• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    松花江流域干旱突變特征及其遙相關(guān)因子分析

    2024-01-11 13:56:00青,劉龍,郝
    人民長(zhǎng)江 2023年12期
    關(guān)鍵詞:松花江流域共振小波

    曹 青,劉 康 龍,郝 振 純

    (1.水利部水文氣象災(zāi)害機(jī)理與預(yù)警重點(diǎn)實(shí)驗(yàn)室/協(xié)同創(chuàng)新中心,江蘇 南京 210044; 2.南京信息工程大學(xué) 水文與水資源工程學(xué)院,江蘇 南京 210044; 3.河海大學(xué) 水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,江蘇 南京 210098)

    0 引 言

    干旱是災(zāi)害性最大的常發(fā)自然災(zāi)害之一,對(duì)農(nóng)業(yè)、水資源供給等人類(lèi)活動(dòng)構(gòu)成了巨大威脅[1]。近年來(lái),全球氣象學(xué)者提出一系列氣象干旱評(píng)價(jià)指標(biāo)來(lái)研究不同地區(qū)的干旱演化特征,如標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)[2-3]、標(biāo)準(zhǔn)化降水指數(shù)(SPI)[4-5]、帕爾默干旱強(qiáng)度指數(shù)[6]等,并與農(nóng)業(yè)、環(huán)境、水利水電工程等學(xué)科交叉結(jié)合以研究干旱對(duì)不同學(xué)科現(xiàn)象的影響特征[7-8]。李華偉[9]通過(guò)Copula函數(shù)開(kāi)發(fā)出的氣象-農(nóng)業(yè)模型模擬得出,新疆谷物產(chǎn)量相應(yīng)較敏感的干旱時(shí)間尺度較長(zhǎng),而棉花所響應(yīng)尺度較短;Cuartas等[10]基于多種干旱指數(shù)評(píng)估了巴西的水資源儲(chǔ)量情況,發(fā)現(xiàn)SPEI可以用于評(píng)估測(cè)站數(shù)量較少的流域干旱事件,且對(duì)巴西干旱形勢(shì)下水力水資源管理提出警醒與理論依據(jù)。與此同時(shí),研究學(xué)者嘗試尋求地區(qū)干旱的年或年代際等多種時(shí)間尺度演變趨勢(shì)的遙相關(guān)因素和動(dòng)力機(jī)制[11-12],劉仲藜等[13]、張劍明等[14]研究發(fā)現(xiàn),洞庭湖流域以及湖南大部分區(qū)域干旱事件皆與西太平洋副熱帶高壓的形勢(shì)有著顯著的相關(guān)影響。更進(jìn)一步地,部分學(xué)者通過(guò)構(gòu)建數(shù)學(xué)模型并對(duì)其不斷修正以期對(duì)未來(lái)干旱現(xiàn)象做出準(zhǔn)確預(yù)警和處理[15-17]。Dikshit等[18]采用標(biāo)準(zhǔn)降水指數(shù)(SPI)和SHAP預(yù)測(cè)算法闡述了氣候變量在月尺度和年尺度不同范圍內(nèi)的重要性,以此證明了在預(yù)測(cè)模型中添加氣候變量指數(shù)作為預(yù)測(cè)因子的必要性。Malik等[19]通過(guò)有效干旱指數(shù)(EDI)研究得出GWO與SHO等元啟發(fā)式算法對(duì)氣象干旱預(yù)測(cè)具有更好的適用性和優(yōu)越性,且混合SVR-GWO模型更優(yōu)于SVR-SHO模型。

    松花江流域是中國(guó)十大流域之一,作為中國(guó)東北地區(qū)重要的農(nóng)業(yè)產(chǎn)區(qū)和重工業(yè)基地,其耕地面積大、土壤肥沃等優(yōu)勢(shì)使得東北地區(qū)農(nóng)業(yè)發(fā)展十分發(fā)達(dá),因此研究松花江流域的干旱特征對(duì)農(nóng)業(yè)災(zāi)害防治預(yù)警有著重大意義[20-21]。趙蘭蘭等[22]通過(guò)VIC模型模擬土壤含水率距平百分率指數(shù),證明了基于該指數(shù)的干旱等級(jí)劃分標(biāo)準(zhǔn)具有較好的適用性。Faiz等[23]研究發(fā)現(xiàn)基于參考蒸散量的干旱指數(shù)能夠捕捉到更多的干旱事件,且多個(gè)干旱指數(shù)在RCP8.5下皆顯示出最高的干旱發(fā)生率。通過(guò)采用WEAP模型,預(yù)測(cè)氣候變化條件下未來(lái)河流徑流可能會(huì)減少24%,且輕、中度干旱發(fā)生概率增加[24]。Song 等[25]探究了松花江干旱事件與極端降水的演變特征,得出松花江流域春季與秋季干旱發(fā)生率較高。

