如何使用湖泊估算地球半径?-阿里云开发者社区

开发者社区> 小旋风柴进> 正文

如何使用湖泊估算地球半径?

简介:
+关注继续查看

0?wx_fmt=jpeg


重复经典实验总是一件很酷的事。我们之中有多少人会靠自己得出地球半径呢?我不会,至少到现在还不会。我只是相信别人得出的地球半径值。但是,如果古希腊人能算出地球半径,为什么我就不能呢?

你没听说过庞特查雷恩湖吧,这是一个位于新奥尔良北面的大湖泊。该湖泊有若干重要的特征(这些特征对我很有用):

  1. 它有一条长堤,它长24英里,横跨该湖泊。

  2. 该湖泊的湖面非常平静,很少起波浪。

  3. 湖的北岸有一片很好的沙滩。这片沙滩的重要性仅在于,让我有了用武之地。


所以,有一天我去那里游玩。我注意到一些事。这里有两张相片。一张是在离湖面上方很近处照的,另一张是在水面上方眼睛高度上照的。

    0?wx_fmt=jpeg


我注意到的第一件事是长堤在远处一点上隐没到水面下。长堤隐没的该点的位置决定于照相机(或眼睛)的高度。怎么会这样呢?因为地球是个圆球。此外,你会看到,开合桥(吊桥)显得更高,离你更远。应该指出的是,在这一观察位置,长堤斜着远去。越向左行,长堤显得越远。见下图。

    0?wx_fmt=jpeg 


红色箭头表示照相机的位置,另一个黄色定位销表示吊桥。长堤显示为一条南北向的直线。但是真正的问题是,如果知道长堤与我之间的距离,我能据此距离算出地球半径吗?那可酷毙了。但是从哪里着手呢?请看下图。

    0?wx_fmt=jpeg 

这是什么乱七八糟的东西。我来告诉你,这是我和该桥的一幅侧视图,示出长堤隐没于水平线下的地点,其中:

  1. h1为照相机在水面上方的高度。

  2. h2为长堤在水面上方的高度。

  3. x1和x2为照相机和长堤与可见水平线之间的距离。


设图中弧长(如s1)与直线距离(x1)大致相等。显然,严格说来这并不准确,不过也差不了多少。


 如此,从该图得到两个巨大的直角三角形。使用毕达哥拉斯定理得出:

    0?wx_fmt=jpeg

    

    可以看出,斜边为h1+R。然后R可表为:

    0?wx_fmt=jpeg 

    

马上检查一下该表达式中各项的长度单位是否一致。此外,如h1大于x1,半径的值会是负数。这没错,因为如高度大于与水平线之间的距离,就不是在求解该问题了。

    

接着同样处理另一边的直角三角形,得出:

    0?wx_fmt=jpeg 

    

实际上我并不知道x1或x2的值。但我知道它们的和,即我与长堤之间的距离。设该距离为d,得出;

    0?wx_fmt=jpeg

    

用此表达式消去第一表达式中的x1,得出

    0?wx_fmt=bmp

    

使用这一表达式和R的另一表达式 可算出x2:

    0?wx_fmt=bmp 

    

对不起,你们必须看这一串等式,但这是少不了的。因为,如我最后得出结果根本不靠谱,你们可知道我是在哪里出了错。至少长度单位是一致的。哦,我还没得出地球半径呢。但我至少已把它表示为一个可使用的二次方程了。我甚至还没准备好计算x2。


如能算出x2,就能用前面的方程式算出R。x2两个值中的一个可能与实际情况不符。


 估计值

 那么需要哪些数据呢?首先得知道d――我与隐没于水中的长堤之间的距离。尽管在实际生活中这很容易看到,但在我的相片中可看不出这个距离。但可求助于吊桥,因为吊桥的位置是不变的。照相机在水面上方约10cm处时吊桥顶部消失。吊桥离我的距离可用谷歌地球确定为d=11,400m。

    

那吊桥的高度是多少呢?介绍该长堤的官方网站列出了吊桥的净高为45英尺。这是吊桥合上时的高度。因此,此时吊桥的顶轨在水面上的高度可能为50-55英尺(不计桥塔和很难看到的部位)。设该高度(h2)为16m。

    

好,有了h1、h2和d就能算出x2的可能值了。

   

