FPAR的Monte Carlo模拟研究

FPAR (fraction of photosynthetically active radiation absorbed by the canopy)是植被冠层阻截太阳光合有效辐射的比例,是遥感估算陆地生态系统植被净第一性生产力(NPP)的重要参数.利用Monte Carlo方法模拟光子在植被冠层中的辐射传输过程,以植被冠层二向反射分布函数的模拟来验证模拟的正确性;在此基础上对400-700nm光合作用波段范围内的植被叶片吸收光子辐射比例的FPAR进行模拟.FPAR的Monte Carlo模拟结果,揭示了FPAR与太阳天顶角及植被冠层参数之间的关系.     

同位素示踪剂在流域水文模拟中的应用

主要目的是通过对同位素在流域水文模拟应用中的一些假定、限制条件以及方法进行澄清和系统化,从而促进同位素在流域水文模拟中一些新的研究方向和研究热点.主要从三个方面,即同位素流量过程线分割、流域平均滞时与不同水源混合、与水文模型耦合,讨论同位素示踪剂在流域水文模拟中的研究进展情况.同时指出了同位素在流域水文模拟中应用存在的一些主要问题,包括:①降雨同位素含量的时空变化;②不同径流成分的采样;③径流输出同位素含量的空间变化;④流域平均滞时分布函数的确定;⑤水文同位素耦合模型.     

珠江河口夏季缺氧现象的模拟

夏季底层水体缺氧现象是珠江河口存在的环境问题之一。使用三维水动力-生态耦合模型来分析珠江口缺氧现象的分布状况和产生原因。模拟结果表明:模型能很好的再现珠江口的缺氧敏感性区域和强度。珠江口存在的底层水体缺氧现象是水体强烈层化和生化耗氧过程共同作用的结果。缺氧现象的发展与减退受潮汐涨落的影响。珠江口盐度-潮汐混合锋面和层化作用控制低氧水团的范围和强度。     

考虑重力侵蚀影响的分布式土壤侵蚀模型

黄土高原地区的土壤侵蚀具有水力侵蚀和重力侵蚀相伴发生的特点,在大多数针对黄土高原的侵蚀模型研究中未考虑重力侵蚀的影响,使得模型的模拟精度较差。针对黄土高原的侵蚀特点,采用量化影响重力侵蚀发生的主要因素,确定重力侵蚀发生的具体沟道栅格单元的方法,从而考虑了重力侵蚀对产输沙过程的影响。所建立的分布式土壤侵蚀模型以逐网格汇流的水文模型为基础,采用逐网格侵蚀输沙的模拟方式,能够模拟上方来水来沙对侵蚀输沙的影响。经小理河流域实测资料验证,模型具有一定的计算精度。     

平面约束条件在LIDAR点云滤波中的应用

介绍了一种利用平面约束条件对LIDAR点云数据进行滤波的方法,利用每个数据点的邻域点拟合平面,根据平面约束条件和平面点分类方法得到地面点,最后利用地面点内插该区域的DTM.     

Tgd对双频观测值电离层模型的影响分析

采用双频观测值建立穿刺点上的VTEC模型,说明了Tgd因素的影响,用实际数据分析了其影响。     

饱和流体多孔介质中AVA特征分析及储层参数反演研究

AVA(Amplitude Versus Angle)技术是基于常规介质模型(均匀各向同性介质模型)发展起来的,由于忽略了储层的孔隙结构和充填流体的影响,造成AVA特征中是部分对地震波能量的吸收和衰减作用反映不足.从振幅特征方程的实际应用出发,建立起各参数与常规岩性参数之间的关系.以Gassmann方程与Biot理论为基础,推导出振幅特征方程中弹性参数与常规岩性、储层参数(如:纵波速度、横波速度、密度、孔隙度、流体参数Kf)之间的转化关系式,详细研究饱和流体多孔介质模型中的AVA特征,比较该介质模型与常规介质模型在AVA特征上的差异,并将饱和流体多孔介质AVA技术应用于川西凹陷深层须家河组储层预测,通过多波AVA储层参数的反演研究,为直接利用地震资料进行储层识别并进一步识别其流体特征提供了一种有力手段.     

基于物方影像匹配的DEM聚类变化检测

提出了DEM的变化检测问题,采用了基于密度的聚类分析方法对匹配所得的初始变化区域进行分析,实现了地表高程变化区域的检测.     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

局部区域GPS网坐标转换的改进模型

GPS的应用经常涉及到坐标变换.用局部小区域的GPS网数据求解三维坐标转换模型(如布尔萨模型)的转换参数时,平移参数精度不高,病态问题较严重.提出了用坐标转换的改进模型,能有效提高平移参数的精度,在一定程度上解决了病态问题,在工程测量中有一定的实用价值.