基于大数据的极端暴雨事件下城市道路交通及人群活动时空响应

随着全球气候变化加剧,极端降雨增多,暴雨内涝灾害频发,严重威胁城市的可持续发展。快速掌握暴雨给城市交通及人群的影响,有助于提高灾害应急管理水平和事件响应能力。利用实时动态的交通路况信息和手机定位请求数据,通过一种融合STL时序分解技术与极端学生化偏差统计检验的时间序列异常探测方法,监测和分析暴雨内涝灾害事件中,城市道路交通和人群活动的时空响应特征,并以2018年7月16日发生在北京的极端暴雨事件为例开展实证研究。研究结果显示,在降雨集中的早、晚高峰两个时段（8—9时、18—19时）,市区的拥堵道路数量超出往常水平最高可达150%,异常检测分析显示拥堵道路数量和交通拥堵指数均达到异常甚至极端水平。人群活动的异常响应分析结果显示,暴雨事件引起定位请求量异常升高、异常点增多,且异常点的空间分布与1 h前的降雨量分布存在较高相关性。以上结果不仅证明了大数据及异常检测方法对于快速洞察暴雨事件对城市交通及人群影响的有效性,也为城市暴雨内涝灾害的应急响应与管理提供了新的技术手段。     

球面小波模型在GPS高程拟合中的应用

本文利用某地共99个GPS水准点的大地高和正常高求取高程异常,使用DOG球面小波模型和多面函数,分别对高程异常进行拟合。拟合时剔除模型残差大于2倍中误差的点,并在剔除粗差后重新进行拟合。通过比较外部检核点的已知高程异常值和球面小波模型值、多面函数拟合值之间的均方差评价模型的精度。数据结果表明,以外部检核均方差最小为准则,球面小波模型拟合精度较优,其拟合精度为1.65 cm,多面函数拟合精度为2.35 cm。     

新一代全球海底地形模型BAT_WHU2020

本文利用由多源卫星测高资料计算的新版全球重力异常Grav_Alti_WHU,联合船测水深资料,构建了全球75°S—70°N范围的1′×1′海底地形模型BAT_WHU2020。以船测水深、现有模型和多波束测深数据为参考,对模型精度进行了分析评价。结果表明,在中国海域及邻区(104°E—160°E,0°N—50°N),本文模型与船测水深之差值的标准差约70 m,与SIO V19.1模型精度相当,优于ETOPO1、DTU10、GEBCO_08等模型,较此前发布的BAT_VGG模型精度提高了约30%,说明本文模型构建方法可靠、数据处理准确、精度较高。在全球范围内,BAT_WHU2020模型与船测水深之差值的标准差为50～65 m,差值在±200 m范围内的比率超过95%,与SIO V19.1模型精度相当,优于ETOPO1、DTU10、GEBCO_08等模型,较BAT_VGG模型精度提高了27%～36%。以SIO V19.1模型为参考,模型之差的标准差为90～110 m,约90%格网点差值在±200 m以内,约95%格网点差值在±300 m以内,两者一致性良好。最后,讨论了地壳均衡、Parker公式高次项等对成果精度的影响,模型的真实空间分辨率,以及以多波束测深为参考的模型精度问题。分析认为,BAT_WHU2020模型空间分辨率为10～18 km,在马里亚纳海沟、麦夸里海岭地区相对精度为5%～6%。     

小区域GNSS高程异常拟合方法研究

选取恰当的拟合模型是提高高程异常拟合精度的关键．本文利用湖南省新化县城区全球卫星导航系统（GNSS）和水准测量数据,采用反距离加权法、多项式插值法、径向基函数法、克里金插值法等多种曲面拟合方法进行高程异常拟合研究,并进行拟合精度评定．结果表明,径向基函数插值法内插精度最高,其中误差为±0.0158 m;局部多项式插值法外推精度最高,其中误差为±0.0104 m;综合来说,局部多项式插值法在县域尺度高程拟合中精度最高,本文研究结果对小区域GNSS高程拟合方法选取工作具有一定的参考意义.      

