����GPS˫Ƶ�ز���λ����Ԫ��������VTEC

?????????μ?????????????????????vertical total electron content??VTEC????????,???????????????????????????????VTEC?????????????????????????VTEC??IGS??International GNSS Service??????VTEC?????仯??????￡????????????????????????????????γ???仯???ɡ?     

������չNXD��GML�ռ����ݿ����ݲ�ѯϵͳ

??, ???????????GML??????????????????????????洢??????????????????????????????????????SQL???????SQL???????GML????????????????????,??????????????????XML????Ч???????GML??????????????????????,???,W3C??XQuery?????????XML??????????????????????????(GML??????????????)????????2????????о?????????NXD????????????????????????GML?????????????????????????XQuery????????????XQuery????????????????????????????????NXD??GML?????????????????     

基于HASM方法的黑河流域潜在蒸发量的模拟

潜在蒸发作为研究蒸发及区域水循环的重要因素之一,其模拟结果对相关领域的研究应用具有重要影响。利用 2000-2009年“黑河流域每日四次常规气象观测数据集”所提供的12个气象站点的潜在蒸发数据,对黑河流域潜在蒸发量进行模拟。首先针对潜在蒸发的特点,分析影响研究区域潜在蒸发的气象因素、地理及地形因素,使用多项式回归和逐步回归的方法对研究区域潜在蒸发进行了背景趋势模拟,选出影响潜在蒸发的最优影响因素组合,在此基础上采用高精度曲面建模（HASM）方法,结合站点实测数据,对去掉趋势后的残差进行精度修正。本文使用kriging法、IDW法和Spline法插值所得潜在蒸发数据,以及“黑河流域1980-2010年3 km 6 h模拟气象强迫数据”作为对照,比较验证模拟精度。模拟结果表明：HASM方法模拟精度最高,模拟结果分布合理,表明该方法在潜在蒸发模拟中具有应用前景。该方法所得到的潜在蒸发数据可作为基础地理数据供相关研究应用。     

利用三元组稀疏矩阵技术改进HASM算法——以全球平均气温模拟为例

 采用预处理共轭梯度法(PCG)进行求解的高精度曲面建模(HASM)算法的计算过程需要大量矩阵计算,采用稀疏矩阵方式可以压缩存储空间。三元组稀疏矩阵存储是较为传统的稀疏矩阵存储结构,这种存储结构的稀疏矩阵技术已被广泛使用。根据HASM-PCG的特点,本文通过改进三元组稀疏矩阵的部分计算方式,调整HASM-PCG算法中的部分计算顺序,从而舍弃部分不需要存储的非零元素,提高了计算效率。根据全球1998-2008年的近3000个气象观测台站的气温观测数据,以及全球DEM数据,对20世纪末至21世纪初的11年来5、6、7、8月份的全球平均气温进行数字模拟。数值结果表明,采用改进的三元组稀疏矩阵技术有效地提高了HASM方法的模拟效率。     

由等高线建立DEM的YUE-HASM方法研究

建立DEM的数据源有很多,传统的由人工解译地形得到的等高线数据,仍然是一种十分重要的用于建立DEM的数据源。针对YUE-HASM(High Accuracy Surface Modelling)目前主要用于处理离散点数据这一特点,本文提出了一种基于YUE-HASM由等高线数据建立DEM的方法:(1)首先,根据分辨率建立研究区域的矩形网格;(2)然后,对等高线进行离散化,离散化时采用1/4阈值的方法,即如果等高线经过的格网中心点离等高线的距离小于或等于格网边长1/4时,该点就被赋为等高线的值;(3)最后,使用YUE-HASM方法模拟离散点的方法建立DEM。将高斯合成曲面研究区域x∈[-3,3],y∈[-3,3]切分为75×75的规则网格DEM,在ArcGIS9.0中提取该区域的等高线,并分别使用本文提出的方法,以及ArcGIS9.0的常用方式建立DEM方法,即薄板样条(Thin Plate Spline,TPS)方法和TIN方法,对等高线进行DEM模拟和等高线回放比较分析,发现用于YUE-HASM方法模拟结果的等高线最近似于原始等高线,其次是TPS方法和TIN方法。本文提出的方法只产生一根假等高线,对曲面的基本形状保持最好;薄板样条方法分别丢失了2个山峰上的各1条等高线和一条马鞍形带上的等高线,使整个曲面的基本形状受到很大影响;TIN方法虽然保留了整个曲面的基本形状,但是,出现锯齿状等高线,甚至是不合理的断头等高线。本文不仅对由等高线建立DEM的相关方法研究有参考意义,而且对于等高线的各种应用,如等高线的地形分析等也具有参考意义。     

