排序方式: 共有26条查询结果,搜索用时 15 毫秒
21.
22.
仁者乐山,智者乐水,亲近山水是人的本性。一种最大限度融入山水的旅游活动由专业的运动项目衍生而来,这就是漂流:漂于水上.随波逐流。炎夏将至,且来寻觅一些可以清凉消夏、纵情漂流于山水之间的好去处吧!
黑龙江沽河:穿越无人区
沾河位于黑龙江逊克县西部,发源于小兴安岭山脉北麓,自南向北穿过林区腹地。它在满语中意为“急流”,足见其流速之快。 相似文献
23.
24.
根据乌鲁木齐机场1951~2000年50a的月平均气温、最高气温、最低气温资料。分析了乌鲁木齐机场的气温变化特征。结果表明:机场年平均气温以0.033℃/a的速率上升。冬、春、秋3季气温呈上升趋势,冬季上升率为最大,达到0.0949℃/a;夏季气温以-0.028℃/a的速率下降。近50a乌鲁木齐机场经历冷—暖—冷—暖4个时期.其中1951~1960年是一长时期的冷期。四季均明显;1961~1975年为一暖期;1976~1987年为第二冷期;20世纪80年代末至今为一长时间暖期。气候变暖主要表现在冬季变暖。异常冷年(季)70%出现在20世纪50年代,而异常暖年(季)41%出现在90年代。同时50a来,年平均最高、最低气温都呈显著上升趋势,但后者比前者更持续稳定。其增温率更高于前者。这一特点表明最低气温对于监测温度效应加剧可能更为敏感。20世纪80年代末至今,增暖主要发生于夜间。这些事实将有助于对乌鲁木齐机场温度变化的认识。 相似文献
25.
26.
利用2015年1月-2021年3月ECMWF细网格数值预报产品构建训练样本,使用自动机器学习方法构建乌鲁木齐机场温度预测模型。结果表明:(1)ECMWF模式直接输出的乌鲁木齐机场温度平均绝对误差为1.7 ℃,基于自动机器学习方法的Auto-sklearn模型和Auto-Keras模型能够改善模式直接输出的误差,使平均绝对误差降低至1.4 ℃。(2)分析逐月模型预测准确率发现,Auto-sklearn模型的预报准确率(≤2 ℃)在4-10月稳定在85%以上,效果优于其余模型。(3)对于冬季低温天气,Auto-Keras模型预报准确率优于其余模型的效果,平均绝对误差为1.37~1.91 ℃;而对于温度≥0 ℃的情况,Auto-sklearn模型预测效果更好,平均绝对误差为0.93~1.22 ℃ 。 相似文献