基于Kriging方法的负偏态分布数据的空间插值研究

Kriging插值方法的前提是数据符合或基本符合正态分布的假设,或通过对非正态数据进行正态变换,使其满足要求。但对于拖尾的负偏态分布数据,正态变换方法无法奏效,若直接对数据进行Kriging插值,精度较低。文中在对样本数据深入分析的基础上,借助GIS平台,从不同透视角度对数据进行趋势分析,利用二次多项式模型对数据进行全局趋势拟合,并对随机的短程变异进行Kriging插值,选取不同的变异函数模型进行拟合比较,最终确定最优的模型参数,达到较为理想的插值结果。     

时空数据插值的杨赤中滤波法

时空数据插值是时空数据分析的一项基础性任务,其核心问题在于建模时空自相关结构。当时空数据非平稳、分布稀疏时,现有方法难以准确建模时空自相关结构,直接影响了插值的精度与可靠性。本文基于空间域复合变量理论,采用几何学与统计学相结合的策略对时空自相关结构进行建模,提出了一种基于杨赤中滤波的时空数据插值方法。该方法首先耦合杨赤中滤波与时空积和模型,建立定量描述时空自相关结构的时空基本变化函数;然后,基于时空基本变化函数,构建满足最优线性无偏估计准则的时空数据插值模型。采用模拟数据、2000—2009年我国大陆区域年平均气温与2014年5月—2015年4月北京市日均PM_2.5浓度时空数据集进行试验验证,结果表明：本文方法的时空插值精度明显优于当前的3种代表性时空插值方法,且不需要时空平稳性假设,可以更好地适应分布稀疏的时空数据集。     

Kriging法在区域重力场插值中的适用性研究

由于重力观测网点位分布不均匀,密度不够,在精细刻画区域重力场变化时受到很大限制,因此需采用合理的插值算法。文中介绍Kriging插值算法和变异函数理论模型的基础上,结合陕西地区2011—2012年离散重力变化数据,利用最小二乘法得到各个理论变异函数模型的拟合参数,并将实验变异函数模型用于Kriging插值算法,同时综合考虑交叉验证精度统计、插值精度统计结果,以此来研究Kriging插值算法的适用性,研究结果表明:基于最小二乘法获得的球形模型、指数模型拟合参数精度高,高斯模型、对数模型精度最差;基于球形模型、指数模型的实验变异函数用于Kriging插值算法得到的插值结果精度最高、图像平滑自然、异常区明显,是一种适合陕西地区重力离散数据进行插值计算的有效算法。     

时序变差函数特征驱动下的月平均降水空间分布模拟

高精度降水场是水文、气象以及环境分析的重要数据支撑,直接影响相关服务的准确性。传统降水分布模拟大多依赖站点空间维的驱动因素,而忽略了降水时序变化特征对其空间分布的影响。使用2015—2017年中国湖北省83个国家气象观测站点和28个省级观测站点近3 a月平均累积降水资料,通过相关性分析,引入站点降水时序理论变差函数模型的拱高值(C)和块金值(C₀)作为影响因素,使用地理加权回归(geographically weighted regression, GWR)建立湖北省月平均降水分布模型。结果表明:（1）各站点降水的时序变差函数曲线与降水的季节性基本吻合。站点时序理论变差函数模型中,有25.3%能够在4个月内达到平稳,36.14%在6个月内达到平稳。（2）站点降水时序理论变差函数模型的C和C₀与逐年12月平均累积降水在0.01水平（双侧）上显著相关,平均相关系数分别为0.745和0.526,大于地理位置和高程对降水的影响。（3）引入C和C₀ 有助于提升GWR模型的整体拟合优度和插值精度。对比仅使用经纬度的GWR模型和引入时序理论变差函数特征的GWR模型,3 a平均整体拟合优度从0.852提升至0.912。验证集站点插值精度评价显示,3 a绝对误差、均方根误差和平均绝对百分误差下降幅度均大于60%。因此,引入时序理论变差函数特征的时空GWR模型能够获得较高精度的降水模拟结果,更适合具有丰富历史降水资料地区的降水空间分布估算。     

