花园口站年最大洪峰流量时间序列的HHT分析

Hilbert-Huang变换能够定量描述非线性、非平稳复杂时间序列的时频特性,较传统分析方法更具优势。通过对时间序列进行EMD分解,得到变化过程的内在模态函数和趋势项函数,而后对各内在模态函数进行Hilbert-Huang变换,从而揭示出时间序列的多时间尺度特征。以黄河花园口站1952-2009年的年最大洪峰流量时间序列为例,对其进行多时间尺度分析,得到不同波动周期的振荡分量及趋势分量,具体分析了各分量的变化特征。结果表明,花园口年最大洪峰流量变化过程中存在准3.2a、准6.4a、准11.8a和准31.0a周期的波动,其中准3.2a和准6.4a的周期波动是引起原序列波动的主要原因,近60年来花园口年最大洪峰流量变化呈递减趋势,由此揭示了年最大洪峰流量变化过程的多时间尺度特征。在此基础上,探讨了各波动分量变化的影响因素,其变化与大气低频振荡、ENSO、太阳活动及气候变迁等因素有关。     

1999—2009年新疆能源消费碳排放的因素分解及实证研究

从影响因素角度用LMDI分解方法对新疆1999—2009年的碳排放进行研究。结果表明:能源结构和能源强度对新疆人均碳排放增长起抑制效应,且能源强度的抑制效应大于能源结构的抑制效应;产业规模和人口规模对新疆人均碳排放增长起拉动效应,且产业规模的拉动效应大于人口规模的拉动效应。能源强度和能源结构的抑制效应难以抵消由产业规模和人口规模拉动的新疆人均碳排放的增长。在实证研究结果的基础上提出了相应的政策建议。     

中国区域总云量和低云量分布变化

据1960—2009年606个气象台站总云量和低云量观测数据分析显示,我国总云量总体处于下降趋势,相对于20世纪60至70年代云覆盖年变化平稳阶段,1980 2009年全国平均总云量下降了0.6%,但长江以南沿海地区和新疆少部分地区总云量一直变化比较平稳。低云变化空间不均性差异较大,以四川盆地为中心区域50年间低云持续减少,从20世纪60年代开始,平均每10年年平均下降幅度达4.0%;长江以南、东北东部和新疆西部至青藏高原北部区域低云却增加了,平均每10年增加4.8%。     

基于极化分解的极化特征参数提取与应用

基于极化分解原理,获取了描述地物散射机制的特征参数,并组合成一些特征指数,如雷达植被指数等。这些特征指数具有反映体散射信息的能力,从而可间接获取植被长势、疏密程度及分布区域等信息。实验选择了鄱阳湖区Radarsat-2全极化数据,结合野外采集的样本数据,在分析该区植被特征的基础上,对不同特征参数进行了对比分析,对雷达植被指数与实地测量样本的生物量参数进行了相关分析。实验结果表明:文中给出的4种特征参数对植被引起的随机散射的描述总体趋势是一致的,但随着植被覆盖密度的增大,不同特征指数具有一定的差异,其中雷达植被指数最为准确,适用动态范围最大,并且与湿地植被生物量具有较高的线性相关性,可以定量地反映研究区的植被疏密及生物量差异信息。     

参考经验模态分解-独立分量分析及其在GPS多路径误差处理中的应用

多路径误差在绝大部分应用中,其测站间相关性很弱,不能通过差分观测得到有效削弱,成为高精度GPS动态变形监测中的主要误差源。针对GPS多路径误差的特点,结合具有良好多尺度分解能力的经验模式分解方法(EMD)和具有良好盲分离能力的独立分量分析(ICA)方法,提出带参考信号的EMD-ICA方法来削弱多路径效应的影响。应用实例的结果证明了该方法的有效性。     

基于光谱多尺度分割特征的高光谱混合像元分解

提高混合像元线性分解精度的一个关键点在于改善端元光谱矩阵的构成。本文提出一种基于光谱多尺度分割特征的混合像元分解方法。首先在分割段内离差平方和最小准则下,对高光谱影像的光谱进行多尺度分割,并以各分割段中对应像元的光谱平均值为光谱特征,最后以限制性的最小二乘方法估计出混合像元的组分。模拟与真实数据的实验结果表明,本文方法能够较大的提高遥感影像混合像元的分解精度,并且优于光谱维小波特征的分解。     

利用经验模态分解和主成分分析的SAR图像相干斑抑制

对SAR图像应用对数加性噪声模型,将经验模态分解(Empirical mode decomposition, EMD)与主成分分析(Principal Component Analysis, PCA)相结合,提出了一种基于PCA的EMD相干斑抑制算法。根据对数SAR图像中相干斑噪声的统计特性和高斯白噪声经EMD分解后的能量分布模型,近似估算SAR图像经EMD分解后各层内蕴模态函数中所含噪声的能量;将内蕴模态函数利用PCA进行分解,根据PCA对含噪信号的分解特性和内蕴模态函数中噪声能量所占的比例,选择合适的成分分量重构内蕴模态函数,以进一步去除噪声保留有用的细节信息。仿真实验结果表明,本文方法在有效抑制相干斑噪声的同时可以较好地保持边缘纹理细节的清晰。     

多指标融合的小波去噪最佳分解尺度选择方法1

借助最小均方根误差、信噪比及光滑度变化随小波分解尺度增加的收敛特性,提出了一种多指标融合的小波去噪最佳分解尺度选择方法。该方法利用信息熵来融合小波去噪过程中不同方面的变化特征,能够更全面地反映小波去噪结果与分解尺度间的对应关系;通过定量识别融合指标变化的拐点,能够有效识别小波去噪的最佳分解尺度。针对不同类型的去噪信号进行实验分析并与现有方法进行比较,验证了本文提出方法的有效性与优越性。     

SPOT5影像数据不同融合方法的比较与评价

采用小波IHS变换、小波PCA变换、EHLERS变换等五种不同融合技术对SPOT5的多光谱影像和全色影像进行融合,并从均值、标准差等方面对融合结果进行了评价。研究表明：EHLERS融合后影像有很好的整体视觉效果,但在细节表达方面有所缺陷;改进后的IHS融合后影像清晰度较低;PCA变换融合容易导致影像失真;而小波IHS和小波PCA融合技术以数据保留量大、失真程度小、视觉效果好、影像层次分明等特点证明了小波分解技术的优势。