经典测量平差模型等价性分析

对经典平差模型进行了较深入的分析和比较,在数学推导的基础上,附有参数的条件平差都可以转换成其他模型。在某种意义上说,附有参数的条件平差也可作为概括模型。     

EGM2008的高程拟合模型在广西区域的应用研究

利用广西2013年测量的部分二等水准测量成果,对EGM2008地球重力场模型1′×1′的模型进行检核,得到其在广西境内的高程异常差值为36.8cm。并选取了广西两个较有代表性区域的数据,使用多种G P S高程多项式拟合的方法以及基于EGM2008地球重力场模型的移去-恢复法进行实验研究,通过数据统计分析,最优拟合模型精度可达到5cm以内,对EGM2008地球重力场模型在广西的实际应用得到了一些非常有意义的结论。     

基于深度学习与随机森林的PM2.5浓度预测模型

针对PM_2.5浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘,而深度学习算法在数据较少情况下效果不佳的问题,综合考虑深度学习与随机森林的特点,提出一种基于深度学习与随机森林的PM_2.5浓度预测组合模型。模型以气溶胶光学厚度(AOD)遥感数据、气象再分析数据和PM_2.5地面观测数据构建训练数据集,通过深度学习方法对训练数据内部深层次隐含特征进行提取,将提取得到的隐含特征用于随机森林模型训练,并使用随机森林回归算法得到PM_2.5浓度的预测值。为验证方法的有效性,以河南省区域2018年—2019年的PM_2.5浓度估算为例,将原始特征与利用CNN、LSTM和CNN＿LSTM所提取特征共同构建的新特征分别通过随机森林回归、支持向量回归以及K近邻回归等3种传统机器学习方法进行训练和预测。实验结果表明,在较少数据情况下PMCOM模型无论是在整体预测还是在分季节预测场景下均具有较好的预测精度,其中以LSTM为特征选择器,RF为回归器的组合模型是本实验的最优模型,在即使只有35%...     

地基LiDAR林木点云估算枝干材积

材积是森林清查工作的一个重要参数,基于地基激光雷达点云的树木定量结构模型（QSM）重建方法能够实现林木材积的非破坏性获取,解决了传统森林原位调查方式耗时耗力的问题。但由于伐木材积真值的获取较难实现,使得量化结构模型方法的材积获取能力在树干及各级树枝水平上尚未开展研究,且仅应用于单木尺度地基激光雷达点云中,缺乏基于样方尺度扫描点云进行材积获取的探究。因此本文分别在单木及样方尺度完成QSM重建方法在树干及各级枝材积估算结果评估。实验结果表明,基于单木及样方尺度地基激光雷达点云均能有效地获取树干和一级枝的材积,而次级枝的材积估算存在明显的偏差：样方扫描尺度点云的树干及全树材积估算精度与单木尺度相当,估算偏差均为5%及10%左右,而一级枝材积估算偏差略大,其中单木尺度一级枝估算偏差在10%左右,样方尺度一级枝材积估算偏差在15%左右;此外,林分密度与样方尺度枝干材积估算精度呈负相关关系,在较低林分密度（425株/ha、625株/ha和925株/ha）的样方中树干材积估算误差均在5%以内,一级枝材积估算误差在15%左右,另外受树干及一级枝材积低估与各次级枝材积高估的部分中和效应影响,样方内总蓄积...     

GNSS载波相位精密时间传递数据处理技术综述

精密时间传递是时频领域最为基础的工作之一,在科技、经济、军事和社会生活中具有重要作用.全球卫星导航系统(GNSS)因其众多优势成为精密时间传递的重要手段,尤其是近些年发展的基于高精度载波相位观测值的时间传递技术成为GNSS时频领域的研究热点.本文对GNSS载波相位精密时间传递相关的研究进行了全面总结,对其数据处理涉及的观测模型、模糊度处理方法进行了归纳阐述,对精准性、一致性、稳健性、连续性、实时性、完好性等技术进行了探讨,并指出该领域未来应该重点解决非差与差分处理模型统一性、不同机理融合时间服务统一性和天空地海地下时间服务无缝性问题.     

