【摘 要】
：
蒙古国是中蒙俄经济走廊的重要区段，但面临严重的荒漠化问题，区域经济社会发展受到严重威胁，而蒙古国中部草原地区是主要的荒漠化新扩展区，正经历强烈的草原风蚀沙漠化过程。以戈壁苏木贝尔省首府乔伊尔市为研究区，利用自建自动气象观测站（2019年5月—2020年7月）、集沙仪观测（2019年8月—2020年8月）及当地气象站（1990—2018年）数据，对当地风蚀沙漠化的风动力条件、风沙流输沙及其他影响因素
论文部分内容阅读
蒙古国是中蒙俄经济走廊的重要区段，但面临严重的荒漠化问题，区域经济社会发展受到严重威胁，而蒙古国中部草原地区是主要的荒漠化新扩展区，正经历强烈的草原风蚀沙漠化过程。以戈壁苏木贝尔省首府乔伊尔市为研究区，利用自建自动气象观测站（2019年5月—2020年7月）、集沙仪观测（2019年8月—2020年8月）及当地气象站（1990—2018年）数据，对当地风蚀沙漠化的风动力条件、风沙流输沙及其他影响因素等基本特征进行了研究。结果表明：（1）乔伊尔市具有强劲的风动力条件，年输沙势可达735.96 VU，合成
其他文献
以异构测控网资源联合调度为研究对象，提出一种基于强化学习的深度Q网络（DQN）算法。在充分分析异构测控资源联合调度问题特点后，用数学语言对影响问题求解的约束条件进行描述，建立了资源联合调度模型；从应用强化学习解决问题的角度，对求解的问题进行马尔科夫决策过程描述后，分别设计了两个结构相同的神经网络和基于ε贪婪算法的动作选择策略，并建立了DQN求解框架。仿真结果表明，基于DQN的异构测控资源调度方法较
法矢是三维点云曲面最基本的几何属性. 为解决传统几何估算子与基于学习技术中的问题， 提出基于几何先验和深度学习的点云法矢估算方法. 首先， 使用一个多尺度曲面块选择方法保持点云的特征和细节， 以降低后续深度网络的学习难度; 然后， 结合局部特征和几何先验知识设计一个法矢优化神经网络， 输出精确点云法矢; 最后使用合成模型数据和Microsoft Kinect V1扫描得到的真实模型数据进行验证，
风险图是风暴潮灾害风险评估和区划的重要成果，它能清晰地反映风暴潮灾害风险等级分布的时空格局，有利于用图者更好地认识和掌握区域风暴潮灾害风险，提高沿海地方风暴潮灾害风险管理水平。从风暴潮灾害风险评估和区划的角度，阐述了风暴潮灾害风险图的用途、制图内容及色彩和符号设计，以及对未来风暴潮灾害风险制图研究进行了展望。
车辆检测是智能交通重要的研究方向和研究热点。针对传统的车辆目标检测算法检测精度低，小尺度目标识别效果差等问题，提出了一种改进的基于YOLOv4算法的目标检测方法，以提升对交通场景小目标车辆的检测性能。通过对YOLOv4网络进行再设计，使用MobileNetv2深度可分离卷积模块代替传统卷积，并将CBAM注意力模块融合到特征提取网络中，在保证模型检测精度的同时减少模型参数。采用PANet-D特征融合
真实感织物材质渲染在虚拟现实、娱乐、工业等应用领域中是非常关键研究方向. 针对多种污渍在织物表面的扩散与污染效果， 提出基于物理的与子像素采样及染色曲线相结合的计算方法， 用于模拟多相溶剂在织物表面的扩散及污染效果. 首先通过将复杂织物纱线结构进行体素化简化建模， 其次通过计算流体之间的可互溶性进行流体扩散模拟， 最后通过染色沉淀的方式计算污渍扩散效果. 模拟渲染的对比结果表明， 通过该方法， 可
郊狼优化算法(Coyote Optimization Algorithm,COA)是最近提出的一种群智能优化算法，具有独特的搜索结构和较好的优化性能。为了进一步提高COA的优化性能，提出了一种多策略的郊狼优化算法(Multi-Strategy COA,MSCOA)。首先，对于组内最优郊狼，采用一种全局最优郊狼引导的成长策略，提高其社会适应能力；其次，对于组内最差郊狼，采用一种最优郊狼引导强化策略，
为更便捷高效地探究果蝇视网膜的神经计算机理，构建了果蝇复眼及视网膜的仿真系统。通过构建果蝇复眼光学结构与神经通路连接，和视网膜神经元信息编码过程，模拟了光源到神经电信号的转化；通过统计学模型，优化了视网膜光电转化模型；通过仿真系统，探究了果蝇视网膜输出端神经元朝向选择性的发生机理。实验表明，在仿真效果精度相当下，较业内已有平台速度提升近40倍，并可仅用单台笔记本替换高性能GPU实现仿真。提出果蝇视
为了对表碛覆盖型冰川边界进行识别并掌握其变化，以伦道夫(RGI6.0)冰川编目为基础，基于Sentinel-1数据运用时序InSAR技术对昆仑山东段表碛覆盖型冰川进行了形变监测；再根据2014年10月至2020年9月表碛覆盖下冰川的时序形变情况，将InSAR形变与光学影像相结合验证冰川边界。结果表明：对昆仑山东段研究区域内280条冰川边界的研究中，我们探测到三处表碛覆盖型冰川，对边界进行调整后冰川
川藏铁路沿线山高谷深，地层岩性多变，新构造运动活跃，气候恶劣复杂，导致滑坡、崩塌、泥石流、冰湖溃决洪水等灾害极其发育，对铁路施工及运营带来严重影响。其中林芝-波密段就是典型地质灾害高发区域，常年受到冰川泥石流的影响，是川藏铁路重大灾害防治的难点区段。虽然目前在单沟尺度上对冰川泥石流的形成条件、影响因素、物源性质取得了一定的认识，但对于川藏铁路沿线不同类型的冰川泥石流诱发因素、区域发展演化规律及灾变
交通状况预测是智能交通系统的一个重要组成部分，而车流量是交通状况的最直接的体现，因而对交通流量进行预测具有重要的应用价值。一方面，城市中的道路本身带有空间拓扑性质，另一方面，车流量随时间动态变化。因此，交通流量的预测问题的关键在于对数据中存在的时间依赖和空间依赖进行建模。针对这一特性，使用神经网络模型和注意力机制来探索交通流量数据中的时空依赖关系，提出基于时间图注意力的交通流量预测模型。空间依赖方