CN115908735B - 融合有限剖面及表层土壤样点的精细三维土壤制图方法 - Google Patents
融合有限剖面及表层土壤样点的精细三维土壤制图方法 Download PDFInfo
- Publication number
- CN115908735B CN115908735B CN202211501903.9A CN202211501903A CN115908735B CN 115908735 B CN115908735 B CN 115908735B CN 202211501903 A CN202211501903 A CN 202211501903A CN 115908735 B CN115908735 B CN 115908735B
- Authority
- CN
- China
- Prior art keywords
- soil
- depth function
- function
- depth
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种融合有限剖面及表层土壤样点的精细三维土壤制图方法,包含:基于土壤剖面样点构建土壤属性的深度函数模型;初步构建三维数字土壤制图模型;采用表层土壤属性实测数据对水平空间上模拟的深度函数进行修正;基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数;基于最终的表层样点修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数,构建三维数字土壤制图模型。本发明的融合有限剖面及表层土壤样点的精细三维土壤制图方法,提供一种新的三维数字土壤制图方法,提高三维制图的精度,获取更为精确的垂直空间与水平空间上连续性的土壤变化模式与变异特征。
Description
技术领域
本发明属于数字土壤制图与空间推测领域,具体涉及一种融合有限剖面及表层土壤样点的精细三维土壤制图方法。
背景技术
土壤是一个三维连续的实体,土壤属性的空间自相关性既表现在水平方向上,也表现在垂直方向上。土壤属性的三维空间分布信息是土壤碳储量估算、生态过程模拟等迫切需要的基础信息,也是了解土壤资源现状,充分、合理、持久地保护与利用土壤资源的重要依据。目前的数字土壤制图方法大部分是针对于水平方向的土壤属性空间分布信息而设计的,仅有少部分研究关注于同时获取水平和垂直方向上的连续性三维土壤属性空间变化特征。现有的三维数字土壤制图模型首先基于土壤剖面采样数据,在垂直方向采用幂函数、对数函数或多项式函数等深度函数拟合土壤属性的垂直变化;然后直接对由深度函数参数表示的垂直土壤变化模式,采用机器学习、克里格或地理环境相似性等数字制图模型进行水平空间预测,从而构成真三维数字土壤制图模型。
三维数字土壤制图模型的构建主要依赖于土壤剖面样点,但是土壤剖面数据的获取耗时耗力且成本较大,能够获取到的土壤剖面样点数量往往比较少。在三维数字土壤制图时,基于有限的土壤剖面获取到的土壤深度函数推测到全域空间上时,通常会由于剖面较少而导致推测精度难以保证。而表层土壤的获取则相对较易,且很多区域多年来累积了大量的表层土壤属性数据,如何在有限的土壤剖面样点上结合已有的表层土壤样点,构建三维土壤制图模型,提高模型的精度是一项亟待解决的问题。
发明内容
本发明提供了一种融合有限剖面及表层土壤样点的精细三维土壤制图方法解决上述提到的技术问题,具体采用如下的技术方案:
一种融合有限剖面及表层土壤样点的精细三维土壤制图方法,包含以下步骤:
基于土壤剖面数据构建土壤属性的深度函数模型;
根据深度函数模型初步构建三维数字土壤制图模型;
采用表层土壤属性实测数据在表层土壤样点位置对水平空间上模拟的深度函数进行修正;
基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数;
重复上述的深度函数的修正与迭代直到单个土壤表层样点位置的深度函数精度符合要求且所有位置的深度函数总体精度达到要求;
基于最终的表层样点修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数,构建三维数字土壤制图模型。
进一步地,所述基于土壤剖面数据构建土壤属性的深度函数模型的具体方法为:
根据不同土壤类型以及不同土地利用方式内的土壤属性随土壤深度的变化规律建立深度函数模型。
进一步地,所述根据深度函数模型初步构建三维数字土壤制图模型的具体方法为:
采用基于地理环境相似性的数字土壤制图模型对深度函数的各参数进行水平空间模拟,初步构建三维数字土壤制图模型。
