-
摘要: 青藏高原是中国湿地分布较为集中的地区之一, 也是全球变化的敏感区。了解青藏高原湿地分布与变化对湿地保护和全球变化研究具有重要意义。基于Landsat 8 OLI (operation land imager)数据, 使用面向对象分类方法和人工解译相结合的方式得到2016年青藏高原湿地分布数据, 结合2008年湿地分类数据以及高程、流域界线等辅助数据, 分析了青藏高原的湿地分布现状和2008—2016年的湿地变化情况。结果表明:①2016年青藏高原研究区湿地总面积为115 584 km2。其中, 湖泊湿地面积为48 737 km2, 沼泽湿地面积为34 698 km2, 河流湿地面积为15 927 km2, 洪泛湿地面积为15 035 km2, 人工湿地面积为1 188 km2。②2008—2016年, 青藏高原湿地总面积增加3 867 km2, 主要表现为湖泊、河流和洪泛湿地的增加, 但同时沼泽湿地减少5 799 km2。③青藏高原的湿地分布与变化表现出显著的区域差异性。自然湿地的分布及面积变化集中在4~5 km高程范围内, 而人工湿地的变化则集中在2~4 km高程范围内; 湖泊和洪泛湿地的增加集中在内流区, 河流的增加及沼泽的减少集中在外流区。④青藏高原的气温和降水均呈上升趋势, 与湿地总体变化呈正相关; 各流域冰川面积的变化与湿地变化也具有相关性; 人为因素对青藏高原的湿地变化以消极作用为主。该研究为青藏高原环境变化研究与湿地保护提供了有益支持。Abstract: Tibetan Plateau is a region with more concentrated wetland distribution in China, which has always been a sensitive region of global change, and its wetland distribution and change are of great value to the study of the change of water resources and environments in China. Based on Landsat 8 OLI (operation land imager), we adopt the method of object-oriented classification and manual interpretation to obtain the wetland distribution of the Tibetan Plateau in 2016, and the wetland classification data in 2008, as well as the auxiliary data of elevation and watershed boundary. The present situation of wetland distribution and wetland changes in the Tibetan Plateau from 2008 to 2016 were analyzed. The results show that: ① In 2016, the total area of the Tibetan Plateau wetland was 115 584 km2, the area of lake wetland was 48 737 km2, marsh wetland area was 34 698 km2, river wetland area was 15 927 km2, flood wetland area was 15 035 km2, constructed wetland area was 1 188 km2. ② From 2008 to 2016, the total area of wetland in the Tibetan Plateau increased 3 867 km2, mainly from the increase of lake, river and flood wetland and the decrease of the marsh wetland. ③ In different watersheds and altitudes, the distribution and variation of wetland in the Tibetan Plateau showed significant regional differences. ④ Both temperature and precipitation in the Tibetan Plateau showed upward trends, which was positively correlated with the overall change of the wetlands; the change of glacier area in drainage basins had a certain correlation with the wetland change; human activities mainly played a negative role in the wetland change of the Tibetan Plateau. This paper provides a useful support for the study of environmental change and wetland conservation in the Tibetan Plateau.
