基于土地利用类型的ASTER GDEM精度评价——以连云港为例

先进星载热发射和反射辐射仪全球数字高程模型(ASTER GDEM)作为土地利用领域研究的重要基础数据,其精度对研究结果的准确性起到了重要作用.以连云港为例,应用地理信息系统(GIS)空间统计分析方法,选取高程互差最大最小值、均值、中误差、互差频率分布等指标,分析了不同土地利用类型的ASTER GDEM数据误差分布.结果表明:草地、水田、旱地、采矿等土地类型的精度较高,裸地、林地、园地、风景特殊等土地类型的数据误差较大;水域内的ASTER GDEM具有一定系统误差;采矿用地包括大量盐田,多分布于沿海平坦区域,ASTER GDEM数据误差较小;土地利用类型综合反映区域地形地势及植被类型等因素,其与ASTER GDEM数据精度的关系符合地形地势与ASTER GDEM数据精度关系.本研究对连云港及其他地区的ASTER GDEM数据质量评估及修正具有指导意义.     

ENVISAT数据提取DEM的精度评价

为研究雷达干涉测量提取DEM精度,采用检查点法对DEM数据进行抽样,并通过差值比较、相关性分析方法对DEM数据进行稳定性分析以及精度评价。以ENVISAT数据为例,进行提取DEM实验,然后选取ASTER GDEM数据和SRTM数据作为参考,对实验结果进行分析。结果表明:在地势平缓处误差较小,提取DEM精度可以达到30 m;在地势陡峭处误差较大,提取DEM精度较差。同时实验证明了该方法的可靠性,可为DEM相对精度评定提供参考。     

重力场模型和DEM提高GPS高程转换精度

为了充分利用GPS观测数据中的高程信息,提高山区GPS大地高转换为正常高的精度,利用国内外最新的重力场模型和数字高程模型(DEM)数据,采用移去-拟合-恢复方法进行GPS高程转换,并与三等水准实测高程进行比较,结果表明:在地形起伏较大的山区,利用高精度的地球重力场模型.可将GPS高程转换的精度提高50%左右.地形改正也可以在一定程度上提高GPS高程转换的精度,地形对高程异常的影响与地形起伏程度和拟合点间高差有关.对于几何水准难以施测的山区利用CPS观测信息确定高精度海拔高程有重要意义.     

基于MODIS雪盖数据的叶尔羌河流域积雪再分析

高原高寒干旱山区积雪融水是大多数河流的重要补给源,对当地社会经济发展、生态环境等起着举足轻重的作用。以叶尔羌河流域为对象,基于2001-2016年的MOD10A2积雪产品,采用GIS空间分析提取叶尔羌河山区的积雪面积,应用线性趋势分析法,分析不同高程带积雪面积年内及年际变化规律。结果表明：1）流域积雪面积年内变化表现为“积累-消减-积累-消融”的二次过程,春秋季以积累为主,夏季以消融为主,冬季因为风吹雪迁移及升华,积雪面积表现为消减现象;2）以200 m间隔划分流域高程带,1-2月积雪覆盖率随高程呈现一致的平缓上升和下降规律。3、4、11、12月在A区（<3 600 m）呈现微弱上升趋势,B区和C区（3 600～6 000 m）呈现显著上升趋势,D区（>6 000 m）呈现下降趋势。5～10月积雪覆盖率在A区处于消融状态,B区（3 600～4 800 m）积雪覆盖率呈现平缓上升趋势;C区（4 800～6 000 m）积雪覆盖率上升趋势显著,D区积雪覆盖率呈现下降趋势;3）A、B区积雪覆盖率年内变化呈现单峰曲线,积雪的主要补给期在秋、冬季。C、D区积雪覆盖率年内变化曲线呈现“M”型,积雪覆盖率为“积累-消减-积累-消融” 的二次过程,冬季因为风吹雪迁移至低海拔山区或升华造成积雪消减,D区因为海拔高,夏季积雪覆盖率为80%左右;4）积雪面积年际变化呈现下降趋势,秋、冬季下降趋势最为明显;5）低海拔区（A、B、C区）内积雪覆盖率年际变化呈现微弱下降趋势;高海拔区（D区）内积雪覆盖率年际变化不大,呈现微弱的上升趋势。     

用基因表达式编程生成数字高程模型

数字高程模型是地理信息系统进行地形分析的基础。在处理采样点缺失时,常用的空间插值方法难于客观地确定插值函数结构和参数。本文将基因表达式编程技术应用到数字高程模型的生成中,做了下列工作：（1）形式化描述高程基因,缓冲区和簇等概念;（2）证明了深度定理及引理;（3）提出了缓冲区策略（BS）,适时注入优质高程体;（4）提出了动态簇的搜索算法（DCSA）,方向搜索相关点算法（SCPD）和象限扩展搜索算法（ESDA）,按方向动态扩展搜索簇,避免了冗余点的计算;提出了移动拟合GEP算法（EF-GEP）,插值空间细分,缩小了拟合空间;（5）实验表明新方法是有效的,平均进化代数为227代,平均最高适应度为97.4527,提高了7.23%。三维地质模型形象地表达出了地质体形态结构。     