基于RASM的紧支撑径向基函数自适应并行地形插值方法

快速、准确地对地形进行重建以生成数字高程模型是地理信息表达的重要研究内容,径向基函数（radial basis function,RBF）作为一种插值性能较优的空间插值方法,特别适合于重建复杂的地形模型,但随着已知地形采样点数量的增加,RBF插值模型求解速度变慢,同时插值矩阵过于庞大而导致插值模型求解困难甚至求解失败。针对这个问题,本文基于区域分解和施瓦兹并行原理进行地形插值,以紧支撑径向基函数（compact support RBF,CSRBF）构建基于所有地形采样数据的全局插值矩阵,并自适应求解子区域CSRBF插值节点紧支撑半径,基于限制性加性施瓦兹方法（restricted additive Schwarz method,RASM）采用多核并行架构对各局部子区域的插值矩阵进行求解。以某地区数字高程模型（DEM）数据进行插值实验,结果表明,本文方法能够对大规模地形数据进行准确重建,并且具有较高的求解效率。     

空间分析中几种插值方法的比较研究

针对常用的空间插值方法在精度分析方面比较的不足,从地质统计学、数学函数和几何方法方面分别选取普通克里金插值法、三次样条函数法和距离权重倒数法进行插值精度的比较与分析。文章分析了各个方法的优缺点和局限性,选取疏密差异较大的均匀和不均匀离散点数据进行实验,利用三次趋势面模型和MATLAB,ArcGIS,GS＋Version等相关软件进行分析与处理,得到三种方法在局部插值误差方面的变化规律,同时为使用插值方法的用户提供一个最优的选择方案。     

球坐标多面函数空间数据插值方法研究

针对目前球坐标多面函数主要局限于球面任意区域对应的最优内部球层参数难以精确计算的问题,该文提出了利用Delaunay三角剖分技术的任意单连通区域球面面积的数值计算方法,解决了球坐标多面函数对球面局部空间数据插值的参数计算问题。为了评估球坐标多面函数对局部区域离散数据的插值精度,利用分布在120°～135°E,18°～28°N的843个大地水准面高程数据建立了两种坐标系的多面函数模型。均方根误差统计结果显示,球坐标多面函数模型的插值精度及稳定性均优于笛卡尔坐标模型。将球坐标多面函数模型分别与几种常用插值方法进行的插值结果精度对比,结果显示该模型仍然具有较好的精确度与稳定性。     

基于半变异函数的土壤有机碳空间预测方法

基于半变异函数原理,通过GS+和Variowin确定最优模型,对土壤有机碳进行空间预测,同时与反距离加权方法的空间插值结果进行预测精度和模型拟合效果对比。结果表明,基于半变异函数的土壤有机碳空间插值的均方根误差RMSE最小,比反距离加权方法提高了14%,预测精度和空间模拟效果要高于反距离加权方法的预测结果。基于半变异函数的空间插值方法要更适合土壤有机碳数据的空间预测,为其他土壤数据空间准确预测提供支持。     

EBK算法中半变异函数模型对DEM插值精度差异性研究

针对经验贝叶斯克里金(EBK)插值算法中的不同半变异函数模型对不同地貌地形的适应性问题,分别选取了平原,山地和丘陵三种不同地貌样区,进行空间插值试验研究。首先,选取不同地貌类型数据,获取离散高程点数据;然后,对数据进行预处理,通过GS模块分析地形数据中是否分态分布,是否存在趋势等;最后,通过经验贝叶斯克里金方法选择不同的半变异函数模型对不同地貌数据进行插值,以均方根误差为精度指标,比较分析EBK方法中不同半变异函数的适应性。分别选择径向基函数插值方法和普通克里金插值方法两种不同的插值方法作为对比,分析与EBK算法的插值精度的差异性。实验结果表明:在默认参数设置情况下,EBK算法效果更好,误差更小,精度更高。     

基于克里金法重力数据插值的研究

分析了变异函数的五种理论模型,采用了各种模型进行插值计算,实现了对我国某区域重力异常数据进行空间插值。     

变分法遥感影像人工地物自动检测

人工地物（建筑物、道路、桥梁等）检测是目标识别的一个重要组成部分。本文将人工地物检测转换为能量泛函数最优化问题。首先对遥感影像进行超像素分割,综合图像的颜色、纹理、梯度等信息,以超像素为单元计算图像的显著度信息,然后构建一个包含显著性约束、面积和边界约束、纹理约束及灰度方差约束的能量泛函数,通过变分法迭代求解能量泛函最小值,获取目标前景部分即为人工地物区域。本文以重庆和广东某地的遥感影像数据为例对算法进行验证,将其与常见的人工地物目标提取算法,如C-V模型、MRF模型,以及当下研究较为热门的深度学习算法进行对比。试验结果表明,该算法能有效地检测出遥感影像中的人工地物区域,并保证较低的误检率及漏检率。论文对该方法与深度学习方法进行了一定的分析对比。     

