区域重力大地水准面确定的相对精度估计

以频域解析方法,研究由地面重力数据、全球住模型确定区域重力大地水准面的相对精度估计.首先由Stokes公式的数值积分推导地面重力数据与球谐系敬的精度关系;再由"移去-恢复"方法的空域截断逼近模式和协方差函数的球谐表达,分别推导内区地面重力数据之误差、外区全球位模型之误差与区域重力大地水准面之相对精度的解析关系;为便于计算,提出将内区地面重力数据和外区全球位模型的频域截断误差合并,再按频段重新划分为两部分:①全球范围--地面重力数据对应频率以上的截断;②外区范围--介于全球位模型最高频率与地面重力数据对应频率之间的截断,以经验阶方差模型分别估计之.模拟计算显示了地面重力数据之精度、分辨率、积分半径和全球位模型之精度、分辨率与区域重力大地水准面之相时精度的具体对应关系.本文研究同样适用于区域重力似大地水准面的确定.     

误差受控的多细节层次地形模型的实现

基于视点的细节层次模型对于提高三维GIS中地形模型的漫游速度以及减少地形模型的数据量具有重要的作用。为了提高地形模型的漫游速度,开发与视点相关的细节层次模型的数据结构和算法,推导细节层次模型的误差计算公式,建立误差受控的细节层次模型,同时缝合漫游时细节层次模型中的缝隙现象。试验结果表明,误差受控的细节层次地形模型对于减少三维漫游过程中几何数据的装载量和提高漫游速度具有明显的效果。     

基于ArcGIS的洪水淹没分析模拟及可视化

基于数字高程模型(DEM)格网模型,通过改进迭代种子蔓延算法,实现给定水深情况下洪水淹没区的讣算模型,讨论洪水淹没演进过程可视化实现的关键技术,并使用ArcEngine开发包进行二次开发,以二维和二三维两种可视化方式,动态而形象地模拟在指定洪水水位下的洪水淹没演进过程.试验证明,所提出的实现方法切实有效,便于推广应用,为快速、准确及科学地进行洪灾评估洪水风险图的制作提供良好的基础,对洪涝灾害进行评估和预测分析具有重要意义.     

高分辨SAR-GEC影像严密成像几何模型及其应用研究

提出并构建SAR影像GEC(Geocoded Ellipsoid Corrected)产品严密成像几何模型,并在此基础上研究用RPC模型替代SAR影像GEC产品严密成像几何模型的町行性以及基于RPC模型的GEC产品的定向和纠正.最后用TerraSAR-X影像验证其理论和算法,得到如下结论:针对高分辨SAR影像GEC级别产晶的严密成像几何模型能用于SAR影像的定向以及正射纠正.     

经典平差模型的扩展

将经典测量平差的概括模型(附有等式限制条件的条件平差模型)扩展为附不等式约束的平差模型,同时将其定义为测量平差统一模型,并在一定的条件下实现这种平差模型与概括平差模型间的相互转换.在最小二乘平差原则下,作者结合虚拟观测方程处理不等式约束的思路,给出附不等式约束平差的最小二乘显式解,分析其统计性质,并修正传统测量平差结果的统一表达式.按本文所提方法,附不等式约束的平差问题,完全可以利用传统的平差方法和平差程序求解,方法简单可行.     

坐标法测设空间曲线的研究

结合山西西龙池抽水蓄能电站引水系统空间弯管中心轴线测设实例,对空间曲线的测设放样进行相关探讨,可采用CAD三维建模、空间坐标系统转换以及空间解析法获取空间曲线的精确三维坐标,对比实测坐标对空间曲线进行精确定位.     

城市小区地理信息集成与综合管理

本文提出了对城市小区各种地理信息进行集成与综合管理的结构框架,通过对小区地理信息进行分类并对其进行分析,提出了系统组织结构以及系统功能设计。最后,以中石化储运公司某管理处基础设施管理信息系统为例,实现了小区二维、三维以及非空间地理信息的统一集成管理。     

一种基于多源遥感影像的亚端元光谱提取方法

提出一种利用多源影像来提取低分辨影像亚端元光谱的方法,该方法利用高分辨分类得到的组分与低分辨的光谱之间的线性混合关系,建立了反演出低分辨影像的亚端元光谱的线性模型,并提出一种快速鲁棒反演亚端元光谱的提取方法。利用IKONOS和ETM数据验证了本文提出方法,实验结果表明了该方法的有效性。     

Winsock在网络RTK数据传输中的应用

网络RTK技术具有覆盖范围广、定位精度高、可靠性强等优点,在测量与导航领域得到了广泛应用。网络RTK系统一般由基准站网、计算与控制中心、系统用户和必要的数据通信链路四部分组成,快速、可靠的数据传输是网络RTK的必要条件。本文介绍了Winsock以及如何利用Winsock在Visual C++环境下实现网络RTK的数据传输。测试结果表明,本文的方法可以用于基准站与计算与控制中心、计算与控制中心与后处理用户间的数据传输,并具有高速、简捷、稳定的优点。     

基于语义相似度的海量遥感图像可视化研究

针对海量遥感图像如何有效的传达分类结果以实现有效的可视化问题,本文按照分类的语义标注结果的相似度并运用现有的信息可视化技术来实现图像的可视化。首先采用了贝叶斯网络学习的方法进行图像的自动分类标注,然后利用基于图像布局的多维标度算法(Multi-dimensional Scale)以及无需降维的Value and Relation(VaR)技术实现可视化。实验表明本文的方法能够填补图像低层视觉特征和高层语义之间鸿沟,对大量的图像在一个视图内进行有效的浏览,而不造成图像的混乱,并能实现高层次的图像分析。实验的可视化结果是十分有效的。