FY-2C云分类资料估算日照百分率

日照百分率是地球辐射研究、太阳能资源评估等工作中使用的一个重要指标量。为探讨FY-2C静止气象卫星资料估算日照百分率的可能性,以江西省为例,采用了FY-2C静止气象卫星2007年整年白天逐小时云检测资料和同期江西省87个国家气象站逐小时日照时数资料,建立了北京时间8:00-17:00逐时多元线性回归和权重系数两种估算模型,估算得到了覆盖江西省范围的5 km空间分辨率的逐时日照百分率格点资料。另外,用反距离加权(IDW)和克里金法(Kriging)模型对全省8:00-17:00逐时的日照百分率进行5 km分辨率空间插值,以进行多种方法对比分析。将各模型的估算结果与未参与模型构建的17站实测资料进行对比分析后发现,基于FY-2C云检测资料的两种估算模型的平均绝对误差(MAE)和相对误差均比IDW和Kriging的小50%以上,且其均方根误差(RMSIE)均明显小于后两者,误差离散性亦更小。基于FY-2C云检测资料的日照百分率的两个估算模型中多元回归模型的平均绝对误差(MAE)为3.40%,平均相对误差为8.62%,略小于权重系数模型的3.47%和8.75%,两者的均方根误差(RMSIE)则相差无几,误差空间分布也较为一致;各时次两种模型的估算值多大于实测值,仅17:00的估算结果小于实测值,8:00和17:00的MAE、RMSIE、相对误差均明显大于其他时次。对试验结果进行综合分析得出结论:基于FY-2C云检测资料的两种日照百分率估算模型均明显优于传统的IDW和Kriging方法;就2007年资料而言,多元回归模型优于权重系数模型。     

一种服务器端地图Mashup框架及其应用研究

本文通过分析客户端地图Mashup和服务器端地图Mashup的优缺点,得出服务器端地图Mashup的优势,提出一种基于工作流的服务器端地图Mashup框架。利用工作流将在线地图服务和带有位置信息的服务数据在服务器端进行整合,实现了地图Mashup应用。实践证明,该框架能够有效地搭建服务器端地图Mashup应用程序。     

机载LiDAR旁向重叠区域冗余数据的消除算法

本文基于点云格网化的思想,提出了一种去除机载LiDAR航带间旁向重叠区域冗余数据的算法。该算法使用规则方格表示点云覆盖的区域,通过给网格赋值的方式提取重叠区域的冗余点云,最后删除靠近条带边缘的冗余点云。经过实验测试,该方法能够快速有效地去除重叠区的冗余数据;无需依赖航迹信息,因此也适用于地面激光点云的消冗。     

A model of a homogeneous isotropic turbulent flow and its application for the simulation of cloud drop tracks

Abstract

A model of a homogeneous isotropic turbulent flow is presented. The model provides different realizations of the random velocity field component with given correlation latitudinal and lateral functions and a spatial structure which obeys the Kolmogorov theory of homogeneous and isotropic turbulence. For the generation of the turbulent flow the structural function of the flow in the form suggested by Batchelor (Monin and Yaglom, 1975) was used. This function describes the spectrum of turbulence both in the viscous and inertial ranges. The isotropy and homogeneity of the velocity field of the model are demonstrated.

The model is aimed at simulating the ‘‘fine'’ features of drop's (aerosol particles') motion, such as the deviations of drops’ velocity from the velocity of the flow, detailed structures of drops’ tracks, related to drops’ (particles') inertia. The model is intended also for the purpose of studying cloud drops’ and aerosol particles’ motion and their diffusional spreading utilizing the Monte Carlo methods.

Some examples of drop tracks for drops of different size are presented. Drops’ tracks are very sophisticated, so that the relative position of drops falling initially from the same point can vary drastically. In some cases drops’ tracks diverge very quickly, in other cases all drops move within a turbulent eddy along nearly the same closed tracks, but with different speed. The concentration of drop tracks along isolated paths is found in spite of the existence of a large number of velocity harmonics. It is shown that drops (aerosol particles) tend to leave some areas of the turbulent flow apparently due to their inertia. These effects can possibly contribute to inhomogeneity of drops’ concentration in clouds at different spatial scales.     

先验知识引导的车载激光扫描点云道路信息提取

文章研究利用先验知识从车载激光扫描点云数据中提取道路信息:使用改进的不规则三角网渐进加密滤波方法对点云滤波;将地面点投影到水平面上,利用行车轨迹提取道路主轴线;然后生成高程差分特征图像,以主轴线为基准进行平面生长获得道路面;并根据反射强度,进一步获得道路边界和道路标识线等信息.最后使用两景车载激光扫描点云数据验证了方法的可行性和有效性.     

