1979年5—7月青藏高原及其附近地区热源与水汽的诊断分析

本文利用FGGEⅢ_b级资料对青藏高原及其附近地区1979年5月15日到7月20日的热源和水汽分布进行了计算和诊断分析。所用方法同罗会邦的,计算范围为15—60°N,60—120°E,共分10个小区。分析表明:(1)高原地区是这一时期东亚地区内热源最强和出现最早的。雨季前四周几乎还是热汇时,高原上的热源已经很强,並且在对流层高层最强。(2)高原地区上升运动最强和高空湿度最大。它使四周,特别是南方低空的水汽向高原辐合,然后沿上升气流输送到高原上空,在400hPa以上高空把水汽从高原输送到下游(东边)。从而高原对这一时期的水汽输送起到烟囱效应。     

湿地公园建设的基本理论与应用探讨

探讨了科学发展观、和谐与可持续发展、生态恢复学、湿地文化与湿地美学、文化设计、保护利用提高、距离设计方法等在湿地公园生态文化建设、公园分区与建设布局、湿地安全保障、可持续经营、宣教能力建设中的具体应用。     

开展社會主义競賽,為提前和超額完成第一个五年計划而奮斗——地質部何長工副部長在地質部先進生產者代表会議上的报告

一同志们! 地质部的先进生产者代表会议今天开幕了。我们以极其兴奋的心情向大会祝贺,祝贺你们以忘我的劳动和英勇的首创精神,创造了许许多多的先进事迹,推动了我们地质事业向前发展。使我们地质工作有可能提前完成和超     

边缘约束下的分形网络分割算法

分形网络演化算法（fractal net evolution approach,FNEA）是一种有效的多尺度影像分割算法,但对于具有斑点噪声、局部区域对比度低等特点的高分辨率合成孔径雷达（synthetic aperture radar,SAR）图像,直接应用FNEA算法得到的分割结果难以用于后续的面向对象影像分析。提出了基于边缘约束的FNEA（edge restricted FNEA,eFNEA）算法,通过加入边缘信息和构建异质性规则来为分割融入更多信息,提高分割效果。实验结果表明,对于微弱边缘和噪声污染严重等情形,eFNEA算法的分割结果均优于FNEA算法。     

脂肪和蛋白质营养对封闭循环水养殖大西洋鲑生长和肌肉品质的效应

为探讨饲料脂肪和蛋白质营养对工业化养殖大西洋鲑(Salmon salar L.)生长性能和肌肉品质的影响, 采用3×2双因素试验设计(3脂肪水平: 18%、21%、24%, 即F18、F21、F24; 2蛋白质水平: 38%、48%,即P38、P48),形成6种试验处理膨化颗粒配合饲料,每处理3重复, 通过在工业化封闭循环海水养殖条件下,选用初质量(650.0±45.50)g大西洋鲑720尾,进行动物饲喂试验、肌肉脂肪酸、氨基酸测试等,试验期56d。结果表明: (1)中脂肪水平(F21)和高蛋白水平(P48)饲料的生长性能较佳。增质量率随脂肪水平提高先增加后降低,中高脂肪组比低脂肪组极显著提高43.5%(P＜0.01);高蛋白组极显著提高44.99%(P<0.01);中脂肪高蛋白组合(P48F21)效应最佳;(2)脂肪水平对肌肉氨基酸含量影响不显著。蛋白水平与肌肉9种必需、4种风味氨基酸含量呈正相关,高蛋白组显著提高3.60%～17.00%(P<0.05/0.01);(3)脂肪水平与肌肉不饱和脂肪酸含量呈正相关,而蛋白水平与其呈负相关,高脂肪(P24)和低蛋白(P38)有利于提高肌肉不饱和脂肪酸含量。高脂肪组肌肉Σω-3PUFA、ΣHUFA、DHA、EPA含量比低脂肪组分别极显著或显著提高15.74%、26.60%、15.41%、7.67%(P<0.01/0.05);低蛋白组极显著提高肌肉DHA含量11.91%(P＜0.01)、EPA 10.02%(P＜0.05);低蛋白中高脂肪组合(P38F21、P38F24)效应佳。本试验研究证明,工业化工业化封闭循环水养殖大西洋鲑对脂肪营养需求有一定程度降低,本试验条件下中高脂肪与中低蛋白组合既利于提高生长性能,又增加肌肉ω-3HUFA和主要氨基酸沉积,为工业化养殖大西洋鲑的肉质改善型配合饲料研制提供了重要依据。     

蒙陕矿区地下水环境系统及采掘扰动

针对蒙陕矿区煤炭资源高强度开发与地下水为核心支撑的生态环境保护所面临的诸多问题,根据蒙陕矿区地质与水文地质结构特征,从地下水系统与水环境相关概念内涵及其相互依存关系出发,提出了地下水环境系统的概念;并从系统的空间结构特征、行为属性及其功能控制要素特征入手,将地下水环境系统细分为\     

701-C型雷达因本振不稳定造成的故障及其排除

通过对连平探空站701C型雷达出现的信号消失现象进行分析,经过逐步排查,找出发生这次故障的原因是由于本振损坏造成的,及时更换本振后故障排除。     

融合颜色和深度信息的运动目标提取方法

行人检测是计算机视觉、智能交通等领域研究的热点与难点,基于深度传感器对室内复杂场景下的行人检测展开研究。目前,基于颜色与深度数据的目标检测方法主要包括基于背景学习的方法和基于特征检测算子的方法,前者依赖于视频序列头几十帧的背景知识,帧的数量决定检测质量;后者存在计算量大的问题,训练样本的不足也会影响行人检测结果。因此,深入分析了复杂场景特征,融合颜色和深度信息,提出了RGBD+ViBe(visual background extractor)背景剔除方法,实现前景运动目标的准确提取。实验结果表明,提出的RGBD+ViBe方法在前景运动目标检测准确率方面要明显高于仅考虑颜色或深度信息方法以及RGBD+MoG(model of Gaussian)方法。