Sensitivity of soil parameters in unsaturated zone modelling and the relation between effective,laboratory and in situ estimates

Simulation of soil moisture content requires effective soil hydraulic parameters that are valid at the modelling scale. This study investigates how these parameters can be estimated by inverse modelling using soil moisture measurements at 25 locations at three different depths (at the surface, at 30 and 60 cm depth) on an 80 by 20 m hillslope. The study presents two global sensitivity analyses to investigate the sensitivity in simulated soil moisture content of the different hydraulic parameters used in a one‐dimensional unsaturated zone model based on Richards' equation. For estimation of the effective parameters the shuffled complex evolution algorithm is applied. These estimated parameters are compared to their measured laboratory and in situ equivalents. Soil hydraulic functions were estimated in the laboratory on 100 cm³ undisturbed soil cores collected at 115 locations situated in two horizons in three profile pits along the hillslope. Furthermore, in situ field saturated hydraulic conductivity was estimated at 120 locations using single‐ring pressure infiltrometer measurements. The sensitivity analysis of 13 soil physical parameters (saturated hydraulic conductivity (K_s), saturated moisture content (θ_s), residual moisture content (θ_r), inverse of the air‐entry value (α), van Genuchten shape parameter (n), Averjanov shape parameter (N) for both horizons, and depth (d) from surface to B horizon) in a two‐layer single column model showed that the parameter N is the least sensitive parameter. K_s of both horizons, θ_s of the A horizon and d were found to be the most sensitive parameters. Distributions over all locations of the effective parameters and the distributions of the estimated soil physical parameters from the undisturbed soil samples and the single‐ring pressure infiltrometer estimates were found significantly different at a 5% level for all parameters except for α of the A horizon and K_s and θ_s of the B horizon. Different reasons are discussed to explain these large differences. Copyright © 2004 John Wiley & Sons, Ltd.     

基于Skyline的扬州市三维可视化系统的设计与应用

随着城市化进程的进一步加快,政府对城市统筹规划技术的要求日益增高。现代城市的规划设计更加需要科学的系统进行辅助决策。本文以扬州市三维可视化系统的成功建设,介绍了三维数字城市系统建设中的Skyline结合3Dmax快速建模技术,论述了Skyline三维平台建设虚拟城市的方法和策略,并利用其提供的应用程序接口进行了二次功能开发,一定程度上为数字城市规划建设提供技术支持与参考。     

浅谈ADS100与ADS80航摄数据制作DOM的区别

随着摄影测量技术的发展,航摄影像的应用越来越广泛。本文针对目前应用较广泛的ADS80、ADS100相机在硬件组成、技术参数、利用像素工厂制作数字正射影像的区别进行了对比与分析,并探讨总结了生产正射影像过程中需要注意的问题,为今后的生产过程提供参考。     

国产机载LiDAR系统安置角误差检校方案研究

机载激光扫描仪(Light Detection And Ranging,LiDAR)系统是由多个子系统集成,其中,安置角误差是集成误差中最大的误差源,安置角误差检校的方法多种多样,高效率、高精度的检校方式还需要试验的支撑。本文对平差模型法和几何模型法进行了试验分析,试验结果很好地证明了不同方法的优越性,为机载LiDAR系统的安置角检校提供了参考。     

关于地籍工作底图获取方法的探讨

随着社会的发展,现代地籍因其保护土地产权与课税服务的特性越来越被人们重视,成为国土资源管理、城市建设管理的有力依据。本文初步探讨了几种地籍工作底图制作的作业流程、适用工作范围及其优缺点,并简要介绍了新技术在地籍工作底图中的应用。     

基于航测的三维建模方法研究

随着“数字城市”项目在各大城市如火如荼地发展,城市景观重建是数字城市发展的首要步骤和重要内容。本文结合实际生产项目,对基于航测的三维建模方法进行研究。航测法三维建模通过立体采集建筑物平面几何高程数据,并结合测区DEM成果、影像数据等,使用Dibud软件自动生成三维模型,然后,使用3DMAX软件参考外业采集照片精细修模,给模型贴图等。     

FDR土壤水分传感器原状土壤标定方法研究

为获得测站准确的土壤水分传感器标定参数,利用自动土壤水分站点的大型原状土壤为样本,在实验室同时进行人工称重观测和仪器自动对比观测,得到一系列的人工自动测量数据,以人工称重数据为准对自动土壤水分传感器进行订正。由于采用原状土壤,样本土壤的质地、密度、土壤颗粒和结合紧密度基本没有受到破坏,订正后的自动土壤体积含水量值能更加真实反映台站实际土壤墒情,能够修订人工对比观测期间由于样本空间不足导致的不合理的田间标定方程。     

FDR自动土壤水分数据标定问题及解决方法

针对目前FDR自动土壤水分数据可用性低的实际情况,本文从FDR自动土壤水分站传感器原理出发,结合数据处理流程与方法对湖南60个站点不同层次的标定参数及部分站点的相关观测数据进行了分析,指出目前田间标定法在自然条件下几乎无法得到覆盖土壤各个湿度区间的均匀样本数据,导致二次标定参数不合理是造成FDR自动土壤水分站数据可用性差的根本原因。二次标定方程参数不合理主要表现为方程斜率过大、过小、负值3种情况,导致观测数据增幅过大、常年不变、与实际土壤湿度变化趋势完全相反等问题。最后针对该问题提出了大样本原状取土,实验室标定的解决方法,并对方法进行了初步验证,结果表明该方法能从源头上有效改善土壤水分站观测数据质量。     

总体最小二乘法在相机标定中的应用

对比总体最小二乘方法与最小二乘方法在相机标定中的适用性及优越性。在相机标定中,由于像点坐标和对应的地面点坐标均存在误差,因此采用总体最小二乘方法对误差方程中的系数矩阵及观测向量同时改正,能够建立更加合理的计算模型。文中以相机标定两步法为例,通过实例解算,证明利用总体最小二乘法能够得到精度更高的相机标定参数解。     

Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响

Landsat系列卫星上的TIRS热红外传感器数据已被大量应用,针对TIRS数据的地表温度反演也相继开发出一些算法,并有一些研究对TIRS数据的定标及其地表温度反演算法的精度进行了对比。本文主要就TIRS热红外传感器定标参数的变化,结合这些定标参数变化的时间点对有关地表温度反演算法的适用性和有效性进行分析,特别是对劈窗算法是否适合当前的TIRS数据进行了讨论,以使用户能够对Landsat 8 TIRS热红外数据的正确使用有进一步的认识。总的看来,由于视域外杂散光的影响,TIRS数据的定标精度仍达不到设计目标,TIRS第11波段的不确定性仍成倍大于TIRS 10波段。因此,在Landsat团队未彻底解决这一问题之前,同时用TIRS第10、第11这两个差距较大的波段构成的劈窗算法来反演地表温度,其精度存在较大的不确定性,US6-S团队仍在致力于改进第11波段的精度,改进后的波段可以用劈窗策法。目前应以TIRS第10单波段的方式来反演地表温度为宜。