大地测量与测高资料的垂线偏差解算与分析

针对卫星测高资料是海洋大地水准面、垂线偏差、重力异常等重力场参量反演的主要数据源。该文联合使用新近补充的Jason-2大地测量任务与HY-2B卫星测高资料,选取中国海及邻近海域(0°～40°N、100°～140°E)以及3个纬度带的10°×10°海域作为研究区域,根据交叉点处的观测时间、经纬度和大地水准面高计算垂线偏差方向分量,并采用XGM2019重力场模型进行检核分析。结果表明,Jason-2和HY-2B测高资料的垂线偏差解算精度可靠,其中HY-2B总体精度稍占优。由于低轨道倾角导致的地面轨迹分布方向及密度的差异,不同纬度带内Jason-2测高数据解算的垂线偏差东西分量精度随纬度的升高而显著提高。     

联合多代卫星测高数据建立高分辨率浙江近海垂线偏差模型

联合多代卫星测高数据,研究共线平均理论,在时域上削弱测高数据短波误差影响。基于EGM2008重力场模型及DTU10海面地形模型,采用沿轨迹加权最小二乘方法,确定浙江近海2.5′×2.5′分辨率格网点垂线偏差子午分量ξ和卯酉分量η,将所得计算结果与EGM96、EGM2008、ITG-Grace2010s模型值进行比较。结果表明:浙江近海垂线偏差模型与EGM2008模型的精度较为相近,在子午圈及卯酉圈上的RMS分别为±0.15320″、±0.63061″。     

同步激光测高数据的垂线偏差解算与分析

针对传统的垂线偏差计算过程中东西分量与南北分量差异过大的问题,提出了利用新型ICESat-2海面高数据获取高精度东西分量的方法,选定南中国海域(0°～23°N、103°～120°E)作为试验区域,基于ICESat-2 ATL12海表面高度数据产品进行垂线偏差解算.与此同时,采用XGM2019e_ 2159模型检核,对比同时间序列长度的Jason-2解算结果,分析了ICESat-2多波束同步观测模式的垂线偏差解算优势.数值试验表明:ICESat-2获取的海面高观测值精度优于传统雷达测高模式,计算的沿轨垂线偏差精度与Ku波段测高模式相当.ICESat-2中间束强波束的垂线偏差解算精度优于两侧强波束,并且多波束组模式首次提供了跨轨方向的同步观测数据,解算的跨轨垂线偏差精度可靠,可以提升垂线偏差东西向分量的确定精度.     

ENVISAT测高卫星沿轨大地水准面梯度的海洋垂线偏差法研究

研究了利用沿轨大地水准面梯度数据计算海洋垂线偏差的最小二乘法,首先对ENVISAT测高数据进行各项地球物理改正得到近似测高大地水准面,然后计算沿轨大地水准面的梯度,接着用最小二乘法计算格网垂线偏差东西分量和南北分量的平均值。最后,用该方法计算了南中国海区域及其邻近海域(4°N～25°N,104°E～120°E)的5′×5′垂线偏差南北分量和东西分量,其精度优于7″,并与EGM96模型计算的垂线偏差值进行了比较,证明了该方法的有效性。     

中国西太平洋海域1′×1′垂线偏差模型及精度评估

联合多种测高数据和重力异常数据,设计了观测点距离和测高精度融合的定权方法,采用最小二乘方法和Vening-Meinesz公式,分别构建了西太平洋海域(0°N—40°N,105°E—145°E)1′×1′网格化垂线偏差数字模型。选取两个不同特征区域,将垂线偏差的两个数字模型和EGM2008模型三者进行相互比较分析。结果表明:卯酉分量η的均方根差大于子午分量ξ的均方根差,海底地形复杂的南海特征区域的垂线偏差均方根差大于西太平洋中部的均方根差,构建的两个垂线偏差模型总体均方根差优于1.6″。     