进一步地,在所述采用表层土壤属性实测数据在表层土壤样点位置对水平空间上模拟的深度函数进行修正的过程中,设定原有深度函数中土壤属性随土壤深度的变化趋势不变,仅对基数进行修正。
进一步地,深度函数包含线性函数、幂函数、对数函数和指数函数。
进一步地,若深度函数为线性函数,斜率保持不变,根据表层有机碳实测数据修正常数项;
若深度函数为幂函数,幂指数项保持不变,根据表层有机碳实测数据修正系数;
若深度函数为对数函数,斜率保持不变,根据表层有机碳实测数据修正常数项;
若深度函数为指数函数,指数项保持不变,根据表层有机碳实测数据修正系数。
进一步地,在所述采用表层土壤属性实测数据在表层土壤样点位置对水平空间上模拟的深度函数进行修正的过程中,
根据水平空间上模拟的深度函数推测表层样点位置的表层土壤属性,计算实测值与基于深度函数的推测值的差值,获取所有表层样点的推测误差值,然后计算误差值的平均值和标准差,如果某一位置的误差值与平均值偏差的绝对值超过三倍标准差,则对该位置的深度函数进行修正。
进一步地,所述基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数的具体方法为:
基于修正后的深度函数以及剖面尺度上的深度函数,采用基于地理环境相似性的数字土壤制图方法并结合样点的空间自相关性得到目标区域每一个像元上的深度函数。
进一步地,所述基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数的具体方法为:
基于修正后的深度函数以及剖面尺度上的深度函数,采用机器学习模型得到目标区域每一个像元上的深度函数。
进一步地,所述重复上述的深度函数的修正与迭代直到单个土壤表层样点位置的深度函数精度符合要求且所有位置的深度函数总体精度达到要求的具体方法为:
重复上述的深度函数的修正与迭代直到单个土壤表层样点位置的误差值与所有点的误差平均值的偏差在正负三倍标准差之内,深度函数在表层样点的拟合精度总体需达到80%以上,停止迭代。
本发明的有益之处在于:
(1)提供一种新的三维数字土壤制图方法,提高三维制图的精度,获取更为精确的垂直空间与水平空间上连续性的土壤变化模式与变异特征;
(2)运用本发明可解决土壤剖面样点数量获取较难且成本较高的问题,有效利用现有的且易获取的表层土壤数据参与深度函数的修正,降低土壤样点采样的成本;
(3)运用本发明掌握区域内土壤资源的分布现状,为充分、合理、持久地保护与利用土壤资源提供依据,也为土壤碳储量估算、生态过程模拟、土壤环境评估等提供数据支撑。
附图说明
图1是本发明的一种融合有限剖面及表层土壤样点的精细三维土壤制图方法的示意图;
图2是本发明的一种融合有限剖面及表层土壤样点的精细三维土壤制图方法的流程图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1和2所示为本申请的一种融合有限剖面及表层土壤样点的精细三维土壤制图方法,包含以下步骤:S1:基于土壤剖面数据构建土壤属性的深度函数模型。S2:根据深度函数模型初步构建三维数字土壤制图模型。S3:采用表层土壤属性实测数据在表层土壤样点位置对水平空间上模拟的深度函数进行修正。S4:基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数。S5:重复上述的深度函数的修正与迭代直到单个土壤表层样点位置的深度函数精度符合要求且所有位置的深度函数总体精度达到要求。S6:基于最终的表层样点修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数,构建三维数字土壤制图模型。通过上述步骤,本申请提供一种新的三维数字土壤制图方法,提高三维制图的精度,获取更为精确的垂直空间与水平空间上连续性的土壤变化模式与变异特征。以下具体介绍上述步骤。
对于步骤S1:基于土壤剖面数据构建土壤属性的深度函数模型。
作为一种优选的实施方式,基于土壤剖面数据构建土壤属性的深度函数模型的具体方法为:
根据不同土壤类型以及不同土地利用方式内的土壤属性随土壤深度的变化规律建立深度函数模型。线性函数、幂函数、对数函数和指数函数等。采用不同深度函数在剖面尺度对土壤属性的垂直变化进行拟合。根据模型拟合结果,采用赤池信息准则(AIC,Akaikeinformation criterion)和模型拟合度(R2,R-square)选取这些模型中的最优模型来描述不同土壤类型以及土地利用方式内的土壤属性的垂直变化特征。
