板块运动几何模型的比较

基于空间大地测量数据建立板块运动的欧拉矢量具有更优的现势性。本文对其计算的3种几何模型进行了理论分析,并且利用IERS发布的ITRF2000速度场数据对上述3种几何模型进行了比较。结果表明,3种几何模型得到的板块运动的欧拉矢量具有统计一致性。但是,由它们得到的板块运动的欧拉矢量最大差异约1 mm/a,整体旋转量最大差异约0.2 mm/a,这对于高精度的大地测量和地球动力学应用影响显著。朱文耀等采用的几何模型更加合理,拟合精度更高,因而建议利用该模型进行板块运动欧拉矢量的拟合。     

多卫星传感器南海叶绿素a浓度遥感数据融合

利用平均法、生物光学模型法和最优插值法3种数据融合方法对卫星传感器MODIS-Aqua、MOIDS-Terra及MERIS获取的南海叶绿素a浓度的数据进行了融合,通过比较融合产品的质量,对3融合方法进行了评价。(1)利用现场测量的南海遥感反射率和叶绿素a浓度数据建立了南海叶绿素a浓度的反演模型,并应用于MODIS-Aqua、MOIDS-Terra及MERIS Level 2反射率数据,获取南海叶绿素a浓度。(2)将平均法、生物光学模型法、最优插值法分别应用于上述3颗卫星的叶绿素a数据进行数据融合,并用现场测量的同步叶绿素数据对融合后的产品进行了印证。(3)利用3种融合方法分别对南海2011年MODIS-Aqua、MODIS-Terra和MERIS等3个传感器的叶绿素a数据进行了月融合,分析了融合的南海叶绿素a浓度的时空分布特征。结果表明,融合数据大幅度提高了空间覆盖率,且具有较高可信度。平均法、生物光学法和优化插等3种融合方法性能有较大的不同,生物光学法具有高的运行速度,但有时空间覆盖率仍不能满足要求;优化插值法具有高的空间覆盖率,但其运行速度较慢。因此,在具体应用中,应根据需求选择合适的融合方法。     

CGCS2000与城市坐标系转换方法的比较

讨论了平面四参数模型、仿射六参数模型和多项式逼近3种坐标转换模型,利用某城市实测数据对这3种模型进行比较与分析。结果表明,当城市坐标系存在一定系统误差和局部变形时,采用多项式逼近法可以提高坐标转换精度,要优于另外2种模型。     

高光谱遥感异常目标探测方法性能对比分析

本文利用高光谱遥感异常目标探测理论,探讨了目前已有的几种异常目标探测方法;通过对3组数据进行试验,并从探测率和虚警率、ROC曲线及其下的面积及算法的运行时间,对几种异常检测算法的检测性能进行对比分析;最后基于统计模型和基于表示模型对3组数据的检测效果进行对比分析,从而得出适合于不同数据的检测方法,为高光谱遥感异常目标探测提供更多的支持。     

高分辨率遥感卫星传感器严格成像模型的建立及验证

本文对高分辨率遥感卫星传感器严格成像模型进行了深入研究。分析了星载线阵CCD传感器严格成像模型的一般建立方法与过程,针对SPOT 5 HRS/HRG、ALOS PRISM、资源三号TLC等典型的高分辨率遥感卫星传感器特点,分别给出了3种改化的严格成像模型;设计了基于光束法区域网平差的模型验证方法。利用登封遥感实验场区域的3种卫星影像及相关辅助数据,对严格成像模型的正确性进行了验证。结果表明3种改化模型可有效实现卫星影像的平差定位。     

基于辅助数据的遥感干旱分析

介绍了当前用ＮＯＡＡ ＡＶＨＲＲ进行土壤湿度监测的３种主要关系模型,详细分析了 解算过程。利用地面实测数据对３种模型进行验证,同时利用该地区其他辅助数据对不同程度干旱的分布及孕灾环境进行了分析。     

顾及周期性误差修正的加权平均温度模型构建

针对目前多数大气加权平均温度(Tm)模型没有考虑季节性影响这一问题,该文首先利用IGRA 2005-2010年全球探空数据,分别建立了各探空站点与地表温度有关的线性Tm模型、与地表水汽压有关的指数Tm模型以及与地表温度和水汽压均有关的混合Tm模型。然后以探空站积分Tm值为参考,对上述3类模型的误差时间序列进行了分析,发现这3种模型均存在周期性误差,并在此基础上构建了考虑周期性误差修正的3类Tm新模型。利用2011-2014年全球探空数据对3类新模型进行精度验证,结果表明:3类Tm新模型的精度相比于原模型均有所提升,模型的周期性误差影响基本得以消除,且3类Tm新模型的精度基本一致。     

