On the multivariate total least-squares approach to empirical coordinate transformations. Three algorithms

The multivariate total least-squares (MTLS) approach aims at estimating a matrix of parameters, Ξ, from a linear model (Y−E _Y = (X−E _X ) · Ξ) that includes an observation matrix, Y, another observation matrix, X, and matrices of randomly distributed errors, E _Y and E _X . Two special cases of the MTLS approach include the standard multivariate least-squares approach where only the observation matrix, Y, is perturbed by random errors and, on the other hand, the data least-squares approach where only the coefficient matrix X is affected by random errors. In a previous contribution, the authors derived an iterative algorithm to solve the MTLS problem by using the nonlinear Euler–Lagrange conditions. In this contribution, new lemmas are developed to analyze the iterative algorithm, modify it, and compare it with a new ‘closed form’ solution that is based on the singular-value decomposition. For an application, the total least-squares approach is used to estimate the affine transformation parameters that convert cadastral data from the old to the new Israeli datum. Technical aspects of this approach, such as scaling the data and fixing the columns in the coefficient matrix are investigated. This case study illuminates the issue of “symmetry” in the treatment of two sets of coordinates for identical point fields, a topic that had already been emphasized by Teunissen (1989, Festschrift to Torben Krarup, Geodetic Institute Bull no. 58, Copenhagen, Denmark, pp 335–342). The differences between the standard least-squares and the TLS approach are analyzed in terms of the estimated variance component and a first-order approximation of the dispersion matrix of the estimated parameters.     

基于神经网络方法的芦苇叶面积指数遥感反演

提出了一种从TM图像上获取芦苇冠层叶面积指数的方法:首先对芦苇的生长背景进行分类;然后,对不同的背景光谱利用冠层反射率(FCR)模型计算得到查找表;最后,利用实测数据和查找表中的数据作为参数进行BP神经网络模型训练,从而得到芦苇冠层LAI。结果表明,人工神经网络方法有很强的非线性拟合能力,能够消除背景对反演结果的影响,有效提高LAI反演的精度。     

变形分析的神经网络技术应用实例

大型工程施工过程中的变形监测、分析与预报极为重要。变形分析建模的方法很多,神经网络技术的应用是其中之一。文中结合某深基坑工程的监测资料和工作经验,运用神经网络BP算法进行预测分析。简述BP神经网络的基本概念,介绍基坑变形分析的BP神经网络的具体模型结构,将神经网络方法预报结果与实测数据对比效果较好。该成果对生产实践具有参考价值。     

TM影像几何校正算法的精度比较

同大多数的线阵推扫式影像相比,TM影像作为双向扫描型的影像其几何校正方法有其特殊性和复杂性。针对这个问题,本文简要介绍了一般多项式、空间斜墨卡托投影、有理函数模型等几种几何近似校正算法,并利用广州地区的TM影像进行了各种试验分析和精度比较。结果表明:同其他方法相比,空间斜墨卡托投影是一种较好的算法,校正精度最高,能够达到一个像素左右,而且该方法不受地形起伏的影响,无需地面高程信息。     

基于不同GCP数量和获取方法的数字正射影像的制作与评定

SPOT-5影像的高分辨率和高信息量的性质,使其得到了广泛的应用,特别是在全国第二次土地利用调查中得到了更加深入的应用。而数字正射影像的制作是SPOT-5遥感影像应用的关键所在。本文在介绍DOM制作的基础上,依据当前获取GCP主要的三种途径采用ERDAS遥感图像处理软件进行了实验,并对最终的结果精度进行分析,总结了DOM制作过程的相关问题。     

GIS技术在旅游业中的应用——兼谈旅游地理信息系统及其研究进展与展望

本文对地理信息系统的组成与功能做了简单的概述,在此基础上介绍了GIS在旅游业发展中的主要作用及应用现状,并就旅游地理信息系统的结构与功能及其研究进展和发展趋势做了探讨。     

连续运行GPS定位服务系统的探讨

介绍了连续运行GPS定位服务的概念、实现模式及其在测绘行业中的应用。     

动态最小二乘支持向量机学习算法

针对大样本集的训练问题和动态训练样本的模型更新问题,提出了动态最小二乘支持向量机学习算法.该算法充分利用已建好的模型,逐渐加入新样本,并可删除位于任何位置的非支持向量,避免了矩阵求逆运算,保证了算法的高效率.大坝变形及电离层延迟两个时间序列的预报实例表明,该算法具有计算时间短、预报精度高的特点.     

基于岭估计的有理多项式参数求解方法

在使用最小二乘法解算卫星遥感影像的RPC参数时,如果控制点非均匀分布或模型过度参数化,其法方程系数矩阵很容易产生病态,获得的解将偏离真值,甚至得到错误的解.使用岭估计可改善法方程的状态,保证解稳定.采用岭估计方法,通过所获取的不同岭参数对SPOT和QuickBird影像进行实验,证实L曲线法是一种稳定的、有效的岭参数确定方法,可显著提高RPC参数的解算精度.     

山西保德—静乐地区新近纪地层时代讨论

通过对山西保德-静乐地区新近纪地层的野外地质调查和实测剖面,对分布于该区的新近纪地层进行了详细的研究和划分,获得了新的ESR和古地磁测年数据,并结合生物地层序列确定了该区新近系地层的顺序为：新近系上新统静乐组（N2j）、新近系中新统上部保德组（N1^26）和中新统下部芦子沟组（N1^1l）。