利用GNSS干涉信号振荡幅度反演土壤湿度

根据干涉效应和GNSS接收机信噪比估计方法,推导了利用GNSS干涉信号幅度进行土壤湿度反演的模型,建模过程考虑了天线增益、土壤介电常数和噪声的影响。提出了使用AMPD算法从含有噪声的归一化干涉功率曲线中提取干涉峰值与谷值,进而反演了土壤介电常数与土壤湿度的方法,并对其进行了仿真。结果表明,利用提取出来的干涉谷值进行反演性能比峰值好,相对稳定准确的卫星仰角范围为5°~25°,湿度大于0.06cm~3/cm~3时反演结果更为准确,标准差在0.01cm~3/cm~3左右波动。     

基于有理多项式模型的GF4卫星区域影像平差处理方法及精度验证

分析了我国首颗静止轨道光学遥感卫星高分四号(GF4)特有的区域成像模式的几何特性,基于静止轨道成像基高比较小的几何特性提出一种利用平均高程面的区域网平差方法。该方法针对GF4卫星影像构建了基于有理多项式模型RFM的区域网平差模型,并在无控制条件下,对GF4卫星区域影像进行区域网平差处理,解决了GF4号区域影像由于定轨误差、定姿误差、大气折光以及镜头畸变等因素导致的拼接精度较低的问题。最后,通过两组真实数据试验对本文方法的精度及有效性进行了验证,同时分析了采用不同的误差补偿模型对于平差结果精度的影响。     

全球气候数据集生成及气候变化应用研究

科技部在"十三五"期间部署的国家重点研发计划"全球变化及应对"专项资助了"全球气候数据集生成及气候变化关键过程和要素监测"研究项目。项目围绕由全球气候观测系统提出的基本气候变量,完善地空天基观测体系,生成中国首套以遥感数据为主体的涵盖大气、海洋和陆表长时间序列、高精度、高时空一致性的产品,即气候数据集,动态监测全球变化关键过程和要素。     

一种迭代法的圆曲线拟合方法

针对在实际测量工作中量测圆心坐标及半径时存在的问题,该文基于迭代法的思想,推导了一种圆曲线拟合的方法,并用实例数据进行了检验。结果显示,该方法在离散点均匀采集或非均匀采集的情况下均具有良好的拟合效果,与目前在圆曲线拟合方法中普遍采用的最小二乘法相比,具有同样高的拟合精度,验证了该拟合方法的正确性与可行性。     

长距离单历元单频非差北斗网络差分方法

针对北斗卫星导航系统现有的网络差分方法多是基于GPS系统并采用双差定位模型,而双差定位模型的采用使得网络差分方法存在一些缺陷的问题,该文提出一种长距离单历元单频非差北斗网络差分方法;首先长距离北斗基准站网向覆盖区域内的北斗用户提供非差误差改正数;然后用户内插计算出自己所需的非差误差改正数,并改正北斗单频伪距观测值的误差;最后进行单历元单频网络差分定位。实验表明,该方法能够使用单历元单频伪距观测数据实现长距离北斗网络差分定位。     

浅水多波束系统SONIC 2024在码头测深中的应用

文中介绍浅水多波束系统SONIC 2024的技术优点,从姿态参数校正、潮汐改正、声速改正、测线滤波及曲面滤波等方面探讨多波束数据处理的关键技术。以码头实测数据验证该系统在水深测量应用中的便捷性和可靠性。     

Modeling Urban Land Use Changes Using Support Vector Machines

Support Vector Machines (SVM) is a machine learning (ML) algorithm commonly applied to the classification of remotely sensing data and more recently for modeling land use changes. However, in most geospatial applications the current literature does not elaborate on specifications of the SVM method with respect to data sampling, attribute selection and optimal parameters choices. Therefore the main objective of this study is to present and investigate the SVM technique for modeling urban land use change. The SVM model building procedure is presented together with the detailed evaluation of the output results with respect to the choice of datasets, attributes and the change of SVM parameters. Geospatial datasets containing nine land use classes and spatial attributes for the Municipality of Zemun, Republic of Serbia were used for years 2001, 2003, 2007 and 2011. The Correlation‐based Feature Subset method, kappa coefficient, Area Under Receiver Operating Characteristic Curve (AUC) and kappa simulation were used to perform the model evaluation and compare the model outputs with the real land use datasets. The obtained results indicate that the SVM‐based models perform better when implementing balanced data sampling, reduced data sets to informative subsets of attributes and properly identify the optimal learning parameters.