利用GPS与环境负荷形变数据研究台风引起的垂向地表位移

台风造成的强降雨、低气压、海面高度变化均会引起地表的形变.本文利用中国大陆构造环境监测网(陆态网)7个GPS台站每日的垂向位移和环境负荷形变模型分析2018年9月10—26日台风"山竹"期间不同负荷引起的区域垂向地表形变.结果表明,台风期间大气负荷和非潮汐海洋负荷垂向形变最大分别达到5.1 mm和-9.2 mm.模型能较好地反映河流区域地表水文负荷变化造成的垂向形变,但不同模型之间存在系统偏差.由于缺少地下水等信息,模型反映负荷长期形变效应的效果不佳,且形变的量级明显小于GPS观测的结果.迅速增加的水文负荷使北海GPS站从开始下沉到最低点(-15.6 mm)5天的下沉量达到25.7 mm;珠海、广州GPS站均观测到河流汇水作用造成地表的二次下沉,且珠海站一周后才抬升到正常位置;湛江和北海GPS站能较好地反映河流水位变化,相关系数分别为-0.66和-0.50.研究结果表明,相比于形变模型,GPS能更有效地监测台风短期水文负荷形变,可为台风洪水等灾害监测与预报提供有用的信息.     

新疆地区Emardson大气水汽转换系数的适用性分析

利用积分法计算新疆地区9个无线电探空站2009～2013年的大气水汽转换系数K,将其作为真值,通过选取相同纬度、不同高程的探空站,分析Emardson模型对高程和时间的适用性;并均匀地选取5个探空站,逐年增加样本数据,解算不同样本的模型参数,建立对应的Emardson模型,预测其余4个探空站2014年的K值,验证Emardson模型在时间上的适用性。研究表明：1）在新疆地区,Emardson模型对高程和时间有较好的适用性;2）在时间分布上,增加样本数能在一定程度上提高Emardson模型的精度。     

��������CORS���춥�������ӳ�4D��ģ�о�

????????CORS???ο????????????????????????????????????????????λ???й??????????????????????????CORS??????????????????????????????????????????????????????????????????????????????8.5 mm??????????????????????????????????????????????????????????????????????????PWV????????????????1.5 mm??     

新疆地区GGOS Atmosphere加权平均温度的精化

绝大多数地基GPS站观测时未进行测站上空气象观测,导致无法获得精确的大气加权平均温度(GTm),限制了地基GPS遥感水汽的应用。基于此,本文分析了利用GGOS Atmosphere Tm格网数据获取新疆地区加权平均温度（Tm）的方法。利用无线电探空资料评估由GGOS Atmosphere加权平均温度格网数据计算得到的GTm的精度,通过考虑季节和地理变化的精化模型对GTm进行改正。结果表明,利用平均值插值方法得到的GTm经过精化模型改正后,可以满足新疆地区地基GPS精密遥感水汽的要求。     

创新创业教育与专业教育相融合的测绘工程专业人才培养模式探讨

以培养符合社会需求的人才为目标,将创新创业教育与人才培养体系、专业课程体系、专业课程体系、教学和实践平台深度融合,从而构建了多学科交叉、整合优化教学和实践资源,集业务素养、创新创业教育、产学研结合等为一体的高度融合的人才培养体系,培养具备较强的创新创业能力的应用型测绘类人才。     

最小二乘曲线拟合在变形监测中的应用

对变形测量数据进行分析,运用最小二乘曲线拟合的方法,得到了拟合多项式和拟合曲线,并评定了精度。最小二乘法是带有测量数据误差的曲线拟合中一种有效的方法。     

基于ARIMA与Holt-Winters组合模型的电离层TEC预报

分别采用时间序列中的求和自回归移动平均模型ARIMA(Autoregressive integrated moving average)模型和指数平滑模型Holt-Winters的加法模型,对IGS站发布的广西地区16个格网点进行短期的电子含量TEC预报。并利用组合权重的方法对两种模型组合进行TEC短期预报。分析比较不同季节各个模型的预测效果,以及电子含量的变化与太阳黑子数变化之间的联系。结果表明,组合模型的预测精度在各个季节都优于两种单一模型,不同季节,太阳黑子数的含量和电离层电子含量预测的精度也有较大差异。     

基于SSA-LSTM的短期电离层TEC组合预报模型

针对电离层总电子含量(TEC)时间序列具有高噪声、非线性和非平稳的特性,在奇异谱分析基础上,融合长短期记忆神经网络模型构建短期电离层组合预报改进模型,并对磁暴期、磁平静期的电离层TEC预报精度进行分析。结果表明,在磁暴期和磁平静期,该模型预报3 d的TEC相对精度分别为91.17%和95.46%,比单一LSTM模型分别提高4.92百分点和3.17百分点。     

变分模态分解和机器学习融合的GNSS-IR土壤湿度反演

针对如何有效去除GNSS-IR土壤湿度反演中卫星信号噪声比例高、地表粗糙度带来的散射影响等问题,建立了一种将变分模态分解与BP神经网络相结合的模型,该模型利用变分模态分解自适应与非递归的特点来替代传统的多项式拟合法,从而有效提高反射信号提取精度;并利用BP神经网络的非线性映射能力进行后期预测,与传统线性回归进行对比分析。利用PBO H₂O的土壤湿度作为参考依据,以2016年PBO 783测站的GNSS数据为基础建立模型并评估分析。实验结果表明：结合变分模态分解与BP神经网络的土壤湿度模型反演结果与参考数据在大体趋势上基本一致,其均方根误差为0.014,决定系数R²为0.951,对比单星线性回归模型提升了42.79%,证明了该方法确实能够有效提高反射信号质量及抑制地表粗糙度影响从而提高土壤湿度反演精度。     

HHO-LSSVM算法在匹配地面点云孔洞修补中的应用研究

针对无人机匹配点云经地面点滤波后会存在较多孔洞的问题,提出利用哈里斯鹰算法(harris hawks optimization, HHO)优化最小二乘支持向量机(least squares support vector machine, LSSVM)来进行地面点云孔洞修补。首先利用八叉树结构法对滤波后点云数据进行地面特征点提取,其次采用哈里斯鹰算法对最小二乘支持向量机中的核参数和正则化参数进行优化,并利用组合算法构建匹配地面点云孔洞修补模型。实验结果表明,与单一最小二乘支持向量机相比,组合模型的孔洞修补精度提高了22.3%,其稳定性也得到增强,具备一定的时效性及现实性。