对于步骤S2:根据深度函数模型初步构建三维数字土壤制图模型。
作为一种优选的实施方式,根据深度函数模型初步构建三维数字土壤制图模型的具体方法为:
采用基于地理环境相似性的数字土壤制图模型对深度函数的各参数进行水平空间模拟,初步构建三维数字土壤制图模型。
在剖面样本数量有限的情况下,采用基于地理环境相似性的数字土壤制图模型对土壤属性的深度函数的参数进行首次空间模拟。基于地理环境相似性的数字土壤制图模型,首先计算待推测样点与已知剖面样点的环境相似度,通过比较环境协同变量之间的相似度来度量各个样点对待推测点的代表程度。这里的环境协同变量主要指影响土壤有机碳变化的关键因素,具体包括海拔、坡度、坡向、地形湿度指数等地形因子,温度、降水等气候因子,以及土地利用类型、母质等其他因素。
其中,Sij,k为研究区待推测点(i)与第样点k之间的综合环境相似度,ev,i和ev,k分别为环境协同变量v在待推测点(i)与样点k所处位置的值,m为用于推测的环境协同变量的总数。Ev为计算待推测点与样点在单个环境协同变量v上的相似度函数,环境协同变量v的类型决定了该计算函数的类型。若环境协同变量v为连续变量,比如高程、坡度等,可选用距离函数(如高斯距离函数、高尔距离函数等)。若环境协同变量为类型变量,比如地质、土地利用类型等,则可选用布尔函数。P为综合各个环境协同变量之间的相似度的函数,其形式的确定应考虑环境协同变量之间的关系,可选用的方法包括加权平均法和最小限制因子法等。最后针对每个待推测点都可以得到一个其与样点的环境相似度向量,该向量中的元素Si,k(k=1,2,…,n)是待推测点(i)与第k个样点的环境相似度,n为所有样点的数量。
然后,根据所选择的样点对待推测点的代表程度(环境相似度)设置权重,通过线性加权的方式综合各样点的深度函数的参数值进行推测:
其中,Vij为待推测点(i)的深度函数参数待推测值,Si,k和Vk分别为与该待推测点最相似样点之间的环境相似度值和深度函数参数值。
对于步骤S3:采用表层土壤属性实测数据在表层土壤样点位置对水平空间上模拟的深度函数进行修正。
在采用表层土壤属性实测数据在表层土壤样点位置对水平空间上模拟的深度函数进行修正的过程中,根据水平空间上模拟的深度函数推测表层样点位置的表层土壤属性,计算实测值与基于深度函数的推测值的差值,获取所有表层样点的推测误差值,然后计算误差值的平均值和标准差,如果某一位置的误差值与平均值偏差的绝对值超过三倍标准差,则对该位置的深度函数进行修正。在修正时,假定原有深度函数中土壤属性随土壤深度的变化趋势不变,仅对基数进行修正。具体地,若深度函数为线性函数(T=k0+k1*d),斜率(k1)保持不变,根据表层有机碳实测数据修正常数项(k0)。若深度函数为幂函数(T=k0*dk1),幂指数项(k1)保持不变,根据表层有机碳实测数据修正系数(k0)。若深度函数为对数函数(T=k0In(d)+k1),斜率(k0)保持不变,根据表层有机碳实测数据修正常数项(k1)。若深度函数为指数函数指数项(k1)保持不变,根据表层有机碳实测数据修正系数(k0)。
对于步骤S4:基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数。
在本申请中,基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数的具体方法为:
基于修正后的深度函数以及剖面尺度上的深度函数,采用基于地理环境相似性的数字土壤制图方法并结合样点的空间自相关性得到目标区域每一个像元上的深度函数。
上述采用数字制图方法模拟深度函数在水平空间上的变化时,由于在剖面深度函数的基础上加上了表层样点修正后的深度函数,此次样本数量较多,样本间距离远近对模拟结果影响较大。因此区别于步骤S2所采用的制图方法,步骤中S4中,在地理环境相似性方法的基础上同时考虑样点位置的空间距离的影响进行空间插值。环境相似度的计算方法与步骤S2相同。在计算最终深度函数参数的时候考虑距离的影响,具体计算公式为:
其中,Vij为待推测点(i)的深度函数参数待推测值,Si,k和Vk分别为与该待推测点最相似样点之间的环境相似度值和深度函数参数值,Di,k为距离权重函数,计算公式为:
其中,di,k为待推测点(i)与样点(k)的距离,r为反距离加权函数的参数。
可以理解的是,而步骤S4中,在剖面样点的基础上加入了土壤表层样点位置的深度函数,样本量增多,因此,也可采用需要样本量较多的机器学习模型进行水平空间的模拟。所以,作为一种可选的实施方式,基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数的具体方法还可以为:基于修正后的深度函数以及剖面尺度上的深度函数,采用机器学习模型得到目标区域每一个像元上的深度函数。