-
精密单点定位(precise point positioning, PPP)技术具有定位精度高,数据采集方便,数据处理简单等优点,成为近年来实时精密定位服务的重要手段。实时精密单点定位服务将卫星精密轨道和钟差实时播发给用户[1]。IGS已经开展了实时实验计划(real-time pilot project, RTPP),各个分析中心播发的GPS实时精密轨道精度为4~8 cm,精密钟差精度为0.2~0.8 ns。实时精密轨道通常采用的是超快速预报轨道,由于超快速轨道精度不如最终精密轨道,为了实现高精度实时定位,通过实时估计卫星钟差吸收部分轨道误差。国内外学者对实时精密卫星钟差估计算法进行了大量研究,主要包括非差模式和历元间差分模式。非差模式精密卫星钟差估计方法待估参数过多,计算效率较低[2]。采用历元间差分方法时,模糊度参数被消除,计算速率加快,但初始时刻卫星钟差会引入与卫星相关的偏差[3]。为了消除该项偏差的影响,Zhang等[4]提出了利用非差相位和伪距观测值和历元间差分相位和伪距观测值并行计算的方法。Ge等[5]提出了利用历元间差分相位观测值和非差伪距观测值并行计算的方法。
全球卫星导航系统发展迅猛,继美国的GPS、俄罗斯的GLONASS后,欧洲正在开发Galileo卫星导航系统,我国已经建立了功能完善的第二代北斗区域卫星导航系统(Beidou Navigation Satellite System, BDS)[6]。相关研究表明多系统融合增加了可观测卫星数目,改善了卫星空间几何结构,提高了定位的准确性,可靠性和连续性[7]。因此,多系统融合逐渐成为了高精度卫星导航定位广大用户的必然选择,而多系统实时卫星钟差的精确估计是实现多系统高精度实时定位服务的前提。本文对基于历元间差分相位观测值和非差伪距观测值的卫星钟差估计方法进行了改进,实现了GPS、GLONASS、Galileo和BDS多系统卫星钟差联合快速估计。
1 多模精密卫星钟差估计数学模型
基于无电离层组合伪距和相位的观测方程为:
$$ \left\{ \begin{array}{l} P_r^s = \rho _0^s + c\left( {d{t_r}-d{t^s}} \right) + {T_r} + c\left( {{B_r}-{B^s}} \right) + {e_s}\\ L_r^s = \rho _0^s + c\left( {d{t_r}-d{t^s}} \right) - \lambda {N^s} + \\ \;\;\;\;\;\;\;{T_r} + c\left( {{b_r} - {b^s}} \right) + \varepsilon_s \end{array} \right. $$ (1) 式中,r为测站号;s为卫星号;Prs和Lrs为无电离层组合伪距和相位观测值;ρ0s为站-星间几何距离;c为光速;dtr为接收机钟差;dts为卫星钟差;Tr为传播路径上对流层延迟误差;Ns为无电离层组合整周模糊度;λ为无电离层组合波长;Br、br分别为接收机端无电离层组合伪距和相位的硬件延迟;Bs、bs分别为卫星端无电离层组合伪距和相位的硬件延迟;es、εs分别为伪距和相位的测量噪声,多路径误差通常归入到测量噪声内。
参数估计时,接收机伪距硬件延迟Br被接收机钟差dtr吸收,卫星伪距硬件延迟Bs被卫星钟差dts吸收,固定测站坐标,式(1)线性化为:
$$ \left\{ \begin{array}{l} {v_{P_r^s}} = c\left( {\delta {t_r}-\delta {t^s}} \right) + m_r^sd{T_r}-{\rm{OM}}{{\rm{C}}_{P_r^s}}\\ {v_{L_r^s}} = c\left( {\delta {t_r}-\delta {t^s}} \right) - \lambda {{\tilde N}^s} + m_r^sd{T_r} - {\rm{OM}}{{\rm{C}}_{L_r^s}} \end{array} \right. $$ (2) 式中,δtr=dtr+Br;δts=dts+Bs;$ {{\tilde N}^s}$=Ns+c(br-bs-Br+Bs)/λ;OMCPrs=Prs-ρ0s;OMCLrs=Lrs-ρ0s;mrs和dTr分别为对流层湿延迟投影函数和残余误差;vPrs和vLrs分别为伪距和相位观测值残差。
由式(2)可得历元间差分的相位观测值为:
$$ \Delta {v_{L_r^s}} = c\left( {\Delta \delta {t_{r, {\rm{sys}}}}-\Delta \delta {t^s}} \right) + \Delta m_r^sd{T_r}-\Delta \;\;{\rm{OM}}{{\rm{C}}_{L_r^s}} $$ (3) 式中,sys=G、R、E、B,文中G代表GPS,R代表GLONASS,E代表Galileo,B代表BDS;Δδtr, sys为系统sys相邻历元间接收机钟差改正数之差;Δδts为相邻历元间卫星钟差改正数之差;在规定的弧段内,对流层湿延迟的投影函数mrs发生变化,对投影函数进行历元间做差分得Δmrs;天顶对流层湿延迟残余误差参数dTr作为分段线性常数估计;ΔOMCLrs为相位观测值与计算值之差OMCLrs的历元间差,ΔvLrs为相邻历元间相位观测值残差之差。
