黄佳鹏
- 作品数：9 被引量：25H指数：3
- 供职机构：辽宁工程技术大学测绘与地理科学学院更多>>
- 发文基金：国家自然科学基金辽宁省博士科研启动基金国家高技术研究发展计划更多>>
- 相关领域：天文地球农业科学更多>>
- GEDI不同算法组数据反演森林最大冠层高度和生物量精度比较被引量：1
- 2022年
- 【目的】利用星载激光雷达反演森林最大冠层高度和生物量会受到低能量的地面反射或较高的背景噪声等不利情况的影响。全球生态系统动力学调查(Global ecosystem dynamics investigation,GEDI)多波束激光雷达于2018年成功装备到国际空间站,旨在实现对森林冠层高度、生物量等参数的测量。为了减小不利情况的影响,针对不同的冠层和地面的场景,GEDI设定了不同的噪声阈值、信号阈值、起始阈值和结束阈值组合,共6种算法组数据。为了研究GEDI不同算法组数据反演森林最大冠层高度和生物量的精度,本研究对GEDI的L2A高程数据和L4A足印级生物量数据进行分析研究。【方法】针对L2A数据,本研究提取shot_number、lon_lowestmode、lat_lowestmode字段定位光斑经纬度,根据quality_flag、degrade_flag、sensitivity进行数据筛选,利用mean_sea_surface、elev_lowestmode、elev_highestreturn进行最大冠层高度反演。对于L4A数据,定位后利用l2_quality_flag、l4_quality_flag、algorithm_run_flag进行L4A数据筛选,然后根据agbd、agbd_pi_lower、agbd_pi_upper反演森林生物量,最后使用机载数据进行GEDI反演冠层高度和生物量精度验证。【结果】对L2A的6个算法组数据进行计算,结果显示a5的精度最低,精度最高的是a4组,R^(2)=0.97,RMSE=0.87 m,MAE=0.31 m。针对L2A中的相对高度指标进行研究,发现RH99是精度最高的,R^(2)=0.97,RMSE=0.85 m,MAE=0.25 m,而且研究表明随着RH的减小,精度逐渐降低。利用L4A反演森林生物量时,针对a5样本数量少,精度低的缺点,增加了信号阈值更高的a10组来替代a5组数据。最终结果显示,精度最高的是a2组,R^(2)=0.92,RMSE=10.80 t/hm^(2),MAE=4.99 t/hm^(2)。【结论】GEDI数据能够有效反演森林最大冠层高度和生物量,L2A反演冠层高度a4算法组的精度最高,L4A反演生物量a2算法组的精度最高。
- 韩明辉邢艳秋李国元黄佳鹏蔡龙涛
- 关键词：生物量
- 多普勒积分辅助BDS三频周跳探测
- 2023年
- 针对单频多普勒积分对低采样率数据周跳探测精度较低的问题,提出一种基于北斗卫星导航系统(BDS)三频观测数据的多普勒积分辅助伪距相位组合的周跳探测方法:利用多普勒积分计算历元间伪距变化量,大大减弱多路径效应的影响;并通过选择最优的三频组合系数构造宽巷相位和窄巷伪距组合周跳检测量,提高多普勒积分对低采样率数据的周跳探测精度。实验结果表明,提出的组合方法可以弥补各自的周跳探测盲点,对于不同采样率数据,不仅能有效探测和修复大小周跳、连续周跳和不敏感周跳,还可以准确地辨别1个周期以上的周跳和粗差,具有良好的周跳探测性能。
- 王建敏王清旺黄佳鹏
- 关键词：周跳探测
- 电离层TEC预报模型的卡尔曼滤波改进方法被引量：4
- 2018年
- 针对直接使用IGS公布的原始数据对电离层TEC进行预报时存在原始数据含有随机噪声等问题,提出将卡尔曼滤波作为预处理方式引入电离层TEC预报,用以减小噪声对于预报模型的影响。实验结果表明,卡尔曼滤波对电离层TEC数据具有很好的降低噪声的作用,使用滤波后的数据建立组合模型能够提高模型的预测精度。
- 王建敏黄佳鹏祝会忠马天明
- 关键词：卡尔曼滤波AR模型BP神经网络模型电离层TEC
- 一种组合模型的电离层总电子含量预报方法
- 2023年
- 针对电离层总电子含量(TEC)的非线性、非平稳等多种因素影响会导致全球导航定位服务数据的高噪声问题,提出一种小波分解、长短期记忆(LSTM)网络模型、埃尔曼(Elman)神经网络模型组合的方法:采用国际全球卫星导航系统服务组织(IGS)中心提供的不同纬度、不同时间段的TEC格网点数据,利用db4小波分解对前20 d的TEC样本序列进行分解得到高频信息与低频信息;再分别利用LSTM模型和Elman模型对高频信息和低频信息进行预报;然后将2种模型的预报值进行重构;最后利用滑动窗口预测连续多个2 d数据进行分析研究。实验结果表明,组合模型在春、夏、秋、冬不同季节的电离层预报的均方根误差分别为0.85、0.68、0.84和0.84个总电子含量单位(TECu),平均绝对值残差分别为0.66、0.55、0.60和0.69个TECu,平均相对精度分别为97.1%、97.1%、96.7%、95.9%,与2种单一模型相比可有大幅度提升。
