选取2015年6月—2018年8月玛多站观测资料作为驱动CLM5.0(Community Land Model)模式的强迫场数据,应用CLM5.0模式中不同土壤分层方案,对这一时段玛多站土壤温湿变化特征进行模拟,并检验了模拟效果。结果表明:(1)对于土壤温度,CLM5.0模...选取2015年6月—2018年8月玛多站观测资料作为驱动CLM5.0(Community Land Model)模式的强迫场数据,应用CLM5.0模式中不同土壤分层方案,对这一时段玛多站土壤温湿变化特征进行模拟,并检验了模拟效果。结果表明:(1)对于土壤温度,CLM5.0模式的4种土壤分层方案均能很好地模拟出一年中玛多站不同深度土壤温度的季节变化趋势,浅层土壤温度模拟值与观测值相关性更高,深层土壤温度模拟值的变化幅度相对较小且曲线较光滑。4种分层方案中,20层方案对土壤温度的模拟效果最好,平均相关系数为0.942。(2)对于土壤湿度,4种土壤分层方案均能较好地模拟出各层土壤湿度的季节变化和日变化趋势,但较观测值都有不同程度的偏差。20层方案对土壤湿度的模拟效果更好,平均相关系数为0.730。展开更多
动态植被模型是研究植被变化对气候反馈和影响的重要模型工具。本文对耦合了动态植被(Dynamic Vegetation,DV)和碳氮(Carbon and Nitrogen,CN)模型的NCAR陆面过程模式CLM4.5(Community Land Model version 4.5)对青藏高原(以下简称高原...动态植被模型是研究植被变化对气候反馈和影响的重要模型工具。本文对耦合了动态植被(Dynamic Vegetation,DV)和碳氮(Carbon and Nitrogen,CN)模型的NCAR陆面过程模式CLM4.5(Community Land Model version 4.5)对青藏高原(以下简称高原)植被的模拟性能进行了评估,获得了定量化的偏差信息,并对高原植被和气候变化因子的关系进行了初步探讨。结果表明:模型能大致再现叶面积指数(Leaf area index,LAI)在历史时期的季节循环、长期变化趋势和空间分布,但空间变率较遥感资料大。模拟的乔木覆盖度偏大,草地覆盖度偏小,因此严重高估了植被高原南部和东部的LAI。与遥感观测相比,模拟的LAI呈现了1~2个月的滞后,这与模式本身的植被动力机制不完善和模式的降水驱动偏差有关。高原植被变化趋势的时空分布与表层土壤水和降水等气象因子的趋势变化显示出较好的一致性,表明在该研究时段,地表水循环的变化(主要是降水和土壤水含量)对高原植被生长可能起主导作用。展开更多
蒸散发是地表水文循环和能量交换过程的重要组成部分,且在高寒山区有极强的时空异质性,准确模拟蒸散发对于研究高寒山区水文循环过程有着重要的意义。CLM5.0(Community Land Model5.0)是CLM模式的最新版本,具有较为完善的水文循环机制,...蒸散发是地表水文循环和能量交换过程的重要组成部分,且在高寒山区有极强的时空异质性,准确模拟蒸散发对于研究高寒山区水文循环过程有着重要的意义。CLM5.0(Community Land Model5.0)是CLM模式的最新版本,具有较为完善的水文循环机制,是目前国际上发展最为完善的陆面过程模式之一。基于典型高寒山区黑河上游五个观测站的观测数据,对CLM5.0的蒸散发模拟性能进行评估。结果表明:CLM5.0在模拟蒸散发时结果总体上可信,其R值的范围在0.601~0.839之间,RSR值的范围在0.964~1.145之间,BIAS值的范围在^(-1).220~-0.597 mm·d^(-1)之间。说明CLM5.0在高寒山区可以较好地捕捉观测到蒸散发的时间趋势,但仍存在一定的低估。非生长季的BIAS值的范围在-0.904~-0.367 mm·d^(-1)之间,生长季的BIAS值的范围在-2.094~-0.794 mm·d^(-1)之间,这表明蒸散发模拟值的低估主要来自生长季的模拟。高寒草甸上R值的范围在0.299~0.651之间,RSR值的范围在1.135~1.332之间,高寒草地上R值为0.209,RSR值为1.450,因此,CLM5.0在草甸的模拟性能优于草地。CLM5.0白天R值的范围在0.605~0.840之间,RSR值的范围在0.252~1.193之间,夜晚R值的范围在0.344~0.651之间,RSR值的范围在0.482~2.966之间,对比可知CLM5.0在白天模拟蒸散发的性能优于夜晚。这些结论可为CLM5.0的应用和改进提供科学依据。展开更多
土壤温度反映土壤的热状态,对地表能量交换起重要作用,是影响土壤水热再分配的关键性因素。高寒山区水热传输复杂且特殊,准确模拟土壤温度对于研究高寒山区水循环过程有重要意义。CLM 5.0(Community Land Model 5.0)是CLM模式的最新版本...土壤温度反映土壤的热状态,对地表能量交换起重要作用,是影响土壤水热再分配的关键性因素。高寒山区水热传输复杂且特殊,准确模拟土壤温度对于研究高寒山区水循环过程有重要意义。CLM 5.0(Community Land Model 5.0)是CLM模式的最新版本,是目前国际上最先进的陆面过程模式之一。本文基于黑河流域上游9个典型观测站实测数据,对CLM 5.0的土壤温度模拟性能进行评估。结果表明:(1)CLM 5.0可以很好地模拟土壤温度在高寒山区的年内变化和年际变化,但模拟值相较实测值普遍存在低估。(2)CLM 5.0对土壤温度的模拟性能在高寒草甸略高于草地,土壤浅层优于深层。(3)CLM 5.0模拟的土壤温度在生长季和非生长季均呈现低估,且非生长季低估更明显;在冻结期和非冻结期均为低估,且冻结期低估更明显。(4)非生长季土壤温度的明显低估主要是冻结期土壤温度的明显低估引起,CLM 5.0中土壤冰的模拟偏差是主要原因。以上结论可为陆面过程模式CLM 5.0在高寒山区的应用及改进提供科学依据。展开更多
