过黄河渡槽的脉动风荷载模拟

根据脉动风压功率谱与脉动风速功率谱之间的关系，利用风压功率谱密度函数矩阵的分解，通过一组余弦函数的和对过黄河渡槽随机形式的脉动风荷载进行了计算机模拟。     

无模型变形的单图像立体显示算法

本提出的算法从理率上消除了模型变形问题，分析了显示精度引起的视觉差异，提出了Ｍ－Ｂｕｆｆｅｒ结构解决区域和消除三维隐藏点问题，极大地提高了运算速度，图像质量亦明显提高，更宜用于地貌研究。     

Jupiter^TM采用精密星历,钟差修正和电离层格网模型的GPS定位结果

在过去几年里，人们开始注意采用精密ＧＰＳ卫星星历，卫星钟修正和电离层模型作为替代传统的ＤＧＰＳ经济实用的方法，精密星历和卫星钟修正可用于消除广播星历和卫星钟的误差影响，还包括克服ＳＡ的影响。另一方面，精确的电离层模型对单频用户很重要。它比只采用标准民离层模型能得到更好的电离层延迟。     

地形仿真用于军事的探索

通过用分形图的自动综合，提出以一组数学公式和少数控制缺点数据来表示地貌数据库的问题，叙述了地貌仿真库研究的思路和数学模型，并通过概述仿真库在军事上的作用，说明了该库研究的意义。     

扰动质点模型构制与检验

对扰动质点模型两种主要误差源作了详细分析，给出选择扰动质点埋藏深度的基本原则。在此基础上，提出一种新的模型构制方法，并提出一种比较客观的扰动质点模型外部检该方法。     

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。     

日光诱导叶绿素荧光辐射传输模型研究进展

日光诱导叶绿素荧光(SIF)是指示植被光合作用过程的无损探针,在不同时空尺度上对植被进行SIF的观测可以反映植被的实际光合作用及生理状态。然而在观测、分析和利用SIF的过程中,仍存在很多不确定因素。SIF的发生具有较为复杂的机理,从机理出发理解SIF与植被结构的相互作用,并分析影响SIF激发的主要因素将有助于更好地理解SIF与光合作用以及生物量的内在联系。因此,植被SIF辐射传输模型在解释和利用SIF遥感信号方面具有重要的作用。植被SIF信号相对较弱,且受环境、植被和生理等多种因子的影响,需要定量化描述,这为SIF辐射传输模型的构建带来挑战。近年来,大量学者已经发展一系列SIF辐射传输模型,为SIF遥感的发展提供了坚实的理论基础。本文回顾了叶片、冠层和生态系统尺度的SIF模型,从建模机理出发,对比模型优劣势,并对未来SIF模型的发展前景进行了展望。     

ASTER GDEM V2的南极冰川高程误差校正及精度分析

ASTER GDEM V2是研究南极冰盖表面的一种重要DEM数据源。由于南极冰雪区反射率高且缺乏地形特征,导致ASTER GDEM V2存在大量的坑、隆起等噪声,难以直接用于南极地形分析。本文以ICESat/GLAS激光点高程数据作为参考,采用修正等高线法对南极伯德（Byrd）冰川ASTER GDEM V2进行了误差校正,并将其与ICESat-1 DEM的垂直精度进行了对比分析。结果表明：ASTER GDEM V2的RMSE由校正前的26.56 m下降到校正后的18.77 m,远低于ICESat-1 DEM的RMSE（121.24 m）;校正后的ASTER GDEM V2高程精度受坡度影响较小,不存在明显的系统误差,而ICESat-1 DEM的高程精度受坡度的影响较大。本研究进一步通过地形剖面分析得到：校正前的ASTER GDEM V2噪声主要分布于高程较低、地形平坦的区域,通过修正等高线的方法可以有效去除这些噪声,去除噪声后的ASTER GDEM V2可作为研究伯德冰川理想的DEM数据源。     

基于森林模型参数先验知识估算高分辨率叶面积指数

目前,估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型,再用统计模型估算LAI。然而,与农田地面测量实验相比,森林地面测量实验获取的观测数据更加有限,这使得基于统计模型的森林高分辨率LAI的估算精度低,难以满足应用需求。为此,本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先,获取全球20个森林实验区的LAI地面测量数据和NDVI数据,建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后,以一个新的森林站点Concepción作为研究区,将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型,优化模型用于估算森林高分辨率LAI,使用验证数据评价LAI的估算精度。同时,选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度,经验证4个森林站点的均方根误差分别为0.6680,0.4449,0.2863,0.5755。研究结果表明：在仅有少量观测数据时,采用本方法能有效地提高森林高分辨率LAI的估算精度。因此,本方法可为森林高分辨率LAI的遥感估算提供参考。     

加权混合估计中权值的确定方法

综合了大地测量中各种异方差多源观测模型和联合平差方法,说明了混合估计方法可以用于测量数据融合,平衡附加信息和样本信息对参数估计的影响。通过求取权值使参数估计的协方差阵的迹最小的方法,给出了一个权的最优选择方法。本文扩展了已有的加权混合估计方法,使得新方法中的权不受验前单位权方差的限制,能有效应用于大地测量数据处理。