基于逆Vening-Meinesz公式的测高重力中央区效应精密计算

为提高利用逆Vening-Meinesz公式反演测高重力中央区效应的精度,视中央区为矩形域,将垂线偏差分量表示成双二次多项式插值形式,引入非奇异变换,推导出了重力异常的计算公式。以低纬度区域2′×2′的垂线偏差实际数据为背景场进行了计算,结果表明,当中央区包含4个网格时,传统公式与推导出的重力异常计算公式误差的最大值大于1 mGal。推导出的公式可为高精度测高重力中央区效应的计算提供理论依据。     

联合多种测高数据确定中国边缘海及全球海域的垂线偏差

联合多种测高资料,基于EIGEN_CG01C重力场模型,采用沿轨迹加权最小二乘方法确定了中国边缘海和全球海域格网垂线偏差（IGG2006_DOV）,中国海域整体精度优于1.2″,满足了反演高分辨率、高精度海洋重力场对测高垂线偏差的精度要求。在南海海域,基于测高垂线偏差解算的重力异常与船测重力进行了外部检核,精度达到7.75 mGal。     

我国陆地垂线偏差精化计算

我国天文大地网与高精度GPS2000网进行联合平差时,为满足地面观测数据归算到WGS84椭球的需要,采用移去-恢复技术和高阶次地球重力位模型,应用全国重力资料和30″×30″数字地形模型,完成了参加联合平差的48 919个大地点的相应于WGS84椭球垂线偏差的精化计算,并用115个与天文点重合的GPS点的实测垂线偏差对计算结果进行了外部检验,得到全国垂线偏差子午分量的总体精度为±1.45″,卯酉分量的总体精度为±1.50″。     

地球重力场参数计算程序的设计与应用

根据地球重力场参数的计算模型,借助全球地球重力场模型EGM2008,利用Microsoft Visual Studio 2010面向对象的功能,设计和开发了可以计算任意点重力异常、高程异常、垂线偏差分量的计算程序,以德国地学中心(GFZ)研制的相关软件对程序的正确性进行了验证,以吉林省各城市的经纬度数据计算了对应的重力异常、高程异常、垂线偏差分量。     

联合多代测高数据建立中国海域重力异常模型

本文联合T/P数据、T/P新轨道数据、ERS数据、GFO数据、GeosatGM数据和ERS-1/168数据,用测高卫星记录点的位置信息直接计算沿轨大地水准面的方向导数,结合测线轨迹方向的方位角在交叉点处推求垂线偏差,然后利用逆Vening-Meinesz公式计算了中国近海(0o～41oN,105o～132oN)2′×2′格网分辨率的海域重力异常模型。将其与CLS_SHOW99重力异常模型比较,统计结果表示与该模型差异的RMS为8.15mgal,在剔除差值大于20mgal的点(剔除3.3%)以后,RMS为4.72mgal;与某海区船测重力异常比较的RMS为8.91mgal。     

融合GPS与强震仪数据实时监测瞬时地壳形变

针对强震仪与GPS各自的优点与缺陷,以2016年意大利Mw 6.0级地震为例,探讨了利用Kalman滤波融合GPS与强震仪数据实时监测中等强度地震引起的瞬时地壳形变的可行性与优势。Kalman滤波获取的位移波形以GPS数据作为整体趋势,细节部分用强震仪数据进行描述,融合后的位移波形精度较高,能够准确和细致地描述地震引起的地表动态形变;与此同时,Kalman滤波位移波形也能够准确地探测中等强度地震引起的同震永久阶跃;Kalman滤波位移波形的功率谱在低频部分与GPS位移波形的功率谱密度相似,在高频部分与强震仪位移波形的功率谱密度相似,表明Kalman滤波结合了GPS与强震仪各自的优点;交叉小波分析表明,Kalman滤波获取的位移波形与GPS、强震仪数据呈现较强的正相关性,小波相似值均在0.8以上。以上结果表明,融合GPS与强震仪数据可以结合二者各自的优点,弥补各自的缺陷;融合GPS与强震仪数据可以有效探测中等强度地震引起的瞬时地壳形变。     