气候变暖对北极多年冻土和植被产生了重要的影响。CLM(Community Land Model)是应用最广泛的陆面过程模式之一,但其中复杂的边界条件和参数化过程导致模式模拟结果存在一定的不确定性。本研究评估了CLM5.0对阿拉斯加多年冻土区表层土壤...气候变暖对北极多年冻土和植被产生了重要的影响。CLM(Community Land Model)是应用最广泛的陆面过程模式之一,但其中复杂的边界条件和参数化过程导致模式模拟结果存在一定的不确定性。本研究评估了CLM5.0对阿拉斯加多年冻土区表层土壤温度和碳循环的模拟能力,结果表明,CLM5.0可以捕捉到表层土壤温度的季节变化。在苔原和针叶林站点,CLM5.0在日尺度和月尺度都可以很好地模拟出总初级生产力(GPP)随时间的变化,但对净生态系统碳交换(NEE)的模拟结果存在一定的不确定性。CLM5.0可以较为合理地模拟高纬度多年冻土区的土壤温度季节变化,在未来的研究中可能还需要从结构、参数化方案等过程进行改进,从而进一步提升高纬度多年冻土区碳循环的模拟精度。展开更多
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...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。展开更多
The model performance in simulating soil water content(SWC) is crucial for successfully modeling earth’s system,especially in high mountainous areas.In this study,the performance of Community Land Model 5.0(CLM5.0) i...The model performance in simulating soil water content(SWC) is crucial for successfully modeling earth’s system,especially in high mountainous areas.In this study,the performance of Community Land Model 5.0(CLM5.0) in simulating liquid SWC was evaluated against observations from nine in-situ sites in the upper reach of the Heihe River Watershed(HRW),Northwest China.The CLM5.0 shows reliable performance in the study area with correlation coefficients(R) ranging between 0.79–0.93,root mean standard errors(RMSE)ranging between 0.044–0.097 m^(3)/m^(3),and the mean bias(BIAS) ranging between-0.084–0.061 m^(3)/m^(3).The slightly worse performance of CLM5.0 than CLM4.5 on alpine meadow and grassland is mainly caused by the revised canopy interception parameterization.The CLM5.0 overestimates interception and underestimates evapotranspiration(ET) on both alpine meadow and grassland during the growth period.The systematical overestimations at all the grassland sites indicate that the underestimation of ET is much larger than the overestimation of interception on grassland during growth period,while the errors of simulated interception and ET are partially canceled out on alpine meadow.Moreover,the underestimation of ET is more responsible for the overestimation of SWC than the overestimation of interception in the high mountainous area.It is necessary to estimate reasonable empirical parameter α(proportion of leaf water collection area) in interception parameterization scheme and further improve the dry surface layerbased soil evaporation resistance parameterization introduced in CLM5.0 in future researches.The performance of CLM5.0 is better under completely frozen stage than thawing stage and freezing stage,because of low variations of liquid SWC caused by extremely low hydraulic conductivity of soils.The underestimation of liquid SWC under frozen state is caused by underestimation of soil temperature,which leads to more ice mass and less liquid water in total water content.展开更多
