高密度空间采样地震数据特点分析

中国陆相沉积盆地的地质结构复杂,储层岩性的多变,需要有高精度的勘探方法。高密度空间采样是提高地震勘探精度的一项新技术。本文简要说明了点激发和点接收技术,分析高密度空间采样的野外工作方法,介绍了Gijs j．o．Vermeer提出的对称采样原理,从波场连续性的角度探讨了高密度空间采样技术。重点分析高密度空间采样数据的特点, 即:高密集的初至波有利于近地表结构的调查,可提高静校正的精度;小偏移距、小点距接收增加了浅层的有效覆盖次数,提高浅层反射的成像精度; 对规则噪声可实现无假频采样,室内的噪声分析和噪声压制的精度随着提高;高密度采集使波场连续性增强,使得各种数学变换的精度提高,有利于不同波场的分离。最后指出高密度空间采样地震勘探技术的难点在于室内数据处理,针对海量数据的分析和处理方法还需要进行深入细致的研究工作。     

精密时钟噪声的按噪声分量分解与白噪声中f^—1随机过程的最优估计

对于任何精密时钟来说,其五种噪声分量的幂律谱系数不存在固定的比例关系,因而在对精密时钟进行最优综合时需要对其噪声进行按噪声分量分解。通过探讨白噪声中ｆ＾－１随机过程的最优估计,提出了一种分层次地对精密时钟噪声进行按噪声分量分解的方法。     

精密时钟单钟幂律谱系数的取值分析

精密时钟噪声可用五个幂律谱系数来表征其强弱。由于不存在实际可用的理想时钟作为参考,用以估计幂律谱系数的单钟噪声无法直接测出,而只能利用钟组内各钟之间的钟差。然而这是一个不适定问题．本文探讨了单钟幂律谱系数的取值范围与优化估计方法。     

1.2m激光测距系统及其噪声抑制技术

介绍了激光测距技术的过去和现状及其科学意义,系统地讨论了激光测距系统的构成及各组成部分的发展,分析了测距过程中各方面的误差来源及其相应的消除或减小误差的方法。对于目前正在调试的云南天文台１．２ｍ激光距系统作了详细的介绍,对该系统的噪声抑制技术也作了具体的讨论。     

三种电离层延迟多频修正算法的比较

电离层延迟多频修正算法在修正电离层延迟的同时会放大观测噪声等伪距误差的影响。分析了电离层延迟双频修正、三频一阶修正和三频二阶修正三种修正算法及观测噪声的影响。以Galileo系统的四个载波频率为例,对不同频率组合下三种修正算法进行了比较。结果表明电离层延迟多频修正中,并不是观测量的频点数越多或修正掉的高阶项越多修正精度越高,还与观测伪距噪声的大小以及采用的修正方法有关。为多频测距系统的电离层延迟修正算法和最佳频率组合设计提供了一种可行的分析方法。     

福建省城镇生态环境现状及变化趋势的初步分析

本文通过分析比较全省城镇（受研究资料的限制，以全省23个建制市的市区为主要分析对象）的大气环境、地面水环境、固体废话物处理情况、噪声和辐射环境、园林绿地等城镇生态环境要素，自1986年以来，特别是在“九五”期间的变化情况，对全省城镇的整体生态环境状况及变化趋势做出简要的评价和初步预测。     

1Hz GNSS电离层相位闪烁因子提取及在北极区域的验证

电离层闪烁作为北极区域频发的一种天文灾害,会影响全球导航卫星系统(GNSS)时空服务,需对其进行有效的监测.监测电离层闪烁通常需要高采样频率(50 Hz)的电离层闪烁接收机,但其分布有限,难以提供较大区域(如北极区域)的全面监测.为此本文以1 Hz GNSS观测数据为基础,详细研究了利用大地测量趋势分离、精密单点定位和...     

基于形态重构的图像去噪方法研究

应用数学形态学中的形态重构滤波,对噪声图像进行了处理,在去除噪声的同时,也保持了边缘及细节信息。     

重复轨道SIR-C极化干涉SAR数据植被覆盖区土壤水分反演研究

从理论和试验方面对图像的噪声评估方法进行了分析。结合北京1号小卫星特性, 进行了该类方法应用效能的评价, 讨论了分块评估噪声方法的最佳参数设置。选取满足噪声评估环境的图像, 实现了综合不同地表覆盖条件的北京1号小卫星图像噪声的评估。噪声评估结果与在轨测试情况的对比表明, 北京1号小卫星经过近3年的运行, 仍保持了较好的性能。     

淮南深部地球物理实验场重力噪声水平初步分析

利用淮南深部地球物理实验场地下848 m巷道内的Burris弹簧重力仪和地表LCR-ET20弹簧重力仪同期连续重力潮汐观测资料,对实验场地表和地下重力噪声水平进行了初步分析.分析结果表明在频率小于1.70 mHz(对应周期约为9.8 min)时,地下重力噪声水平都要比地表低;特别是在重力仪敏感的信号频段(周期大于3h的信号频段),地下848 m巷道内的重力噪声水平要比地表低约2个数量级,充分验证了实验场地下观测环境具有低重力噪声水平的超静特点.实验结果证明淮南深部地球物理实验场地下848 m巷道可为深地多物理场观测提供超静观测环境,为检测微弱地球物理场信号提供绝佳观测条件.