散乱数据插值的HASM方法

本文运用高精度曲面建模(HASM)方法,研究了空间散乱数据插值算法,并以陕西咸阳彬县大佛寺煤矿区的实测数据为案例,使用交叉统计检验方法比较分析HASM方法与地理信息系统(GIS)领域中常用传统插值方法的空间插值结果。结果表明,HASM方法具有较高的精度。本文还分析了传统常用插值方法的一些统计结果,得出一些结论,这些结论对于使用常用传统GIS空间插值方法的研究者有很好的参考作用。     

地表CO2浓度分布模拟试验及分析

如何获取CO₂浓度时空分布特征,是气候变化研究中的一个关键问题。本文基于中国碳卫星在吉林航飞试验区的地面观测数据,分析地表CO₂浓度与环境变量的相关关系,运用多元线性回归与HASM高精度曲面建模相结合的方法,模拟航飞区地表CO₂浓度分布格局。结果表明：CO₂浓度空间分布受气象条件的影响较大,短波辐射是影响CO₂浓度的重要因素;第1时段整体浓度最高,特别是在西部区域;第2时段CO₂浓度高值区东移,呈现西低东高的分布特点;第3时段浓度空间分布与第2时段有类似的特征,但细节存在差异,且高值区缩小;精度对比显示在采样点较少及采样密度不大的情况下,HASM方法的模拟误差小于Kriging方法。因此,这种使用多元线性回归模型通过引入环境变量获得高分辨率趋势面,结合HASM模型进行修正残差提高模拟结果精度的手段,可作为模拟地表CO₂浓度时空分布的有效方法。     

机载LIDAR数据的树高识别算法与应用分析

利用机载激光雷达数据提取天然次生林的树高,旨在探索影响树高提取精度的主要因素。首先,采用高精度曲面建模平差算法(Adjustment Computation of High-accuracy Surface Modeling,HASM-AD)生成研究区不同空间分辨率的数字高程模型(Digital Elevation Model,DEM)、数字地表模型(Digital Surface Model,DSM)和冠层高度模型(Canopy Height Model,CHM);其次,用树顶点识别算法提取林木树高,设置不同树高识别范围,对比分析不同CHM分辨率和不同树高识别范围对树高提取精度的影响;最后,以天涝池流域30个实测样地数据为样本,对提取精度进行检验。结果显示：提取的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.694;树高识别范围是影响树高提取精度的重要因素,CHM分辨率对其影响较小。研究表明,采用高采样密度的雷达点云数据、正确选择CHM生成方法和改进树顶点识别算法是提高天然次生林树高提取精度的有效途径。     

结合TRMM数据的区域降水高精度曲面建模研究

高精度曲面建模方法（High Accuracy Surface Modeling, HASM）,从理论上解决了传统方法在插值过程中峰值削平和边界震荡等问题。其模拟精度相对于经典插值方法有很大提高,已成功应用于人口密度、土壤属性,以及气候要素等领域的空间制图。然而,由于地面气象站点数量和分布的限制,使得HASM仅依靠站点数据难以得到高精度的空间降水估计数据,因此,本文以地貌与气候类型复杂多样的我国中西部地区2010年年降水量空间分布模拟为例,采用混合插值法进行HASM区域降水模拟。结果表明,TRMM作为背景场的HASM模拟的年降水量精度,在全局和局部明显优于IDW、Spline和Kriging等经典插值方法的结果,作为背景场的HASM模拟精度,MAE和RMSE分别为125.15 mm和155.80 mm,其他方法最好的模拟结果比其误差值分别高出53.6%和54.5%;其模拟误差在不同子区域都较小;各种方法在平原的精度都高于山区的精度。     

