首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  免费   1篇
  国内免费   1篇
测绘学   3篇
大气科学   2篇
海洋学   1篇
  2020年   1篇
  2019年   1篇
  2016年   1篇
  2015年   1篇
  2012年   1篇
  2011年   1篇
排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
随着经济快速发展,我国及世界对铝及其产品的需求日益增大[1].利用遥感技术优势,结合地质、化探传统手段,能提高铝土矿资源普查的准确度.多光谱遥感技术在广西靖西-平果地区铝土矿普查中的应用,证实了利用遥感提取出来的信息结合地质、化探等资料进行铝土矿资源调查是行之有效的.  相似文献   
2.
油菜花期物候主要限制因子分析及预报模型的构建   总被引:1,自引:0,他引:1  
张佩  高苹  钱忠海  吴洪颜  江海东 《气象》2020,46(2):234-244
以油菜开花开始时间(即始花期)为研究对象,利用1980—2016年江苏省油菜发育期观测资料和同步气象数据,分析油菜始花期的时空变化趋势。结合油菜生理特性,筛选与油菜始花期显著相关的气象因子。以高淳站为例,采用通径分析明确各气象因子对油菜始花期的作用并评估因子敏感性,最后构建油菜始花期的回归预报模型。结果表明:在气候变化背景下江苏地区油菜始花期呈逐年提前趋势,淮河以南地区平均提前3 d以上;上年日平均气温稳定通过0℃终日(X_1)、当年日平均气温稳定通过5℃初日(X_2)、现蕾至开花前时段内分别大于0℃、5℃和10℃的有效积温(X_1、X_4和X_5)、最低气温分别小于0和5℃的日数(X_6和X_7)及平均最低气温(X_8)等8个因子与油菜始花期相关性达极显著水平;其中2月上旬至3月上旬的平均最低气温(X_8)、日最低气温小于5℃日数(X_7)、大于5℃有效积温(X_4)对油菜始花期的直接影响位列8个因子的前三位,且这3个因子两两共同对油菜始花期的相对影响程度也排在各因子对回归方程R~2总贡献率的前三位;其余5个因子直接效应普遍小于间接效应,且它们主要通过X_4、X_7、X_8对油菜始花期产生影响,而X_4、X_7、X_8也通过这5个因子产生一定影响;去掉任何一个因子,都会引起其他某些因子对油菜始花期的直接、间接作用发生变化;基于这8个因子构建的回归模型可解释68.48%的油菜始花期变化,并具有区域适用性。因此,就江苏地区而言,光照和降水对油菜开花早晚影响较小,热量条件才是江苏油菜开花早晚的主要限制因子,所构建的始花期预报模型可较好反映油菜开花时间早晚与相关热量因子变化的规律。  相似文献   
3.
杨赤中插值法数学模型在解算权系数时存在负权现象,文中初步分析了负权的分布规律,增设非负约束条件,利用最大熵原理分析模型系统对空间权重系数的依赖度,研究消除格网DEM插值的负权问题。通过MATLAB编程验证算法的正确性、准确性,并与二次规划法进行比较。对比显示最大熵法解得权系数大小比例与点位关系相适应,且其估值精度优于二次规划法。  相似文献   
4.
应用一个月潮汐资料分析的理论方法,将一个月潮汐资料调和分析和预测结果与实测情况进行比对,并进行决定系数和方差计算等分析,验证了MATLAB的曲线拟合工具箱可以非常简单地实现调和常数计算.建立的短期预报模式,预报结果与实测资料匹配较好,但也发现了因为意外天气系统干扰而造成实测潮位相对于天文潮位的较大偏离,是预报模型无法避开的缺陷.初步认为,该方法可以作为一种实用方法应用于短期潮汐资料的分析和预报,对于中远期的预报应用具有一定的参考价值.  相似文献   
5.
地形因子和数据密度是空间划分最重要的依据,利用微积分原理推导两者在微元定义下的函数关系,通过等价替代方程进行系统消参,减小系统误差,并结合正三角形空间划分和迭代思想推导其耦合模型,通过有限区域的变比例划分实现空间优化的目标,解决了非凸集合产生非法多边形的问题,最后通过算例验证和对比分析其优越性。  相似文献   
6.
长江中下游油菜春季湿渍害灾损风险评估研究   总被引:2,自引:0,他引:2       下载免费PDF全文
在前期工作基础上,借鉴冬小麦湿渍害判别指数的构建方法,选取降雨量、日照和作物需水量作为油菜湿渍害气象判别指数的构建因子,结合油菜春季湿渍害的产量实际损失,分别从受灾频率、历年受灾站数等角度分析了油菜湿渍害发生的时空分布特征,通过对各气候区平均湿渍害灾年、因灾减产年及各等级减产年的统计,并对比成灾频率和受灾频率,对研究区油菜春季湿渍害进行成灾分析;依据不同等级的减产强度及其发生概率得到油菜湿渍害产量损失风险强度,基于减产频率和产量灾损风险强度最终建立风险评估模型,并依据风险值大小进行分区,同时,为更好地掌握油菜湿渍害在1961—2010年变化情况,分别计算了各地1961—1990、1971—2000及1981—2010年三个时段的风险评估值,以探寻各时段风险区的变化。结果表明:随着时间的推移,研究区内风险高值区范围不断缩小;综合50年的情况看,风险高值区主要位于安徽的江淮西部及江南大部、鄂东南及苏南的局部地区,占全区台站37%;风险中值区的覆盖范围最大,约55%,主要包括安徽东部、江苏的淮北西部、江淮之间、苏南西部及东北部、湖北大部(除了鄂东南、鄂西南的西南角);风险低值区范围最小,约8%,主要分布在鄂北局部和江苏淮北东部地区。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号