结构信息约束的三角网格模型简化方法

针对经典的二次误差度量边塌陷网简化算法存在的模型边缘缺损、三角面形状和拓扑异常等问题,该文在此基础上改进算法,提出一种基于结构信息约束的网简化方法.算法考虑三角面的形状和法向在边塌陷前后的变化,将这些结构变化信息量化与二次误差度量组成复合塌陷代价值;同时给出一种三角面间压覆检测方法,将检测结果作为边塌陷决定条件之一,以此来保护三角面的形状和三角网的流形拓扑结构;此外,通过重新定义边界点的二次误差矩阵,自适应地提升边界点所在边的塌陷阈值,从而实现在简化过程中对模型边缘的保护.实验结果表明,该文方法得到的简化三角网边缘完整,算法鲁棒地维护最佳三角面形状和流形拓扑结构,有效地改善了重建三维模型的效果.     

融合遥感调查和坡度等级的荒山地提取方法

针对荒山地有效识别和图斑提取长期缺乏统一的技术标准和方法,荒山地适宜性治理评价急需位置、面积、地表覆被、土地利用现状以及坡度等级等基础信息支撑的问题,该文提出一种利用多源遥感调查监测数据和坡度等级数据的荒山地图斑提取方法.经历城区的实地应用表明:该方法提取的草地、裸岩石地符合率均为100％,乔木林和灌木林的符合度分别为93％和91％,准确提取了符合荒山地特征的地类图斑,满足实际工程应用要求,解决了荒山地地类状况长期不明确的问题,实现了荒山地大规模的有效识别和提取,形成了融合多源遥感监测和坡度等级的荒山地提取方法,提高了荒山地的识别和提取的质量.     

国产高分卫星像素级影像融合及其质量评价

为了探究适合国产高分卫星影像的融合方法,该文以国产亚米级高分辨率卫星BJ-2和GF-2影像为数据源,分别选取像素级影像融合方法中较为典型的GS、Pansharp、NND、HPF、PCA和PCA+Wavelet对2种影像进行处理,并采用定性和定量分析法对其融合效果进行评价.结果表明:对于BJ-2影像,Pansharp和GS的融合效果相对较好,光谱保真度较佳、清晰度较高、光谱扭曲度较小;对于GF-2影像,Pansharp融合效果相对较好,HPF次之,光谱保真度较佳、清晰度较高、光谱扭曲度较小;对于2种影像,PCA融合法的效果最差.     

基于滑动L2优化准则的GPS坐标时间序列重构

GPS坐标时间序列中不仅包含白噪声,还包含闪烁噪声、随机漫步噪声等有色噪声,这些噪声将影响GPS应用的可靠性,甚至可能对一些地球物理现象做出错误的解释,因此降低GPS坐标时间序列中有色噪声的影响、提高GPS精度是一个重要和基本的问题。提出了一种滑动L₂优化估计方法(ML₂),通过选取合适的窗口建立L₂优化模型,再利用交替迭代乘子法求解每段时间序列的优化问题,并逐年滑动得到整段GPS坐标时间序列的估计。实验结果表明,ML₂方法与奇异谱分析、小波分解、滑动普通最小二乘法相比具有更好的重构效果。     

基于MODIS数据的黄河源区植被覆盖度反演研究

以黄河源区高寒草地为研究对象,采用无人机航拍技术获取了样地实测的植被覆盖度;结合2001-2018年MOD13A1数据提取常用植被指数,分别采用像元二分模型法和回归模型法对研究区植被覆盖度进行了反演,并对其精度进行了验证;采用最小二乘法分析了黄河源区2001年以来植被覆盖度的变化趋势.结果表明,修正的土壤调节植被指数结合回归模型的反演精度较高;黄河源区多年平均植被覆盖度为57.89％,植被覆盖度处于30％以内、30％～60％、60％以上3个区间的面积分别占源区总面积的13.1％、27.25％和49.65％;2001-2018年黄河源区植被覆盖度略呈增长趋势.     

基于罗德里格矩阵的三维坐标转换方法

采用罗德里格矩阵公式,在不考虑尺度因子的情况下,建立了基于罗德里格矩阵的六参数坐标转换模型,推导了高精度参数初值计算方法,最小二乘迭代法平差公式。通过实测数据验证,通过实测数据计算,表明该算法具有精度高、稳定性强、适用性广等优点。     

稳健估计下转换参数系数矩阵定向改正的整体最小二乘

不同空间坐标系在进行坐标转换过程中,利用整体最小二乘(TLS)构建高斯-马尔科夫(Gauss-Markov)模型求解布尔莎-沃尔夫(Bursa-Wolf)七参数模型时,存在已知控制点含有粗差、模型系数阵固定常数参与残差改正的问题。通过对系数矩阵中含误差参数进行改正,并结合稳健估计的方法,对TLS进行迭代定权,解决了已知控制点粗差会对参数计算精度产生影响的问题,同时使得系数矩阵中非常数项得到精确的残差改正。本文通过实验数据证明,此方法可行并且解算精度更优。     

基于高分二号卫星数据的农作物分类方法研究

针对目前高分二号卫星数据(GF-2)有较高的空间分辨率而在农业领域应用较少和农作物分类普遍存在"同谱异物"和"同物异谱"的现象,以辽宁省沈阳市苏家屯区以西的新开河村周边为试验基地,利用最佳波段组合指数法(OIF)对所选取的高分二号(GF-2)卫星数据的纹理特征和植被指数以及波段信息进行筛选,选取最佳的波段组合,以增加分类信息、减少数据冗余。最后,针对筛选后的数据,使用最大似然法进行分类,得到农作物的分类结果。结果表明,利用该方法对农作物进行分类,分类精度得到了一定程度的提高,为目前大规模农作物种植面积的精确、迅速统计提供了一套可行的方案。     

地形因子与小微地震相关度的空间异质性分析

针对传统最小二乘回归未能顾及数据的空间特性,且无法度量模型自变量与因变量相关性的空间变异特性的问题,本文提出利用地理加权回归方法分析小微地震频次与地形因子相关度的空间异质性。以四川地区的地震监测资料、DEM为实验数据,选取地形复杂度、坡度变率、坡向变率和地面曲率为自变量,地震发生频次为因变量,构建地理加权回归模型,并进行回归系数的空间变异分析。实验分析发现,地震频次与地形因子具有一定的相关性:地形复杂度与地震频次相关性最强;坡度变率、沟壑密度、剖面曲率与地震频次的相关性依次减弱;不同空间位置的地形因子和地震频次的相关性具有较明显的空间异质性。实验结果表明,地理加权回归可以有效地度量分析地震频次与地形因子相关度的空间异质性,研究结果可为地震及次生灾害的分析与预报提供辅助决策参考。