排序方式： 共有8条查询结果，搜索用时 359 毫秒
1
1.
新疆西南部一次局地对流性暴雨成因分析 总被引：1，自引：0，他引：1
利用常规地面和探空气象资料、NCEP逐6h1°×1°的再分析资料和(CINRAD-CC)多普勒雷达探测资料,对2012年7月19日新疆阿图什罕见的短时对流性暴雨形成原因进行了诊断分析。结果表明:此次天气是在南疆低涡有利的环流背景下、低层中尺度低涡促进上升运动及触发不稳定能量释放产生的;冷空气的入侵是造成对流扰动发展的重要原因,同时地面小尺度系统对触发不稳定能量释放也有一定的作用;涡散场的配置、垂直速度、低层偏东急流和强不稳定能量满足了对流发生的基本条件,而较强的垂直风切变则使风暴明显增强;从喀什探空订正图来看,修正后的探空资料中各要素对开展强对流潜势预报有很好的指示意义,有待进一步总结验证;对多普勒雷达资料的分析表明,此次强降水具有强回波、强的垂直风切变、大的垂直液态水含量和较高回波顶高等,与强对流天气的发生发展及落区有较好的对应关系。 相似文献
2.
新疆主要湖泊水域面积动态变化研究 总被引：6，自引：1，他引：5
近年来,许多学者提出中国西北特别是新疆地区气候由暖干向暖湿转型的观点,作为重要的转型信号之一,干旱区湖泊及其流域的生态环境变化倍受广泛关注,针对这些问题,本文选用20世纪80年代后期以来不同时期的LANDSAT卫星遥感影像,从新疆北、南、东和西北4个不同方向分别选择了乌伦古湖、博斯腾湖、艾丁湖和艾比湖等典型湖泊做为研究对象,对其湖泊水域面积的动态变化,展开了遥感监测与研究.结果表明,自80年代后期以来,新疆的湖泊水域面积呈现不同程度的扩大趋势,乌伦古湖水域面积由1989年的862.1km2扩大到2002年的899.3km2;与1990年相比,2000年的博斯腾湖水域面积增大了369.9km2;1999年的艾丁湖与1990年相比,约有16.7km2的新水域的生成;艾比湖的水域面积由1990年的547.6km2增加到2003年的1 029.2km2.在与新疆同期气象资料的分析对比后发现,湖泊水域面积的变化与气温和降水量的年度变化呈正相关,且变化的趋势有较好的吻合性. 相似文献
3.
城市活断层探测地球物理方法与危险性评价 总被引：2，自引：0，他引：2
城市活断层探测的地球物理方法主要包括人工地震测深、微重力测量、高精度磁测、电法勘探和天然地震观测等。城市活断层地球物理探测的目的是准确查明地表附近活动断层的空间分布,确定其深部延伸情况,探测可能存在的隐伏活动断层,揭示地下介质的特性和深部构造环境,为活断层的地震危险性评价提供依据。 相似文献
4.
2011年深秋北疆暴雪过程成因分析 总被引：1，自引：0，他引：1
对北疆2011年10月末的一次暴雪天气过程的成因进行了分析.结果表明:暴雪是由欧洲脊部分衰退、乌拉尔槽转竖东移进入新疆后形成的.热力、动力强迫激发的动力锋生机制产生的锋面次级环流是造成降水的直接中尺度系统.暴雪发生在MPV1 ＞0且得到较大增长且MPV2绝对值较大增长、等θe线密集的区域.MPV的分布结构,促进了垂直涡度的较大增长,有利于暴雪的产生和增强.高、低空急流对水汽的输送、次级环流的发展维持和水汽的抬升凝结有重要贡献. 相似文献
5.
