黄土高原典型小流域水文观测资料自动化整编系统研发

以黄土丘陵沟壑区第三副区典型小流域罗玉沟、吕二沟、桥子东沟和桥子西沟降雨、径流和泥沙资料为处理对象,运用C#语言、SQL Server数据库技术和数据统计分析技术,开发建立了以数据采集、模型服务和数据发布三个逻辑层为总体框架,包含数据录入、数据查询、数据整编、数据管理和系统管理五大功能模块的针对Windows用户的降雨、径流和泥沙数据处理平台,实现了小流域降雨、径流、泥沙数据的输入、整编、查询、输出等功能。同时,该系统也是一种资料管理、信息查询和成果存贮应用的工具,系统的建成可为黄土高原典型小流域水文观测数据处理与管理的自动化、科学化提供技术支撑。     

蛛丝的奥秘

一只偷猎成功的蚊子,拖着圆滚滚的肚子,哼着小曲飞向角落,准备美美睡上一觉。然而,角落里的蛛网,却成了它永远的"睡床"。在树丛、草丛、旧屋子等处的角落里,蜘蛛织好一张张大网,然后躲在一边"守株待兔",静候误入歧途的可怜虫们。只要飞虫撞到蜘蛛     

塔克拉玛干沙漠周围主要河流水文序列特性分析

本文在利用数理统计方法分析塔克拉玛干沙漠周围主要河流水文特征基础上，重点利用时间序列分析方法，从时间域和频率域上分别分析了这些河流序列内部结构特征，通过分析初步认为本区河流水量是基本稳定的，各河流的年径流序列基本呈独立随机序列。在此基础上建立了随机模拟模型，从而为模拟本区河流径流变化规律，以及本区水资源合理开发利用提供了决策分析基础。     

洮儿河沿岸地区水利工程建设的生态水文影响初探

水利工程建设在获得社会经济利用的同时也对生态水文问题造成明显的负面影响,在干旱半干旱地区此类问题尤为显著。本文分别探讨了洮儿河沿岸地区三类水利工程即水库、防洪堤和灌渠对于流域生态水文的影响,主要体现在:(1)减少水库下游河流径流量,加重下游水资源短缺问题;严重影响下游沼泽湿地水文,导致湿地退化(2)灌渠建设使地下水位抬升,加重土壤次生盐渍化问题;(3)防洪堤修建改变湿地水质,增大其矿化度和碱度。     

GIS在分布式水文模型中的应用——以北京雁栖河流域为例

在GIS支持下,由北京雁栖河流域数字高程模型DEM自动生成子流域单元,每个子流域单元的降雨径流过程利用一个水箱模型来模拟,该水箱模型用一个两参数的非线性分布函数来模拟上土壤层的蓄水容量空间分布特征,计算每个子流域单元TOPMODEL模型地形指数ln(a/tanβ)的空间累积分布曲线,并对其作无量纲化处理,通过地形指数ln(a/tanβ)的空间累积分布曲线的无量纲化曲线的最佳曲线拟合确定每个子流域单元土壤蓄水容量空间变异性参数,这使得模型中的土壤蓄水容量空间变异性参数成为一个有确定物理意义的参数,也使得所建立的模型更加具有物理基础。结果表明:无论从模型的率定期还是从模型的验证期来看,模型计算的径流与实测的日径流过程线都呈现出很好的一致性和吻合性,这说明本文建立的模型对雁栖河流域的日径流量的分布式模拟是有效的。     

尺度空间在园林景观中应用

现代园林景观主要由软景(即植物)景观和硬地景观组成,二者有机合理的结合才能更好的筑成一个美丽舒适的游憩休闲空间。而在园林设计过程中,空间尺度的掌控,是设计的首要任务。尺度应用的合理性,直接影响着整体园林景观空间感及视觉美感。因此,尺度空间概念的植入,将成为衡量园林景观好坏的重要标准。即,设计师应在开始设计前要对项目的材料尺寸选择、植物规格把控、各种材质间相互配比等因素有一定的了解。     

青海省水文基础设施建设的几点思考

近年来,通过水利设施建设资金的不断投入,青海省大部分水文测站、水文巡测基地的基础设施建设得以加强,测报手段、技术水平得到了一定的改善,为大江大河防洪和水资源管理提供了可靠的信息保障.但青海省地处青藏高原,各类因素影响水文基础设施的建设.本文提出了青海省水文基础设施建设的几点问题,并提出了相应的对策.     

公路植物护坡水文与力学效应的理论研究

公路边坡种植植物后土体和植物体系组成有机整体，提高了边坡的稳定性。其中茎叶的水文效应与根系的力学效应起着主要的作用。建立茎叶的水文模型以及根一土相互作用力学模型，即可以定性及定量分析植物的护坡作用，为植物护坡工程的设计计算提供一定的参考，以达到减小水土流失和边坡病害的发生的目的。     

流域梯级水电站实时水情预报管理

综合运用基于DEM的流域水系模型与TOPMODEL水文模型构建出了流域梯级水电站实时水文预报模型，并以VS.Net为平台，运用分布式网络编程技术将二者集成，为西南某流域梯级水电站设计开发出功能先进和完善的网络版实时水情预报管理软件系统。该系统已投入使用，为实现流域水情预报的智能化、信息化和网络化管理提供了可靠的辅助工具。     

基于高光谱与在线序列极限学习机确证大米产地方法

为满足快速无损的大米产地确证需求，采集吉林省梅河口市水稻主产区及松原、大安、辉南等其他水稻产区共990个大米样本的高光谱图像（400~1 000 nm）作为研究对象，利用多元散射校正（MSC）处理方法对光谱进行预处理。采用多层感知机（MLP）、极限学习机(ELM)与在线序列极限学习机(OS-ELM)算法，分别基于全波段高光谱数据以及经多维尺度分析（MDS）方法降维后的数据建立产地确证模型。结果表明，基于全波段高光谱数据的OS-ELM模型分类性能最好，准确率达到98.3%。经MDS处理后，输入的数据变量减少了96.6%，MDS-OS-ELM模型准确率稳定在97.4%。对三种模型的训练时间进行对比分析，OS-ELM训练时间明显优于MLP，在分批次获取数据时训练时间优于ELM。为大米产地确证提供了一种高效、准确、稳定的方法。