基于SMAR模型的森林小流域根区土壤湿度模拟

根区土壤水分(RZSM)对水文模拟和农业管理等具有重要作用,但直接测量RZSM难度很大。SMAR模型可模拟RZSM的变化,但目前在复杂地形地区的应用还较少。使用美国Shale Hills流域32个站点土壤水分剖面三年期间(2011~2014年)的日实测数据,探究基于物理机制的SMAR模型对RZSM模拟的准确性,评价该方法不同时空条件下的模拟性能。研究结果表明,SMAR模型能够准确利用表层土壤水分(SSM)数据估计RZSM;模拟结果与实测数据相比,平均RRMSE为0.034,说明能够很好地模拟出流域尺度根系层土壤湿度空间分布情况。从时间上看,模型在湿冷季节的准确性优于在干暖季节的准确性。研究结果增加了对复杂地形下利用SSM模拟RZSM的理解,为复杂地形条件下根系土壤层湿度的模拟提供了支撑。

基于维度情绪模型的智能化灯光交互镜面装置设计研究

探究智能家居场景中用户情绪与灯光效果的情感化交互设计方法。基于维度情绪模型,解析用户情绪对灯光色彩、灯光动态变化的偏好;基于深度学习技术,建立多模态情绪识别与维度情绪表示方法;通过设计智能化灯光交互镜面装置,实现用户情绪与灯光色彩、灯光动态变化的创新交互方式。构建了情感化的灯光交互设计方案,实现了一种实时对用户情绪做出反馈的智能化灯光交互镜面装置。提出了情绪识别与情感化灯光交互的设计方法,可以为情感化的智能家居产品设计提供实践经验与思路,展开情感化交互设计探索的新视角。

基于SMAR模型的半干旱区根系层土壤湿度估算

根系层土壤湿度控制植被根系的水分吸收和蒸腾过程,是陆地-大气相互作用中的一个重要变量。为了获得根系层土壤湿度的时空分布,以半干旱区的老哈河流域为研究对象,利用具有物理基础的土壤水分分析关系(SMAR)模型,并结合遥感土壤湿度产品进行研究。结果表明:利用土壤物理属性、归一化植被指数(NDVI)和实际蒸散发作为自变量进行多元线性回归分析,可以建立SMAR模型参数的估算方程(p<0.05,双尾t检验)。将遥感土壤湿度产品与SMAR模型结合估算区域根系层的土壤湿度具有良好效果,与基于实测数据的估算结果比较,其相关性R主要分布在0.5~0.9,平均值为0.692(p<0.05,双尾t检验),平均绝对误差、平均相对误差、均方根误差和标准偏差总体均<0.1。SMAR模型与遥感数据产品结合能够良好地模拟出区域尺度根系层土壤湿度的空间分布状况。该研究为更大尺度根系层土壤湿度的估算提供支撑,也能更好地运用于干旱半干旱区农业规划、干旱监测及其他水文模拟。

SMAR模型的适用性探讨

SMAR模型在两个较为特殊的流域上进行了应用。从试用结果看,该模型的效果大不一样。因此,本文试图从该模型的结构及其他应用情况探讨该模型的适用性.

SAMR模型的研究热点及其进展

SAMR模型于2006年被提出,在国外受到了教育技术、教师教育、学科教学等领域研究者的广泛关注。研究者或是在SAMR模型指导下开展技术与课堂教学整合实践,或是将SAMR模型与教师教育和教师专业的发展结合起来。但是,SAMR模型作为指导教育工作者在信息技术(ICT)与课程整合领域实践操作性较强的模型,在国内却很少有文献提及。鉴于此,从SAMR模型的提出、构成、主要研究议题及进展等方面对SAMR模型进行初步引介,具有十分重要的意义。