基于Google软件的农地区高程获取及精度评价

相比于传统大比例尺测绘,高分遥感和雷达技术可以快速高效地获取农地地形边界和特征点位高程,因而可为农地整理和机械化前期研究提供决策依据。本研究基于Google Maps高分辨率遥感影像数字化农地特征点位和边界,开发了在Google Earth(谷歌地球)软件上获取坐标点位高程的程序,实现了农地特征点位数字化和高程获取;使用国家1:1万数字地形图对该方法进行了精度评估,并且与直接基于SRTM3和ASTER数字高程模型插值方法进行了比较。结果表明,本研究实现了高分辨率遥感影像和数字地形模型的整合应用,在农地边界和特征点位获取、影像校正方面比直接通过SRTM3数据插值获取高程有优势,有较好的应用潜力。     

POS与DEM辅助机载SAR多普勒参数估计

由于机载SAR多普勒参数受载机不稳定飞行和复杂地形影响明显,目前仍缺少有效的矢量估计法。本文对POS和DEM数据及其误差对机载多普勒参数的影响进行了分析,以距离-共面方程构建的SAR几何关系为基础,在POS和DEM数据支持下,建立了一种多普勒参数矢量估计法,并通过仿真对提出的方法进行了验证和分析。理论和仿真表明,本文方法在高山地形、不稳飞行及大斜视角等复杂条件下,亦能够为机载SAR瞬时多普勒中心提供高精度估计。     

矿山三维地质模型及数字化仿真

针对传统的地质建模中数据源的复杂性及工程、地质现象差异等困难,该文提出多元、多方法集成和多层次干预的建模思路,采用三维激光扫描技术构建矿山整体三维模型。依托ArcGIS桌面系统、GoCAD、Flac3D等软件模拟滑坡动态、岩层分布等信息。通过空间分析和数值模拟揭示其潜在信息和规律,有效地实现了数据库、三维模型、数值模拟的一致性,为数字矿山开发、建设提供一条新思路。     

基于产权空间分析的房产测量方法

房产测量的主要目标是服务于产权登记。作为不动产的房屋相对于动产来说,由于大宗性、不可移动性及与土地的关联性决定了其空间形态界定的复杂性。《房产测量规范》没有提出产权评判的原则与方法,以至于房屋建筑面积直接替代了房产面积。本文结合案例,提出了基于产权空间分析的房产测量方法。     

同波束干涉测量在月面相对定位中的应用

基于同波束干涉测量原理和观测模型,针对月面目标特性,推导了给定着陆器先验位置的差分时延、差分时延率观测方程。引入指定高程约束、月球数字地形模型等约束方程,提出巡视器相对位置确定的卡尔曼滤波算法。通过仿真数据进行了验证和评估,表明该算法可快速、较高精度地确定月面巡视器相对着陆器的位置。     

海岸线及其测绘技术探讨

海岸线是人类所使用的最古老的边界线之一,然而,由于其动态特征,加之当今社会对海岸带的需求越来越多,这条边界线的位置存在争议,因而,如何使用客观手段测绘海岸线尤为重要。文中针对海岸线定义及其位置确定不明确的现状,指出海岸线定义存在的问题,给出完善定义的意见;分析海岸线常规的测绘方法,探讨海岸线精确测绘的新方法和技术。     

多核并行环境中矢量数据格式的转换算法

针对目前对VCT格式转换的并行算法研究较少的现状,该文以VCT向shapefile格式转换为例,探索多核并行环境中进行VCT格式向其他矢量数据格式快速转换的方法:在深入探索VCT与shapefile格式特点的基础上,通过构建索引、数据解析转换,完成由VCT向shapefile格式的转换;并设计出一种顾及负载均衡的数据划分方法,通过评估不同类型图层的复杂度实现不同类型矢量数据的均衡划分,实现了VCT向shapefile格式转换的并行算法。最后利用某地土地利用VCT文件进行算法测试,结果表明该算法转换结果正确,取得了良好的加速比,并基本达到负载均衡。     

基于残差改正的动态非等时距灰色模型及应用

介绍了动态非等时距GM(1,1)模型的建模原理、建模过程以及精度评定方法,阐明了动态非等时距GM(1,1)模型中维度选择、残差改正的问题,结合高层建筑沉降监测实例进行分析,将动态非等时距残差GM(1,1)模型预测结果与实测值进行比较,得出动态非等时距残差GM(1,1)模型在建筑物沉降监测中具有很高预测精度的结论,证明了该方法的可行性与可靠性,适用于高层建筑沉降监测.     

GPS/INS紧组合导航姿态计算方法选取分析

基于GPS/INS紧组合模式, 研究了方向余弦算法和四元数算法的解算过程, 并通过模拟数据试验, 分析了它们在姿态解算过程中对姿态漂移误差的影响。通过对比可以得出, 四元数法在相同模拟环境和相同解算阶数下, 其姿态解算精度要优于方向余弦算法, 且所用参数和约束方程均少于方向余弦算法。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。