考虑有雨无雨辨识的多源降水融合方法

多源降水融合是精准估计降水时空分布的重要途径,多聚焦降水量或降水强度的误差订正,对短历时降水雨区辨识的重视不足。提出考虑有雨无雨辨识的多源降水融合框架,耦合地理加权逻辑回归与地理加权回归模型,构建兼顾雨区辨识及雨量估计的降水融合方法,并应用于汉江流域MSWEP V2.1与地面站网观测日降水融合。结果表明：所提方法成功再现有雨无雨空间格局并刻画了降水中心,整体强化了MSWEP V2.1对地面降水的表征能力,降低误报率和误报降水量的幅度超过了60%,提高临界成功指数和Kling-Gupta效率系数达40%以上;较降水空间插值数据,削减误报降水量并提升Kling-Gupta效率系数高于10%;另外,较参考数据,降水融合改善强降水事件(雨强≥50 mm/d)分辨精度的增益不低于60%。所提方法有效改善了降水估计效果,为多源降水融合提供了新思路。     

无网格方法及其在地球物理勘探中的应用与展望

产生于20世纪70年代的无网格法是一类新兴的数值方法,现已被广泛运用于科学计算及工程问题并取得了显著成效.相较于有限元方法,无网格法具有网格依赖性弱、精度高、收敛速度快、方便构造高阶拟合函数等优点.经过几十年的发展,无网格法取得了长足的进步,诞生了多种方法.无网格方法之间的主要区别在于构造近似函数的不同和加权余量法的选择.本文概述了无网格法的发展历史和研究进展以及在地球物理学中的应用状况;详细阐述了多种无网格的近似方法,包括：移动最小二乘近似、径向基函数近似、核积分近似、再生核粒子近似等,以及常用的加权余量法—配点法、伽辽金法、局部伽辽金法.并对这些无网格方法的差异性作了系统对比分析,同时指出了在地球物理领域的适用范围.还例举了无网格法在地震勘探领域的波动方程、重磁勘探领域的位场延拓以及异常体正演的求解过程.最后讨论了无网格方法应用于地球物理勘探领域时存在的困难和挑战,并分析了未来无网格方法的应用前景和潜力方向.     

征稿启事

《测绘技术装备》（原《测绘科技通讯》）,2000年荣获陕西优秀科技期刊一等奖,是全国测绘技术与装备的科技季刊,具有实用性、超前性、信息量大、特色鲜明,融科研、生产、应用为一体的科技刊物,已加入万方检索数据库、北京知网、重庆维普。为了进一步办好《测绘技术装备》,我们热诚欢迎广大读者提出宝贵意见和建议并积极投稿。     

基于tau-p域相干控制束偏移方法

在实际地震资料数据中,存在一定的随机噪音和低信噪比的干扰信号,高斯射线束偏移方法对τ-p域坐标图板上所有的能量进行偏移成像,因此导致其偏移成像存在随机噪音情况,干扰了地下构造成像质量基于τ-p域相干性控制束偏移是本文在高斯束偏移方法的基础上,利用了在τ-p倾斜叠加原理图进行的能量相干加权提出的成像方法。该方法采用倾斜叠加前后相干值对比策略,根据倾斜叠加前与沿着t=τ+px进行倾斜叠加能量加权相干后将地震波束的有效能量约束在一定的范围内,倾斜叠加原理图上那些相对振幅较强的样点,意味着为地下同相轴倾斜叠加强点,再经过相干加权,能大大的压制地下随机噪音等,能充分的改善复杂构造区域的成像质量,也通过Marmousi模型引入不同的低信噪比数据和某探区的实际资料进行测试来验证这种方法的正确性和有效性。     

