重力固体潮观测数据预处理的滤波方法比较

本文详细讨论了重力固体潮观测数据预处理中平均滤波方法、加窗傅里叶变换方法和小波滤波方法。对于M2和S2的调和分析结果,平均滤波方法得到相位延迟误差超过了40°;加窗傅里叶变换得到的振幅因子精度分别为0.00029和0.00068,相位延迟精度分别为0.014°和0.033°;小波滤波方法得到最优的振幅因子精度分别为0.00013和0.00035,最优的相位延迟精度分别为0.006°和0.017°。研究结果表明:小波滤波方法的精度最高,加窗傅里叶变换的精度次之,平均滤波方法的精度最低;基于Daubechies小波基的小波滤波更适合于重力固体潮观测数据的预处理。     

高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法

高光谱图像的异常检测在军事、农业、勘探、防火等领域具有重要的应用价值。传统的高光谱图像异常检测算法未能有效地挖掘图像光谱的深层特征,而深度学习方法具有良好的提取深层特征信息的能力。由于异常检测问题一般无法获取地物先验信息,因此无监督网络相比于监督网络要更为适用。而现有的基于自编码器的异常检测算法没有对局部信息进行有效利用,导致检测效果受限。针对这一问题,本文提出一种基于稀疏表示约束的自编码器深度特征提取方法。首先通过栈式自编码器得到深层次语义信息;然后利用稀疏表示作为约束与编码器进行有效结合,挖掘了潜在隐藏空间中的特征元素的局部表示特性;最后采用分数傅里叶变换,通过空间-频率表示获得原始光谱与其傅里叶变换的中间域中的特征,进一步增强了背景和异常的光谱区分度,且能有效去除噪声的影响。在Hymap、AVIRIS、ROSIS、HYDICE这4种光谱仪采集的5幅高光谱遥感影像上进行了性能验证,得到的曲线下覆盖面积(area under curve, AUC)分别为0.990 5、0.998 3、0.999 0、0.992 8和0.911 0,相比于对比算法都有了不同程度的效果提升。结果表明本文...     

航空重力数据的预滤波处理

通过对厄特弗斯改正和水平加速度改正的对比分析,讨论了航空重力测量中水平加速度的预滤波处理;在理论上分析了模型计算过程中各分量的频谱变化,提出了基于减震系统确定预滤波尺度的方法.所得到的结果与根据平台倾角频谱特性确定的尺度是相当的.实测数据计算表明,精确确定航空重力数据预滤波的尺度能够进一步提高数据处理的精度.     

地图空间形状认知的自编码器深度学习方法

形状是地理空间要素的重要特征,是人们建立空间概念、形成空间认知的重要依据.本文利用深度学习的特征挖掘能力引入自编码学习方法,对二维地图空间中形状边界上多组邻域尺寸下的多个特征进行集成和整合,为空间形状认知的机理和形式化提供支撑.本文以建筑物数据为例,将建筑物形状边界转换为序列数据,并提取其描述特征;随后结合sequence-to-sequence自编码学习模型,对无标签的建筑面要素数据进行学习训练,形成形状认知编码.试验表明,本文方法能够产生符合形状认知、具有相似度计算意义的形状编码,具备对不同建筑物形状的区分能力;同时,在形状检索和匹配等应用场景中,该形状编码能有效地表示建筑物的全局和局部特征,与视觉认知结果一致.     

堆叠降噪自编码器的影像特征融合变化检测

提出一种基于堆叠降噪自编码器的影像特征融合变化检测方法.首先在影像分割对象的像素级特征和对象级特征分析、设计与提取基础上,通过像素级特征主成分分析与特征优选处理算法,实现遥感影像多类型特征融合并构建分割对象的多维特征向量;其次利用堆叠降噪自编码器的高维复杂数据处理能力,实现遥感影像多维融合特征的变化检测.实验结果表明,...     

