排序方式： 共有14条查询结果，搜索用时 15 毫秒
1.
秦岭地区植被覆盖动态变化对其生态环境有重要影响。本文利用Google Earth Engine云平台,选取1986—2019年Landsat TM/OLI地表反射率数据,结合像元二分模型估算秦岭地区植被覆盖度(FVC);通过年际变化斜率、变异系数、Hurst指数等评价指标,对FVC的时空变化、稳定性和持续性变化进行分析。此外,探究FVC与气温、降雨的耦合关系,并分析土地利用变化对FVC的影响。结果表明:34年间,秦岭地区FVC整体上呈现良好的状况,中高等及以上植被覆盖区达73.11%;FVC由1986年的62.86%增长到2019年的70.01%,植被活动在不断增强;FVC的变异系数均值为0.34,标准差为0.45,其稳定性与其空间分布呈高度自相关性;秦岭地区的植被覆盖变化受气候变化和人为因素的共同影响。 相似文献
2.
基于改进麻雀搜索算法优化BP神经网络的PM_(2.5)浓度预测北大核心CSCD 总被引：1，自引：0，他引：1
针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM_(2.5)浓度进行预测。通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34。试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM_(2.5)浓度。 相似文献
3.
本文讨论了计算全息光学元件作为半导体激光器与单模光纤之间的模式匹配元件的理论和方法。推导了产生计算全息光学元件的数学方程。由计算机控制绘图机刻制了全息图,照相缩制了全息光学元件,并得出了实验结果。 相似文献
4.
5.
研究季风区小冰期的结构特征和区域响应有助于深入了解季风系统与地球内外驱动力的耦合关系。利用湖北神农架永兴洞YX275石笋的7个230Th年龄和120个碳同位素数据，建立了1 360~1 955 AD期间5年分辨率的石笋碳同位素序列。石笋δ13C与δ18O记录在长期趋势上有很好的对应关系，对小冰期气候响应明显，δ13C记录在大尺度季风环流影响下主要反映了局域湿度变化特征。δ13C序列在1 453~1 890 AD显著正偏，表明小冰期时湿度明显降低。此外，石笋δ13C与亚洲夏季温度、南方涛动指数和热带辐合带记录有较好的一致性，表明亚洲大陆夏季温度和太平洋水汽可能通过影响夏季风的强弱来调控湖北地区的湿度变化。在小冰期内部，δ13C记录在1 450~1 550 AD和1 790~1 830 AD出现进一步正偏，这些振荡分别对应于太阳活动的Sp?rer和Dalton极小期，暗示太阳活动减弱期对中国中部小冰期水文振荡的进一步调控作用。 相似文献
6.
7.
神农架石笋记录的近200年东亚季风变化及其ENSO响应 总被引：2，自引：0，他引：2
通过湖北省神农架永兴洞石笋(编号:YX92)230Th年龄和纹层计数年代学研究,建立了1788AD-1956AD时段年际分辨率石笋氧同位素序列。该序列δ18O值变化范围为-9.70‰~-7.87‰,最大振幅约达1.83‰,呈现显著的年代际尺度振荡旋回特征。功率谱分析结果揭示存在显著的60~70年准周期信号。该记录与同区域和尚洞石笋δ18O曲线具有很好的重现性,说明其可能受控于共同的气候因子,指示了东亚夏季风大尺度环流特征。将石笋重建的东亚夏季风指标与全印度夏季降水量指示的印度夏季风指数对比,结果显示两者在年代际旋回特征上具有很好的相似性,但是呈反相位关系。进一步与ENSO指数对比,发现东亚夏季风年代际尺度变化与ENSO存在密切联系,表现为东亚夏季风增强,对应于ENSO暖期,反之亦然。因此,东亚季风与印度季风在年代际尺度上的反相位关系可能源于两者对ENSO机制的不同响应。 相似文献
8.
基于黔西南雾露洞石笋(Wu32)12个230Th年龄和371个氧同位素分析,获得了末次冰期29～20.8 kaBP分辨率约20年的亚洲夏季风演变序列.该石笋δ18O时间序列与南京葫芦洞记录在重叠时段基本一致,更为详细地记录了深海氧同位素3阶段向2阶段(MIS3/2)转换时期亚洲夏季风强度的变化过程.MIS3/2转换期季... 相似文献
9.
滑坡自动识别能够解决人工目视解译方法速度慢的问题,现有基于深度学习的自动识别方法多以目标检测和语义分割等单任务识别方法为主。本文基于深度学习实例分割网络探索可同时完成滑坡目标定位和语义分割的多任务识别方法。首先,基于谷歌地球影像构建了包含3822个样本的黄土滑坡样本数据集;然后,采用单阶段实例分割网络(YOLACT)构建了基于小样本学习的黄土滑坡多任务自动识别模型;最后,通过大、中、小3种比例尺度的滑坡测试样本对识别结果进行评价。试验结果表明:①滑坡目标定位框(Box)平均精确度为61.66%,滑坡语义分割掩码(Mask)平均精确度为62.0%,大比例尺测试结果中Mask交并比为0.88;②基于YOLACT构建的滑坡识别模型可同时完成滑坡目标定位和滑坡高精度掩码分割的双任务识别,为滑坡多任务自动识别及快速制图提供了技术支撑。 相似文献
10.