OGC CSW规范实现探讨

OGC CSW规范的实现,主要包括元数据信息模型建立、属性项映射、结果编码格式定义和软件实现,实现过程中需要注意参数格式标准化、参数约束条件、参数变化、元数据信息模型、名称空间以及该规范的局限性。介绍OGC CSW规范与目录服务标准及相关规范的关系,回顾该规范实现情况,结合全国测绘成果目录服务系统研发建立的工作实践,对OGC CSW规范的实现步骤和需要注意的问题进行讨论,并以全国测绘成果目录服务系统为例,介绍OGC CSW规范的应用效果。     

密度权稳健估计

利用观测量分布函数作为权函数的计算公式,分析了密度权法的抗差性和收敛速率,证实了用密度权法处理含粗差数据是行之有效的。     

上海光源准直测量工作的组织实施

根据上海光源工程亚毫米量级的准直精度及严格的安装进度要求,在准直测量过程中,将工程仟务进行分解,制订CPM汁划,对使用到的各种仪器进行合理分配,充分发挥仪器的性能特点,并对参与的相关人员进行合理组织,以保证获得优化的效率,保证了工程的进度和质量.     

基于庄河市空间大地全面控制网谈似大地水准面的确定及精度分析

介绍了通过布设足够密度且分布均匀的GPS水准联测点,建立庄河市辖区4086 km2的高精度、高分辨率的似大地水准面数学模型的原理和方法.     

秩亏水准网平差公式的一维表达式

秩亏水准网按附加条件法平差的法方程系数阵和参数先验权阵具有对称特性,利用此特性和水准网附加矩阵的特殊形式,以及文献［２］中给出的线性方程组未知数及其函数、系数阵逆阵计算的一维公式,可导出秩亏水准网按附加条件法平差的一维平差计算公式,使秩亏水准网平差计算和程序设计简单易行。     

采用DBM方法的时间序列LAI建模与估算

运用DBM(Data Based Mechanistic)方法,使用MODIS数据,建立了遥感观测反射率数据与叶面积指数(LAI)在时间序列上的统计关系模型(LAI_DBM模型),并结合部分Bigfoot站点实测LAI数据进行了模型检验。结果显示,LAI_DBM模型能够较好表达时间序列反射率与LAI的动态变化关系。LAI_DBM模型使用遥感观测数据实时估算得到的LAI,在数据质量和时间连续性上比MODISLAI有改进。     

空间线群目标相似度计算模型研究

以空间线群目标的空间统计特征为基础,对线群目标的空间关系和几何特征进行了描述。利用拓扑关系概念邻域图定义线群之间的拓扑关系相似度,利用方向均值定义线群之间的方向关系相似度以及利用"环形方差"定义线群目标之间的距离相似度。结合线群的长度和平均长度、线群密度及线群曲折度,建立了线群目标相似度计算模型,对线群目标相似度进行了整体度量。实验结果表明,相似度计算结果与地物特征比较一致,符合人们的直观认知。     

利用GPS位移和主应力方向观测资料进行川滇地区边界力的联合反演研究

在简要介绍了川滇地区的构造格局和构造运动特征的基础上,讨论了不同观测数据同时用于反演的合理性和物理意义,利用1998~2000年观测的9个测点位移数据和1986年以前所测的10个主应力方向数据,将边界力和相对权比λ作为待反演参数,并考虑了主要活动断裂运动特性,进行了弹性有限元数值反演计算。计算结果表明,现今川滇地区的构造活动主要力源仍来源于印度板块与欧亚大陆的碰撞,菲律宾海板块的挤压作用也不可忽略,这一结论说明了该地区现今构造运动的继承性活动特征。     

SPOT卫星影像居民地信息自动提取的决策树方法研究

以南京市江宁县为研究区域，首先分析了该区域居民地的影像特征，然后研究了居民地及其背景地物在SPOT—4(Ⅺ)卫星影像4个波段上的光谱特征，并由此探讨了它们在光谱特征上的可分性。研究发现，除道路在光谱特征上与居民地差异不大而难以完全分开外，其它背影地物均可以依据各波段亮度值的大小关系或适当的阈值与居民地分开。但道路和居民地在形状上存在明显差异，因此可以利用形状指数的差异加以去除。最后分析建立了基于光谱特征和形状特征的简单决策树模型，对研究区域居民地信息进行了提取并对结果进行了精度评价。结果表明，该方法的总体提取效果较好，特别是对于面积大于10000m^2的城镇和集村。其提取精度与通常的监督分类方法相比有了很大的提高，只是在水际交界处和道路两侧有误判现象。因此，利用该模型可以将背景地物类型复杂的江南地区的城镇和集村居民地自动提取出来，并且模型受时相影响较小，只是在域值大小上会存在一些差异。     

Auto-identification of forest fire-points in NOAA images based on neural network

Identification of forest fire-points in NOAA images in the basis of monitoring forest fire using NOAA satellite data. Traditional visual interpretation is difficult to settle for auto identification with computer. The artificial neural network technique provides a new means for solving this problem. In this paper, the principles and method of using neural network technique to automatically identify fire-points in NOAA images are discussed and the test in the range of Hubei province is presented. The result of the test shows that the disciplined neural network has collected the character of fire-points and has ability to identify fire-points in NOAA images. Comparing neural network with visual interpretation, the conclusion is drawn that by using neural network the purpose of auto-identification of forest fire-points in NOAA images can be realized with the almost same precision.