对流层延迟模型对GPS高程时间序列的影响分析

介绍了GPS数据处理过程中目前世界上应用比较广泛的3种对流层延迟模型GPT/GMF、GPT2和ECMWF/VMF1,在3种不同的模型下进行GPS数据解算,对3种模型下测站高程方向时间序列进行比较。通过解算对比,发现3种不同模型对测站高程方向的影响均为mm级,且不同模型之间也存在着差异。通过对3种模型对比为以后GPS数据解算中选择合适的对流层延迟模型提供参考。     

GPS精密单点定位中对流层延迟模型改正法与参数估计法的比较

对GPS对流层延迟改正的两种方法——UNB3模型改正法和参数估计法进行深入的探讨。在精密单点定位程序中,分别利用两种方法对IGS跟踪站数据进行坐标计算。结果表明,参数估计法在高程方向上的精度优于UNB3模型改正法,平面坐标精度相当;UNB3模型改正法在收敛速度上略优于参数估计法。     

异常值对钟差预报模型的影响分析

为了分析异常值对钟差预报模型的影响程度,首先,通过对钟差数据进行绘图分析来识别钟差数据中的异常值;其次,利用中位数法(MAD)和一种基于中位数的小波阈值法钟差数据预处理策略(WMAD)分别对钟差数据中的异常值进行处理;最后,利用处理前、后的钟差数据建模预报钟差,并分析各模型预报的效果。结果表明:较小的异常值对二次多项式和灰色模型2种模型预报的效果影响不大,但会影响时间序列、卡尔曼滤波及小波神经网络3种模型的预报精度。     

全国干旱遥感监测运行系统的研制

该研究利用1981－1994的NOAA AVHRR 8km分辨率的NDVI资料，以及对应时段全国102个固定农业观测站的20cm深的土壤湿度资料，建立了植被状态指数（VCI）与土壤湿度之间的统计模型，由土壤湿度旱情等级标准来换算出每旬用VCI进行干旱监测的旱情等级标准，以确定出全国的旬旱情分布状况，在此工作的基础上建成了“全国干旱遥感则运行系统”，该运行系统使遥感手段监测全国干旱成为可能，将能提供每年3－9月每旬全国的干旱监测情况，为国家有关决策部门提供干旱减灾的决策依据。     

在GIS支持下用NOAA/AVHRR数据进行旱情监测

旱灾是影响农作物生产的一种重大自然灾害,它对中国北方春小麦生产的影响极大。本文介绍了一个应用遥感、ＧＩＳ技术对黄淮海平原春小麦的旱情进行监测的系统及其方法。它综合使用的ＮＯＡＡ／ＡＶＨＲＲ数据、地面气象资料和地图,选用作物缺水指数（ＣＷＳＩ）模型和热惯理模型对旱情进行监测。监测结果分别用分县的旱情等级分布图和相应不同等级的旱情面积、面积比例数统计表来表示。该系统自１９９４年起投入运行３年,监测结果     

气象卫星条件植被指数监测土壤状况

本文介绍用1985-1991年NOAA卫星标准化植被指数(NDVI)资料进行处理生成的条件植被指数(VCI),研究我国土壤的湿度状况,并阐述了应用VCI,结合常规资料进行综合分析,监测由于干旱或大范围洪涝所造成的宏观植被状况变化的情况。研究结果表明,用气象卫星资料可以对我国的干旱、洪涝状况进行宏观动态监测。     

气象卫星NOAA/AVHRR数据在旱涝灾情动态监测研究中的应用

本文主要叙述了气象卫星NOAA/AVHRR数据在旱涝灾情动态监测研究中的应用。作者采用第4、2、1通道(CH4、2、1)彩色合成图像作为定位判读覆盖云量和农作物长势、旱涝灾情的依据,用CH₁、CH₂通道反射率数据构成的归一化植被指数(NDVI)作为农作物长势、旱涝灾情的定量判读标准,对河南省1987年夏涝、1988年夏旱及1989年小麦生长期旱情进行了动态监测。研究结果表明,应用NOAA/AVHRR数据,可以准确地确定旱涝范围,划分旱涝等级,量算旱涝面积,定量地监测灾情变化趋势,取得明显的效果。     