加权整体最小二乘EIV模型与算法——与"加权整体最小二乘EIO模型与算法"一文的讨论

加权整体最小二乘方法是一种能同时顾及EIV（errors-in-variables）模型中系数矩阵和观测向量误差的参数估计方法。根据不同的应用场景,EIV模型则表现出不同的结构特征。"加权整体最小二乘EIO模型与算法"一文采用EIO模型处理EIV模型中的结构化问题^*。为了将其与现有方法进行对比,本文罗列出4种处理EIV模型结构特征的方法,并归纳了8种参数估计公式。同时从精度评定的角度讨论了整体最小二乘解的一阶及更高阶精度近似评定方法。需要强调的是,针对EIV模型及其参数估计理论可以从函数模型、随机模型和参数估计方法3个方面展开研究,但各方法殊途同归。     

利用卷积神经网络进行绝缘子自动定位

提出一种基于二值化赋范梯度特征和卷积神经网络的航空影像绝缘子自动定位方法。首先利用二值化赋范梯度分类器提取绝缘子候选窗口,而后利用卷积神经网络算法进行精细识别,获得包含绝缘子目标的窗口集,最后对高重叠度窗口集进行加权迭代合并得到最终绝缘子定位结果。采用广东电网大型无人机实际线路巡检获取的可见光影像对自动定位算法进行验证,实验结果表明,在复杂背景下绝缘子整体回调率为90.5%,定位精度为92%,证明该方法能够对复杂背景下可见光影像中的绝缘子进行有效识别定位,且算法通用性较强,可适应不同背景的可见光影像。     

利用加权整体最小二乘DSM提取DEM的方法

随着无人机航摄软硬件技术的快速发展,通过倾斜摄影三维建模快速获取DSM的成本越来越低。在小比例尺的地形图测量中,DSM若能通过快速处理得到较为精确的DEM,即可节省大量的人力物力。针对林地范围内DSM数据的特点,采用加权整体最小二乘法对DEM进行提取。     

顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法

稀疏多项式逻辑回归在分类中仅利用图像光谱信息,导致分类效果不太理想.本文提出了一种顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法.首先利用加权均值滤波与拓展形态学多属性剖面对原始高光谱图像进行局部与结构特征提取;然后对二者进行加权平均特征级融合以获取更具唯一性的像元特征;最后由稀疏多项式逻辑回归分类器对融合结果进行分类.结果表明,本文方法能有效地提高分类精度,而且具有较强的稳健性.     

一种局部稀疏地面点云与已有DEM的融合方法

机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况,利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题,严重影响DEM的质量。为此,本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点,在尽量保持原始DEM的地形形态特征的前提下,通过高斯核函数加权迭代插值算法对DEM进行高程局部改正,实现稀疏点云与DEM的一致性融合。试验分析表明,融合后的点云数据得到了较好的补充,由此构建的DEM地形形态自然,在精度上相对于融合前的稀疏地面点云有一定改善,在弱精度区域的可靠性有显著提升。     

顾及空间非平稳特征的遥感干旱监测

遥感技术具备实时快速、时空连续、广覆盖尺度等独特优势,在全球气候恶化大背景下,利用遥感干旱监测方法相比于传统地面监测手段,能够提供实时、准确、稳定的旱情信息,辅助科学决策。目前常用遥感旱情监测方法大多依赖全域性数学模型建模,假定了旱情模式的空间平稳特性,因而难以准确反映旱情模式的局部差异特征。本文提出利用地理加权回归模型GWR (Geographically Weighted Regression),考虑旱情模式的空间非平稳特性,综合多种遥感地面旱情监测指数,以实现传统全域旱情监测模型的局部优化。以美国大陆为研究区,监测2002年—2011年共10年的旱情状态。研究表明,GWR模型能够提供空间变化的局部最佳估计模型参数,监测结果更加吻合标准美国旱情监测USDM (U.S Drought Monitor)验证数据,且与地面实测值的最高相关系数R达到0.8552,均方根误差RMSE达到0.972,显著优于其他遥感旱情监测模型。GWR模型具备空间非平稳探测优势,实现了旱情模式的局部精细探测,能够显著提升遥感旱情监测精度,具备较好的应用前景。