 结果    

我知道你们已等不及了。你们非常想知道地球有多大,以便计划从欧洲去印度的旅程。好吧,算出x2的两个不同值即可得出R的两个不同值:

    0?wx_fmt=bmp 

     

不太坏吧!地球半径的公认值约为6.38× 106m。如果我的测量能更仔细些,得出的结果也会准确得多。

    

回家如有时间可进一步做的功课:

  1. 用公认地球半径求长堤会在水面上方150cm处照的相片的哪一点上隐没在水中?可设长堤在水面上方的高度为15英尺。

  2. 使用谷歌地球的投影图求得长堤路面高度与吊桥高度之比。见下图。

  3. 估计各初始值的误差值,据此得出地球半径的误差。这里是另一幅相片。我从吊桥的平面部截得一图,把它粘贴在最高部近旁。这会帮到你。

    

     0?wx_fmt=bmp


原文发布时间为:2016-05-14

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
一文快速搞定Redis_数据类型及JavaApi操作
大家好,我是**ChinaManor**,直译过来就是中国码农的意思,我希望自己能成为国家复兴道路的铺路人,大数据领域的耕耘者,平凡但不甘于平庸的人。
10 0
飞天加速计划初体验
最近因需要使用云服务器来学习,老师让我们用这个阿里云类进行相关的学习,让我们先进行免费的使用进行学习,慢慢了解,毕竟对于首次接触的事物都是了解为主不会投入大量资金。阿里云平台有详细的教程,让初学者能十分轻松的进行学习。飞天加速计划是个好想法,可以让我们这些学生进行学习,制作出自己的网站。让我在暑假对计算机有了浓厚的兴趣,于是在阿里云我选择了飞天加速计划,学习大数据和服务器啥的,让自己get到更多的知识~
8 0
一文快速搞懂系列__一文快速搞懂SuperSet[实战案例]
大家好,我是**ChinaManor**,直译过来就是中国码农的意思,俺希望自己能成为国家复兴道路的铺路人,大数据领域的耕耘者,平凡但不甘于平庸的人。
12 0
总结与回顾| 学习笔记
快速学习总结与回顾
6 0
ResNet实战:tensorflow2.X版本,ResNet50图像分类任务(大数据集)
本例提取了猫狗大战数据集中的部分数据做数据集,演示tensorflow2.X版本如何使用Keras实现图像分类,分类的模型使用ResNet50。本文实现的算法有一下几个特点: 1、自定义了图片加载方式,更加灵活高效,不用将图片一次性加载到内存中,节省内存,适合大规模数据集。 2、加载模型的预训练权重,训练时间更短。 3、数据增强选用albumentations。
7 0
InceptionV3实战:tensorflow2.X版本,InceptionV3图像分类任务(大数据集)
本例提取了猫狗大战数据集中的部分数据做数据集,演示tensorflow2.X版本如何使用Keras实现图像分类,分类的模型使用InceptionV3。本文实现的算法有一下几个特点: 1、自定义了图片加载方式,更加灵活高效,不用将图片一次性加载到内存中,节省内存,适合大规模数据集。 2、加载模型的预训练权重,训练时间更短。 3、数据增强选用albumentations。
6 0
无影云畅享
“无影是阿里云打造的云端一体、安全高效的一站式云上办公空间。无影的云桌面、云应用、应用中心、安全浏览器等一系列的云办公能力,通过流化的技术,提供给终端用户,在算力、安全、成本、敏捷、开放等方面,无影具有超越传统PC的优势。”
15 0
飞天加速计划初体验
最近因需要使用云服务器来学习,老师让我们用这个阿里云类进行相关的学习,让我们先进行免费的使用进行学习,慢慢了解,毕竟对于首次接触的事物都是了解为主不会投入大量资金。阿里云平台有详细的教程,让初学者能十分轻松的进行学习。飞天加速计划是个好想法,可以让我们这些学生进行学习,制作出自己的网站。让我在暑假对计算机有了浓厚的兴趣,于是在阿里云我选择了飞天加速计划,学习大数据和服务器啥的,让自己get到更多的知识~
5 0
云计算大数据及人工智能| 学习笔记
快速学习云计算大数据及人工智能
8 0
2736
文章
6591
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载