Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Ograniczanie wyników
Czasopisma help
Lata help
Autorzy help
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 196

Liczba wyników na stronie
first rewind previous Strona / 10 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 10 next fast forward last
PL
Silikon to związek krzemoorganiczny, zbudowany z syntetycznych związków wielocząstkowych, które tworzy szkielet polisiloksanowy z grupami organicznymi skupionymi wokół krzemu. Pośród wielu zalet silikonów należy wymienić odporność termiczną na działanie niskich i wysokich temperatur, odporność na działanie tlenu, wilgoci, kwasów, soli, jak również dużą hydrofobowość, czyli niezdolność do łączenia się z wodą.
EN
In a certain stream gauge profile, consider the low flow flows determined with the POT (Peak Over Threshold) method. Each of the flows can be described by three characteristics – deficit, duration and minimal flow. Values of the three-dimensional random variable depend on the choice of truncation level Qg (threshold flow) – POT method parameter. It is typically assumed that the threshold level is included within the range from Q95% to Q60% (Tallaksen, van Lanen 2004). However, in computational practice the Qg value is determined at the level of either Q90% to Q70%. This choice is made mainly from the hydrological (not statistical) point of view. In this paper the influence of the threshold flow on the form of estimated distributions of each of the above three characteristics is considered. The following distributions are chosen: − GEV (generalised extreme value distribution) – while examining the distribution of extremes; − log-normal – in the non-extreme case. In each of the examined stream gauge profiles the following algorithm was used: 1. from the curve of duration sums, two flow values Q90% and Q55% are chosen 2. for each flow from the range (Q90%, Q55%), using the Zelenhasić method (1987), a three-dimensional sequence is determined of observed deficits, durations and minimal flow values; 3. for each of the one-dimensional sequences, the parameters of the above distributions are estimated. The variability of the estimated quantiles and their intervals of confidence were shown with the example of three gauge profiles – Kuripapango (New Zealand), Bogusław (Prosna) and Bystrzyca Kłodzka (Nysa Kłodzka).
EN
In a certain stream gauge profile, consider the low flow flows determined with the POT (Peak Over Threshold) method. Each of the flows can be described by three characteristics – deficit, duration and minimal flow. Values of the three-dimensional random variable depend on the choice of truncation level Qg (threshold flow) – POT method parameter. It is typically assumed that the threshold level is included within the range from Q95% to Q60% (Tallaksen, van Lanen 2004). However, in computational practice the Qg value is determined at the level of either Q90% to Q70%. This choice is made mainly from the hydrological (not statistical) point of view. In this paper the influence of the threshold flow on the form of estimated distributions of each of the above three characteristics is considered. The following distributions are chosen: − GEV (generalised extreme value distribution) – while examining the distribution of extremes; − log-normal – in the non-extreme case. In each of the examined stream gauge profiles the following algorithm was used: 1. from the curve of duration sums, two flow values Q90% and Q55% are chosen 2. for each flow from the range (Q90%, Q55%), using the Zelenhasić method (1987), a three-dimensional sequence is determined of observed deficits, durations and minimal flow values; 3. for each of the one-dimensional sequences, the parameters of the above distributions are estimated. The variability of the estimated quantiles and their intervals of confidence were shown with the example of three gauge profiles – Kuripapango (New Zealand), Bogusław (Prosna) and Bystrzyca Kłodzka (Nysa Kłodzka).
PL
W artykule opisano próbę waloryzowania różnorodności biologicznej w krajobrazie rolniczym w Polsce. Przyjęto założenie, że różnorodność biologiczna w krajobrazie rolniczym jest pochodną jego struktury, wyznaczonej przez elementy naturalne, strukturę użytkowania ziemi oraz intensywność gospodarowania. Intensywność gospodarowania w dużym stopniu zależy od przydatności rolniczej gruntów, a częściowo wyraża się w samej strukturze ich zagospodarowania. Przyjmując za jednostkę podstawową podokręgi geobotaniczne, przypisywano im określone walory różnorodności biologicznej na podstawie cech krajobrazowych. Uzyskany obraz zmodyfikowano w wyniku weryfikacji za pomocą dostępnych danych o występowaniu rzadkich gatunków roślin polnych i łąkowych oraz siedlisk chronionych. Nie zdołano w pełni uwzględnić różnorodności biologicznej zwierząt hodowlanych i roślin uprawnych. Odrębność różnych sfer i poziomów różnorodności biologicznej skłania do osobnego ich waloryzowania. Duże, ciągle niewykorzystane możliwości badawcze pozostają w sferze analizy struktury i typologii krajobrazu rolniczego.
EN
This article is an attempt of evaluating biodiversity in agricultural landscapes in Poland. The main assumption was that biodiversity of agricultural landscapes is a resultant of their structure, determined by natural elements, land use structure and the intensity of land management. The intensity of management largely depends on the soil usefulness for farming but is partly expressed in spatial structure of croplands. Basic units in this analysis were geobotanical subregions. These units were evaluated by biodiversity values based on landscape character. Obtained pattern was verified with the help of existing data on the occurrence of rare field and grassland plant species and on protected habitats. Final result does not consider the biodiversity of crop plants and bred farm animals. Specifics of these elements at various levels of biological diversity needs separate analysis. There is still a great but unexploited research potential for the analysis of structure and typology of agricultural landscape.
15
Content available remote Rozkłady prawdopodobieństwa niżówek maksymalnych
100%
EN
The complete method, based on Zelenbasic and Salvai model, for estimating unknown distributions of low flow indices (drought amount and duration) is presented. Good fiting is shown on data taken from two different catchments: upper Nysa Kłodzka and Odra rivers.
first rewind previous Strona / 10 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.