产流积水法测量坡地降雨入渗动态过程及其精度估计

坡地土壤的降雨入渗性能对于水文过程、土壤侵蚀、水资源相关方面的研究和实践非常重要。产流积水法采用由实验得到的数据，分析了不同坡位土壤入渗率及累积入渗量随降雨时间的变化过程。结果表明不同坡位入渗过程曲线反映了坡面径流到达前后，实际入渗率从降雨强度控制阶段跃升到入渗性能控制阶段，并最终趋于稳定入渗率的全过程。入渗区不同坡位的累积入渗量从坡顶至坡底逐渐减少，而且径流在坡面上推进速度越快不同坡位上的累积入渗量差值越小。通过理论分析，确定了观测径流推进距离误差所引起的测量结果的误差。用水量平衡原理对产流积水法实验结果进行精度估计，并提出了由实测入渗率求入渗水量的解析方法，并将此与实际降雨量进行比较，间接地估计了测量结果的精度。结果表明，产流积水法测量坡地降雨/径流入渗性能具有很高的精度。     

DEM提取坡度产生的边缘效应分析

由DEM提取地形因子时一般采取3×3窗口分析运算,导致得到的地形因子矩阵在边缘上存在明显边缘误差。以黄土高原不同地貌类型区坡度的提取为例,研究基于1∶10 000和1∶50 000比例尺DEM提取坡度时所产生的边缘效应,分析了边缘效应与DEM分辨率、区域面积及区域地貌特征之间的关系,提出了解决或改善边缘效应的方法。用2个指标量化了边缘效应:一是平均坡度的变化值;二是边缘部分坡度提取的中误差。试验结果显示:平均坡度的变化值与DEM分辨率、区域面积及区域地貌特征之间有较明显的相关关系,即分辨率越高、区域面积越大,地面起伏越小,则边缘效应对整个区域平均坡度的影响就越小;而边缘部分坡度提取的中误差与区域面积没有明显的稳定相关关系,但与DEM分辨率和区域地貌特征之间存在较明显相关关系,即分辨率越高,地面起伏越大,则边缘上坡度提取的中误差越大。     

不同比例尺DEM提取地面坡度的精度研究——以在黄土丘陵沟壑区的试验为例

以陕北绥德县韭园沟流域为试验样区 ,采用高精度 1∶ 1万 DEM所提取的坡度为准值 ,应用多层面复合分析和比较分析的方法 ,研究该地区 1∶ 5万 DEM提取地面坡度的误差特征与纠正方法。试验结果显示 ,所获得的不同空间尺度下 DEM所提取坡度值的转换图谱 ,可对 1∶ 5万 DEM计算的地面坡度统计值进行有效修正。该成果对于 DEM数据在水土保持领域若干应用标准的制定 ,提供了重要的理论依据与技术路线     

基于自适应逆控制的干燥窑温度控制方法研究

针对传统产品干燥温度控制过程中所使用的非自适应反馈控制器参数不易调整的不足，提出了基于反馈误差学习(Feedback-Error-Learning, FEL)的自适应逆控制方法，并将其应用于JBGZ-2.0型干燥试验窑的温度控制。该方法使用一个传统的反馈控制器和一个可自适应调整的神经网络控制器共同作用，其中神经网络的自适应参考信号采用反馈误差，使算法简单并易于实现。由于采用了PID控制器，神经网络的学习无需事先训练即可使系统保证稳定。试验证明：与只用PID控制器方法相比，该方法不但能保证系统稳定性要求，又能满足控制系统的自适应性和未确定性要求，具有更好的动态响应特性，系统响应快，超调小，稳态精度高，在系统参数变化时温度控制稳态误差由只用PID时的3℃提高到0.5℃。     

气象要素时间分辨率对参考作物蒸散估算的影响

参考作物蒸散(reference evapotranspiration,ET0)的准确估算是农业水资源合理利用的重要环节。为了明确气象要素不同时间分辨率对参考作物蒸散估算的影响,该文基于寿县国家气候观象台2007-2013年观测资料,将1min时间分辨率数据平均值作为真实值,分析了10、20、30、40、60 min、4次/d(02:00、08:00、14:00、20:00)和3次/d(08:00、14:00、20:00)这7种不同时间分辨率对逐日气温、风速、太阳辐射、相对湿度和日、月及年参考作物蒸散(ET0)估算的误差情况。结果表明:ET0和气象要素的误差整体上随时间分辨率降低而增大。4个气象因子中,日平均风速估算受时间分辨率变化的影响最显著,误差最大;其次是太阳辐射。逐日ET0估算在7种时间分辨率的平均绝对相对误差(mean absolute relative error,MAPE)依次为0.53%、1.01%、1.38%、1.72%、2.46%、4.72%和6.14%,表明10至60min时间分辨率的估算效果相较3次/d和4次/d有明显改善。10至40 min的绝对误差超过95%都在-0.20~0.20 mm/d区间内,误差较小且集中度高;太阳辐射时间分辨率变化对ET0估算误差贡献最大,其次是风速,这主要是由于两个要素本身对分辨率较敏感且分别是ET0辐射项和动力项的主要组成因子。时间分辨率的变化对累计后长时间尺度ET0的影响较小,月和年ET0的误差明显小于逐日ET0,月ET0在7种时间分辨率的MAPE值依次为0.13%、0.21%、0.27%、0.40%、0.50%、1.18%和1.48%;各年ET0相对误差(relative error,PE)的绝对值多数均小于0.50%。     

