新太阳光压模型在GNSS定轨中的应用

太阳光压摄动是影响卫星定轨中重要的误差源,在GNSS导航卫星精密定轨过程中使用最为广泛的光压模型为ECOM模型。为了探究几种ECOM模型及其适用性,该文以超快速星历为起算轨道,分析对比经典ECOM-1模型与最新13参数ECOMC模型对GPS/BDS卫星轨道的影响。结果显示:相较于ECOM-1模型,ECOMC模型在GPS定轨中精度有所提升,特别体现在径向精度提升,单天与三天弧段在径向的解算精度分别提升了12.73%和24.74%;在BDS定轨中,采用ECOMC模型,部分GEO卫星在径向方向单天精度有12.38%的提升,而对于IGSO与MEO卫星二者精度差异不大;分析可得,由于星体结构不对称引起卫星在沿太阳-卫星方向作用的偶数阶短周期谐波扰动,引入卫星-太阳方向偶数阶项的参数估计可提升卫星径向精度。     

基于时序SAR的德州地面沉降分析

InSAR技术具有测量时间短、速度快、精度高等优点,可有效取代传统测量.SBAS-InSAR技术作为一种时序SAR技术,形变监测精度高,可达毫米级,在地面沉降中得到广泛应用.本文以德州城区为研究区域,利用2016年3月-2018年6月获取的31景Sentinel-1A影像展开研究,并且对比SAR影像滤波常用几种方法,定性分析自适应滤波、Boxcar滤波和Goldstein滤波的去噪效果;通过SBAS技术得到研究区域的时序形变、年均沉降速率以及累积沉降量等结果,发现最大累计沉降量达56 mm.本文研究表明,德州城区整体稳定,中心城区外围部分沉降,中东部略有抬升.此结论对德州市的地质灾害防治工作有一定意义.     

基于PCA法矢估计的建筑点云立面边界提取

针对建筑物点云在工程应用中存在大量数据不产生作用,只需保留建筑边界点云的问题,本文提出一种基于主成分分析法向量估计的建筑点云立面边界提取方法.该方法首先采样统计离群值去除算法对点云数据进行滤波去噪,然后采用主成分分析法估计样点表面的法线方向,最后使用角度阈值确定建筑物点云立面的边界.通过实例分析,此法能够较完整地提取建筑点云的边界特征,为相关工程应用提供了技术支撑.     

OpenRS_Cloud智能遥感服务平台设计与实现

随着我国高分辨率卫星数据获取能力的显著提高,对高分辨率遥感数据的处理能力提出了新的要求,这使得切实提升高分辨率海量遥感数据的处理能力成为必要.本文以提高遥感影像基本处理能力为核心,提出了兼容其他类型数据,可用于信息提取、数据管理和处理的综合性在线数据服务平台,该平台可为多源数据存管技术、基本影像处理技术流程提供参考.     

基于图分割的可变比例尺地图分幅回溯算法

总结了地图分幅需遵循的原则,并针对地图集中可变比例尺的分幅,将其定义为基于约束条件的图分割问题,用最小生成树(minimum spanning tree,MST)将制图区域关联起来,基于回溯算法对MST裁剪实现地图集的分幅。实验结果表明,所提出的方法能较好顾及地图集分幅的相关原则,满足地图集制作的要求。同时,利用该方法设计的地图集分幅工具已成功应用于《武汉市汉阳地区地名图集》等的制作,有效提高了地图设计人员的工作效率。     

刍议《重庆历史地图集》第二卷的编制

以《重庆历史地图集》第二卷编制的具体情况为例,对图集的开本设计、内容结构设计、封面和版式设计、整体设计、创新源,以及图集编制取得的经验进行了论述,为以后类似图集的编制提供参考。     

基于惯性系原理的动基座粗对准及其性能影响因素分析

捷联惯导系统(strapdown inertial navigation system,SINS)在进行导航解算前需要粗对准提供初始姿态角,载体受多种因素影响和制约,在微幅晃动或运动状态下,需要进行动基座粗对准.从惯性系对准原理出发,讨论了基于比力和速度矢量的两种动基座粗对准解算方案,分析了位置误差、速度误差、杆臂误差对动基座粗对准的影响.结果表明,惯性系对准方法能够满足SINS粗对准的要求,速度误差和杆臂误差是制约对准精度与速度的主要因素,机动性强的轨迹能够加快对准速度,基于速度矢量的解算方案能够有效减弱姿态角收敛过程中的抖动,以提高对准效率.     

太平洋潜热通量及其与黄淮夏季降水的关系

研究了1979—2010年太平洋潜热通量的变化特征及其与中国黄淮夏季降水的关系。结果表明,潜热通量的气候场和方差场均存在着明显的季节变化,且各季节气候场的极值中心也是变化幅度较大的区域。黄淮地区降水与前期春季的潜热场相关性最好。定义了黄淮夏季降水指数来研究影响降水的潜热场关键区,发现春季潜热关键区为10°~20°N之间的中东太平洋和热带东太平洋沿岸海区。春季当上述两个海区净潜热通量增多时,后期夏季500hPa和850hPa位势高度异常场中,在太平洋西海岸-阿拉斯加南部一线上均表现为"正—负—正"的分布型,黄淮降水偏多。     

Seasonal prediction of June rainfall over South China: Model assessment and statistical downscaling

The performances of various dynamical models from the Asia-Pacific Economic Cooperation(APEC) Climate Center(APCC) multi-model ensemble(MME) in predicting station-scale rainfall in South China(SC) in June were evaluated.It was found that the MME mean of model hindcasts can skillfully predict the June rainfall anomaly averaged over the SC domain.This could be related to the MME's ability in capturing the observed linkages between SC rainfall and atmospheric large-scale circulation anomalies in the Indo-Pacific region.Further assessment of station-scale June rainfall prediction based on direct model output(DMO) over 97 stations in SC revealed that the MME mean outperforms each individual model.However,poor prediction abilities in some in-land and southeastern SC stations are apparent in the MME mean and in a number of models.In order to improve the performance at those stations with poor DMO prediction skill,a station-based statistical downscaling scheme was constructed and applied to the individual and MME mean hindcast runs.For several models,this scheme can outperform DMO at more than 30 stations,because it can tap into the abilities of the models in capturing the anomalous Indo-Paciric circulation to which SC rainfall is considerably sensitive.Therefore,enhanced rainfall prediction abilities in these models should make them more useful for disaster preparedness and mitigation purposes.