三峡水库香溪河库湾春季水华期间浮游植物昼夜垂直分布与迁移

三峡水库蓄水后,香溪河库湾每年春季均会暴发硅、甲藻水华.为了揭示香溪河库湾水华的暴发规律,于2008年春季对水华期间优势浮游植物的昼夜垂直分布格局及其影响因子进行了研究.利用时间深度等值图模拟浮游植物在水柱中的昼夜垂直分布格局,并用Morisita指数对其进行定量检验,采用修正的K-S test来检验浮游植物是否存在昼...     

三峡水库香溪河库湾蓝藻水华暴发特性及成因探析

2008年夏季,香溪河库湾自三峡水库建库以来第1次暴发蓝藻水华,水华波及整个库湾,持续时间达1个月之余.为了解这次水华暴发特性及发生原因,本文对蓝藻水华的发生发展过程进行了跟踪调查,6-7月水华发生期间每周采样1次.调查表明本次蓝藻水华的优势种为鱼腥藻(Anabaena sp.)、铜绿微囊藻(Microcystis aeruginosa)、惠氏微囊藻(Microcystis wesenbergii)等,细胞密度高达3.82×10⁸ cells/L,蓝藻相对密度达到90%以上.本文将2008年5-7月与2007年同期理化指标比较发现,2007年5月的N:P为18.6,而2008年5月的N:P较低,为6.2,据文献报道N:P < 8有利于微囊藻的复苏,因此2008年水华前期的低N:P利于微囊藻的复苏,为微囊藻在适宜条件下的大量增殖提供了种源基础.方差分析表明,2008年5-7月各采样点真光层深度显著高于2007年同期,使得底泥中的微囊藻获得一定强度的光照而复苏,这可能是2008年蓝藻水华在香溪河库湾暴发的原因之一.综上所述,在具备充足的营养盐基础、较强的水体稳定性以及较高水温的前提下,香溪河库湾水华发生前期较低的N:P以及较高强度的光照可能是微囊藻复苏的诱导因子,为蓝藻水华暴发提供了种源基础.     

Characteristics of an Explosive Cyclone over Northeast China Revealed by Satellite Water Vapor Imagery

In this paper, an explosive cyclone (EC) that occurred over Northeast China in the spring of 2016 is studied by using 6.7 μm FY satellite water vapor (WV) imagery and NCEP (1°×1°) reanalysis data. Moreover, the evolutions of the upper-level jet stream (ULJ), the vertical motions, and the potential vorticity (PV) are analyzed in detail. Results show that different shapes of the WV image dark zones could reflect different stages of the EC. At the pre-explosion stage, a small dark zone and an S-shaped baroclinic leaf cloud can be found on the WV imagery. Then the dark zone expands and the leaf cloud grows into a comma-shaped cloud at the explosively developing stage. At the post-explosion stage, the dark zone brightens, and the spiral cloud forms. The whole process can be well described by the WV imagery. The dynamic dry band associated with the sinking motion and the ULJ can develop into the dry intrusion later, which is an important signal in forecasting the EC and should be paid attention to when analyzing the WV imagery. Furthermore, the mechanism is also analyzed in detail in this article. EC usually occurs in the left-exit region of the 200-hPa jet and the region ahead of the 500-hPa trough where there is significant positive vorticity advection (PVA). When the EC moves onto the sea surface, the decreased friction would favour the development of the EC. The upper-level PVA, the strong convergence at low level, and the divergence at high levels can maintain the strong updraft. Meanwhile, the high PV zone from the upper levels extends downward, approaching the cyclone. Together, they keep the cyclone deepening continuously.     

刍议杭州市农业环境安全问题

农业生产既是为人类提供生活必须品的生命性生产,又是一种信赖环境的生物性生产,为此,整个世界要求保护农业生产环境安全的呼声越来越高.20世纪初以来,西方发达国家开始投入大量的资金进行农业环境污染治理,并发展多种农业生产方式,试图克服常规农业生产所带来的环境问题.20世纪80年代,联合国提出了"可持续发展"的概念.笔者认为,要达到农业的"可持续发展",必须保证农业环境的"可持续发展".     