Nowadays,there is tremendous growth in biometric authentication and cybersecurity applications.Thus,the efficient way of storing and securing personal biometric patterns is mandatory in most governmental and private s...Nowadays,there is tremendous growth in biometric authentication and cybersecurity applications.Thus,the efficient way of storing and securing personal biometric patterns is mandatory in most governmental and private sectors.Therefore,designing and implementing robust security algorithms for users’biometrics is still a hot research area to be investigated.This work presents a powerful biometric security system(BSS)to protect different biometric modalities such as faces,iris,and fingerprints.The proposed BSSmodel is based on hybridizing auto-encoder(AE)network and a chaos-based ciphering algorithm to cipher the details of the stored biometric patterns and ensures their secrecy.The employed AE network is unsupervised deep learning(DL)structure used in the proposed BSS model to extract main biometric features.These obtained features are utilized to generate two random chaos matrices.The first random chaos matrix is used to permute the pixels of biometric images.In contrast,the second random matrix is used to further cipher and confuse the resulting permuted biometric pixels using a two-dimensional(2D)chaotic logisticmap(CLM)algorithm.To assess the efficiency of the proposed BSS,(1)different standardized color and grayscale images of the examined fingerprint,faces,and iris biometrics were used(2)comprehensive security and recognition evaluation metrics were measured.The assessment results have proven the authentication and robustness superiority of the proposed BSSmodel compared to other existing BSSmodels.For example,the proposed BSS succeeds in getting a high area under the receiver operating characteristic(AROC)value that reached 99.97%and low rates of 0.00137,0.00148,and 3516 CMC,2023,vol.74,no.20.00157 for equal error rate(EER),false reject rate(FRR),and a false accept rate(FAR),respectively.展开更多
