基于ANSYS的文丘里施肥器水力特性研究

为了系统的分析文丘里施肥器的水力特性,在现有的相关研究基础上,利用ANSYS软件对其展开相应数值仿真。较为详细的分析文丘里施肥器在其管径发生改变时的压强以及流速变化规律,为水肥一体化灌溉选择较为合适的文丘里施肥器,提供一定的数值参考价值。研究表明通过使用ANSYS软件进行仿真,可以为实际灌溉时选择正确型号的文丘里施肥器提供具有可靠性的建议。     

雨量数据图形处理分析显示系统开发及应用

介绍了市级雨量数据图形处理分析显示系统的设计思路及其功能特点。该系统引用Meteo Info类库开发,基于数据库系统,采用模块化设计,由独立的模块完成数据录入、质量控制及分析处理等功能;该系统具有高度自动化、使用方便简捷等特点,满足业务工作的雨量数据监控、图形显示等需要,在各级气象部门具有很好的推广和实用价值。     

太阳能智能节水灌溉系统抗水锤研究

根据太阳能智能节水灌溉系统工作原理,说明系统水锤现象形成的原因和作用机理,并利用修正后的水锤波速度公式计算了灌溉器阀芯O点的最大压力。此外,利用Bentley Hammer软件模拟优化前后系统水锤作用下阀芯O点的压力波动,并对其进行分析,得出采用安装水锤缓冲罐的方法可有效缓解系统水锤现象的结论。     

大连地区冰雹天气探空和雷达资料特征分析

该文利用常规观测资料、天气雷达资料和灾情评估资料,对2005—2016年大连地区的23次冰雹过程进行了分析研究.结果表明:(1)大连地区冰雹天气发生在6月的比例占61%,发生在下午到傍晚时段的比例占65%,落区为北部地区占79%,强冰雹过程占57%;(2)天气尺度影响系统中,东北冷涡占57%,西风槽占39%;(3)0℃层高度、-20℃层高度、850hPa与500hPa温差、700hPa与500hPa温差、500hPa温度露点差、850hPa温度露点差综合分析能够较好地指示冰雹天气;(4)H40dBZ-H0、H40dBZ-H-20、VIL最大值、DVIL等雷达参量特征值能够作为冰雹识别指标.     

大连地区雷暴大风探空资料和雷达回波特征分析

利用加密自动站、探空、天气雷达等资料对2011—2016年5—9月大连地区的16个雷暴大风过程进行研究,分析了雷暴大风发生前的探空特征、雷达回波演变特征以及雷达产品识别指标。结果表明,按照雷达回波形态演变,将雷暴大风划分为低层径向速度大值区、单体型和弓状型3种类型,影响大连地区最多的是低层径向速度大值区型雷暴大风。探空资料方面,单体型和弓状型雷暴大风发生前均显示一定程度的层结不稳定和中等强度对流有效位能,尤其是低层充沛的水汽条件;单体型和弓状型大风均产生在中等强度垂直风切变条件下。3种类型大风的雷达产品特征有一定差异。对单体型雷暴大风的预警难度较大,对弓状型雷暴大风可以做到提前1 h以内的预警。     

NOAA-AVHRR多通道卫星资料在辽东半岛地区大雾监测中的应用

基于NOAA-AVHRR多通道资料,统计分析了白天和夜间可见光通道、中红外通道及热红外通道下晴空地表、雾区、云区等地物的通道光谱特征,总结了白天和夜间雾区识别的一些指标,利用统计分析方法结合一定的图形处理方法对雾区进行自动识别。最后对2014年4月8日一次大雾天气过程进行了试验,雾区识别的结果与地面观测结果比较一致,表明该方法对识别雾区有一定作用,但对夜间的轻雾不能进行有效识别。     

大连市一次冰雹天气诊断分析

利用常规气象资料和大连多普勒雷达资料,从天气背景、温度对数压力图和雷达反射率因子演变特征方面对2009年10月13日大连北部地区的冰雹天气过程进行分析。结果表明,此次冰雹天气发生在500hPa冷温槽前部,因500hPa冷槽转竖触发低层切变线而形成。冰雹发生前大气有不稳定能量和水汽输送条件。中低空切变线加剧了大气层结不稳定,促进不稳定能量的释放,产生冰雹天气,高低空急流配合为强对流发展提供了动力条件。多普勒雷达资料分析表明,强对流天气由多个对流单体组成,发展强盛时有钩状和V形缺口等特征,强回波区50～60dBz。     

2016年大连地区强对流天气雷达回波特征分析

该文利用探空资料、加密自动站资料、天气雷达资料对2016年6—9月大连地区9次强对流天气过程,即短时强降雨(4次)、雷暴大风(3次)和冰雹(2次)3种强对流类型进行了雷达回波特征分析.结果表明:探空资料中K指数适用于短时强降雨识别;CAPE值与探空距离强对流时间密切相关;较大的高低层的温差有利于识别雷暴大风和冰雹;较低的0℃层和-20℃层高度有利于冰雹判别;较大的0~6km深层垂直风切变有利于雷暴大风识别.最大回波强度和所在高度,短时强降雨小于雷暴大风和冰雹;弓状型雷暴大风相对于低仰角径向速度大值区类型的雷暴大风有更长的预警时间提前量;雷暴大风和冰雹的VIL值都相对较大,不利于区分两者.研究结果为大连地区强对流预报预警提供参考依据.     

基于CNN-RF模型的广州地区土壤质地识别方法

不同土壤质地直接影响土壤水分渗透程度和农作物养分吸收，进而影响农作物的产量及质量，针对土壤质地难以开展高效、精准识别等问题，基于卷积神经网络-随机森林(CNN-RF)模型算法用于实现土壤质地高效、精准识别。首先用比重法测定土壤样本中砂粒、粉粒和黏粒的百分比，然后采用自主研制的便携图像采集装置，对广州地区的土壤进行1 000个样本采集并对土壤研磨、筛选、拍摄，建立土壤样本质地和图像的数据库，提取图像中的颜色特征和纹理特征，利用CNN-RF模型并结合3种组合(颜色、纹理、颜色+纹理)方法对土壤样本中的黏粒、粉粒和砂粒百分含量进行回归预测。采用平均绝对误差(MAE)、均方根误差(RMSE)和判定系数(R²)进行模型回归性能评估。从混淆矩阵进行模型分类结果可知，预测砂粒的MAE、RMSE、R²值分别为3.37、3.71和0.99；粉粒的MAE、RMSE、R2值分别为3.48、3.79和0.98；黏粒的MAE、RMSE和R²值分别为3.38,3.76,0.99。与RF、KNN、VGG6-RF模型相比，这种CNN-RF模型得到的MA...