【摘 要】
：
为了探索覆膜滴灌条件下犁底层深度对土壤水热运移影响的机理,本文采用土柱试验与模拟相结合的方法,修订了HYDRUS土壤水热运移模型主要参数,对不同犁底层深度(0 cm(CK)、20 cm(PB20)、30 cm(PB30)、40 cm(PB40)、50 cm(PB50))下土壤水热运移规律进行研究。结果表明:模型能够较好模拟不同犁底层深度下土壤水分和温度的分布以及随时间变化的趋势;犁底层可以阻碍水分
论文部分内容阅读
为了探索覆膜滴灌条件下犁底层深度对土壤水热运移影响的机理,本文采用土柱试验与模拟相结合的方法,修订了HYDRUS土壤水热运移模型主要参数,对不同犁底层深度(0 cm(CK)、20 cm(PB20)、30 cm(PB30)、40 cm(PB40)、50 cm(PB50))下土壤水热运移规律进行研究。结果表明:模型能够较好模拟不同犁底层深度下土壤水分和温度的分布以及随时间变化的趋势;犁底层可以阻碍水分运移,减缓水分向下的入渗速度,心土层各土层的含水率比耕作层各土层的含水率高,土壤表层的含水率随犁底层深度
其他文献
线性回归作为简单有效的工具，在模式识别中已得到广泛使用。但是直接从高维数据到二元标签可能无法得到灵活的投影和适合分类问题的数据表示。针对这一问题，标签松弛技术被提出，虽然已经证明其有效性，但仍然存在会增大同类差异的问题。因此，本文提出类内低秩的子空间学习（Intra-class Low-rank Subspace Learning， ICLRSL），不同于原始线性回归和基于标签松弛的方法，在使用原
临近空间高超声速飞行器具有速度快、高度低、机动能力强的优点，以陆/海基雷达、高轨红外卫星为主建立的预警探测体系难以对其实施全程有效探测。为此，本文针对高超声速飞行器的技术特点，开展低轨红外卫星探测能力和全球覆盖性研究，基于类HTV-2升力体气动外形，仿真计算典型工况参数下飞行器的表面温度分布，构建低轨红外卫星探测模型，结合红外探测器典型性能参数，给出不同轨道高度下探测器信噪比与观测视角和红外波段的
点云是三维图像的一种特殊数据形式，正逐渐成为三维图像信息处理的研究热点。点云分割是点云数据处理的重要步骤，对算法的结果有直接影响。基于三维图像几何特征的点云分割算法结构简洁、运算结果稳定性强，且易于调整，在实际应用中占有主要地位。本文对最近几年涌现出来的基于几何特征的点云分割方法进行了梳理，根据每种方法的理论基础和应用特点将算法归纳为三类：基于边缘检测、表面特征和模型拟合的点云分割方法，分析了各类
[目的]土壤指标是耕地质量分等的依据，其空间异质性和空间自相关性对土地整治分区，以及土地平整工程中的表土剥离、移土培肥和土壤改良等关键技术的实施都具有重要作用。[方法]文章以渝西丘陵区的典型基本农田建设区为研究区，综合运用地统计学与Kriging插值法研究0～20、20～40和40～60 cm土层土壤有机质（SOM）的空间异质性，结合全局和局部空间自相关分析法分析各土层SOM的空间自相关性，并基于
道路场景中远距离的小目标识别检测一直是自动驾驶的热点研究问题，基于此问题提出改进SSD算法的道路小目标检测模型及其应用。首先在原SSD主干部分和检测部分之间引入改进特征金字塔网络，融合不同层感受野特征信息提升小目标检测性能。其次使用深层特征提取网络ResNet50替换VggNet16提升整体网络精度。最后在检测层使用全局平均池化层替换全连接层，降低参数从而提高检测速度，设计得到改进网络RFG＿SS
为了解决离轴非相干数字全息中重构图像的视场较小、分辨率较低的问题。提出了一种简单、高效的方法来扩大非相干离轴全息术的重构图像的视场并提高其分辨率。以加入毛玻璃的方法代替传统的光栅或角度复用等传统方法，在扩大重构像视场的同时提高其分辨率。实验结果表明，重建图像的视场与毛玻璃和物体之间的距离成反比，并且和未加入毛玻璃的实验系统相比，加入毛玻璃后获得的重构图像视场可以扩大2.4倍左右。此外，加入毛玻璃后
随着人工智能领域的快速发展，深度学习在无人驾驶领域中的应用逐渐成熟，但是其中交通标志检测任务作为难点问题仍有很大的改进空间。城市道路下的交通标志检测具有环境复杂，小目标多，目标种类多且数量不平衡的特点，针对这些问题，提出了基于Libra R-CNN进行改进的方案。Libra R-CNN目标检测网络是基于平衡提出的，能够较好应对目标种类多及数量不平衡问题，在Libra R-CNN网络的锚框提取样本阶
针对人群计数中多尺度变化和背景干扰问题，提出一种抗背景干扰的多尺度人群计数算法。以VGG16网络结构为基础，引入特征金字塔构成多尺度特征融合骨干网络以解决人群多尺度变化问题，设计Double-Head-CC结构对融合后的特征图进行前景背景分割和密度图预测以抑制背景干扰。考虑到密度图的局部相关性和多任务学习，定义多重损失函数和多任务联合损失函数进行网络优化。在ShanghaiTech、UCF-QNR
在视频目标检测中通过光流来传播特征不仅会增加模型的参数量，而且直接将光流应用于高层特征可能无法建立准确的空间对应关系。为此，提出一种基于局部注意的特征对齐模块，该模块不依赖于光流，而是通过在不同帧的局部区域内以逐渐稀疏的步幅确定空间对应关系来传播特征。此外，针对基于固定间隔选择关键帧的方法不能根据目标物体运动快慢动态地调整选择间隔，造成计算量冗余或者检测精度降低的问题，提出基于精度预测动态分配关键
对板状结构中Lamb波的频散和多模现象进行了理论分析，采用有限元仿真方法获取了Lamb波与缺陷作用后的回波信号，对信号进行聚焦接收处理，即在一定距离范围内利用导波频散特性对各个模式信号进行频散补偿，提取补偿后信号的幅值，结果表明当所得信号幅值最大时，所对应的补偿距离等于缺陷与换能器之间的实际距离。利用这一结论，提出了以寻找频散补偿后信号的峰值为核心的导波聚焦接收成像算法，在三维模型板中验证了该成像