基于三层C/S模式的测量在线数据处理服务

讨论了测量数据处理软件的在线实现问题;并基于三层C/S模式,探讨了从客户端、中间层到后端数据处理模块的实现方法;最后以三角网平差作为实例,详细说明了用.Java语言实现一个网上测量在线数据处理服务系统的全过程.     

煤矿地理信息系统数据模型的研究

地下煤矿开采所面对的空间目标具有灰色、动态变化的特征。本文在分析煤矿空间信息特点的基础上,提出了实用于煤矿的地理信息系统数据模型。这些数据模型包括全要素的结构化不规则三角网（ＴＩＮ）与ＧＩＳ一体化数据模型以及网状模型。     

非线性参数平差的一个新途径

在分析顾及一阶偏导致的非线性参数平差的近似直接解法与迭代解法基础上,提出顾及到二阶偏导数的非线性参数平差的一种新的计算公式。由于非线性度量曲率立体阵的引入,使得平差计算公式表达简洁,而且便于非线性平差本质的分析。最终算例分析说明该方法的有效性及实用性。     

3维场景植被冠层多波段模拟研究进展

植被冠层辐射散射信号中蕴含了丰富的植被信息,通过构建植被冠层辐射散射模型,可以实现植被结构等生物物理参数的遥感定量反演。迄今为止,可见光/近红外、热红外、微波波段均已发展了大量的模型,这些模型在参数反演方面各具优势,但不同波段的模型又有其自身的局限性。跨波段的联合模拟可以实现模型间的优势互补,进而提高地表参数的反演精度,近年来已有学者专注于可见光/近红外与热红外模型,热红外与微波模型,主被动微波模型,以及可见光/近红外与微波模型的联合模拟和协同反演,但多是两两联合,且主要是基于经验模型或解析模型。基于3维场景的植被冠层辐射散射特性模拟模型可以细致刻画不同组分的结构和空间分布特征,对于由植被结构引起的多次散射和组分比例变化的考虑具有优势。本文主要介绍了3维模拟模型在可见光/近红外、热红外和微波波段,以及跨波段联合模拟方面的研究进展,从模型机理、场景统一、以及组分理化参数的统一的角度,探讨了构建多波段3维模拟系统的可行性,展望了多波段3维模拟模型的发展趋势。     

Jason-2高度计数据在中国四大海域的波形重跟踪与分析

在Brown-Hayne模型基础上,利用迭代最小二乘算法实现了回波波形参数的重跟踪,同时利用重心偏移算法(OCOG)、阈值算法对Jason-2 卫星的波形数据在中国渤海、黄海、东海、南海4个海域开展了波形重跟踪试验。试验表明,在4个海域,Brown-Hayne模型法获得的波形重跟踪结果相比较于阈值法、OCOG算法与法国空间局(CNES)公布结果最为一致,相互较差的标准差约2 cm左右。50%阈值算法获得的波形重跟踪结果相比较于其它阈值精度更优,与CNES比较其标准差在3~6 cm,但存在4~10 cm的系统偏差。OCOG算法获得的结果存在较大误差,但其结果可作为Brown-Hayne模型解算的初始值。当卫星地面轨迹靠近大陆时,波形重跟踪获得的海面高改正量会较宽阔海域增大,其中南海区域的海面高改正量最大,可达1 m,其原因可能是卫星地面轨迹经过了西沙群岛,雷达回波波形受到了一定的影响。     

基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例

地形起伏度因子在宏观尺度生态评估中具有重要作用。均值变点法是确定地形起伏度最佳分析窗口的常用方法,但其影响因素尚缺乏研究。本文以黄河流域(山西段)为例,基于DEM数据和均值变点法提取了研究区地形起伏度,并探讨了分析窗口样本数量、DEM分辨率和地貌类型3种因素的影响。结果表明：(1)分析窗口样本数量对最佳分析窗口取值有明显影响。随着样本数量的增加,变点所在的最佳分析窗口面积也不断增加。(2)DEM分辨率对最佳分析窗口取值有一定影响。分析窗口面积取值范围一致时,基于30 m ASTER GDEM计算得到的最佳分析窗口面积小于基于90 m SRTM DEM的最佳分析窗口面积。(3)地貌类型对最佳分析窗口取值的影响不大。当分析窗口样本数量一致时,不同地貌类型区及整个研究区最佳分析窗口相同或接近。总体而言,分析窗口样本数量是最关键的影响因素。     

顾及语义的室内三维模型数据组织与可视化

本文提出了一种顾及语义的"实体-区域-入口"数据组织机制,有效整合了现有的城市三维地理空间数据与建筑物室内精细模型数据,实现了高效的室内场景数据调度与可视化;并基于此构建了三维可视化系统,验证了该方法的有效性和可行性。     

WGS-84&CGCS2000坐标基准转换参数的初步求取

针对WGS-84CGCS2000坐标基准差异问题,分析了用于估计基准转换参数的Bursa模型及其求解方法,初步尝试求取WGS-84CGCS2000的坐标基准转换参数。算例采用了中国区域内含有CGCS2000坐标值,同时安装有GPS接收机的21个观测站,并针对点位的区域分布问题,提出利用重心化的Bursa模型求解转换参数的思路,且得到一组较好的转换结果。     

面向室内WLAN定位的动态自适应模型

提出了一种面向无线局域网(wireless local area network,WLAN)位置指纹匹配定位的动态自适应模型,借助多个基站的实时数据为稳健室内定位提供更新的匹配数据库——radio map。基于基站与radio map采样点之间的空间关联性,将基站数据和radio map分别作为多层神经网络的输入和输出,动态更新radio map;利用多元数据异常探测技术检验基站数据捕获环境的时空变化;根据探测结果采用顾及室内布局的数值内插和再训练的方式更新模型,从而使其适应环境的时空变化。在室内动态环境中进行了多次验证试验。试验结果显示,在时变因素作用下,相比较传统方法,采用所提模型的定位方法的平均误差至少下降10%;在空间变化因素(以信标移动为例)作用下,其他方法平均定位误差大幅增加了至少165%,而采用所提模型方法的平均定位误差只增加了10%~20%,定位精度维持在3m左右(即原始精度)。结果证明采用了所提模型的定位系统能够自适应环境的时空变化而保持原有定位表现。不过,与传统位置指纹匹配定位方法相比,该模型带来了更多的计算负荷。     

基于小波分析的灰色-神经网络组合模型在大坝变形预测中的应用

监测序列经小波分解后可以得到各层分量。对低频分量采用灰色GM(1,1)模型进行建模预测,对高频分量采用BP神经网络进行建模预测,最后将各分量进行小波重构,得到监测序列的预测值。将预测值分别与没有进行小波分解直接用GM(1,1)模型预测的值和经小波分解的低、高频系数都采用GM(1,1)模型预测的值进行对比,发现经小波分解的灰色-神经网络组合模型预测精度更高。