共查询到20条相似文献，搜索用时 109 毫秒
1.
利用现有重力场模型求定CHAMP卫星加速度计修正参数 总被引：3，自引：0，他引：3
CHAMP卫星加速度计数据的标定是通过确定其尺度因子和偏差参数来完成的.本文基于能量守恒方程,给出利用现有重力场模型标定CHAMP卫星加速度数据的基本原理和数学模型;提出相邻历元间差分算法,大大简化了观测方程,同时避免积分常量的计算.该算法既能同时解算尺度因子和偏差参数,也可任意求解其中之一.基于实测的CHAMP卫星加速度数据,利用EGM96模型和最新公布的EIGEN-2模型进行计算与比较,验证该方法的有效性. 相似文献
2.
导航解算中的系统误差及其协方差矩阵拟合 总被引：17，自引：2，他引：17
利用Kslman滤波进行导航定位计算不得不涉及观测函数模型和动力学模型,而观测函数模型和动力学模型经常含有系统误差或区域性系统误差.本文提出了一种基于移动窗口的函数模型和随机模型系统误差自适应拟合法.基于相同的窗口给出了相应的观测向量和状态预测向量的协方差矩阵估计方法,其协方差矩阵的估计与现有的Sage滤波不同.利用经系统误差修正后的观测向量和状态预测向量及相应的协方差矩阵,再进行动态导航滤波计算,能有效提高导航解的精度.文中给出了开窗估计系统误差的公式,并利用实测数据验证了该算法的可行性和实用性.计算结果表明该算法能有效地抵制系统误差对导航滤波结果的影响. 相似文献
3.
重力梯度仪校准参数的确定是GOCE重力梯度观测数据处理的关键环节。本文对GOCE卫星重力梯度观测值中的时变信号与粗差进行了分析,利用高精度全球重力场模型,确定了GOCE重力梯度观测值各分量的尺度因子与偏差,并对校准结果进行了精度评定。结果表明,在测量带宽内,海潮对重力梯度观测值影响在mE量级,与重力梯度仪的精度水平相当,陆地水等非潮汐重力场时变信号略小于海潮,量级约为10~(-4)E;各分量重力梯度观测值的粗差比例均大于0.2%;除EGM96模型外的其他模型对GOCE重力梯度仪进行校准后,Vxx、Vyy、Vzz、Vyz分量上尺度因子的稳定性均在10~(-4)量级,Vxz分量能达到10~(-5)量级,Vxy分量为10~(-2)量级,这与梯度观测值各分量的精度水平一致。 相似文献
4.
土壤含水量高光谱灰色关联度估测模式 总被引：2，自引：0，他引：2
针对土壤含水量高光谱估测中的不确定性,基于灰色系统理论,建立土壤含水量灰色关联度高光谱估测模式。首先根据光谱特征因子的非时间数据序列特性,利用基于加权距离的灰色关联度计算方法,构建灰色关联度预测模型;然后利用识别残差建立修正模型,提出了具有残差修正的灰色关联度预测模式,并应用于山东省泰安市土壤水含量高光谱估测。结果表明,检验样本的平均相对误差为3.614%,而基于经典的灰色关联模式和线性回归模型的平均相对误差分别为4.762%和6.841%。应用实例说明提出的模式是有效的。 相似文献
5.
针对现有地球重力场模型综合利用研究较少的情况,该文利用实测全球导航卫星系统/水准数据分析GOCO03S、ITG-GRACE2010S、GO_CONS_GCF_2_DIR_R4、GO_CONS_GCF_2_TIM_R4和EGM2008等地球重力场模型不同谱域位系数对应的高程异常精度,提出对多类重力场模型进行简单谱组合和加权谱组合,并进行精度分析;然后利用这两类组合重力场模型,结合全球导航卫星系统/水准数据对区域似大地水准面的精化展开研究。计算结果表明:在实验区域,与EGM2008模型相比,采用简单谱组合法和加权谱组合法均能提高模型高程异常的精度,标准差最优分别可达0.081m和0.084m,对应精度提高幅度分别为40.9%和38.5%;以多类重力场模型为基础,经简单谱组合法或加权谱组合法得到组合重力场模型,并利用全球导航卫星系统/水准数据进行精化,可获得较高精度的区域似大水准面,精度最优可达0.048m。 相似文献
6.
顾及大气延迟效应的YG-13A斜距标定 总被引：2，自引：1，他引：1
针对大气延迟时变误差影响遥感卫星十三号(YG-13A)斜距标定精度的问题,提出利用顾及大气延迟时变误差的斜距标定方法提高其斜距标定精度的策略。首先,利用基于NCEP气象资料和全球TEC数据的大气延迟改正方法来计算各标定景的大气延迟改正量。其次,将各标定景的大气延迟改正量代入斜距标定模型中。最后,在地面布设高精度角反射器控制点的情况下通过顾及大气延迟时变误差的斜距标定模型求解斜距测量系统误差,从而提高和验证斜距测量精度,角反射器控制点的平面和高程精度均优于0.1 m。利用嵩山遥感定标场地区的4组不同拍摄模式下获得的YG-13A卫星影像数据对比试验表明,相较于传统的斜距定标方法,在顾及大气延迟时变误差的情况下,4组数据的斜距改正值离散度均有所下降。利用太原、天津两个区域3景影像验证斜距改正后的精度,最小值为0.55 m,最大值为0.91 m,均值为0.70 m。试验结果证明了顾及大气延迟时变误差的斜距标定方法的有效性和可行性。 相似文献
7.
