联合时变重力数据与测高数据反演全球海平面变化及其分量贡献

理解全球海平面变化具有十分重要的意义,它间接反映了地球系统中气候性相关因素的变化。本文基于一组海平面指纹和比容经验正交函数,联合时变重力数据和卫星测高数据反演了2002年4月至2020年2月的全球海平面变化,将全球海平面变化分解成南极冰盖融化、格陵兰冰盖融化、陆地冰川融化、陆地水储量变化、冰川均衡调整和海水比容效应这6个分量的贡献。联合反演结果显示,全球平均比容海平面变化为1.08±0.05 mm/a,与相关文献的结果相吻合。研究发现,联合测高数据和时变重力数据的反演方法能够一定程度上减弱GRACE Follow-On卫星时期海水质量变化被低估的现象。本文利用联合反演的结果研究了区域海平面变化,在大部分近海区域反演效果较好,这表明该方法可用于区域海平面变化的研究。     

垂线偏差测量的固体潮和海潮改正

垂线偏差是大地测量学和地球物理学的基础数据。固体潮和海潮是影响高精度垂线偏差测量的重要因素,固体潮改正主要表现为天体引潮位对垂线偏差的直接影响及造成地球形变而产生的附加位对其的间接影响。本文基于引力场球谐展开理论,推导了垂线偏差测量中固体潮和海潮的改正公式。利用JPL DE421星历和EOT11A海潮模型,计算全球19 570个GNSS测站处垂线偏差的潮汐改正值,分析了垂线偏差潮汐改正的时空变化规律。通过实例给出了日、月引潮位及附加位、海潮对垂线偏差子午和卯酉分量的改正。现有高精度垂线偏差测量精度已达到0.1″,而固体潮和海潮对垂线偏差的改正总量级可达我国一等天文规定精度(0.3″)的17%,因此在高精度的垂线偏差应用中需要顾及潮汐改正。     

大气CO2浓度时空变化卫星遥感监测的应用潜力分析

GOSAT卫星观测反演大气CO2浓度精度已经提高到了1—2 ppm,而卫星数据能否准确地揭示全球和区域大气CO2浓度变化特征还缺乏充分的评价与分析。本文针对已经连续运行观测3年的GOSAT卫星,收集了来自美国NASA-OCO团队(ACOS)和日本环境研究所GOSAT团队(NIES)基于各自算法反演的两套大气CO2柱浓度数据,描述并分析了全球大气CO2时空变化特征。分析结果表明,从XCO2反演的绝对值结果来看ACOS总体上比NIES的高出约2 ppm左右,但从时空的相对变化上它们揭示了相近的大气CO2浓度时空变化特征。两套数据显示出全球平均大气CO2浓度在2010年—2012年的3年期间年增量分别为1.8 ppm和2.0 ppm;季节变化幅度,北半球最大4—6 ppm,南半球最大约2 ppm,这与地面观测结果基本一致。进一步将EDGAR 4.2人为排放总量格网化数据与GOSAT卫星观测反演的CO2浓度进行相关统计分析,结果指出两套数据对人为排放量有着微弱的响应。本文结果指出目前GOSAT卫星观测反演的XCO2可以检测出全球和区域大气CO2浓度的年变化、季节变化和区域空间变化的特征;GOSAT卫星10.5 km空间分辨率的观测虽难于检测出点源的浓度变化,但从区域上对人为排放的累积效应的监测显示了一定的应用潜力。     

元胞自动机最短路径算法优化

概括了当前GIS中最短路径算法,分析了元胞自动机在最短路径分析算法中的原理及应用现状,并从两个方面对基于元胞自动机的最短路径算法进行优化即直线优化的元胞自动机最短路径算法。(1)将A*算法中的启发函数引入元胞自动机模型,提出了直线优化元胞自动机最短路径模型;(2)考虑道路网特征对最短路径算法的影响,得出具有道路网自适应性的最短路径分析模型。最后选取不同形态特征的shp道路网数据,验证了优化算法在实际应用中的适用性和高效性。     

利用复共线性诊断确定偏差矫正项的截断型岭估计

为了避免有偏估计的偏差对可靠部分的影响,提出了偏差矫正的正则化方法,但是偏差矫正项的选取是个关键问题。首先采用复共线性诊断、度量和检验所获得的重要信息,对受复共线性危害严重的分量进行估计,且使得均方误差达到极小。然后基于偏差矫正的正则化解法的一般理论,得到偏差矫正的分析性条件,从而得到一种新的基于复共线性诊断确定偏差矫正项的截断型岭估计。最后通过算例分析验证了该方法在提高解的质量、参数估值的准确性和稳定性方面的优良性。     

多源道路智能选取的本体知识推理方法EI北大核心CSCD

大数据时代道路数据来源日益增多,跨数据源的道路选取面临巨大挑战。本文针对数据语义不一致问题,提出一种基于本体知识推理的多源道路选取方法。首先,将1∶5万基本比例尺地形图道路数据作为基础案例,将四维图新导航电子地图和开放街道地图中的道路数据作为试验数据,基于stroke计算道路等级、长度、连通度、接近度、中介度特征项,提取特征项概念并构建本体;然后,从语义特征项和数值特征项两方面计算本体概念相似性,建立基础案例与试验数据间的关联关系;最后,基于本体和语义网规则语言定义本体通用、语义特征、数值特征三类选取规则,实现跨数据源道路选取的过程性知识推理。试验表明,本文方法可基于本体概念相似性度量消除语义差异,同时利用语义网规则语言进行知识推理,可实现多源道路数据向基本比例尺数据的智能选取。     

特征变量选择结合SVM的耕地土壤Hg含量高光谱反演

为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量,对原始光谱进行10 nm重采样和SG平滑处理,用不同光谱变换数据与土壤重金属Hg含量进行相关性分析,采用IRIV、Random Frog和PCC提取光谱特征波段,分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型,获取Hg含量最优反演路径。研究表明,一阶微分变换光谱后土壤光谱特征更明显;上述特征提取方法在不同程度上减少光谱数据冗余,保留有效变量信息;经灰狼算法优化后支持向量机模型反演精度提高,IRIV结合GWO-SVM预测精度更高,其验证集R²为0.894,RMSE为0.082,MAE为0.016。研究成果可为类似土壤重金属含量的反演提供借鉴。     

基于轨迹数据的移动对象分类识别研究

随着卫星定位技术和移动互联网的不断发展,全球范围内产生了大量不同类型的轨迹数据。通过对不同环境中收集到的轨迹数据进行挖掘,研究移动对象的行为特征,进而实现移动对象的分类识别,对于掌握居民出行规律、国家安全和国防军事具有重要意义。本文首先介绍GPS轨迹数据的内容及具体的应用场景,并在此基础上分析轨迹数据的主要特征;然后,详细阐述轨迹数据分类识别过程中特征提取和分类建模的研究现状,并总结现有的研究方法和发展趋势;最后,对基于轨迹数据的移动对象分类识别存在的问题与挑战进行了讨论。