基于全球陆面数据同化系统蒸散量的GSAC模型率定

在识别缺资料流域水文模型参数时,目前常采用的区域化方法存在相似流域间降雨径流关系差别较大、模型参数与流域属性间的相关性不明显、在大范围缺资料地区难于选取参考流域等问题。本文从全球陆面数据同化系统(GLDAS)获取流域蒸散量数据,提出利用GLDAS蒸散量率定GSAC模型的方法。首先,通过合并网格建立GSAC模型模拟的蒸散量与GLDAS蒸散量在时间和空间方面的对应关系;其次,基于纳什效率系数的定义构建了一个模型率定指标,以评价GSAC模型模拟的蒸散量对GLDAS蒸散量的拟合效果;最后,依据GLDAS蒸散量与GSAC模型模拟蒸散量之间的拟合关系率定GSAC模型。呼兰河流域应用结果表明,GLDAS提供的蒸散量能够较好反映流域实际蒸散量的变化情况,为率定GSAC模型提供了一种有效的输入数据;在率定期与验证期,利用GLDAS蒸散量率定的GSAC模型对流量模拟的纳什效率系数分别为0.81和0.77,与利用流量数据率定的GSAC模型模拟结果相近。     

土地覆被变化对径流量影响的GSAC模型分析

针对我国高寒区水文模型研究中基础数据缺乏、现有数据时空分辨率不高、蒸散发和积雪融雪难于定量计算等问题,选择基于栅格的萨克拉门托(GSAC)模型,通过设定不同的土地覆被变化情景,定量分析土地覆被变化对径流量的影响,并推求了宝清站枯水期流量。结果表明:率定参数后的GSAC模型在模拟位于寒区的宝清河流域日流量过程中,率定期和验证期的决定系数平均值为0.732 9,较好地再现了该流域1997—2001年逐日的流量过程;退耕还草、还林均会引起年径流量的增大,增幅在3.09%~44.85%之间,且退耕还草对流量的影响更大;退耕还草、还林的坡度与流域出口断面的流量具有负相关性,即坡度越小,流量越大;坡度超过15°的耕地还草后的平均流量与该区域的生态需水量最为接近。     

基于神经网络的拖拉机可靠性模型的参数估计

针对拖拉机可靠性模型，应用数学方法和人工神经网络系统理论，提出了基于自适应线性神经网络的可靠性模型参数估计方法，并用该方法给出了拖拉机首次故障时间可靠性模型参数估计，得到了拖拉机首次故障时间的可靠度函数。     

垂向混合产流模型在不同地区的应用与改进

基于垂向混合产流模型的结构特征,选择不同地区加以应用比较,率定了模型在西北干旱半干旱地区的参数,在此基础之上进行了洪水模拟计算,分析对比了模型在不同地区的应用和洪水模拟结果不合格的原因。通过分时段双源蒸散发计算和改进的格林-安普特下渗公式的应用计算,使模型在北方干旱地区和南方湿润地区也具有一定的适应性、成熟性和有效性。     

蓄满产流模型的改进及应用——以盐城地区为例

从土壤蓄水容量的定义出发,引入时间参数,对蓄满产流模型进行了改进,并以盐城地区为例,探索了产流参数的确定方法,以地下水体为研究对象,利用改进后的蓄满产流模型以及降雨产流与地下水位之间的关系,对研究区域地下水位进行了动态模拟,模拟结果与实测值吻合较好.通过改进,扩大了蓄满产流模型的应用范围,为区域水资源系统的动态模拟分析和研究提供方法上的参考.     

基于校正WOFOST模型的枣树生长模拟与水分利用评价

为实现定量化分析温、光和水资源对果树生长的影响,本研究以成龄骏枣树为研究对象,提出了基于校正WOFOST模型的枣树生长和水分运移模拟方法.利用2016和2017年的田间试验观测数据,重点校正WOFOST模型的物候学发育、初始化、绿叶、CO2同化、干物质分配、呼吸作用和水分利用参数.在田间尺度,完成总地上生物量(TAGP...     