多系统卫星钟差估计时,同一测站不同系统接收机端伪距硬件延迟不同,不同系统接收机钟差存在差异[8]。此时可以估计一个接收机钟差和多个系统时间差,或者同时估计若干个接收机钟差[9]。本文同时估计了4个系统的接收机钟差参数。则多模融合卫星钟差估计误差为:
$$ \left\{ \begin{array}{l} \Delta {v_{L_r^i}} = c\left( {\Delta \delta {t_{r, G}}-\Delta \delta {t^i}} \right) + \Delta m_r^id{T_r}-\Delta \;{\rm{OM}}{{\rm{C}}_{L_r^i}}\\ \Delta {v_{L_r^j}} = c\left( {\Delta \delta {t_{r, R}}-\Delta \delta {t^j}} \right) + \Delta m_r^jd{T_r} - \Delta \;{\rm{OM}}{{\rm{C}}_{L_r^j}}\\ \Delta {v_{L_r^k}} = c\left( {\Delta \delta {t_{r, E}} - \Delta \delta {t^k}} \right) + \Delta m_r^kd{T_r} - \Delta \;{\rm{OM}}{{\rm{C}}_{L_r^k}}\\ \Delta {v_{L_r^l}} = c\left( {\Delta \delta {t_{r, B}} - \Delta \delta {t^l}} \right) + \Delta m_r^ld{T_r} - \Delta \;{\rm{OM}}{{\rm{C}}_{L_r^l}} \end{array} \right. $$ (4) 式中,i=1, …, nG;j=1, …, nR;k=1, …, nE;l=1, …, nB;nsys为测站r接收到系统sys卫星个数;δtr, G、δtr, R、Δδtr, E、Δδtr, B分别为测站相邻历元间的GPS、GLONASS、Galileo和BDS接收机钟差改正数之差;Δδti、Δδtj、Δδtk、Δδtl分别为第i颗GPS卫星,第j颗GLONASS卫星,第k颗Galileo卫星,第l颗BDS卫星的相邻历元间卫星钟差改正数之差;Δmri、Δmrj、Δmrk、Δmrl分别为第i颗GPS卫星,第j颗GLONASS卫星,第k颗Galileo卫星,第l颗BDS卫星对应的对流层湿延迟投影函数之差;ΔOMCLri、ΔOMCLrj、ΔOMCLrk、ΔOMCLrl分别为第i颗GPS卫星,第j颗GLONASS卫星,第k颗Galileo卫星,第l颗BDS卫星的相位观测值与计算值之差的历元间差;ΔvLri、ΔvLrj、ΔvLrk、ΔvLrl分别第i颗GPS卫星,第j颗GLONASS卫星,第k颗Galileo卫星,第l颗BDS卫星的相邻历元间相位观测值残差之差。
对式(4)采用均方根信息滤波方法进行参数估计。需要指出的是接收机钟差是相对量,对同一系统的所有跟踪站的接收机钟差采用重心基准$ \sum\limits_{r = 1}^{{m_{sys}}} {\Delta \delta {t_{r, {\rm{sys}}}}} = 0$进行约束,msys为跟踪站到系统sys卫星的测站个数。
由式(4)可以得到历元k时刻卫星s的历元间差分钟差改正数Δδts(k),则历元k时刻卫星s的钟差改正数为:
$$ \delta {t^s}\left( k \right) = \delta {t^s}\left( {{i_0}} \right) + \sum\limits_{i = {i_0} + 1}^k {\Delta \delta {t^s}\left( i \right)} $$ (5) 式中,i0为卫星s初始历元;δts(i0)为初始历元i0对应的卫星钟差改正数;Δδts(i)为历元i对应的卫星钟差改正数历元间差。
由式(2)可得历元k时刻的非差伪距观测值误差方程为:
$$ \begin{array}{l} {v_{P_r^s(k)}} = c\left( {\delta {t_r}\left( k \right)-\delta {t^s}\left( k \right)} \right) + \\ \;\;\;\;\;\;\;m_r^s\left( k \right)d{T_r}-{\rm{OM}}{{\rm{C}}_{P_r^s\left( k \right)}} \end{array} $$ (6) 由历元间差分相位观测值可以得到的非常精确的对流层延迟误差和历元间差分卫星钟差[4-5]。将式(3)求得的dTr和式(5)带入式(6),可得:
$$ {v_{P_r^s\left( k \right)}} = c\left( {\delta {t_r}\left( k \right)-\delta {t^s}\left( {{i_0}} \right)} \right)-{\rm{om}}{{\rm{c}}_{P_r^s\left( k \right)}} $$ (7) 式中
