排序方式: 共有89条查询结果,搜索用时 15 毫秒
1.
基于ArcGIS环境下DEM流域特征提取及应用 总被引:3,自引:1,他引:3
该文详细介绍了ArcGIS9.2中的水文分析工具箱的使用方法,包括从原始DEM数据提取河网的步骤、应注意的问题等。研究区域选取位于北京山区的红门川小流域,采用1∶10000的比例尺、10m分辨率的DEM作为基本的地形数据,应用ESRI公司开发的ArcGIS9.2地理信息系统软件进行流域水文信息特征的提取;并利用SWAT模型运行水文响应单元(HRUs)的生成,共生成了25个子流域和92个HRUs。经分析,得到的研究区域河网特征以及研究区其他常用的流域特征信息,与实际河流水系特征基本吻合,因此应用DEM划分的流域结果是合理的。 相似文献
2.
3.
重庆市永川区土地利用空间格局变化模拟 总被引:4,自引:0,他引:4
为了研究快速城市化过程中县级尺度土地利用结构特征,从而更精确把握土地利用与覆被变化的动态过程。将GIS技术与CLUE-S模型结合研究重庆市永川区土地利用空间格局的变化。结果表明:永川区2000—2010年土地利用类型变化均以森林和农田为主,各期占总面积90%以上。从2000—2010年城镇面积显著增加,增加了16.11%,且2005—2010年城镇面积变化程度比2000—2005年变化更为剧烈。森林面积在10年间少量增加。10年间农田面积减少了1660 hm2。对永川区土地利用变化设定3种情景进行模拟,并对预测结果进行比较分析。由此得出:在快速城市化的驱动下,永川区土地利用景观格局变化以森林和农田为主,城镇面积大幅度增加,森林面积也呈现增加趋势。相应地农田面积减少。生态保护情景模式下对生态环境有保护作用的土地利用类型有较好的调控效果。 相似文献
4.
针对目前水动力学条件对滴灌系统碳酸钙污垢形成的影响及适宜的污垢控制阈值尚不明确的问题,该研究对不同近壁面水力剪切力(0~0.7 Pa)下的滴灌系统附着碳酸钙污垢总量、晶相组成及表观形貌进行了分析。结果表明:不同剪切力显著(P<0.05)影响了碳酸钙污垢的形成,随着剪切力的增大碳酸钙污垢的总量呈现先增高后降低的趋势,最大碳酸钙污垢形成量的剪切力为(0.42±0.02)Pa。剪切力较低(0~0.42 Pa)时,随着剪切力的增大碳酸钙晶体的尺寸逐渐变大,Ca2+和CO32-的碰撞几率增加且晶体成核效率提高,使得碳酸钙污垢总量呈现增加趋势;剪切力较高(0.42~0.7 Pa)时,随着剪切力的增大碳酸钙晶体大小逐渐减小,且晶体由于高剪切力的作用发生破碎和脱落,使得碳酸钙污垢总量呈现下降趋势。建议灌水器流道近壁面水力剪切力控制在0~0.24 Pa和0.65~0.7 Pa,以减少碳酸钙污垢的形成。本文的研究结果可为高抗堵塞灌水器的研发以及劣质水滴灌技术的应用和推广提供支撑。 相似文献
5.
华北土石山区油松人工林耗水分配规律 总被引:6,自引:1,他引:6
通过野外和室内试验相结合,对华北土石山区油松人工林耗水分配规律进行研究。结果表明:林分总耗水主要包括3个方面:林冠截留蒸发、植物蒸腾耗水和土壤物理蒸发耗水。油松林地总耗水为516.52mm,其中林冠截留占总耗水量的25.63%,土壤蒸发占22.15%,植物蒸腾耗水占52.22%,三者比例为1:0.86:2.04。油松平均林冠截留率为25.4%,平均透流率为64.4%,平均干流率为0.55%,干流雨、林内降雨和林外降雨有很好的线性关系。油松林枯落物最大持水量为1.5mm、枯落物年截水量为48.7mm,占总降雨的10.42%。油松林林内土壤水分蒸发为114.41mm,林外蒸发为197.70mm。油松林生长季林木蒸腾耗水量为269.74mm,6、8月出现两个峰值。 相似文献
6.
7.
[目的]探讨不同因素对超声波协同酶法提取茶多酚效果的影响,优化茶多酚提取工艺.[方法]为研究超声波-酶法在茶叶中提取茶多酚的应用效果,采用单因素试验和正交试验,考察水浴温度、水浴超声时间、加酶量、茶多酚与纤维素酶的料液比和乙醇浓度对超声波-酶法提取茶多酚的影响,从而优化提取条件与工艺方法.[结果]试验得出,提取时间对茶多酚的提取影响最显著,优化得出最佳工艺条件为:水浴时间40 min,加酶量10 ml,水浴温度60℃,料液比为5∶50 g/ml,pH为5时,茶多酚提取率最高.[结论]超声波-酶法应用于茶叶中茶多酚的提取具有省时、节能、高效等优点. 相似文献
8.
为实现自然环境下的板栗果实目标快速识别,该研究以湖北省种植板栗为研究对象,提出了一种基于改进YOLOv8模型的栗果识别方法YOLOv8-PBi。首先,将部分卷积(partial convolution,PConv)引入C2f模块中,缩减卷积过程中的浮点数和计算量;其次,引入加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN),增强多尺度特征融合性能,最后,更改边界框损失函数为动态非单调聚焦机制WIoU(wise intersection over union,WIoU),提高模型收敛速度,进一步提升模型检测性能。试验结果表明,改进YOLOv8-PBi模型准确率、召回率和平均精度分别为89.4%、74.9%、84.2%;相比原始基础网络YOLOv8s,模型权重减小46.22%,准确率、召回率和平均精度分别提升1.3、1.5、1.8个百分点。部署模型至边缘嵌入式设备上,经过TensorRT加速后,检测帧率达到43 帧/s。该方法可为板栗智能化收获过程中的栗果识别提供技术基础。 相似文献
9.
10.