基于改进型非线性最小二乘法的作物模型隐含参数估计

为了使作物生长模型中的参数最优化,提出了一种改进型非线性最小二乘法在作物生长模型中隐含参数估计的应用技术,针对多目标项的情况提出了权矩阵的自动计算方法。通过良好的人机交互界面,使得该方法更精确、更有效、更方便。实验表明：用该方法对作物模型进行参数优化后,再对番茄生长的动态过程进行仿真,对模拟值和实测值进行比较,两者拟合程度很好。     

EGSB反应器的动力学模型研究(Ⅱ)-参数估计与过程模拟

本文利用实验室处理葡萄糖自配水的EGSB反应器在第33～70 d的运行数据对厌氧动力学模型进行了参数估计,然后利用该模型对EGSB反应器在第71～117 d的实际运行进行动态模拟,模拟结果如出水COD值、反应器内部pH值、出水碱度、沼气产量、沼气中的甲烷含量以及反应器内部生物量等与实际运行数据吻合良好.     

基于无迹卡尔曼滤波的车辆状态与参数估计

准确获取车辆运动过程中的状态变量和时变模型参数可以提高动力学控制的鲁棒性.引入了车辆模型时变参数的概念,建立了车辆动力学状态空间模型,应用无迹卡尔曼滤波(UKF)算法对车辆状态变量和参数进行了估计.与车辆动力学软件CarMaker建立的参考模型对比表明,该估计方法具有可行性和准确性.在估计系统中,提出含自适应参数的简化...     

基于Kostiakov二参数入渗模型参数的BP预测

基于黄土高原区大田耕作土壤的水分入渗试验,建立了Kostiakov二参数入渗模型参数的BP神经网络预测,实现了以土壤基本理化参数为输入变量,Kostiakov二参数模型参数为输出变量的BP预测方法,并分别对二参数模型中的入渗系数k、入渗指数α以及90min累积入渗量H进行了预测值与实测值的精度比较,结果显示对入渗系数k实现BP预测的平均相对误差为6.082 3%,入渗指数α的平均相对误差为1.045 9%,90min累积入渗量H的平均相对误差为4.973 5%,三者的平均相对误差值均在7%以下,预测精度较高,预测效果较好,表明以土壤基本理化参数为输入变量的BP神经网络预测是可行的。研究结果为获取准确的入渗参数提供技术手段,进而为提高农业灌溉水管理水平和灌水效率提供支撑。     

基于MRE-PointNet+AE的绿萝叶片外形参数估测算法

为了准确、高效、自动获取植物叶片外形参数,提出一种基于多分辨率编码点云深度学习网络(MRE-PointNet)和自编码器模型的绿萝叶片外形参数估测算法.使用Kinect V2相机以垂直姿态获取绿萝叶片点云数据,采用直通滤波、分割、点云精简算法对数据进行预处理,通过测定的叶片外形参数反演绿萝叶片几何模型,并计算几何模型的...     

干旱区枯季径流频率线型优选及参数估计方法初探

目前,对枯水径流的分析和预测工作都还比较薄弱,尤其在西北干旱地区。枯水径流在水力发电、农业灌溉以及城市工业和生活供水等方面都有重要的意义。采用PPCC检验方法对我国常用的5种水文频率分布线型进行检验,确定适合乌鲁禾齐河流域的最优线型为皮尔逊Ⅲ型;以参数、设计值的不偏性和有效性为评价标准,对4种主要的P-Ⅲ型分布参数估计方法：矩法、适线法、权函数法及线性矩法,进行统计试验综合比较研究,确定线性矩法为P—Ⅲ型分布较优的参数估计方法。     

基于遥感多参数和CNN-Transformer的冬小麦单产估测

为了提高冬小麦单产估测精度,改善估产模型存在的高产低估和低产高估等现象,以陕西省关中平原为研究区域,选取旬尺度条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）为遥感特征参数,结合卷积神经网络（CNN）局部特征提取能力和基于自注意力机制的Transformer网络的全局信息提取能力,构建CNN-Transformer深度学习模型,用于估测关中平原冬小麦产量。与Transformer模型（R2为0.64,RMSE为465.40kg/hm2,MAPE为8.04%）相比,CNN-Transformer模型具有更高的冬小麦单产估测精度（R2为0.70,RMSE为420.39kg/hm2,MAPE为7.65%）,能够从遥感多参数中提取更多与产量相关的信息,且对于Transformer模型存在的高产低估和低产高估现象均有所改善。基于5折交叉验证法和留一法进一步验证了CNN-Transformer模型的鲁棒性和泛化能力。此外,基于CNN-Transformer模型捕获冬小麦生长过程的累积效应,分析逐步累积旬尺度输入参数对产量估测的影响,评估模型对于冬小麦不同生长阶段的累积过程的表征能力。结果表明,模型能有效捕捉冬小麦生长的关键时期,3月下旬至5月上旬是冬小麦生长的关键时期。     

