基于ETOPO1数据的全球及重点海域水深统计与分析

由于不同的水深探测手段及海深反演方法适用于不同深度的海域,且全球海域水深分布不均,因此在探测及反演海深之前,需对目标海域的水深分布有一定认识。本文采用ETOPO1模型对全球及部分海域进行统计分析,结果表明,全球及大西洋、印度洋、太平洋区域的水深大多处于3 000—10 000 m,其中3 000—5 000 m水深海域占比较大,因此,在这些海域主要采用重力数据结合船测数据进行反演,同时应注意避开海岸带、岛屿较多、海脊存在的区域;对于水深小于1 000 m的海域,可以根据外部环境,采用多波束船测、水深遥感、机载激光测深等方式进行探测。通过分析及统计全球和重点海域的水深可以为海深探测及海底地形反演方法的选取提供参考。     

发现学习在《GPS定位技术》教学中的应用研究

论述了发现式学习与教学的概念,提出了采用发现学习的方法进行《GPS定位技术》教学的可行性,分析了基于发现学习的教学设计和具体内容,指出了发现学习存在的不足。     

B/S结构的土地登记管理系统研究

国土资源管理信息化、网络化是政府部门网上工程的一项重要内容之一。本文在分析土地登记发证的图文一体化办公基础上,根据新的功能需求,结合.NET技术、ESRI最新GIS组件产品(ArcGIS Server,ArcSDE),提出了建立基于Web GIS技术的网络国土资源信息系统的实现方案。系统运行证明了网络电子办公势在必行,无论对国土部门还是社会大众都是有益的。     

地表覆盖遥感产品更新完善的研究动向

近年来,多尺度地表覆盖遥感产品的不断涌现,为环境变化研究、地球系统模拟、地理国(世)情监测和可持续发展规划等提供了重要科学数据。为更好地满足广大用户日益增长的应用需求,应对地表覆盖遥感产品进行持续更新完善,保持其时效性、增强时序性、丰富多样性。针对大面积地表覆盖遥感产品更新完善所面临的主要问题,介绍和评述了国内外有关研究动向,包括影像与众源信息相结合的更新、数据类型细化与完善、地表覆盖真实性验证,并作了简要展望。     

建筑变形测量成果质量检验问题分析

近几年,全国开展了多次变形测量成果质量检验工作且效果显著.本文首先简要介绍了全国建筑变形测量成果质量检验工作相关内容,其次结合全国33个建筑变形测量成果受检项目中出现的较严重的质量问题,从成果类型、质量元素、典型问题3个方面对成果质量情况进行分析,最后根据分析结论与检验情况为建筑变形测量成果在生产中的质量控制及质量检验...     

利用多LCD进行相机标定的模型及精度分析

鉴于现有利用LCD进行相机标定方法中所存在的缺点,本文提出了基于多LCD标定的方法,它很好地克服了仅用单LCD进行标定方法中存在的控制范围小、无深度信息等不足,同时对基于双LCD的标定方法进行了有效的拓展及改进。试验证明该方法是可行与有效的,可适用于更多种类的相机。     

北斗系统姿态测量中周跳探测与修复方法

针对姿态测量基于短基线精密相对定位,而观测值的周跳直接影响基线解算精度,将导致姿态解算结果数据质量下降的问题,提出了姿态测量应用中的周跳组合探测修复方法。文章在分析姿态解算原理及误差影响程度的基础上,结合经典电离层残差法和多项式拟合法,探讨其在北斗卫星导航系统中周跳探测修复的方法原理、缺陷及对北斗数据探测修复效果,结合实际情况提出了姿态测量应用中的组合探测修复方法。采集真实数据实时解算,定量计算了修复后的基线解算精度和姿态测量效果,验证了所提出的方法可用于实际测量解算,处理后的姿态测量精度满足使用需求,研究结果对北斗姿态解算有参考价值。     

面向旅游规划的空间信息服务工作流构建

针对现有工作对规划支持不足的问题,该文通过集成空间信息服务、语义网络、Web服务发现与组合等技术,探索并建立了一套完整、有效,能充分提供旅游规划决策支持的空间信息服务工作流构建方法。阐述了面向旅游规划的空间信息服务工作流构建的关键技术,包括基于旅游规划本体库的空间信息服务发现方法,旅游规划语义驱动的空间信息服务组合算法,以及可靠的空间信息服务工作流过程调用机制。在此基础上开展实证研究,实现面向旅游规划的空间信息服务工作流原型系统,并对工作流构建关键方法的可行性进行了验证。     

基于单阶段神经网络的房屋屋顶检测方法

针对现有方法利用无人机影像对房屋目标进行检测的过程中存在错检、漏检率高等问题,构建了单阶段卷积神经网络来实施无人机影像房屋检测,并在德国宇航中心开源数据集(Deutsches Zentrum für Luft-und Raum fahrt,DLR)3KVehicle的基础上,采用多种数字图像增强手段对原始图像进行数据增强处理,提高训练后模型的泛化能力.在测试数据集上对训练后的网络进行测试,采用精度均值(Average Precision,AP)和每秒传输帧数(Frames Per Second,FPS)指标进行评价.并将检测结果与经典的目标检测模型单激发多盒探测器(Single Shot Multi-Box Detector,SSD)以及YOLOv3的检测结果进行对比.结果表明,所构建的卷积神经网络对于无人机影像中的房屋目标尤其是小目标有着较高的检测精度,检测精度可以达到91.3％AP,相比SSD和YOLOv3在精度方面提高了11.5％和8.3％.同时网络的检测速度可以达到每秒传输帧数21m·s-1,能够快速精确地检测出无人机影像中的房屋目标.     

LiDAR不同强度校正法对樟子松叶面积指数估测的影响

机载激光雷达（LiDAR）强度数据在获取过程中受多种因素影响,各因素影响的有效量化及校正对机载LiDAR强度校正及应用具有重要意义。本文以雷达方程为基础,分别采用距离、入射角及距离和入射角对LiDAR点云强度进行校正,从中提取冠层总强度和强度比值两类参数,用于估测森林叶面积指数（LAI）,以期量化各影响因素强度校正对不同类型参数估测森林LAI的影响。结果表明：强度经距离校正能够提高森林LAI的估测精度,而强度经数字高程模型衍生入射角校正非但没能提高估测精度,反而降低了估测精度。强度经距离和入射角综合校正虽能提高森林LAI的估测精度,但结果却低于距离单独校正的结果。与此同时,对冠层总强度参数而言,强度校正前后森林LAI估测结果的差异较为明显,而对强度比值参数而言,强度校正前后森林LAI估测结果差异不大。综上可知,不同因素强度校正对森林LAI估测的影响不同,且影响程度与所用参数变量类型密切相关。因此,在未来强度应用研究中,应根据变量参数类型选择合适的校正方式,以避免不恰当校正造成的成本浪费及精度降低。