利用线性判别分析的LDA-SIFT影像匹配算法

针对SIFT算法特征向量维数较高,匹配实时性较差的问题,提出一种利用线性判别分析的LDA-SIFT算法。该算法首先利用SIFT算法提取特征点并生成特征向量矩阵;然后将特征向量矩阵转换为种子点向量矩阵并为数据设置标签;接着利用线性判别分析对种子点向量进行降维;最后在低维特征空间将种子点向量矩阵转换为特征向量矩阵并在欧式空间匹配,运用RANSAC算法剔除误匹配。采用多组图像验证该算法匹配的性能,实验结果表明,LDA-SIFT算法能够有效降低特征向量维度,缩短特征匹配时间,匹配精度与降维前相近。     

基于无线电探空的武汉大气加权平均温度模型研究

以武汉地区为例,本文推导无线电探空推导的大气加权平均温度模型并对其可靠性进行检验。采用武汉无线电探空数据推算武汉地区的大气加权平均温度计算模型,以此模型计算GPS可降水量,通过与无线电探空结果比较来检验该模型的精确度。在WHDH站GPS可降水量与无线电探空的比较中,两者差值的均方根为3.0mm,两者的相关性达到了0.952。利用中国地壳运动监测网络2002年武汉站GPS数据和武汉地区大气加权平均温度模型推算的可降水量与无线电探空比较,GPS可降水量与无线电探空可降水量在数值上和发展趋势上比较接近,说明了无线电探空的大气加权平均温度模型的可靠性。     

GPS在气象学中的应用

本文报导ＧＰＳ用于气象学的最新进展,特别是日本以其拥有的目前全球规模最大的ＧＰＳ大地测量阵列,与日本气象厅的气象数据获取系统相结合,构成一个可降水汽的数据流系统。这一时间系列被注入到厅的数值天然预报系统中,以改进日本雨季期间往往造成严重灾害的局部暴雨的预测。     

福建省近海区域海面表层温度的卫星遥感应用研究

分析了海洋热红外辐射的传输特性,建立了海温定量反演计算的统计回归模型,介绍了福建省近海区域海温产品生成业务化软件系统及其应用情况。     

非匀一冠层热辐射方向性3维模型构建——以玉米冠层为例

建立适用于多类型植被场景的热辐射方向性模型是进行地表热辐射方向性研究的一种手段。利用真实植株几何及生理参数的统计平均值来刻画理念植株,并给定其空间分布特征,进行不同生长期植被冠层的描述。基于冠层双向孔隙率思想构建了冠层热辐射方向性3维模型,模型继承了孔隙率模型在计算冠层热辐射方向性上的简洁优势同时以几何光学的思想考虑了冠层空间异质性对冠层热辐射方向性的影响。以玉米冠层为例,进行了不同生长期玉米冠层热辐射方向亮温的模拟,通过与实地测量数据的比对表明,本文发展的模型能够较准确地模拟不同生长期玉米植被场景的方向亮温变化规律,模拟误差主要来自理念株的刻画误差、玉米叶片形状的近似以及忽略了多次散射贡献等3个方面。模型的构建方法对稀疏植被场景、浓密植被场景、多类型植被的混合场景均可适用,不同观测几何下的植被场景4组份面积比计算结果有望应用于复杂地表条件下地表返照率的研究。     

沙面温度对风蚀动力过程的影响

大量关于土壤可蚀性的研究证明,低温的沙面更易被风蚀。但大多研究以中低纬度低海拔地区为背景,建立的模型并不能完全适用于高海拔寒冷地区。我们使用青藏高原错那湖湖岸的地表沙,利用高低温实验箱调节沙面温度,开展了风洞模拟实验,量化了不同粒径、风速条件下风蚀率随沙面温度的变化关系,旨在分析地表温度对风蚀动力过程的影响及作用机制。结果表明：（1）沙面温度与风蚀率之间呈负线性相关,低温沙面更易被风蚀。这与空气温度影响风蚀过程的作用机理类似,即低温沙面可以增加近地表空气密度和气流拖曳力,使沙粒更容易起动,风蚀量也随之增大;另外,沙面与空气间的温差,会破坏大气稳定度,影响湍流强度,进而影响风蚀强度,这可能也是沙面温度影响风蚀过程的一种主要机制。（2）在自然情况下,寒冷沙面对水汽具有一定的冷凝效应,从而对沙粒的起动与风蚀过程起到抑制作用,而且这种冷凝效应,在低风速、粗颗粒沙面上表现得更为明显。（3）高温沙面可以在一定程度上抑制风蚀。作为影响高寒地区风力侵蚀过程的重要自然因素,沙面温度对青藏高原典型风沙区的风蚀过程起到了重要的控制作用。     

基于手机内置传感器的相对高程模型

高程是室内定位的关键要素之一,常见的高程测量方法,诸如三角高程测量、水准测量等并不适用于基于智能手机的大众定位;而全球导航卫星系统（GNSS）高程测量误差大,特别是在室内复杂场景中,GNSS定位可能无法使用。基于此,本文结合智能手机微机电系统（MEMS）传感器观测值,研究温度、气压等要素与相对高程的关系算法,对比分析不同算法的高程测量精度。实验结果显示,在静态条件下,温度气压算法的精度比气压算法三和气压算法四提高了65%。在动态条件下,由于振动因子的增加,气压算法四的精度比气压算法一提高了44%。以上结果表明,算法精度与温度呈负相关,与气压呈正相关。     

结合像元分解和STARFM模型的遥感数据融合

高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。     

庐山地区地表温度反演分析

研究庐山地区的地表温度,对于本地区的生态保护和开发具有重要意义。本文使用了目标区域内Landsat TM/ETM+从2000~2010年间共8幅影像数据,利用单通道算法和NDVI地表辐射率估算方法反演了区域内的温度场,并生成了历年温度对比效果图。分析推断目标区域内的温度场可能存在一个短年限的温度变化起伏规律,对庐山周边山区的影响有待进一步研究。     

一种多因子加权平均温度模型的构建方法

针对在地基GNSS水汽反演的过程中,天顶湿延迟转换为大气可降水量时如何建立精确的大气加权平均温度(Tm)模型的问题,该文在建立Tm模型前全面考虑了对Tm有显著影响的变量并选择最优回归子集。但分析发现,最优回归子集中各变量之间存在较强的相关性,这将会导致变量之间存在多重共线性,从而影响模型的稳定性和可靠性。选择2013—2015年相关气象数据作为变量并应用岭回归的方法削弱变量之间的多重共线性,建立稳定的多因子Tm回归模型。并利用该模型分别预测2016年1—12月、2019年1—7月的Tm,均方根误差分别为2.3 K和2.0 K,预测精度较高,这将为高精度的水汽反演奠定较好的数据基础。