1959-2017年安徽省夏季降水的时空变化及其影响因素研究

【目的】探究安徽省区域水热动态变化趋势,对区域水旱灾害发生的夏季降水时空分布变化特点、分配特征及变化规律进行分析。【方法】利用1959―2017年安徽省16个气象站逐月降水资料,采用气候倾向率法、滑动平均法、Mann-Kendall突变检验法并基于克里金插值法,对安徽省1959-2017年夏季降水的时空分布特征及影响因素进行分析。【结果】研究区年均夏季降水540.1 mm,占年均降水总量45.9%,夏季降水量变幅为275.7~1 137.0 mm;1959-2017研究区年均降水量和夏季降水量总体上都呈增加趋势,其中夏季降水量变化率为23.01 mm/10 a,略高于年均降水变化速率(21.31mm/10a);夏季降水作为年降水极值的重要构成,在1975年存在显著突变点,20世纪70年代末到20世纪90年代中期突变情况复杂多变,存在多个突变年份,突变年份与厄尔尼诺年具有较强关系。安徽省夏季降水与年降水在空间分布上都呈现出南多北少的同步趋势;年降水量呈现237.0~753.2 mm的降水梯度,夏季降水出现426.4~1 045 mm的降水梯度。【结论】安徽省夏季降水变化特点表现为集中性和突变性共存的特点,降水呈现增多趋势是全球气候变暖背景下复杂的水热响应关系以及以厄尔尼诺现象为代表的异常气候事件共同作用的结果;安徽省区域气候过渡性和复杂下垫面地形条件造成了区域降水显著分异。     

基于近红外光谱技术的蔬菜农药残留种类检测

该文基于近红外光谱技术,提出一种快速无损检测方法,以期实现蔬菜农药残留的分类检测。通过对喷洒了氰戊菊酯溶液、三唑磷溶液和未喷洒农药的生菜样本进行研究,比较不同预处理后的建模效果,选用SNV算法作为最优预处理方法。分别采用连续投影算法（SPA）、自主软收缩法（BOSS）和竞争性自适应重加权算法（CARS）对预处理后的光谱数据进行特征波段选择。采用支持向量机（SVM）和基于灰狼算法（GWO）优化的支持向量机（SVM）算法对特征波长变量分别建立分类模型。再通过对建立的模型进行比较得出:CARS-GWO-SVM模型取得了最佳的分类效果,模型的训练集精度和预测集精度均为100%。因此,利用近红外光谱技术对蔬菜上的农药残留进行分类检测是可行的。该研究为生菜中其他农药残留的快速无损检测分析提供参考。