    綜上所述,松花江流域已有的氣象干旱研究主要集中在干旱指數(shù)的時(shí)空演變和多模態(tài)特征研究,以及與農(nóng)業(yè)、植被、環(huán)境等其他領(lǐng)域的相互影響和干旱頻率強(qiáng)度風(fēng)險(xiǎn)分析等方面,而在干旱現(xiàn)象年代際突變點(diǎn)識(shí)別以及突變前后變化差異等方面仍存在不足。在20世紀(jì)80~90年代之后,由于降水減少與全球變暖的因素,中國(guó)北方呈現(xiàn)“暖干化”趨勢(shì)[26],松花江流域作為中國(guó)重要的商品糧基地,厘清干旱指數(shù)是否存在突變及其突變前后與遙相關(guān)因子的響應(yīng)關(guān)系,有利于加深對(duì)松花江流域旱澇災(zāi)害風(fēng)險(xiǎn)趨勢(shì)的理解。因而本研究結(jié)合多種非參數(shù)檢驗(yàn)方法識(shí)別標(biāo)準(zhǔn)化降水蒸散指數(shù)時(shí)間序列突變點(diǎn),并運(yùn)用交叉小波變換與小波相干分析,探究突變前后標(biāo)準(zhǔn)化降水蒸散指數(shù)與遙相關(guān)因子相互作用關(guān)系的差異,具象化流域干旱突變特性的空間分布模式。研究成果可為松花江流域抗旱減災(zāi)、生態(tài)水資源管理、保障國(guó)家糧食安全等工作提供技術(shù)支撐。

    1 研究區(qū)概況與數(shù)據(jù)來(lái)源

    松花江是黑龍江在中國(guó)境內(nèi)最大支流,為中國(guó)七大河流之一,總長(zhǎng)度約達(dá)1 927 km,流域總面積達(dá)到55.68萬(wàn)km2,橫跨內(nèi)蒙古、吉林、黑龍江3個(gè)省份;流域多年平均氣溫為3~5 ℃,年內(nèi)日平均溫度最高月份為7月,可達(dá)25 ℃,1月最低,約為-20 ℃。多年平均降水量約為500 mm。本研究所用氣溫與降雨數(shù)據(jù)為中國(guó)氣象數(shù)據(jù)網(wǎng)中的中國(guó)地面氣候資料日值數(shù)據(jù)集V3.0;北極濤動(dòng)Arctic Oscillation(AO)指數(shù)與太平洋年代際振蕩Pacific Decadal Oscillation(PDO)數(shù)據(jù)來(lái)自NOAA網(wǎng)站(http:∥www.cpc.noaa.gov);El Nio-Southern Oscillation(ENSO)指數(shù)的計(jì)算采用全球海表溫度再分析數(shù)據(jù),來(lái)自英國(guó)氣象局哈德利中心觀測(cè)數(shù)據(jù)集(HadiSST1)。松花江流域地理信息和氣象站點(diǎn)如圖1所示,選取松花江流域52個(gè)氣象站點(diǎn)1960~2020年共61 a逐日降水與氣溫?cái)?shù)據(jù),氣象站點(diǎn)數(shù)量較多且在流域范圍內(nèi)分散均勻,且本研究選取的時(shí)間序列跨度較長(zhǎng),確保了研究分析與結(jié)論的可靠性。

    圖1 松花江流域氣象站分布Fig.1 Meteorological station distribution in Songhua River basin

    2 研究方法

    2.1 遙相關(guān)因子

    遙相關(guān)研究對(duì)于流域氣象旱澇要素變化與擾動(dòng)機(jī)制具有重大意義,研究顯示中國(guó)東北地區(qū)干旱變化的第一二主周期與厄爾尼諾-南方濤動(dòng)事件具有一致的振蕩準(zhǔn)周期[27-28]。北極濤動(dòng)呈負(fù)位相分布、太平洋年代際振蕩指數(shù)較高時(shí),松花江流域西部易雨澇[29-30]。本文選取北極濤動(dòng)、太平洋年代際濤動(dòng)、厄爾尼諾-南方濤動(dòng)作為遙相關(guān)研究因子。

