共转换点道集的抽取与转换波时变静校正

纵横波速度比固定时,同一地震道中各时间采样点对应不同的转换点位置,因此,常规的整体抽道方法只能抽取特定深度或特定层位条件下的共转换点道集,它不能保证所有P-SV转换波的反射点位置都在同一水平位置处。提出了一种精确抽取共转换点道集的新方法,运用这种方法抽取的共转换点道集中所有数据对应的转换点在地面的投影都对应于同一位置,因此,该道集是一种真正意义上的共转换点道集,在此基础上提出了一种解决短波长问题的转换波时变静校正方法,实际资料处理取得了好的效果。     

2003年云南大姚6.2级和6.1级地震余震S波分裂研究

利用2003年云南大姚6.2、 6.1级两次地震的余震资料对该区进行了S波分裂研究。 结果表明, 云南大姚地区的快剪切波偏振的优势方向约为N33°W, 与该区域的区域主压应力的方向一致。 通过对比6.2级余震和6.1级余震的偏振方向和延迟时间, 可以看到6.1级地震后明显的应力释放现象, 在几次强余震前, 均观测到延迟时间呈现增加的特征, 并且几次地震在即将发生之前的短时间内还观测到延迟时间有减小的现象, 这一现象符合震前应力长时间积累和短时间应力释放的结论, 时间延迟在强震前会出现下降具有重要的地震短临预测意义。 研究认为S波分裂参数可以反映区域应力场的动态变化信息, 为应力场研究与地震预测提供有用的信息。     

控制点影像库在遥感影像几何纠正中的应用

影像几何纠正是遥感图像处理的重要技术。为了克服现有方法在实际应用中的不足,提出利用控制点影像库进行影像自动匹配,然后进行几何变化的方式。这种方法简单有效,快速稳定,匹配得到的同名点数量足够且分布均匀,并通过引入最小二乘匹配使配准达到子像素精度,提高几何纠正的速度与可靠性。     

基于模糊综合评判的动态路径行程时间预测模型

针对城市交通路网的复杂性和不确定性,提出一种基于模糊综合评判的动态行程时间预测模型,将总行程时间分为行驶时间和交通延误时间两部分,分别介绍这两部分时间的预测模型,并利用该模型对一组模拟道路信息和路况信息进行实际预测,对预测结果进行比较和分析。研究表明该模型算法简捷实用,预测结果精度较高。     

CSAMT的静态效应校正及应用

CSAMT方法在地下近地表存在电性横向不均匀时,在双对数坐标系中视电阻率曲线会出现沿着视电阻率轴平行移动的现象,称之为静态效应.静态效应对深部电性结构处理解释结果影响重大,需对其进行合适的校正.本文介绍了目前通常使用的几种静态校正方法,并且分析了各方法的优缺点.在新疆某地进行的CSAMT铜矿勘探中,应用了曲线平移法进行静态校正,取得了较好的效果.     

复杂城区车载激光扫描点云分层路段定位与数据纠正实验研究

高精度的车载点云数据是实现各种城市地物要素提取的前提,但在复杂城市环境下车载作业时信号遮挡、衰减和多径效应频繁发生,进而造成点云数据精度严重降低,如何对复杂环境下的点云数据进行分析和纠正就显得至关重要.现有的质量分析方法多从测距误差、仪器安装误差和数据处理误差方面出发,虽然可以在一定程度上改化数据,但在如何快速定位出分...     

资源三号卫星影像纠正的方法研究

影像的应用前提是影像处理,大气校正可消除大气和光照等因素对地物发射的影响。在此基础上,介绍几种常用的几何纠正方法,可消除系统和非系统因素引起的影像几何变形。本文通过对资源三号卫星的基本参数信息和相对应影像数据特点的介绍,先通过大气校正,校正后的影像分别使用几何纠正的几种方法,并通过各种方法的计算量、实用性以及相应的精度,对比分析各种方法在处理这种数据时的优越性。     

一种基于北斗三频的改进CIR算法

北斗卫星导航系统能全星座播发3个频率的观测值,有利于载波相位模糊度的解算。本文以传统的CIR方法为基础,分析了其在短基线和长基线计算时的优点和限制。针对于电离层延迟的影响,经典的CIR难以实现长基线模糊度固定的问题,本文提出了一种附有约束条件的适用于长基线的改进CIR算法,利用北斗三频数据对算法性能进行了验证。实验表明:提出的新算法能够提高长基线宽巷模糊度的固定成功率,并且能够很大程度上缩小窄巷模糊度的搜索空间,使其估值的波动能够在4周以内。     

SMAP卫星海表盐度产品的检验与校正

In this study, sea surface salinity(SSS) Level 3(L3) daily product derived from soil moisture active passive(SMAP)during the year 2016, was validated and compared with SSS daily products derived from soil Moisture and ocean salinity(SMOS) and in-situ measurements. Generally, the root mean square error(RMSE) of the daily SSS products is larger along the coastal areas and at high latitudes and is smaller in the tropical regions and open oceans. Comparisons between the two types of daily satellite SSS product revealed that the RMSE was higher in the daily SMOS product than in the SMAP, whereas the bias of the daily SMOS was observed to be less than that of the SMAP when compared with Argo floats data. In addition, the latitude-dependent bias and RMSE of the SMAP SSS were found to be primarily influenced by the precipitation and the sea surface temperature(SST). Then, a regression analysis method which has adopted the precipitation and SST data was used to correct the larger bias of the daily SMAP product. It was confirmed that the corrected daily SMAP product could be used for assimilation in high-resolution forecast models, due to the fact that it was demonstrated to be unbiased and much closer to the in-situ measurements than the original uncorrected SMAP product.     

基于机器学习的海洋环境预报订正方法研究

结合中尺度数值模式 WRF 预报数据和 ERA5 再分析资料,利用机器学习方法对 WRF 预报场的风场、温度、气压进行预报订正。采用 ERA5 作为真值,与原始 WRF 预报相比,利用随机森林模型可以将预报结果整体均方根误差降低 44%以 上,利用深度神经网络模型可以将预报结果整体均方根误差降低 34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度,分析了关键的预报订正因子。