对于步骤S5:重复上述步骤S3和步骤S4的深度函数的修正与迭代直到单个土壤表层样点位置的深度函数精度符合要求且所有位置的深度函数总体精度达到要求。
重复上述的深度函数的修正与迭代直到单个土壤表层样点位置的深度函数精度符合要求且所有位置的深度函数总体精度达到要求的具体方法为:
重复上述的深度函数的修正与迭代直到单个土壤表层样点位置的误差值与所有点的误差平均值的偏差在正负三倍标准差之内,深度函数在表层样点的拟合精度总体需达到80%以上,停止迭代。
对于步骤S6:基于最终的表层样点修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数,构建三维数字土壤制图模型。
上述的融合有限剖面及表层土壤样点的精细三维土壤制图方法提供了一种能够有效融合有限的土壤剖面以及大量土壤表层样点的高精度三维数字土壤制图方法。充分利用已有的多源样点数据,提高三维数字土壤制图的精度并降低土壤剖面采样的成本,获取垂直方向与水平方向连续性的土壤属性空间变异特征,掌握土壤属性的在三维空间上的数量与质量,为解决土壤健康评价、土壤资源的可持续利用以及自然资源管理等提供数据保障和科技支撑。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (7)
1.一种融合有限剖面及表层土壤样点的精细三维土壤制图方法,其特征在于,包含以下步骤:
基于土壤剖面数据构建土壤属性的深度函数模型;
根据深度函数模型初步构建三维数字土壤制图模型;
采用表层土壤属性实测数据在表层土壤样点位置对水平空间上模拟的深度函数进行修正;
基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数;
重复上述的深度函数的修正与迭代直到单个土壤表层样点位置的深度函数精度符合要求且所有位置的深度函数总体精度达到要求;
基于最终的表层样点修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数,构建三维数字土壤制图模型;
所述根据深度函数模型初步构建三维数字土壤制图模型的具体方法为:
采用基于地理环境相似性的数字土壤制图模型对深度函数的各参数进行水平空间模拟,初步构建三维数字土壤制图模型;
在所述采用表层土壤属性实测数据在表层土壤样点位置对水平空间上模拟的深度函数进行修正的过程中,设定原有深度函数中土壤属性随土壤深度的变化趋势不变,仅对基数进行修正;
在所述采用表层土壤属性实测数据在表层土壤样点位置对水平空间上模拟的深度函数进行修正的过程中,
根据水平空间上模拟的深度函数推测表层样点位置的表层土壤属性,计算实测值与基于深度函数的推测值的差值,获取所有表层样点的推测误差值,然后计算误差值的平均值和标准差,如果某一位置的误差值与平均值偏差的绝对值超过三倍标准差,则对该位置的深度函数进行修正。
2.根据权利要求1所述的融合有限剖面及表层土壤样点的精细三维土壤制图方法,其特征在于,
所述基于土壤剖面数据构建土壤属性的深度函数模型的具体方法为:
根据不同土壤类型以及不同土地利用方式内的土壤属性随土壤深度的变化规律建立深度函数模型。
3.根据权利要求1所述的融合有限剖面及表层土壤样点的精细三维土壤制图方法,其特征在于,
深度函数包含线性函数、幂函数、对数函数和指数函数。
4.根据权利要求3所述的融合有限剖面及表层土壤样点的精细三维土壤制图方法,其特征在于,
若深度函数为线性函数,斜率保持不变,根据表层有机碳实测数据修正常数项;
若深度函数为幂函数,幂指数项保持不变,根据表层有机碳实测数据修正系数;
若深度函数为对数函数,斜率保持不变,根据表层有机碳实测数据修正常数项;
若深度函数为指数函数,指数项保持不变,根据表层有机碳实测数据修正系数。
5.根据权利要求1所述的融合有限剖面及表层土壤样点的精细三维土壤制图方法,其特征在于,
所述基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数的具体方法为:
基于修正后的深度函数以及剖面尺度上的深度函数,采用基于地理环境相似性的数字土壤制图方法并结合样点的空间自相关性得到目标区域每一个像元上的深度函数。
6.根据权利要求1所述的融合有限剖面及表层土壤样点的精细三维土壤制图方法,其特征在于,
所述基于修正后的深度函数以及剖面尺度上的深度函数得到目标区域每一个像元上的深度函数的具体方法为:
