排序方式: 共有23条查询结果,搜索用时 46 毫秒
1.
2.
蝗虫是常见的害虫之一,对农作物和生态系统具有很大的危害,采用常规的方法对蝗虫进行监测存在一定局限性,为了有效应用海量野外影像数据实现对蝗虫实时监测,本文建立了一种基于深度学习网络的蝗虫自动识别模型。利用手机模拟摄像头获取的内蒙古锡林浩特附近草原的280张蝗虫的RGB图像,采用深度学习算法中的Faster R-CNN(Faster Region-based Convolutional Neural Network)网络结构建立了蝗虫识别模型。经验证该模型的精确度为0.756,可以较准确地将蝗虫从野外复杂环境中识别出来,与以往同类研究相比,在识别结果和实用性方面均有较大的进步。该模型是建立蝗虫实时监测系统的基础,可以为蝗虫的防治提供辅助信息,同时该网络结构还可以应用于其他害虫的识别,具有较强的推广性,拓宽了深度学习算法的应用领域。 相似文献
3.
利用1996-2010年逐时红外云顶亮温(TBB)数据,对青藏高原(下称高原)和东亚地区暖季(3-9月)中尺度对流系统(MCSs)进行了普查,获得MCSs各项特征数据集;结合CMORPH降水资料对MCSs降水特征进行了分析,在此基础上又对高原和东亚地区的MCSs特征进行了对比分析.结果表明:(1)高原是东亚地区MCSs高频发生区域,高原MCSs的平均发生频次远高于东亚25°N以北地区,是东亚25°N以北地区唯一的MCSs活动高频区.高原腹地是高原地区MCSs发生的高频区,在31°N,88°E附近MCSs的发生频次最高.(2)高原地区 MCSs分布有明显的月际变化,春季主要出现在高原北部,夏季主要出现在高原中东部和南部.高原地区MCSs的月际变化特征与东亚地区基本一致,东亚夏季风是其月际变化的重要影响因子.(3)高原地区MCSs存在明显的单峰型日变化特征,但春、夏季日变化特征略有不同,高原MCSs的日变化较东亚地区更为显著.(4)高原地区MCSs的降水频次为5.6%,降水贡献率为10.1%,最大降水频次为12%,最大降水贡献率为27%;与东亚地区相比,高原的MCSs降水偏小.(5)高原地区的MCSs大多为向东移动且移速缓慢以及短生命史的MβCS,平均生命史为4.6h,平均面积约为11.2×10-1km2,平均移速为31.5 km·h-1,东移的MCSs占59.4%;与整个东亚地区的MCSs相比,高原的MCSs面积和尺度都较小,生命史略短且移速慢,云顶平均TBB和平均最低TBB均偏高. 相似文献
4.
北京城市空间形态对热岛分布影响研究 总被引:2,自引:0,他引:2
在城市尺度上探究城市空间形态布局对城市热岛(UHI)影响研究,对于城市规划中通风环境改善、生态宜居城市建设具有重要意义。以北京为例,利用2009—2018年高密度自动气象站逐小时气温资料和2018年NPP/VIIRS夜光卫星资料,分析了UHI时空分布特征;利用2017年1∶2000基础地理信息和Landsat8卫星资料,开展了北京主城区建筑高度(BH)、建筑密度(BD)、建筑高度标准差(BSD)、容积率(FAR)、迎风截面积指数(FAI)、粗糙度长度(RL)、天空开阔度(SVF)、城市分数维(FD)等8个空间形态参数和植被覆盖度(VC)、不透水盖度(IC)、反照率(AB)等3个陆表参数的提取,并在城市尺度上开展了这些参数与UHI之间空间相关性及对UHI变化影响研究。结果显示:2009—2018年北京主城区年均、四季以及夜晚02时UHI均存在一个较为固定的形态,年均、春、夏、秋、冬、白天14时和夜晚02时UHI分别为1.81 ℃、1.50 ℃、1.43 ℃、2.16 ℃、2.17 ℃、0.48 ℃和2.77 ℃;8个空间形态参数在一年中大部分时段与UHI存在明显空间相关性,这种相关性在冬季强于其他季节,在夜晚02时强于白天14时,排名前三的分别为SVF、FAR和BD。空间形态参数已超越陆表参数成为UHI变化的重要驱动因子,11种参数对UHI变化的单独贡献为13.7%~63.7%,其中夏季、冬季和全年时段贡献最大的空间形态参数分别是BD(43.7%)、SVF(63.7%)和SVF(45.4%),贡献最大的陆表参数分别是VC(42.6%)、AB(57.1%)和VC(45.3%);夏季、冬季和全年时段多个参数对UHI变化的综合贡献分别为51.4%、69.1%和55.3%,主导要素分别为BD、SVF和BD。 相似文献
5.
