融合GPS与强震仪数据实时监测瞬时地壳形变

针对强震仪与GPS各自的优点与缺陷,以2016年意大利Mw 6.0级地震为例,探讨了利用Kalman滤波融合GPS与强震仪数据实时监测中等强度地震引起的瞬时地壳形变的可行性与优势。Kalman滤波获取的位移波形以GPS数据作为整体趋势,细节部分用强震仪数据进行描述,融合后的位移波形精度较高,能够准确和细致地描述地震引起的地表动态形变;与此同时,Kalman滤波位移波形也能够准确地探测中等强度地震引起的同震永久阶跃;Kalman滤波位移波形的功率谱在低频部分与GPS位移波形的功率谱密度相似,在高频部分与强震仪位移波形的功率谱密度相似,表明Kalman滤波结合了GPS与强震仪各自的优点;交叉小波分析表明,Kalman滤波获取的位移波形与GPS、强震仪数据呈现较强的正相关性,小波相似值均在0.8以上。以上结果表明,融合GPS与强震仪数据可以结合二者各自的优点,弥补各自的缺陷;融合GPS与强震仪数据可以有效探测中等强度地震引起的瞬时地壳形变。     

车载测量系统教学试验设计

针对测绘学科从传统测绘到数字化测绘,再到信息化测绘的发展,分析了当前测绘教学模式中存在的一些不足,提出将车载测量系统新技术引入到本科生教学。分析了课堂进行车载测量系统学习的前沿性和可行性,并根据其原理进行课程和试验的模块化设计。结果表明,测绘新产品能够激发学生学习兴趣和创新能力,提高专业技能,符合测绘教育的现代化的要求。     

极化SAR参数优化与光学波谱相结合的面向对象土地覆盖分类

提出一种基于极化参数优化的面向对象分类方法。该方法结合光学和SAR数据,有效提高了对地物的识别能力。本文方法的关键在于:在■分解中,使用光学影像指导SAR影像选择同质点,使其更精确地估计极化参数并结合光学波谱信息作为输入特征;使用面向对象的分类方法,仅将光学影像作为分割输入,避免SAR噪声引起的分割错误。以美国Bakersfield地区的Sentinel-1/2数据为例,确定7种地物类型,对比分析不同输入与不同分类器对分类结果的影响。研究表明,优化输入参数在纹理丰富区域能够有效提高分类精度;面向对象的分类结果更加稳定并较好地维持地表几何特征;改进分类方法较传统分类方法总体精度提高了近10%,达到92.6%。     

MF多源测深数据融合方法及大洋水深模型构建

针对全球深海测深数据来源复杂、精度差异大、难以融合构建高精度数字水深模型(digital bathymetric model,DBM)的问题,提出一种适用于深水区多源水深数据融合的MF法(merge-fusion),并将其应用到马里亚纳海沟"挑战者深渊"的DBM构建中。该方法通过"合并-融合"的技术路线,将多波束、单波束、电子海图数据与通用全球海洋地形数据(general bathymetric chart of the oceans,GEBCO)有机地融合在一起,在保留高分辨率地形细节特征的同时,合理填补了数据空白区。使用该方法构建"挑战者深渊"高精度DBM并与GEBCO数据进行对比,结果表明,该方法融合的DBM能更好地反映精细的地形特征信息,具有重要的实际应用价值。     

基于神经网络模型误差补偿技术的对流层延迟模型研究

针对传统对流层延迟模型精度较低的缺点,基于神经网络模型误差补偿技术,在Hopfield模型基础上建立一个适用于北半球的高精度融合模型。以Wyoming大学提供的2010年全球120多个观测台站的气象探空数据精密解算的天顶对流层延迟(ZTD)作为近似“真值”,分析比较Hopfield模型、传统BP模型和融合模型的计算精度。结果表明,Hopfield模型的均方根误差（RMSE）为35.31 mm,传统BP模型为30.34 mm,融合模型为23.31 mm。     

CLAB模型：一种乘客出租出行需求短时预测的深度学习模型

乘客出行需求预测是智能交通系统的组成部分,准确的出行需求预测,对于车辆调度具有重要的意义;然而现有的预测方法无法准确的挖掘其潜在的时空相关性,且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提升模型预测乘客出行需求的精度,本文提出了一种乘客出租出行需求短时预测CLAB(Conv-LSTM Attention BiLSTM)模型。CLAB模型设置了3个模块分别为基于注意力机制的Conv-LSTM模块和2个BiLSTM模块,基于注意力机制的Conv-LSTM模块提取临近时刻乘客出行需求量中的空间特征和短时时间特征,其中注意力机制能自动分配不同的权重来判别不同时间的需求量序列重要性;为了探索长期时间特征,用2个BiLSTM模块来提取历史流入量序列时间特征和日乘客需求量序列的时间特征。采用厦门岛的网约车和巡游车的订单数据进行实验,结果表明：(1) CLAB模型更适用于使用30 min历史数据预测未来5 min短时乘客出行需求;(2)与基准预测模型相比,CLAB模型的整体的效果误差更低,具有更好的预测效果,CLAB模型比CNN-LSTM、LSTM、BiLSTM、CNN...     

