三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

动态定位自适应滤波解的性质

自适应抗差滤波具有控制观测异常及状态方程信息异常干扰的能力。着重研究自适应滤波解的性质。首先推导了动态自适应滤波与经典Kalman滤波解的解差，继而给出了状态向量估值的数学期望和均方误差，并分析了在自适应因子调控下解的偏差和均方误差的变化规律。由状态解向量的数学期望和均方误差的表达式可以看出，自适应因子能够控制状态异常对状态估值和均方误差的影响。     

国产机载LiDAR系统安置角误差检校方案研究

机载激光扫描仪(Light Detection And Ranging,LiDAR)系统是由多个子系统集成,其中,安置角误差是集成误差中最大的误差源,安置角误差检校的方法多种多样,高效率、高精度的检校方式还需要试验的支撑。本文对平差模型法和几何模型法进行了试验分析,试验结果很好地证明了不同方法的优越性,为机载LiDAR系统的安置角检校提供了参考。     

模型误差对平差结果及其参数估计性质的影响分析

本文从模型误差的理论出发，讨论了模型误差对平差结果及其参数估计性质的影响，提出了当存在模型误差时，采用均方差对平差模型及其结果进行估价更为合理．     

基于Matlab的GPS网间接平差教学设计与实现

GPS网间接平差是测绘类本科专业误差理论与测量平差基础教学的重要组成部分。本文针对GPS网间接平差存在的观测数据多、计算量大、在实际课堂教学中很难讲解清楚等问题,提出基于Matlab的GPS网间接平差教学设计与实现方法。给出GPS网间接平差课堂教学的内容及难点,阐述基于Matlab的GPS网间接平差程序设计流程及关键步骤的实现方法。结合3个具体的GPS网平差实例,展示程序运行的结果。结果表明,基于Matlab进行GPS网间接平差教学既有助于加深学生对GPS网间接平差理论知识的理解,培养学生理论联系实际的能力,又可以实现学生所学计算机高级编程语言与专业知识的有机结合,提高学生的编程能力和学习兴趣。     

无人机技术在海岛测绘中的应用

为提高海岛测绘的技术手段,将无人机引入海岛地形调查中,以Swallow-P小型固定翼无人机开展惠州市大亚湾虎洲海岛大比例尺测图为例,系统归纳了无人机外业数据采集与内业数据处理的具体流程,并制作了DEM和DOM成果;经过实测地面点精度分析得出虎洲无人机大比例尺测图成果平面位置中误差和高程中误差符合1∶1000测图精度要求。     

复杂环境下地基SAR粗差探测及应用

雷达视线受施工机械等的间断遮挡导致部分影像产生相位奇异值,从而造成解缠错误及误差传递,简单的相关影像处理难以识别受遮挡影像。本文提出了改进的基于小波变换的信号奇异性检测方法,通过对地基SAR PS点时序相位特征进行分析,将遮挡影像识别转化为粗差探测问题;由PS点相位序列与影像位置关系,根据测区PS点相位序列的奇异点集合得到受遮挡影像集;最后将受遮挡影像剔除后得到的地基SAR监测结果与精密全站仪、水准与游标卡尺数据进行对比分析。结果表明：本文提出的方法用于受遮挡影像的识别是可行的,解决了地基SAR在实际工程应用中可能存在的影像遮挡带来的测量数据含有粗差的问题,提高了监测区域伪影像检测的效率与准确性。     

无人机倾斜摄影与LiDAR融合监测技术

本文以成都市环城生态区生态修复项目为依托,利用飞马D200无人机实现了倾斜摄影和LiDAR技术的融合监测,通过三维模型制作、大比例尺地形图生产、点云处理、方格网计算、精度评定等步骤,验证了倾斜摄影和机载LiDAR协同监测方式可以满足1∶500地形图和方格网测量的精度,对后期无人机测绘实际生产具有指导意义。     

陕西关中及周边地区近500a来初夏旱涝事件初步分析

基于华山树轮宽度差值年表重建的陕西关中及周边地区近500a来的初夏干燥指数序列,对该地区初夏极端旱涝事件及其连续旱涝变化特征进行了初步分析.区域干燥指数与Palmer指数在变化上极为相似,可用于反映该地区的旱涝变化.结果表明:该地区近500a来初夏共发生18次极端干旱事件和11次极端洪涝事件,除公元1521年与历史文献记录的旱涝事件相反,公元1513年、1574年、1675年和1945年未发现历史记录外,其余年份均能找到相应记录;近500a来初夏存在9个显著的连续偏旱期和10个显著的连续偏涝期,并以16和19世纪发生的连续旱涝事件最为频繁,而17和18世纪发生的旱涝事件相对较少,20世纪发生的干旱事件明显多于洪涝事件.     

The Combined Effect of Initial Error and Model Error on ENSO Prediction Uncertainty Generated by the Zebiak-Cane Model

Initial errors and model errors are the source of prediction errors. In this study, the authors compute the conditional nonlinear optimal perturbation （CNOP）-type initial errors and nonlinear forcing singular vector （NFSV）- type tendency errors of the Zebiak-Cane model with respect to El Nifio events and analyze their combined effect on the prediction errors for E1 Nino events. The CNOP- type initial error （NFSV-type tendency error） represents the initial errors （model errors） that have the largest effect on prediction uncertainties for E1 Nifio events under the perfect model （perfect initial conditions） scenario. How- ever, when the CNOP-type initial errors and the NFSV- type tendency errors are simultaneously considered in the model, the prediction errors caused by them are not am- plified as the authors expected. Specifically, the predic- tion errors caused by the combined mode of CNOP-type initial errors and NFSV-type tendency errors are a little larger than those caused by the NFSV-type tendency er- rors. This fact emphasizes a need to investigate the opti- mal combined mode of initial errors and tendency errors that cause the largest prediction error for E1 Nifio events.