    2.2 標(biāo)準(zhǔn)化降水蒸散指數(shù)

    SPEI是在標(biāo)準(zhǔn)化降水指數(shù)(SPI)的基礎(chǔ)上提出的標(biāo)準(zhǔn)化蒸散指數(shù),具備多時(shí)間尺度特征,計(jì)算簡(jiǎn)便的同時(shí)還引入了影響干旱的潛在蒸發(fā)項(xiàng),能夠更好地刻畫(huà)中國(guó)區(qū)域的干旱事件[31]。沈國(guó)強(qiáng)等[32]、梁豐等[33]、徐一丹等[34]還通過(guò)干旱災(zāi)情數(shù)據(jù)、土壤水分檢測(cè)值與標(biāo)準(zhǔn)化降水蒸散指數(shù)的顯著關(guān)聯(lián)性等多個(gè)角度論證了標(biāo)準(zhǔn)化降水蒸散指數(shù)在東北地區(qū)干旱定量化研究的適用性。

    標(biāo)準(zhǔn)化蒸散指數(shù)首先采用Thornthwaite方法計(jì)算逐月潛在蒸散發(fā)量,將逐月降水量與潛在蒸散量的差值序列進(jìn)行正態(tài)化處理,構(gòu)建成不同時(shí)間尺度Log-logistic概率分布的累計(jì)函數(shù),對(duì)時(shí)間序列進(jìn)行擬合并標(biāo)準(zhǔn)化,得到不同時(shí)間尺度的SPEI指數(shù)序列。本文取12個(gè)月尺度的SPEI指數(shù)(SPEI-12),SPEI干旱等級(jí)分類(lèi)如表1所列。

    表1 SPEI-12干旱等級(jí)分類(lèi)Tab.1 SPEI-12 drought classification

    2.3 突變檢驗(yàn)方法

    (1) Yamamoto法。該方法是從信噪比的角度來(lái)分析突變問(wèn)題,檢驗(yàn)兩子序列均值的差異是否顯著,被廣泛應(yīng)用于識(shí)別氣象要素年代際突變點(diǎn)[35]。

    (2) Lepage法。該方法為無(wú)分布雙樣本的非參數(shù)檢驗(yàn)方法,將序列中的兩個(gè)子序列視為兩個(gè)獨(dú)立主體,若統(tǒng)計(jì)檢驗(yàn)顯示兩個(gè)子序列有顯著差異,則認(rèn)定在兩個(gè)子序列的劃分基準(zhǔn)線點(diǎn)時(shí)刻發(fā)生了突變[36]。

    2.4 交叉小波變換和小波相干變換

    交叉小波變換(XWT)結(jié)合了小波變換與交叉譜分析,可以識(shí)別出兩個(gè)時(shí)間序列在不同時(shí)頻域相互作用的顯著性,并且能識(shí)別出序列間的相關(guān)一致性及在時(shí)頻空間中的相位關(guān)系。設(shè)WX(s),WY(s)為兩個(gè)時(shí)間序列X與Y的交叉小波變換,則定義其交叉小波功率譜為[37]

    (1)

    式中:左項(xiàng)絕對(duì)值即對(duì)應(yīng)交叉功率譜密度,絕對(duì)值越大,表明兩者高能量區(qū)相關(guān)越顯著。

    (2)

    式中:σX,σY分別為時(shí)間序列X,Y的標(biāo)準(zhǔn)差;v為Morlet小波變換自由度,取2,當(dāng)式中左項(xiàng)超過(guò)紅色噪音功率譜的95%的置信限上界,則認(rèn)為通過(guò)了顯著性水平α=0.05的紅色噪音標(biāo)準(zhǔn)譜的檢驗(yàn)[37];Zv(P)是與概率P有關(guān)的置信度,在顯著性水平α=0.05下,Z2(95%)=3.999。

    小波相干變換(WTC)彌補(bǔ)了交叉小波在低能量區(qū)識(shí)別序列間相關(guān)關(guān)系的不足。定義序列X與Y的小波相干譜為

    (3)