基于群智能优化算法的土壤水动力参数反演

土壤水动力参数是模拟田间土壤物质传输过程的基本参数,准确确定土壤水动力参数对实现农田生境精准调控具有重要意义。基于一维垂直入渗试验数据,采用代数方法和数值方法,构造3个不同的目标函数,并分析鲸鱼优化算法和灰狼优化算法反演Brooks-Corey-Mualem模型参数的适用性。结果表明：通过选择合适的目标函数,两种群智能优化算法均可用于反演土壤水动力参数。在代数方法中,鲸鱼优化算法在目标函数2下(由累积入渗量、入渗时间、含水率构成的相对误差)固定参数θ_r、θ_s优化得到的土壤水动力参数误差最小,反演参数得到的累积入渗量、入渗率、含水率的相对误差都在9.74%以下,决定系数都在0.904 0以上,反演时间为70 s;在数值方法中,灰狼优化算法在目标函数3下(由累积入渗量、湿润锋深度、含水率构成的相对误差)固定参数θ_r、θ_s优化得到的参数误差最小,反演参数得到的累积入渗量、入渗率、含水率的相对误差都在2.53%以下,决定系数都在0.991 7以上,反演时间为115 s。因此,代数方法所用时间短、精度相对较低...     

基于几何模型的绿萝叶片外部表型参数三维估测

为快速高效获取叶类植物叶片的外部表型参数、掌握植株生长状况,以绿萝叶片为研究对象,提出一种基于几何模型的叶长、叶宽与叶面积的三维估测方法。利用微软Kinect V2相机,自80cm高度垂直位姿获取绿萝叶片局部点云,并进行直通滤波去噪与包围盒精简等预处理,测量得到点云外形参数,输入预先建立的SAE网络分类预测得到几何模型参数,并基于曲面参数方程建立叶片几何模型。采用粒子群优化算法计算几何模型离散点云和局部点云间的空间距离,进行空间匹配,利用遗传算法求解最优匹配模型的内部模型参数,输出最优匹配模型的叶长、叶宽与叶面积作为估测结果。实验共采集150片绿萝叶片的局部点云数据,将估测结果和真实值进行数学统计与线性回归分析,得出叶长、叶宽与叶面积估测的平均误差分别为0.46cm、0.41cm和3.42cm2,叶长估测R2和RMSE分别为0.88和0.52cm,叶宽R2和RMSE分别为0.88和0.52cm,叶面积R2和RMSE分别为0.95和3.60cm2。实验表明,该方法对于绿萝叶片外形参数的估测效果较好,具有较高实用价值。     

基于PhotoScan的径流小区三维重建参数优化

提高径流小区数字地面模型精度是应用三维重建技术研究面蚀细沟间与细沟侵蚀过程的关键。以位于黑龙江省海伦市的中国科学院海伦水土保持监测研究站的裸地小区为研究对象,以验证点与控制点误差比和数字高程模型（Digital elevation model,DEM）误差为指标,优化Agisoft PhotoScan三维重建径流小区的处理参数,降低DEM误差。PhotoScan的精度参数和相机模型设置对DEM误差有较大影响。优化后的验证点与控制点误差比降低35%,改善了径流小区DEM对地面控制点的过度拟合。优化后的相机模型包含焦距、像主点、径向畸变、切向畸变等。基于单点和点云的验证结果表明,优化过程误差降低约40%。相对于默认参数设置下的验证点误差（20.0mm）,优化后的验证点误差为11.0mm,与细沟侵蚀深度标准相当（沟深大于等于10mm）,因此优化后的径流小区三维重建过程更适宜于细沟侵蚀过程的三维表达。