排序方式： 共有11条查询结果，搜索用时 15 毫秒
1.
以苏、皖、赣三省为研究区域,采用FastICA算法从MODIS数据中提取2010年水稻种植面积,并验证该算法在混合像元分解中的有效性。在对2010年46景8 d合成地表反射率产品数据进行预处理的基础上,结合MODIS土地利用产品和平滑滤波算法,构建耕地类型像元的ILSW和INDV时相变化曲线。依据ILSW和INDV曲线在水稻移栽期前后的变化规律,并根据由各地区水稻INDV时相曲线计算得到水稻相似性指数,从MODIS影像中提取水稻像元。采用FastICA算法对潜在水稻像元水稻生长期内的INDV时相曲线进行分解,计算每个像元的水稻丰度,绘制水稻丰度图,获取研究区各省水稻分布和种植面积。利用统计年鉴数据和样方资料对FastICA算法提取的水稻面积进行了验证。结果显示:采用水稻相似性曲线有利于提高稻田识别效率,所获取的水稻分布与实际情况吻合;FastICA算法能够分解不同地区水稻INDV时相曲线;与统计资料比较,江苏、安徽、江西三省水稻面积的提取精度分别为86.4%、87.9%、51.5%。江西水稻面积提取误差主要出现在地形起伏较大的山区。 相似文献
2.
利用江苏南京、安徽宣城两地的水稻田间试验数据和气象资料,对ORYZA2000模型基本作物参数进行调整,包括不同发育阶段的发育速率、干物质分配系数、比叶面积等。两试验点的作物营养生长参数(DVRJ)和生殖生长参数(DVRR)差异很大,反应了模型的区域差异性。模拟效果均能准确反应叶面积指数、生物量的动态变化过程,在地上部生物量的模拟准确度最高。两试验点的叶面积指数、地上部生物量、绿叶生物量、茎生物量和穗生物量的归一化均方根NSMSE值分别为9%、19%、18%、13%、25%和16%、25%、17%、19%、24%,因而南京试验点的模拟效果比宣城好,参数更具区域适应性。 相似文献
3.
降水精细化数值预报模式的发展是开展精细化降水预报业务的理想途径,而模式本地化中的误差评估是当前开展业务应用的重要环节。基于此,运用误差分析、晴雨预报准确率、降水TS评分方法评估陕西精细化数值预报攻关团队提供的2016年5月1日~9月30日安康水电站降水预报。结果表明：随着降水时效的增长,降水的预报准确率呈减小趋势;大雨以上的降水过程预报较好且未出现漏报,但量值与实况有差异,预报值小于实况值;20时起报的预报准确率大于08时起报的准确率且夜间的高于白天;降水日数多的月份TS评分预报准确率高于降水日数少的月份。比较安康和石泉的结果发现,安康的预报准确率明显优于石泉,主要原因是安康降水日数比石泉多,且大的降水过程比石泉少。逐1 h、3 h的72 h以内的降水预报可以为安康水电厂水利调度提供参考。 相似文献
4.
利用2010—2012年6—8月西安市逐日电力负荷资料及对应时段地面观测站数据,分析了高温天气过程中日最大电力负荷的变化特征。结果发现,3年间西安地区共发生晴热天气过程5次,闷热天气过程4次,其中晴热天气过程发生在6月,闷热天气过程发生在7、8月,且闷热天气过程的电力负荷增长更加明显;利用日最高气温变化跟踪气象负荷的变化发现,日最高气温33℃为西安市气象负荷初始气温敏感点,35℃为强气温敏感点,38℃为极强气温敏感点;引入积温累积效应,建立了多元回归的电力气象负荷预测模型,经2013年夏季模型应用检验表明,日最大电力负荷预测平均误差为6.0%,能较好的模拟电力负荷的实际变化,对西安市夏季电力气象服务工作有指导意义。 相似文献
5.
浩宇 《资源导刊(河南)》2008,(12)
当我们第一次用自己的眼睛仰望天空,便对着浩瀚的天空和那熠熠生辉的星星产生了一种深深的向往. 宇宙是如何诞生的 各个民族、各个时代都有种种关于宇宙形成的传说,不过那都是建立在想象和幻想基础上的. 相似文献
6.
利用安康及石泉水库2000—2011年逐日入库流量及对应时段安康及石泉流域观测站逐日降水资料,分析了安康及石泉水库入库流量的变化特征及其与流域面雨量的关系。结果发现,安康及石泉入库流量主要集中在7到10月,极端入库流量在7—9月的出现频率最大;入库流量变化与其流域面雨量关系密切,其中6—10月,逐日入库流量与面雨量呈显著正相关;随着面雨量的增长,入库流量呈阶段性增长趋势,安康水库入库流量分别在流域面雨量达到20 mm和40 mm时显著增加,石泉水库入库流量则分别在流域面雨量达到15 mm和30 mm时大幅增加;建立了引入降水累积效应的汛期安康及石泉水库入库流量预测模型,经检验表明模型能较好地模拟入库流量的实际变化,对电力部门汛期水量调度有参考价值。 相似文献
7.
8.
基于西安市2010—2013年逐日最大电力负荷和同期的气象资料,分析了日最大电力负荷的变化规律,利用最小二乘法,除去日最大负荷的节假日效应和周末效应后,将气象负荷从日最大电力负荷中分离出来,建立西安气象负荷率与气温、相对湿度、总云量、降水量、风速的相关关系,并基于2010—2012年的11月—次年2月和6—8月的资料,分别采用逐步回归、多元线性回归和BP神经网络方法建立最大气象负荷和主要气象影响因子之间的预报模型,将2013年对应时间的日最大气象负荷率作为预报效果的独立样本检验。结果显示:2010—2013年西安的日最大电荷存在明显的增长趋势,且存在明显的周末效应和节假日效应;气温是影响气象负荷率的最显著因子,引入温湿指数(THI)的BP神经网络算法对气象负荷率的拟合和预测效果最优。 相似文献
9.
利用2013年8月至2017年12月陕西高速公路交通气象站的路面温度、气温、相对湿度、风速等资料和全球大气再分析资料云量数据,分析四季不同天空状况下路面温度的分布特征,研究路面温度与气象因子的关系,建立多元回归方程。结果表明:四季路面温度有明显的日变化规律,雪后,00:00—08:00为路面结冰较易发生时段;气温是影响路面温度变化的最重要因子之一;对比路面温度实测值与预报值,回归模型对冬季路面最低温度的拟合效果较优,相关系数在0.94以上,标准差小于1,误差在±2℃的频率为98%。此外,模型对路面0℃低温预报水平较高。 相似文献