利用ERA5资料进行桂林地区GNSS水汽反演精度分析

由于桂林地区地基GNSS站并未配置气象传感器,致使大量GNSS观测数据无法在大气水汽(PWV)监测中发挥作用.针对这一情况,本文将欧洲中期天气预报中心(ECMWF)最新发布的ERA5再分析资料中测站处的气压和温度气象数据加入到GNSS水汽反演中,并将反演结果与利用地面气象站反演的GNSS水汽做对比,以此评估ERA5在桂林地区反演GNSS水汽的精度和适用性.结果表明:1)以桂林地区2017年10个地面气象站的实测气压和温度数据为参考值,ERA5地表气压和温度的年均偏差分别为-0.35 hPa和0.86 K,年均均方根误差(RMSE)分别为0.65 hPa和1.66 K,该精度可用于GNSS水汽反演;2)以2017年6—7月GNSS利用地面气象站反演的PWV为参考值,ERA5反演的GNSS PWV的偏差和RMSE分别为0.17 mm和0.35 mm,且两者具较好的相关性和一致性.由此表明,ERA5地表温压产品可应用于桂林地区GNSS水汽反演,这些研究结果可为桂林地区的GNSS水汽反演及数据源的选用提供重要的参考依据.     

中国区域对流层关键参量格网产品空间插值模型精化

摘　要: 获取高时空分辨率的对流层关键参量对气候灾害研究、 气象监测、 GNSS 导航等领域具有重要意义。通过对MERRA-2 再分析资料的空间插值模型进行精化研究, 可为高时空分辨率的对流层关键参量经验模型构建提供重要思路。通过引入残差函数对顾及垂直递减率的空间插值模型进行精化, 构建了RECTm-H 模型, 以中国区域89 个探空站实测大气加权平均温度Tm 和温度T 作为参考值, 对模型进行插值精度评估。结果表明, Tm 和T 年均RMS 分别为1. 71 和2. 25 K, 说明引入残差函数可以有效提升空间插值模型精度, 降低模型区域间精度差异。     

粗粒度网络流量的灰色模型预测

在实际网络流量上研究了新陈代谢灰色模型(MGM)预测流量. 预测结果表明,灰色模型建模长度远小于流量序列主周期长度时,预测精度较高. 灰色模型预测流量宜采用小量数据建模,此时残差修正对提高预测精度影响很小,预测不需采用残差灰色模型(RGM). 对比了灰色模型与自回归综合滑动平均模型（ARIMA）和Elman神经网络（ENN）模型的预测结果,灰色模型远优于ARIMA,与ENN相当. 灰色模型的优点是能自适应网络流量的变化.     

基于VGI的土地覆被遥感产品精度验证

以GEO_WIKI和Degree Confluence Project获取的自发地理信息为参考,通过误差矩阵分析FROM-GLC-agg 500 m升尺度数据和MODIS COLLECTION5两种相同空间分辨率土地覆被遥感产品的类别精度及类别混淆,采用Inverse Distance Weighting模型计算FROM-GLCagg 500 m数据的类别精度空间图谱,结果表明:无论是制图精度还是用户精度,FROM-GLCagg 500 m数据与MODIS数据相比,并没有表现出显著的优势,两种数据在林地与灌木、草地与裸地、耕地与灌木间存在一定程度的类别错分现象;FROM-GLC-agg的类别精度图表明在中国的西北部、东北及华北南部等裸地、林地及耕地聚集区,类别精度较高,该区域约占研究区总面积的36.77%,而在青藏高寒区、中国西南部等地表景观异质性显著区域,类别精度相对较低,约占研究区总面积的20%。     

基于线性回归法的大气自动校正模型及实现

为了克服传统大气校正效率低、精度差和自动化程度不高的缺陷,提高LAND-SAT TM/ETM数据大气校正的效率和精度,达到用计算机来代替传统手工作业的目的,依据线性回归法大气校正原理,借助专业遥感图像处理软件ERDAS IMAGINE的空间建模功能,构建了大气自动校正模型.通过与传统手工作业方法对比得出,在效率上,自动校正模型比传统手工作业高出60~100倍;在精度上,也比传统手工作业方式提高了1~5个DN值.证明了该模型具有一定的可靠性和实用性.     