全波形LiDAR数据分解的可变分量高斯混合模型及RJMCMC算法

传统激光雷达(light detection and ranging,LiDAR)数据处理均采用固定数的波形分解方法,容易遗漏部分重叠的返回波,降低波形拟合精度。为了实现可变数波形分解,本文提出了一种自动确定波形分解数的方法。假定波形数据服从混合高斯分布,并以此建立理想的波形模型;定义用于控制理想模型与实际波形拟合程度的能量函数,用吉布斯分布构建或然率;根据贝叶斯定理构建刻画波形分解的后验概率模型;设计可逆跳转马尔科夫链蒙特卡洛(reversible jump Markov chain Monte Carlo,RJMCMC)算法模拟该后验概率模型,以确定波形分解数并同时完成波形分解。为了验证提出算法的正确性,分别对不同区域的ICESat-GLAS波形数据进行了波形分解试验,定性和定量分析结果验证了本文方法的有效性、可靠性和准确性。     

光谱遥感数据波形分析法的应用

本文利用傅立叶波形分析算法处理了光谱反射率数据,把不同地物的光谱分解为特征意义明确,信息内涵丰富,对各种地物可分辨性强的各次谐波分量。诸谐波分量的参数——波幅和初相唯一地决定了其对光谱曲线的贡献和构形位置。试验表明傅立叶波形分析算法可以成为处理各种成像光谱仪获取的超维图像的有效工具。     

机载激光雷达全波形数据与系统点云差异的定量分析

目前常用的小光斑机载LiDAR波形数据与系统点云数据的来源相关性较大,波形数据的优势难以严格定量地评价和比较。LeicaALS60机载LiDAR系统记录的全波形数据与点云数据相对独立,点云数据来自硬件系统脉冲探测方法,而波形数据是未加处理的原始回波序列。本文对原始波形数据进行分解获取发射脉冲的全部回波,与系统探测点云进行了定量对比,并选取典型林区和城区数据,得到波形在两种地物类型中垂直信息获取能力的定量表征参数。结果表明,波形数据对不同地物类型均能丰富垂直结构信息和提高点云垂直分辨率,且这种提高在林区表现优于城区人工建筑和裸地;激光对树木冠层的穿透能力更明显地表现在回波波形信息中,相较于传统点云激光雷达,全波形LiDAR在森林垂直参数获取方面潜力更大。     

机载激光雷达波形数据横向高斯分解方法

针对机载激光雷达波形数据分解易受噪声影响,高斯组分个数及叠加波初始参数估计不精确等问题,提出了一种横向高斯波形分解方法。该方法首先对波形进行滤波平滑处理,剔除背景噪声后,将检测到的波峰划分为不同的类型,分别估计其初始参数;然后横向逐步迭代分解估计初始高斯分量,在去除无效的初始高斯分量后,利用列文伯格-马夸尔特（Levenberg-Marquardt）算法进一步优化参数;最后解算得到分解点云。实验结果表明,该方法能有效地检测各种类型的回波信号,对叠加波形具有良好的适应性,并能在一定程度上保护弱波。相比系统点云,本文方法解算的点云在数量和细节上更具有优势,反映了更加丰富的地物垂直结构信息以及在森林参数获取方面的应用潜力。     

激光测高卫星波形饱和识别与测高误差改正初步研究

激光测高仪回波波形饱和现象客观存在,为增加可用激光点数目、提高饱和波形测高精度,本文提出了一种波形饱和识别与测高误差改正方法,首先,利用回波波形峰度系数对饱和波形进行识别,然后,针对饱和现象对波形高斯拟合的影响,计算高斯拟合波形与原始波形相交区域的形心位置,以形心位置差异确定因波形饱和导致的测高误差并改正。最后,采用ICESat/GLAS（Ice,Cloud and land Elevation Satellite/Geo-science Laser Altimeter System）在青海湖、纳木错、色林错采集的波形数据进行实验。结果表明,经本文算法改正后数据误差均值为0.03 m,大型湖泊区域可实现约0.05 m的测高精度,结合峰度的饱和识别方法可以对波形进行有效筛选,可发现GLAS遗漏的饱和波形,饱和改正算法可以有效改正波形饱和引起的测高误差,改正后精度明显优于GLAS提供的饱和改正结果,相关结论对高分七号卫星激光波形处理有一定参考价值。     