基于云和地球辐射能量系统观测数据集(CERES),对比分析了耦合模式比较计划第五(CMIP5)和第六阶段(CMIP6)模拟的历史大气层顶和地表辐射收支的年际变化和空间分布,明确了多模式间不确定性大的关键区域。结果表明:在年际尺度上,除地表向上长波辐射外,CMIP6的辐射分量的集合均值较CMIP5更接近于CERES观测值,全球地表向下短波辐射的高估和大气逆辐射的低估在CMIP6中分别降低了1.9 W/m2和3.3 W/m2。除大气逆辐射外,CMIP6的辐射分量在多模式间的一致性较CMIP5提高。在北极,CMIP6对大气层顶反射短波、大气层顶出射长波和地表向下短波辐射的模拟偏差较CMIP5大。在南北纬60°,CMIP6对大气逆辐射的模拟偏差较CMIP5大。其他区域CMIP6的辐射分量更接近CERES观测值。CMIP6模拟的地表向下短波辐射和大气逆辐射的不确定性较大区域面积较CMIP5减小,但不确定性极大区域面积无变化。地表净辐射的不确定性空间分布在两代CMIP间变化甚小。青藏高原、赤道太平洋、热带雨林、阿拉伯半岛和南极洲沿海依然是地球系统模式模拟辐射收支不确定性极大的关键区域。 相似文献
6.
7.
基于GIS的岩溶地区水土流失遥感定量监测研究——以贵州省(原)安顺市为例 总被引:1,自引:0,他引:1
本文主要介绍了基于GIS的水土流失定量评价模型的组成、各参数因子的算式算法 ,以及该模型在贵州省 (原 )安顺市的应用结果。模型是以修正的通用土壤流失方程 (RUSLE)为核心 ,在GIS中建立模型各因子空间数据 ,并通过PAMAP对它们进行综合分析。定量评价结果表明 ,(原 )安顺市年平均土壤流失总量为 86777吨 ,平均侵蚀模数为 4 0 9.4t/km2 ·a;轻度以上侵蚀面积 72 .7km2 ,强度以上侵蚀面积 53 .2km2 (含剧烈侵蚀面积 3 0 .9km2 )。其平均侵蚀模数与以往实测调查结果相比有 97.5%的一致性 ,表明该方法在贵州省岩溶地区的水土流失监测中具有较高的可靠性。 相似文献
8.
2020年初非洲东北和印巴边境沙漠蝗群席卷多个国家,大面积农田及自然植被被啃食,是什么气候条件促成了此次沙漠蝗灾?距离中国最近的印巴边境蝗群成为研究以及社会关注的热点,蝗灾对当地植被的影响如何?其发展趋势如何?从气候学上分析,蝗灾历史上是否曾经或者未来是否向印度东边迁飞而进入中国呢?本研究利用长时间序列的卫星遥感数据和气象气候观测数据,对沙漠蝗群可能扩展趋势进行了分析。研究结果表明:(1)由于沙漠蝗群的啃食,2020年1月和2月,在蝗群分布区大面积植被区的归一化植被指数较常年大幅度下降,2月(2月3日数据)的啃食面积较1月明显扩大;(2)发生在2018年5月和10月两次印度洋飓风和2019年12月强热带风暴等几个罕见气旋给非洲和阿拉伯半岛带来的强降水,是本次非洲-西亚蝗灾的形成重要原因;(3)从影响沙漠蝗群起飞的气温和沙漠蝗虫适合的降水条件来看,历史上或未来沙漠蝗群迁徙到印度东边的机会很少,进入中国的可能性非常小。 相似文献
9.
作物发育期预报在农业气象业务中具有重要意义。通过比较4种作物发育期模型的模拟效果,为中国东北地区作物发育期预报提供参考。基于东北地区玉米、水稻和大豆的发育期观测数据及其对应的气象资料,利用模拟退火算法估算了4个发育期模型的参数值,并对模型进行内外部验证。结果表明:在参数本地化过程中,高亮之模型和沈国权模型的效果较好,均方根误差平均分别为3.31d和3.72d。在模型验证过程中,沈国权模型的模拟效果较好,均方根误差平均为5.22d,因此,相对而言,沈国权模型对作物发育期模拟效果较好。 相似文献
10.