重力固体潮观测数据的自动化预处理

研究了重力固体潮汐观测数据的预处理方法,给出了对原始观测数据降采样的平均滤波和小波滤波处理方法以及处理中断数据的线性插值和三次样条插值方法,研制了重力固体潮汐观测数据自动化预处理软件APTsoft,实现了异常数据(包括尖峰、台阶、中断等)的自动标定与改正功能。实验结果验证了本文预处理方法及APTsoft软件的有效性,APTsoft可应用于重力固体潮观测数据的自动化预处理。     

利用FHT法反演海洋重力

从快速 Hartley变换 (FHT)基本概念入手 ,给出了 Hotine核在平面近似、球面近似、Molodenskii近似下的反演模型。另对 FHT处理中所需的坐标转换以及边缘效应等问题加以讨论。同时 ,为了改善长波特性的重力场信息 ,利用 M阶次的参考重力场对上述 Molo-denskii模型进行了改化。     

利用重力数据反演中国东海海域莫霍面深度

莫霍面是地壳与上地幔的分界面,莫霍面的研究有助于认识地球深部构造及演化。在以往的研究中,由于重力反演方法、使用资料不同,中国东海海域莫霍面深度反演结果有较大不确定性。通过收集中国东海海域高精度地形和自由空气重力异常数据,计算了布格重力异常并分析了其构造特征。提取了中国福建省大田至中国台湾省花莲剖面和中国东海陆架盆地至菲律宾海盆剖面的重力异常数据,采用人机交互正演、反演拟合技术得到了这两条剖面的地壳密度与莫霍面深度。通过向上延拓的方法提取了莫霍面所引起的重力异常,在两条剖面反演结果和地震探测结果的约束下进行Parker-Oldenburg界面反演,得到了该地区的莫霍面深度。反演结果显示,中国东海海域莫霍面深度的变化范围为-34.4~-8.8 km,其结构呈两凹两凸的特征。     

一种利用卷积神经网络的干涉图去噪方法

干涉图滤波是合成孔径雷达数据处理的关键,引入卷积神经网络（convolutional neural networks,CNN）进行干涉图去噪。首先,采用自编码器结构进行非监督学习,将干涉图去除局部地形坡度相位,所得残余噪声作为模型输入;然后将模型输出结果与去除的局部地形坡度相位相加,生成滤波结果。利用航天飞机成像雷达数据和哨兵一号A(Sentinel-1A)卫星数据,通过与Goldstein滤波器、均值滤波器、Lee滤波、Frost滤波、改进的去噪卷积神经网络（denoising convolutional neural network,DnCNN）进行对比实验,结果表明,该方法对干涉图相位质量有很大的改善,不仅能够较大程度地抑制噪声,而且能够更多地恢复出图像细节,保持干涉条纹边缘连续性。     

利用小波变换分离俯冲带重力异常

综合应用小波多重分解法和小波多尺度边缘重构方法研究了重力异常的分离,发现该方法可以同时进行纵向和横向影响的有效分离,为复杂地区重力异常的合理分离提供了参考。在模拟实验的基础上,应用该分离方法对琉球俯冲带地区的重力异常进行了分离。在纵向分离中,提出根据重力异常和海底地形的相关性确定合适的分离尺度。在小波多尺度边缘分析中,通过选择合适的尺度范围同样可以达到分离横向重力异常的效果,而且比多尺度边缘重构方法简单。     

利用重力异常数据构建重力梯度场的方法比较

为实现大范围、高精度基准重力梯度数据库的构建,考虑到重力梯度场对地形质量的敏感效应,一般利用恒密度数字高程模型来求取重力梯度值,从而忽略了地形密度变化以及水准面以下密度异常对重力梯度的影响。根据重力位理论中求解边值问题的数值应用方法,直接利用重力异常数据求取重力梯度场,弥补了密度变化和密度异常在重力梯度上的反映。根据模型算例和实测重力异常数据求取了剖面重力梯度值,结果表明,限于重力数据空间分辨率的影响,利用重力异常数据可恢复中长波段重力梯度场。该方法与地形数据求取重力梯度和卫星重力梯度测量等方法技术相结合,对重力梯度数据库的建设具有实际应用价值。     

应用GPS水准与重力数据联合解算大地水准面

GPS水准大地水准面与重力大地水准面之差不仅由基准不同引起,而且也包含重力与GPS水准观测值的误差。建立了这两个水准面之差与基准转换参数、重力和GPS水准观测值的残差之间的关系,并基于最小二乘准则解算了基准转换参数和重力与GPS水准观测值的残差,即计算转换参数及重力与GPS观测值的改正。尤其当GPS水准精度远高于重力水准面时,联合解算模型可固定GPS水准大地水准面,只对重力观测值进行改正。     