藏东南地区的雅鲁藏布大峡谷地区(以下简称大峡谷地区)是印度洋暖湿气流输送至青藏高原的重要通道,在高原水分与能量循环过程中具有重要地位。为了揭示不同水汽输送对陆-气间水热交换通量的影响,本文利用欧洲中期天气预报中心第五代再...藏东南地区的雅鲁藏布大峡谷地区(以下简称大峡谷地区)是印度洋暖湿气流输送至青藏高原的重要通道,在高原水分与能量循环过程中具有重要地位。为了揭示不同水汽输送对陆-气间水热交换通量的影响,本文利用欧洲中期天气预报中心第五代再分析数据产品,根据大气中总水汽含量和水汽水平输送通量将大峡谷地区2013年5月20日至7月9日的水汽强度划分为强/弱/极弱三种级别。并利用第五代公用陆面模式(Community Land Model version 5.0,CLM5.0)模拟了水汽输送对大峡谷-大气间水热交换的影响。研究表明:大峡谷地区的南(东)边界为水汽主要的输入(输出)边界,大峡谷南侧河谷存在水汽强输送带。CLM5.0模拟的大峡谷-大气间水热交换通量与实际相比误差较大,通过优选热力学粗糙度参数化方案和土壤属性替代数据集,提高了CLM5.0模拟大峡谷-大气间水热交换通量的精度。其中Zeng and Dickinson(1998)的方案(以下简称Z98方案)效果最优,较CLM5.0默认参数化方案下模拟的小麦站和草地站近地面感热通量均方根误差分别下降18.2%和10.9%。区域模拟结果显示:大峡谷地区近地面潜热通量区域模拟总体分布为东南高而西北低,近地面感热通量则相反,随水汽水平输送强度的减弱,潜热通量大值区向西北延伸面增大,而感热通量大值区则向东南延伸面增大。冰雪覆盖的高海拔地区近地面感热通量维持低值,而潜热通量则相反。整个试验阶段,大峡谷地区降水时长达59%,不同水汽输送条件下近地面有效能量主要以潜热的方式向大气输送,其中在强水汽水平输送条件下的水汽强输送带的近地面感热输送最弱,Z98方案下的感热通量日均值仅为-1.80 W·m^(-2),潜热通量则大于70.0 W·m^(-2)。对于大峡谷地区,当水汽维持高值范围时,近地面净辐射降低,但近地面净辐射主要被潜热消化,水汽保温大气的效应使得地-气温差降低,近地面感热输送抑制显著。本研究结果对认识雅鲁藏布大峡谷地区陆面过程及其对水汽水平输送的响应有一定的参考价值。展开更多
为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法(Combined Least Mean Square,CLMS),将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸...为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法(Combined Least Mean Square,CLMS),将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法(Variable Step-size Convex Combination of LMS,VSCLMS)做出改进,提出了一种新的VSCLMS算法.在该算法中,对快速滤波器选用以最小均方权值偏差(Minimization of Mean Square Weight Error,MMSWE)为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差(Least Mean Square,LMS)为准则的固定步长滤波器.通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径.展开更多
陆面模式CLM(Community Land Model)是目前国际上发展较为完善并被广泛应用的陆面过程模式。本文使用中国科学院寒区旱区环境与工程研究所位于青藏高原东部的若尔盖高原湿地生态系统研究站的观测资料,对CLM3.0版本及CLM4.0版本在上述地...陆面模式CLM(Community Land Model)是目前国际上发展较为完善并被广泛应用的陆面过程模式。本文使用中国科学院寒区旱区环境与工程研究所位于青藏高原东部的若尔盖高原湿地生态系统研究站的观测资料,对CLM3.0版本及CLM4.0版本在上述地区的模拟性能进行了检验与对比。通过比较观测值与模拟值,验证了模式在高原季节性冻土地区的适用性,发现CLM4.0较CLM3.0在模拟结果上有了一定提高。CLM4.0加入了未冻水参数化方案,使模式可以模拟到冬季土壤冻结后存留的未冻水,显著增加了冻融期间土壤含水量的模拟,同时减小了土壤含冰量的模拟值。并因此增大了模拟的冻土热容量,减小了热导率,使冻融期间土壤温度的模拟也有了一定改善。但是模拟中也发现对于较深层土壤,温度模拟值在冻融期间较观测显著偏低。另外,在消融(冻结)过程阶段CLM4.0模拟的土壤含水量骤增(骤降)的时间均较观测提前。消融过程、冻结过程阶段模拟时间偏短,而完全冻结、完全消融阶段模拟时间偏长。因此CLM对于高原冻土地区的模拟仍是其需要重点改进的地方之一。展开更多
利用CLM(Common Land Model)模式对我国内蒙古奈曼旗农牧交错带沙漠和农田两种不同典型下垫面的陆面过程进行了数值模拟试验,并与外场试验观测结果进行了对比分析。结果表明:无论是沙漠还是农田试验,CLM都能够较好地模拟其辐射通量和土...利用CLM(Common Land Model)模式对我国内蒙古奈曼旗农牧交错带沙漠和农田两种不同典型下垫面的陆面过程进行了数值模拟试验,并与外场试验观测结果进行了对比分析。结果表明:无论是沙漠还是农田试验,CLM都能够较好地模拟其辐射通量和土壤中的热传导特征,CLM的模拟结果能够真实地再现试验期间土壤热传导过程对天气过程的响应。相比而言,模式对沙漠地区长波辐射通量和干燥时期短波辐射通量的模拟结果好于农田,其原因可能是因为农田下垫面植被及土壤特征较沙漠复杂,有着很大的不确定性,造成了农田地表反照率和温度模拟的偏差。而对农田热传导的模拟结果好于沙漠,反映了CLM对含水量较大、持水力较强的农田下垫面的热传导模拟能力较好,而对含水量较小、持水力较弱的沙漠下垫面的热传导模拟能力相对较差。展开更多
