面向高分遥感影像道路提取的轻量级双注意力和特征补偿残差网络模型

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResUnet模型。该模型在ResUnet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性能和时空复杂度上的平衡。其中,双注意力模块可以增强模型的特征提取能力,特征补偿模块可以融合网络中来自深浅层的道路特征。在DeepGlobe和GF-2道路数据集上的实验结果表明,DAFCResUnet模型的IoU和F1-score可以达到0.6713、0.8033和0.7402、0.8507,模型的整体精度优于U-Net、ResUnet和VNet模型。与U-Net和ResUnet模型相比,DAFCResUnet模型仅增加了少量的计算量和参数量,但IoU和F1-score均有较大幅度的提高;与VNet模型相比,DAFCResUnet模型在计算量和参数量远低于VNet的情况下取得了更高的精度,模型在精度和时空复杂度两方面均有优势。相比其他对比模型,DAFCResUnet模型具有更强的特征提取和抗干扰能力,能更好解决道路上的干扰物、与道路特征相似地物、树荫或阴影...     

QOCA和GLOBK软件处理高精度GNSS网结果对比分析

分别利用GLOBK和QOCA软件对陆态网络260个基准站的GNSS观测数据进行处理,获得站点在ITRF2008框架下的坐标和速度。通过比较分析两个软件的解算结果,证明了QOCA 软件能更好地处理测站位移的非线性变化,并通过拟合周年、半年项、剔除共模误差等手段提高解算精度。结果表明,相比于GLOBK软件,QOCA软件得到的拟合残差序列的RMS在E、N、U 3个方向上分别减小70%、80%和70%。     

基于GIS的“一带一路”地区气温插值方法比较研究

“一带一路”倡议是新时期中国为加强对外开放提出的全球化合作倡议,资源环境的优化配置对全球化发展意义重大。气温作为重要的基础数据和输入要素,对其进行空间化处理是实现大尺度区域资源环境优化配置的前提。本文基于地理信息技术（GIS）,运用距离平方反比法（IDS）、协同克里格法（CK）、回归距离平方反比法（RIDS）和回归协同克里格法（RCK）,对“一带一路”地区1980—2017年的2679个气象站点的月平均气温和年平均气温数据进行插值,获得了“一带一路”地区10 km分辨率的气温空间分布数据。交叉验证结果表明：① IDS、CK、RIDS和RCK插值法在整体上均较好地展示了“一带一路”地区气温的地理空间分布规律,4种插值方法的月均气温的均方根误差分别在1.93~2.43、1.78~2.14、1.31~2.23和1.23~1.92 ℃之间;年均气温的均方根误差分别为1.94、1.83、1.37和1.27 ℃;② 在“一带一路”地区,加入协变量分析的CK插值精度整体优于IDS,并且削弱了IDS的极值现象;③ RIDS和RCK对年均气温的插值精度分别较IDS和CK提高了29.4%和30.6%,表明加入地理要素并进行残差修正的插值精度得到了进一步提高。总体来看,RCK插值法对气温数据的插值精度最高,可以考虑将此方法作为“一带一路”地区温度等气象要素的插值方法。     

基于多项式曲面拟合模型的高程转换方法及其结果分析

本文针对影响多项式高程转换精度的两个主要因素(拟合模型选择和拟合点选取),在分析不同阶次多项式表达特征的基础上,基于一次多项式拟合残差信息,提出了综合不同多项式曲面模型的GNSS高程转换方法,并通过实例验证了该方法的有效性。结果表明,利用一次多项式拟合残差空间分布信息反映的测区高程异常变化特征,作为二次多项式分区拟合区域划分或三次多项式拟合点选取的依据,进行高程拟合,可以将高程拟合精度从厘米级提高至毫米级。     

二次曲面与最小二乘配置的组合模型在GPS高程异常拟合中的应用

在工程实践应用中,为了有效利用GPS高程数据,减少对传统水准测量的依赖,提高GPS高程异常的拟合精度便显得十分重要。为此,本文在介绍二次曲面拟合和最小二乘配置拟合基本原理分析、算法过程推导的基础上,提出了一种新的高程异常拟合方法。首先在二次曲面拟合的基础上,计算得到原始观测数据与拟合数据之间的残差序列,然后采用最小二乘配置模型对包括二次曲面拟合模型误差的综合误差进行优化减弱,最后得到新的高程异常。通过实例,将二次曲面拟合法,最小二乘配置法与文中提出的新方法进行比较分析。结果表明：新的组合方法的拟合预测精度要明显优于最小二乘配置及二次曲面拟合。     

回归估计精度的局部影响

从模型微小扰动的角度研究数据对回归估计精度的局部影响。首先提出刻划这种影响的４个统计量，并求出它们在３种不同扰动方式下的最大局部变化方向，其最大绝对分量对应于强影响点。最后给出一个数值例子来说明这种强影响点的诊断。     

基于多尺度特征融合网络的云和云阴影检测试验

基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络（Multi-scale Feature Fusion Network, MFFN）的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块（Res.block）、扩大网络感受野的多尺度卷积模块（MCM）和提取并融合不同尺度信息的多尺度特征模块（MFM）。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。     

俯冲带板内地震竖向加速度谱阻尼修正系数模型研究

基于日本K-NET和KiK-net台网的4695条俯冲带板内地震记录,采用最小二乘法对阻尼修正系数(DMF)的几何均值进行关于阻尼比和谱周期的回归拟合,分场地类别建立了考虑阻尼比和谱周期的竖向加速度谱DMF模型.为探究震源、路径和场地效应对该模型残差分布的影响,采用随机效应模型将残差分离得到各类残差及相应的残差标准差,...     

均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上，利用其残差数据序列对均生函数预报模型进行校正，提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合，并进行独立地样本预报试验。预报结果发现，均生函数残差预报模型对原有模型在预报精度上都有一定的改进，取得了较好的预报效果。同时，利用MannKendall法和Yamamoto法，可以明确突变开始的时间，指出突变区域，使待报时段与建模资料处在同一气候阶段则预报效果更为理想。     

GPS时间序列分析

GPS时间序列可以用于获取各种地球物理现象、地壳运动的季节性变化规律和板块运动的速度,对地球动力学的研究具有相当重要的意义。本文详细阐述了GPS时间序列分析的方法及其过程,对国内IGS站数据的时间序列进行了分析,并运用功率谱分析其残差时间序列,最后获得GPS连续跟踪站时间序列的噪声类型。