众源空中全景影像位姿的透视变换解算方法

由于缺少位姿信息,众源空中全景影像无法在地理信息空间中精确定位定向,本文提出了基于透视变换的众源空中全景位姿解算方法。首先阐述基于透视变换的球面全景空间交会方法原理,设计了位姿解算方案;其次构建了球面全景模型,使用透视变换实现了“平-球-平”模型变换;然后依据模型变换的变形特征,设计了迭代重加权最小二乘法解算位姿参数;最后以登封市纸坊水库空中全景影像为案例,验证了本文方法的可行性和可靠性。     

地理加权回归建模结果不确定性度量与约束方法EI北大核心CSCD

作为一种经典局部加权最小二乘方法,地理加权回归建模一直受样本空间稀疏及预测变量局部共线性等因素困扰,导致建模结果不确定性呈现空间异质。通过协方差传播定律构建后验标准差精度评价指标,本文提出了一种地理加权回归建模结果不确定性度量与约束方法,并基于地表PM 2.5浓度遥感制图实例开展了验证。试验结果表明:不确定性约束后,不同参数下地理加权回归模型的拟合精度、基于样本/站点/区域的十折交叉验证精度均有改善;局部共线性导致的模型回归系数符号偏差问题得到了改正;模型预测结果奇异值及负值能被有效甄别,有效提升了地表PM 2.5浓度制图结果的可靠性。该不确定性度量与约束方法可有效保证地理加权回归模型估算结果的稳定性和有效性。     

一种小波包混合滤波方法及其应用

目的 GPS变形监测数据的采样频率逐渐提高,对数据预处理提出了更高要求。提出了一种改进方法,即在小波包分析的基础上,结合高频系数加权中值滤波以及整体加权均值滤波的混合滤波方法对数据进行预处理。实验证明,该方法能简单快速且最大程度地去除大量数据中的随机非随机噪声、粗差等无用信息,同时突出了监测目标中趋势项、周期项等有用信息,适用于处理采样频率较高的变形监测数据,是一种实用的数据处理方法。     

加乘性混合误差模型参数估计方法及其应用

扩展乘性误差模型的参数估计方法至加乘性混合误差模型,推导了其参数最小二乘、加权最小二乘参数估计,并在偏差分析的基础上推导了偏差改正加权最小二乘估计。模拟计算和分析验证了偏差改正加权最小二乘适用于加乘性混合误差模型的大地测量数据处理,具有二阶近似无偏性,且精度较高。     

架空输电线路机载激光雷达点云电力线三维重建

电力线三维重建是机载激光雷达(LiDAR)电力巡线的一项重要任务之一。本文提出了一种基于架空输电线走廊机载LiDAR点云的电力线三维重建方法。首先,基于电塔LiDAR点和初始线路轨迹数据提取精确的电塔位置、电塔数量、线路轨迹、总档数等信息;然后,将线路分档,并确定每一档的二维空间范围和相应的电力线LiDAR点云;接着,分别对每一档的电力线LiDAR点云进行中心化投影,并利用k-means聚类将每一个电力线LiDAR点划分到相应的根;最后,利用直线和抛物线相结合的模型进行单档单根电力导线三维重建。两景试验表明,本文方法可以实现自动、高精度、正确的重建长距离架空输电线走廊电力线三维模型,重建过程中具有对电力线数目、空间配置结构、类型、粗差点、档距长度、点云不规则断裂等因素不敏感的优势。     

基于加权整体最小二乘的矿区平面坐标转换方法

常用的平面坐标系统转换模型四参数转换法在实际工程应用中,由于公共点一般分布在较小的范围内,点之间的距离较近,因此传统的四参数转换模型中旋转参数和平移参数之间的相关性较大,容易导致法方程病态,进而影响转换参数的精度,文中从重合点坐标重心化的转换模型出发,还原出重心化之前的四参数。通过加权整体最小二乘的转换分析及迭代计算,验证运用加权整体最小二乘(WTLS)方法转换的参数质量比最小二乘(LS)、整体最小二乘(TLS)方法得到的参数质量有显著改善。     

LiDAR森林冠层高度模型凹坑去除方法

LiDAR技术被越来越多地应用于林业领域,而森林冠层高度模型作为其数据产品直接影响着森林参数的反演,但其存在的局部凹坑现象对森林参数信息的提取形成阻碍。针对此问题,该文对局部凹坑去除进行了研究。利用局部稳健加权回归对点云数据进行散点平滑处理,填充凹坑(无效值);再利用反距离加权插值生成冠层表面模型,使之与数字高程模型相减得到归一化高度点云,形成去除凹坑后的森林冠层高度模型。通过对研究区30个样方的点云数据处理,及与高斯滤波、中值滤波、分层高度最大值法进行比较,并提取树高等信息进行验证。结果显示,无论在去除凹坑效果还是保持原冠层顶部形态结构上,该方法都具有明显优势。     

顾及各向异性的多参数协同优化IDW插值方法

反距离加权插值(inverse distance weighting,IDW)的精度受到空间邻近度、距离衰减系数及最邻近点数等多个参数共同的影响.然而,目前的IDW插值算法大多仅考虑单参数的调优,或对各参数独立调优,难以实现插值模型的整体优化.此外,传统的IDW插值算法没有顾及各向异性对空间邻近度的影响.本文提出一种顾...     

基于 Markov 理论的加权非等距GM（1，1）预测优化模型

背景值的构造方法是影响加权非等距GM(1,1)预测模型的精度和适应性的关键因素。文中通过等分函数法构造新的背景值对传统的加权非等距GM(1,1)模型进行优化,优化后的模型使其同时适应于高增长指数序列和低增长指数序列,提高传统模型的预测精度和适应性能力。但是优化后的模型依然易受建模数据随机扰动影响。马尔科夫(Markov)模型具有削弱建模数据的随机扰动性的优势。基于此,将优化的加权非等距GM(1,1)模型和Markov理论有机结合,构建优化的加权非等距Markov-GM(1,1)预测模型。最后,结合秀山湖二期工程的变形实测数据,运用新陈代谢的计算模式进行预测验证。结果表明:优化的加权非等距Markov-GM(1,1)预测模型的拟合和预测精度都优于传统的加权非等距GM(1,1)预测模型,新的预测模型的适用性更强,具有实际的参考价值。     

长江经济带人口城镇化空间格局及驱动力分析

针对驱动力对人口城镇化的空间变异特征分析不足的问题,该文以长江经济带市域为基本单元,借助社会经济数据,引入自然环境数据,建立了经济、社会、环境和土地因子的测度指标体系。运用探索性空间数据分析和地理加权回归模型,定量分析人口城镇化的空间格局、动力因子以及空间分异性。结果表明:人口城镇化水平区域间差异显著,呈现明显的空间集聚性,形成了"圈层集中-东西对立-中心联动-梯度明显"的分布格局。动力因子对各地区人口城镇化的影响呈现明显的空间异质性,环境因子和经济因子是长江经济带人口城镇化发展的主要影响因素,动力因子的影响程度和变化趋势能够客观的反映出区域经济发展、环境状况、社会发展和土地现状对城镇化发展在空间上的影响。