排序方式: 共有61条查询结果,搜索用时 8 毫秒
21.
千岛湖水温垂直分层的空间分布及其影响因素 总被引:1,自引:0,他引:1
湖泊热力分层及热力循环深刻影响深水湖泊生态系统。随着全球气候变暖,湖泊热力过程会发生显著变化。作为深水水库型湖泊,千岛湖的热力过程与水环境的变化紧密相连,为了分析千岛湖水体水温、湖泊热力分层参数(温跃层深度、厚度和强度)的分布,探讨温跃层深度与水温、水体透明度以及水深之间的关系,本文根据2014年7月份与2015年5月份对千岛湖全湖60个采样点的水体理化指标的垂向分布调查数据,计算得到千岛湖热力分层参数,进而分析其时空分布特征及主要影响因素。结果表明,千岛湖水体水温垂直分布呈现正温分布,春夏季全湖范围内均存在不同程度的温度分层现象,温跃层深度、厚度和强度均从上游河口向下游敞水区逐步增大,这种空间变化的趋势在7月份比5月份更显著。水温、透明度和水深是影响温跃层深度的主要因素。夏季湖泊热力分层稳定期温跃层深度与表层水温(0—2m)存在显著负相关关系,与透明度和水深存在正相关关系。 相似文献
22.
利用ERA Interim Daily的05°×05°资料对2018年1月3—4日和24—28日出现的两次强降雪过程(分别称为月初过程和月末过程)进行对比分析。研究结果发现,两次过程均为“西阻型”,多冷涡活动,东移高原槽前的西南气流与南下冷空气沿长江一带交汇。月初过程副高较强,中低空西南急流强盛,过程先降雨后降雪,小时降雪量大;月末过程先后受到两次低槽的影响且冷涡较强,低层有深厚冷垫,过程为纯降雪,持续时间长。两次过程均存在低空西南急流输送暖湿气流形成的水汽通量辐合,月初过程还有来自东海的水汽输送。两次过程均存在逆温,月初过程地面温度高于0 ℃,月末过程低层气温低,有冷垫存在。两次过程动力条件较好,暴雪区对应深厚的正涡度柱,低层辐合高层辐散,垂直螺旋度呈下正上负分布,且存在次级环流,增强了上升运动,有明显锋生大值区与之配合,两次过程在动力条件的各项数值指标上,月初过程更有利于降雪。通过雷达分析可知月初过程以层状云降雪回波为主,夹杂一定弱对流云降水回波,速度场上呈牛眼结构,有低空急流配合;月末过程以层状云降雪为主,牛眼结构弱,低空急流比月初过程弱。 相似文献
23.
潮流能是海洋新能源中相对稳定且可提前预报的一类,较传统的拦坝式潮汐能开发具有环境影响小、开发规模灵活等优点,其大力发展可为海岛经济发展和海洋观测设备提供能源。文章对潮流能发电技术的研究现状进行了总结分析,详细介绍了水平轴、垂直轴和其他形式潮流能发电装置的构造以及国际上主流装置的设计参数和试验示范情况,重点对比分析了不同类型潮流能发电装置的特点和技术参数,简要总结了我国潮流能示范电站安装运行情况,并对其装置类型、导流罩作用以及布放形式等内容进行了讨论,可为我国潮流能资源的开发利用和潮流能装置测试区建设提供科学参考和设计依据。 相似文献
24.
25.
明确当地臭氧生成敏感性变化的主控因子是制定有效臭氧污染控制策略的前提。采用卫星观测OMI FNR (Ratio of the tropospheric columns of Formaldehyde to Nitrogen dioxide,HCHO/NO2)指示剂将河南省夏季臭氧生成敏感性OFS (Ozone Formation Sensitivity)划分为VOCs控制区、协同控制区和NOx控制区。基于地理探测器,量化气象条件、人为源前体物及其交互作用与OFS的关系。研究揭示:(1)河南省夏季OFS以协同控制区为主,区域内臭氧污染严重,仅次于VOCS控制区。2005年—2015年,FNR值波动下降,OFS向协同控制区转变,主要受NOX减排的影响。2016年之后,FNR值变大,OFS有向NOX控制区转变的趋势。(2)人为源排放是OFS变化的主要驱动因子,平均可解释FNR变化的40.5%(q=0.405)。若CO、PM2.5、NOx和非甲烷挥发性有机物NMVOC (Non-met... 相似文献
26.
27.
海面高度异常 (SSHA) 作为重要的海洋要素,对研究海洋温盐剖面、海洋涡旋等海洋动力现象具有重要意义。然而,传统的海洋预测技术存在着预测时效过短、预测过程复杂等诸多问题,现有的机器学习预测方法也只针对几个点或区域
进行平均,忽略了很多重要信息。因此,本文提出了一种基于经验正交函数和 BP 神经网络 (一种机器学习方法) 的 SSHA预测模型 (EOF-BPNN) 来实现对起报时刻后 30 天的南海 SSHA 预测。首先,对 1993 年 1 月 1 日—2013 年 12 月 31 日的逐日 SSHA 数据进行距平归一化预处理,构建相关系数矩阵,并对该矩阵进行 EOF 分解,获取主成分。然后将主成分输入 BP神经网络进行训练,实现对主成分的预测。最后将主成分预测值与相应的空间模态结合,获取 SSHA 预测值。结果表明,相较于惯性预报和气候态预报,EOF-BPNN 模型不仅能够提供提前 30 天的较为精确的 SSHA 和相应的涡旋演化过程预报,且在整个南海区域拥有更高的 SSHA 相关系数,证明了 EOF-BPNN 模型具有较好的预测性能。 相似文献
28.
29.
30.