成都城市化发展对局地气候的影响

为研究成都地区城市化对局地气候的影响,利用新一代中尺度数值模式WRF,将不同时期下垫面土地利用类型作为控制试验和敏感试验的模拟条件,探讨了下垫面改变对成都市夏季和冬季城市化效应的影响。结果表明:城市下垫面对夏季中心城区的地表气温升高有显著影响,敏感性试验表明,下垫面的改变引起成都地区夏季28℃以上的高温区域扩大并向东北和西南扩张,且城区的外扩导致周边区域地表气温升高。冬季成都地区常为多云天气,能到达地面的太阳辐射较夏季大大减小,城市化导致的升温作用没有夏季显著。城市化作用使城市上风区降水量以减少为主,下风区降水量以增多为主,城市化使得发生强降水的概率增加,并且强降水在空间分布上更集中在城市下风区。      

MOVEMENT OF GRADED SEDIMENT WITH DIFFERENT SIZE RANGES

1　ＩＮＴＲＯＤＵＣＴＩＯＮ　Ｎｕｍｅｒｏｕｓｓｅｄｉｍｅｎｔｔｒａｎｓｐｏｒｔｅｑｕａｔｉｏｎｓｈａｖｅｂｅｅｎｐｒｏｐｏｓｅｄｉｎｔｈｅｐａｓｔｆｅｗｄｅｃａｄｅｓ.Ｔｈｅａｐｐｌｉｃａｂｉｌｉｔｙｏｆｅａｃｈｏｆｔｈｅｓｅｄｉｍｅｎｔｔｒａｎｓｐ...     

排水管线探测方法探究

排水管线是城市中非常重要的基础设施,其安全稳定对于城市的正常运行具有非常重要的作用。近年来,全国很多地区为整治城市内涝隐患点,加快推进雨污分流改造,解决城区排水管线破损、淤积及雨污混接、错接等问题,相继开展了排水管线调查、检测工作。针对探测排水管线时不同的接触方式,以及调查过程中排水管井、管道内出现的复杂多样的情况,将常规方法、改进设备、物探手段逐一进行比对,分析出各种探测方法的优劣性及适用条件,以便调查排水管线时选用最合适的方法,既能高效地完成探测工作,又能保证测量精度。     

基于深度学习的积层混合云对流泡降水粒子特征研究

为实现对降水粒子的高精准分类,整理3 a机载探测降水粒子图像,构建山东省降水粒子图像数据集（Shandong Province Precipitation Particle Image Dataset, SD-PPID）。结合多维度混和的模型放缩方法,提出一种基于EfficientNet卷积神经网络的降水粒子识别模型（A Precipitation particle Recognition model based on EfficientNet convolutional neural Network,PREN）。通过多模型、多指标评价对比,验证了PREN模型具有较好的性能和分类识别能力,模型的识别准确率、精准率和召回率均为98%。使用PREN模型分析对流泡降水粒子特征,选取2次典型积层混合云降水过程的3个时段,结合机载Ka波段云雷达（Airborne Ka-Band Precipitation Cloud Radar,KPR）和DMT粒子测量系统（Droplet Measurement Technologies）分析对流泡内部与外部、不同强度和不同高度的降水粒子形状占比,并研究其降水...