$$ {\rm{om}}{{\rm{c}}_{P_r^s\left( k \right)}} = c\sum\limits_{i = {i_0} + 1}^k {\Delta \delta {t^s}\left( i \right)}-m_r^s\left( k \right)d{T_r} + {\rm{OM}}{{\rm{C}}_{P_r^s\left( k \right)}} $$ 历元间差分方法同时对相位与伪距观测值进行了差分,由式(5)可以看出,求得的卫星钟差受到δts(i0)的影响,当采用导航星历进行计算时,会导致数十纳秒的偏差[2, 4-5]。
式(7)可看做利用精确求得的卫星钟变化来平滑伪距残差,因此δts(i0)经过一段时间才会收敛,才能被用于卫星钟差的计算,经测试,收敛时间大概需要20分钟。
本文在文献[5]的基础上,利用式(7),对同一系统同一测站观测到的卫星s、t进行星间做差,消除接收机钟差可得:
$$ {v_{P_r^{st}\left( k \right)}} = c\left( {\delta {t^t}\left( {{i_0}} \right)-\delta {t^s}\left( {{i_0}} \right)} \right)-{\rm{om}}{{\rm{c}}_{P_r^{st}\left( k \right)}} $$ (8) 式中,δtt(i0)和δts(i0)分别为卫星t和s在历元i0对应的卫星钟差改正数;omcPrst(k)=omcPrt(k)-omcPrs(k);vPrst(k)为卫星t和s在历元k对应的伪距观测值残差星间差。
式(8)与测站无关,采用最小二乘估计即可得到相应卫星的初始时刻钟差改正数δts(i0)。需要指出的是卫星钟差是相对量,采用重心基准$\sum\limits_{s = 1}^n {\delta {t^s}} \left( {{i_0}} \right) = 0 $进行约束,n为历元i0时刻观测到的同一系统卫星个数。
求出卫星s初始时刻i0的卫星钟差改正数δts(i0)后,历元k时刻卫星s的钟差可以表示为:
$$ {t^s}\left( k \right) = {t^s}{\left( k \right)_0} + \delta {t^s}\left( {{i_0}} \right) + \sum\limits_{i = {i_0} + 1}^k {\mathit{\Delta }\delta {\mathit{t}^s}\left( i \right)} $$ (9) 式中,ts(k)0为历元k时刻由导航星历得到的卫星钟差初值;ts(k)为历元k时刻卫星s的钟差。
2 钟差分析与定位验证
2.1 卫星钟差精度分析
为了对本文算法的精度进行分析,采用2014年9月17日(年积日为260天)的全球分布的50个实测跟踪站数据,基于均方根信息滤波单历元解算多系统卫星钟差,测站分布如图 1所示。由于GNSS (Global Navigation Satellite System)观测值是测站与卫星间的相对时间延迟,所以本文所求的卫星钟差是相对于某基准钟的相对钟差。研究表明,基准钟的精度优于10-6 s,相对钟差和绝对钟差对定位的影响是等价的[2]。本文为了保证基准钟的钟差精度及实时估计卫星钟差的需要,以所有跟踪站同一系统的接收机钟差的重心基准作为基准钟,本文所求的同一系统的卫星钟差是相对于该基准钟的相对钟差。
本文对估计的多系统卫星钟差的精度评价采用与武汉大学多系统最终精密卫星钟差做二次差的方法。首先,选取同一系统内某一卫星作为参考星,参考星要尽量选择历元数最多的卫星,做差时GPS、GLONASS、Galileo和BDS选择的参考星依次为G09、R05、E11和C01。为了消除卫星钟差估计时基准钟选择的不同产生的影响,将本文估计的卫星钟差与武汉大学卫星钟差中的相应卫星与参考星的钟差做一次差。然后将计算结果与武汉大学的结果做二次差,这样做可以有效地反映出本文估计的卫星钟差与武汉大学最终精密卫星钟差之间的符合程度[2, 4-5]。图 2~图 4分别为GPS、GLONASS、BDS和Galileo系统卫星钟差与武汉大学最终精密卫星钟差二次差的均方根(root mean square,RMS)。从中可以看出,采用本文算法求得的GPS,GLONASS,Galileo和BDS卫星钟差与武汉大学最终精密卫星钟差二次差的均方根都优于0.2 ns,其中GPS所有卫星钟差二次差均方根的平均值为0.145 ns,GLONASS所有卫星钟差二次差均方根的平均值为0.188 ns,BDS和Galileo卫星钟差二次差均方根的平均值为0.139 ns。
2.2 精密单点定位结果分析
为了验证算法的正确性,将估计的多模卫星钟差应用于PPP动态定位,并与武汉大学最终精密卫星钟差的定位结果比较。为了排除轨道因素的影响,不同卫星钟差定位解算时,卫星轨道都固定为武汉大学最终精密卫星轨道。选取了多模跟踪站九峰站进行定位试验,本文估计卫星钟差时未使用该站数据,采用GPS、GPS/GLONASS、GPS/BDS、GPS/GLONASS/BDS和GPS/GLONASS/BDS/Galileo 5种不同的动态定位模式,统计了东、北和高三个分量偏差的均方根,从第3小时开始进行精度统计以保证三个方向上偏差小于10 cm。