采用不同方法测量切沟的误差分析

使用卷尺测量切沟的体积和面积是研究土壤侵蚀中最常用也是传统的测量方法,着重分析了使用卷尺测量切沟时,测得切沟体积的误差。其误差主要包括由卷尺精度限制而导致的误差,以及由测量原理所造成的系统误差。运用误差传递公式计算由卷尺精度限制导致的误差,这种误差与测量相邻横截面的间隔长度无关,只与测量仪器即卷尺有关;对于不同的切沟,卷尺精度导致的误差占所测切沟体积的百分比也是基本相同的,不到2%。由测量原理造成的系统误差又可分为两种：由于横截面不规则造成的系统误差,最多可达到体积的2%;由于相临两个横截面之间形状不规则造成的系统误差。在野外测量的时候,每次测量距离保持在10 m左右比较合适。卷尺测量与差分GPS测量的切沟体积的比较表明,单次测量误差较大,在10%左右,而两次测量的体积差,即两种方法所得的切沟体积的年际变化量相差不大。也就是说明,用卷尺测量切沟体积的年际变化是有效的。     

饲料分析检验过程的质量保证与控制

在饲料分析检验过程中不可避免产生系统和随机误差,从而影响分析结果的准确度。系统误差是由于检验过程中某些确定的、经常性的原因所造成的误差．它对检验结果的影响比较固定．在重复检验过程中可以重复地表现出来．系统误差产生的原因和来源主要包括仪器误差、试剂误差、测定方法误差、分析人员个人误差等。随机误差是由于一些偶然的外部因素所引起的．产生随机误差的因素不定。     

禽流感血凝(HA)和血凝抑制(HI)试验易出现的误差分析

禽流感血凝(HA)和血凝抑制(HI)试验是禽流感疫病监测和免疫抗体检测中最为常用的方法。近年来,随着动物疫病防控形势的需,禽流感疫病的日常监测、集中监测和免疫抗体检测工作量逐年增加,禽流感血凝(HA)和血凝抑制(HI)试验成为当前基层兽医实验室检测禽流感的唯一技术方法,其试验结果的准确性直接影响着重大动物疫病防控策略的制定。通过开展基层兽医实验室比对试验发现,影响禽流感血凝(HA)和血凝抑制(HI)试验的因素诸多,分析试验结果和关键操作步骤,找出试验误差,以便从试剂配制、器材准备和操作规范三方面完善试验操作。     

应用RBPT监测布鲁氏菌病误差原因分析

布鲁氏菌病（Brucelosis）是由布鲁氏菌病引起的人畜共患传染病,是国家二类传染病。本病广泛分布于世界各地,能引起不同程度的流行,给畜牧业和人类的健康带来十分严重的危害。其特征是生殖器官和胎膜发炎引起流产不育和各种组织的局部病灶。     

不同样本尺度和分区方案的粮食产量空间化及误差修正

粮食产量数据空间化有助于粮食产量数据与其他自然、人文数据进行综合分析,但空间化过程中必然会产生误差。该文按照3种分区方案(全国不分区、全国分为7个区以及按省分区),选择3种尺度上(县级、地市级和公里网格)的总产及平均产量数据(即4种样本:县级粮食总产、县级平均粮食产量、地市级粮食总产、地市级平均粮食产量)分别为因变量,以对应的3种农田类型(水田、水浇地、旱地)面积数据为自变量,利用多元线性回归分析方法,得到15种空间化模型。采用两阶段误差分析方法,选取2个模型误差评价因子和5个空间化结果误差评价因子,对模型和空间化结果进行误差分析。结果表明:1)空间化过程中,模型精度与空间化结果的精度存在不一致性;2)对于采用同一样本的模型(常数项为0)而言,空间化结果精度随着分区方案的细化先提高再降低,而对于采用同一样本的模型(常数项非0)而言,空间化结果精度随着分区方案的细化而降低;3)在全国不分区和分为7个区2种情况下,空间化结果精度随着分析样本尺度的细化(从地市级到县级再到公里网格)先提高后降低。根据上述分析结果,最终以县级粮食总产为样本、常数项为0、全国分7个区建模的方案实现全国粮食产量数据空间化,并通过修正,得到2005年中国粮食产量公里网格分布图。该研究弥补了粮食产量空间化误差分析的不足,探寻了不同样本尺度和分区方案与空间化误差的关系,提高了空间化精度,同时对其他类型的社会经济统计数据空间化研究具有一定的参考价值。