    本文使用MATLAB中的小波工具箱(http:∥grinsted.github.io/wavelet-coherence/)來(lái)進(jìn)行小波變換相關(guān)計(jì)算,將處理后的數(shù)據(jù)導(dǎo)入工具箱,從而分析得出交叉小波與小波相干譜圖。

    3 結(jié)果分析

    3.1 干旱指數(shù)突變的時(shí)空分布特征

    結(jié)合松花江流域52個(gè)氣象站點(diǎn)1960~2020年共61 a逐日降水?dāng)?shù)據(jù),計(jì)算逐年SPEI-12指數(shù),使用Yamamoto法、Lepage法識(shí)別并檢驗(yàn)指數(shù)年序列突變點(diǎn),線性擬合突變前后變化趨勢(shì)直線,并對(duì)該年序列取10 a滑動(dòng)平均,結(jié)果如表2、圖2所示。

    表2 SPEI-12指數(shù)突變識(shí)別與檢驗(yàn)Tab.2 Identification and test of the mutation of the SPEI-12

    圖2 SPEI-12與遙相關(guān)因子指數(shù)變化Fig.2 Variation of SPEI-12 and teleconnection factor index

    表2表明,兩種檢驗(yàn)方法都顯示SPEI-12指數(shù)序列最為顯著突變點(diǎn)為1984年,本研究取1984年為松花江流域SPEI-12指數(shù)的突變節(jié)點(diǎn)。

    由圖2可知,SPEI-12指數(shù)突變前后趨勢(shì)變化明顯,突變前擬合斜率約為-0.017,突變后擬合斜率約為-0.046,突變后下降趨勢(shì)增強(qiáng)。

    利用空間插值方法處理所取突變點(diǎn)前后的SPEI-12指數(shù),繪制出地理空間分布圖,如圖3所示。由圖3(a)、(b)可知松花江流域SPEI-12突變前空間上北部與南部少部分區(qū)域數(shù)值在正常范圍之內(nèi),其他大部分區(qū)域數(shù)值處在輕澇級(jí)別;突變后轉(zhuǎn)變?yōu)槌诤邮心喜颗c齊齊哈爾市西北部小部分區(qū)域有輕旱現(xiàn)象外,其他絕大部分區(qū)域數(shù)值處在正常范圍內(nèi),無(wú)明顯旱澇現(xiàn)象。圖3(c)則顯示出松花江流域整體SPEI-12指數(shù)趨于減小,齊齊哈爾市以西北呼倫貝爾以東南地區(qū)、黑河市周邊地區(qū)和吉林北部地區(qū)變化最為顯著。

    圖3 SPEI-12突變前后空間分布Fig.3 Spatial distribution of SPEI-12 before and after mutation

    3.2 突變前后干旱指數(shù)遙相關(guān)因子分析

    3.2.1交叉小波與小波相干譜分析

    本文對(duì)松花江流域SPEI-12指數(shù)突變前后序列與3個(gè)遙相關(guān)因子指數(shù)對(duì)應(yīng)年際變化序列進(jìn)行交叉小波分析及小波相干分析,探究松花江流域降水集中指數(shù)突變前后與遙相關(guān)因子的共振周期、相位關(guān)系與顯著時(shí)段等遙相關(guān)特征的區(qū)別與變化,繪制突變前后交叉小波能量譜與小波相干譜圖,如圖4、圖5所示。

    注:(a)(c)(e)為突變前,(b)(d)(f)為突變后。圖4 PDO、AO、ENSO與SPEI-12交叉小波功率譜Fig.4 Cross wavelet power spectrum between SPEI-12 and PDO,AO,ENSO

    注:(a)(c)(e)為突變前,(b)(d)(f)為突變后。圖5 PDO、AO、ENSO與SPEI-12小波相干譜Fig.5 Wavelet coherent spectrum between SPEI-12 and PDO,AO,ENSO

    由圖4~5可知:松花江流域SPEI-12指數(shù)在高能量區(qū)突變前與PDO無(wú)明顯共振周期(見(jiàn)圖4(a)),突變后1993~1997年存在位相角為90°、尺度為3~4 a的共振周期,表示在此期間高能量區(qū)SPEI-12變化滯后于PDO變化1/4個(gè)共振周期(見(jiàn)圖4(b));在低能量區(qū),突變前與PDO無(wú)明顯共振周期(見(jiàn)圖5(a)),突變后存在位相角為90°、尺度為2~3 a的共振周期(見(jiàn)圖5(b)),即低能量區(qū)SPEI-12變化滯后于PDO變化1/4個(gè)共振周期。