图 5和图 6分别为采用武汉大学最终精密钟差和本文估计的精密钟差的定位结果。从中可以看出,对于九峰站,本文估计的GPS卫星钟差的定位结果优于武汉大学卫星钟差的定位结果,这主要是因为实验所用的跟踪站在中国境内比较集中,估计的卫星钟差更适用于该区域内测站。无论是对于本文估计的卫星钟差还是武汉大学的卫星钟差,多系统融合定位精度都得到了极大提高,GPS/BDS、GPS/GLONASS/BDS融合定位平面精度优于1 cm,高程方向优于3 cm,由于Galileo卫星数较少,GPS/GLONASS/BDS/Galileo四系统融合定位相对于GPS/GLONASS/BDS融合定位没有明显提高。另外,除了GPS,基于本文估计的卫星钟差的其余四种定位模式的定位结果与基于武汉大学的卫星钟差的定位结果差距在1 cm左右,这一方面可能是由于历元间差分观测值测量噪声变大,估计的卫星钟差精度比基于非差模式的钟差略差,另一方面可能是由于武汉大学估计多系统卫星轨道和钟差时用到九峰站的数据,该站定位结果与武汉大学最终精密卫星钟差内符合性较好。
3 结语
本文多模卫星钟差估计分为两步。首先,采用历元间差分相位观测值求解精确的卫星钟差变化和对流层湿延迟改正;然后,采用非差伪距观测值求解初始时刻卫星钟差改正数。本文不需要采用并行计算的方法,待初始时刻卫星钟差改正数收敛以后即可获得高精度的多模卫星钟差。由于相位观测值历元间差分消除了模糊度参数,而伪距观测值星间差分消除了接收机钟差参数,在保证了卫星钟差精度的基础上,提高了计算效率,该算法非常适合应用于多系统实时卫星钟差估计。
基于本文算法得到的多模精密卫星钟差与武汉大学最终精密卫星钟差互差优于0.2 ns。精密单点定位结果显示与利用武汉大学最终精密产品的定位结果精度相当,说明基于该算法得到的多模精密卫星钟差完全可以满足高精度导航定位用户的需要。
-
表 1 2016年青藏高原湿地分类精度评价
Table 1 Accuracy Evaluation of Classification Result for the Wetlands in the Tibetan Plateau of 2016
类别 样本数 总计 用户精度/% 非湿地 沼泽湿地 湖泊 河流 洪泛湿地 人工湿地 非湿地 4 433 342 313 413 303 2 5 806 76.4 沼泽湿地 107 1 486 42 30 43 0 1 708 87.0 湖泊 49 8 2 935 10 3 0 3 005 97.7 河流 46 16 7 2 264 34 3 2 370 95.5 洪泛湿地 72 25 25 38 1 080 0 1 240 87.1 人工湿地 0 0 0 0 0 181 181 100.0 总计 4 707 1 877 3 322 2 755 1 463 186 14 310 制图精度/% 94.2 79.2 88.4 82.2 73.8 97.3 Kappa系数 0.77 总体精度 0.82 表 2 青藏高原大型湖泊(面积大于500 km2)的变化统计
Table 2 Variation Statistics of Large Lakes (with an Area Greater than 500 km2) in the Tibetan Plateau
湖泊名称 湖泊类型 省级自治区 主要补给方式 2008年面积/
km22016年面积/
km2变化面积/
km2青海湖 微咸水湖 青海 地表径流、湖面降水 4 227 4 516 289 色林错 微咸水湖 西藏 地表径流 2 274 2 380 106 纳木错 微咸水湖 西藏 地表径流、湖面降水 2 014 2 035 21 扎日南木错 微咸水湖 西藏 地表径流、湖面降水 1 006 1 000 -6 阿牙克库木湖 盐湖 新疆 冰雪融水径流 810 996 186 当惹雍错 微咸水湖 西藏 地表径流 831 844 13 鄂陵湖 微咸水湖 青海 地表径流、湖面降水 659 661 2 乌兰乌拉湖 微咸水湖 青海 地表径流、湖面降水 594 657 63 哈拉湖 咸水湖 青海 地表径流、冰雪融水径流 609 622 13 扎陵湖 淡水湖 青海 地表径流、湖面降水 531 564 33 西金乌兰湖 盐湖 青海 地表径流 485 564 79 阿其克库勒湖 盐湖 新疆 地表径流 469 548 79 羊卓雍错 微咸水湖 西藏 地表径流 561 542 -19 注:数据来源于文献[8] 表 3 湖泊面积及数量分级统计
Table 3 Classification Statistics of Lakes' Areas and Numbers
面积范围
/km22008年 2016年 总面积
/km2数量 总面积
/km2数量 < 1 1 919 19 941 2 197 26 993 1~10 2 798 932 2 700 869 10~100 10 495 314 10 405 299 100~500 16 490 78 16 453 78 500~1 000 5 565 8 6 998 10 > 1 000 9 521 4 10 001 4 表 4 基于流域的湿地变化面积统计