基于修正后的深度函数以及剖面尺度上的深度函数,采用机器学习模型得到目标区域每一个像元上的深度函数。
7.根据权利要求1所述的融合有限剖面及表层土壤样点的精细三维土壤制图方法,其特征在于,
所述重复上述的深度函数的修正与迭代直到单个土壤表层样点位置的深度函数精度符合要求且所有位置的深度函数总体精度达到要求的具体方法为:
重复上述的深度函数的修正与迭代直到单个土壤表层样点位置的误差值与所有点的误差平均值的偏差在正负两倍标准差之内,深度函数在表层样点的拟合精度总体需达到80%以上,停止迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211501903.9A CN115908735B (zh) | 2022-11-28 | 2022-11-28 | 融合有限剖面及表层土壤样点的精细三维土壤制图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211501903.9A CN115908735B (zh) | 2022-11-28 | 2022-11-28 | 融合有限剖面及表层土壤样点的精细三维土壤制图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115908735A CN115908735A (zh) | 2023-04-04 |
CN115908735B true CN115908735B (zh) | 2023-09-08 |
Family
ID=86477561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211501903.9A Active CN115908735B (zh) | 2022-11-28 | 2022-11-28 | 融合有限剖面及表层土壤样点的精细三维土壤制图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908735B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276160A (zh) * | 2019-07-02 | 2019-09-24 | 四川农业大学 | 一种平原区土壤有机碳三维空间分布模拟方法 |
CA3102005A1 (fr) * | 2019-12-12 | 2021-06-12 | IFP Energies Nouvelles | Procede pour mettre a jour un modele stratigraphique d'un bassin sedimentaire en fonction de mesures |
CN113176393A (zh) * | 2021-04-07 | 2021-07-27 | 中国科学院地理科学与资源研究所 | 一种基于hasm模型的土壤有机碳储量三维估算方法及系统 |
CN114970934A (zh) * | 2022-02-28 | 2022-08-30 | 四川省烟草公司凉山州公司 | 一种基于特征集成学习的土壤厚度类型预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2823017A1 (en) * | 2011-01-26 | 2012-08-02 | Exxonmobil Upstream Research Company | Method of reservoir compartment analysis using topological structure in 3d earth model |
-
2022
- 2022-11-28 CN CN202211501903.9A patent/CN115908735B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276160A (zh) * | 2019-07-02 | 2019-09-24 | 四川农业大学 | 一种平原区土壤有机碳三维空间分布模拟方法 |
CA3102005A1 (fr) * | 2019-12-12 | 2021-06-12 | IFP Energies Nouvelles | Procede pour mettre a jour un modele stratigraphique d'un bassin sedimentaire en fonction de mesures |
