排序方式: 共有31条查询结果,搜索用时 46 毫秒
1.
积雪中存在的吸光性污染物对积雪反射率具有显著的降低作用,进而对能量平衡和气候变化有重要影响。但是,污染浓度变化如何影响积雪反射特征仍然缺乏定量描述和深入探讨。选择新疆富蕴作为典型干旱与半干旱积雪实验区,通过人工控制试验在自然积雪状态下生成不同浓度的污染雪样方,并对积雪及污染物自身的反射率进行测量。在实测数据基础上通过构建线性混合模型定量分析不同浓度条件下污染物对积雪反射率的影响力。研究结果表明:积雪反射率降低与污染浓度呈非线性关系,随着污染浓度增大,单位浓度影响力降低,在350~450 nm波段范围1 813 ppm浓度的单位影响力甚至是9 507 ppm浓度的1.5倍以上;同时发现除了污染浓度,积雪与污染物自身物理特性也是影响反射率变化的重要参数。 相似文献
2.
由于光在水中传输时的衰减和散射效应,使得光学成像细节丢失、对比度下降以及颜色偏移失真,导致水下图像雾化。因此在光线条件较为恶劣情况下,水下高性能相机对目标的有效捕捉范围较小,水下光学成像系统通常很难达到令人满意的成像效果。而声呐利用声波在水中传播衰减较小的特点可以进行更远距离的探测。因此,当水下目标距离光学探测设备较远而不能进行准确光学成像来捕捉目标时,可利用声呐采集得到的信息与光学图像进行融合,实现图像增强,提高成像效果。文章提出了一种基于声呐信息融合的水下图像增强方法,首先对水下光学图像分两步进行预处理,即基于暗通道先验模型的去雾增强和自适应图像增强,再使用声呐信息对水下图像进行局部增强,明显提高水下环境中所要探测目标的对比度与可识别度。 相似文献
3.
4.
韩天森;陈金富;李银红;何耿生;李弘毅 《中国电机工程学报》2020,(13):4122-4131
机器学习是解决电力系统稳定评估问题的关键技术之一,但由于普遍存在的模型可解释性不足的缺点,其工程应用面临障碍。针对该问题,提出一种稳定评估机器学习模型通用解释方法,基于加权线性回归和正则化构造局部代理模型以解释原模型。提出2种不同的代理模型训练数据采样方法,得到连续和二元数据,利用两种采样数据分别训练代理模型,模型参数代表状态变量与稳定水平之间的灵敏度和贡献度,揭示机器学习模型的运算逻辑。解释结果可帮助决策者对模型建立信任,并可为稳定控制提供依据。算例对静态电压稳定裕度评估机器学习模型进行解释,验证解释方法的准确性和有效性。 相似文献
5.
林非;李弘毅;杨胜仪;李婷;林国帆;郭辉 《人民长江》2024,(12):93-100
脉冲电场在鱼类行为调控方面具有较好的工程应用意义,但当前研究大多聚焦于脉冲电场参数对鱼类拦截率、昏迷率等表观效果指标的影响,而对鱼类感应和折返行为的影响规律尚不清晰。基于静水水槽实验,通过正交实验设计,研究了脉冲电场强度、脉冲频率和占空比等关键脉冲电场参数对鳙鱼幼鱼感应和折返行为的影响。结果表明:(1)影响实验鱼类感应距离和折返距离的脉冲电场参数由大到小依次为脉冲电场强度>脉冲宽度>脉冲频率;(2)实验条件下鱼类感应距离为40.2~92.2 cm,折返距离为17.4~74.5 cm;(3)脉冲电场强度40 V/m,脉冲频率5 Hz,脉冲占空比5%为较佳脉冲电场参数组合,该工况可在中等电场强度条件下实现较好拦截效率。研究结果可为鱼类行为基础研究和鱼类行为调控工程应用提供依据。 相似文献
6.
7.
8.
风云三号D星(FY-3D)是我国新一代极轨气象卫星。中分辨率光谱成像仪(MERSI-Ⅱ)是其携带的核心传感器之一,FY-3D对于全球数值天气预报、大气定量探测以及气候变化监测等具有重要意义。积雪面积比例产品是众多陆面产品之一,是水文模型和区域气候模型的主要输入参数。基于MERSI-Ⅱ数据发展了业务化提取积雪面积比例的算法,算法核心是混合像元分解。空间光谱端元提取(SSEE)的方法自动提取端元,全约束最小二乘法(FCLS)求解线性混合模型。解混结果叠合云掩膜得到FY-3D/MERSI-Ⅱ积雪面积比例数据(FY-FSC)。以Landsat 8的积雪面积比例数据(L-FSC)作为参考值对FY-FSC进行验证,同时将FY-FSC和MODIS积雪面积比例数据(M-FSC)进行比较。结果表明:FY-FSC的总体相关系数(R)为0.54,均方根误差(RMSE)为0.17,绝对平均误差(AME)为0.10;M-FSC总体R为0.41,RMSE为0.26,AME为0.29;利用积雪面积提取的精度评价因子K比较FY-FSC和M-FSC获取的总积雪面积的精度。结果表明:FYFSC和M-FSC数据的平均K值分别为88.51%和86.78%,FY-FSC精度高于M-FSC。FY-FSC将作为试验参数纳入FY-3D/MERSI-Ⅱ积雪覆盖业务产品中,可填补国产卫星业务化反演积雪面积比例参数的空白。 相似文献
9.
10.
遥感高程数据是获取缺资料地区DEM(Digital elevation models)数据的重要手段。然而,由于高寒山区实地高程测量稀少,难以对多源遥感DEM数据进行统一验证。ICESat-2等新的遥感高程数据在高寒山区也缺乏相应的精度评估。针对此问题,以青藏高原东北缘的冰沟流域作为研究区,采用机载航空遥感获取的大范围LiDAR(Light Detection And Ranging)DEM数据对新产品ICESat-2 ATL06(Ice, Cloud, and Land Elevation Satellite-2, Land Ice Height)、ALOS DEM(12.5 m分辨率)以及新版本SRTM V3(SRTM Arc-Second Global 1 V003)、ASTER GDEM V3(ASTER Global DEM)进行验证,并分析地形因子与均方根误差RMSE的关系。研究结果表明:ICESat-2 ATL06数据在高寒山区的RMSE为0.747 m。由于其较高的精度,可用于验证缺资料地区的其他遥感高程数据。其他遥感高程数据的精度都相对较低,ALOS 12.5 m数据的RMSE为5.284 m;ASTER GDEM V3版本的RMSE为9.903 m。实验所采用的4种遥感高程数据与机载LiDAR DEM均具有较高的相关性,相关系数在0.998与1.000之间。实验还揭示了坡度是影响遥感DEM精度的主要因素。除ICESat-2 ATL06外,其他高程数据的RMSE均随坡度的增大先减小再增大,且都存在一个最佳坡度值。鉴于地形复杂多样的冰沟流域具有青藏高原高寒山区的典型特征,多源遥感DEM数据在该区域的验证结论具有较好的代表性,可为相似地区DEM数据的使用和评估提供重要的知识补充。 相似文献