Sigseg: a tool for the detection of position and velocity discontinuities in geodetic time-series

The detection of discontinuities in geodetic data is an ever more important topic due to both the influence of discontinuities on the results of models and analyses, and to the very meaning of discontinuities in physical phenomena. We consider and describe a mathematical model, originally formulated for the approximation of images by smooth functions, in one dimension (1D). The model had been designed to smooth the data while preserving and detecting its discontinuities following a variational approach. A second and more complex model for the approximation of images by functions with smooth first derivatives is also available. This second model had been designed to smooth the data while preserving and detecting the discontinuities of the data, but also those of the first derivative. Such interesting features suggest the chance to apply this second model to 1D geodetic data, in particular for the detection of discontinuities and velocity changes in position time-series rather than for signal smoothing. The sigseg (signal segmentation) program implements the two variational models in 1D and is presented with applications to geodetic data. The essential mathematical elements are sketched, and some details on the numerical implementation are given.     

M-估计法广义变分同化FY-3B/IRAS通道亮温

采用FY-3B/IRAS亮温资料进行广义变分同化研究。广义变分同化结合了经典变分同化和稳健M-估计两者的优点。区别于经典变分同化依赖于先前的质量控制并要求误差服从高斯分布,把M-估计法耦合到经典变分同化框架中,得到广义变分同化,其弱化了同化前的质量控制和误差服从高斯分布这两个条件。目标能量泛函包含M-估计以保证对离群值具有稳健性,从而能够得到较好的同化结果。对比变分同化前后的FNL资料湿度与GDAS湿度相关系数作为同化结果检验评价。具体操作过程在FNL作为背景场的基础上分别采用经典和M-估计不同的权重因子变分同化FY3B/IRAS资料,把得到的分析场与GDAS进行相关性比较,由于湿度具有较强的非高斯性,文中首先评估了安徽省13个站GPS/PWV和积分相关湿度廓线得到大气可降水量(即GDAS/PWV和FNL/PWV资料)的相关性,进一步基于信息熵自由度思想进行了近一个月IRAS 20个通道对分析场的影响贡献率诊断研究。     

基于高斯过程回归的变形智能预测模型及应用

岩体或建构筑物的变形通常具有复杂性和非线性等特性,一般的回归模型难以精确地进行回归预测,应用高斯过程回归理论对变形监测数据呈现出的非线性特征进行时间序列分析。考虑到监测数据的不断更新和累积,以及超参数与样本集的适应性,首先研究了“递进-截尾式”超参数自动更新模式和训练样本集的选择方法;在此基础上构建了以时间作为输入项的高斯过程回归变形智能预测模型（GPR-TIPM）;将该模型应用于矿山边坡监测点非线性时间序列分析中,通过分析变形趋势,最终采用Matérn 32和平方指数协方差函数相加的方式进行核函数组合。实验结果表明,采用组合核函数的预测性能较单一核函数有所改善,该方法提高了模型的泛化能力,GPR-TIPM模型在短期内的预测效果较理想。     

应用粒子群算法的遥感信息与水稻生长模型同化技术

在研究遥感信息和水稻生长模型的同化过程中, 最小化遥感反演与生长模型(RiceGrow)输出的水稻生长 信息差值绝对值时引入了一种新的优化算法-粒子群算法(PSO), 并对比了其与模拟退火算法(SA)的优缺点; 探讨 了叶面积指数(LAI)和叶片氮积累量(LNA)分别作为同化参数时的同化效果。结果表明, PSO 无论是从同化效率还是 反演精度上都要好于SA, 粒子群优化算法是一种可靠的遥感与模型同化算法; LAI 和LNA 作为外部同化参数时各 有优势, LAI 作为同化参数可获得较准确的播期及播种量, 而LNA 作为同化参数可获得更为准确的施氮量信息。但 是LAI 作为外部同化参数时的反演结果总体要优于利用LNA 作为同化参数时的反演结果。利用试验资料对该技术 进行了测试和检验, 结果显示反演的模型初始参数的平均值与真实值的相对误差(RE)均小于2.5%, 均方根误差 (RMSE)为0.7—2.2, 产量模拟值与实测值之间的相对误差为5%左右, 模拟与实测相关指标值吻合度较高, 该同化 技术具有较好的适用性。从而为生长模型从单点扩展到区域尺度应用奠定了基础。     

