超高阶次勒让德函数递推计算中的压缩因子和Horner求和技术

摘要：超高阶次（如2000阶次）缔合勒让德函数值的递推计算,在接近两极时达到极大的数量级（超过10的数千次方）,这导致现有递推方法在计算缔合勒让德函数值及其导数值时失效。我们通过插入压缩因子技术,提出一个修改的递推算法,并结合使用Horner求和技术计算球谐级数的部分和。试验表明,该算法至少可以计算到3600完全阶次的球谐级数式,优于现有结果。     

基于产业链的石油产业区域集中度分析

产业链研究日益成为学术界关注的焦点,但现有文献却较少关注产业链的空间结构分析。基于石油产业链的一般形态,本文选用产业地区绝对集中度(CR4)、前4位省区所占比例的标准差系数(Vσ)、赫芬达尔指数(HI)和熵指数(EI)4个指标对石油产业链上各产业链环的产业区域集中度进行测度,分析了石油产业链的空间分布格局及各产业链环的区域比较优势。研究发现,石油产业链产业区域绝对集中程度较高但相对集中程度较低,说明我国石油产业链区域产业同构现象严重,故需推动石油产业链的跨区域延伸,实现跨区域产业联动发展。     

导航应用的按需下载区域网络模型研究

提出了一种导航应用的按需下载区域数据模型。对按需下载模式的技术要求进行了分析,提出了区域导航数据模型的定义及其算法,用UML定义了区域网络概念模型,并与ISO的网络模型进行了一致性检验。通过实际算例证明了方法的可用性。     

基于LiDAR数据和航空影像的水体自动提取

提出将LiDAR数据对水体的敏感性与航空影像的高分辨率特征相结合的水体自动提取方法。利用SIFT算法对LiDAR强度图像和航空影像进行配准,在LiDAR高程图像上提取无回波信号的黑色区域,构建几何约束条件,排除由遮挡产生的无效区域;将水体初始位置映射到航空影像上,结合边缘信息进行区域生长,并对生长区域进行数学形态学运算,最终获取水体区域。实验结果表明,该方法可以获得很好的水体提取效果。     

春天的聚会——记中国国土区域城市经济学家新春联谊会

俗话说,一年之计在于春。春天,总是带给人们无限的追求和希望。从这个意义上说,中国国土区域城市经济学家新春联谊会被誉为春天的聚会也就不足为过了。因为,联谊会荟萃了太多国土经济领域的经济学家;因为,这     

OLI与SPOT-6 Pan融合影像在遥感地质解译中的应用

受较大分辨率差的影响,OLI多光谱影像与SPOT-6 Pan影像直接融合可能导致融合影像色彩失真。若将OLI多光谱影像与全色影像融合后再与SPOT-6 Pan影像融合,在选用合适融合方法的基础上可得到较好的结果。以新疆伊吾县淖毛湖遥感地质解译为例,采用IHS变换法、Brovey变换法、PCA和Gram-Schmidt Pansharpening(GS)等方法分别对OLI和SPOT-6Pan进行间接融合,并利用主观对比和水平光谱剖面对比两种方法对融合影像进行综合分析与评价。经实地查证,基于OLI与SPOT-6 Pan(GS变换融合)融合影像解译获得的地质界线综合准确率达89.5%。     

形态学边缘检测和区域生长相结合的遥感图像水体分割

遥感图像水体区域中因水体自身流动和波动等因素造成图像噪声,利用传统方法直接分割水体容易导致分割精度较低。为此,利用遥感图像中水体区域具有连通性强以及像素灰度值相近等特点,提出了一种利用多结构元素形态学重构边缘检测结合区域生长实现遥感图像水体分割的方法。首先将遥感图像转化为灰度图像,运用多结构元素形态学重构边缘检测,在去除噪声的同时增强水体边缘,保持水体区域边缘的较准确定位;然后利用灰度直方图自动选取种子点,确定水体区域灰度范围,利用该灰度范围内像素的均值和方差、种子点及已生长区域灰度特性作为生长准则,实现对水体区域的分割。实验结果表明,该方法能够对因水体扰动等因素导致的噪声图像进行有效分割,且水体区域分割精度较高。     

“组合法“DEM生成软件的研究

本文提出利用“组合法”生成ＤＥＭ,并将其生成结果与其它算法进行比较。     

改进多面函数拟合跨带区域高程异常的研究

针对跨带区域高程异常拟合中存在的问题,该文以多面函数模型为背景,分别采用直接法和分带法,提出采用大地坐标(B,L)作为核函数参数的改进多面函数模型,对跨带区域高程异常进行拟合。通过某跨带区域GPS水准网数据验证,结果显现了改进后多面函数模型在跨带区域拟合上的优势,其外符合精度相比其他函数模型有显著提高。     

区域北斗地基增强系统动态服务精度分析

分析了北斗卫星导航系统数据模型,并通过实际案例测试了其动态服务精度。结果表明,区域北斗地基增强系统的动态服务精度指标完全达到了相关标准的要求,特别是BDS+GPS组合较之传统GPS增强系统有较大的提升,体现了多系统融合的优势,也为北斗卫星导航系统在相关领域的推广应用提供了丰富的数据支撑。