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。     

北斗三号MEO卫星非保守力建模

非保守力模型精度不高是制约BDS-3卫星定轨精度的主要因素之一。本文针对BDS-3 MEO卫星构建了地球辐射、天线辐射和箱体-两翼（BW）太阳光压模型,对典型的经验光压模型（ECOM1和ECOM2）进行补偿得到多个非保守力模型,收集全球观测网的数据进行定轨试验,通过轨道重叠互差和激光测距残差分析比较不同轨道模型的优劣。试验结果表明,经验光压模型是影响轨道精度的主要因素,在名义偏航模式下,ECOM2具有更好的表现,但ECOM1对卫星的姿态模式更不敏感。地球辐射和天线辐射会引起北斗卫星轨道径向约3 cm的系统性偏差,对二者建模后,几乎可以完全消除卫星C29和C30的激光残差系统偏差,但卫星C20和C21的系统偏差反而增大。此外,增加box-wing模型对于提高轨道精度也是有益的。     

北斗三号卫星经验型太阳光压模型分析与精化

太阳光压摄动作为在轨导航卫星受到的最大的非保守力,是卫星精密定轨的重要误差源。ECOM模型、ECOM2模型,这两种经验型光压模型被广泛应用于导航卫星定轨。然而,ECOM模型和ECOM2模型分别是针对GPS和GLONASS卫星设计的,并不完全适用于我国北斗三号(BDS-3)卫星。针对五参数ECOM模型在BDS-3卫星低太阳高度角时期轨道不连续性增大的问题,本文提出在 D方向引入一阶周期项来吸收未被模型化光压加速度。结果表明,引入一阶余弦周期项 D_c,能将低太阳高度角时期CAST卫星的切向、法向、径向重叠轨道误差分别减小约60%、52%、29%。针对ECOM2模型中 D_2c和 D₀、D_2s和 B_s之间存在的强相关性,本文提出了不估计 D_2c参数的八参数ECOM2模型和不估计 D_2c与 D_2s的七参数ECOM2模型。结果表明,相较九参数ECOM2模型,不估计 D_2c参数的八参数ECOM2模型能够将CAST卫星和SECM卫星径向重叠轨道误差分别减少约18%和27%。在此基础上,继续移除 D_2s后(七参数ECOM2),径向重叠轨道误差可进一步减小5.2%~8.5%。综合考察重叠轨道精度和SLR检核精度,不顾及 D_2c和 D_2s的七参数ECOM2模型表现最佳。CAST卫星和SECM卫星重叠轨道切向、法向、径向精度分别为5.0、3.4、1.4 cm和5.4、3.5、1.5 cm;SLR检核残差标准差分别为3.1~3.2 cm、4.4~4.7 cm。     

数字航空摄影三维重建理论与技术发展综述

航空摄影测量作为摄影测量学最重要的分支之一,近年来得到了长足的发展。倾斜航空摄影和无人机摄影测量等多种新作业模式的出现,给传统航空摄影测量带来新的挑战的同时也催生出了诸多新的解决方案。此外,人工智能领域计算机视觉技术和深度学习技术中的新理论、新方法不断融入航空摄影测量中,推动航空摄影测量向智能化、自动化方向发展。当代航空摄影测量学已经是多种传感器融合、多种数据采集方式结合、传统摄影测量和人工智能技术交叉的产物。三维重建是航空摄影测量的核心问题之一。本文阐述了当代航空摄影三维重建技术的发展趋势和存在的问题,着重从航空影像的同名连接点自动提取与匹配、区域网平差、密集匹配和单体化建模4个方面对当前的研究现状进行了总结讨论,给出了当前国内外主流的航空影像摄影测量处理框架。     

