电子水准仪DINI20和DL102试验与精度分析

以ＺＥＩＳＳ ＤＩＮＩ ２０和ＴＯＰＣＯＮ ＤＬ １０２型仪器为例，介绍电子水准仪和编码标尺的构造与基本工作原理，阐述对上述电子水准仪的补偿器，编码标尺倾斜与遮挡等性能的检验结果分析，由建立的试验场实测精度得出，上述仪器一般机用于三、四等水信测量，在一定条件下也可用于二等水准则量，并指出测量中应注意的事项。     

基于关系数据库的地形图符号库的设计

根据地形图符号的特点，给出了地形图符号的分类和定义，并根据地形图符号的构造函数设计了基于关系数据库的地形图符号库。点线面符号均采用关系数据库的记录描述，从而使得符号的配置独立于具体的符号和图形，同一程序基本上可完成所有符号的绘制，方便了符号库的维护和更新，本符号库以ＡｕｔｏＣＡＤ Ｆｏｒ Ｗｉｎｄｏｗｓ作为图形环境，用Ｂｏｒｌａｎｄ Ｃ＋＋作为开发工具开发。     

单波高精度测距系统的研究

本文介绍了测距精度优于１０＾－６的自动高精度测距系统的构成、原理及春应用。     

方差分量估计理论及其在边角网平差中的应用

本文从理论上阐明了MINQE(I,U)(最小范数二次不变无偏估计)方差分量估计出现负方差的原因;论述了存在MINQE(U,NND)估计量的充要条件;对边角网平羞问题而言,MINQE(I,U)估计法不可能同时准确地求出边长误差模型中的m _a ² 和m _b ² 。文章从边角网误差模型的特点出发,提出了一种新的方差分量估计模型(改进的方差分量估计模型),该模型能合理地确定方向和边长的方差分量,从而较好地解决了边角网平差中的定权问题。     

复杂卫星图像中的小目标船舶识别

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。     

机载光学全谱段遥感林火监测

森林火灾是一种危害极大的自然灾害,是森林扰动的主要类型之一,直接影响森林生态系统结构、碳循环甚至全球气候的变化。近年来,航空平台和传感器的技术进步有效地提升了机载遥感系统探测和监测森林火灾的能力,推动了机载遥感在森林可燃物调查及载量评估、火险测报预测、火场态势及火情监测、灾害损失评估以及火烧迹地生态修复治理等方面的应用。本文首先介绍了中国林业科学研究院机载光学全谱段遥感系统CAF-LiTCHy（Chinese Academy of Forestry’s LiDAR,Thermal,CCD and Hyperspectral airborne observation system）,描述了激光雷达扫描仪、热红外相机、CCD相机和高光谱传感器等传感器的参数;然后,阐明了集成方案和观测数据的处理方法;最后,以四川省西昌市“3.30森林火灾”作为该系统火后灾情遥感调查和灾情评估应用示例,综合多传感器数据特征,进行森林火烧程度评价,分析该系统采集的正射影像、冠层高度模型、高光谱影像、热红外影像在森林火灾监测评价中的潜力。研究结果表明CAF-LiTCHy机载遥感观测系统能有效获取森林火灾的灾情信息、火场及火环境参数,可为预防、预报预警、扑救指挥、灾害评估和生态修复提供支持。     

Spatiotemporal characteristics of white mold and impacts on yield in soybean fields in South Dakota

ABSTRACT

White mold of soybeans is one of the most important fungal diseases that affect soybean production in South Dakota. However, there is a lack of information on the spatial characteristics of the disease and relationship with soybean yield. This relationship can be explored with the Normalized Difference Vegetation Index (NDVI) derived from Landsat 8 and a fusion of Landsat 8 and the Moderate Resolution Imaging Spectroradiometer (MODIS) images. This study investigated the patterns of yield in two soybean fields infected with white mold between 2016 and 2017, and estimated yield loss caused by white mold. Results show evidence of clustering in the spatial distribution of yield (Moran’s I = 0.38; p < 0.05 in 2016 and Moran’s I = 0.45; p < 0.05 in 2017) that can be explained by the spatial distribution of white mold in the observed fields. Yield loss caused by white mold was estimated at 36% in 2016 and 56% in 2017 for the worse disease pixels, with the most accurate period for estimating this loss on 21 August and 8 September for 2016 field and 2017 field, respectively. This study shows the potential of free remotely sensed satellite data in estimating yield loss caused by white mold.     

FY-3D and FY-3C onboard observations for differential code biases estimation

GPS Solutions - As parameter estimation and statistical testing are often intimately linked in the processing of observational data, the uncertainties involved in both estimation and testing need...     

A comparison of three widely used GPS triple-frequency precise point positioning models

GPS Solutions - The EUREF Permanent Network (EPN) is a network of continuously operating GNSS stations installed throughout the European continent. The EPN Central Bureau (CB) performs the...     

全国土地利用动态监测结果栅格数据矢量化

为了有效地管理和使用国土资源大调查中的土地利用动态监测成果数据 ,将监测成果及时有效地应用于日常的土地管理和规划中 ,需要建立动态监测数据库。本文阐述了在建立数据库过程中 ,如何将动态监测成果的栅格数据矢量化以及如何将栅格数据和矢量数据统一到一个地理数据库系统中的方法