针对建立区域加权平均温度线性模型的问题,该文提出了将ERA5再分析数据和无线探空数据结合的方法,利用线性回归方法建立单因子和多因子模型,实现对江苏及周边地区的加权平均温度建模。对于有探空站点分布的ERA5格网区域,利用探空数据对ERA5建立的线性Tm模型进行修正,对于无探空站分布的ERA5格网区域使用江苏及周边区域整体修正系数对Tm进行修正。根据2018年数据进行验证,结果表明,本文所建立的单因子模型精度与之相当甚至略优,建立双因子模型的精度提高最大可达10.52%,证明了利用ERA5再分析资料和无线电探空建立江苏区域Tm模型的适用性。 相似文献
8.
全面评价数字高程模型（digital elevation model，DEM）升尺度转换方法的精度，有助于合理选择DEM升尺度转换方法，掌握DEM尺度转换规律及构建新的DEM升尺度转换模型。然而目前关于DEM精度评价的研究成果还难以达到实际应用的要求，从全新的视角寻找客观、高效的DEM升尺度转换结果的精度评价方法仍有待研究。基于地球表面接收太阳辐射的分布特性，提出基于能量因子的DEM精度评价方法，应用于不同DEM升尺度转换方法的精度评价中。基于现有的精度评定与质量评价方法，构建定性与定量分析相结合的综合评价方法，以验证基于能量因子的精度评价方法的合理性和有效性。实验结果表明，基于能量因子的精度评价方法原理简单、操作方便，能够反映升尺度转换后DEM地形空间遮蔽关系的变化情况。该方法为DEM升尺度转换结果的精度评价提供了新的思路和方向，对DEM在定量遥感建模与山区地表生态参量反演等方面的应用具有一定的借鉴意义。 相似文献
9.
10.
《测绘科学技术学报》2018,(5)
快速、准确地测定土壤重金属含量,对防治土壤重金属污染、改善土壤环境和保障食品安全有着重要意义。以山东省烟台市采集的70个土壤样本为基础,首先分析土壤重金属铬含量的分组光谱特性;然后利用6种变换方法对土壤光谱反射率进行变换,根据极大相关性原则选取反演因子;最后利用灰色关联度模型初步估测铬含量,并对估测结果进行修正,采用决定系数和平均相对误差评价模型的有效性。结果表明,土壤光谱反射率随铬含量的升高而降低,二者呈负相关性;利用灰色关联度模式识别方法对重金属铬含量进行估测后的决定系数为R~2=0.656,平均相对误差为16.590%,而利用灰色关联度修正模型对估测值进行修正后,决定系数为R~2=0.912,平均相对误差为6.632%。研究表明,利用灰色关联度修正模型定量估侧土壤重金属铬含量有效。 相似文献
11.
以点位误差描述线元位置不确定性的误差带方法 总被引：1，自引：1，他引：0
从实用的角度出发,提出按两端点的点位误差描述线元误差带的方法.主要内容包括对各种情况加以解释并给出各种不同情形的统一公式. 相似文献
12.
矢量GIS数据位置精度评价 总被引：5，自引：0，他引：5
论述了采用野外测量法评价矢量GIS数据位置精度的过程，为精确评价位置精度提出了相应的质量控制措施，讨论了必要的检测点数目、检测点选择等，并对该方法的适用范围作了说明。 相似文献
13.
14.
15.
航海用DDM向非航海用转换时的整体偏差补偿方法 总被引：1，自引：0，他引：1
针对航海用数字水深模型（DDM）向非航海用转换这一问题,提出了一种用整体偏差值补偿来提高转换精度的方法。首先建立航海用DDM整体性偏差值与海底地形复杂因子、海图比例尺之间的关系;其次依据上述关系预先推算航海用DDM的整体偏差值;最后将整体偏差值补偿到转换前的航海用DDM的模型点上,以提高转换后的非航海用DDM精度。试验证明：①所提的方法可行,可提高转换后非航海用DDM的精度;②转换后非航海用DDM精度提高的程度与海底地形复杂因子和海图比例尺有关。 相似文献
16.
17.
基于最小二乘配置误差估计公式,建立了重力异常格网数据的分辨率和精度与重力异常内插值精度的关系,提出了在给定插值精度时反推已知格网数据的分辨率和精度的方法。以EGM2008重力场模型为例,在不同分辨率和精度条件下进行重力异常插值实验。实验结果与本文方法的计算结果基本一致,表明该方法具有一定的可行性。 相似文献
18.
19.
20.
基于双二次插值多项式的DEM传递误差模型 总被引：8，自引：4，他引：4
基于函数插值方法,得出了基于不完全双二次插值多项式的规则格网数字高程模型(DEM)的表面表达模型,并推导了相应的传递误差公式.公式表明,不完全双二次多项式的DEM传递误差与双线性多项式的传递误差相同.但由于不完全双二次多项式的DEM表面建模误差低于线性多项式的DEM表面建模误差,因此基于不完全双二次多项式的DEM表面模型具有更高的精度. 相似文献