节水灌溉自动控制系统的研究

为了节约植物灌溉用水,提高水资源使用效率,该文采用单片机、传感器、RS-485网络、无线通讯以及变量控制等技术,设计了一套闭环控制的精准灌溉控制系统。该系统由中央监控计算机、灌溉监测控制器、土壤水分传感器和阀门控制器组成。其中,底层传感器和阀门控制器通过RS-485总线连接至灌溉监测控制器,灌溉监测控制器通过无线通讯模块与中央监控计算机相连。该系统实现了土壤含水率的在线自动监测,并依据植物的土壤含水率灌溉阈值自动控制灌溉系统。试验表明,该系统可以达到精准灌溉的要求,结合植物的土壤含水率生存阈值和最大生物量阈值可实现节水灌溉。

土壤水分传感器实用性能对比研究

该文针对时域反射法(TDR)、频率分解法(FD)型土壤水分传感器和中国农业大学研制的基于驻波率原理(SWR)的新型土壤水分传感器,在德国北部典型的沙壤土、黄土、含煤沙土及含铅壤土土样上做了试验.根据采集的数据进行方差分析,结果表明:SWR型土壤水分传感器是一种高精度、高可靠性、受土壤质地影响不明显的快速土壤水分测量传感器,其性能可与世界先进TDR型和FD型土壤水分测量传感器相媲美.

四川盆地暖区暴雨的雷达回波特征及分类识别

暖区暴雨强度大且降水集中,可造成严重气象灾害。利用四川盆地实况降水和7部天气雷达资料,分析了2012-2017年28次暖区暴雨过程的降水特征,按超过20 mm·h^-1降水站数的突增,将暖区暴雨的雷暴群分为初生阶段和成熟阶段,根据不同降水类型成熟前后的雷达回波特征,将雷暴群分为3种类型,3类回波特征差异明显,雷暴的长时间生消、合并以及传播作用使暖区暴雨降水强度大、范围广。在28次暖区暴雨过程中,四川盆地西北部出现次数最多,持续时间最长,回波基本呈现东北-西南向,与四川盆地西部龙门山脉走向基本一致,地形(产生偏东风)抬升在暖区暴雨的发生发展中起关键作用。对3类雷暴群质心高度、顶高、最大回波强度等要素的统计显示,不同类型雷暴群在初生阶段和成熟阶段的概率密度曲线存在双峰和单峰等结构特征。利用雷暴群的多个参数构建暖区暴雨分类识别的特征向量,并采用随机森林机器学习方法进行识别,取得较好效果。

多源数据融合高时空分辨率晴雨分类

高时空分辨率晴雨分类与交通、旅游、农业灌溉及人们日常出行都密切相关,然而"天有不测风云","东边日头西边雨",准确的高时空分辨率晴雨分类是极具挑战性的问题.提出了一种基于多源数据的多视角学习晴雨分类方法,其中,多源数据包括雷达、卫星及地面观测因子及晴雨观测数据.该方法表述如下:首先,依据雷达观测因子构造了Vis CAPPI视角和Vis PPI视角,依据葵花卫星资料构造了Vis Sat视角,依据地面观测因子构造了Vis Ground视角;然后,对这4个视角特征进行组合获得组合视角Vis CAPPI_PPI,Vis Radar_Sat,Vis Radar_Groumd,Vis Sat_Ground,Vis Radar_Sat_Ground,应用随机森林机器学习方法分别对这些视角进行样本学习,获得这些视角的晴雨分类模型;最后,对这些视角晴雨分类模型估计进行融合,获得晴雨分类结果.主要贡献在于:(1)提出了雷达、卫星和地面观测因子多视角构建方法,构建了Vis CAPPI,Vis PPI,Vis Sat和Vis Ground晴雨分类视角及其组合视角;(2)提出了一种多视角方法(multi-view weight random forest,简称MVWRF),能够处理雷达、卫星和地面观测因子多源数据融合晴雨分类问题,提高1km×1km和6min时空分辨率晴雨分类准确率.在2016年10月7日和8日,泉州雷达覆盖的393个气象观测站上进行模型训练和测试,结果显示,该方法能够取得较高的晴雨分类准确率和较低的漏报率、空报率,优于对比方法.

多尺度残差金字塔网络模型三维气象要素降尺度研究

本文将研究对象从地面气象要素扩展到三维气象要素;针对三维气象要素空间分辨率提升问题,融合多气象要素交互影响、多尺度作用、多气压层气象要素天气系统配置作用等机理,提出一种多尺度残差拉普拉斯金字塔网络三维气象要素深度学习降尺度模型(Multi-Scale Residual Laplacian Pyramid Network,MSRLapN)。具体地,构造一种多尺度残差模块(Multi-Scale Resolution Block,MSRB),用于从三维空间多种气象要素中自动提取预报特征;从机器学习领域引入多尺度金字塔技术描述气象要素的多尺度交互作用;然后,通过超分辨重建循环迭代方法,基于大样本历史数据学习订正降尺度预报的误差。在华东气候区,本文针对相对湿度和风速两种气象要素,实现了7种前沿深度学习超分辨降尺度方法的三维空间气象要素降尺度,并将本文提出的方法与这7种深度学习超分辨降尺度方法与之对比,实验结果表明:MSRB模块可从数据中有效提取三维气象要素多尺度作用的特征信息,MSRLapN有效实现了三维气象要素降尺度,效果优于其他对比方法。

AI技术与卫星资料应用研究现状分析

人工智能(Artificial Intelligence,AI)在环境要素预报、环境质量预报、气象基本要素预报以及高影响性天气预报等方面已取得研究性进展。其中,环境要素包括云、雾、雪,太阳能辐射及土壤水分、植被、湖泊等;环境质量包括空气质量、海洋环境质量等;气象基本要素包括降水、风、温度;高影响性天气包括冰雹、强风、雷电、对流暴雨、洪涝等。