基层国土姿源管理存在的问题及对策

农村土地执法中难点成了制约基层国土资源管理的"软肋".在基层土地执法监察过程中,执法难、难执法、法难执成了一个司空见惯的怪圈.     

基于HJ-1B卫星数据的疏勒河上游流域地表温度反演

地表温度是描述地表和大气之间物质交换和能量平衡的关键参数之一. 利用疏勒河上游流域2010年7月25日过境的HJ-1B卫星数据, 采用修正的Jimenez-Mufloz&Sobrino普适性单通道算法反演了疏勒河上游流域的地表温度. 与MODIS LST产品的对比验证表明, 该算法在研究区有较高的精度. 同时, 对不同土地利用类型的地表温度的分析表明, 土地利用类型不同, 其地表温度存在一定的差异, 其中, 稀疏草地的地表温度最高, 裸岩次之. 研究发现, 在河流和冰川区, 修正的单通道算法可能高估了表面温度. 同时, 对模型反演所需的关键地表参数的敏感性分析发现, 算法在一定范围(0~0.01)内对比辐射率不太敏感, 但超过该范围则变得非常敏感, 而对大气水汽含量比较敏感. 因此, 一定程度上, 地表比辐射率和大气水汽含量的精度对HJ-1B卫星数据反演地表温度的准确性起主要作用.     

论GPS测量中的多径误差

多径误差是小区域(<3000km2)GPS点位测量的主要误差源。论述多径误差的简化模型和4种参数(卫星方位角、卫星高度角、截止高度角和时段长度)对多径误差的影响。     

诱发农村土地违法的常见心态及对策

当前,一些地区农村土地违法现象林林总总,违法事实不一而足.但从农村土地违法现象中把脉违法当事人心态,寻找诱发农村土地违法成因,进而有针对性地进行预防和惩治,就能减少和避免违法行为发生,守住耕地保护这条不可逾越的"红线".     

自组织优化分类的AUV地磁导航适配区选取

为确保水下自主航行器(autonomous underwater vehicle, AUV)地磁导航的可靠性及其航迹规划的合理性,提出了一种基于主成分分析(principal component analysis, PCA)和改进反向传播(back-propagation, BP)神经网络结合的候选地磁匹配区自组织优化分类方法。将候选地磁匹配区的分类问题统一在模式识别的框架下,首先,采用PCA对若干地磁图特征参数进行线性变换,获取独立的主成分特征参量;然后,利用遗传算法(genetic algorithm, GA)优化BP神经网络的初始权阈值来提高候选地磁匹配区适配性分类的准确性;最后,借助GA-BP神经网络来构建地磁图特征参数和匹配性能的映射关系,完成地磁适配区的自动识别。仿真实验结果表明,该自组织优化分类方法在地磁导航适配区选取方面具有较高的分类精度和可靠性,为AUV的高精度长航时自主导航提供重要保障。     

一种新的北斗卫星钟差预处理方法

为了提高卫星钟差预报的精度,针对钟差数据中量级较小的误差,提出了一种基于中位数的小波阈值法钟差数据预处理策略。首先,利用小波阈值方法将钟差数据进行分解,得到分解后的高频系数和低频系数。然后,利用中位数法处理各层影响阈值设置的高频系数,通过处理后的高频系数计算阈值,从而提高小波阈值法剔除小异常值的能力。最后,用北斗二号卫星钟差数据进行了验证,结果表明,利用所提方法处理后的钟差数据建模,小波神经网络（wavelet neural network,WNN）模型预报的精度提高约14.1%,预报稳定性提高约19.7%。该方法可以有效剔除钟差历史观测序列中量级较小的误差,改善钟差数据质量,从而提高模型钟差预报的精度。     

日照近岸海域晚更新世以来地层结构及沉积环境演化

根据在日照近岸海域施工的地质钻孔和浅地层剖面测量资料,对比南黄海已有钻孔成果,系统地开展日照近岸海域晚更新世以来地层结构特征识别和沉积环境演化重建。结果表明:日照近岸海域沉积地层中见含有有孔虫化石的第二海相层,形成年代介于34.3~41.4 cal.ka B.P.,对应MIS3的暖湿阶段,该层位可能与古三角洲有关。沉积层从上往下分别为:滨海相细砂混杂泥质沉积层(命名为DU1沉积单元);河流-河口相粉砂质黏土夹粗砂、粉砂层(DU2沉积单元);浅海相粉砂质黏土夹粗砂层(DU3沉积单元);河流-湖泊相粗砂夹黏土层(DU4沉积单元)。晚更新世以来日照东部南黄海海域主要经历了2~3次显著的海侵和海退,各区域因条件不同表现有所差异:日照近岸浅水区主要表现为两次海侵和海退,东部深水区主要表现为三次海侵和海退,由于地势高低和侵蚀破坏等原因,总体表现为从离岸深水区域向近岸浅水区域海相地层厚度逐渐减少的趋势,部分地层出现尖灭消失。     

基于解析字典的图像压缩方法

随着高分辨率图像采集技术的发展,采集图像的数据量大幅增加给图像的压缩、存储和传输带来了严重的挑战。近年来,压缩感知理论以能够通过少量观测信号高精度重建原始信号的优势给图像压缩带来了新的思路。目前压缩感知理论的研究主要集中于综合模型,然而综合模型下图像数据的稀疏表示却存在着计算量大、耗时长的问题。提出了基于解析字典的图像压缩模型。在分析综合模型字典学习方法的基础上介绍了解析模型字典学习的流程,然后详细分析了基于解析字典的图像压缩的总流程。以标准测试库自然图像为数据对模型的重构质量和系统耗时进行了分析,结果表明,本文所提模型在采样率相同的情况下,相对其他模型不仅能够缩短系统的耗时,也提高了图像重构的准确性。