短线法预制梁线性控制研究

短线法预制梁适用于多跨、有水平曲线的桥梁。结合某大桥施工实例,在短线法线性控制理论基础上,推导出了放样坐标值的计算方法和长度误差修正方法,为类似工程提供借鉴。

黄土高原不同作物下垫面陆气水热交换的模拟研究

黄土高原农田种植结构的改变对陆面能量和水分交换、区域蒸散发等产生影响,不同作物下垫面复杂的水热耦合机制在黄土高原陆-气相互作用中起着重要作用。本文利用陇东黄土高原2019-2021年共计34个月的观测数据,结合耦合了作物模块的通用陆面模式(Community Land Model with BGC Biogeochemistry and prognostic crop,CLM5.0-BGCCROP)对黄土高原不同作物下垫面(冬小麦、玉米、苹果林地)的陆面特征进行离线单点模拟,以验证CLM5.0陆面过程模式在黄土高原农田地区的模拟能力,对比分析不同作物下垫面土壤温湿度和地表能量通量的差异。结果表明:(1)CLM5.0对土壤温湿度特征的模拟效果较好,平均均方根误差分别小于2.5℃和0.1 m^(3)·m^(-3),小麦地土壤温度模拟值偏高,玉米地和苹果林地土壤温度模拟存在冷偏差。生长期在旱期的冬小麦造成土壤干燥的程度大于玉米,苹果林地因根系丰富,吸收了更多的土壤水,使土壤整体更加干燥。(2)模拟偏差一部分是由于在模式中将作物下垫面设置为单一作物类型(冬小麦、玉米和苹果林地)时,高估(低估)了(非)生长期作物的叶面积指数,低估(高估)了地表反照率,高估(低估)了净辐射通量,更多(少)的能量转化为感热潜热。(3)另一部分偏差来自于农田不同的作物管理方式,如实际上作物收割后并不完全翻耕为裸土,模式高估了小麦地和玉米地收割后的土壤温度和土壤液态水含量;模式中没有地膜覆盖选项,导致玉米地土壤温度、土壤液态水含量模拟偏低,模拟平均偏差约-1.84℃和-0.058 m^(3)·m^(-3)。(4)冬小麦-玉米混合下垫面模拟试验能较好地模拟地表能量通量,净辐射、感热通量、潜热通量的模拟平均偏差分别为-6.13 W·m^(-2)、11.46 W·m^(-2)、-1.97 W·m^(-2)。在生长期内,冠层蒸腾作用占主导,随着作物叶面积指数的增加,感热通量减少,土壤温度降低,潜热通量增加,土壤液态水含量减少。

养老行业大学生创业机会分析

近年来,高校毕业生规模逐年增长,应届大学生就业形势日趋严峻。同时,人口老龄化加剧给养老行业带来无限商机,因此鼓励大学生在养老行业创业,可作为有效缓解大学生就业压力与满足养老行业市场需求的途径之一。从大学生创业者的角度,通过深入分析大学生在养老行业的创业优劣势,梳理出养老热点应用领域大学生的创业机会,为大学生在养老行业创业提供理论指导。

基于机器学习的土壤温度预估研究综述

土壤温度是地球科学研究中的重要物理量。在陆-气相互作用研究中,土壤温度不仅影响土壤内部的物理、生物、化学过程,而且对陆-气之间能量和物质交换起重要作用。随着可获取的相关数据越来越丰富,机器学习方法已经被越来越多的研究人员引入到土壤温度预估中,在很多任务中已经超过了统计模型、物理模型的性能。本文对比了统计模型、物理模型和机器学习方法这三种土壤温度常用计算方法的异同,简要介绍了应用于土壤温度研究的各类机器学习模型的原理和特点,综合国内外文献归纳了传统机器学习和深度学习在土壤温度空间分布、时间变化和时空变化三方面的研究进展。在土壤温度空间分布研究中,传统机器学习方法能够通过影响因子的空间异质性学习空间特征,并利用站点观测数据计算土壤深处的温度,但随土壤深度增加模型效果减弱,而深度学习模型有能够提取空间特征的结构,但对数据量要求高,当前研究中仅用于地表温度的遥感反演;在土壤温度时间序列研究中,加入了周期性信息的传统机器学习方法具有更好的模型效果,深度学习中的序列学习模型能自动捕捉土壤温度变化规律,结合了非平稳序列分析方法的混合模型能充分考虑土壤温度变化的连续性和周期性;由于陆面过程复杂性,土壤温度时空变化方面研究较少。基于模型特点和研究现状,本文总结了机器学习在土壤温度预估时的适用性,对数据选择、模型选择和模型评估方法进行了讨论。不同数据条件、研究目的决定着数据和模型的选择,决策树类方法可以可视化提供一定可解释性,支持向量机可适用于数据量较少的情况,极限学习机可以满足需要快速计算情形。由于机器学习缺少物理约束,应用于土壤温度预估时需要重视模型检验和结果对比。针对当前研究的挑战对下一步工作进行展望,认为未来利用机器学习方法对土壤温度进行预估可以从在学习模型中融入先验科学知识、结合遥感资料和多层观测进行土壤温度立体空间建模以及利用卷积循环神经网络进行时空建模三方面进行。