地震应急测绘信息智能综合处理技术研究

地震应急测绘信息对于全面获取震区灾情,针对性援救震灾地区有着重要意义。当前针对震区的测绘信息以独立分类形式存在,缺少数据关联性,在整体信息获取上存在较大缺陷,其地震应急响应能力较差。提出地震应急测绘信息智能综合处理方法,构建地震应急联动信息服务技术平台,设计地震灾情辨识框架;通过判断地震灾情辨识框架,提取地震灾情测绘信息的特征向量,得到地震灾情信息关联规则集,引入测绘数据融合算法,将获取的地震灾情信息进行智能融合,获取地震灾害测绘情况的信息融合结果,实现地震灾情的智能综合性处理。实验结果表明,所提方法在地震应急测绘信息智能综合处理方面具备较强的信息处理与分析能力,具有较强的地震应急响应能力,为我国震后应急指挥工作提供了技术支持。     

基于迭代融合的InSAR技术获取数字高程模型研究

数字高程模型是重要的地理空间数据,可以提供丰富的地形信息.为了获得时效性好、分辨率高的数字高程模型,本文以南京市为实验区域,利用德国宇航局TerraSAR-X卫星同一轨道上的两幅StripMap模式SAR影像对,主从影像时间间隔只有66天,空间分辨率为3 m.采用InSAR技术,通过迭代的方法来提高获取DEM的分辨率,并结合JAXA/EORC提供的AW3D30数字表面模型与迭代后的DEM进行融合来解决阴影等问题,最终获取了南京地区的高精度数字高程模型.将实验结果分别与90 m分辨率的SRTM、30 m分辨率的ASTER GDEM、30 m分辨率的AW3D30进行相互对比分析.结果表明,相比三种常用的DEM而言,本文获取的DEM能够更精确的获取地面的细节信息,特别是对于分布稀疏的大型单体建筑物,能够很好的恢复其三维信息,但是对于建筑物分布较为密集的区域,由于传感器视线受阻,不能观测建筑物的全貌,阴影分布较多,导致此类区域的DEM结果不理想,还需进一步深入研究,提高精度及可靠性.     

基于空时显著性的日冕物质抛射检测

日冕物质抛射(Coronal Mass Ejection, CME)是一种剧烈的太阳爆发现象, 它会对行星际空间造成严重扰动, 进而影响人类生产、生活. 基于CME的时空显著性, 将显著性检测方法引入到CME检测中, 利用结构化矩阵分解SOHO (Solar and Heliospheric Observatory)的大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment, LASCO) C2的日冕图像对应的特征矩阵, 从中恢复出稀疏部分获得显著前景. 然后考虑CME运动时产生的时间显著性, 从而去除非CME结构(如冕流), 得到最终检测结果. 实验表明, 以人工目录协调数据分析中心(Coordinated Data Analysis Workshop, CDAW)检测结果为基准时, 所提方法不仅在检测CME数量上比计算机辅助跟踪软件包(Computer Aided CME Tracking Software package, CACTus)和太阳爆发事件检测系统(Solar Eruptive Event Detection System, SEEDS)有优势, 还在CME中心角度和张角宽度等特征物理参数测量上比CACTus和SEEDS更接近CDAW目录参考值.     

深埋煤层开采顶板泥砂溃涌灾害多源信息评价

深埋煤层采场顶板泥砂溃涌灾害是由于泥岩顶板遇水发生松散崩解,在矿压作用下泥砂集中溃入井下的综合性灾害,其灾害发生受到含水层、矿山压力、地质构造等多因素影响。以黄陇煤田照金煤矿为研究区,在灾害发生机理研究的基础上,讨论了灾害发生的主要影响因子,最终选取洛河组含水层富水性、煤层到洛河组含水层距离、宜君组砾岩厚度、煤层上覆杂色泥岩厚度、煤层到杂色泥岩距离、单位面积断层密度、褶皱构造分布和煤层开采厚度8个主控因素,采用层次分析权重赋值方法,确定影响灾害发生的各主控因素权重,构建煤层顶板泥砂溃涌灾害危险性评价数学模型;绘制主控因素专题图并进行栅格赋值,通过信息融合叠加方法将各因素进行叠加,最终形成多源信息融合的照金煤矿煤层顶板泥砂溃涌灾害综合分区。研究结果表明,照金煤矿ZF202工作面所在区域该类灾害发生的危险性高,与实际开采过程中曾发生的“4·25”重大事故发生区域较为吻合,说明本次危险性评价模型构建合理,分区结果可用于指导矿井的开采布设与泥砂溃涌灾害防治。移动阅读