DEM平均误差置信区间估计

为了对数字高程模型（DEM）精度准确描述,研究了非参数法的DEM平均误差置信区间估计．以我国6个测区不同地形的高级星载热辐射反射辐射计（ASTER）为研究对象,通过非参数法估计DEM平均误差置信度为95％的置信区间,并与传统的t分布进行精度比较．结果表明：t分布模拟精度受误差母体分布影响较大,当误差母体近似正态分布时,其模拟精度高于非正态分布;t分布模拟精度随着采样数增多有升高趋势．无论采样数为多少,母体服从何种分布,非参数法模拟精度均高于t分布;当采样数大于10时,非参数法获取的DEM平均误差置信区间完全满足精度要求．随着采样数的增多,两种模型的置信区间宽度均大幅度减小;当采样数较少时,非参数置信区间宽度远大于t分布,表明非参数法在较少采样数获取的较高模拟精度是以较大置信区间宽度为代价．根据置信区间估计最优准则,非参数法可作为DEM平均误差置信区间估计的高效方法．     

基于Arcgis的开采沉陷区水下地形空间插值方法分析

为探究无人船在复杂地形中测量数据最优空间插值方法,基于Arcgis软件的3D Analyst功能,采用不同的空间插值法建立水下三维地形模型,通过与实测数据进行精度分析,其中,反距离权重法的均方根误差为0.132 4m,平均误差为0.041 2m,绝对值最大误差为2.233 5m,精度结果优于克里金插值法、径向基函数法和自然邻域法,在沉陷区复杂地形环境下建立三维模型精度最高。通过进一步探究,实验结果显示参数P为3时反距离权重法精度最优。     

一种基于小波变换的地形自动分类方法

利用数字高程模型(DEM)分析地表复杂程度,自动进行平地、丘陵、山地等地形的分类,是地形分析的重要任务,传统的地形分类方法只能根据高程、高差和坡度等信息进行粗略分类,效果并不理想.基于分数布朗运动模型可以定量地描述地形复杂程度,但无标度区间的确定是其难点所在.为避免这些困难,借鉴纹理分割的思想,将小波变换应用于地形分类问题,该方法主要包括小波变换、特征提取和分类等步骤,在真实DEM与模拟地形数据上进行实验,取得了良好的效果.     

基于数字高程模型数据的机载认知雷达地杂波建模方法研究

针对机载认知雷达信号处理的特点,设计了一种基于数字高程模型数据的地杂波建模方法。该方法首先从数字高程模型数据中提取对杂波功率谱有影响的地形因子,然后结合地理地貌学理论和地形因子对数字高程模型提供的真实地貌类型进行量化分类;设计动态数据库来存储量化后的地貌信息,以提高杂波建模过程的实时性;最后基于地貌信息和后向散射系数模型构建地杂波。仿真结果表明,采用该方法构建的地杂波模型符合机载雷达所处的地貌实际情形,用作机载认知雷达的先验信息时具有真实、稳定和可靠的优势,可有效地辅助机载认知雷达提高工作性能和生存力。     

1"与3"SRTM DEM在珠江三角洲地区InSAR形变监测中的应用效果比较

2014年9月,美国逐步向全球用户免费开放了1"（约30 m）分辨率的SRTM DEM（Shuttle Radar Topography Mission Digital Elevation Model）数据. 为了比较其与之前发布的3"（约90 m）分辨率SRTM DEM数据对InSAR（Interferometric Synthetic Aperture Radar）形变监测结果的差异,本文采用欧空局Envisat卫星的雷达影像,分析这两种不同分辨率的DEM对珠江三角洲地区单个干涉图和多个干涉图获得的平均速率的差异. 研究结果显示：1"与3"DEM对单个干涉图形变量结果的差异与基线长度有关,以垂直基线长度为50 m的干涉图为例,其差值分布在±4 mm之间,其中89%介于±1 mm;由于多个干涉图的垂直基线随机分布,DEM对于整个轨道多干涉图获得的平均速率影响分布在±4 mm/a之间,其中90%介于±1 mm/a;差异明显的区域主要在地形起伏较大的山区. 因此,本文认为1"与3" SRTM DEM对珠三角地区InSAR形变监测结果的差异并不显著.     