不同初始值对三江源西大滩站多年冻土水热过程模拟的影响

不同初始值对多年冻土水热过程的模拟有着深刻的影响。本文利用青藏高原三江源多年冻土区西大滩站观测数据,驱动通用陆面模式CLM4.5(Community Land Model version 4.5)对该站多年冻土进行为期14个月的模拟研究。设计三组试验,检验CLM4.5模式对多年冻土模拟性能,探究不同初始土壤温度、液态水含量以及含冰量对模拟结果的影响,并对土壤初始含冰量的计算进行改进,提高了模式对多年冻土水热过程的模拟。通过对比土壤含冰量模拟值,液态水含量和土壤温度观测值与模拟值,结果表明:(1)初始土壤温度、液态水含量会通过影响初始土壤含冰量进而影响CLM4.5模式对多年冻土水热过程的模拟。(2)CLM4.5默认初始土壤温度、液态水含量时,计算出的初始含冰量为0 m^(3)·m^(-3),这使得模式不能准确模拟出多年冻土的特征。在2015年11月上旬至2016年8月上旬土壤含冰量大于0.01 m^(3)·m^(-3),其余时段土壤含冰量几乎为0 m^(3)·m^(-3);整层土壤液态水含量从冬季开始减少,春季开始增加;土壤温度在2.8 m以下全年大于0℃,0~2.8 m呈现“冬冻夏融”的季节性冻土特征。(3)修改初始土壤温度和液态水含量为观测值后,模拟结果呈现多年冻土特性。在1.8 m以下土壤含冰量常年大于0.01 m^(3)·m^(-3);在0~1.0 m土壤液态水含量冬季开始减少,春季开始增加,在1.0 m以下土壤液态水含量常年维持在0~0.01 m^(3)·m^(-3);2.8 m以下土壤温度常年低于0℃,活动层厚度约2.8 m,高估约115.4%。(4)在修改默认值为观测值的基础上,进一步修改初始含冰量的计算,使得模拟的含冰量整体增加。在1.1 m以下土壤含冰量常年大于0.025 m^(3)·m^(-3);在秋季和夏季0~2.3 m土壤液态水含量有所增加,与观测值偏差进一步缩小,2.3 m以下常年维持在0~0.1 m^(3)·m^(-3);活动层厚度减小到1.7 m,高估约30.8%,各层土壤温度模拟偏差较前两组试验均明显改善。

青藏高原东部多、少雪年地表能量和水分特征对比研究

青藏高原积雪对地表能量和水分交换有重要影响。本文通过选取青藏高原东部玛多、玛曲和垭口3个站点多雪年和少雪年的气象资料,对比分析了多雪年和少雪年的地表能量和土壤水热特征。结果表明:在地表辐射平衡方面,多雪年或积雪较多的时期可以反射掉较多的向上短波辐射。玛多站多雪年反射掉的向上短波辐射是少雪年的2.3倍,玛曲站主要积雪期(3-5月)中多雪时期比少雪时期多反射掉10.07 W·m^(-2)的向上短波辐射,垭口站多雪年的年平均向上短波辐射分别比两个少雪年高出37.49 W·m^(-2)和31.92 W·m^(-2)。多雪年或积雪较多的时期还可以减少向上长波辐射的发射。玛多站多雪年与少雪年向上长波辐射的差值在整个研究时段中基本为负,垭口站两个少雪年在当年12月初到次年1月和次年2月末到4月初这两个时段,积雪越深,向上长波辐射值越小。向上短波和向上长波辐射的差异使得多雪年的地表净辐射少于少雪年。不论多雪年还是少雪年,土壤热通量的值都很小,地表能量分配主要以感热通量和潜热通量为主。玛多站少雪年以感热通量为主且感热通量为正,但多雪年感热通量为负;玛曲站的3-5月,多雪年的降雪较少雪年集中,多雪年地表能量分配以潜热为主,少雪年地表能量分配以感热为主。两个站点多雪年土壤热通量由负转正的时间均晚于少雪年。由于积雪的保温效应,多雪年土壤温度高于少雪年,且地表温度与大气温度的差值较大,大气湿度的平均值也大于少雪年;土壤进入冻结期后,各个土层深度上土壤含水量随时间的改变减弱,玛多站在5 cm深度多雪年土壤含水量明显大于少雪年,玛曲站少雪年10~40 cm的土壤含水量变化更明显,垭口站20~160 cm各层土壤多雪年冻结时间晚于少雪年。