文摘选取2015年6月—2018年8月玛多站观测资料作为驱动CLM5.0(Community Land Model)模式的强迫场数据,应用CLM5.0模式中不同土壤分层方案,对这一时段玛多站土壤温湿变化特征进行模拟,并检验了模拟效果。结果表明:(1)对于土壤温度,CLM5.0模式的4种土壤分层方案均能很好地模拟出一年中玛多站不同深度土壤温度的季节变化趋势,浅层土壤温度模拟值与观测值相关性更高,深层土壤温度模拟值的变化幅度相对较小且曲线较光滑。4种分层方案中,20层方案对土壤温度的模拟效果最好,平均相关系数为0.942。(2)对于土壤湿度,4种土壤分层方案均能较好地模拟出各层土壤湿度的季节变化和日变化趋势,但较观测值都有不同程度的偏差。20层方案对土壤湿度的模拟效果更好,平均相关系数为0.730。
文摘动态植被模型是研究植被变化对气候反馈和影响的重要模型工具。本文对耦合了动态植被(Dynamic Vegetation,DV)和碳氮(Carbon and Nitrogen,CN)模型的NCAR陆面过程模式CLM4.5(Community Land Model version 4.5)对青藏高原(以下简称高原)植被的模拟性能进行了评估,获得了定量化的偏差信息,并对高原植被和气候变化因子的关系进行了初步探讨。结果表明:模型能大致再现叶面积指数(Leaf area index,LAI)在历史时期的季节循环、长期变化趋势和空间分布,但空间变率较遥感资料大。模拟的乔木覆盖度偏大,草地覆盖度偏小,因此严重高估了植被高原南部和东部的LAI。与遥感观测相比,模拟的LAI呈现了1~2个月的滞后,这与模式本身的植被动力机制不完善和模式的降水驱动偏差有关。高原植被变化趋势的时空分布与表层土壤水和降水等气象因子的趋势变化显示出较好的一致性,表明在该研究时段,地表水循环的变化(主要是降水和土壤水含量)对高原植被生长可能起主导作用。
文摘气候变暖对北极多年冻土和植被产生了重要的影响。CLM(Community Land Model)是应用最广泛的陆面过程模式之一,但其中复杂的边界条件和参数化过程导致模式模拟结果存在一定的不确定性。本研究评估了CLM5.0对阿拉斯加多年冻土区表层土壤温度和碳循环的模拟能力,结果表明,CLM5.0可以捕捉到表层土壤温度的季节变化。在苔原和针叶林站点,CLM5.0在日尺度和月尺度都可以很好地模拟出总初级生产力(GPP)随时间的变化,但对净生态系统碳交换(NEE)的模拟结果存在一定的不确定性。CLM5.0可以较为合理地模拟高纬度多年冻土区的土壤温度季节变化,在未来的研究中可能还需要从结构、参数化方案等过程进行改进,从而进一步提升高纬度多年冻土区碳循环的模拟精度。
文摘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。
基金partially funded by the National Natural Science Foundation of China (41877148 and 42030501)Key Laboratory of Ecohydrology of Inland River Basin,Chinese Academy of Sciences。
文摘The model performance in simulating soil water content(SWC) is crucial for successfully modeling earth’s system,especially in high mountainous areas.In this study,the performance of Community Land Model 5.0(CLM5.0) in simulating liquid SWC was evaluated against observations from nine in-situ sites in the upper reach of the Heihe River Watershed(HRW),Northwest China.The CLM5.0 shows reliable performance in the study area with correlation coefficients(R) ranging between 0.79–0.93,root mean standard errors(RMSE)ranging between 0.044–0.097 m^(3)/m^(3),and the mean bias(BIAS) ranging between-0.084–0.061 m^(3)/m^(3).The slightly worse performance of CLM5.0 than CLM4.5 on alpine meadow and grassland is mainly caused by the revised canopy interception parameterization.The CLM5.0 overestimates interception and underestimates evapotranspiration(ET) on both alpine meadow and grassland during the growth period.The systematical overestimations at all the grassland sites indicate that the underestimation of ET is much larger than the overestimation of interception on grassland during growth period,while the errors of simulated interception and ET are partially canceled out on alpine meadow.Moreover,the underestimation of ET is more responsible for the overestimation of SWC than the