Table 4 Statistics of Wetland Change Areas Based on Basins
流域特征 变化特征 湿地变化面积/km2 河流 洪泛湿地 湖泊 人工湿地 沼泽湿地 内流区 增加 844 4 807 2 213 619 976 减少 502 484 568 1 1 659 净变化 342 4 323 1 645 618 -683 外流区 增加 2 957 700 506 0 775 减少 59 1 231 16 118 5 891 净变化 2 898 -531 490 -118 -5 116 -
[1] 白军红, 欧阳华, 徐惠风, 等.青藏高原湿地研究进展[J].地理科学进展, 2004, 23(4):1-9 doi: 10.3969/j.issn.1007-6301.2004.04.001 Bai Junhong, Ouyang Hua, Xu Huifeng, et al. Advances in Studies of Wetlands in Qinghai-Tibet Plateau[J]. Progress in Geography, 2004, 23(4): 1-9 doi: 10.3969/j.issn.1007-6301.2004.04.001
[2] Yao L, Zhao Y, Gao S J, et al.The Peatland Area Changein Past 20 Years in the Zoige Basin, Eastern Tibetan Plateau[J]. Frontiers of Earth Science, 2011, 5(3):271-275 doi: 10.1007/s11707-011-0178-x
[3] 王春连, 张镱锂, 王兆锋, 等.拉萨河流域湿地系统景观格局多尺度分析[J].资源科学, 2010, 32(9):1 634-1 642 Wang Chunlian, Zhang Yili, Wang Zhaofeng, et al. Analysis of Landscape Characteristics of the Wetland Systems in the Lhasa River Basin[J]. Resources Science, 2010, 32 (9): 1 634-1 642
[4] Niu Z G, Zhang H Y, Wang X C, et al. Mapping Wetland Changes in China Between 1978 and 2008[J]. Chinese Science Bulletin, 2012, 57(22): 2 813-2 823 doi: 10.1007/s11434-012-5093-3
[5] 冯文卿, 张永军.利用模糊综合评判进行面向对象的遥感影像变化检测[J].武汉大学学报·信息科学版, 2016, 41(7): 875-881 doi: 10.13203/j.whugis20140291 Feng Wenqing, Zhang Yongjun. Object-Oriented Change Detection for Remote Sensing Images Based on Fuzzy Comprehensive Evaluation[J].Geomatics and Information Science of Wuhan University, 2016, 41(7): 875-881 doi: 10.13203/j.whugis20140291
[6] 路春燕, 王宗明, 贾明明, 等.基于ENVISAT ASAR、Landsat TM与DEM的泥炭沼泽信息提取方法[J].武汉大学学报·信息科学版, 2017, 42 (2): 185-192 Lu Chunyan, Wang Zongming, Jia Mingming, et al. Peatland Extraction Based on ENVISAT ASAR, Landsat TM and DEM Data[J].Geomatics and Information Science of Wuhan University, 2017, 42 (2): 185-192
[7] 白磊.基于小流域的青藏高原湿地变迁及其机理研究[D].长春: 吉林大学, 2010 Bai Lei. Study on the Wetland Transition and Change Mechanism in Tibetan Plateau Based on Small Watershed Level[D]. Changchun: Jilin University, 2010
[8] 王苏民, 窦鸿身.中国湖泊志[M].北京:科学出版社, 1998 Wang S M, Dou H S. Records of Lakes in China[M]. Beijing: Sciences Press, 1998
