排序方式: 共有10条查询结果,搜索用时 328 毫秒
1
1.
利用江苏省统计局提供的全省75个县(市、区)1981—2018年的冬小麦产量,基于灰色系统滑动模型得到各县(市、区)冬小麦气象产量.采用K-means算法对全省各县(市、区)冬小麦气象产量进行聚类分析,将全省客观划分为南、北2个冬小麦种植区,区域连续且相互独立.通过C4.5决策树算法,基于130项前期春季气候因子对2个种植区的冬小麦气象产量"是否歉年"分别建立决策树预测模型.在北种植区冬小麦是否歉年的预测中,决策树模型的自学习准确率为82.0%,测试准确率为90.9%;在南种植区冬小麦是否歉年的预测中,决策树模型的自学习准确率为92.5%,测试准确率为91.67%.结果表明,K-means算法和C4.5算法对江苏省冬小麦气象产量区划和预测具有良好效果,可为江苏省冬小麦产量预测提供有意义的参考. 相似文献
2.
3.
4.
利用1973~2003年大雾气象资料,分析了连云港市沿海大雾的气候特征及大雾多发期的特征。结果表明,连云港市沿海大雾存在明显的年际和年代际变化,大雾呈现逐年增长趋势,且20世纪70年代大雾最少,90年代最多;大雾月变化呈双峰曲线,主要集中在3~6月和11月~次年1月;一天中大雾多发生20:00~次日08:00,其中以04:00~08:00发生频率最高,消散时间主要集中在12:00以前,其中以08:00~10:00最多;大雾持续的时间有长有短,大多数大雾都在8 h以内散尽消失,其中大雾持续2 h的比例最高;从连续性特征看,无论哪个多发期,持续2 d的连续性大雾最多,3 d次之;不同季节出现大雾时的风向风速也有所不同,11月~次年1月大雾时的风速90%以上均在3 m/s以下,风向以静风最多,占30.3%,其次是第3象限风向(SSW-W);而3~6月份,大雾时的风速明显偏大,且第1象限风向(NNE-E)最多,占52.2%。 相似文献
5.
为了更好地掌握多花含笑花部数量特征及其变异的特点,采用直接计数和数理统计的方法对昆明树木园内随机采集的9株多花含笑54朵花进行了花部数量观察和分析。结果表明,花枝节间、花序梗和花梗的数量无变异,均为1节,花梗缩短不明显;花被片、花被片分轮、最内轮花被片、其他轮花被片、雄蕊和心皮的数量有变异,花被片9~17片,3~5轮,最内轮1~5片,其他轮3~5片;雄蕊39~70枚,心皮19~46枚。其中,最内轮花被片数的变异系数最大,达到51.20%;其他轮花被片数的变异系数最小,为13.87%。多花含笑花部数量变异主要发生在株间,该研究结果为优良观赏单株存在的可能性及其选择提供了科学依据。 相似文献
6.
7.
[目的]分析连云港市一次强对流暴雨天气的成因和数值预报检验.[方法]利用常规和非常规气象资料,从天气背景、稳定度及触发机制等方面对2015年8月7日连云港市的一次强对流暴雨天气过程进行系统分析,并对比分析各家数值预报结果.[结果]此次强对流暴雨发生在副高西伸北抬、高空槽东移的大尺度背景下,暴雨发生前大气层结不稳定、边界层辐合是触发不稳定能量释放的主要因素;多普勒雷达观测表明,回波强度在50 dBz左右,与边界层辐合线位置对应较好;对比分析各家数值预报结果表明,数值预报对不稳定性降水预报效果较差.[结论]该研究为此类强对流暴雨天气的预报提供科学依据. 相似文献
8.
9.
10.
1