证以校正精度;相关系数大于0.8时,可以只使用DEM拟合大气误差分布函数进行校正。基于GACOS进行大气误差校正具有普适性,用于大气噪声较为严重且与地形不相关的平原地区可取得较好效果。     

基于垂直剖面函数的天顶对流层延迟插值算法

通过分析由ERA-Interim气象再分析资料积分方法得到的天顶对流层总延迟随高程变化的规律,提出一种基于垂直剖面函数的天顶对流层延迟(ZTD)插值算法。该算法以ZTD的垂直分布规律为基础,通过垂直剖面函数实现ZTD在高程方向上的精准投影延拓,可以避免因高差较大造成的空间内插结构畸形。采用IGS站提供的高精度对流层产品进行实验验证表明,该算法相对于传统算法能够有效提高ZTD改正值的精度,尤其在高差超过1 km的情况下,相对于反距离加权法精度提升了96%,相对于空间回归法精度提升了79%。     

基于图像退化模型的天气现象识别

在不同的天气条件下,由于气溶胶对光波的散射作用,通过成像系统获得的图像都会有一定程度的退化。利用图像的退化模型可以获取与天气现象相关的参量,从而达到识别天气的目的。对不同天气条件下得到的同一场景图进行研究,运用多垂线检测法,检测出不同天气条件下直线模糊边缘上的灰度值,采用signloid函数拟合出刃边函数,进而求出线扩散函数。通过分析线扩散函数的变化规律,总结出其与天气现象之间的紧密联系。测试结果表明,应用该方法对于晴天、薄雾、雨、霾、沙尘暴等天气现象具有一定的判别效果。     

对Beer-Lambert定律间接测量森林LAI的误差低估分析

 叶面积指数(Leaf Area Index,LAI)是表征植被冠层结构的核心参数。在地面对LAI的间接测量是遥感反演算法验证和改进的重要手段,而目前基于Beer-Lambert定律的森林LAI地面间接测量方法存在着严重的低估问题。本文通过理论分析,指出Beer-Lambert定律在应用到森林叶面积指数测量时,LAI低估的根本原因来源于叶面积体密度、消光路径及叶倾角投影G函数在空间上的不均匀性,并定量评估了冠层非随机分布对LAI测量结果的影响,发现植被冠层的非随机分布会对LAI的测量带来20％~40%的误差。这一结论,对于Beer-Lambert定律的简单修正应用于森林LAI间接测量时仍存在着较大的局限性,尚未能根本上解决LAI的低估问题,故间接测量LAI的理论和方法需进一步深入研究。     

一种新的基于模糊分析观测信息的局地化方法

地球表层系统是一个极其复杂的巨系统,为了更精确地表达地球表层系统各种过程的动态演进,解决数据同化系统观测误差的估计与处理已经成为地球科学领域备受关注的问题之一。在地球科学系统数值模拟中,一般采用集合数据同化来探讨地学变量预报时的各种误差。集合类卡尔曼滤波通常会由于集合数过小而带来欠采样、协方差低估、滤波发散和远距离虚假相关等问题。针对背景误差协方差被低估问题,局地分析方法（Local Analysis, LA）在一定程度上能起到抑制作用,但无法彻底解决背景误差协方差的虚假相关问题。因此,本文在集合卡尔曼滤波的算法框架下提出了一种与模糊逻辑控制算法相耦合的局地化分析方法（Fuzzy Analysis, FA）。在强非线性Lorenz-96模型中,对不同模型误差下的LA和FA方法进行了性能优劣方面的探讨,并比较分析了2种方法在集合数、观测数和观测位置、放大因子以及强迫参数变化时的同化性能。实验采用均方根误差作为算法评判依据,同时用功率谱密度（Power Spectral Density, PSD）更直接地对2种算法性能优劣作出了评价。结果表明：在完美模型下,FA相对于LA降低了17.5%的均方根误差（Root Mean Square Error, RMSE）;随着模型误差增大,RMSE减小的百分比和减小幅度都在降低;在严重模型误差下,FA降低了8.6%的RMSE。总体而言,新算法FA的有效性和鲁棒性都得到了验证,并且在EnKF同化基础下有效改进了传统的局地化分析方案,优化了观测误差处理,为今后的数据同化研究提供了一个较为全面的观测误差研究平台。