基于GPU的HASM动态模拟与实时渲染方法

 基于微分几何曲面论的高精度曲面模拟(high accuracy surface modeling, HASM)需要大量的复杂密集计算,在CPU上模拟极为耗时,使得在现有的硬件条件下,实时动态模拟曲面并实时可视化极具挑战性。论文提出了GPU加速的HASM方法,充分利用现代显示适配器(graphic processor unit, GPU)技术,运用GPU最新发展起来的并行计算能力,使用并行化的预处理共轭梯度方法解算曲面,完成曲面模拟,并同时利用GPU的高速缓存架构,对渲染操作进行充分优化,以实现高效实时可视化。HASM需要的有限差分离散和高速解算操作,均充分利用现代GPU架构,所具有的多处理器和众多的流处理器所产生的强大并行计算能力,可视化也用GPU高速缓存技术和三角条带方法进行充分优化。数值实验和实际项目区高程模拟实验均表明, 在GPU为NVIDIA quadro 2000和CPU为DualCore Intel Core 2 Duo E8400的硬件配置下,GPU并行化的曲面模拟方法比普通方法速度提高了约10倍,使得动态模拟与可视化算法可以达到交互式的帧速及实时可视化的要求。     

基于似大地水准面格网的插值方法及精度分析

影响由似大地水准面模型进行GPS高程转换的因素有两个：GPS点大地高的测量精度和该点内插高程异常的精度。利用模拟以及某一区域似大地水准面模型比较了反距离加权插值、线性插值、谢别德插值以及切比雪夫插值方法用于GPS点高程异常内插的精度,结果表明：对于分辨率较高的似大地水准面,切比雪夫插值具有很好的内插效果。     

�����ƶ�������Ϸ�����GPS�߳�ת��

????GPS????????????????????????????????з????????????????????趨????????????????е???????????????????????棬?????????????е?????????????????????????????????????????????????????????????????У?????н???GPS????????     

�����������ƽ�������쳣��������г����

??????г????????????????????????????????????????????????????????????????????????????????????????????????????????????????????5????????????????г?????????????Stokes?????????￡????????????????????????г????????????????????????????????????????????     

���ڸ߾������潨ģ������SRTM��ȱ��ֵ��о�

??????????????3????Σ???9?????????????SRTM3??о????????????????潨???????HASM???????ú????????????SRTM30??SRTM3?????????????????????TIN??SPLINE??IDW????????????????????????????????SRTM30??HASM?????????????????????????????????????????????????????????????θ???????????????HASM???????HASM????θ????????????С???????????????????θ??????????????????HASM??С???????θ?????????????????SRTM30????????????θ???????????????SRTM30??     

���ڶ��������BP���������ģ�͵�GPS�߳��쳣���

??????????????BP??????????????????????????У?????????????????????????????????硣?????????????GPS?????????б?????,?????????????????????????????????????????????????????????????????????????????????????????????????     

EIGEN-CG01C用于GPS高程转换的精度分析

介绍了综合CHAMP、GRACE卫星数据和地面重力数据得到的最新重力场模型EIGEN-CG01C,利用GPS水准数据探讨了该模型用于GPS高程转换的精度问题,并同EGM96模型进行了比较。统计结果表明:在我国西部某区域(2000km×2000km)的范围内、点间距100km的情况下,该模型用于GPS高程转换的精度约0.7m;在我国中、东部的3个小区域算例中,该模型的精度分别约0.13m、0.05m和0.06m,均优于EGM96模型的精度。     

������С����֧��������������GPS�߳�ת�����

????GPS???????????ж??????BP?????????溯???????????????????????÷?Χ?????????????????????????????????С???????????????LSSVM??????????????????????LSSVM?????????????????С????????????????????С??????????С??????????в?????????????????????????????????????????????LSSVM????????????????????????????????????????????????????????????????LSSVM?????????GPS???????????     

����ƽ����Ϻ� BP��������Ϸ���GPS�߳�ת��

???GPS???????????????????????????y?????????BP?????編??????????????????????6????????????????????????????????????6?????????????????????????????BP?????編???????????3????????????????????     

�����쳣ƥ�䵼�����㷨ʵ����������

????μ???????????????????????????????????????????????????????????????????????Simulink???湤????????????????????????????????????????????仯???????????????????????侫????????????????????????     

�����Ŵ��㷨�Ż��ľ�����������ڿ���GPS�߳�ת���е�Ӧ��

????????????????????????????????????????????????????????????????????????????????????????????????????????