软开关机在高可靠性分布式电法仪器中的设计

嵌入式系统因具有功耗低,功能强大,灵活性好等优点而被广泛用于电法仪器中.由于处理器架构的不同和使用硬件环境的复杂性,嵌入式系统对电源管理并没有一个统一的规范.随着分布式观测系统等"大数据"方法的发展,各个采集站工作时往往需要不停地保存大量的数据.为防止各类突发事件而导致采集站的数据文件被损坏,一个安全的开关机机制就显得尤为重要.为解决这一问题,本文设计了一种基于CPLD的软开关机系统.该系统在工作时,需要电流为30 mA,功耗为0.36 W.实际应用表明,该系统不仅功耗低,消耗资源少,而且安全性好,能有效地应对各类突发事件对数据产生的影响,增强了系统的稳定性.同时该系统具有很强的通用性.     

武义县暴雨洪涝的时空变化特征

为了揭示武义县暴雨洪涝的时空变化特征，基于1970-2018年洪涝及暴雨实测数据，统计分析反映时空变化特征的一系列指标，应用多元线性回归模型，建立水位与径流、降雨的多元相关关系。研究结果表明：洪涝在20世纪70至80年代中期次数偏少，其后开始逐渐增多，且具有3a左右的年际周期变化，12a左右和25a左右的年代际周期变化；洪涝主要发生在主汛期6-8月，其中，6月中旬至7月中旬以系统性暴雨为主，洪涝占全年60%，7月下旬至8月短时暴雨明显增多，山洪占全年50%；洪涝与西部型南亚高压、西太平洋副热带高压的变化特征正相关，同时中低层冷暖气流的汇合强度亦有利于产生洪涝；构建武义江流域水位与径流、降雨多元逐步回归模型，提出一种以水位预报为目标的洪水趋势预测方法。     

气候变化下东北中等流域冬季径流模拟和预测

为了预测未来气候变化下冬季径流，利用寒区水文模型CRHM（Cold Region Hydrological Model platform）模拟2000—2012年和预测2025—2060年松花江二级支流依吉密河上游冬季径流流量。研究结果表明：① 根据2025—2060年际冬季径流深和径流系数变化，发现典型排放浓度增加，冬季径流序列不稳定性增大。② 根据识别突变点位置，发现典型排放浓度越高，累积冬季径流拐点增多。③ 通过相关性分析发现，同时期气候为影响冬季月径流的主要因素，冬季降水是影响冬季月径流变化的主要因素。④ 利用累积量斜率变化率比较方法发现，相对于2025—2042年，2043—2056年和2057—2060年冬季降水增长对冬季径流增长贡献率分别为39.8%和62.6%；相对于2043—2056年，2057—2060年冬季降水减少对冬季径流减少的贡献率为27.0%。     

冕环振荡的物理特征研究

太阳动力学观测站(Solar Dynamics Observatory,SDO)上的太阳大气成像仪(Atmospheric Imaging Assembly,AIA)利用谱线Fe IX 171 (A)在2010年10月16日对整个日面进行了连续的高分辨率观测,获得了高质量的数据.这些高质量的数据提供了仔细研究冕环振荡的样本.通过分析这份数据,发现活动区NOAA 1112在此期间爆发了一个M2.9级的耀斑.该耀斑触发了太阳表面的多个冕环产生强烈振荡.其中最为明显的两个振荡冕环呈现出截然不同的振荡特征.位于西492 Mm,南170 Mm(简称W492/S170,后面出现的坐标位置均采取这种标注)处的冕环做周期为pA0 =385 s的简谐振荡,其振荡方程为x=2.2sin[2π55(t-768)],其中t为时间,单位为s;而位于W559/S142处的冕环则是一种典型的阻尼振荡,其阻尼振荡周期为Pf =449 s,相应的振荡方程可表示为x=24.8e-2π/342tsin[2π/449(t-1128)].     

气候变化下东北中等流域冬季径流模拟和预测

为了预测未来气候变化下冬季径流，利用寒区水文模型CRHM（Cold Region Hydrological Model platform）模拟2000—2012年和预测2025—2060年松花江二级支流依吉密河上游冬季径流流量。研究结果表明:①根据2025—2060年际冬季径流深和径流系数变化，发现典型排放浓度增加，冬季径流序列不稳定性增大。②根据识别突变点位置，发现典型排放浓度越高，累积冬季径流拐点增多。③通过相关性分析发现，同时期气候为影响冬季月径流的主要因素，冬季降水是影响冬季月径流变化的主要因素。④利用累积量斜率变化率比较方法发现，相对于2025—2042年，2043—2056年和2057—2060年冬季降水增长对冬季径流增长贡献率分别为39.8%和62.6%；相对于2043—2056年，2057—2060年冬季降水减少对冬季径流减少的贡献率为27.0%。     

以地块分类为核心的冬小麦种植面积遥感估算

以提高冬小麦种植面积估算精度为目标,选取种植结构复杂的都市农业区,采用QuickBird影像数字化农田地块边界,以多时相TM影像为核心数据源,以地块为基本分类单元,进行不同特征向量组合、不同分类器的冬小麦地块分类方法研究,并对比分析了基于地块分类和基于像元分类的冬小麦种植面积估算精度。研究结果表明,基于地块分类的冬小麦种植面积估算方法的总量精度和位置精度均高于像元分类;植被指数和纹理信息的引入有助于进一步提高地块分类精度;支持向量机与最大似然均能得到高达97%的总量精度和90%的位置精度,支持向量机地块分类所需的训练样本量远低于最大似然,因此支持向量机更加适合于冬小麦地块分类;冬小麦错分与漏分情况大多发生在细碎地块,其面积总量较小,而大地块错分和漏分较少,因此相对于像元分类,地块分类能在整个区域能得到较高的冬小麦位置精度和总量精度。