Atmospheric Correction of SeaWiFS Data for the Retrieval of Suspended Sediment in East China Coastal Waters

The data of SeaWiFS (Sea-Viewing Wide Field-of-View Sensor), installed on SeaStar, has been used to generate SSC (suspended sediment concentration) of complex and turbid coastal waters in China. In view of the problems of the SeaDAS (SeaWiFS Data Analysis System) algorithm applied to China coastal waters, a new atmospheric correction algorithm is discussed, developed, and used for the SSC of East China coastal waters. The advantages of the new algorithm are described through the comparison of the restdts from different algorithms.     

三对角系统的最佳向后扰动分析

用一种新方法研究了三对角方程组及对称三对角方程组计算解的最佳向后扰动分析。由于这两类方程组的系数矩阵具有特殊结构 ,因而本文结果不能从已有结果直接导出。所用方法亦可用于研究 KKT及 SQD等结构线性系统的最佳向后扰动分析。     

电磁波信号在对流层中路径弯曲改正的级数展开式

大气折射延迟是空间大地测量中的一个主要误差源。本文严格地给出了中性大气路径弯曲改正的原理性公式。通过对各种因素量级的分析,在亚毫米量级的精度上给出了一个以视天顶距正切和正割乘积为参数的级数展开模型。新模型在球对称大气模型下,级数展开模型的精度达到了毫米量级,理论上可以展开到任意阶次,且可允许观测高度角小到5°。     

煤炭资源勘查误差理论研究

对煤炭资源勘查资源量与客观物质量之间差值的误差理论探讨,提出误差由真值误差、系统误差和离差3个基本部分组成,其中真值误差是不可消除的观测误差、系统误差是控制网度所决定的准确度标准、而离差是由地质构造及矿床形态的多解性产生的资源量波动。在此基础上,构筑了一个关于误差的数学模型,最后应用误差理论对现行勘查工作中常见的错误进行分析,并就如何避免错误及减少误差提出了见解。     

对提高导航型GPS定位精度之工作方法的探讨

论文主要介绍了导航型GPS坐标转换参数的计算方法和测量误差的改正方法。该方法的要点是通过实测多个公共点来计算坐标转换参数,以此获得较好的转换精度;并进一步对观测结果加以误差改正,从而提高其定位精度。     

基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

一种改进的周跳多项式拟合方法

多项式拟合探测周跳受相位观测值所含误差的影响,随着采样数的增加,其探测周跳的能力随之降低,通常将观测数据分成若干段来进行处理。这样不可避免的增加工作强度,降低工作效率。本文根据多项式拟合探测周跳的基本原理,对多项式进行改进。经实验证明,利用改进后的多项式进行拟合能够有效地弥补传统方法的不足,使周跳的探测与修复更加稳定可靠。     

CHRIS／PROBA高光谱数据的预处理

针对CHRIS／PROBA高光谱遥感数据的特点,对CHRIS影像进行去条带处理、辐射校正、大气校正等预处理,获得较好质量的影像,为影像的进一步分析和实际应用提供保障。     

TM影像几何校正算法的精度比较

同大多数的线阵推扫式影像相比,TM影像作为双向扫描型的影像其几何校正方法有其特殊性和复杂性。针对这个问题,本文简要介绍了一般多项式、空间斜墨卡托投影、有理函数模型等几种几何近似校正算法,并利用广州地区的TM影像进行了各种试验分析和精度比较。结果表明:同其他方法相比,空间斜墨卡托投影是一种较好的算法,校正精度最高,能够达到一个像素左右,而且该方法不受地形起伏的影响,无需地面高程信息。     

Modelling Positional Uncertainty of Line Features by Accounting for Stochastic Deviations from Straight Line Segments

The assessment of positional uncertainty in line and area features is often based on uncertainty in the coordinates of their elementary vertices which are assumed to be connected by straight lines. Such an approach disregards uncertainty caused by sampling and approximation of a curvilinear feature by a sequence of straight line segments. In this article, a method is proposed that also allows for the latter type of uncertainty by modelling random rectangular deviations from the conventional straight line segments. Using the model on a dense network of sub‐vertices, the contribution of uncertainty due to approximation is emphasised; the sampling effect can be assessed by applying it on a small set of randomly inserted sub‐vertices. A case study demonstrates a feasible way of parameterisation based on assumptions of joint normal distributions for positional errors of the vertices and the rectangular deviations and a uniform distribution of missed sub‐vertices along line segments. Depending on the magnitudes of the different sources of uncertainty, not accounting for potential deviations from straight line segments may drastically underestimate the positional uncertainty of line features.