光学与微波植被指数协同反演农作物叶面积指数的可行性分析

光学遥感是目前反演植被叶面积指数LAI（Leaf Area Index）的主要手段,但是当叶面积指数较大时存在光学遥感信息饱和、反演精度显著降低的问题。叶面积指数和平均叶倾角对光学、微波波段范围内反射和散射特性都有重要影响,主要表现在植被结构参数的变化可以引起冠层孔隙率和消光截面大小的改变。本文以典型农作物玉米为例,通过构建统一的PROSAIL和MIMICS模型输入参数,生成一套玉米全生长期光学二向反射率和全极化微波后向散射系数模拟库和冠层参数库。通过对模拟数据与LAI敏感性和相关性分析得出：（1）光学植被指数MNDVI_{(800 nm,2000 nm)},在LAI为0—3时敏感,基于MNDVI与LAI的回归模型可以估算LAI变化 0.4的情况,RMSE是0.33,R²是0.958。（2）微波植被指数SAR_{SRVI(1.4 GHz HH,9.6 GHz HV)},在LAI为3—6时敏感,基于SAR_SRVI与LAI的回归模型可以估算LAI变化1的情况,RMSE为0.22,R²是0.9839。研究表明,采用分段敏感的植被指数,协同光学和微波遥感反演玉米全生长期叶面积指数是可行的。     

测震专业软件评估平台在地震行业中的应用1

本文简要介绍了测震软件评估平台的基本架构和功能,通过具体测试实例阐述了评估平台的应用,为地震行业专用软件的测试提供了一个比测运行的软件支撑平台.通过对被测软件进行合理、有效的测试,评价了被测试专业软件在数据汇集、数据交换、实时处理、交互处理、地震编目、数据管理与服务等方面的功能和性能指标,为进一步完善和改进测震专业软件提供了相应的实验依据,为地震行业专用软件的质量保证起到积极作用.     

地震应急卫星通信系统的设计与应用.

地震应急通信是地震应急救援工作的基础和关键的组成部分.本文从地震应急卫星通信网络的组成及规模、站点配置、组网方式、工作模式、工作模式切换、通信方式、卫星信道规划、业务应用等方面,简要介绍了中国地震局“十五”期间建设并投入运行的地震应急卫星通信系统的设计以及在地震应急工作中的应用.     

地震应急卫星通信网路由异常分析

地震应急卫星通信网一直存在路由异常的问题,时常造成卫星站点通信不畅。通过对网络拓扑结构进行分析,总结造成路由异常的原因。通过列举实例,提出以通过设置静态路由的方式,来解决目前网络中存在的路由异常问题。     

OSPF在地震应急卫星通信网中的应用研究

在地震灾害发生后,地震应急卫星通信网为地震救援提供高效可靠的音视频以及数据传输信道。由于地震灾害的突发性和不可预见性,地震应急卫星通信网在满足业务传输需求的同时需要实现灵活组网。OSPF(Open Shortest Path First,优先开放最短路由协议)较小的网络开销以及兼具灵活的组网方式,对于带宽资源有限的卫星通信系统来说无疑是相当具有优势的。本文着重研究了OSPF在地震应急卫星通信网中的具体应用。     

地震应急卫星站点常见问题与故障处理

对地震应急卫星通信系统的站点进行了简要介绍,根据日常卫星运行维护工作中的经验,总结了省地震局卫星站点容易出现的故障,提出了通过设备指示灯快速识别设备故障的方法,并对可能出现的常见故障提出了解决方案,对省地震局应急通信现场工程师有一定的参考和实用价值。     

基于层次分析法的重庆山区矿山泥石流潜势度评价

重庆是典型的山地城市,矿产资源丰富,降水充沛,为矿山泥石流灾害较为严重的城市。为分析重庆山区孕育矿山泥石流灾害的地质环境特征,本文选取渣堆坡角、渣堆高度、渣堆堆积时间等13个因子构建了矿山泥石流潜势度评价指标体系,利用层次分析法确定各指标权重,建立了矿山泥石流潜势度综合指数评价模型,并以秀山溪口矿山泥石流为研究对象,通过计算得到研究区矿山泥石流潜势度指数为8.51,区内地质环境孕育矿山泥石流的潜在能力高,评价结果与实际情况吻合。     

附有基线约束的LAMBDA算法整周模糊度确定

利用刚性载体上基线长度不变的特性,提高传统LAMBDA算法搜索模糊度的效率和准确度.对附有基线约束的单频LAMBDA算法进行了探讨,研究了动态定位中,利用较少历元,通过基线长度约束,提高模糊度解算成功率.     

顾及路口转移偏好和当前移动模式的个体驾驶目的地预测方法

个体驾驶目的地预测在个性化服务推荐、智慧交通等位置服务中具有重要的应用价值,但现有深度学习方法多以高密度采样轨迹点为单位构建出行特征,导致数据冗余、信息增益有限。路口序列可简化道路驾驶轨迹的表达形态,降低训练成本;同时,路口间的转移偏好与当前移动模式隐含路口与目的地间的时空关联关系,能够一定程度上表征个体出行意图,却鲜有研究将其用于目的地预测。为此,提出一种顾及路口转移偏好和当前移动模式的个体驾驶目的地预测方法：（1）以路口为单位构建输入特征,利用图注意力机制学习不同时间槽内路口间的转移系数,并结合长短期记忆模型捕获转移偏好长期依赖关系;（2）构建时间循环编码与驾驶状态特征,利用长短期记忆模型学习个体当前移动模式表征;（3）通过特征交叉与注意力机制实现特征融合,并利用残差网络输出预测。基于中国深圳市12名私家车司机2019年全年的轨迹数据开展实验,通过与隐马尔可夫、长短期记忆模型、远近距离依赖模型、融合地理语义与位置重要性的长短期记忆模型的精度进行对比并进行消融实验,验证了所提方法的有效性;可视化分析了转移偏好在捕获路口间空间关联关系中的作用,并探讨转移路口数量设置对预测精度的影响。