首页 > 其他分享 >[实验感悟] 系列(1) 野外实验要遵循的几个原则

[实验感悟] 系列(1) 野外实验要遵循的几个原则

时间:2024-05-15 23:41:16浏览次数:23  
标签:感悟 细致 是否 测量 实验 仪器 数据 野外

关键词:野外实验学生遥感实验种苗表型 作者:ludwig1860 日期:2024.5.15

印象中有2年多没有亲自带学生野外实验了,甚至之前从来没有带学生进行过一次完整地、系统地、历经实验设计 - 方案制定 - 仪器准备 - 方法学习 - 细致考虑 - 野外实践 - 数据整理 - 数据处理整套流程的实验了。

团队中有两三位学生参加过其他学校的综合实验,但是仅仅是负责自己的一部分工作,并没有完整的经历。

在今天前,我一直没有意识到,做实验有什么特殊的困难与问题,因为本身我是一位相对比较细致的人,我默认所有的同学做事都应该是这样,但事实并非如此,同学们在实验前、中、后可能会产生各种各样意想不到的问题。

根据我自己的思考,我总结了三条原则,可供参考!

unsetunset1. “细致”是第一原则unsetunset

我个人认为,细致是做实验的第一原则,细致体现在各个环节。就像我自己总跟学生们说,想做好任何事,最重要的是用心,不是自我盲目感觉自己用心了、细致了,就是真的用心和细致,而是通过三省吾身之后,确实达到自己能做到的最好了,那才是真的用心和细致。

举个例子,利用光谱仪测量叶片的光谱反射率:

  • 首先要保证了解反射率测量的基本原理(需要测量的是DN值?辐亮度?等等);
  • 其次是测量的基本过程(测参考板,测叶片,二者怎么放置?叶片下面是否要有黑布?等等);
  • 然后是仪器操作的步骤(什么时候做暗电流和参数优化,采样多少次,选择反射率测量还是辐亮度测量?等等);
  • 再者是所选叶片的代表性(选择植株顶部的叶片还是其他某个位置的叶片?选择几个植株?);
  • 还有野外测量环境的影响(太阳角度变化、光照强度变化、周围地物遮挡与散射等?);
  • 此外测量时的序号是否和被测植株与叶片能对应好,少给自己的数据整理添麻烦。
  • 最后是测量过程中,是否能够查看数据,根据经验判断数据是否合理等。

看,仅仅是一个仪器,一种测量,需要考虑到的地方竟然有那么多(甚至并没有完全考虑),如果不细致,怎么行呢,必然会导致数据质量、测量效率等诸多的问题

unsetunset2. “负责”是第二原则unsetunset

如果我们把做实验当成自己一定要好好完成的事情,必然会更有责任心。当然,如果某个实验的数据,并非是某个同学自己需要的数据,那责任心必然会大打折扣,这是人性所致。

但我建议同学们,要抱着从实验中学习到东西的心境、要抱着对数据的敬畏之心、要抱着让自己学会周全考虑事情的态度,去做实验,这样即便并非是自己所需的数据,也能极大提升自己的责任心,更重要的是锻炼了自己。

同学们往往认为,自己挺负责呀,没有啥不负责呀,老师让测什么就测什么呗,还想怎么着。但其实,这种负责并非真正的负责。

举个例子,利用地基激光雷达测量森林的点云,负责应该体现在以下这些方面(包括但不限于吧):

  • 这个仪器团队是否有? 是否能借到?
  • 拿到仪器后,自己是否会用,找人去教一下?
  • 实验之前仪器是否充满电,即便充满电电池电量可能不够用,怎么办?
  • 实验日的天气预报情况如何,有大风或者云雨天气吗,查了吗?
  • 估计一下可能有什么样的突发情况?
  • 实验数据采集完整了吗?
  • 测量的数据可靠吗? 真的可用吗?是真的吗?
  • 实验完成后,仪器地里面带回来,仪器和箱子上的土是否擦干净了?
  • 数据导出和整理后,是否有说明文档,方便自己和别人使用呢?

unsetunset3. “主动”是第三原则unsetunset

做实验、想问题是否主动,其实核心在于是否有求知欲。如果真的无欲无求,那至少能做到安排什么就干什么,但如果想干的很好,估计也不够。如果有强烈的求知欲,那往往就会积极地去思考、去行动,来解决自己内心的困惑。

做实验的主动性其实体现在如下几个方面:

    • 自己开展的研究,所需的数据是否够用,是否需要实验获取新的数据
    • 自行设计一个实验方案,规划一下地点、目的、内容、步骤、仪器和人员
    • 找老师商量一下实验的可行性,探讨有什么不足,并进行改进
    • 作为实验负责人或者某项测量负责人,主动思考可能存在的问题
    • 自己的测量结束,周边尚未完成测量的同学是否需要帮忙

