快速城市化对上海代表站降水的影响

通过比较上海城区代表站洋泾和乡村代表站夏字圩1979—2014年日降水记录,对各降水要素进行对比分析,辨识2000年前后2个站降水阶段性变化规律及其差异,揭示城市化对局地降水的影响特征。结果发现:2000年之后上海城市化进程明显加速,且2000年前后洋泾和夏字圩2个站的降水关系发生了系统变异,降水差异明显扩大。由于洋泾和夏字圩均位于太湖东部平原地区,且台风性降水的阶段变化特征基本一致,因此剥离区域降水变异的影响后,将1979—2014年洋泾站降水表现出异于夏字圩站的阶段性特征主要归因于城市化局地增雨效应,且2000年以来上海快速城市化总体上对城区代表站的降水产生了显著的强化作用,增加了强降水事件发生的概率。

城镇化进程中苏州城市扩张过程及其对降水规律影响研究

快速城镇化进程中城市下垫面发生显著变化,其中以城市不透水面快速增加最为显著,下垫面的变化又将进一步影响城市降水。采用光谱混合分析(SMA)方法提取苏州市1995-2010年间苏州市城市不透水面信息,分析苏州城市扩张过程,并基于城市不透水面扩张选取受城市扩张影响大和受城市扩张影响小的苏州站和洞庭西山站分析1979-2013年年降水量和极值降水量变化规律。研究结果表明,苏州市2000年前城市扩张速度缓慢,2000年以后城市扩张十分迅速,扩张的范围随着经济的快速发展而逐渐增大。城市快速扩张过程中降水也发生了显著的变化,2000年之前,洞庭西山占年降水量显著高于苏州站,但2000年以后,苏州站年降水量越来越接近于洞庭西山站,两站年降水量差距减小。同时,2000年之前苏州站极值降水量均值均小于洞庭西山站,而2000年后苏州站1 d、3 d最大降水量均值超过了洞庭西山站,且两个站点在这两个时间段7 d极值降水量均值差距也显著缩小。

条件概率模型在非一致性水文序列频率计算中的应用

【目的】对条件概率模型在非一致性水文序列频率计算中的应用进行研究,为变化环境下的水文频率分析提供依据。【方法】基于条件概率模型,以渭河流域林家村、张家山和状头3个具有跳跃变异的水文站年平均流量系列为研究对象,选择两参数对数正态分布、三参数对数正态分布、Gumbel分布和P-Ⅲ型分布4种分布模型,采用模拟退火粒子群算法进行参数估计,以效率系数R2等指标进行拟合优度评价并选取最佳模型,最后采用学生化残差分析所选模型的合理性。【结果】3个水文站序列的理论频率曲线与经验点据配合的效率系数均高于0.96,最佳模型的学生化残差均服从标准正态分布,表明基于条件概率模型的计算结果合理可靠。【结论】条件概率模型的物理意义明确、理论严密、拟合效果较优,是一种对具有跳跃变异的非一致性水文序列进行频率分析的有效途径。

一种利用贝叶斯优化的蓝藻遥感分类方法

利用Sentinel-2遥感卫星影像,结合遥感优势以光谱、指数、纹理等14种多种特征信息为输入,依托贝叶斯优化算法,设计了一种能自动获取最优超参数组合的BO-XGBoost方法,并将其成功应用于2021年阳澄湖蓝藻信息提取。结果表明:①通过贝叶斯优化算法获取最优超参数组合,进行训练得到BO-XGBoost蓝藻分类模型,其训练结果在测试集和训练集上表现效果良好,准确率高达96.07%;②将BO-XGBoost应用于参与样本集构建的影像,其蓝藻识别结果与人工解译成果对比,2种方法得到的蓝藻空间分布情况基本一致,交并比最低为41.31%;③为评价该分类模型在其他时相的适用性,选择其他时相影像数据进行蓝藻提取,BO-XGBoost与人工解译2种方法蓝藻空间分布情况基本一致,交并比最低为43.85%。

苏州市河湖蓝藻智能识别监管平台建设设计

研究以AI视频识别技术取代传统人工巡查,制定了河湖蓝藻智能识别监管平台总体方案。通过快速精准定位蓝藻水华暴发位置及面积,为苏州市重要河湖蓝藻水华防控提供决策依据,依托统一的信息共享与协同处置平台,建立高效的各监管部门联动防控机制,实现河湖全天候蓝藻自动识别与协同处置。