期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
地下水次要组分视背景值研究:以柳江盆地为例 被引量:13
1
作者 廖磊 何江涛 +2 位作者 彭聪 张振国 王磊 《地学前缘》 EI CAS CSCD 北大核心 2018年第1期267-275,共9页
在广泛调研总结国内外次要组分背景值研究的基础上,对比分析各方法的优缺点,提出水化学分析与数理统计法相结合的地下水次要组分视背景值研究体系。该方法体系首先在次要组分与主要组分之间进行因子分析,建立次要组分与主要组分的联系,... 在广泛调研总结国内外次要组分背景值研究的基础上,对比分析各方法的优缺点,提出水化学分析与数理统计法相结合的地下水次要组分视背景值研究体系。该方法体系首先在次要组分与主要组分之间进行因子分析,建立次要组分与主要组分的联系,运用三倍标准差准则识别主要组分粗大误差的异常值,利用Piper图水化学类型对异常值进行分析检验,从宏观上分析识别水化学影响明显异常的次要组分数据,再运用平均值加减2倍标准差迭代法和概率图法组合分析识别异常值。完成异常值剔除的数据取95百分位数作为次要组分视背景值的上限阈值。该方法有利于把握数据的整体统计特征,同时能避免主观确定阈值的误差,对异常数据的剔除高效充分。上述方法体系运用在柳江盆地表明,与4种常用数理统计学方法相比,该方法体系计算出的次要组分视背景值的可靠性与稳定性更高,同时能解释引起次要组分异常的原因及背景控制因素。运用水化学分析与数理统计法体系,较为科学合理地计算出了柳江盆地浅层地下水次要组分硝酸盐、偏硅酸、铝、氟和溴的视背景值阈值,分别为75.1、27.4、0.11、0.30和0.32mg·L^(-1)。硝酸盐视背景值阈值偏高,反映出柳江盆地广泛的农牧业养殖及生活污水排放已不可避免地对地下水产生了一定的影响。 展开更多
关键词 次要组分 视背景值 浅层地下水 水化学 数理统计 柳江盆地
下载PDF
区域地下水污染综合评价研究现状与建议 被引量:21
2
作者 何宝南 何江涛 +5 位作者 孙继朝 王俊杰 文冬光 荆继红 彭聪 张昌延 《地学前缘》 EI CAS CSCD 北大核心 2022年第3期51-63,共13页
区域地下水污染综合评价研究是一项总结区域地下水水质特征、评估地下水水质和污染状况、分析其驱动机制、研判其演化趋势的重要基础性工作,也是地下水污染防控以及水质改善的重要依据。受水文地质领域一些传统概念、观念以及技术方法... 区域地下水污染综合评价研究是一项总结区域地下水水质特征、评估地下水水质和污染状况、分析其驱动机制、研判其演化趋势的重要基础性工作,也是地下水污染防控以及水质改善的重要依据。受水文地质领域一些传统概念、观念以及技术方法的限制,在水质综合评价、污染评价、天然劣质水与污染的区分、人类活动影响等方面存在诸多问题和挑战,认知的科学性和可靠性不断受到质疑,给政府管理部门的应用和决策带来困惑。本研究通过梳理分析近年来区域地下水污染综合评价的研究现状,回顾总结了在水质综合评价、背景值、污染评价、劣质水和劣变水评估以及人类活动识别等方面存在的问题,提出了几点认识和建议:(1)“指标分类评价-组合表达”的水质及污染综合评价思路,可为解决现阶段水质及污染综合评估容易造成歧义和误导的问题提供新的方向;(2)视背景值的建立不仅能够解决传统概念背景值无法获取的问题,还能有效进行污染判定、劣质水和劣变水评估以及人类活动识别,是一项亟待全面开展的基础性工作;(3)劣质水和劣变水概念及评价思路的提出,对区分天然劣质水和污染水具有借鉴意义,在科学回答这两类水对我国地下水水质的影响、帮助决策者理解水质不安全成因等方面有重要意义,但是方法学方面需要进一步探讨;(4)对人类活动影响的识别和量化,进一步推动了对输入型污染、诱导型水质恶化以及水化学场变化所引起的各种水质问题的认识,进而对判断水质演化趋势、污染防控、分类解决水质问题具有重要的意义。 展开更多
关键词 地下水 水质评价 污染评价 视背景值 劣质水 人类活动
下载PDF
A Nonparametric Approach to Foreground Detection in Dynamic Backgrounds 被引量:3
3
作者 LIAO Juan JIANG Dengbiao +2 位作者 LI Bo RUAN Yaduan CHEN Qimei 《China Communications》 SCIE CSCD 2015年第2期32-39,共8页
Foreground detection is a fundamental step in visual surveillance.However,accurate foreground detection is still a challenging task especially in dynamic backgrounds.In this paper,we present a nonparametric approach t... Foreground detection is a fundamental step in visual surveillance.However,accurate foreground detection is still a challenging task especially in dynamic backgrounds.In this paper,we present a nonparametric approach to foreground detection in dynamic backgrounds.It uses a history of recently pixel values to estimate background model.Besides,the adaptive threshold and spatial coherence are introduced to enhance robustness against false detections.Experimental results indicate that our approach achieves better performance in dynamic backgrounds compared with several approaches. 展开更多
关键词 foreground detection dynamic background the decision threshold spatial coherence
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部