    SPEI-12與AO在高能量區(qū)突變前1966~1971年存在位相角0°、尺度2~4 a的共振周期(見(jiàn)圖4(c)),即SPEI-12與AO負(fù)相關(guān)變化,突變后無(wú)明顯共振周期(見(jiàn)圖4(d));在低能量區(qū)突變前存在位相角約270°、尺度2~5a的共振周期(見(jiàn)圖5(c)),即SPEI-12變化提前于AO變化1/4個(gè)周期,突變后無(wú)顯著共振周期(見(jiàn)圖5(d))。

    SPEI-12與ENSO高能量區(qū)突變前1966~1975年顯示有位相角180°、尺度為1.5~4.0 a的共振周期(見(jiàn)圖4(e)),即兩者同步變化。突變后在1994~2000年存在位相角0°、尺度為2.5~4.0 a的共振周期(見(jiàn)圖4(f)),即兩者負(fù)相關(guān)變化;低能量區(qū)1962~1972年存在尺度為2.5~5.0 a的同步變化共振周期(見(jiàn)圖5(e)),突變后無(wú)顯著共振周期(見(jiàn)圖5(f))。

    3.2.2時(shí)滯相關(guān)分析

    交叉小波與小波相干分析顯示,突變后PDO和ENSO與SPEI-12共振現(xiàn)象更加顯著,因此對(duì)PDO、ENSO與SPEI-12指數(shù)序列分別進(jìn)行突變前后的同期及滯后1~12個(gè)月的Pearson相關(guān)系數(shù)計(jì)算,結(jié)果如表3、表4所列。

    表3 PDO與SPEI-12指數(shù)突變前后時(shí)滯相關(guān)分析Tab.3 Simultaneous and lag correlation analysis between PDO and SPEI-12 index before and after mutation

    表4 ENSO與SPEI-12指數(shù)突變前后時(shí)滯相關(guān)分析Tab.4 Simultaneous and lag correlation analysis between ENSO and SPEI-12 index before and after mutation

    由表3~4可知:SPEI-12突變前與PDO同期與滯后1~3個(gè)月具有逐漸減弱的顯著正相關(guān)性,滯后9~12個(gè)月轉(zhuǎn)變?yōu)轱@著的負(fù)相關(guān)性;突變后同期與滯后1~12個(gè)月具有極顯著的正相關(guān)性,相關(guān)系數(shù)隨滯后尺度增大逐漸減小。SPEI-12突變前與ENSO同期與滯后1~10個(gè)月具有顯著的正相關(guān)性,其中滯后4~5個(gè)月相關(guān)性更為顯著;突變后僅滯后6~8個(gè)月具有較顯著的正相關(guān)性。

    3.3 討 論

    綜合上述,松花江流域SPEI-12在1984年左右突變后,在時(shí)間、空間上皆整體呈現(xiàn)減小趨勢(shì),齊齊哈爾以西北呼倫貝爾以東南地區(qū)、黑河市周邊地區(qū)和吉林北部地區(qū)變化最為顯著。這與吳燕鋒等[38]在分析松花江水文干旱與氣象干旱關(guān)系中氣象干旱在1982年后趨于減輕的演變結(jié)論相符。曾鵬[39]也在其對(duì)中國(guó)未來(lái)干旱趨勢(shì)模擬研究中以RCP4.5與RCP8.5兩種模擬情景模式模擬出松花江流域的干燥趨勢(shì)顯著,SPEI指數(shù)整體呈現(xiàn)負(fù)值,與本文的研究結(jié)果一致。在PDO、AO、ENSO與SPEI-12的交叉小波與小波相干分析中,松花江流域突變前后SPEI-12指數(shù)與遙相關(guān)因子存在共振周期,其中PDO和ENSO與突變后SPEI-12共振相互作用更為顯著,表明遙相關(guān)因子可能是導(dǎo)致松花江流域SPEI-12指數(shù)降低的重要因素之一。

