排序方式: 共有20条查询结果,搜索用时 31 毫秒
1.
?????????????GPS?????ASTER GDEM?????д???????????????????????????θ????е????????????????????????ASTER GDEM????????-??????-????????????????У??????GPS?????????????14.93 m??18.02 m???????????????????н???????????С???????С???????????????????????θ????У?ASTER GDEM???????????????á? 相似文献
2.
利用2010年智利MW8.8地震的震源机制解模拟解算该地震激发的自由振荡信号,将模拟信号与拉萨台超导重力仪(SG)和宽频带数字地震仪的观测结果进行对比分析。结果表明,在0.3~1.0 mHz频段,超导重力仪观测到的自由振荡信号具有较高信噪比,且可捕捉到谱峰分裂信号。在1.0~5.0 mHz频段,超导重力仪和宽频带数字地震仪观测到的自由振荡信号的频率与理论值偏差均小于0.214%。超导重力仪选用的时间段越长,其与理论计算值的平均偏差越小,当采用的时间序列达到80 h,观测值与理论值的平均偏差为7.715%。当数据长度大于40 h,超导重力仪观测效果明显优于宽频带数字地震仪。2种仪器的观测值与理论值的对比可充分体现超导重力仪的低频性和稳定性,超导重力仪比宽频带数字地震仪在探测地球自由振荡信号方面,尤其是在低频信号方面具有较大优势。 相似文献
3.
???????????????????????????????????????????????????80 cm??130 cm??????????????????????仯??????0.02×10-8 ms-2/cm??????????仯????仯??????????????????????FG5??A10???????????????????????????????????????????????????仯???????? 相似文献
4.
为评估全球潮汐模型在我国潮汐改正中的适用性,本文首先对10个重力站2016—2018年的观测数据进行了精度评定,而后基于均方根、和方根、纬度依赖关系以及重力残差等指标对7个全球潮汐模型进行了精度评定。结果表明:10个重力站的一些评价指标达到甚至超越了早期超导重力仪,例如M2波潮汐因子的中误差普遍小于0.000 70,其中最高精度约为0.000 14,5个主要潮波的稳定度均≤0.001 5。在10个观测模型和7个全球潮汐模型中,DDW-NHi和M2001模型考虑了地球扁率的影响,基于这两个模型计算的和方根较其它模型所得的和方根均小,约为0.288×10?8 m/s2。基于最高精度的乌什站数据对Molodensky, DDW-NHi,M2001与观测模型的改正精度的对比显示,DDW-NHi模型改正计算的重力残差(±0.4×10?8—±1.0×10?8 m/s2)不及观测模型(±0.1×10?8—±0.5×10?8 m/s2),但依然优于M2001模型(±0.7×10?8—±1.4×10?8 m/s2),且DDW-NHi模型改正获得的残差比传统的Molodensky模型所得残差(±0.5×10?8—±1.5×10?8 m/s2)小1×10?8—2×10?8 m/s2. 相似文献
5.
针对gPhone重力仪网络数据采集系统,开发了一套嵌入式Web服务系统。基于uClinux平台和轻量级BOA Web服务器,利用C语言编写通用网关接口(CGI)程序,实现了远程数据下载及仪器监控等功能。 相似文献
6.
根据2015-09-16智利Illapel地震现有的14个不同震源机制解模拟计算其激发的自由振荡信号,并与拉萨站和武汉站超导重力观测结果进行比对。基于1.5~5.3 mHz的球型简正模分析和约束Illapel地震的震源机制解,并参考最佳震源机制解,将观测值与模拟值进行对比,搜索更为准确的标量地震矩和断层倾角。计算得出,该地震标量地震矩为(3.0±0.2)×1021 Nm,相应矩震级为MW8.3,最优断层倾角为19°。研究结果表明,利用超导重力观测可对Illapel地震的震源机制解进行总体评估,基于长周期地震波信号或联合多种观测资料可反演得到可靠震级。 相似文献
7.
