卫星跟踪卫星技术确定地球重力场的加速度法研究

地球重力场是地球的基本物理场,表征着地球物质空间分布、运动和变化,一直是大地测量学科的核心科学任务之一。随着卫星重力测量技术的飞速发展,21世纪初国际卫星重力探测计划,CHAMP、GRACE和GOCE先后成功实施,提供了大量高低卫星跟踪卫星、低低卫星跟踪卫星以及卫星重力梯度观测数据,为研究地球重力场精细结构和构建高精度全球重力场模型提供精确的长波信息。其中,基于卫星跟踪卫星观测值恢复高精度中长波重力场被各国学者广泛而深入地研究。在此背景下,本文研究由卫星跟踪卫星技术利用加速度法确定地球重力场模型的理论与方法。     

基于SAR偏移量跟踪法提取岗纳楼冰川流速

冰川动态变化监测有助于反映全球和区域气候演变,保护自然环境和自然资源。近年来,基于SAR数据研究冰川运动已成为主流技术之一。基于SAR提取冰川流速主要包括合成孔径雷达干涉测量、多孔径雷达干涉和偏移量追踪法。本文采用SAR偏移量追踪法中的强度追踪法,提取青海省哈拉湖东北部岗纳楼冰川沿距离向、方位向的冰川流速。试验结果表明,距离向冰川运动速度提取效果较好,最大流速达15.36 m/a,流速从中轴向两侧递减,在冰舌末端趋于0;方位向提取的冰流速最大达18.27 m/a,但因电离层干扰,方位向流速图中存在一些方位向条纹。此外,由于冰流速在方位向分量小等因素的影响,本文研究提取的方位向流速精度低于距离向。     

基于长度标准装置提高激光跟踪仪测量精度的方法

为了提高激光跟踪仪的测量精度,针对激光跟踪仪测量重复性高的特点,提出基于长度标准装置对激光跟踪仪观测值进行标定的方法。通过建立激光跟踪仪和激光干涉仪标定观测的函数模型和随机模型,依据最小二乘原理得到标定点观测值的改正数和标定点观测值平差值的精度,进而对目标点的观测值进行插值改正,获得激光跟踪仪对目标点观测值的改正数,最终实现对激光跟踪仪的观测值进行误差补偿。采用长度标准装置对Leica AT401激光跟踪仪进行水平方向标定及标定后的精度测试,激光跟踪仪经过水平方向误差补偿后,将其测量点相互之间距离与激光干涉仪测量的距离进行对比,距离差值的RMS从19.5μm降低为10.2μm,验证了该方法的可行性。     

一种高分辨率温度传感器

介绍一种基于Pt1000惠斯通平衡电桥的高分辨率温度传感器。 实验测试表明, 该温度传感器具有精确、 稳定、 分辨率高的特点, 测试温度的分辨率可以达到1×10^-5℃。 其温度测试范围可调, 从而可以满足不同测试环境温度测试的需要, 具有较广泛的应用范围, 并可同通用数据采集器连接构成精密温度观测系统。     

基于数据跟踪分析河北电磁台网环境干扰因素

以河北电磁台网2008—2016年地震前兆数据跟踪分析产品信息为数据源,归纳该台网主要环境干扰因素,主要干扰表现为降雨、高压直流输电、农田灌溉3种类型,约占干扰因素约88.47%。分析各类干扰因素成因、动态曲线变化特征,提取并总结电磁台网环境干扰典型实例及变化特征,为地震前兆异常变化地准确判断提供有效实例支持与技术参考;根据干扰成因和观测经验,通过同场地增加气象三要素观测可快速识别降雨干扰,通过地埋观测外线路、地磁场深井观测方式可避免或减小干扰,为排除环境干扰,探索抑制干扰的新方法服务。     

S型定向分枝孔监控预测数学模型

由于目前随钻监测技术还处于较低的水平,因此利用离散的测斜数据对钻进过程和钻进效果进行监控和预测,对于钻孔施工显得尤为重要．作者研究了Ｓ型走向分枝孔的施工控制措施,建立了Ｓ型定向分枝孔的监控预测数学模型,包括造斜段监控、中靶预测、跟踪设计,同时还研究了长孔段中靶预测数学模型．利用这些数学模型和微机可以对Ｓ型定向分枝孔的施工进行综合的、较准确的控制。所有这些对Ｌ型和更复杂的定向分枝孔的施工监控措施都很有意义．     

气象用GX-2型水电解制氢设备电解电压的分析

分别从温度,压力,电解质以及电解液浓度等方面因素在水电解过程中对电解电压的影响进行分析,并在实际工作加以应用,从而达到降低能耗,节约成本的目的。     

相机检校中标志点的自动提取

本文针对相机检校中,手工选择标志点速度慢、强度大的缺点,提出了基于边缘提取和形状系数多级约束的方法。首先对图像进行Wallis滤波,并对滤波后的图像采用Canny算子进行边缘提取;然后在八邻域跟踪的基础上,根据边缘长度、边缘首末端点距离、形状系数和光谱信息检测符合条件的标志点边缘。通过实验验证,该方法可提取出92%左右的标志点。     

在第20期国土资源管理市长专题研究班上的总结讲话

<正>(2010年6月12日,根据录音整理)国家土地督察制度市长专题研究班今天上午就要结束了。这次研究班在天津市举办,得到了天津市政府及有关部门的高度重视和大力支持。天津市国     

基于SOM的高分辨率遥感影像道路网自动提取

本文研究基于SOM(Self-Organizing Feature Map)神经网络学习模型的高分辨率遥感影像道路网自动提取算法。首先利用数学形态学提取遥感图像道路的初始道路区域信息,自动对原始图像进行分区并确定神经元初始权值,用SOM网络学习模型对神经元进行训练学习,经迭代获取道路网中心点位置,最后运用"中心点四邻域跟踪判别法"跟踪连接形成道路中心线。实验表明,该方法在高分辨率遥感影像道路网的提取上有较好的效果,特别在主干道路网的提取上效果更佳,对噪声干扰具有良好的鲁棒性。