一种提高大高差短基线精度的方法

提出采用半参数模型解算大高差短基线,削弱残余对流层误差的影响。算例表明,与常规最小二乘法相比,采用半参数模型处理基线能很好地分离GPS残余对流层误差,提高基线解算精度。     

关于最小二乘问题近似解误差估计的进一步分析

Brezinski等人给出了最小二乘问题近似解的一族误差估计。该误差估计含有1个实参数。本文的贡献有3个方面:其一是给出了1种参数选择策略;其二是对该族误差估计的性质做出进一步分析;其三是分析了应用于Tikhonov正则化时应注意的一些问题。     

正交解调及复自相关频率估计在海流测量中的应用

正交解调技术在使用复自相关算法进行频率估计中具有非常重要的作用,简要介绍了正交解调技术和复自相关算法在声学多普勒海流计中的应用.     

模拟三维裂纹问题的多尺度扩展有限元法

扩展有限元法模拟裂纹时独立于网格,因此该方法是目前求解裂纹问题最有效的数值方法。为了在计算代价不大的情况,实现大型结构分析中考虑小裂纹或提高裂纹附近精度,在裂纹附近一般采用小尺度单元,其他区域采用大尺度单元。提出了分析三维裂纹问题的多尺度扩展有限元法,在需要的地方采用小尺度单元。基于点插值构造了六面体任意节点单元。所有尺度单元都采用8节点六面体单元,这样六面体任意节点单元可方便有效地连接不同尺度单元。采用互作用积分法计算三维应力强度因子。边裂纹和中心圆裂纹算例分析结果表明,该方法是正确和有效的。     

利用能量因子进行DEM升尺度转换精度评价

全面评价数字高程模型（digital elevation model,DEM）升尺度转换方法的精度,有助于合理选择DEM升尺度转换方法,掌握DEM尺度转换规律及构建新的DEM升尺度转换模型。然而目前关于DEM精度评价的研究成果还难以达到实际应用的要求,从全新的视角寻找客观、高效的DEM升尺度转换结果的精度评价方法仍有待研究。基于地球表面接收太阳辐射的分布特性,提出基于能量因子的DEM精度评价方法,应用于不同DEM升尺度转换方法的精度评价中。基于现有的精度评定与质量评价方法,构建定性与定量分析相结合的综合评价方法,以验证基于能量因子的精度评价方法的合理性和有效性。实验结果表明,基于能量因子的精度评价方法原理简单、操作方便,能够反映升尺度转换后DEM地形空间遮蔽关系的变化情况。该方法为DEM升尺度转换结果的精度评价提供了新的思路和方向,对DEM在定量遥感建模与山区地表生态参量反演等方面的应用具有一定的借鉴意义。     

2000国家GPS大地控制网数据处理方法与结果

介绍了我国GPS大地控制网的基本情况,阐述了结合地壳运动观测网络工程建立全国统一的“2000国家GPS大地控制网”的意义,并介绍了整网平差中采用的技术方法和最后平差结果及精度。     

东亚地区南北两个风暴源地中风暴的结构和动力学差异

基于欧洲中心中期天气预报再分析资料(ERA-40),使用涡旋追踪和合成技术、多尺度子空间变换以及局地多尺度能量分析方法研究了东亚地区南北两个风暴源地中风暴的差异。结果发现,南、北两个源地风暴在结构上和内部动力过程上均存在着显著不同。南支源地(40°N以南)风暴底层比高层强,与线性斜压模式中的最不稳定模态结构相似;而北支源地(40°N以北)风暴则正好相反,与下游发展理论所描述的斜压波结构相似。并且发现,南支源地风暴的非地转风场比北支源地风暴的强。能量学诊断结果显示,南支源地风暴的能量源除了斜压不稳定外,有很大一部分来自正压不稳定,而北支源地风暴中则是存在弱的动能逆尺度传输。此外,南支源地风暴的浮力转换和非绝热做功均比北支源地风暴的强,其主要原因是南支源地风暴的垂直运动更强,风暴中的水汽更加充足。      

空间认知能力评价及其与场景草图面要素方位特征间关系的研究

场景草图是人们对周围环境认知结果的概括性表达,研究人们空间认知能力和场景草图不同特征之间的关系是实现场景草图与地图匹配的重要基础之一。然而,现有研究中仍然缺少空间认知与面要素间方向关系相互影响的研究。本文使用基于锥形模型的四方向模型和八方向模型以及基于投影的MBR模型描述场景草图中面要素间的方位关系,将空间认知能力划分为心理旋转能力（MRT）、方位能力和复杂图形记忆能力（CFT）,设计认知能力实验,分析在社区级尺度下多类型场景中人们空间认知能力差异和场景草图面要素方位关系之间的相关性。研究表明：在居民区、商业区等等面要素类型丰富且分布复杂的区域：(1)心理旋转能力和场景草图面要素方位关系呈正相关;(2)方位能力和面要素方位关系呈显著正相关;(3)复杂图形记忆能力和面要素方位关系则没有明显关联,而在面要素类型单一分布规整的区域,3种空间认知能力和面要素方位关系则关联不明显。本文研究结果可以为场景草图在数据库中匹配寻址提供支持,也表明草图中地物间的方位关系是一个合适的匹配因子。     

结合注意力机制的卫星遥感影像立体匹配

采用立体匹配技术对多视卫星遥感影像进行三维场景重建一直是摄影测量与遥感领域的核心问题。基于卷积神经网络的深度学习方法极大地促进了立体匹配技术的发展,然而其中涉及匹配困难和误匹配问题的相关研究仍然不足。为了提升卫星遥感影像不适定区域中视差估计的精度,本研究提出了一种结合注意力机制的立体匹配深度学习网络,在特征提取模块中加入注意力机制,分别从通道和空间两个维度捕获全局信息,对特征进行优化;在代价体的构建模块中构建新的代价体积,并重新设置视差的回归范围。为了验证本文方法的有效性,在US3D、WHU-Stereo两个数据集上分别与已有方法 Stereo-Net、PSM-Net进行了比较分析。结果表明,本文方法在EPE(endpointerror)和D₁两个指标上均能达到最优,取得了较好的性能,提高了立体匹配的精度,尤其在无纹理、重复纹理、遮挡及视差不连续区域表现出良好的鲁棒性。     

北京市出租车OD流多尺度空间预测深度重力模型及其可解释性研究

准确预测城市内部OD流对于优化城市交通运行效率、提高资源利用率以及促进城市可持续性发展具有重要作用。现有研究大多基于单一尺度利用地理位置之间大量的历史流量来预测未来的流量,尚未有研究充分探究不同空间尺度下OD流预测可能存在的重要特征或建模精度差异等问题。本研究以北京市出租车轨迹为例,采用深度重力模型（Deep Gravity）对不同空间尺度下的轨迹OD流进行预测。同时,引入SHAP值（SHapley Additive exPlanations）揭示不同尺度下影响OD流预测建模的重要特征。结果表明：(1)相比于重力模型和辐射模型,街道尺度下深度重力模型的OD流预测精度最高（CPC值高达0.83）,且成功捕捉到了北京市早晚高峰时段的OD流网络整体结构,呈现出“环形散射状”特征;(2)在本研究所选各空间尺度下,对OD流预测精度影响最大的4个特征均为O、D点之间的出行距离,O、D点周围公司企业数量、餐饮服务数量以及购物服务数量;(3)同一特征对OD流预测模型的局部影响不同于全局,如科教文化和体育休闲类POI在全局尺度下对模型影响较小,但在局部尺度下却表现出极大的影响。