以交叉累积剩余熵为准则的星载激光测高仪大光斑波形数据与地形匹配法

提出了一种基于交叉累积剩余熵的星载激光测高仪大光斑波形数据与地形匹配方法。根据星载激光测高仪大光斑回波波形信号包含地形结构信息的特性,将激光回波波形数据和数字表面模型(DSM)投影到统计特征空间,建立数据的统计特征向量,消除数据间维度差异,以交叉累积剩余熵为相似性测度匹配波形数据与地形的统计特征。试验结果表明,本方法能够较好地实现激光回波波形数据与地形的匹配,匹配精度达到一个像素以内。     

长江口EnviSat测高数据的波形分类重构分析

采用波形分类重构算法处理EnviSat卫星从2002年10月至2010年5月在长江口近岸海域28°N~32°N、121°E~125°E范围内的波形数据。该区域内海洋波形、波形后缘前端出现峰值的波形、波形后缘后端出现峰值的波形、似镜面波形和复杂波形分别占89.03%、2.95%、0.45%、3.31%和4.26%。根据不同的波形类别采用不同波形算法进行波形重构。同时,分析了不同重构算法之间的系统偏差,并据此确定OCOG算法、Threshold算法和子波形算法的最优阈值水平分别为65%、45%和50%。重构结果表明,波形分类重构算法优于其他波形重构算法,能有效改善原始海面高的精度,改善程度在16.62%~53.86%之间。此外,重构后交叉点差值小于重构前的交叉点差值,与轨迹P089、P411形成的交叉点的海面高差值由1m降低到25cm左右,其余交叉点的差值均在2~6cm。     

多回波点云数据解算单株木叶面积指数

以行道树无患子为研究目标,采用地面激光扫描(TLS)技术提取单木分回波点云数据。获取全波形数据、单目标数据、首次回波数据、其余次回波数据,建立基于多回波点云的算法,利用消光系数法提取不同投影分辨率0.01 m、0.02 m和0.03 m的的单株树叶面积指数(LAI)。利用2维影像数据数字半球影像(DHP)和LAI2200提取对应单株树的叶面积指数,进行比较分析,以检验其精度。结果表明:点云投影的分辨率与激光回波都对LAI有极显著影响,其中分辨率为0.02 m和0.03 m的估算结果与LAI2200所得估算结果相近,且差异不显著;单目标回波数据用于LAI的解算,可以同LAI2200的2维影像数据结果进行相互验证。使用单目标回波数据,0.02 m投影分辨率可以最大程度的保证单株LAI的精度,其与LAI2200测定的数据进行截距为0的线性回归,斜率达到0.827。本研究所做多回波地面激光数据计算叶面积指数的算法拓展了地面激光扫描的应用领域,为立木生长量信息准确提取和树木精确建模提供了重要的技术参考。     

大光斑波形数据在土地覆盖分类的适用性分析

针对GLAS地学激光测高系统是冰、云和陆地高程卫星(ICESat)的唯一监测工具,能够记录地表光斑内的地物信息,是否能应用于黄土高原土地覆盖分类的问题进行了研究。利用粒子群和最小二乘法相结合的方法对GLAS波形数据进行高斯分解,获取高斯波个数、波形总能量、波形信号起始和信号结束位置4个波形参数;基于波形自动分类方法对黄土高原水体、森林、城市用地、其他地类(裸地、低矮植被等)进行分类。通过基于覆盖相同研究区域的30 m地表覆盖数据(Globe Land30),验证分类的准确性。结果表明,GLAS大光斑波形数据对黄土高原的4种地类能够很好地进行区分,总分类精度高达87.68%,Kappa系数为65.79%。研究表明,GLAS波形数据可以作为获取土地覆盖信息的有效数据源,为研究黄土高原土地覆盖变化提供更丰富的数据支持。