利用夜间灯光数据的城市群格局变化分析

针对传统的统计数据具有行政单元统计约束的缺点、DMSP/OLS夜间灯光数据存在分辨率低、像元辐射值饱和的问题,该文使用NPP/VIIRS夜间灯光数据、城区边界、列车时刻表、百度地图API等数据,通过空间统计、标准差椭圆、位序-规模分布、空间联系测度研究中国九大城市群2012与2017年的空间格局变化。结果表明:长三角、珠三角、京津冀城市群的灯光总量和平均灯光均位于前列;长三角、珠三角、成渝、哈长、关中平原城市群灯光变分散,京津冀、长江中游、中原、北部湾城市群灯光变集中,成渝城市群夜间灯光重心移动最大,向重庆方向移动;长江中游城市群接近捷夫分布,中原城市群为序列分布,其他城市群为首位分布;长三角、珠三角、京津冀城市群的总体联系强度最高,各城市群边缘中小城市与核心城市空间联系较弱。     

鲁东南新石器遗址时空格局与自然环境的关系

针对史前文化遗址的时空间分布进行研究以进一步分析环境变化对人类聚居地带来的影响,对发现和保护历史文化遗址具有重要的意义。该文运用GIS空间分析方法对鲁东南地区史前遗址的时空分布特征进行分析,并结合区域地形地貌等条件分析遗址与自然环境条件的关系。结果表明:遗址点主要分布在高程50~200m、坡度0~6°、坡向朝南且距离河流200~2100m的范围内;且遗址点的分布呈现一定的聚集性,不同时期人类活动聚集中心存在迁移现象。由此得出古代人类倾向于选择海拔高度低,坡度小,向阳且靠近水源的地方聚居,且不同时期农业经济类型和社会的发展程度一定程度的影响了人类活动中心的位置分布。探究了鲁东南地区3个时期遗址时空分布和自然环境之间的关系,分析了不同时期人类活动中心的聚散特征。     

雾霾的影响因子分析及其区域相关性研究

成都、重庆作为中国西南地区快速发展的城市,是雾霾频发的区域,研究其雾霾因子联系以及区域空间分布特征及其规律,对于城市发展、创建绿色城市具有重要意义。通过分析2016年12月~2017年2月的PM2.5等污染物浓度数据可知:①成渝地区雾霾产生的高峰期在1月,并以成都、重庆为中心向四周减弱;②在时间分布上,成都和重庆的雾霾污染物浓度呈协同变化趋势,说明两地雾霾在区域上相互影响,协同作用;③在气象因素中,两地的湿度和风速对雾霾集聚、转移和扩散具有重要作用;④两地的位置和地形特征是其雾霾具有相关性的重要因素,因此只有两地同时防治雾霾,才能达到最好的效果。根据不同地域特征,积极改进生产结构,采取相应措施,才是治理雾霾的根本所在。     

顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布,在UWB室内定位中,由于载体本身的机制等干扰,观测噪声不仅仅是白噪声,也存在有色噪声的情况,而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度,同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时,拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪;观测噪声为有色噪声时,自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

p—范分布的近似表示

p-范分布是一个包含拉普拉斯分布、正态分析、均匀分布等常见分布的分布族。用p-范分布描述观测误差的统计特性，只需假定误差的分布为单峰、对称，因此、p-范分布似然平差可以避免事先假定误差的具体分布模式，而在平差过程中确定未知参数及误差的分布具有自适应的特点。但是p-范分布的密度函数比较复杂，不利于理论分析和实际应用。 的研究表明，p-范分布可以近似地表示为拉普拉斯分布与正态分析或正态分布均均匀分布的线性组全。p-范分布与本文给出的近似分布具有相的前四阶矩。由于拉普拉斯分布。正态分布。均匀分布的密度函数都比较简单，用近似分布代替p-范分布会使相关的问题得到简化。     

地图数据中的信息挖掘

将数据挖掘运用到地图数据中，从地图数据中挖掘出多方面的知识。通过统计分析可以研究各种现象在空间或一定时间范围内存在的变异、相互关系，从中找出事物内部的规律；通过统计分析可以研究各种现象的空间分布规律，相互联系，动态变化，建立各种数学模型等。     

定位参数抗差估计的无偏性

根据抗差估计中误差的最基本假设—对称分布 ,考虑到ρ函数的条件及把反对称估计作为抗差估计计算迭代的初始值 ,验证了定位参数的抗差估计值也一定是反对称估计 ,满足无偏性条件 ,得到定位参数的抗差估计是无偏估计。     

手工数字化地图误差的分布检验

对经过标准化处理的误差数据进行分布检验，得出该母体不服从正态分布的结论。在此基础上做进一步的假设检验，表明手工数字化地图的误差符合P—范分布且P—范值的取值范围可能在1．5～1．6之间。     

p-范分布参数σ的估计

用极大似然法估计一元 p_范分布参数σ。在 μ、p已知的条件下 ,得出 ^σp 是σp 的无偏估计及 npλp·^σpσp服从 χp 分布 ,进而给出方差的假设检验方法。