- 王建敏徐迟祁向前黄佳鹏
- 关键词：小波分解
- GEDI与Tandem-X DEM估测密林林下地形性能评价
- 2023年
- 针对密林情况下,GEDI数据与现有的Tandem-X DEM数字地面模型估测林下地形精度没有进行整体评价问题,拟以密林情况作为主要分析场景,通过提取GEDI L2A数据产品对应光斑的经纬度、林下地形信息与数据质量筛选参数,开展数据质量筛选,用以估测基于GEDI数据的林下地形数据,与Tandem-X DEM数据估测密林情况下研究区林下地形开展比较,并进一步探究冠层高度、森林覆盖度与植被类型对估测精度的影响。GEDI与Tandem-X DEM的R~2分别为0.99和0.98,GEDI估测林下地形结果的RMSE、Average与STD分别6.49、-1.92、4.42 m, Tandem-X DEM估测林下地形结果的RMSE、Average与STD分别为18.15、14.63、7.35 m。GEDI数据在混交林和稀疏草原情况下RMSE与Average分别变化8.05 m和6.04 m, Tandem-X DEM数据在常绿针叶林与农田/天然植被情况下,RMSE与Average变化幅度为21.63、26.43 m。实验结果表明,GEDI与Tandem-X DEM数据与机载验证数据存在强相关性,且GEDI相对Tandem-X DEM数据表现出更优的评价标准;地表植被类型相对冠层高度和植被覆盖度会对两数据估测林下地形精度产生更大的影响。
- 黄佳鹏夏婷婷宇洋
- 电离层总电子数预报方法研究被引量：16
- 2016年
- 针对电离层总电子数对于提高导航定位精度的重要性,该文采用2014年国际GPS服务公布的年积日为第1~10d的电离层总电子数为原始数据,以自回归模型、灰色系统模型、BP神经网络模型两两结合的方式完成建模和预报。通过比较不同纬度、不同预测天数的实验结果分析各模型预报精度及适用范围。结果表明,利用BP神经网络模型对AR模型的预测值进行补偿,在赤道处模型拟合的相对精度达到91.32%;残差范围控制在-1.0~0.8TECU内,预报残差最优可达到0.0TECU,从而证明了该方法可以提高电离层总电子数预报精度。
- 王建敏黄佳鹏祝会忠马天明
- 关键词：AR模型灰色系统模型BP神经网络模型电离层
- BDS精密钟差短期预报
- 2023年
- 针对传统单一预报模型在钟差预报中误差积累随时间的增加而增大问题,提出一种灰度模型GM(1,1)与长短时记忆神经网络模型(LSTM)的组合模型:采用武汉大学国际全球卫星导航系统服务组织(IGS)数据中心下载的北斗卫星导航系统(BDS)3种轨道不同卫星连续2 d的精密钟差数据进行建模,首先用GM(1,1)模型进行预报,然后将GM(1,1)模型的残差利用LSTM神经网络模型进行再次预报;将2种模型的预报结果进行重构,得到最终的预报结果。实验结果表明:GM(1,1)/LSTM组合模型与单一GM(1,1)模型相比,精度提高了60%~89%;GM(1,1)/LSTM组合模型与单一LSTM神经网络相比,精度提升了30%~88%。
- 王建敏毕祥鑫黄佳鹏
- 关键词：钟差预报
- 自适应卡尔曼滤波的电离层TEC预测模型改进被引量：2
- 2018年
- 针对直接使用IGS公布的电离层总电子数进行建模会导致预测模型建立存在偏差,以及使用传统卡尔曼滤波在对大量数据进行预处理时容易导致数据发散,进而降低电离层TEC模型预测精度的问题,提出一种利用自适应卡尔曼滤波的改进方法,使用方差补偿自适应卡尔曼滤波对原始数据进行预处理,再利用小波神经网络完成预测,最后分析模型预报的精准度。实验结果表明,此方法的预测平均精度相对直接使用原始数据建模和传统卡尔曼滤波都有不同程度的提高。
- 王建敏黄佳鹏刘梓然祝会忠马天明
- 关键词：自适应卡尔曼滤波小波神经网络
- 大气可降水量预测模型的自适应Kalmam滤波改进被引量：4
- 2017年
- 针对现有可降水量预报模型存在预报精度不高等问题,该文提出采用方差分量估计自适应卡尔曼滤波对可降水量数据进行预处理,用以提高径向基神经网络预测模型的预测精度,从而形成高精度预报模型。通过比较不同基站不同时间的数据,分析使用方法的预报精度。实验结果表明:将预测模型应用于全国7个测站进行实验,预测相对精度的平均值可达95%以上,预报残差在10-5左右,残差值小于0.001的占90%以上。在影响因素方面,使用较短时间作为模型原始数据进行预测会得到较好的预测结果。实验证明本预测方法在预报大气可降水量值方面具有较高的精度。
- 王建敏黄佳鹏席克伟祝会忠
- 关键词：投影函数大气可降水量自适应卡尔曼滤波径向基神经网络
