机器学习算法辅助的GPS信噪比观测值土壤湿度反演

利用BP神经网络和支持向量回归机两种机器学习算法,构建基于机器学习算法的GNSS卫星反射信号土壤湿度反演模型,并与线性回归统计模型和实测数据进行对比分析。结果表明:基于机器学习算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,反演模型的决定系数分别为0.928 3和0.913 1,均方根误差为0.026 6和0.032 6,线性回归统计模型的决定系数分别为0.553 2和0.859 8,均方差根误差分别为0.093 9和0.041 6。说明利用回归算法定量估测土壤湿度明显优于线性回归统计模型,且基于支持向量回归机的土壤湿度反演模型定量估测土壤湿度优于基于BP神经网络算法的土壤湿度反演模型,证明了该方法的可靠性,为土壤湿度的实时反演研究提供了一种新方法。

全球对流层延迟模型的质量评价

对常用的3种天顶对流层延迟改正模型(Saastamoninen模型、Hopfield模型和EGNOS模型)进行误差分析,代入气象元素及测站位置误差,得出各模型的ZTD估值受误差影响的程度。使用C++语言实现以上3种模型,选取一系列不同纬度和高程的IGS站,利用IGS分析中心提供的气象文件,结合测站时空信息,导入程序进行模拟计算,并与IGS对流层产品进行比较,对改正模型进行质量评价。结果表明,Saastamoninen模型和Hopfield模型能够较准确地根据地面气象资料反映对流层延迟的日变化,Saastamoninen模型的改正精度略高于Hopfield模型;同时,无需实测气象资料的EGNOS模型RMS小于0.1m,也可满足GNSS m级定位需求。

BP神经网络辅助的GNSS反射信号NDVI反演

归一化植被指数(normalized difference vegetation index,NDVI)是一种能反映地表植被生长情况和覆盖度的重要指标,针对如何确定研究区域归一化植被指数变化趋势的问题,提出一种BP神经网络辅助的GNSS卫星反射信号NDVI反演方法。从PBO观测网P037和P39站点信噪比观测数据提取的振幅参数作为输入值,归一化植被指数作为输出值,构建BP神经网络辅助的GNSS卫星反射信号植被指数反演模型,并与线性回归模型进行对比,实验结果显示:P037和P039站点振幅线性回归的相关系数为0.7003和0.7756,均方根误差为0.0622和0.0760,BP模型的相关系数为0.8023和0.8394,均方根误差为0.0336和0.0459,表明BP神经网络辅助的GNSS卫星反射信号反演模型获取的归一化植被指数优于线性回归模型,为获取准实时、低成本和高时间分辨率的NDVI提供了新的思路,证明了该方法的可行性。

小学音乐教学中如何运用节奏训练

节奏是一段音乐的重要支架,构成了这段音乐的基础。因此,小学的音乐教学应当尤其重视对学生进行节奏训练。较强的节奏感可以更好的培养学生对于音乐的理解与掌握,促使学生接触到音乐的本质,从而实现最终的学习目标。对此,为了更好的提高节奏训练的教育效果,本文从重要性以及教学方法两个方面进行分析,希望可以为今后相关教育者提供理论性帮助。

BP神经网络辅助的GNSS反射信号土壤湿度反演

针对如何快速准确地估算区域尺度上的土壤湿度问题,该文首先从高质量GPS接收机接收的信噪比观测值中,提取L2C反射信号的振幅和相位作为输入,并采用Noah陆面模型计算土壤湿度值作为期望值,构建基于BP神经网络算法的GNSS卫星反射信号土壤湿度反演模型。实验结果表明:基于BP神经网络算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,线性回归的决定系数R2为0.909 1,均方根误差为0.028 7;进一步与线性回归统计模型比较发现,利用BP神经网络模型定量估测土壤湿度明显优于线性回归统计模型,证明了该方法的可靠性。

GPS反射信号信噪比与NDVI相关性研究

归一化植被指数(normalized difference vegetation index,NDVI)作为重要的植被生长状况植被指数,对其进行有效实时监测具有重要科学意义。选择4个大陆板块边界观测网(plate boundary observatory,PBO)观测站的GPS信噪比观测值,提取反射信号信噪比并计算归一化振幅,通过与MODIS(moderate resolution imaging spectroradiometer) NDVI产品时序频谱特征的相关性分析,建立GPS反射信号植被指数线性反演模型和BP神经网络反演模型。分析发现:GPS反射信号信噪比归一化振幅与NDVI指数存在显著年周期性和季候特性,NDVI线性反演模型相关系数均约为0.7,均方根误差处于0.05~0.09之间,BP神经网络反演模型相关系数提高了约5%。利用GPS反射信号反演NDVI变化趋势具有可行性,为获取高时间分辨率、低成本的NDVI指数提供了一种新思路。