基于地理国情普查论云计算安全性的比较优势

地理国情普查是一项全新的事业,许多环节和方法需要探索和研究。随着云计算技术的发展和广泛应用,在云计算支持下利用云平台开展地理国情普查十分必要。但在云计算环境下,数据存放导致可信度和信任边界受到质疑,面临着合规检查和存放位置风险及数据公开运行、未被有效隔离引来的风险等诸多挑战。云计算在安全性方面具有信誉信用、数据同构、运行管理、网络容灾等独特优势,以及数据安全、高可用性能力、安全人才等深层次优势。当然,将云计算理念和方法引入地理国情普查要有一个过程,许多问题需要探讨和解决。相信随着各项技术的进步,云计算将会更好地服务于地理国情普查监测工作。     

基于机载激光雷达技术的城市三维数据建设

三维激光扫描技术获取的点云数据是目前世界上先进的测绘新技术成果之一,它不仅可以实现三维场景复制,而且与其他测绘技术手段相比,数据更丰富,精度更高。本文首先介绍了激光点云数据获取的原理,叙述了基于点云数据制作三维建筑体框模型和DEM的技术方案,进而详细讲解了点云数据处理和建立建筑物体框模型的流程。     

一种用于标定工业CT设备点云提取精度的配准及评价算法

基于工业CT测量数据的逆向建模技术广泛应用于军事、汽车制造、航空、航天等领域。目前,在基于工业CT点云数据的逆向重构精度验证和标定上,国内外缺少相关研究。本文提出了一种用于标定工业CT设备点云提取精度的配准及评价算法。基于CT扫描和三维光学扫描点云数据,在研究多种配准算法的基础上,总结手动选点粗配准和自动全局精配准相结合的配准算法:手动选择三个匹配点,利用坐标变换完成粗配准;用ICP算法完成自动精配准,并利用修正的Hausdorff距离为目标函数来评价配准结果。对基于七参数法和ICP算法的计算步骤做了详细说明,并赋以实例。最后,以自行设计的标准件为例,获得CT测量设备点云提取精度标定值,验证配准流程的适用性。      

遥感影像云及云影多特征协同检测方法

遥感影像中云及云影不同程度地影响着地物信息的有效获取。随着多源遥感数据的日益丰富,交叉应用多源、多时相遥感影像复原云及云影区的影像,以有效地获取地类演变过程是遥感大数据应用研究的重要内容。高精度的云及云影检测是遥感影像云及云影区修复的前提和保障。复杂多变的光谱特征以及难以有效表达的空间形态特征,使云及云影一直存在检测过程复杂、适用性差和精度不高的问题,难以形成稳定有效的检测方法。在对厚云、薄云、冰雪及其他地类多光谱特性分析的基础上,本文提出了一种云及云影的多特征协同检测方法。首先,对冰雪、云及其他地物类型可分性较好的红、短波红外、热红外波段,利用SAM方法匹配云光谱特征曲线,并进一步结合短波红外波段像元绝对值区分云与冰雪,以及热红外波段像元绝对值区分云及其他地物类型;其次,通过组合云影定向移动模型与近红外波段亮度阈值检测出云影像元。对具备这些光谱波段的Landsat-8进行实验,结果表明多光谱曲线、“诊断性”波段及空间关系多特征耦合能有效地检测出影像中的薄云、厚云及云影,整体精度优于95%。     

基于MODIS的青藏高原季节性积雪去云方法可行性比较研究

青藏高原地处中纬度地区,季节性积雪分布破碎,地面观测站点稀少,中分辨率成像光谱仪（MODIS）可为该地区提供每日积雪监测数据,然而云是光学遥感最大的影响因素,为研究MODIS每日积雪产品去云方法在青藏高原的适用性,根据原理将去云方法归纳总结为五大类,并对每种方法的“潜在假设”开展分析讨论。结果显示：基于时间连续性的方法适用性强,去云效果明显,上下午积雪连续的平均概率为72.5%,而2~5d的连续积雪的概率为5.6%~43%不等,可靠性差;临近像元法可去除零散分布的云,平均正确率达到95.5%,但去除云量较少;基于高程的去云算法在山区适用性好,而在高原腹地由于坡度较小而错判概率较大;采用被动微波遥感数据进行去云则依赖于微波对云的识别率,往往误差较大;采用数学方法拟合积雪边界在积雪破碎、降雪融雪较快的青藏高原地区,物理意义较弱。通过分析研究表明,青藏高原地区MODIS日积雪产品的去云,需综合多种算法的区域适用性,充分考虑青藏高原地形及积雪本身的特征,逐步完善每日积雪去云工作。