2010年新疆北部暴雪异常的环流和水汽特征分析 总被引：5，自引：0，他引：5
2010年新疆北部地区暴雪异常偏多,降雪量和积雪深度记录突破历史极值。利用NCEP/NCAR 2.5°×2.5°再分析资料,对北疆暴雪时空分布特征进行了分析,并对2010年两种暴雪类型发生时的大气环流、水汽输送特征进行了合成分析。结果表明,北疆暴雪多发生在山区和迎风坡上,在暴雪形成过程中地形作用不容忽视;北疆暴雪的发生与极锋急流和副热带急流的位置、强度密切相关,两支急流的叠加和汇合是冷锋暴雪发生的主要大尺度环流形势,极锋急流在暖区暴雪中占主导地位;冷锋暴雪是由北方冷空气与西南暖湿气流汇合造成的,而暖区暴雪是北方南下的冷空气相对更冷而形成的冷暖汇合造成的;冷锋暴雪时地面高压呈西南—东北向,暴雪发生在强冷锋锋区内;暖区暴雪时地面高压呈西北—东南向,暴雪由冷锋前暖锋引发;新疆北部暴雪的水汽以接力的方式输送,伊朗副热带高压的强度和位置的变化对暴雪的水汽输送起决定性作用。 相似文献
6.
To identify the groundwater flow system in the North China Plain, the chemical and stable isotopes of the groundwater and surface water were analysed along the Chaobai River and Yongding River basin. According to the field survey, the study area in the North China Plain was classified hydrogeologically into three parts: mountain, piedmont alluvial fan and lowland areas. The change of electrical conductance and pH values coincided with groundwater flow from mountain to lowland areas. The following groundwater types are recognized: Ca? HCO3 and Ca? Mg? HCO3 in mountain areas, Ca? Mg? HCO3 and Na? K? HCO3 in piedmont alluvial fan areas, and HCO3? Na in lowland areas. The stable isotope distribution of groundwater in the study area also has a good corresponding relation with other chemical characteristics. Stable isotope signatures reveal a major recharge from precipitation and surface water in the mountain areas. Chemical and stable isotope analysis data suggest that mountain and piedmont alluvial fan areas were the major recharge zones and the lowland areas belong to the main discharge zone. Precipitation and surface water were the major sources for groundwater in the North China Plain. Stable isotopic enrichment of groundwater near the dam area in front of the piedmont alluvial fan areas shows that the dam water infiltrated to the ground after evaporation. As a result, from the stable isotope analysis, isotope value of groundwater tends to deplete from sea level (horizontal ground surface) to both top of the mountain and the bottom of the lowland areas in symmetrically. This suggests that groundwater in the study area is controlled by the altitude effect. Shallow groundwater in the study area belongs to the local flow system and deep groundwater part of the regional flow system. Copyright © 2007 John Wiley & Sons, Ltd. 相似文献
7.
Huafei Yu Tinghua Ai Min Yang Jingzhong Li Lu Wang Aji Gao Tianyuan Xiao Zhe Zhou 《Transactions in GIS》2023,27(7):1898-1927
Deep learning is increasingly being used to improve the intelligence of map generalization. Vector-based map generalization, utilizing deep learning, is an important avenue for research. However, there are three questions: (1) transforming vector data into a deep learning data paradigm; (2) overcoming the limitation of the number of samples; and (3) determining whether existing knowledge can accelerate deep learning. To address these questions, taking river network selection as an example, this study presents a framework integrating hydrological knowledge into graph convolutional neural networks (GCNNs). This framework consists of the following steps: constructing a dual graph of river networks (DG_RN), extracting domain knowledge as node attributes of DG_RN, developing an architecture of GCNNs for the selection, and designing a fine-tuning rule to refine the GCNN results. Experiments show that our framework outperforms existing machine learning and traditional feature sorting methods using different datasets and achieves good morphological consistency after the selection. Furthermore, these results indicate that DG_RN meets the data paradigm of graph deep learning, and the framework integrating existing characteristics (i.e., Strahler coding, the number of tributaries, the distance between proximity rivers, and upstream drainage area) mitigates the dependence of GCNNs on plenty of samples and enhance its performance. 相似文献
8.
EH4电导率成像系统是一种混场源频率域电磁观测系统,其能穿透低阻覆盖层并清晰反映深部地质体空间展布特征,具有轻便高效、勘探深度大、分辨率高的特点。在对四川通安-小牛场地区控矿构造勘探中,利用EH4电导率成像系统剖面处理与解释结果,查明了区内隐伏构造及地层界线,证明EH4电导率成像系统在寻找隐伏构造与地质界线过程中的有效性。 相似文献
1