变异分析法在气象纪录上之应用

Ⅰ.观察值 X 是由许多因子影响的总结果,其中有最重要的,我们各用 C_1,C_2,C_3,……来代表,也有比较不重要的,我们现在用 Z 代表其和,于是:X=C_1+C_2+C_3…+Z(A)忽视高次项(High-order-terms)后,上式便为直线的(Linear),且 Z 系依照常态分布(Normal Ditribution),若研究任一因子对于 X 的影响,必先设法使其他因子无变化:(Equalized,or Other things beingequal)若此条件不能予以满足,可用试验设计(Experimental design)使(A)式诸量的变异(Variances)一一地隔离(Isolated),从而测验变异的显著性(Test of Significance),藉此获知因子的由来。Student 氏(1)最先注意变异的特性,厥后 R.A.Fisher 氏(2)引申而扩大之,于是变异分析方法始获确立,设 S~2,S_1~2,S_2~2,S_3~2,……各为(A)式诸量之方和(Sum of squares),于是:     

减少有理函数模型中高次项的初步研究

本文简要介绍了有理函数模型(RFM)的原理与方法,给出了利用地面控制点分别针对单片和立体影像的RFM系统误差改正方法。在实际应用中,虽然全三次项形式的RFM可以保证高精度,但是其计算量非常庞大,为此,我们探讨了减少RFM中高次项的可行性,并研究了其在立体模型重构与正射影像纠正中对精度的影响。最后,使用中国西藏、北京和芬兰的三个IKONOS影像立体像对数据进行了相关试验,结果表明,在一定影像范围内,RFM和地形无关,不论是平原、丘陵,还是高山地,在一定影像范围内仅使用RFM的二次项形式可以满足单片正射影像纠正和立体模型重构等应用要求。