阶段模型修正的星载GNSS-R土壤湿度反演方法EI北大核心CSCD

本文提出了一种基于CYGNSS数据的星载GNSS-R土壤湿度反演方法。首先,基于CYGNSS数据提取地表反射率参数,联合SMAP数据中提取的植被光学厚度、地表粗糙度和温度等辅助信息,初步构建了土壤湿度反演理论模型,并利用神经网络模型确定了土壤湿度反演的精细数学模型;然后,将该模型处理获得的土壤湿度以35%为分界点,利用本文提出的阶段函数模型提高反演精度,并使用2018年10月—2019年5月的CYGNSS数据,获得了全球范围内星载GNSS-R土壤湿度;最后,通过与SMAP提供的土壤湿度数据进行对比,评估了本文提出的星载GNSS-R土壤湿度反演方法的有效性,并对获取的星载GNSS-R土壤湿度进行了时间序列分析。结果表明,本文提出的土壤湿度反演方法的结果与SMAP土壤湿度具有良好的一致性,且随时间变化的趋势也相符合,为高精度土壤湿度反演提供了一种思路。     

单基线TanDEM-X InSAR相干性反演森林高度EI北大核心CSCD

由RVoG模型演变的SINC函数模型运用到TanDEM-X InSAR数据反演森林高度时面临观测信息不足的问题,且无法适应不同的森林场景。本文针对这一问题,提出小范围LiDAR数据辅助下基于TanDEM-X InSAR相干性的森林高度反演方法,此方法无须全局高精度DEM产品提供地表相位信息而仅利用相干性即可获取森林高度信息。为验证此方法的可行性,采用西班牙境内两个典型试验区的TanDEM-X InSAR数据进行验证,并利用LiDAR树高数据进行精度评定。结果表明,单基线TanDEM-X InSAR相干性可用于反演森林高度,两个试验区的精度分别为2.34 m和1.74 m。     

地基GNSS大气水汽探测遥感研究进展和展望

大气水汽是表征极端天气事件和气候变化的重要参数,准确监测与分析水汽含量对于精准预测各类灾害性天气事件与研究气候变化具有显著意义。作为新兴的大气水汽探测方法,GNSS大气水汽探测技术得到了广泛的关注与应用研究,随着多频多模GNSS系统的发展,全球服务能力的逐步完备和地面基础设施的不断加强,地基GNSS大气水汽探测遥感技术水平得到显著提升,为基于空间大数据揭示气候变化、极端天气过程提供了强有力的数据支撑和发展契机。本文首先系统阐述了GNSS大气水汽探测遥感技术及其应用的发展过程;然后介绍了近年来包括对流层延迟、大气可降水量等多类型GNSS大气参数高精度反演的研究进展,特别是对GNSS大气反演在极端天气短临预报及气候变化现象解释两个方向的研究工作进行了科学探析;最后,阐明了GNSS大气水汽探测遥感技术面临的主要挑战及未来研究展望。     

利用HJ-1B模拟数据反演地表温度的两种单通道算法

针对HJ-1B热红外波段特点,采用修正型QK & B算法,反演广州市2013-01-14的地表温度（land surface temperature,LST）。建立偏微分方程得出,当辐射率误差为0.01时,引起的LST误差约为0.6 K,LST误差与大气透过率成反比,与大气透过率误差成正比,0.1的透过率误差引起LST误差约1 K。大气水汽含量w误差与LST误差成线性关系,当大气水汽含量误差为0.1 g/cm²时,引起LST误差约为0.2 K。LST反演误差与近地表气温误差和大气平均作用温度误差均成正比,1 K的近地表气温误差引起LST反演误差约1K。总的来说,LST反演误差与区间比值和大气平均作用温度误差和近地表气温误差相关。用算法反演出来的广州市地表温度与MOD11_L2温度产品具有较强的空间一致性,温度差值曲线呈正态分布,主要集中在-0.9~0.9℃区域,选取广州市6个观测点,得出修正型QK & B算法和实测地温平均值相差约为0.31 K,MOD11_L2与实测地温的温度平均值相差0.65 K,误差均小于1 K。通过对修正型QK & B算法偏微分方程的推导,可对HJ-1B/IRS中的LST反演进行更细致和精确的分析,为其他针对环境卫星热红外波段类似反演LST的算法提供一定的借鉴,也为后续提高LST反演精度提供科学依据。     

基于GIS的开采沉陷损害信息管理与分析系统设计

矿山开采会导致地表沉陷,严重破坏了生态结构与生态环境。因此科学有效地分析与管理沉陷数据进而控制煤炭的开采损害是十分重要的。本文基于GIS开发了开采沉陷损害信息管理与分析系统,对开采沉陷的防治和治理以及矿山生产提供了决策依据。     

基于Android的控制点手持维护系统的设计与实现

针对传统的控制点管理方法无法解决信息量匮乏、信息现势性不足、不便于野外操作等问题,提出了一种新的基于Android的控制点手持管理方法。采用控制点信息建模技术和移动数据库接口技术,实现了对控制点信息的实时更新;采用网络地图服务集成技术,实现了对控制点信息的深度挖掘以及便于野外操作。通过基于Android的控制点手持维护系统的开发表明:结合Android终端与网络地图服务,可以避免传统方法的不足,更加有效的进行控制点的管理与维护。     

非差误差改正信息的大范围单历元网络差分方法

针对网络差分方法多采用双差模型,但双差模型在实现时不够灵活的问题,提出一种基于非差误差改正信息的大范围单历元网络差分方法。此方法能够克服双差网络差分模型的缺点,用户不需要选择一个参考站作为主参考站,更不需要主参考站的观测数据进行双差组合,从而减少了数据传输量,作业方式更加自由、灵活,且算法简单、作业范围大。大范围区域内的流动站用户利用非差误差改正数进行误差改正,然后可实现单历元网络差分定位。实验表明,该方法可完成大范围单历元网络差分定位,并能够得到分米级精度的定位结果。     

运用GVF Snake算法提取水域的不规则边界

GVF Snake是一种改进型主动轮廓提取算法。本文在详细介绍GVF Snake原理的基础上,重点对GVF Snake的内、外部约束力在边界提取中的作用以及初始边界对提取结果的影响进行了实验研究,提出了初始边界和内部约束力权值的合理设置方法,设计并实现了交互式GVF Snake算法,并用于提取遥感影像上水域的不规则边界。该算法采用种子点区域生长法自动给出水域的初始边界,采用人机交互法设置内部约束力权值,然后运用GVF Snake算法搜索水域的实际边界。实验表明：对于形状极不规则的水域,交互式GVF Snake算法也能方便、快速、准确地获取其边界。     

神经网络辅助的GPS/MEMS-INS组合导航算法

在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。