基于网络和图的时空智能——概念、方法和应用

当前时空智能(SpaceTimeAI)和地理空间智能(GeoAI)已是热门的话题,该研究领域旨在将计算机科学的最新方法(如深度学习)应用于地理空间问题。虽然深度学习方法因其对栅格数据的自然适用性而在图像处理中取得了巨大成功,但仍未广泛应用于其他空间和时空数据类型。本文提出使用网络和图作为SpaceTimeAI或GeoAI的基本结构的倡议,并将其应用于城市研究中。相比于基于网格的表达,基于网络的结构更加精确和实用。图能实现对点、线、面/多边形/网格和网络等多种空间结构的表达。本文通过时空预测、聚类和时空优化等常用时空分析方法展示基于网络和图的时空智能分析的优势,并介绍其在交通出行、警务和公共卫生等领域的应用。     

广域滑坡灾害隐患InSAR显著性形变区深度学习识别技术

全面识别和发现地质灾害隐患,已成为我国地质灾害防治的重大实际需求。目前,基于InSAR技术和深度学习相结合用于广域尺度下地质灾害隐患智能识别应用效果与适用性还需要进一步探索与研究。本文基于Stacking InSAR技术获得地表形变相位数据,利用深度学习检测识别正在变形的滑坡隐患位置与分布,确定显著性形变区边界,探索将上述技术方法推广到一定的广域范围和动态更新数据集。结果显示,测试数据集显著性形变区平均识别精度为0.69,召回率为0.67,F₁ score为0.67,动态更新数据集识别精度为0.85,召回率为0.58,F₁ score为0.68。研究表明,本文方法在广域地灾隐患识别中具有应用可行性,可为地质灾害监测预警提供理论基础与技术支撑。     

融合工程地质资料与GNSS高精度监测信息的黑方台党川黄土滑坡稳定性研究

针对当前滑坡稳定性评价方法难以准确获取评价结果的突出问题,本文提出了一种融合地下水、工程地质钻孔信息及灌溉资料等工程地质资料与GNSS观测的黄土滑坡稳定性评价方法。首先,基于高分辨率影像、高精度DEM、地层地貌等多源异构数据,建立滑坡精细三维地质模型体;然后,将滑坡外部高精度GNSS监测数据作为模型外部约束条件,进一步构建起融合工程地质资料与GNSS观测的黄土滑坡稳定性综合评价模型。本文方法能够将滑坡外部大地测量高精度监测数据与工程地质数值模拟手段有机融合,实现了滑坡外部形变信息与内部变形机制的有效耦合。通过我国典型黄土滑坡域甘肃黑方台党川实际发生的两起滑坡失稳事件验证表明,本文方法可有效地提高滑坡稳定性评价结果的精度及可靠性,获取了与试验区域滑坡实际失稳情况相一致的结果:HF06/07 GNSS监测点首先失稳,其次是HF09监测点失稳,最后是HF05监测点失稳。基于本文方法获取的滑坡失稳顺序与实际滑坡发生顺序高度一致,显著优于现有的滑坡失稳数值模拟法。     

云贵高原地区生态系统服务价值时空变化特征北大核心CSCD

针对云贵高原地区在开展生态恢复工程后的生态系统服务价值(ESVs)如何变化问题,本文基于当量因子和空间自相关分析等方法,研究了云贵高原地区ESVs的时空变化特征。结果表明:(1)土地利用类型转移主要是农田转为建设用地与水体。(2)在开展生态恢复工程后,生态系统得到了改善,ESVs在38年间呈先减少后增加的趋势,累计增加94.91亿元,森林的生态调节能力及产生的价值总量在2180亿元以上,最少的为荒漠,约为0.1亿元。(3)ESVs的空间分布格局表现为西南地区较高、中部较低。(4)1980—2018年ESVs表现为显著空间正相关,莫兰指数大于0.46,有明显的聚集特征。     

最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。     

超高层建筑精密施工测量关键技术

针对传统的测量技术无法满足超高复杂结构建设的要求,根据超高层建筑工程的特点和难点,通过对我国范围内的超高层建筑施工测量技术的总结,本文研发了新仪器设备并提出了超高层标高高精度自动传递工艺方法,探索了一套我国“千米”超高层建筑精密施工测量的关键技术。结合GNSS 定位技术与智能化全站仪等多项新技术,获得高质量高精度测量基准、精确施工控制点及快速高精度的监测点位,将GNSS技术应用于超高层建筑施工监测是精密工程测量的突破,应用前景广阔。