基于LST-VI特征空间的喀斯特地区土壤水分时空变化研究

地表土壤水分是陆地系统地气能量交换的关键参数,而喀斯特地区地表土壤水分是推动岩溶作用,影响土壤流失,造成喀斯特石漠化的重要因子,准确确定喀斯特地区地表土壤水分的分布及其动态变化对喀斯特地区生态地质环境安全及区域气候变化意义重大。以广西典型喀斯特地貌区为研究对象,利用MODIS地表温度数据和植被指数数据,构建LST-VI特征空间,首先比较不同植被指数（NDVI、EVI、SAVI、FVC）在喀斯特地区的适用性,得出FVC为研究区LST-VI特征空间的最优植被指数因子,而后在归一化的T*-FVC特征空间内分析得出森林、农田和喀斯特山区3种典型的下垫面类型下土壤水分指标M0随时间的运动轨迹和规律,以及其空间分布变化及原因。结果表明：相同的下垫面类型下土壤水分指标M0在T*-FVC特征空间中随时间的运动轨迹和规律相似,说明下垫面类型是影响土壤水分变化的重要因素。空间分布上,广西M0值域分布具有夏季小于冬季,西南部小于东北部,喀斯特地区小于非喀斯特地区的特征,农田M0季节变化较明显。总体上,利用归一化的T*-FVC特征空间实现了喀斯特地区土壤水分的时空动态变化监测。     

智能全站仪精密三角高程测量替代二等水准测量

鉴于用传统几何水准的方法进行垂直位移监测存在效率低、受环境和地形因素影响大等问题，探讨了用智能全站仪进行精密三角高程测量来监测垂直位移。简述了TCA2003全站仪的自动目标识别（ATR）功能和使用方法，研究了ATR精密三角高程测量的误差来源及精度;结合在某大坝的实践，分析了TCA2003全站仪ATR三角高程测量的实测精度及其替代二等水准测量的可行性和可靠性，给出了智能全站仪精密三角高程测量替代二等几何水准测量的条件、减弱误差的方法及提高精度的措施等。     

基于EEMD-GA-BP模型的大坝变形监测数据预测

针对大坝自动监测数据序列存在的不稳定性和测值漂移问题,提出了基于集合经验模态分解(EEMD)和遗传(GA)BP神经网络的大坝变形监测数据预测方法。采用EEMD技术提取反映大坝真实变形的低频信号,剔除自动监测系统数据中存在的噪声和野值,利用遗传算法优化的BP神经网络对真实信号进行学习与外推,据此构建EEMD-GA-BP模型。利用本文模型计算得到大坝变形的预测值,将其与实测变形值进行对比,并根据残差大小比较了本文方法与其它方法的预测效果。算例表明,本文提出的组合模型能有效地提高大坝变形预测精度。     

小波分解层数及分量组合对滑坡预测的影响

针对滑坡变形具有非平稳性、非线性与随机性变化特点,提出将小波分解与ＲＢＦ神经网络相结合应用于滑坡变形预测。通过实验进行小波分解及不同低频－高频分量组合的预测,着重分析了不同的小波分解层数、分量组合形式以及预测步长对滑坡变形预测的影响。实验分析结果表明：只有选取适当的分解层数、合理的低频－高频分量组合与预测步长,才能得到最优的预测效果。同时也验证了本文方法的正确性,对于滑坡变形预测具有一定的参考意义。     

智能全站仪精密三角高程测量替代二等水准测量

鉴于用传统几何水准的方法进行垂直位移监测存在效率低、受环境和地形因素影响大等问题,探讨了用智能全站仪进行精密三角高程测量来监测垂直位移。简述了TCA2003全站仪的自动目标识别(ATR)功能和使用方法,研究了ATR精密三角高程测量的误差来源及精度;结合在某大坝的实践,分析了TCA2003全站仪ATR三角高程测量的实测精度及其替代二等水准测量的可行性和可靠性,给出了智能全站仪精密三角高程测量替代二等几何水准测量的条件、减弱误差的方法及提高精度的措施等。