航空重力测量数学模型及其测量精度分析

基于数学和分析力学角度分别推导了航空矢量重力测量的数学模型,得到了一致的模型公式;给出了矢量模型的3个分量形式,其中垂直方向的分量就是标量重力测量的数学模型;简要介绍了我国研制成功的航空标量重力测量系统CHAGS的数据处理的过程,分析了标量重力测量中测线交叉点和重复测线的重力异常的精度;根据实测数据计算的结果表明:测线交叉点重力异常不符值的标准差约为5×10-5ms-2左右,重复测线的内符合精度优于5×10-5ms-2,达到了预期的要求。     

基于小波变换与滤波的DEM简化方法

针对现有3维地形模型简化方法中的不足,提出了一种基于小波变换与滤波的规则格网简化方法。同时还在大量实验的基础上,给出了一般情况下需要的变换层数,分析了滤波门限与简化效果之间的关系。这里的研究不仅为3维地形的多分辨率合理建模与精度评估提供了理论和方法,而且也为今后开展类似研究及进行建模质量控制提供了科学的依据。     

基于放样原理的特种罐内测法容量计量技术

特种罐在能源的储备和运输中具有重要意义,在研究特种罐现有容量计量技术的基础上,自主创新提出了基于放样原理和测量机器人实现特种罐容量快速和精密计量的原理和方法。将特种罐容量计量转化为点位放样问题,较好地克服了全站仪现有测量技术的缺点,并利用软件实现了特种罐容量计量的数据采集、数据计算、数据修正和报表输出的一体化。通过实际测量数据,分析了该方法的测量精度和测量效率。     

弹道计算中的扰动引力影响研究

随着弹道导弹系统技术的不断改进,影响导弹精度的工具类误差已逐渐降低,地球重力场扰动引力已经成为影响导弹命中精度的主要因素。这里从3个方面分析了扰动引力对弹道的影响,模拟结果表明,对于射程为10000 km以上的远程导弹,扰动引力的影响会造成超过1 km的落点偏差;5×10-5m s-2的扰动引力系统性偏差对导弹落点有明显影响。因此,扰动引力对导弹落点的影响不容忽视。     

基于色层图与纹理融合的地形晕渲

针对三维地形晕渲的具体需求和存在问题,提出了一种基于色层图与纹理融合的晕渲方法。根据自定义或色层表主色调插值生成色彩连续的色层图,对地形高程进行着色;在地表材质分块的基础上,通过计算相邻材质边界上的多重纹理坐标,使用多重纹理映射进行融合过渡;最后给出了实验结果。     

论氢化物的形成及其在分析测试领域的应用

论述了氢化物形成的普遍性、氢化物的物理化学性质、元素周期系各类元素的氢化物类型。认为一些金属离子、非金属离子在酸性介质中与硼氢化钾（钠）作用及金属锌等强还原剂作用生成氢化物。综述了氢化物的形成在分析测试领域的应用：试样分解、分离富集、容量分析、光度分析、原子光谱分析、质谱分析。     

青藏高原边缘地区晚更新世人类遗存与生存模式

自20世纪80年代在青海小柴旦发现旧石器遗存以来,青藏高原边缘地区已经发现了10余处旧石器时代遗址,年代属晚更新世晚期。这些遗存显示,古人类在距今30ka左右开始尝试向这些高海拔地区扩散,但直至距今15ka以后才有更多的人群迁徙至此。通过对这些遗存分布位置、古环境特征、年代测定和石器技术、组合分析,得以管窥古人类对该地区的开发利用过程,并进而阐释史前人类技术发展、生存模式演变和古环境的耦合关系。     

多视处理对SAR船只探测的影响

合成孔径雷达(Synthetic Aperture Radar, SAR)成像过程中会出现斑点噪声,一般用多视处理减少图像的斑点噪声,这对合成孔径雷达船只探测造成了一定的影响.本文对不同视数SAR图像的等效视数、空间分辨率和船只海面对比度进行了分析,结果表明:一方面,多视处理增加了等效视数,改善了图像质量,更有利于船只探测;但另一方面,多视处理又降低了图像空间分辨率和船只海面对比度,对船只探测产生不利影响.最后本文选取了窗口滤波法和K分布法两种典型的SAR船只探测方法对多视处理的SIR-C SAR图像进行了船只探测试验,得到了最适合船只探测的多视处理的视数.     

植被波谱空间尺度效应及尺度转换方法初步研究

基于遥感图像的地物识别需要大量地物波谱数据的支持,而现有地物波谱库中收集到的同一地物的波谱,由于其测量尺度和方法的差异,波谱也存在很大差异.以冬小麦为例,首先介绍了材料波谱、端元波谱和像元波谱这3种不同尺度波谱的概念,并以实验数据分析了不同测量尺度下波谱的差别,以此说明波谱尺度转换的必要性.然后利用物理模型和统计模型建立不同测量尺度下的波谱转换关系.分别验证了SAILH模型和线性光谱混合模型在波谱转换中的精度.研究表明,在大尺度上采用统计模型,在小尺度上采用非线性的物理模型可以解释不同尺度观测植被波谱之间的差异.     

基于分区的局域神经网络时空建模方法研究

区域数据表现为两种尺度的空间特性:反映全局特征的空间依赖性和反映局域特征的空间波动性.空间波动性表现为空间数据在局部地区的聚集或高低交错现象.在研究区域数据时空预测性建模时,从降低数据的空间波动和不平稳性对模型预测能力的影响角度出发,提出了一种基于分区的局域神经网络时空非线性建模的思路.分区过程由基于空间邻接关系的K-means聚类算法完成.不同的分区方案通过相关性、波动性、紧凑性等指标进行评价和优选.在确定最优分区方案的基础上,对各子区分别采用两层前馈网络进行建模,模型的输入不仅要考虑本区内单元的作用,而且要考虑相邻子区的边界效应.各神经网络模型的时空预测能力通过平均相均差和动态相似率等指标进行衡量.最后,通过对法国94个县每周流感报告病例的时空建模分析表明,与全局神经网络模型相比,基于分区的局域神经网络模型具有更好的预测能力.