排序方式: 共有2条查询结果,搜索用时 343 毫秒
1
1.
选用1964—2013年我国中部地区112个气象测站的逐日降水资料,分析了长江中游地区城市化对降水的可能影响。文中选定长江中部地区为背景区域,长江中三角地区为研究区域,对比分析中部地区和长江中三角年降水变化趋势,发现:1)两个区域的年降水量都呈上升趋势,并且长江中三角降水量的增幅较背景地区大得多。2)两个地区季节变化趋势较为一致,均是春秋季降水减少,夏冬的降水增多。其中,春季长江中三角降水量减少的速度比较快,而在秋季则是背景区域降水量减少的要快。夏季长江中三角降水强度增加的速度较背景区域要更快。3)两个区域只有暴雨的年降水量和降水天数均是增加的,而且长江中三角暴雨强度增加速度明显比背景区域快,因此暴雨降水强度增加是导致降水量增加的主要原因,而这可能和城市化进程有关。 相似文献
2.
针对InSAR在数据处理过程中存在对流层延迟误差、解缠误差及处理大范围区域数据需要消耗大量时间和磁盘空间的问题,本文首先利用LiCSBAS和GACOS产品对2016年9月16日至2021年5月5日昆明市134景Sentinel-1升降轨影像进行数据处理,获取昆明市主城区沉降信息,在此基础上得到5个典型地表沉降区并分析其时空分布特征;然后利用深度森林和长短期记忆网络模型进行时序值的预测,引入绝对误差(ε)、均方根误差(RMSE)、纳什系数(NSE)对模型进行评价,深度森林和长短期记忆模型得到的ε均在4 mm以内,RMSE值分别为0.70和3.01,NSE值分别为0.92和0.81。结果表明,深度森林预测模型效果较好,联合LiCSBAS和机器学习模型的城市地表监测和预测的方法可以为今后开展地面沉降监测和灾害预警提供参考。 相似文献
1