其实主动是一个很难得的素质,比细致和负责更加难得,因为主动属于额外的东西,更加高层次的特征,如果说细致和负责决定了一个人研究的下限的话,主动就会决定一个人研究的上限


有的看官会问,有没有第四、第五原则呢,我想可以有,但其实也不必有了,因为只要能坚持上述三个原则,就已经非常非常好了。

俗话说“是骡子是马,拉出来溜溜”,只有通过实验,我们才能够发现自己原来在很多地方存在不足,也会注意到自然世界的复杂性,更会意识到自己可能可以通过某个发现来解决一个重要的问题。

以上三个原则,愿与诸君共勉,

标签:感悟,细致,是否,测量,实验,仪器,数据,野外
From: https://www.cnblogs.com/ludwig1860/p/18195058

相关文章

  • 实验26 使用bert构件词向量错误解决方案
    已经有源码没有报错,按步骤准备在terminal启动bert-serving-server,输入命令之后报错显示没有这样的命令:原先是按照网上的教程用:pipinstallbert-serving-server#serverpipinstallbert-serving-client#client,independentof`bert-serving-server`这俩命令安装了服......
  • 实验三 电子传输系统安全-进展1
    任务详情上周任务完成情况(代码链接,所写文档等)本周计划上周任务完成情况将上学期电子公文传输系统重新调试通过哈希存储用户口令并且加盐,能够切换哈希算法使用国密证书任务完成情况启动系统成功哈希口令并加盐成功使用国密证书失败上周任务详情1......
  • 实验二——进展一
    进展一在Ubuntu上更新openssl库并熟悉sm3和sm4加密算法的调用过程重新部署上学期的电子公文传输系统代码,并通过小组讨论的方式初步总结系统不足和能力范围内的进步空间通过动态白盒测试、动态黑盒测试的方式对系统加密部分进行检测,结合讨论出的弱点和老师进一步的要求进行初步......
  • 实验12-使用keras预训练模型完成猫狗识别
    win10python3.7tensorflow-gpu2.6.0keras2.6.0 出现ValueError:Askedtoretrieveelement0,buttheSequencehaslength0原因:老师给的代码中标红的文件夹下没有所需文件或缺失 解决办法:将image文件夹下的test下的cat和dog文件夹分别复制到dc下的test和train......
  • 实验10-使用keras完成线性回归
    VMware虚拟机Ubuntu20-LTSpython3.6tensorflow1.15.0keras2.3.1运行截图:   代码:importnumpyasnpnp.random.seed(1337)fromkeras.modelsimportSequentialfromkeras.layersimportDensefromsklearn.metricsimportr2_scorefrommatplotlibimportp......
  • 实验11-使用keras完成逻辑回归
    VMware虚拟机Ubuntu20-LTSpython3.6tensorflow1.15.0keras2.3.1运行截图:   代码:importnumpyasnpfromkeras.modelsimportSequentialfromkeras.layersimportDense,Dropout,Activation,Flattenimportmatplotlib.pyplotaspltfromsklearnimport......
  • 实验8-tensorboard
    VMware虚拟机Ubuntu20-LTSpython3.6tensorflow1.15.0keras2.3.1运行截图:   代码:实验8-1tensorboard可视化importtensorflowastf#定义命名空间withtf.name_scope('input'):#fetch:就是同时运行多个op的意思input1=tf.constant(3.0,name='A')#定义名......
  • 实验3-特征处理
    VMware虚拟机Ubuntu20-LTSpython3.6tensorflow1.15.0keras2.3.1运行截图: 代码:实验3-1标准化fromsklearn.preprocessingimportStandardScalerfromsklearn.preprocessingimportMinMaxScalerfrommatplotlibimportgridspecimportnumpyasnpimportmatplo......
  • 实验4-交叉验证
    VMware虚拟机Ubuntu20-LTSpython3.6tensorflow1.15.0keras2.3.1运行截图: 代码:fromsklearn.model_selectionimporttrain_test_split,cross_val_score,cross_validate#交叉验证所需的函数fromsklearn.model_selectionimportKFold,LeaveOneOut,LeavePOut,Shuffle......
  • 实验6-使用TensorFlow完成线性回归
    VMware虚拟机Ubuntu20-LTSpython3.6tensorflow1.15.0keras2.3.1运行截图:  代码: %matplotlibinlineimportnumpyasnpimporttensorflowastfimportmatplotlib.pyplotaspltplt.rcParams["figure.figsize"]=(14,8)n_observations=100xs=np.li......