    而在進(jìn)一步的相關(guān)分析中,PDO和ENSO與SPEI-12突變前后相關(guān)性質(zhì)的變化與小波分析部分結(jié)論相符,即PDO和ENSO是導(dǎo)致松花江流域SPEI-12指數(shù)降低的重要的遙相關(guān)影響因素。ENSO表現(xiàn)為赤道中東部太平洋海面溫度異常增高或降低,暖相與冷相皆會(huì)引起沃克環(huán)流的變化,Ren等[40]也在研究中證明了松花江流域SPEI指數(shù)與不同ENSO指數(shù)皆存在顯著的相關(guān)關(guān)系;PDO體現(xiàn)為北太平洋西部和中部海溫的異常。兩者皆起源于太平洋與大氣的相互作用,影響海洋大氣水平-垂直相互作用,給太平洋沿岸大陸乃至全球氣候帶來(lái)熱量及水汽輸送的異常變化。但除了PDO與ENSO的影響外,松花江流域干旱的成因機(jī)制還與季風(fēng)、人類(lèi)活動(dòng)和地形地質(zhì)等有關(guān)。并且由于數(shù)據(jù)的限制,本文選擇使用了Thornthwaite方法計(jì)算潛在蒸散發(fā),該方法只考慮了溫度的影響,忽略了其他如風(fēng)速、輻射等氣候因子的影響,因此松花江旱澇狀況的評(píng)估與遙相關(guān)因子之間的耦合機(jī)理仍需進(jìn)一步研究。

    4 結(jié) 論

    本文結(jié)合松花江流域52個(gè)氣象站點(diǎn)1960~2020年共61a逐日降水與氣溫?cái)?shù)據(jù),計(jì)算12個(gè)月尺度的標(biāo)準(zhǔn)化降水蒸散指數(shù),識(shí)別其時(shí)間序列突變點(diǎn),并運(yùn)用交叉小波變換與小波相干分析,得出以下結(jié)論:

    (1) 松花江流域SPEI-12指數(shù)突變節(jié)點(diǎn)約為1984年,空間上呈現(xiàn)中部及中部偏東地區(qū)突變前輕澇、突變后輕旱的變化特征,流域整體SPEI-12指數(shù)趨于減小,中部及中部偏東地區(qū)變化最為明顯。

    (2) 交叉小波功率譜與小波相干譜顯示,SPEI-12與PDO、AO、ENSO存在共振周期,其中PDO和ENSO突變前后差異更明顯,對(duì)突變后SPEI-12共振相互作用更加顯著。

    (3) 同期與滯后相關(guān)性分析顯示,突變前后SPEI-12與ENSO相關(guān)時(shí)滯尺度有較大變化。SPEI-12與PDO隨時(shí)滯尺度變化突變前相關(guān)性質(zhì)具有較大差異,突變后轉(zhuǎn)變?yōu)闃O顯著的正相關(guān)性,表明PDO與ENSO是導(dǎo)致松花江流域SPEI-12指數(shù)突變后數(shù)值減小的重要的遙相關(guān)影響因素。

    猜你喜歡
    松花江流域共振小波
    自然災(zāi)害、農(nóng)戶(hù)傳統(tǒng)風(fēng)險(xiǎn)管理手段與天氣指數(shù)保險(xiǎn)需求
    構(gòu)造Daubechies小波的一些注記
    基于MATLAB的小波降噪研究
    電子制作(2019年13期)2020-01-14 03:15:32
    吉林省松花江流域產(chǎn)業(yè)生態(tài)系統(tǒng)適應(yīng)性分析
    安然 與時(shí)代同頻共振
    選硬人打硬仗——紫陽(yáng)縣黨建與脫貧同頻共振
    基于一維水動(dòng)力模型的洪水頂托影響分析
    基于改進(jìn)的G-SVS LMS 與冗余提升小波的滾動(dòng)軸承故障診斷
    CTA 中紡院+ 化纖聯(lián)盟 強(qiáng)強(qiáng)聯(lián)合 科技共振
    農(nóng)業(yè)面源氨氮污染減排體系的構(gòu)建及減排控制對(duì)策
    兴山县| 乌兰县| 黑山县| 雷波县| 连江县| 盐城市| 通化县| 互助| 浦北县| 休宁县| 乐陵市| 大名县| 江北区| 建宁县| 喀喇| 长海县| 乡城县| 基隆市| 昭平县| 大厂| 同江市| 江油市| 武宣县| 凤城市| 定西市| 海阳市| 尖扎县| 云和县| 阜宁县| 吉水县| 承德县| 乌拉特后旗| 芜湖市| 营口市| 平果县| 商水县| 虞城县| 兴国县| 黑水县| 通海县| 浮梁县|