排序方式: 共有44条查询结果,搜索用时 26 毫秒
41.
含沙量对坡面流水动力学特性的影响研究 总被引:4,自引:0,他引:4
基于系列室内水槽冲刷试验,定量研究了在9°坡度、不同流量条件下含沙量对坡面流水动力学参数的影响。结果表明:随含沙量增加,水流雷诺数Re减小,水流紊动强度减弱。弗劳德数、水流流速及流速修正系数α随含沙量增加先呈减小趋势,当含沙量S>300 kg/m3时,各值均突然增大,并随含沙量的进一步增加趋于稳定,表明此时水流型态发生变化,α均值为0.554。含沙水流和清水水流能量损失比较标准不同,得到的结论也不相同。当S<300 kg/m3时,以相同Re或相同单宽流量作为比较标准,含沙水流阻力系数均大于清水对应值;当S>300 kg/m3时,以相同的Re作为比较标准,则含沙水流阻力系数小于清水对应值,以相同的单宽流量作为比较标准,则含沙水流阻力系数大于清水对应值。 相似文献
42.
43.
基于无人机多光谱的大豆旗叶光合作用量子产量反演方法 总被引:3,自引:2,他引:1
大豆旗叶的量子产量(Quantum Yield,QY)对于评估光合效率非常重要,利用无人机多光谱数据对QY值进行高通量反演,能够无损、高效的监测光合作用过程中的生理化学变化。该研究的目的是探究植被指数与QY值相关性,并基于高相关性的植被指数反演QY值,同时分析了多植被指数与单植被指数构建反演模型的准确性。结果表明,与传统反演算法支持向量回归(Support Vector Regression,SVR)相比,基于集成学习的自适应提升(Adaptive Boost,AdaBoost)算法提高了模型的准确性,测试集决定系数(coefficient of determination,R2)为0.982,均方根误差(Root Mean Square Error, RMSE)为0.089,相对分析误差(Residual Predictive Deviation,RPD)为7.29。研究表明基于多植被指数、利用AdaBoost算法可以构建更为有效的无人机多光谱大豆光合有效量子产量反演模型,为评估高通量光合效率提供了一种先进的方法。 相似文献