基于GF-1和MODIS时序NDVI的种植结构提取

为提高作物识别精度、扩展数据适用范围,以两幅16 m空间分辨率的高分一号(GF-1)数据和23幅250 m分辨率的MODIS数据为数据源,首先进行GF-1的监督分类和MODIS NDVI时间序列的构建,然后利用监督分类结果和时间序列数据共同构造决策树模型,对石津灌区的主要作物进行遥感解译。由地面样本点和随机点进行精度检验,总体提取精度达到93. 13%,较单纯的监督分类,解译精度提高10%以上。结果表明该方法不仅能较好识别作物时空分布信息,而且能更好地发挥数据各自的优势。     

基于DEM的江苏气温空间插值研究

以江苏省及周边39个常规气象站点1957—2001年的月平均气温数据和90 m空间分辨率的DEM数据为基础,采用基于DEM的多元线性回归插值方法,分析多年平均气温与海拔、坡度和坡向等地形因子的相关关系,建立适合该区域的多元回归空间插值模型.同时与反距离权重法(IDW)和克里格(Kriging)插值法等传统方法的计算结果进行对比,并用交叉验证方法比较5种插值方法的精度.结果表明:该研究区各月气温递减率在0.5~0.9℃/(100 m)左右;基于DEM的多元线性回归空间插值方法(MLR)无论从插值效果还是误差精度上,均优于其他传统插值方法.插值结果客观地表达了气温与各地形要素的相关性,反映了气温的空间变异性.     

顾及GNSS水汽分布特性和站间距离的优化IDW插值方法

针对大气可降水量(Precipitable Water Vapor,PWV)精细化过程中插值算法的选取,本文系统性地分析了线性插值三角网法、克里金插值法、空间反距离(Inverse Distance Weighting,IDW)插值法3种方法,并提出了顾及GNSS水汽特性和站间距离的优化IDW插值方法.该方法通过分析GNSS站点距离与大气水汽分布特性对插值结果的影响,进而对插值参数进行优化,使插值结果靠近高精度的观测值.利用2017年5—7月徐州连续运行参考站的GNSS实测数据与探空站数据对该方法进行分析,实验结果表明:顾及GNSS水汽特性和站间距离的优化IDW插值方法的标准差、平均绝对误差、平均相对误差、均方根误差都要低于其他3种经典插值方法,其中均方根误差分别降低了14.88％、15.70％、4.12％.此外,本文分析了暴雨天气下不同插值算法重构高分辨率大气水汽分布图的能力,发现采用优化IDW插值方法能够显著减小采样站点分布不均及降水量激增造成的插值误差.这表明优化方法有助于重构局部地区稀疏GNSS站网的高分辨率大气水汽分布图,改进监测能力.     

动态环境下融合边缘信息的稠密视觉里程计算法

针对传统的视觉里程计算法在动态环境下存在位姿估计精度不高且鲁棒性较差的问题,提出一种融合边缘信息的稠密视觉里程计算法.首先,使用深度信息计算像素点的空间坐标,并采用K-means算法进行场景聚类.分别基于光度信息与边缘信息的聚类构建出光度及几何一致性误差与边缘对齐误差,两者结合并进行正则化后得到数据融合的残差模型.将平均背景深度引入到残差模型中,用以扩大动、静部分残差差距而有利于正确的运动分割.然后,根据聚类残差分布的普遍特征,构建运动似然的非参数统计模型,通过动态阈值进行运动分割,剔除动态物体并得到聚类权重.最后,将加权聚类残差加入到位姿估计的非线性优化函数中,以降低动态物体的影响,提高位姿估计的精度.在TUM数据集上进行实验,结果表明本文算法在静态环境下以及富有挑战性的高动态环境下都能取得较好的结果,在动态环境下比现有算法具有更高的精度与鲁棒性.     