基于多源遥感数据的生态系统服务功能时空演变趋势分析

研究区域生态系统服务功能的时空演变趋势,有助于揭示人类活动或气候变化对该区域生态环境的影响,从而为生态系统服务功能的保育和管理提供依据.本文以淮安市为研究区,通过在时间维上拓展生态系统服务功能重要性评估的遥感指数法,计算了2000—2018每年的水源涵养、水土保持和生物多样性维护功能,并利用Mann-Kendall非参...     

进化多核相关向量机的大坝变形预测

针对大坝变形系统的非线性、复杂性以及不确定等特点,提出一种优化多核相关向量机的大坝变形预测模型方法。通过对实验数据进行归一化处理,核函数的加权组合以及遗传算法对模型参数的优化,建立遗传算法优化多核相关向量机的大坝变形预测模型。实验结果表明:数据归一化能归纳统一样本的统计分布性,加快梯度下降求解最优解速度和提高预测精度;优化的加权核函数能有效提高模型预测精度;各项精度指标值均优于BP神经网络方法、多项式核相关向量机方法预测精度,证实优化的多核相关向量机模型是一种精度较高的大坝变形预测方法。     

遗传算法在甲流SIR模型参数求解中的应用

论文以全国甲型H1N1流行性感冒（下简称甲流）疫情数据为实例,讨论了采用SIR模型对甲流的传播过程进行模拟时相关参数的求解问题。分别通过优化的遗传算法（Genetic Algorithm,GA）和模拟退火算法（Simula-ted Annealing Algorithm,SA）求得该非线性模型中的重要参数阈值（日治愈率与日传染率的比值）,并由该参数阈值计算出各月患病人数。论文比较分析了两种算法在精度和效率上的优劣,发现遗传算法优于模拟退火。同时模拟结果验证了SIR模型适合甲流疫情的分析模拟。     

顾及降雨影响的动态优化时滞时序GM(1,2)模型在滑坡位移预测中的应用

滑坡体除了因自身重力产生位移外,还受到降雨的影响,但通常降雨对滑坡位移的作用具有滞后性。为了分析并预测降雨对滑坡位移的影响,本文提出一种顾及降雨影响的动态优化时滞时序GM(1,2)滑坡位移预测模型。首先,利用经验模态分解(EMD)分解位移序列并通过时间序列重构得到周期位移序列和趋势位移序列,对降雨数据和滑坡周期位移序列进行时滞分析和相关分析,确定时滞时间和影响程度,建立基于背景值优化的动态时滞GM(1,2)模型预测降雨量变化导致的滑坡周期位移变化;然后,建立门限自回归模型预测滑坡趋于自然变化的趋势位移;最后,通过时序叠加得到顾及降雨影响的滑坡预测位移,建立了顾及降雨因素的动态优化时滞时序GM(1,2)组合预测方法。本文以福宁高速公路八尺门滑坡和秭归县八字门滑坡监测数据为例,验证了动态优化时滞GM(1,2)模型的精度,并与其他模型的预测结果进行了对比分析。试验结果表明,动态优化时滞时序GM(1,2)组合预测模型能准确地预测降雨影响导致的滑坡位移变化,预测效果较好,该组合模型对滑坡灾害的预警与防治具有一定的参考价值。     

L1范数和分裂Bregman的遥感影像变分融合模型

目前,一些基于变分的Pan-sharpening方法是通过梯度下降法极小化能量泛函来实现融合,但梯度下降法在靠近极小值时收敛速度会减慢。若变分模型中包含有L1范数的不可微项时,梯度下降法存在鲁棒性不高、计算复杂的问题。该文根据L1范数能保持图像的几何纹理、分裂Bregman对含有L1范数的泛函收敛速度快的特点,在已有的变分模型基础上,将L1范数加入到模型中,构建能量泛函代价函数,并通过分裂Bregman迭代极小化能量泛函。在Worldview-2数据集上的融合结果表明,该方法可以生成同时具有高光谱和高空间分辨率的图像。