土壤有机质遥感反演

应用小波分析从高光谱数据中提取特征波段，建立了土壤有机质含量的估测模型，该模型能够有效预测土壤有机质含量。

高光谱数据可能存在冗余问题，降低光谱分辨率对黑土有机质预测模型精度有影响。实验结果表明，黑土有机质预测最优模型的光谱分辨率为50nm，低于高光谱遥感波段设置，略高于多光谱传感器波段设置。黑土有机质光谱预测最优模型以倒数对数微分为自变量，模型决定系数R2=0.799，RMSE=0.439。该研究为土壤有机质遥感反演、光谱速测仪器的研制和传感器波段设置提供理论依据。

土壤盐分对植物生长有限制作用，降低了农作物的产量并导致土壤退化。本研究利用Landsat TM多光谱数据分析了突尼斯南部盐渍土壤的情况。研究采用主成分分析（PCA）和聚类分析，确定了最相关的光谱指数，快速预测受盐影响的土壤区域。共收集了66个土壤样本，用于验证地面真实数据。研究发现，电导率与近红外光谱和短波红外光谱的光谱指数高度相关。不同的光谱指数被应用于Landsat数据的光谱带。统计数据显示，近波段和短波红外波段（波段4、波段5和波段7）与盐度指数（SI 5和SI 9）之间的相关性最强。聚类分析揭示了电导率EC与光谱指数（如abs4、abs5、abs7和si5）之间的显著相关性。主成分分析结合了遥感数据的反射带和光谱盐度指数，显示出第一主成分与可见域的光谱带和盐度指数相关性最高，第二主成分与近红外和短波红外的光谱指数紧密相关。总体而言，电导率EC与第二主成分（PC2）呈高度负相关（R2 = -0.72），而与第一主成分（PC1）的相关性较弱。

唐立模、厉凯利用三维粒子图像示踪测速技术，对不同泥沙粒径、比重和水力比降条件下推移质颗粒的三维运动速度进行了测量，并进行了概率密度分析。

matlab的拉普拉斯反演一个非常有效的程序，大大提高了结果了准确率

基于 SIFT 和 SURF 特征提取和匹配 使用 RANSAC 剔除误匹配 SIFT 代码基于 Lowe 源码 SURF 使用 MATLAB 内置函数 detectSURFFeatures()

将您关注的shp格式区域与世界地图遥感栅格影像进行叠加，能够实现更精细化的数据分析和研究。

天宫二号数据的详细说明，包括中心波段及其单位。

土壤污染问题已成为社会关注的焦点。为研究污染物在土壤中的迁移规律，首先需要了解水分在土壤中的入渗过程。本实验设计了5组实验，探讨了水分在非饱和土壤中的入渗特征，记录了不同位置水分含量随时间的变化。通过数据绘图进行统计分析，总结了水分在非饱和土壤中的入渗规律。所有实验器材均根据实验需求设计，用于方便土柱内含水率的测定和数据记录。

优化酯太发射药中NG、TBCN、C2、DBP组分分析方法，简化操作，提升结果稳定性，与原企标方法一致。