简介:传统的时空分布分析方法仅可以描述参考作物蒸散量(ET0)的平均时空分布情况,难以对ET0时空分布的离散程度与稳定性进行量化。根据安徽淮北平原5个站点的气象数据与地理信息资料,采用彭曼2蒙特斯公式计算ET0,基于云模型分析了其时空分布特征。结果表明:年ET0呈下降趋势,春、冬季增长,夏、秋季减小;年ET0空间分布较为均匀,季节ET0空间分布不均匀;2004年较为分散而不稳定,1956年较集中而稳定;阜阳站较为分散而不稳定,宿县站较集中而稳定;ET0时间变化的离散程度相对于空间分布较小,稳定性相近。因此,基于云模型分析ET0时空分布特性可行、有效,研究结果可为淮北平原不同作物蒸散发以及旱灾、灌溉等研究提供科学参考。
简介:针对LIDAR点云数据中建筑物和植被难以快速分类的问题,提出了应用FCM(FuzzyC-Mean)模糊聚类的方法对离散机载激光点云数据进行建筑物和植被分类的方法.首先针对机载点云数据的特点采用了平面投影的Delaunay构网方法进行点云的三角网重构,然后根据三角网的法向矢量信息的属性不同,利用FCM方法和改进的方位矩阵方法对其进行模糊聚类,进而实现建筑物和植被等不同属性的点云分类.该方法可快速将点云进行分类,且分类结果可用不同颜色进行空间显示.在此基础上,采用IDL(Interfacedescriptionlanguage)语言编制了三维激光点云可视化分类软件LIDARVIEW.并应用该软件对某区域的机载点云数据进行了分类实验.实验结果表明:(1)基于平面投影的Delaunay构网方法特别适合机载LIDAR点云数据的快速构网,且该方法构网速度快、效率高;(2)应用FCM模糊群聚的方法和改进的方位矩阵方法适用于机载LIDAR数据的植被和建筑物分类,分类速度快且效果好;(3)FCM模糊群聚方法对机载LIDAR数据的群聚分类结果可靠、合理,具有较强的通用性和推广性.
简介:海上风机监测异常数据实时处理,对于风机结构体系功能与安全状态的分析评价,具有十分重要的意义。但现阶段对于异常数据实时处理方法的研究还有待完善。本文结合风机实时监测数据特点,采用具有自动调整参数功能的AR(n)模型预测算法进行异常数据实时处理,对处理机制进行了分析。应用该方法对某海上风机实时采集风速及多种传感器监测数据进行了处理,讨论了该方法的精度及处理效率,验证了该方法对于处理风机异常监测数据的有效性和适用性。
简介:为了解寒区湿地实际蒸散发(ETa)过程,有效利用水资源,基于哈尔滨金河湾湿地2015年8月-2016年7月涡度相关系统通量观测数据,分析了不同时间尺度下ETa变化规律及影响因素.研究期间年ETa为660mm,日最高值达8.1mm/d,夏季(3.4mm/d)最高,春季(2.3mm/d)、秋季(1.4mm/d)次之,冬季(0.1mm/d)偏低且变化平稳.5月生长期作物系数(Kc)由0.95增加到1.18左右,6月-8月中旬稳定期犓犮在1.05-1.18之间,8月下旬-9月枯萎期Kc由1.05减小到0.85左右.影响ETa的主要气象因素为净辐射和饱和水汽压差.不同时间尺度下ETa与气象因子相关性略有不同:净辐射和水汽压差与ETa的相关性在两个尺度上均很显著,但30min尺度净辐射与ETa的相关性更高.温度与ETa的相关性在两个尺度上基本一致,高温促进ETa蒸散发而低温抑制ETa蒸散发.日尺度上空气湿度与ETa在秋、冬季相关性明显,30min尺度上春、冬季相关性明显.风速与ETa仅在30min尺度上夏、秋季有一定的相关性.