天然草地牧草产量遥感综合监测预测模型研究

利用天然草地牧草光谱观测资料、牧草产量资料、气象资料和NOAA／AVHRR资料，建立了天然草地牧草产量光谱植被指数和卫星遥感监测模型、气监测模型，提供及时准确地掌握牧草产量变化的科学手段。建立了天然草地牧草产量遥感预测模型及气象预测模型，可以根据需要提供不同时效的卫星遥感预测结果和气象模型预测结果。气象模型精度较高，但气象站点有限，往往以点代面；遥感技术宏观性强，空间信息丰富，可以弥补气象模型的不足；两者既可以互相验证，又可以取长补短。1995年以后服务表明，这些模型达到牧业气象业务服务的要求。     

中国陆地1km AVHRR数据集

介绍了中国陆地范围的长序列AVHRR数据集及处理方法。数据处理链包括辐射标定、导航定位、几何精纠正、云检测、大气纠正、双向反射纠正以及多时相数据合成等一系列过程。大气校正采用SMAC方法．利用每日的大气参数对臭氧、瑞利散射、气溶胶和水汽柱等4个主要大气因子的影响进行了纠正。利用地面能见度和水汽压信息反演气溶胶光学厚度，利用最大植被指数法合成旬数据集。完成了1991-2003年的AVHRR数据集处理，形成了标准的数据集。     

Wheat growth profile: satellite monitoring and crop yield modelling

The most important advantage of the low resolution National Oceanic and Atmospheric Administration’s Advanced Very High Resolution Radiometer (NOAA AVHRR) data is its high temporal frequency and high radiometric sensitivity which helps in vegetation detection in the visible and near-infrared spectral regions. In areas where most of the crop cultivation is in large contiguous areas, and if the AVHRR data are selected for time period such that the crop of interest is well discriminated from other crops, these data can be used for monitoring vegetative growth and condition very effectively. The present study deals with the application of AVHRR data for the monitoring of the wheat crop in its seventeen main growing districts of the Rajasthan state. The fourteen date AVHRR data covering the entire growth period have been used to generate the normalized difference vegetation index (NDV1) growth profile for the crop by masking the non-crop pixels following the two-date NDVI change method. The growth profile parameters and other derived parameters, such as post-anthesis senescence rate and areas under the entire growth profile or under selected growth periods have been related to the district average wheat yield through statistical regression models. Various methods adopted for wheat pixels masking have been critically evaluated. It is found that the wheat yield can be predicted well by the area under the profile in different growth periods.     

中国主要牧区雪灾遥感监测评估模型研究

该文以中国雪灾高发区的西藏那曲地区为例，主要介绍了在试验区雪灾背景数据库支持下，利用ＮＯＡＡ／ＡＶＨＲＲ卫星遥感资料对雪灾进行判别，预测及对灾情损失进行综合评估的一些技术和方法，其内容包括：（１）用于雪灾危险等级分析与判定的判别模型；（２）用于灾情发展趋势模拟与预测的预测模型；（３）用于灾情损失综合评估与估算的评介模型。并运用这些模型对１９９５年２－３月发生在西藏那曲的雪灾进行实时分析，其结果和实     

基于ENVI／IDL的AVHRR1B数据格式读取与预处理软件模块开发

NOAAAVHRR提供的1B数据,是以一个文件存储图像数据和相关的辅助数据,目前的商用遥感图像处理软件大多无法直接读取与图像有关的定标、定位、太阳与传感器位置等数据,对图像的后续定量化处理与应用带来了困难。本文在深入分析1B数据格式的基础上,实现了基于ENV~IDL平台的1B格式数据读取与预处理模块开发,这对于AVHRR图像数据的应用具有重要的现实意义。     

利用神经网络方法提取水稻种植面积—以湖北省双季早稻为例

在利用NOAA数据提取水稻种植面积的过程中，由于其地面分辨率较低，存在大量混合像元问题，使得提取精度不够理想，该文基于神经网络方法即可以提供多源数据的输入，又不受数据分布假设限制的特点，从NOAA图像演算最能反应朋稻分布信息的绿度指数（NDVI）和日夜温差值，将其重采样，然后加入对水稻生产区域有重要影响的土壤类型，土地利用类型及高程分布等信息，以TM图像作为准直值进行分类，获得较为理想的湖北省双季早稻种植面积。