基于捷联惯性测量的井下车辆高精度导航系统

根据井下车辆具有匀速运动特点,对捷联惯性导航系统(INS)观测的加速度和角速度分别建立模型.小波变化提取加速度观测值和改正数的趋势项,研究两者的相关性,构建带有消噪因子的消噪模型以适应不同路况.分析角速度改正数,对其建立分段线性模型.综合惯性导航系统力学编排算法,提出了井下车辆高精度导航系统.模拟山西平朔矿区斜井煤矿车辆行驶轨迹,人为加入各项误差模拟导航级别惯性测量单元,将加入常数漂移的传统消噪方法作为对比项.实验表明:提出的模型明显优于传统消噪方法,对提高井下INS导航精度有很好效果.利用INS实测数据做进一步验证,实验结果和模拟数据结果相同.     

动态环境下PPP的GNSS大气水汽反演

利用静态PPP(精密单点定位)处理稳定的GNSS地面站可以高精度反演大气中的水汽含量.对于运动的载体,静态PPP无法正确地估计待估参数.利用动态PPP数据处理方法,在解算载体动态位置的同时,可以估计动态载体GNSS的天顶总延迟,并在此基础上计算水汽含量.分别利用PPP动态和静态模型解算3.5 h的稳定可靠GNSS参考站数据,结果表明,动态PPP与静态PPP利用稳定CORS站解算大气可降水量(PWV)时,最大差别为6.6 mm,且水汽的变化趋势基本一致.在快速运动平台下,旋转平台解算的PWV与相同环境下的CORS站解算的水汽结果在量级上一致,但并不能像CORS站结果一样可以反映出水汽的变化趋势.针对地震等GNSS台站失稳问题,分别利用动态、静态PPP进行水汽的提取,结果表明,地震的短期形变对PPP水汽的提取无明显影响.建议使用静态PPP对失稳GNSS台站进行水汽提取.     

复杂环境下结合EMD的GPS-IR水位反演方法

利用法国布雷斯特(Brest)港BRST测站和英国塞文大桥监测系统GNSS双频观测数据,分别在静态和高动态环境下进行GPS-IR水位反演,探究传统GNSS监测系统进行水位反演的可行性与精度.结果表明:L1波段反演精度高于L2波段;在静态场景下,GPS-IR水位反演结果与验潮站数据相关系数大于0.98,在高动态场景下,桥梁GPS-IR水位反演精度稍低.利用经验模态分解(EMD)方法对算法进行改进,提高了在桥梁复杂环境下GPS-IR水位反演结果的精度,均方根误差(RMSE)相比经典方法降低约50%.本文方法提高了GPS-IR技术在不同水域环境下的适用性,在水位监测中具有很好的应用前景.     

MODIS大气含水量产品地面资料订正方法研究

在MODIS大气含水量反演过程中误差不可避免,要使用MODIS大气含水量产品必须进行适当订正。以日MODIS大气含水量数字产品为实验样本,根据探空站观测资料,通过差值实现对MODIS大气含水量数字产品的订正。再利用地面水汽压和大气含水量良好的线性关系,通过线性拟合来验证MODIS大气含水量数字产品地面资料订正方法的有效性。结果表明：订正后,2002年1月15日、4月15日、7月15日和10月15日地面水汽压和MODIS大气含水量的相关系数分别提高了0．163,0．049,0．613,0．189;绝对误差分别下降了2．36,0．36,3．22,1．84;相对误差分别减少了64％,139／6,29％,51％。差值订正法能对MODIS大气含水量产品进行有效订正,并提高遥感反演大气含水量的精度,充分发挥卫星观测优势,为其他相关研究提供更为客观的参数。     