台湾岛以东黑潮热输运的季节及年际变化特征

黑潮热输运对我国沿海区域气候变化及海洋生态环境具有重要影响。基于JCOPE2(Japan Coastal OceanPredictabilityExperiment2)模式1993—2016年的高分辨率数值模拟结果,计算了通过台湾岛以东24°N KET(Kuroshio East of Taiwan Island)断面的黑潮热输运,分析了其季节及年际变化特征,结合ONI指数(Oceanic Nino Index)探讨了其与ENSO(厄尔尼诺-南方涛动)事件的关系。研究结果表明, KET断面黑潮热输运具有显著的季节变化,春夏季较大,秋冬季偏小;年均值为1.98 PW(1 PW=10~(15) W),标准差为0.18 PW,热输运强年为1996—1997年和2015年,热输运弱年为2000年, 2002年和2013年。超强ENSO过程对黑潮热输运有显著影响。受超强厄尔尼诺事件影响,台湾岛以东黑潮热输运明显增加,热输运极大值超前ONI指数极大值约5～10个月。利用方差分析得到流速方差项对KET断面黑潮热输运总时域方差贡献最大,解释了热输运总方差最大值的77%,其次是温度与流速协方差项以及温度方差项,分别解释了热输运总方差的15%和6%。     

车辆轨迹数据提取道路交叉口特征的决策树模型

众源车辆轨迹数据隐含最新的道路分布信息,研究利用轨迹数据提取道路特征有益于基础路网数据的快速建库与更新。道路网由交叉口和连接交叉口的道路线构成,其中交叉口特征识别是整个道路网生成的关键。由于缺乏精细的交叉口识别模型,轨迹数据生成的道路网容易出现路口遗漏、结构失真等现象。针对这一问题,本文提出一种利用轨迹数据提取道路交叉口的方法。首先,分析车辆在交叉口与非交叉口区域移动轨迹几何形态及隐含动力学特征的变化情形;然后,利用决策树方法构建轨迹片段分类模型,并结合移动开窗式的轨迹线剖分模型建立交叉口区域变道轨迹片段提取方法;最后,依据Hausdorff距离对交叉口区域轨迹片段进行聚类,并提取中心线获得完整的道路交叉口结构。采用真实的车辆轨迹线作为测试数据,验证了本文提出方法的有效性。     

基于FME的GIS到CAD数据"无损"转换

以FME为转换平台,通过数据源分析、图元数据转换映射、转换方案设计、转换流程及模型参数的设置等研究,构建了基于语义转换的GIS到CAD数据"无损"转换模型.以某市的土地利用现状图为数据源,进行实例验证,结果表明,转换模型实现了GIS到CAD的空间数据和属性数据快速、无损的语义转换,为地图数据的共享与维护提供了可行的解决方案.     

浅谈高平市土地节约集约利用与发展

当前在新增建设用地指标总体紧张的大背景下,土地仍然是影响城市建设发展的“瓶颈“,正确处理保护资源与保护发展的关系,城市外延发展与内涵挖潜的美系,对于城市建设的健康发展至关重要,在社会主义市场经济条件下,如何把“十分珍惜,合理利用土地和确实保护耕地“的基本国策落到实处。这一问题亟待解决,是我们国土资源部门义不容辞的责任和义务。     

建筑物形状特征分析表达与自适应化简方法EI北大核心CSCD

建筑物化简是地图制图领域关注的热点问题之一。集成不同算法构建形状特征自适应的化简模型是应对建筑物多样化形态的有效策略,但当前相关研究主要从局部结构模式或化简结果评价展开,缺乏对形状结构的整体分析视角和深层次认知。本文提出一种深度学习支持下的形状自适应建筑物化简方法。首先,利用图卷积自编码网络对建筑物形状进行深度认知,提取隐含在边界节点分布中的形状特征并进行编码表达;然后,通过监督学习方法建立形状编码与化简算法之间的映射关系,从而实现依据输入建筑物的形状特征选择适宜化简算法的自适应机制。试验表明,本文方法的化简结果在位置、方向、面积和形状保持指标上总体优于单一算法,具备较好的理论与应用价值。