网络RTK解决方法研究

主要论述了网络RTK的基本原理,并针对网络RTK的几种方法进行了详尽的论述,并分析了各种方法的优缺点,为合理选用网络RTK技术提供了很好的借鉴。     

一种用于长距离网络RTK基准站模糊度固定的非组合方法

基准站模糊度固定是网络RTK系统初始化的前提条件。文中使用非组合方法来固定基准站间模糊度。该方法相对于传统组合方法而言具有以下3个优点:1)基于非组合观测值,避免了观测噪声的放大;2)将L2模糊度变换为L1与宽巷模糊度WL(Wide-Lane)模糊度的差值,同步求解WL和L1模糊度浮点解,简化了计算过程;3)WL模糊度由平差得到,部分模糊度固定后,加快了其他WL模糊度的固定速度。实验结果表明,非组合方法相对于传统方法而言,WL模糊度固定速度提高了24.5%;L1模糊度固定正确率提高了7.9%。可以认为,在网络RTK初始化方面,非组合方法要优于传统方法。     

DWG数据在不同坐标系间变换的实现

采用七参数数学模型和AutoCAD ActiveX技术,根据重合控制点坐标计算的转换参数进行数据变换,并以眉山市DWG矢量数据的转换为例,提出了DWG数据在不同坐标系之间互相转换的技术路线和实现方法,实现了DWG图形数据在眉山市独立坐标系和其他坐标系之间的相互转换.     

总体最小二乘方法在华北地区应变参数反演的应用

通过基于总体最小二乘的应变参数反演方法,利用2002年相对稳定的GPS速度场数据,来实现华北地区板块运动应力场的分析。将应变参数反演结果与基于最小二乘方法得到的结果进行对比分析,发现总体最小二乘方法更适合华北地区的板块运动和形变解释。     

样本输入方式对极端学习机预报日长变化的影响

针对极端学习机(Extreme Learning Machine,ELM)用于日长(Length-Of-Day,LOD)变化预报过程中,样本输入方式对预报结果的影响进行了研究。采用跨度、连续和迭代3种样本输入方式对日长变化进行预报。结果表明,不同的样本输入方式对预报结果有很大影响,样本按跨度输入的预报精度最低;样本采用连续输入方式在短期和中长期预报中预报精度较高,但计算速度较慢,较适合中长期预报;样本按迭代输入方式的短期预报精度稍优于连续输入方式,而中长期预报精度则不如连续输入方式,但具有较高的预报效率。这对于日长变化的实时快速预报有着较高的现实意义。     

附加系统参数的多时相InSAR时空建模和形变估计

轨道误差和长波大气延迟组成的系统误差是影响InSAR形变监测精度的重要因素之一.传统方法在空间域对干涉图的系统误差建模,容易导致长波形变和系统误差相混淆.本文在时空域利用附加系统参数对系统误差建模,同时根据观测值质量对差分相位观测值定权,采用附加系统参数的加权最小二乘法估计形变参数和系统误差,实现了长波形变和系统误差的分离.模拟实验结果表明,在形变与系统误差的空间变化特性完全一致的极端情况下,本文方法能实现两者的有效分离,估计的形变速率均方根误差比传统方法降低了98.8%.ASAR数据实验显示当形变尺度较小且分散分布时,本文方法和传统方法得到的结果相似;当形变在研究区内表现为长波变化时,本文方法比传统方法估计的形变结果更为稳健.     

电涌保护器的简易检测方法

根据电涌保护器特点,对电涌保护器的二种简易的检测方法(外观检查和参数测试)进行分析,提出了易于操作的检测方法,供广大防雷检测人员借鉴.     

1960～2018年中国高温热浪的线性趋势分析方法与变化趋势

高温热浪直接影响人体健康和作物生长。研究全球变暖背景下我国高温热浪发生率的趋势是气候变化研究的基本问题之一,可为人们的生产生活等提供重要的科学信息。目前对于高温热浪趋势的研究大都使用最小二乘（Ordinary Least Squares,OLS）方法估计趋势,结合学生t检验判断趋势的统计显著性。本文审视了以往常用方法在研究我国高温热浪发生率的线性趋势时的适用性。首先,以2018年东北局部地区因当年高温日数异常多而形成离群值的例子展开,说明OLS方法估计趋势时对离群值非常敏感,造成虚假趋势。进一步,通过正态分布检验和自相关计算,发现1960~2018年中国至少有91.14%站点、90.06%格点的高温日数和92.18%站点、87.74%格点的热浪次数的序列不服从正态分布,而且多数存在自相关。采用一种不易受离群值影响并考虑自相关的非参数方法,本文对1960～2018年中国站点和格点、4个典型区域以及全国平均的高温日数和热浪次数的线性趋势做出了更为准确的估计。研究发现,高温日数显著增多的站点主要出现在华南和西北地区,热浪次数呈显著增多趋势的站点目前几乎仅限于华南地区和新疆的个别站点;区域平均而言,仅有华南区域和西北区域的高温日数和热浪次数是显著增多的,华北区域和东北区域趋势并不显著;全国平均的高温日数和热浪次数都是显著增多的。本文对高温热浪的趋势及其显著性估计、统计预测的方法选择上有重要参考价值。     

随机参数扰动方法对中国冬季降水集合预报的影响

降水数值预报有很大的不确定性,与降水预报密切相关的物理过程参数化方案中关键参数的不确定性是降水数值预报误差来源之一,对这些参数引入随机扰动的随机参数扰动方法（Stochastically Perturbed Parameterization,简称SPP方法）可以代表模式降水预报的不确定性,是国际集合预报前沿研究领域。为了认识该方法能否代表中国冬季降水数值预报的不确定性,为业务应用提供科学依据,基于中国气象局中尺度区域集合预报模式（Global/Regional Assimilation and Prediction System-Regional Ensemble Prediciton System,简称GRAPES-REPS）,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等四个参数化方案中选取了16个与降水密切相关的关键参数,引入了随机参数扰动方法,并通过2018年12月12日至2019年1月12日总计31天的冬季集合预报试验,对比分析了SPP方法对等压面要素及降水的集合预报效果。结果显示:在冬季应用SPP方法时,等压面要素的概率预报技巧总体来说优于无SPP方法扰动的对比试验,且对于低层、近地面要素的改进效果优于对中高层等压面要素的改进;但对降水概率预报而言,尽管检验评分数值略优于对比预报试验,但并未通过显著性检验,这表明,在东亚冬季风影响下,随机参数扰动方法对中国冬季降水概率预报技巧没有明显的改进。究其原因,可能是由于SPP方法主要代表对流性降水预报的不确定性,而中国冬季降水过程主要与斜压不稳定发生发展有关,模式降水以大尺度格点降水为主,对流性降水较少,故对冬季降水预报改进不明显,这为业务集合预报模式中应用随机参数扰动方法提供了科学依据。