overestimation of interception in the high mountainous area.It is necessary to estimate reasonable empirical parameter α(proportion of leaf water collection area) in interception parameterization scheme and further improve the dry surface layerbased soil evaporation resistance parameterization introduced in CLM5.0 in future researches.The performance of CLM5.0 is better under completely frozen stage than thawing stage and freezing stage,because of low variations of liquid SWC caused by extremely low hydraulic conductivity of soils.The underestimation of liquid SWC under frozen state is caused by underestimation of soil temperature,which leads to more ice mass and less liquid water in total water content.
文摘Nowadays,there is tremendous growth in biometric authentication and cybersecurity applications.Thus,the efficient way of storing and securing personal biometric patterns is mandatory in most governmental and private sectors.Therefore,designing and implementing robust security algorithms for users’biometrics is still a hot research area to be investigated.This work presents a powerful biometric security system(BSS)to protect different biometric modalities such as faces,iris,and fingerprints.The proposed BSSmodel is based on hybridizing auto-encoder(AE)network and a chaos-based ciphering algorithm to cipher the details of the stored biometric patterns and ensures their secrecy.The employed AE network is unsupervised deep learning(DL)structure used in the proposed BSS model to extract main biometric features.These obtained features are utilized to generate two random chaos matrices.The first random chaos matrix is used to permute the pixels of biometric images.In contrast,the second random matrix is used to further cipher and confuse the resulting permuted biometric pixels using a two-dimensional(2D)chaotic logisticmap(CLM)algorithm.To assess the efficiency of the proposed BSS,(1)different standardized color and grayscale images of the examined fingerprint,faces,and iris biometrics were used(2)comprehensive security and recognition evaluation metrics were measured.The assessment results have proven the authentication and robustness superiority of the proposed BSSmodel compared to other existing BSSmodels.For example,the proposed BSS succeeds in getting a high area under the receiver operating characteristic(AROC)value that reached 99.97%and low rates of 0.00137,0.00148,and 3516 CMC,2023,vol.74,no.20.00157 for equal error rate(EER),false reject rate(FRR),and a false accept rate(FAR),respectively.
