期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
兰坪县InSAR形变监测与滑坡灾害早期识别
1
作者
李若凡
李勇发
+6 位作者
左小清
黄成
邢明泽
李永宁
张荐铭
石超
顾晓娜
《测绘通报》
北大核心
2025年第7期40-45,共6页
针对兰坪县地质灾害易发、频发,而传统方法难以实现广域滑坡早期识别的问题,本文采用SBAS-InSAR技术对兰坪县开展了滑坡的早期识别与分析研究。首先,针对兰坪县高山峡谷区SAR影像几何畸变影响严重的问题,利用R指数法提取该地区几何畸变...
针对兰坪县地质灾害易发、频发,而传统方法难以实现广域滑坡早期识别的问题,本文采用SBAS-InSAR技术对兰坪县开展了滑坡的早期识别与分析研究。首先,针对兰坪县高山峡谷区SAR影像几何畸变影响严重的问题,利用R指数法提取该地区几何畸变区域,以确保InSAR形变结果的准确性和可靠性;然后,利用SBAS-InSAR技术获取兰坪县2021年1月-2023年12月的地表形变信息,并结合光学影像对兰坪县滑坡灾害进行识别;最后,选取典型滑坡灾害点进行时空演化特征分析。研究结果表明,本文方法能有效提高高山峡谷区滑坡灾害识别的准确性,兰坪县共探测到42个形变区,主要分布在澜沧江流域两侧,研究成果可为兰坪县地质灾害防治工作提供科学依据。
展开更多
关键词
SBAS-InSAR技术
兰坪县
高山峡谷区
几何畸变
滑坡灾害
在线阅读
下载PDF
职称材料
基于注意力机制的BiGRU-CNN-Net深度学习模型的星载GNSS-R植被含水量反演方法
2
作者
张永凤
布金伟
左小清
《兰州大学学报(自然科学版)》
北大核心
2025年第4期442-451,共10页
基于注意力机制的BiGRU-CNN-Net深度学习网络模型定量反演植被含水量(VWC),将时延多普勒图像、全球导航卫星系统反射测量观测变量以及地表辅助参数作为模型输入,用土壤湿度主被动探测卫星中的VWC数据作为参考数据,将BiGRU-CNN-Net模型与...
基于注意力机制的BiGRU-CNN-Net深度学习网络模型定量反演植被含水量(VWC),将时延多普勒图像、全球导航卫星系统反射测量观测变量以及地表辅助参数作为模型输入,用土壤湿度主被动探测卫星中的VWC数据作为参考数据,将BiGRU-CNN-Net模型与LightGBM和XGBoost两种模型反演的VWC进行对比.结果发现,BiGRU-CNN-Net模型的性能优于LightGBM和XGBoost模型,其Pearson相关系数R=0.85,均方根误差精度分别提升了14.86%和25.00%;平均绝对误差精度分别提升了30.65%和38.57%;平均绝对百分比误差精度分别提升了54.94%和58.50%,表明BiGRUCNN-Net模型在反演VWC方面具有显著优势.
展开更多
关键词
旋风全球导航卫星系统
全球导航卫星系统反射测量
土壤湿度主被动探测卫星
植被含水量
深度学习
在线阅读
下载PDF
职称材料
融合CNN/BiLSTM/attention的滇川电离层TEC预测模型
3
作者
陈冠宇
李旺
+4 位作者
李家乐
刘佳悦
张仁中
朱浩泽
李震
《导航定位学报》
北大核心
2025年第4期228-239,共12页
针对中国云南-四川位于赤道电离异常区域(EIA)北冠带,“喷泉效应”导致电离层动力学特征异常复杂,传统的电离层模型适应性较差的问题,提出一种融合卷积神经网络(CNN)/双向长短时记忆(BiLSTM)神经网络/注意力机制(attention)的滇川电离...
针对中国云南-四川位于赤道电离异常区域(EIA)北冠带,“喷泉效应”导致电离层动力学特征异常复杂,传统的电离层模型适应性较差的问题,提出一种融合卷积神经网络(CNN)/双向长短时记忆(BiLSTM)神经网络/注意力机制(attention)的滇川电离层总电子含量(TEC)预测模型:采用具有多通道特征的CNN-BiLSTM-注意力机制(attention)神经网络构建该区域电离层模型;然后选取2023年(磁暴年)的双分日和双至日作为验证时段,评估模型的有效性。结果表明,在春分、夏至、秋分和冬至的预测精度分别为1.24总电子含量单位(TECU)、2.06TECU、1.69TECU和2.35TECU,对应的皮尔逊相关系数分别为0.988、0.961、0.944和0.987;说明提出的模型可显著改正滇川区域太阳高峰年内的电离层延迟,能够为深入了解滇川区域的电离层时空演变机制,以及增强该区域的导航定位服务质量提供参考。
展开更多
关键词
电离层模型
神经网络
滇川区域
全球卫星导航系统(GNSS)
总电子含量(TEC)
在线阅读
下载PDF
职称材料
题名
兰坪县InSAR形变监测与滑坡灾害早期识别
1
作者
李若凡
李勇发
左小清
黄成
邢明泽
李永宁
张荐铭
石超
顾晓娜
机构
昆明理工大学国土
资源
工程学院
云南省自然资源智能监测与时空大数据治理重点实验室
云南省
地质环境
监测
院
出处
《测绘通报》
北大核心
2025年第7期40-45,共6页
基金
国家自然科学基金(42471483,42161067,42361054)
部省合作试点项目(2023ZRBSHZ048)
+2 种基金
云南省基础研究计划(202501AT070310,202401AU070173)
云南省教育厅科学基金(2024J0067)
昆明理工大学人才培养基金(KKZ3202421128)。
文摘
针对兰坪县地质灾害易发、频发,而传统方法难以实现广域滑坡早期识别的问题,本文采用SBAS-InSAR技术对兰坪县开展了滑坡的早期识别与分析研究。首先,针对兰坪县高山峡谷区SAR影像几何畸变影响严重的问题,利用R指数法提取该地区几何畸变区域,以确保InSAR形变结果的准确性和可靠性;然后,利用SBAS-InSAR技术获取兰坪县2021年1月-2023年12月的地表形变信息,并结合光学影像对兰坪县滑坡灾害进行识别;最后,选取典型滑坡灾害点进行时空演化特征分析。研究结果表明,本文方法能有效提高高山峡谷区滑坡灾害识别的准确性,兰坪县共探测到42个形变区,主要分布在澜沧江流域两侧,研究成果可为兰坪县地质灾害防治工作提供科学依据。
