排序方式: 共有34条查询结果,搜索用时 0 毫秒
11.
统计分析了铜川南、北市区近10a空气污染监测资料和对应的气象资料,并进行相关分析,结果表明:铜川市空气能见度与空气污染API指数(I)对应关系较为复杂,气温、气压、湿度、风等气象条件对污染物分布具有综合性影响。北市区能见度近3a有所下降,三种污染物的API指数I(PM10)、I(SO2)、I(NO2)10a来缓慢下降,表明空气质量在好转;南市区能见度年际变化不大,I(PM10)变化幅度较大。南、北市区I(PM10)、I(SO2)、I(NO2)均为夏季最低,冬季最高,春季次之;空气污染均是PM10最大、SO2次之、NO2最小。相关分析得出,南市区I(PM10)与相对湿度反相关性最好,I(NO2)与日平均风速相关性最好,I(SO2)与相对湿度相关性最好;北市区I(PM10)仅与空气湿度反相关显著。南市区冬季风越大,能见度越好;而春、夏、秋则相反,风速越大,能见度反而降低。年平均风速较大时,大气能见度条件相应较好,较大的风速更有利于大气污染物的扩散;而当相对湿度较大时,大气能见度较差。 相似文献
12.
地理信息是地面望远镜天文选址研究中的重要内容.尤其是对现有地理信息系统(Geographic Information System,GIS)的有效利用,已成为现代选址中远程分析阶段最重要的手段之一.天文址点的考虑在地理条件上应遵循以下原则:相对落差较大、交通可行、尽量远离人口集中的区域.从未来建站维护和人员长期驻站的角度考虑,天文址点以海拔处于3000~5000 m的范围、距离城镇大本营1 h左右车程为最佳.以云南省大姚县百草岭地区为选址研究对象,展示了GIS数据处理能够为全面了解一个候选区域3维地形地貌、江川河流、道路村落、电力分布以及预测该地区未来人口和城市化发展趋势等方面内容提供准确、直观、定量的参考数据.通过基于GIS数据的科学分析,发现海拔3 600多米的大百草岭山顶平坦而又干旱、周围人口稀少、道路便利、无工厂污染源,是地方政府重要自然保护区;它与直线距离10 km外的乡镇之间的相对落差超过了1 500 m,与50km外的县城的相对落差达到1 800 m,是滇中彝州坝区一座名副其实的孤峰.因此,GIS数据分析对于远程选址十分有益,GIS技术是现代天文选址不可或缺的重要手段. 相似文献
13.
14.
15.
16.
采用铜川市宜君、铜川、耀州区3个国家气象观测站和76个区域自动气象站气温观测资料,以及相应的高空探测资料,对2018、2020年铜川市核桃晚霜冻害进行分析。结果显示:造成晚霜冻害的冷空气均是自北向南影响全市,宜君极端最低气温出现时间比铜川和耀州提前1 d,全市极端最低气温均出现在宜君县棋盘镇弥家河。2018、2020年晚霜冻害均属于轻度,2018年晚霜冻害范围和强度均大于2020年;全市晚霜冻害高发区主要分布在宜君县、耀州区西北部山区,宜君县发生晚霜冻害强度、范围较大;受混合型霜冻影响,地势相对较低的低洼地带的最低气温较周边偏低4~6 ℃。 相似文献
17.
18.
空间邻接支持下的遥感影像分类 总被引:2,自引:0,他引:2
传统光谱分类法的局限性促使了遥感“图谱耦合”认知理论的发展, 使其更加注重了空间信息的应用。
然而, 已有的分类方法虽也融入了空间形态、空间关系的应用, 在精度上有一定的提高, 但在空间规律定量描述、
地物实际分布边界跟踪等方面仍存在不足。本文发展了一种空间邻接支持下的遥感影像分类方法: 通过基准地物的
精确提取进而搜索与其邻接的目标地物, 对邻接范围内的地类混淆以及非邻接范围内的目标类误分一并进行修正,
并以近海地物分类为例进行试验, 获得了更为精确、合理的分类结果, 也为后续逐步精确地提取各地物提供了 相似文献
19.
通过细胞形态观察和CCK-8法研究HPN对HepG2细胞活力的影响。采用高糖高浓度胰岛素持续作用诱导Hep G2细胞建立胰岛素抵抗细胞模型,用多功能自动生化仪葡萄糖-己糖激酶法检测海普诺(HPN)对正常Hep G2细胞及胰岛素抵抗Hep G2细胞葡萄糖消耗量的影响。实验结果显示,低浓度的HPN对Hep G2细胞增殖没有影响。HPN与胰岛素协同作用Hep G2细胞,低浓度胰岛素对葡萄糖利用有一定的促进作用;当胰岛素浓度为1×10–6 mol/L时,HPN可明显促进Hep G2细胞葡萄糖消耗。进一步研究表明,HPN在5×10–8~1×10–7 mol/L浓度范围内可明显促进胰岛素抵抗Hep G2细胞的葡萄糖的消耗。HPN可明显改善Hep G2细胞胰岛素抵抗。 相似文献
20.
在复杂的地表环境,地震勘探采集到的实际地震资料信噪比较低,分辨率较差,接收的噪声能量较强,与有效信号存在频谱的重叠.常规的消噪手段很难在保证有效信号幅值的同时,还兼顾噪声压制的效果.本文采用基于分数阶最优控制(Fractional Optimal Control)理论建立的深度学习神经网络——FOCNet来压制地震数据噪声,并恢复微弱同相轴.不同于传统深度学习网络(DCNN)算法大多为基于经验的网络设计,FOCNet具有坚实的数理基础,它从动态系统的最优控制角度阐述了网络的原理,并采用长期记忆的方式增强了网络的稳定性,提高了系统对噪声的消减能力.针对地震数据有效信号在低频带与噪声重叠严重,且FOCNet对数据中、高频信息保留更好这一情况,本文提出了一种基于理想时频分析与FOCNet相结合的算法(TF-FOCNet)来压制地震噪声,提取有效信号.该算法通过理想时频分析,针对性的提取信噪重叠的低频目标数据成分,并与数据的中、高频成分一起送入网络中进行处理并融合,完成噪声的压制,增强了低频信息的保留能力.模拟及实际的实验结果验证了算法在随机噪声、面波压制及微弱信号恢复上的有效性和优越性. 相似文献