文摘藏东南地区的雅鲁藏布大峡谷地区(以下简称大峡谷地区)是印度洋暖湿气流输送至青藏高原的重要通道,在高原水分与能量循环过程中具有重要地位。为了揭示不同水汽输送对陆-气间水热交换通量的影响,本文利用欧洲中期天气预报中心第五代再分析数据产品,根据大气中总水汽含量和水汽水平输送通量将大峡谷地区2013年5月20日至7月9日的水汽强度划分为强/弱/极弱三种级别。并利用第五代公用陆面模式(Community Land Model version 5.0,CLM5.0)模拟了水汽输送对大峡谷-大气间水热交换的影响。研究表明:大峡谷地区的南(东)边界为水汽主要的输入(输出)边界,大峡谷南侧河谷存在水汽强输送带。CLM5.0模拟的大峡谷-大气间水热交换通量与实际相比误差较大,通过优选热力学粗糙度参数化方案和土壤属性替代数据集,提高了CLM5.0模拟大峡谷-大气间水热交换通量的精度。其中Zeng and Dickinson(1998)的方案(以下简称Z98方案)效果最优,较CLM5.0默认参数化方案下模拟的小麦站和草地站近地面感热通量均方根误差分别下降18.2%和10.9%。区域模拟结果显示:大峡谷地区近地面潜热通量区域模拟总体分布为东南高而西北低,近地面感热通量则相反,随水汽水平输送强度的减弱,潜热通量大值区向西北延伸面增大,而感热通量大值区则向东南延伸面增大。冰雪覆盖的高海拔地区近地面感热通量维持低值,而潜热通量则相反。整个试验阶段,大峡谷地区降水时长达59%,不同水汽输送条件下近地面有效能量主要以潜热的方式向大气输送,其中在强水汽水平输送条件下的水汽强输送带的近地面感热输送最弱,Z98方案下的感热通量日均值仅为-1.80 W·m^(-2),潜热通量则大于70.0 W·m^(-2)。对于大峡谷地区,当水汽维持高值范围时,近地面净辐射降低,但近地面净辐射主要被潜热消化,水汽保温大气的效应使得地-气温差降低,近地面感热输送抑制显著。本研究结果对认识雅鲁藏布大峡谷地区陆面过程及其对水汽水平输送的响应有一定的参考价值。
文摘为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法(Combined Least Mean Square,CLMS),将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法(Variable Step-size Convex Combination of LMS,VSCLMS)做出改进,提出了一种新的VSCLMS算法.在该算法中,对快速滤波器选用以最小均方权值偏差(Minimization of Mean Square Weight Error,MMSWE)为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差(Least Mean Square,LMS)为准则的固定步长滤波器.通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径.
文摘陆面模式CLM(Community Land Model)是目前国际上发展较为完善并被广泛应用的陆面过程模式。本文使用中国科学院寒区旱区环境与工程研究所位于青藏高原东部的若尔盖高原湿地生态系统研究站的观测资料,对CLM3.0版本及CLM4.0版本在上述地区的模拟性能进行了检验与对比。通过比较观测值与模拟值,验证了模式在高原季节性冻土地区的适用性,发现CLM4.0较CLM3.0在模拟结果上有了一定提高。CLM4.0加入了未冻水参数化方案,使模式可以模拟到冬季土壤冻结后存留的未冻水,显著增加了冻融期间土壤含水量的模拟,同时减小了土壤含冰量的模拟值。并因此增大了模拟的冻土热容量,减小了热导率,使冻融期间土壤温度的模拟也有了一定改善。但是模拟中也发现对于较深层土壤,温度模拟值在冻融期间较观测显著偏低。另外,在消融(冻结)过程阶段CLM4.0模拟的土壤含水量骤增(骤降)的时间均较观测提前。消融过程、冻结过程阶段模拟时间偏短,而完全冻结、完全消融阶段模拟时间偏长。因此CLM对于高原冻土地区的模拟仍是其需要重点改进的地方之一。
文摘利用CLM(Common Land Model)模式对我国内蒙古奈曼旗农牧交错带沙漠和农田两种不同典型下垫面的陆面过程进行了数值模拟试验,并与外场试验观测结果进行了对比分析。结果表明:无论是沙漠还是农田试验,CLM都能够较好地模拟其辐射通量和土壤中的热传导特征,CLM的模拟结果能够真实地再现试验期间土壤热传导过程对天气过程的响应。相比而言,模式对沙漠地区长波辐射通量和干燥时期短波辐射通量的模拟结果好于农田,其原因可能是因为农田下垫面植被及土壤特征较沙漠复杂,有着很大的不确定性,造成了农田地表反照率和温度模拟的偏差。而对农田热传导的模拟结果好于沙漠,反映了CLM对含水量较大、持水力较强的农田下垫面的热传导模拟能力较好,而对含水量较小、持水力较弱的沙漠下垫面的热传导模拟能力相对较差。