典型盐沼植被区数字地形模型的构建

以连云港北太平庄闸与临洪河口淤泥质海岸带的典型盐沼植被区为研究对象,运用反距离加权法、径向基函数插值法、基于TIN的线性内插法和普通克里格插值法构建研究区数字地形模型,并选用误差平均值、均方根预测误差（RMSE）以及误差可视化模型等指标由点到面地分析构建数字地形模型的精度。结果表明,应用基于TIN的线性内插算法得到的研究区数字地形模型精度最高,平均误差为-0.010,均方根预测误差为0.097。该研究为进一步探讨盐沼植被区盐土植被的类型、群落结构的分布特征与数字地形模型的关系提供了数据支撑和理论基础。     

一种改进的正视图三维模型特征提取算法

随着多媒体与网络技术的迅速发展,大量的三维模型产生并被广泛使用,导致三维模型查询成为紧迫的研究内容。其中基于内容的三维模型特征提取是一个重要的研究课题。文章在研究现有三维模型特征提取算法的基础上,提出了一种改进的正视图特征提取算法,通过提取正视图的灰度统计量平均值、均方差和三阶矩为特征,提高了算法的精确度。实验表明,算法在获得较好查准率与查全率的同时,降低了算法的运行时间。     

飞来峡流域基于栅格DEM的分布式水文模拟

基于栅格DEM的分布式水文模型能利用DEM提供的流域地形,包括流域边界、坡度、坡向、河网等特征信息,充分考虑下垫面条件的不均匀性及空间尺度相耦合性.以集水面积34097km2的飞来峡水库流域为例,利用SRTM90m精度的DEM资料提取流域特征信息和划分水系和子流域,采用基于栅格DEM的分布式水文模型来计算每个栅格的产汇流,河道汇流采用马斯京根法,参数率定采用SCE-UA优化算法.结果表明:一个结构简单、物理过程明确、参数较少的栅格DEM分布式模型可以被用于大中型流域的水文模拟,以更好地利用流域地形特征信息和描述流域水文过程.     

桥梁施工控制三角高程中间观测法研究

在全站仪三角高程精度方面，把折光系数作为方向变量，根据全站仪三角高程中间观测法高差的计算公式．导出高差中误差的计算公式，并对中误差进行了详细分析和深入讨论。结果表明，实施有效的大气折光系数实时改正．以及采用适宜的测量技巧，是提高全站仪精密三角高程中间观测法高差精度的关键。     

倾斜面阵下的米波雷达测高方法

以往的测高算法假设雷达是垂直线性阵列模型,而实际的米波雷达采用倾斜面阵的布阵方式,此种布阵方式会带来方位和俯仰的耦合效应．为了减少实际布阵下同时存在多径传播与耦合的影响,基于新时空级联最大似然算法,将原先的一维结果推广以适用于倾斜面阵下的二维测角,既避免了多径信号的影响,又通过二维搜索克服了耦合效应,测高均方根误差小于距离的1％．计算机仿真表明了该算法的有效性．     

数码城市的街道立面自动三维重建

如何快速实现街道景观的三维可视化对于城市三维建模而言具有重大意义.针对以往立面三维重建依赖于矢量图或者空间三维点云辅助并且自动化程度不高等问题,提出通过直线匹配、基于灭点解算方位元素、大倾角影像自动纠正、拼接、立面凹凸边界自动识别的自动三维重建方法,本重建方法以线、面特征为基元且不依赖于矢量图或者空间三维点云辅助.通过实验验证了本方法重建出的三维模型正确、简洁、高效,应可满足数码城市中三维街景快速可视化的需要.     

3D indoor floor localization based on WiFi and PDR

A layered indoor 3D positioning technology based on WiFi positioning and Pedestrian Dead Reckoning (PDR) is proposed to solve the problem that the pedestrian can only get coordinates in the 2D plane and low accuracy of current indoor localization from intelligent terminal. In the PDR location, the pedestrian's horizontal walking or taking up-down stairs can be distinguished by detecting the pitch-rate mutation. Height change of the pedestrian is obtained by using the effective steps and stairs information. The equations of the two different behavior patterns are constructed and three-dimensional PDR is realized. In the part of the filter, a particle filter algorithm combining WiFi, PDR, building information and behavior patterns is proposed. By fusing the building information and behavior models into the weight calculation and the sampling of the particle, the localization precision is effectively improved. The results show that the average error of the horizontal location is 2.6m and the average error of the height estimation is 1.1m, which satisfies the demand of the individual intelligent terminal for the location service, with the elevation parameter enabling the user to recognize floor information.     

Location estimation of autonomous driving robot and 3D tunnel mapping in underground mines using pattern matched LiDAR sequential images

In this study, a machine vision-based pattern matching technique was applied to estimate the location of an autonomous driving robot and perform 3D tunnel mapping in an underground mine environment. The autonomous driving robot continuously detects the wall of the tunnel in the horizontal direction using the light detection and ranging(Li DAR) sensor and performs pattern matching by recognizing the shape of the tunnel wall. The proposed method was designed to measure the heading of the robot by fusion with the inertial measurement units sensor according to the pattern matching accuracy; it is combined with the encoder sensor to estimate the location of the robot. In addition, when the robot is driving, the vertical direction of the underground mine is scanned through the vertical Li DAR sensor and stacked to create a 3D map of the underground mine. The performance of the proposed method was superior to that of previous studies; the mean absolute error achieved was 0.08 m for the X-Y axes. A root mean square error of 0.05 m~2 was achieved by comparing the tunnel section maps that were created by the autonomous driving robot to those of manual surveying.