利用GNSS反射信号监测海面高度变化——基于法国BRST站2019～2021年数据

GNSS反射测量(GNSS-R)技术凭借其数据来源广泛、低成本、高时空分辨率等优势,在地表与海洋环境监测等方面展现巨大潜力,已成为海面高度(SSH)反演的重要技术途径。现有研究大多聚焦于3～6个月内的短期GPS潮位反演,难以反映海面高度的季节性变化及年际特征,且在动态海面改正时仅考虑了垂向速度的影响,忽视了海面波动的垂向加速度,导致低潮位与高潮位的反演精度较差。基于此,以法国某一岸基跟踪站——BRST站为例,利用其连续3年的BDS/GPS/GLONASS/Galileo四系统反射信号,通过Lomb-Scargle谱分析和二阶动态潮位改正模型,采取稳健回归策略反演海面高度,并将最终结果与验潮站观测值进行对比,分析潮位变化趋势。结果表明:GNSS-R技术反演结果与验潮站观测值具有较好的一致性,反演精度有逐年提升的趋势,均方根误差(RMSE)为7.57 cm,相关系数为0.935; 海面高度的季节性变化特征明显,秋、冬季平均海面高度偏高,夏季平均海面高度偏低,且海面高度的季节性变化与温度的季节性变化存在着相反的趋势; M2、S2、K1、O1、N2、K2、P1、Q1、M4等9个分潮的振幅差为0.06～6.76 cm,其平均绝对误差(MAE)为1.60 cm,迟角差为0.03°～6.96°,其平均绝对误差为2.45°,在频域上进一步验证了GNSS-R技术监测海面高度变化的可靠性。     

利用多系统GNSS干涉反射测量估计长江巴东水位变化

水位信息是研究水循环、气候和生态环境变化的重要参数, 近实时、高精度地监测其变化具有重要的意义.传统水位计测量成本高、范围小, 且是相对水位测量.全球导航卫星系统干涉反射测量(GNSS-IR)利用岸边架设的GNSS接收机所获取的信噪比(SNR)数据估计水位变化, 为水位测量提供了一种新的监测方法, 具有全天候、高精度和近实时等优点.本文利用长江上游巴东多系统GNSS观测站采集30 d的GPS、BDS以及GLONASS系统SNR数据, 反演了水位变化, 并和水位站进行比对, 结果表明GNSS-IR获得厘米级的水位反演精度, RMSE最低为6.43 cm.GPS和GLONASS系统L1频段以及BDS系统B1频段估计结果较好, GLONASS系统L2频段的反演精度低于其他频段.联合不同GNSS系统估计水位变化, 提高了GNSS-IR反演水位的时间分辨率.     

基于线性矩阵不等式的智能车轨迹跟踪控制

针对传统的基于精确数学模型的智能车轨迹跟踪控制器跟踪精度低,鲁棒性弱,很难适应复杂多变的驾驶环境等问题,结合线性矩阵不等式(LMI)鲁棒控制具有易于求解、抗干扰能力强等优点,提出基于LMI的智能车轨迹跟踪控制方法. 将车辆侧向动力学状态空间模型进行坐标变换,得到基于跟踪误差的车辆侧向动力学状态空间模型,采用饱和线性轮胎得到车辆侧向动力学多胞型模型;设计LMI反馈控制器,在控制器中引入前馈控制量,以消除侧向位置稳态误差. Carsim和Matlab/Simulink的联合仿真表明,该控制器在保证车辆稳定性的基础上具有较高的跟踪精度,对车速和路面附着系数具有较强的鲁棒性. 与模型预测控制器(MPC)和预瞄驾驶员模型(PDM)控制器进行对比,结果表明,设计的该控制器轨迹跟踪精度更优.     

顾及时空因素的青藏高原地区加权平均温度模型

大气加权平均温度(T_m)在GNSS大气水汽反演过程中扮演着关键角色.本文针对现有的T_m模型在青藏高原地区的适用性较差等情况,利用2014—2017年青藏高原地区13个探空站观测数据建立了一种顾及地面温度、高度、纬度及季节变化的青藏高原地区T_m模型(TPT_m模型).以2018年的探空资料为参考值,对TPT_m模型进行精度检验,并与常用的Bevis模型、局域精化后的Bevis模型(Bevis-TP模型)和GPT2w模型进行比较分析,结果表明:TPT_m模型具有相对较好的精度,其年均偏差和均方根误差(RMS)分别为0.07 K和2.76 K,相比Bevis、Bevis-TP、GPT2w-5(5°分辨率)和GPT2w-1(1°分辨率)模型其精度(RMS值)分别提高54.5％、30.8％、36.3％和27.6％;此外,将TPT_m模型用于GNSS水汽计算,其导致的水汽计算理论RMS误差和相对误差分别为0.10 mm和1.02 ％.因此,TPT_m模型在青藏高原地区的GNSS水汽反演中具有重要应用.