水稻叶面积指数的高光谱遥感估算模型

通过不同氮素营养水平的水稻田间试验 ,采用单变量线性与非线性拟合模型和逐步回归分析 ,用1 999年试验数据为训练样本 ,建立水稻LAI的高光谱遥感估算模型 ,用 2 0 0 0年试验数据作为测试样本数据 ,对其精度进行评价和验证。结果表明 ,高光谱变量与LAI之间的拟合分析中 ,蓝边内一阶微分的总和与红边内一阶微分的总和的比值和归一化差植被指数是最佳的变量     

基于Bayes判别法的霜生自动化观测模型探讨

利用安徽砀山气象站的2001—2013年冬半年(10月至次年4月)的观测资料,探讨霜生与气温、地温、水汽压和风速等气象要素的相关性,并基于Bayes判别方法,采用逐步判别分析,建立多套霜生自动判别模型。结果表明：(1)霜是否出现与日最低及夜间不同观测时次的气温、地表温度显著相关,当夜间气温或地表温度越低,低于霜点的可能性越大,结霜的可能性也越大。(2)通过回算性检验和独立样本的预报性检验,基于Bayes判别法的霜生模型,对霜未发生的平均判别准确率达到86.5%,对霜发生的平均判别准确率达到92.7%,其中用日最低地温、当日07时水汽压和当日07时风速所建立的三要素模型最优,对霜发生的判别准确率可达到90%以上。因此,可以将Bayes霜生判别模型与图像识别技术相结合应用于霜的自动化观测。     

棉花生育期关键气象因子及单产丰歉评估指标

根据河南省棉花播种面积权重,选出安阳、新乡、商丘、周口和南阳5个代表站,利用棉花产量与棉花生育期间5个代表站旬平均光照、温度、降水的相关系数,确定7个关键气象因子,建立了其与产量的回归方程,提出了考虑7个关键气象因子综合影响的棉花单产丰歉评估指标。应用该评估指标对1980~2004年棉花单产的丰歉进行检验,与实况一致的达84%,产量与评估指标相关系数达0.71以上,相关极显著。     

支盘灌注桩单桩承载力试验研究

通过对支盘灌注桩受力机理的分析 ,结合郑州某工程支盘灌注桩试桩资料 ,利用不同的估算方法 ,对支盘灌注桩单桩承载力进行了进一步的研究。     

回归估计精度的局部影响

从模型微小扰动的角度研究数据对回归估计精度的局部影响。首先提出刻划这种影响的４个统计量，并求出它们在３种不同扰动方式下的最大局部变化方向，其最大绝对分量对应于强影响点。最后给出一个数值例子来说明这种强影响点的诊断。     

近40年来甘肃省降水的变化特征

利用1960—2003年甘肃省59个测站逐日降水资料,研究了甘肃省四季和年降水量及雨日的气候变化特征。结果表明,平均年降水量和雨日的空间分布非常相似。河西和白银市的年降水量的趋势系数为正,省内其它地区为负;河西大部和甘南部分地区的年雨日的趋势系数为正,省内其它地区为负。线性倾向估计的结果表明,年降水量线性倾向值的零线基本以黄河为界,河西在增加,河东在减少,减少最明显的区域在徽县和康县盆地;雨日增加主要在河西西部偏南地区、沿祁连山的大部分地区及临夏以及甘南等海拔相对较高的地区,中部和陇东南的雨日在减少。雨日增多的地方降水量也在增加,反之亦然。全省年降水量和年雨日在1990年代均为低谷,而在21世纪初又都有上升趋势。降水量突变在1990年代中期;雨日突变河西在1960年代后期,河东在1970年代后期和1990年代中期。冬季降水量及雨日表现全省性大范围的增加趋势,秋季降水量及雨日亦呈全省性减少趋势;而春、夏季的降水量及雨日变化趋势则是地区性的。     

卫星面降水估计人工神经网络方法

介绍了人工神经网络原理和卫星云图估计降水的原理.从GMS红外卫星云图资料中抽取12个降水云图特征量,构造了网络结构为12-98-7的降水估计人工神经网络模型,并用1993年的小时地面雨量资料和GMS数字云图资料对神经网络模型进行训练,用1992和1994年资料对该神经网络模型分别进行测试.在日面降水估计试验中,地面雨量计值和卫星估计降水之间的相关系数分别为0.94和0.97,相对误差分别为41%和32%.     

遥感估算降水在西藏高原中的应用研究

采用遥感估算降水模型RFE 2.0(Rainfall Estimation Algorithm Version 2)模拟了2009年西藏高原的区域降水,并结合该地区气象站降水观测资料分别从日、月、年尺度上评价了该模型在西藏高原降水估算中的适用性,最后通过系数校正分析了2009年8月西藏高原降水量和年降水量的分布格局。结果表明,RFE2.0模型日降水量模拟值与观测值的相关系数在0.40以上的测站占46%,变化趋势较一致,但在日降水量较小时(接近零)模拟结果不稳定,在降水量较大时(>15mm)模拟结果一般会偏低;月平均降水量模拟结果与观测结果的相关系数在0.80以上的测站占62%,模拟结果较好地反映了观测结果的变化趋势,但个别月份的模拟结果会出现偏差。雨季降水量的模拟结果明显好于干季,为进一步提高模拟精度,确定雨季校正系数为1.133,干季校正系数为1.265;年尺度上降水量的模拟值与观测值的相关系数为0.368(P=0.026)。整体来看,遥感估算降水模型(RFE2.0)模拟的西藏高原降水结果较好,可为西藏高原降水模拟提供借鉴和参考。     

西藏高原典型草地地上生物量遥感估算

准确估算草地地上生物量对合理规划区域畜牧业、评估草地植被的生态效益有重要意义.利用每月两次的野外调查资料和对应的MODIS植被指数,以GIS空间数据处理技术和多元统计分析方法等为手段,建立了西藏高寒草甸、高寒草原和温性草原3个典型草地类型的地上生物量遥感估算模型和方法.结果表明:MODIS植被指数更适合于高寒草甸和高寒草原的地上生物量估算,对于高寒草甸,最佳估算模型是基于归一化植被指数(normalized difference vegetation index,NDVI)的三次多项式,其相关系数为0.82;对高寒草原,则是基于增强型植被指数(enhanced vegetation index,EVI)的三次多项式,相关系数达0.83;由于温性草原存在很强的空间异质性,估算效果较其他2个草地类型差.MODIS植被指数对草地生长期鲜草生物量的估算和模拟效果要优于总地上生物量.在生长期,高寒草甸和高寒草原的鲜草生物量与植被指数之间的相关系数都大于0.8,最高达0.92;对温性草原,两者的相关系数也均大于0.67,其中,NDVI是高寒草甸和温性草原鲜草生物量估算的最佳植被指数,对高寒草原则是EVI.对同一草地类型,由于地上生物量差异较小,使得相比其他模型,线性或多项式回归模型更适合于西藏高原草地地上生物量的估算.     

GPS接收机测试评估系统数据库的建立

为评定GPS接收机的性能,建立的接收机测试评估系统在对接收机进行测试的过程中将涉及到大量的测试相关数据。为了对这些数据进行科学、安全的存储管理,文中通过分析数据的来源、数据的存储类型以及数据的相互关系等,在考虑了数据库运行的安全性和稳定性的基础上,详细地介绍了GPS接收机测试评估系统数据库的建立。