CN113176393A (zh) * | 2021-04-07 | 2021-07-27 | 中国科学院地理科学与资源研究所 | 一种基于hasm模型的土壤有机碳储量三维估算方法及系统 |
CN114970934A (zh) * | 2022-02-28 | 2022-08-30 | 四川省烟草公司凉山州公司 | 一种基于特征集成学习的土壤厚度类型预测方法 |
Non-Patent Citations (1)
Title |
---|
数字土壤制图研究综述与展望;曾灿英 等;《地理科学进展》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115908735A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101092380B1 (ko) | 지역기후모델의 모의결과를 고려한 지역기후 앙상블 예측 방법 | |
CN109029368B (zh) | 像方补偿的遥感影像/sar影像高精度几何定位后处理方法 | |
CN110597873A (zh) | 降水数据估计方法、装置、设备及存储介质 | |
CN109521444B (zh) | 一种地壳运动gps水平速度场自适应最小二乘拟合推估算法 | |
CN113704693B (zh) | 一种高精度的有效波高数据估计方法 | |
CN108960334A (zh) | 一种多传感器数据加权融合方法 | |
CN114970341B (zh) | 基于机器学习的低轨卫星轨道预报精度提升模型建立方法 | |
CN110874454A (zh) | 基于混合概率密度的区域尺度毛竹碳储量精确测算方法 | |
CN113281754A (zh) | 一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法 | |
CN115859789A (zh) | 一种提高极地大气温度廓线反演精度的方法 | |
CN116578660A (zh) | 一种基于稀疏数据的电磁目标态势地图构建方法 | |
CN116842877A (zh) | 一种基于多源数据综合利用的小尺度三维风场重构算法 | |
CN109033181B (zh) | 一种复杂地形地区风场地理数值模拟方法 | |
CN115908735B (zh) | 融合有限剖面及表层土壤样点的精细三维土壤制图方法 | |
KR101486798B1 (ko) | 기후정보 편의 보정을 위한 단계적 스케일링 방법 | |
KR20140004915A (ko) | 다중모델 확률예측 시스템 및 방법 | |
CN112949944A (zh) | 一种基于时空特征的地下水位智能预测方法及系统 | |
CN104899464B (zh) | 一种适应噪声条件下的抽样学习机遥感定量反演方法 | |
CN115983511B (zh) | 基于改进统计降尺度方法的降水预估方法和系统 | |
Valent et al. | Calculating areal rainfall using a more efficient IDW interpolation algorithm | |
Kumar et al. | GIUH based Clark and Nash models for runoff estimation for an ungauged basin and their uncertainty analysis | |
CN109145258B (zh) | 基于非线性拟合的威布尔分布参数置信区间估计方法 | |
CN117251989A (zh) | 一种气象站点的碳水通量信息确定方法、系统及电子设备 | |
CN108362307B (zh) | 星敏感器在轨姿态测量精度主成分因素的确定方法 | |
CN108221004B (zh) | 一种铝液界面波动的测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zeng Canying Inventor after: Wu Shaohua Inventor before: Zeng Canying Inventor before: Wu Shaohua Inventor before: Cheng Min |
|
GR01 | Patent grant | ||
GR01 | Patent grant |