[9] 王智颖.青藏高原湖泊环境要素的多源遥感监测及其对气候变化响应[D].济南: 山东师范大学, 2017 Wang Zhiying. Multi Source Remote Sensing Monitoring of Lake Environmental Factors in Qinghai Tibet Plateau and Its Response to Climate Change[D]. Jinan: Shandong Normal University, 2017
[10] 王一凡.近40年青藏高原典型冰川变化规律及成因[D].北京: 中国地质大学, 2017 Wang Yifan. Variation Regularity and Causes of Typical Glaciers in the Tibetan Plateau in Recent 40 Years[D]. Beijing: China University of Geosciences, 2017
[11] Song C Q, Huang B, Richards K, et al. Accelerated Lake Expansion on the Tibetan Plateau in the 2000s: Induced by Glacial Melting or Other Processes?[J].Water Resources Research, 2014, 50(4): 3 170-3 186 doi: 10.1002/2013WR014724
[12] 王松涛, 金晓媚, 高萌萌, 等.阿牙克库木湖动态变化及其对冰川消融的响应[J].人民黄河, 2016, 38(7):64-67 Wang Songtao, Jin Xiaomei, Gao Mengmeng, et al. Dynamic Changes of the Ayakekumu Lake and Its Response to Glacial Ablation[J]. Yellow River, 2016, 38(7):64-67
[13] 黄启厅.干旱区山地冰川_冰湖协同演变遥感监测与气候响应机制研究[D].北京: 中国科学院大学, 2017 Huang Qiting. Study on Remotely Sensed Monitoring of the Synergic Evolution of Alpine Glacier-Glacier Lakes and Their Response Mechanism to the Climate Change in the Arid Areas[D]. Beijing: University of Chinese Academy of Sciences, 2017
[14] 乌兰县发展改革和经济局.乌兰县发展改革和经济局2010年工作总结及2011年工作安排[R].乌兰县, 2011 Wulan County Development and Reform Economic Bureau. Summary of the 2010 Work of Wulan County Development and Reform and Economic Bureau and Work Arrangements for 2011[R]. Wulan County, 2011
[15] Xu Panpan, Niu Zhenguo, Tang Ping. Comparison and Assessment of NDVI Time Series for Seasonal Wetland Classification[J]. International Journal of Digital Earth, 2018, 11(11):1 103-1 131 doi: 10.1080/17538947.2017.1375563
-
期刊类型引用(7)
1. 蒋海涛,辛吉,管春洋,申争光. 卫星拒止情况下低精度惯导系统航姿算法研究. 导航定位与授时. 2021(01): 109-114 . 百度学术
2. 王慧,管守奎,程涵. 基于惯性系原理的动基座粗对准及其性能影响因素分析. 测绘地理信息. 2021(05): 31-36 . 百度学术
3. 赵仁杰,李开龙,胡柏青,田佳玉. 基于改进四元数阻尼误差模型的SINS初始对准算法. 系统工程与电子技术. 2021(11): 3330-3337 . 百度学术
4. 查峰,何泓洋,李志炜,李京书. 一种改进的捷联惯导参数辨识初始对准方法. 武汉大学学报(信息科学版). 2020(07): 974-979 . 百度学术
5. 石明琛,柴洪洲,尹潇,向民志,杜祯强. 载波相位差分辅助的船载SINS动态对准. 测绘科学技术学报. 2020(04): 344-349 . 百度学术
6. 魏二虎,孙聃石,万伟,王凌轩,李延林. 一种针对大失准角捷联惯导系统初始对准的处理方法. 测绘地理信息. 2020(06): 7-11 . 百度学术
7. 徐博,赵晓伟,金坤明. 基于粒子群优化的舰船捷联惯导初始对准方法. 中国惯性技术学报. 2020(06): 735-741 . 百度学术
其他类型引用(6)