基础研究

• 顾及地球重力场模型的GNSS高程转换方法

  贾雪;徐炜;刘超;赵兴旺;余学祥;

  针对使用单纯数学模型在进行GNSS高程拟合过程中,只能体现测区高程异常的大致趋势,无法表现出细节变化,进而影响GNSS高程转换精度的问题。提出了地球重力场模型与数学函数相结合的"移去-拟合-恢复"GNSS高程转换方法,以安徽省淮南市某矿工作面走向线为例,分别采用单纯数学模型和顾及EIGEN-6C4、EIGEN-6C2、EGM2008地球重力场模型的"移去-拟合-恢复"法进行了高程转换研究,并将各种高程转换的结果进行了对比分析。结果表明,多面函数相对二次曲面的转换精度较好,顾及地球重力场模型的"移去-拟合-恢复"法较单纯数学模型的高程转换精度有了大幅度的提高;顾及EIGEN-6C4地球重力场模型的GNSS高程转换精度,优于顾及EIGEN-6C2地球重力场模型的转换精度,优于顾及EGM2008地球重力场模型的转换精度。

  2019年05期 v.44;No.251 14-20页 [查看摘要][在线阅读][下载 263K]
  [下载次数：383 ] |[网刊下载次数：0 ] |[引用频次：19 ] |[阅读次数：0 ]

技术创新

• 粒子群优化神经网络的土壤有机质高光谱估测

  邹慧敏;李西灿;尚璇;苗传红;黄超;路杰晖;

  针对提高土壤有机质高光谱估测精度的问题,该文对山东省泰安市的92个棕壤样本进行光谱去噪,剔除异常样本处理后,对光谱反射率进行11种变换,发现一阶微分变换最佳;然后计算土壤有机质含量与变换后光谱反射率的相关系数,选取5个特征波段,分别利用多元线性回归、BP神经网络、支持向量机、粒子群优化神经网络4种方法建立土壤有机质含量高光谱估测模型并进行精度比较。实验结果表明,多元线性回归、BP神经网络、支持向量机和粒子群优化神经网络模型的决定系数R2分别为0.520 3、0.665 4、0.735 0和0.853 0,均方根误差分别为2.12、1.99、1.45和1.08。研究结果表明,粒子群优化神经网络的反演精度高、稳定性强,可有效提高土壤有机质的光谱估测能力。

  2019年05期 v.44;No.251 146-150+170页 [查看摘要][在线阅读][下载 223K]
  [下载次数：521 ] |[网刊下载次数：0 ] |[引用频次：44 ] |[阅读次数：0 ]
下载本期数据