Greenness Index from Phenocams Performs Well in Linking Climatic Factors and Monitoring Grass Phenology in a Temperate Prairie Ecosystem

Near-surface remote sensing (e.g., digital cameras) has played an important role in capturing plant phenological metrics at either a focal or landscape scale. Exploring the relationship of the digital image-based greenness index (e.g., Gcc, green chromatic coordinate) with that derived from satellites is critical for land surface process research. Moreover, our understanding of how well Gcc time series associate with environmental variables at field stations in North American prairies remains limited. This paper investigated the response of grass Gcc to daily environmental factors in 2018, such as soil moisture (temperature), air temperature, and solar radiation. Thereafter, using a derivative-based phenology extraction method, we evaluated the correspondence between key phenological events (mainly including start, end and length of growing season, and date with maximum greenness value) derived from Gcc, MODIS and VIIRS NDVI (EVI) for the period 2015-2018. The results showed that daily Gcc was in good agreement with ground-level environmental variables. Additionally, multivariate regression analysis identified that the grass growth in the study area was mainly affected by soil temperature and solar radiation, but not by air temperature. High frequency Gcc time series can respond immediately to precipitation events. In the same year, the phenological metrics retrieved from digital cameras and multiple satellites are similar, with spring phenology having a larger relative difference. There are distinct divergences between changing rates in the greenup and senescence stages. Gcc also shows a close relationship with growing degree days (GDD) derived from air temperature. This study evaluated the performance of a digital camera for monitoring vegetation phenological metrics and related climatic factors. This research will enable multiscale modeling of plant phenology and grassland resource management of temperate prairie ecosystems.     

投影寻踪模型在地下水水质评价中的应用

文中分析了常用的水体质量评价模型的缺陷,提出了基于序列二次规划算法SQP(Sequential quadratic programming)的投影寻踪评价模型,并利用多项式插值的方法进行水质分类,取得了符合客观实际的评价结果.某水源地地下水质量评价结果表明:用投影寻踪方法可以揭示高维数据的结构特征;所建立的评价模型不仅简单、直观和易于理解,而且结果合理.为水源地的保护和合理利用提供了决策依据.     

用于变形监测的最小二乘滤波数据处理

随着全站仪在测量工作中的广泛使用,以坐标为观测值的数据处理成为内业工作的主要内容。根据最小二乘滤波原理,将工程岩土体变形监测中所获得的坐标观测值及其他常规观测值进行联合平差。结果表明,滤波后变形点的点位精度最大可提高1.35 mm,最弱点亦提高0.94 mm,均明显高于直接观测结果,而且各类观测值之间所形成的约束条件进一步增强了平差结果的可靠性。     

吴尔夫作图法的改进

本文从两方面对吴尔夫作图法进行了改进:(1) 通过标志点变赤平投影面的两次转换为一次转换;(2) 回避使用近极区以提高作图精度,优选倾伏角度改善立体图形象。文中对异极矿晶体优选的结果是前倾30°。改进了的吴尔夫作图法更加简单、快速,并获得好的晶体立体图。证明该法是几种作图方法中最好的一种。     

CORS系统中坐标移动转换方法及应用

针对目前CORS系统中坐标转换存在的不足,提出了坐标移动转换方法,并利用广州市和江苏省C级GPS点数据进行了测试。结果表明,坐标移动转换方法能够有效地提高坐标转换的精度,且简单实用。     

一种SINS/CNS/GNSS组合导航滤波算法

捷联惯性导航系统/天文导航系统/全球导航卫星系统(SINS/CNS/GNSS)构成的组合导航系统可有效提高飞行器的定位精度,而导弹等飞行器常用发射时刻的发射点惯性坐标系作为测量载体飞行的基准.为此,首先在发射惯性坐标系下推导并建立一种简洁的SINS/CNS/GNSS组合导航数学模型,该模型将SINS积分预报姿态四元数误...     

GPS与GLONASS的坐标转换

１９９６年１月,俄罗斯完成了对ＧＬＯＮＡＳＳ的２４颗卫星布设,并开始整体运行。ＧＬＯＮＡＳＳ与 ＧＰＳ相比无 Ｓ／Ａ政策影响,与 ＧＰＳ联合使用可提高单点定位的精度。因此 ＧＰＳ与ＧＬＯＮＡＳＳ的联合应用具有广泛的应用前景,但前提是必须知道ＧＰＳ与ＧＬＯＮＡＳＳ的坐标转换参数。本文分析了计算坐标转换参数的模型及计算方法,介绍了俄罗斯国防部第２９研究所为确定适用于俄罗斯地区的ＧＰＳ与ＧＬＯＮＡＳＳ转换参数而进行的ＧＰＳ、ＧＬＯＮＡＳＳ观测及数据处理,认为：在中国地壳运动观测网络基础上,计算适用于中国地区的ＧＰＳ与ＧＬＯＮＡＳＳ的坐标转换参数是可行的,也是必要的。     

中国沿海海洋站GNSS坐标时间序列噪声模型的建立与分析

选取中国沿海海洋站中与验潮室并址的22个GNSS基准站近9 a的观测资料,利用最大似然估计法分析各站时间序列的噪声特性,建立最优噪声模型;然后顾及有色噪声,利用最优噪声模型估计测站速度,并与纯白噪声模型和GLOBK获取的速度及误差进行对比分析。结果表明：1）沿海海洋站的GNSS时间序列均含有有色噪声,各分量的噪声特性不完全一致,E方向和U分量均以白噪声+闪烁噪声为主,N分量以白噪声+闪烁噪声和白噪声+一阶马尔科夫噪声+随机漫步噪声为主。2）全国沿海3个海区N、E分量的白噪声和闪烁噪声基本呈现越往南噪声越大的规律,南海海区U分量的白噪声和闪烁噪声最大。3）顾及有色噪声的速度中误差是仅考虑白噪声和GLOBK估计的速度中误差估计值的5～10倍,这种差异比内陆观测站的要大。4）在对海洋站GNSS时间序列进行速度分析时,为获取正确的速度值,应该先准确判断噪声的类型,再顾及有色噪声的影响估计测站速度。     

基于多模GNSS接收机的卫星系统完好性监测

为了满足多卫星系统完好性监测的需要,本文通过对比不同卫星系统定位结果的方法来监测各个卫星系统的可用性。利用上述方法对实测的三模(GPS、GLONASS和COMPASS)数据进行了处理,结果表明该方法具有可行性,可为多模GNSS接收机的自主完好性监测提供参考信息。     

等角投影理论和方法综述

等角投影比其它性质投影之研究更为深刻，应用也最为广泛。本文对等角投影的历史发展作了简单回顾，重点对等角投影的数学基础、等角投影的一般公式、等角投影变形量度［８］、具有极值特性的等角投影和探求等角投影的方法等进行了综述。最后提出需要继续研究的若干问题作为等角投影研究展望。