自适应换站算法及其在长距离机载GPS动态相对定位中的应用

提出采用＂自适应换站＂法来解决单基线处理模式难以满足长距离动态定位的问题。该方法的主要思想是：整个解算过程始终保持单基线的动态定位模式,当发现流动站与原参考站间的距离大于流动站与其他参考站间的距离时,自动更换周围最近的参考站作为新参考站;对换站前后的数据设置一定时间的重叠段,利用等价消参法将换站前后的数据进行严格的自适应融合,以保持整个解算过程的连续性。通过对实测机载数据的解算,证明该方法不仅可以克服因载体飞行距离过远而导致的定位精度下降,而且能够避免因换站所引起的前后解的不连续,计算结果表明该方法的定位精度约为2 cm。     

超高阶次勒让德函数递推计算中的压缩因子和Horner求和技术

摘要：超高阶次（如2000阶次）缔合勒让德函数值的递推计算,在接近两极时达到极大的数量级（超过10的数千次方）,这导致现有递推方法在计算缔合勒让德函数值及其导数值时失效。我们通过插入压缩因子技术,提出一个修改的递推算法,并结合使用Horner求和技术计算球谐级数的部分和。试验表明,该算法至少可以计算到3600完全阶次的球谐级数式,优于现有结果。     

基于R树索引的三维场景细节层次自适应控制方法

针对大规模三维城市建模需要,介绍一种基于三维R树索引的多细节层次（简称LOD）管理方法,从叶节点层向根节点自动生成LOD场景,并设计实现LOD检索的算法。通过试验分析,证明本文的LOD定义参数能够定量控制三维场景中的渲染目标数目,进而实现三维场景的自适应可视化方法,尤其适合于建筑物和树木类型的地物目标。     

多普勒雷达降水反演及其与改进的区域气候模式RIEMS的同化研究

本博士论文在前人构建的陆面水文过程模型TOPX和区域气候模式RIEMS的耦合模式的框架基础上,针对耦合模式中RIEMS对降水和蒸散发的模拟精度较低,RIEMS和TOPX模式之间尺度不匹配等几个核心问题进行了深入细致的研究:对天气雷达资料的定量估测降水方面的研究获得了对沂沭河流域最佳的Z-R关系,并通过雷达雨量计联合校正法得到较高精度的面降雨量;采用集合卡尔曼滤波同化算法对雷达反演的面雨量及区域气候模式RIEMS的降水输出进行了数据同化方案研究,获得了更好的降水模拟效果;在RIEMS和水文模型TOPX构成的耦合模型中加入同化方案,实现了流域降水的实例模拟研究,结果表明使用同化方案明显改善了水文模拟效果。     

基于欺骗式动目标的SAR干扰技术研究

针对军事运动目标的保护问题，提出了基于欺骗式动目标的SAR干扰方法，该方法根据收到的雷达信号，调制不同的散射强度和位置信息，模拟产生多个虚假的运动目标，避免了静止场景不能干扰动目标成像的缺点。分析了雷达位置确定误差对欺骗式动目标干扰效果的影响，给出了一种干扰机的布阵方法。仿真证明，欺骗式动目标干扰方法可以达到保护运动目标和向被干扰雷达提供虚假信息的目的。     

基于IEM模拟的干旱区多时相数据含水含盐量反演模型及分析

根据干旱区的一些自然地理特征，利用IEM模型生成干旱区的多时相（少雨期、多雨期）后向散射数据，然后对数据进行统计分析。一方面印证了多雨期与少雨期后向散射差（αwet^0-αdry^0）与土壤介电常数高度相关的实验观察；另外一方面根据大量的模拟数据找到确切的（αwet^0-αdry^0）与土壤介电常数的关系。最后对盐渍化干旱区的情况（有的干旱区有严重的盐渍化）进行了探讨，发现后向散射系数差（αwet^0-αdry^0）与大介电常数虚部差成较好的线性关系，这为反演土壤含盐量提供了一定依据，但由于介电常数虚部是由含水含盐量两个量决定的，所以要直接反演出含水含盐量还需要进一步研究。     

一种海面风场反演的快速风矢量搜索算法

本文以SeaWinds散射计为例，从最大似然估计的海面风场反演方法出发，根据其目标函数的一般分布特征，提出并实现了一种快速风矢量搜索算法。然后采用美国SeaWinds散射计的部分LA实测数据对该搜索算法进行了验证，并与常规算法对同一实验数据的反演偏差及运行时间进行了对比分析，结果表明该算法在能够保证反演精度的前提下，在较大程度上提高了运行效率。     

成像光谱数据特征选择及小麦品种识别实验研究

针对河北栾城获得的MAIS成像光谱仪数据用于小麦品种识别进行了特征选择和分类研究。利用遗传算法以JM距离为准则并结合实验区小麦的生物物理特性，进行了最佳波段选择；利用Fuzzy—Anmap分类器及选出的最佳波段对成像光谱数据进行了分类，区分出了4种小麦品种，小麦的总体分类精度超过97％。     

聚类分析在监测区域样地分类中的应用研究

为建立监测区域以遥感和GIS为基础的森林郁闭度及蓄积定量估测方程，需在监测区域抽取一定数量有代表性的样地。如何有效抽取有代表性的样地属多目标优化问题。若根据监测区域已知样地的数量，采用所有可能的组合方法，按一定优化标准进行抽样，计算工作量将非常庞大，实际工作中很难进行。为此需先对监测区域的样地进行分类，在分类的基础上选择一定数量有代表性的样地。因度量样地之间亲疏程度的统计量及类和类之间相似性测度指标有多种，因此对同一监测区域，不同的统计量及类和类之间相似性测度指标，将得到不同的分类结果。设置不同的影响郁闭度及蓄积估测的遥感和GIS因子，分类结果也会出现较大的差异。本文针对特定监测区域，采用计算机仿真方法，系统研究了不同影响因子对分类的影响规律，实际工作中应如何选择度量样地间亲疏程度的统计量及类和类之间相似性测度指标，所得结果可用于指导生产实践。     

基于分类规则挖掘的遥感影像分类研究

分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性.