高铁测量中的投影变形处理方法探讨

首先对长度投影综合变形情况做了分析,然后介绍投影变形的处理方法的原理,讨论了它们的优缺点,其中也提出了一些自己的看法,这对铁路测量方面具有借鉴作用。     

基于NDVI先验知识的LAI地面采样方法

针对非均质中低分辨率像元的叶面积指数LAI验证中如何布设基本采样单元ESU的问题,提出基于NDVI先验知识的ESU布设方法,并采用不同植被类型、不同均匀程度的地表作为模拟场,分析对比了方法的精度及稳定性。结果显示,本文方法用NDVI先验知识描述植被的生长空间分布信息,能相对准确地划分植被的不同生长水平,有效降低层内方差。在草地和森林地区的试验中,精度与稳定性均优于传统的随机采样、均匀采样和基于分类图的3种采样方法。因此,本文提出的采样方法为大尺度非均质区域LAI地面验证的采样方案提供了新的设计思路。     

建筑物变形监测的方法与数据分析

简要介绍各类建筑物变形监测的必要性,详细阐述了建筑物沉降监测方法与技术流程,并对沉降数据进行了全周期的分析。在建筑物沉降监测各个环节上遵循相关技术标准,有效监测建筑物在施工期间的沉降变化,为建筑物的施工和后期运营提供可靠的基础数据。     

地铁盾构施工中盾构姿态的控制方法

以上海轨道交通某盾构法施工区间中盾构姿态控制为例,介绍了盾构姿态控制的技术要求,分析了始发架、土体、管片姿态、注浆等对盾构姿态控制的影响,并建立数学模型量化分析了盾构姿态对管片姿态的影响,说明盾构姿态和管片姿态是相辅相成,互相影响。     

空间数据集成、检索和访问组件模型

为了解决空间数据集成、检索和访问的问题,从数据提供者和数据使用者2个角度出发,提出了建立具有统一集成、检索和访问接口的空间数据访问组件。该组件针对数据提供者提供统一的集成接口,实现了以ArcSDE为例的空间数据引擎和以REST服务为例的Web Service引擎,建立了针对第三方空间数据引擎和Web Service空间数据源集成方法。该组件内部构建了空间数据处理模块和Web Service数据处理模块,与空间数据集成接口相互协作完成集成并处理空间数据源的任务。同时,针对数据使用者提供了空间数据检索和访问功能,在空间数据检索接口中实现了基于要素的检索方法,能对集成后的空间数据进行快速的查询检索,达到空间数据共享、访问的目的。     

龙岩地区商品房共有建筑面积分摊模型的探讨

针对共有建筑面积的分摊问题,依据《房产测量规范》(GB/T17986-2000)和国家、地方相关规定,通过规划行政审批的房屋结构功能和共有建筑面积分摊的级别,提出了共有建筑面积计算分摊的方法及其模型,并通过一个综合楼分摊实例进行了详细阐述。     

GPS天线的绝对校正方法

介绍了由德国Geo＋＋研究的直接在野外进行的绝对校准方法,该方法可以消除多路径效应,测得和方位角相关的PCV．经过进一步的研究,该校正过程高效准确且可以实时提供校正结果。简单列举了AOAD／M—T类型天线的相对和绝对PCV的结果,对PCV的改正精度要求做了简单介绍。     

GPS水准高程在大比例尺地形测量中的精度分析

主要介绍了GPS工程的拟合的原理与方法,结合具体说明了GPS水准高程在大比例地形测量中的可行性,并对其方法的精度进行分析讨论,为以后GPS在地形测量中的运用提供了理论依据,为在地形测量中提高GPS的精度提出了相关政策.     

《超高阶重力位模型确定的理论与方法》出版

正[本刊讯]由王正涛、党亚民、晁定波所编著的《超高阶重力位模型确定的理论与方法》一书,已于2011年12月由测绘出版社出版。该书阐述了构建地球重力场模型的基础理论,评述了这一领域的近代发展。主要内容     

西藏高原典型草地地上生物量遥感估算

准确估算草地地上生物量对合理规划区域畜牧业、评估草地植被的生态效益有重要意义.利用每月两次的野外调查资料和对应的MODIS植被指数,以GIS空间数据处理技术和多元统计分析方法等为手段,建立了西藏高寒草甸、高寒草原和温性草原3个典型草地类型的地上生物量遥感估算模型和方法.结果表明:MODIS植被指数更适合于高寒草甸和高寒草原的地上生物量估算,对于高寒草甸,最佳估算模型是基于归一化植被指数(normalized difference vegetation index,NDVI)的三次多项式,其相关系数为0.82;对高寒草原,则是基于增强型植被指数(enhanced vegetation index,EVI)的三次多项式,相关系数达0.83;由于温性草原存在很强的空间异质性,估算效果较其他2个草地类型差.MODIS植被指数对草地生长期鲜草生物量的估算和模拟效果要优于总地上生物量.在生长期,高寒草甸和高寒草原的鲜草生物量与植被指数之间的相关系数都大于0.8,最高达0.92;对温性草原,两者的相关系数也均大于0.67,其中,NDVI是高寒草甸和温性草原鲜草生物量估算的最佳植被指数,对高寒草原则是EVI.对同一草地类型,由于地上生物量差异较小,使得相比其他模型,线性或多项式回归模型更适合于西藏高原草地地上生物量的估算.