精密单点定位结合EGM2008模型在新疆某河地质断面测量中的应用

针对新疆某河地质断面测量范围大、测区通行困难、测量部位分散、传统控制测量方法工作量大且效率低的问题,在测区每条断面上布设断面基点作为控制点并用GNSS接收机静态观测(无需同步),选用武汉大学开发的Trip2.0软件加载事后精密星历和精密钟差等信息解算静态观测数据得到ITRF框架下的三维坐标,然后采用TBC软件加载EGM2008超高阶地球重力场模型点校正得到控制点的国家平面坐标和正常高。结果表明,Trip2.0软件计算的三维点位中误差最大为0.066 m,点校正坐标转换残差与已知点差值均满足限差要求;该方法平面控制测量工作量比传统方案减少46%,五等水准测量比传统方案减少98%,节约工期约56%。实践表明,采用该方法可快速地实现测区面积大、测点分散、控制点稀少区域的平面及高程控制测量。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。     

基于遗传Elman神经网络进行矿区GPS高程拟合

目前,城市、平原地区的似大地水准面建立精度已经达到厘米级,但在矿区进行高程拟合时,由于地面高低起伏没有规则,其似大地水准面的拟合精度并不理想。针对此问题,本文提出利用遗传算法优化Elman神经网络的方法精化似大地水准面,采用移去-恢复法对残差进行建模,使用EGM 2008地球重力场模型和地形起伏信息来精化求解似大地水准面和参考椭球面之间的高程异常,同时着重分析了地球重力场模型以及地形变化信息对高程异常求解的重要性,并使用某矿区实测数据(GPS、水准)对所提方法进行验证,实验结果表明:文中所提方法的精度要优于二次曲面拟合模型和单一Elman模型,其外符合精度达到了1.14 cm,可以代替四等水准测量。     

基于深度学习构建的全球电离层NmF2模型

采用递归神经网络对空基COSMIC和地基垂测站数据建立了全球电离层峰值电子密度模型,模型均方根误差达到1.3×10~5 el/cm~3。在春夏秋冬4个季节内,人工神经网络ANN模型预测精度比IRI模型分别提高了25.7%、19.7%、33.3%和21.8%。另外,ANN模型不仅能够有效地模拟全球电离层时空变化特征,也能够成功地模拟电离层的诸多区域物理变化特性,如赤道电离异常、威德尔海异常、中纬度夜间异常和冬季异常。ANN模型可以为改正单频接收机的电离层延迟发挥一定的作用。     

基于磁异常信号解析的目标速度特性研究

水下磁性目标产生的磁场成为重要的水下目标非声探测信号源,因此对水下磁性目标的静磁场建模原理开展了研究。实现了均匀磁化的旋转椭球体模型和磁偶极子模型,并对2种模型在目标磁异常信号仿真上的适应性进行了分析。研究表明：相比于磁偶极子模型,旋转椭球体模型在传感器与目标距离较近时也能表现很好的适应性。由此,利用旋转椭球体模型,首先通过仿真计算构建了目标在不同运动速度状态下的近距离磁异常信号数据集,然后开展基于深度学习方法的水下磁性目标运动速度识别方法研究,最后识别效果在验证集和测试集上分别取得了0.17m/s和0.74m/s良好的误差精度,为后续目标的航向等状态识别奠定重要基础。     

确定区域大地水准面的K-means-RBF神经网络方法

确定区域大地水准面的几何水准方法在拟合大地水面时未顾及重力场信息,仅是一种单纯的数学拟合,忽略了重力场数据自身的物理性和不同数据间的相关性.近年来,深度学习方法得到广泛重视与研究.本文提出了一种有监督学习的RBF神经网络精化大地水准面的方法,使用包含重力异常和大地水准面高的重力场数据进行神经网络训练,并采用K-mean...