点质量融合模型的海空重力数据延拓分析

针对无高质量的数据对传统的虚拟点质量模型对重力数据改正时,易受系统误差影响及解算不稳定的问题,该文将海空重力数据中的系统误差用非参数分量表达,对点质量模型进行改进,建立了虚拟点质量的半参数模型,引入核估计方法,利用偏残差估计方法,进行三步拟合估计,得到了系统误差和点质量参数的估计值。在分离系统误差的基础上,引入正则化方法改善病态,将建立的模型与正则化方法相结合,建立了综合半参数核估计和正则化方法的点质量融合模型,可在无外部重力时估计系统误差,同时完成多源数据融合。基于EGM2008位模型产生海空重力异常数据,采用线性项和周期项系统误差进行仿真实验,结果表明改进后的点质量模型能够有效利用外部数据,在改善病态和分离系统误差方面提升精度效果明显。并以北卡罗来纳实测海空重力异常数据验证该文方法的有效性,结果表明在无外部数据时,该文方法能有效地分离系统误差,并且精度与引入外部数据改正后的正则化方法相当。     

惯性测量单元辅助的LiDAR动态点云剔除方法

针对动态场景下动态目标影响激光雷达同时定位与建图算法(LiDAR SLAM)的精度和成图效果问题,该文提出一种基于惯性测量单元(IMU)辅助的多层次模糊综合评价动态点云剔除方法。通过标定IMU/LiDAR外参统一两类传感器坐标系,再将每帧点云聚类分割为若干点云簇,以此为基础,利用IMU信息辅助建立相邻帧各点云簇间的配对关系,构建点云运动状态多层次模糊综合评价模型,判定各点云簇的运动状态,最终将动态点云簇从原始点云数据中剔除。为验证该文方法的可行性和精确性,设计了动态点云剔除实验,并将剔除动态点云后的点云数据输入激光雷达里程计与建图算法(LOAM)进行定位与建图。实验结果表明,该文方法动态点云的剔除成功率为98.67%,静态点云的误剔除率为2.01%,能够有效地提高点云数据质量。相比基于原始点云数据的LOAM算法,均方根误差降低了66.06%,最大误差降低了72.78%,实现了厘米级精度的定位,并且优化了建图效果。     

基于Web的大规模三维空间模型高效可视化关键技术

在网络环境下客户端对大规模的三维空间模型进行可视化时仍存在着渲染时间长、计算量大等诸多问题,表现为模型遮挡剔除计算效率低、模型数据传输效率低以及渲染不同模型时存在性能和质量不平衡问题等方面。针对上述问题,提出了针对不同的空间模型剔除粒度的优化选择策略、基于WebGPU计算管线的遮挡剔除算法和基于多线程的大规模三维空间模型数据快速调度方案,降低了离线遮挡剔除方法的预处理时间消耗,提高了模型切换的效率和场景渲染的速率。开发了基于Web的大规模三维空间模型可视化原型系统,开展了不同尺度的三维模型加载与可视化实验,结果表明,本文方法可以有效减少网络环境下大规模三维空间模型数据可视化的加载和渲染时间,增强用户体验。     

顾及用户体验的三维城市模型自适应组织方法

传统基于“图层付象”的组织方法,没有考虑三维城市模型的不同内容以及不同细节层次的粒度差异,导致在网络环境下的传输效率低,难以满足多用户并发访问的流畅可视化。深入分析了大范围漫游与小范围聚焦的用户体验特点,通过元数据统筹管理和对象离散化,即时响应用户请求,减少无效数据传输,保证了多用户并发环境下的高效调度和浏览。针对模型LoI)和分解的对象,设计了结构统一的对象ID,隐式存储关联关系并支持分布式模型存储管理。以分布式数据库MongoDB为平台进行实验,验证了本文方法的可行性和有效性。     

基于CA-Markov模型的秦淮河流域土地覆盖格局模拟预测

以秦淮河流域为研究区,以2006和2009年ETM+图像土地覆盖分类结果为输入数据,采用CA-Markov模型,模拟预测研究区未来的土地覆盖格局。在模型建立过程中,通过Markov模型求出转移概率矩阵和转移面积矩阵,确定CA模型转换规则,限制CA模型迭代次数。利用CA-Markov模型模拟预测研究区2012和2018年土地覆盖格局,并采用2012年实际土地覆盖分类结果验证预测精度,得到2012年各土地覆盖类型栅格数预测误差均小于等于6.5%,空间位置预测精度达到76.5%。预测结果表明,2018年研究区水田比例将降为33.3%,不透水面比例将达31.1%,其中多数水田转变成为不透水面,南京城区、禄口镇、句容市、溧水县等城镇地区的不透水面明显扩张。该方法可以对秦淮河流域的土地覆盖动态监测以及可持续发展提供依据。