选取蓟县地震台同址观测的3台不同型号重力仪(gPhone、DZW和GS-15)2022年全年的连续观测数据,研究不同类型仪器对环境噪声的响应,计算3种重力仪的重力噪声水平,同时计算地震频段(200~600 s)的地震噪声等级,并与全国gPhone重力仪的地震噪声等级进行对比。结果表明:1)在频率低于10-3 Hz时,扣除固体潮和气压改正可以明显改进重力噪声水平;2)相同台站不同仪器重力噪声水平不同,gPhone型重力仪的背景噪声水平低于DZW型重力仪和GS-15型重力仪,其SNM值为3.355;3)2022年全国gPhone重力仪的地震频段噪声水平均值为5.418,蓟县台的噪声水平平均值为3.465,低于全国的噪声水平。研究结果可为3类重力仪观测数据的研究应用提供参考。 相似文献
8.
高分六号红边特征的农作物识别与评估 总被引:3,自引:0,他引:3
红边作为植被敏感波段,其红边特征的运用是遥感识别农作物并实现精准农业的高新手段之一。以黑龙江松嫩平原北部为研究区,以国内首个提供红边波段的多光谱高分六号影像和玉米、大豆、水稻总计82859个作物样本同时作为研究对象,从以下几个方面研究了红边波段和红边指数波段等红边特征在农作物识别中的表现,并评估了农作物的识别精度。(1) 通过作物样本辐射亮度值的统计特征,初步显示了在两红边波段0.710 μm和0.750 μm处有比其他波段更好的区分;(2) 根据传统归一化植被指数形式构建了红边归一化植被指数NDVI710和NDVI750,综合两指数在J-M距离表征的作物样本类别区分度上比传统NDVI更显著;(3) 通过多种手段筛选了有效波段并且制定了支持向量机(SVM)框架下4种农作物识别的分类策略,分别在5∶5、6∶4、7∶3、8∶2、9∶1等5套随机样本分割方案下完成研究区域农作物的分类预测。在这20类分类精度中kappa系数均高于0.9609,总体精度高于0.9742;列向上5∶5分割方案的精度最高,8∶2的精度最低;横向上分类精度排序如下:SVM-RFE > SVM-RF > SVM-有红边波段 > SVM-无红边波段,该结果表明了红边指数和红边波段的参与显著地提高了作物的识别精度;(4) 由于水域等其他样本的缺少,SVM-RFE方法和SVM-RF方法的分类图像均存在少量错分现象。但从分类精度和图像细节展示上来看,SVM-RFE方法要优于SVM-RF方法,二者分类图像的交叉验证中kappa系数为0.8060,总体精度为0.8743。总之,高分六号红边特征在作物识别中表现优越,使得识别精度显著提高。后续研究者可开发更多与红边相关的植被指数,充分发挥红边特征在精准农业中的作用。 相似文献
9.
基于陆态网络太原台gPhone重力仪1a的观测记录,在地震频段(200~600s)、亚地震频段(1~6h)和潮汐频段(周期大于6h)研究其背景噪声水平,并与全球超导重力仪SG的背景噪声进行比较。结果发现,潮汐和大气改正可以一定程度上改进重力数据的功率谱密度PSD,尤其是在亚地震频段和潮汐频段。经计算,太原gPhone重力仪在地震频段、亚地震频段和潮汐频段的背景噪声水平分别为3.641、4.659和5.359。gPhone重力仪的噪声水平在地震频段和亚地震频段均高于SG的噪声水平,但是在频率低于0.8×10-4 Hz时,gPhone重力仪的噪声水平低于新低噪声模型NLNM。此外,分析gPhone重力仪记录的2014年智利Mw8.1地震激发的自由振荡信号表明,虽然gPhone重力仪的噪声水平高于超导重力仪,但其依然能够清晰检测到地球自由振荡信号,验证了gPhone重力仪不仅适合研究长周期潮汐和亚地震模,也可以清晰获取地震频段的地球自由振荡信号。 相似文献
10.