光谱解混误差分析下的端元数目估计算法

确定端元数目是混合像元分解中端元提取的前提.目前端元数目主要还是通过判读人员根据经验或者估计最优子空间的方法来确定,这些方法都没有从提高混合像元分解精度的角度出发进行端元数目估计.在分析漏选、多选端元时光谱解混误差的基础上,提出了一种基于光谱解混误差的端元数目估计算法,该算法在估计端元数目的同时可以实现端元提取.实验结果表明,该方法在低信噪比情况下仍能正确地估计端元数目,并且可以正确地提取端元.     

2020年1月19日新疆伽师MS6.4地震序列特征及后续趋势分析

介绍2020年1月18日新疆伽师M S5.4和1月19日M S6.4两次地震的基本参数、震源机制解、精定位等资料,分析伽师M S6.4地震序列类型、序列衰减特征和余震序列各项数字地震学资料,并就该序列与历史地震序列进行对比,提出震后趋势判定意见。分析认为,该序列为前—主—余型,余震序列衰减较为迅速。     

The Prediction of Non-stationary Climate Series Based on Empirical Mode Decomposition

This paper proposes a new approach which we refer to as ``segregatedprediction to predict climate time series which are nonstationary. Thisapproach is based on the empirical mode decomposition method (EMD), whichcan decompose a time signal into a finite and usually small number of basicoscillatory components. To test the capabilities of this approach, someprediction experiments are carried out for several climate time series. Theexperimental results show that this approach can decompose thenonstationarity of the climate time series and segregate nonlinearinteractions between the different mode components, which thereby is able toimprove prediction accuracy of these original climate time series.     

中国地表植被覆盖变化及其与气候因子关系

本文利用１９８５－１９９０年连续６９个月的ＮＯＡＡ时间序列数据,进行中国植被覆盖变化的空间,以及时间序列分析,并且结合同期的平均气温,降水数据,进行植被覆盖变化与气候因子相关性分析,该文证实了在中国植被覆盖随时间的推移规律,空间分布规律,以及植被覆盖变化与气温,降水的定量关系。     

全球定位系统卫星L2载波增加民用码的作用

详细分析和推估GPS卫星的L2载波上增加民用码对GPS技术和应用的意义.     

建筑物沉降规律的综合时序分析

建筑物的沉降监测数据序列具有趋势变化和随机变化的特点，本文针对两种变化项的特点分别建立相应的数学模型，再将其组合起来建立综合数学模型，从总体上把握沉降数据序列的变化规律。实例计算分析表明，此方法具有较高的拟合精度和预测能力，具有一定的应用参考价值。     

复种指数遥感监测方法

复种指数是反映水土光与自然资源利用程度的指标 ,其实质是沿时间序列 ,反映某一种植制度对耕地的利用程度。联系复种指数与时间序列NDVI曲线的纽带是农作物年内的循环规律。时间序列的NDVI值蕴涵着植被的生长和枯萎的年循环节律 ,经时间序列谐函数分析法 (HarmonicAnalysisofTimeSeries ,HANTS)重构的NDVI曲线 ,可以准确地反映农作物的出苗、拔节、抽穗、收获等物理过程。因此 ,根据时间序列的NDVI曲线的周期性 ,可以反向捕捉到耕地农作物动态的信息 ,进而得到耕地的复种指数。本文依据上述原理 ,提出复种指数遥感监测的方法 ,然后用 1999年至 2 0 0 2年 4年的VGT(SPOT4卫星vegetation数据 )旬合成NDVI时间序列数据集提取了复种指数 ,并利用地面样区观测结果和统计数据进行检验 ,取得很高的精度。     

沉降数据序列分析方法研究

针对沉降数据序列的特征,研究了多项式回归方法、小波降噪方法、频谱分析法在沉降数据处理中的应用.多项式回归残差和小波降噪残差统计指标对比表明:在趋势项分离过程中,小波降噪方法优于多项式回归方法.小波降噪的残差频谱分析结果表明了沉降数据序列在2个月和4个月的周期性信息.     

季节指数及其在季节性监测资料分析和预报中的应用

基于灰色模型的诸多优点，作者选用GM(1，1)模型分析和预报形变监测序列。然而直接应用GM(1，1)灰色模型分析和预报具有季节性的监测序列时往往精度不高。因此，作者提出运用基于季节指数的“去季节波动”法与GM(1，1)混合建模，对监测资料进行分析与预报。基于均方差和平均绝对误差两个精度准则，作者对此方法与周期函数拟合模型进行了比较。结果表明，此方法提高了具有季节性波动监测序列的预报精度，且建模方法简便、快捷。