水下地形测量高程异常点剔除方法研究

本文针对水下地形测量过程中测深数据的粗差问题，结合在生产工作中的一些经验和有关的资料，提出了测深数据处理的方法，并编写了相应的程序用于生产。     

杨庆才副省长在全省气象工作会议上的讲话

这次全省气象工作会议，是在中国气象事业发展战略研究取得丰硕成果、我省经济社会有了长足发展、特别是农业和农村取得了多年来少有的好形势下召开的。会议的主要任务是，深入贯彻落实党的十六届四中全会、中央和省经济工作会议、农村工作会议以及全国气象局长会议精神，贯彻和应用中国气象事业发展战略研究成果，认真总结2004年全省气象工作，按照全国气象局长会议和全省农村工作会议的总体要求，研究部署今年全省气象工作的重点目标任务。下面，就如何进一步做好气象工作，我讲三点意见。     

再向相山行——来自二六一大队的报告

座落在江西省抚州地区的相山，方圆700多平方公里。核工业第一次创业时期，在这里担负铀矿地质勘查任务的二六一大队职工，用自己的智慧和汗水，竖起了一座巍峨的丰碑——相山工作区从一个航测异常点发展成为“世界少有，中国第一”的巨型铀矿田。然而，近年来，由于国家铀矿勘探工作重点转移，相山找矿曾一度沉寂，昔日沸腾辉煌的相山，也似乎失去了它应有的风采。今天，当发展铀矿地质的第二个春天到来的时候，在这片热土上奋斗了40多年的二六一人。重新燃起找铀的希望，他们正充满激情、充满信心地再向相山行。     

火星局部地形高精度配准方法研究

针对HiRISE(high resolution science imaging experiment)DEM(digital elevation model)和MOLA(Mars orbiter laser altimeter)DEM的匹配问题,提出了一种基于点云粗配准与精配准方法结合的地形匹配框架。实验表明,相比于GICP等经典方法,本文算法在“好奇号”着陆区域的地形配准精度提高近20%,且收敛速度更快,算法鲁棒性更强。     

基于ORB-SLAM框架的直接法改进与对比

在ORB-SLAM(oriented fast and rotated brief-simultaneous localization and mapping)框架的基础上,采用半直接视觉里程计（semi-direct visual odometry,SVO）法和稠密直接法替代特征点法,并利用慕尼黑工业大学SLAM数据集进行测试和对比。结果表明,SVO和ORB-SLAM在单目模式下的平均解算时间分别为31.1 ms、20.5 ms,RGB-D模式下的平均解算时间分别为39.5 ms、32.5 ms。某些条件下SVO解算的轨迹精度可以达到甚至高于ORB-SLAM。     

一种利用机载激光点云的河流横纵断面自动提取方法

传统的河流断面测量方法具有周期长、成本高、外业多等不足,为此提出一种基于机载激光点云的河流横纵断面自动提取方法.首先,使用渐进三角网滤波器从机载点云中分离出地面点,用以构建三角网模型,并将其转化成数字高程模型数据.接着,利用洼地填充、流向分析、流量分析、河流栅格提取、矢量化等水文分析模块,从数字高程模型数据中自动提取出...     

田东县1954-2013年雷暴日数变化特征分析

利用田东国家气象观测站1954-2013的逐日雷暴数据,通过线性趋势分析、Mann-Kendall突变检验和小波分析法对田东县近60a的雷暴日数进行分析.结果表明,近60a来田东县雷暴日数平均以-6.445d·(10a)-1的速度减少;田东县雷暴主要发生在春、夏季,秋冬季迅速减少;1-9月雷暴日数呈上升趋势,9月份之后...     

双极化最优的时序InSAR高山区地表形变监测

针对高级陆地观测卫星2号提供的多极化数据源,不同极化方式影像的永久散射体点密度存在较大差别,而寻求极化最优的散射机制为永久散射体的识别和提取提供了一种新思路。该文以珠穆朗玛峰地区24景双极化影像为例,提出了改进后的模拟退火算法,退火过程采用不同的退火速率节约了退火总时间,通过不同的初始温度和稳定迭代次数实现双极化最优,然后利用干涉点目标分析技术反演地表时序形变,最后证实了双极化最优与HH极化形变结果的一致性。实验结果表明双极化最优结果实现了永久散射体数量最大化,能在大面积地表形变监测与灾害治理领域提供广泛的应用价值。     

兴趣面数据和随机森林方法的城市功能区划分

针对传统城市功能区研究探索了利用兴趣点、遥感影像等数据进行城市功能区自动划分的方法,但分类精度仍有待进一步提高的问题,该文提出一种基于兴趣面数据和随机森林算法的城市功能区自动划分方法,首先对城市道路网络数据运用形态学运算方法自动构建交通分析区,然后从其区域内的兴趣区等多源数据中提取4类41项特征,最后结合地理国情普查数据和人工识别选取476个样本数据,构建基于随机森林分类器的城市功能区识别模型。结果表明,随机森林模型能够准确地识别城市功能区,识别模型预测精度为87.67%,支持向量机模型精度为83.71%,未引入兴趣面数据的模型精度为78.72%。利用上述模型对北京市内4 112个单元进行功能区识别,准确率达81.37%。该研究方法有较好的重复性和推广性,有助于对城市功能区进行定量、客观的研究。