Noisy Data Smoothing in DEM Construction Using Least Squares Support Vector Machines

Since spatial datasets are subject to sampling errors, a smoothing interpolation method should be employed to remove noise during DEM construction. Although least squares support vector machines (LSSVM) have been widely accepted as a classifier, their effect on smoothing noisy data is almost unknown. In this article, the smoothness of LSSVM was explored, and its effect on smoothing noisy data in DEM construction was tested. In order to improve the ability to deal with large datasets, a local method of LSSVM has been developed, where only the neighboring sampling points around the one to be estimated are used for computation. A numerical test indicated that LSSVM is more accurate than the classical smoothing methods including TPS and kriging, and its error surfaces are more evenly distributed. The real‐world example of smoothing noise inherent in lidar‐derived DEMs also showed that LSSVM has a positive smoothing effect, which is approximately as accurate as TPS. In short, LSSVM with a high efficiency can be considered as an alternative smoothing method for smoothing noisy data in DEM construction.     

卫星重力梯度数据确定地球重力场的Slepian局部谱分析方法

在引入Slepian局部谱分析方法的基础上,详细分析Slepian函数的数学特性,采用Grünbaum算子提高Slepian方法求解的稳定性和效率,推导卫星重力梯度数据确定地球重力场的Slepian方法表达式。通过仿真分析,就Slepian方法在卫星重力梯度数据确定地球重力位模型中的应用和前景进行分析和讨论。研究表明,Slepian函数在整个球面和球带上具有双正交性,其频谱能量分布特性与卫星轨道的测量特点具有很好的一致性。Slepian低次项系数精度受到极空白影响很小,较之球谐系数低次项明显改善。Slepian方法对大地水准面空间分布恢复精度的直接贡献不明显。     

利用重力成果解算GPS网点正常高

利用测区重力点成果及分布较均匀的GPS/水准成果 ,采用重力法及移去～恢复技术 ,确定测区分辨率为 2 .5′× 2 .5′的高精度大地水准面。并由此成果解算GPS网点的正常高     

利用卫星重力数据确定地球外部重力场的一种方法及模拟实验检验

假定给定了海量的卫星重力观测数据,基于球谐展开法并应用最小二乘原理可以确定地球重力场模型EGM,由此确定的重力场模型在地球表面附近的空间区域未必有效。设想有一个包含了地球的大球KS,假定EGM在大球的外部成立,则可根据虚拟压缩恢复法求出一种新的重力场模型NEGM,它是对原有重力场模型的进一步精化,适合于整个地球外部空间,从理论上可以解决重力场的“向下延拓”问题。初步的模拟实验检验支持虚拟压缩恢复法以及由此而引申出的“向下延拓”法。     

利用重力场模型和局部重力资料计算GPS水准高的精度探讨

利用大地水准面高，结合GPS测量的高程信息,直接计算GPS水准高，是一种全新诱人的解决方案。本文就这种方案，根据其核心技术－大地水面高的性质：长波长－全球重力场；中波长－局部重力资料，短波长－数据地形，对它的具体实现，适用范围以及精度分析作了详尽的探讨，在此基础上，提出一些GPS水准应用规范和要求，并利用实验数据对其进行验证。     

极地空白对GOCE引力场恢复的影响

结合引力梯度不变量算法,采用球谐分析方法讨论极区空白对引力场恢复的影响。首先推导空白区对位系数恢复的影响公式,然后通过模拟计算分析空白区的影响量级和特点。结果表明,由于正交性遭到破坏,各阶之间会相互影响,特别是对低次的影响比较显著;采用"移去恢复法"可削弱极地空白带来的精度损失,但不同的先验模型会使得最终的解有差异;但在远离两极的区域,大地水准面的精度主要受观测值的精度所控制。     

由地面重力数据确定扰动位径向二阶梯度

提出利用地面重力异常数据计算地面扰动位径向二阶梯度,将该梯度的积分表达式转换为卷积形式的谱表达式,便于应用FFT/FHT技术进行快速计算。这一将地面重力异常化为重力梯度的实用算法为将卫星重力梯度和航空重力梯度观测数据与地面重力数据的联合处理提供了一种有效途径。最后,以本文导出的数学模型为基础,给出了模型(WDM94)数据的试算结果并作了分析。