基于遥感和深度学习的输电线路地表水深预测

近年来很多输电线路区域受到洪水灾害的影响,因此,预测输电线区域地表水深对于输电线区域安全至关重要。本研究通过遥感卫星产品、观测气象资料和水文数据来预测地表水深。该研究首先利用长短期记忆网络(long short-term memory,LSTM)、门控循环单元网络(gated recurrent unit,GRU)、编码器和解码器的长短期记忆网络(long short-term memory-seq2seq,LSTM-S2S)和前馈神经网络(feedforward neural network,FFNN)模型针对气象资料和水文数据进行了日和月尺度数据模拟。结果表明,在4个模型中,LSTM-S2S是预测地表水深的最佳模型;相比之下,FFNN的表现最差;LSTM,GRU和LSTM-S2S模型在日和月尺度数据模拟中均表现良好。在LSTM,GRU和LSTM-S2S模型中,日尺度模拟的决定系数(coefficient of determination,R 2)和纳什效率系数(Nash-Sutcliffe efficiency coefficient,NSE)均优于月尺度。因此,本研究中的方法可以用来模拟未来电力传输线地区的日和月尺度的地表水深。

缓坡畦灌地表储水形状系数对入渗参数估值的影响

Maheshwari法在估算入渗参数时取地表储水形状系数为定值,但已有研究表明该值并不恒定,针对这个矛盾,分析了地表储水形状系数随水流推进距离的变化规律,研究了畦灌地表储水形状系数对Maheshwari法入渗参数估值的影响.利用水位传感器观测地表水深沿畦长方向的分布,计算对应不同水流推进距离的地表储水形状系数;设定不同的地表储水形状系数,分析Maheshwari法入渗参数估值对地表储水形状系数的敏感性.结果表明,地表储水形状系数随水流推进距离增加而增加,但在推进距离大于50m时,增大趋势渐缓;其不同取值对入渗参数估值的影响显著,随着地表储水形状系数取值的逐渐增大,Kostiakov入渗模型的入渗系数逐渐减小,入渗指数逐渐增大.因此,地表储水形状系数取值对Maheshwari法入渗参数估值的影响不可忽略,对于缓坡畦灌,应用Maheshwari法估算入渗参数时,水流推进距离不应小于50m.

畦灌土壤入渗参数估算的线性回归法

土壤入渗参数是地面灌溉设计的基本参数。针对现有估算方法存在计算工作量较大、精度不稳定的问题进行了研究,提出了畦灌土壤入渗参数的改进计算公式。在70m的畦田长度上等间距布置了8个水位传感器以观测地表水深沿畦长的分布,以及该分布随时间的变化。将畦灌地表水深与离畦首的距离之间的关系按指数函数进行非线性最小二乘拟合,并根据水量平衡原理提出了估算土壤入渗参数的线性回归法,避开了难以定值的地表储水形状系数。实例计算表明,地表水深与离畦首的距离之间呈现较好的指数函数关系,线性回归法估算土壤入渗参数的计算工作量较小,计算精度较高。

一维畦灌地表水流-土壤水动力学耦合模型Ⅰ:建模

畦灌地表水流-土壤水动力学耦合模型可从物理机制上综合模拟地面灌溉过程中地表水与土壤水系统之间的互动关系,为开展区域尺度地面灌溉系统性能评价提供了基础工具。利用二阶时空离散精度的混合数值解法求解一维全水动力学模型,建立了一维畦灌地表水流运动模型,并利用二阶时间离散精度有限差分法和构建的四阶空间离散精度有限体积法解算一维土壤水动力学模型。同时,以地表水和土壤水质量守恒方程交替迭代计算的地表水深收敛值为基础,利用动量守恒方程获得地表水流速场,实现了地表水-土壤水系统间的有效迭代耦合,构建起基于数值解法和迭代耦合模式同步改进的一维畦灌地表水流-土壤水动力学耦合模型。

围垦对条子泥互花米草种群年季扩张特征的影响

为了解围垦对入侵植物互花米草种群扩张的影响,借助无人机航测技术,观测了2017年5月—2018年7月江苏盐城滨海湿地条子泥围垦大堤内外互花米草种群面积的年季变化,并结合实地监测数据,分析了土壤含水率、土壤盐度、生长地高程、地表水位对互花米草生长和种群面积的影响。结果表明:围垦显著降低了互花米草的扩张速度,观测期间堤内面积增幅为21%,而未围垦的堤外增幅超过400%,且互花米草扩张具有明显的季节性,堤内和堤外快速扩张的季节分别为秋季和夏季;围垦区土壤含水率和盐度分别较围垦区外平均降低25%和50%;互花米草植株高度与生长地高程之间存在显著正相关性(P<0.01);互花米草种群的扩张距离与地表水位呈显著正相关性(P<0.01)。研究表明,围垦工程阻断了互花米草海水传播的途径,改变了围垦区土壤水盐条件,进而抑制了互花米草的扩张。