关键词
SBAS-InSAR技术
兰坪县
高山峡谷区
几何畸变
滑坡灾害
Keywords
SBAS InSAR technology
Lanping county
high mountain canyon areas
geometric distortions
landslide disaster
分类号
P237 [天文地球—摄影测量与遥感]
在线阅读
下载PDF
职称材料
题名
基于注意力机制的BiGRU-CNN-Net深度学习模型的星载GNSS-R植被含水量反演方法
2
作者
张永凤
布金伟
左小清
机构
昆明理工大学国土
资源
工程学院
云南省自然资源智能监测与时空大数据治理重点实验室
出处
《兰州大学学报(自然科学版)》
北大核心
2025年第4期442-451,共10页
基金
云南省基础研究计划项目(202401CF070151)
国家自然科学基金项目(42404037,42471483和42161067)
+3 种基金
昆明理工大学高层次人才平台建设项目(20230041)
云南省重大科技计划项目(202202AD080010)
自然资源部云南省部省合作试点项目(2023ZRBSHZ048)
云南省科技计划项目(平台类)(202449CE340023)。
文摘
基于注意力机制的BiGRU-CNN-Net深度学习网络模型定量反演植被含水量(VWC),将时延多普勒图像、全球导航卫星系统反射测量观测变量以及地表辅助参数作为模型输入,用土壤湿度主被动探测卫星中的VWC数据作为参考数据,将BiGRU-CNN-Net模型与LightGBM和XGBoost两种模型反演的VWC进行对比.结果发现,BiGRU-CNN-Net模型的性能优于LightGBM和XGBoost模型,其Pearson相关系数R=0.85,均方根误差精度分别提升了14.86%和25.00%;平均绝对误差精度分别提升了30.65%和38.57%;平均绝对百分比误差精度分别提升了54.94%和58.50%,表明BiGRUCNN-Net模型在反演VWC方面具有显著优势.
关键词
旋风全球导航卫星系统
全球导航卫星系统反射测量
土壤湿度主被动探测卫星
植被含水量
深度学习
Keywords
cyclone global navigation satellite system
global navigation satellite system-reflectometry
soil moisture active passive satellite
vegetation water content
deep learning
分类号
P237 [天文地球—摄影测量与遥感]
在线阅读
下载PDF
职称材料
题名
融合CNN/BiLSTM/attention的滇川电离层TEC预测模型
3
作者
陈冠宇
李旺
李家乐
刘佳悦
张仁中
朱浩泽
李震
机构
昆明理工大学国土
资源
工程学院
云南省自然资源智能监测与时空大数据治理重点实验室
(筹)
华北水利水电大学测绘与地理信息学院
出处
《导航定位学报》
北大核心
2025年第4期228-239,共12页
基金
国家自然科学基金项目(42204030)
云南省兴滇英才支持计划项目(KKXX202421034)
+1 种基金
云南省基础研究计划项目(202201BE070001-035,202301AU070062)
昆明理工大学学生课外学术科技创新基金项目(2024ZK093)。
文摘
针对中国云南-四川位于赤道电离异常区域(EIA)北冠带,“喷泉效应”导致电离层动力学特征异常复杂,传统的电离层模型适应性较差的问题,提出一种融合卷积神经网络(CNN)/双向长短时记忆(BiLSTM)神经网络/注意力机制(attention)的滇川电离层总电子含量(TEC)预测模型:采用具有多通道特征的CNN-BiLSTM-注意力机制(attention)神经网络构建该区域电离层模型;然后选取2023年(磁暴年)的双分日和双至日作为验证时段,评估模型的有效性。结果表明,在春分、夏至、秋分和冬至的预测精度分别为1.24总电子含量单位(TECU)、2.06TECU、1.69TECU和2.35TECU,对应的皮尔逊相关系数分别为0.988、0.961、0.944和0.987;说明提出的模型可显著改正滇川区域太阳高峰年内的电离层延迟,能够为深入了解滇川区域的电离层时空演变机制,以及增强该区域的导航定位服务质量提供参考。
关键词
电离层模型
神经网络
滇川区域
全球卫星导航系统(GNSS)
总电子含量(TEC)
Keywords
ionospheric model
neural network
Yunnan-Sichuan region
global navigation satellite system(GNSS)
total electron content(TEC)
分类号
P228 [天文地球—大地测量学与测量工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
兰坪县InSAR形变监测与滑坡灾害早期识别
李若凡
李勇发
左小清
黄成
邢明泽
李永宁
张荐铭
石超
顾晓娜
《测绘通报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于注意力机制的BiGRU-CNN-Net深度学习模型的星载GNSS-R植被含水量反演方法
张永凤
布金伟
左小清
《兰州大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
融合CNN/BiLSTM/attention的滇川电离层TEC预测模型
陈冠宇
李旺
李家乐
刘佳悦
张仁中
朱浩泽
李震
《导航定位学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
