应用修订的Shuttleworth-Wallace模型对半干旱区覆膜玉米蒸散的研究

蒸散发(ET)包括植物蒸腾(T)和土壤蒸发(E),在维持全球能量平衡和气候调节中起关键作用。量化蒸散发及其组分在准确预报气候对生态系统碳水通量和能量的响应中至关重要。基于兰州大学半干旱区农业生态系统试验站2014年玉米生长季涡度相关仪的观测结果,利用修订后的Shuttleworth-Wallace模型(S-W模型)对覆膜玉米田的蒸散发进行模拟,利用实测值对模拟结果进行验证,对蒸散发及其组分的影响因素和敏感性进行分析。结果表明:S-W模型对覆膜玉米农田蒸散发的模拟结果在日蒸散量大于2 mm·d^(-1)的晴天和时晴时云天气较好,阴雨天气模拟结果较差,且模型模拟结果较涡度相关的实测值偏高。E/ET在一天内的变化为单峰曲线,在生长季尺度上,在玉米快速生长期呈下降趋势,在之后的时间基本保持不变。覆膜玉米农田的E/ET在日时间尺度的变化主要受气孔导度影响,在生长季尺度主要受叶面积指数和土壤含水量的共同影响。敏感性分析表明,蒸散发及其组分对作物冠层高度与参考高度间的空气动力阻力(raa)和冠层内边界层阻力(rac)均较敏感,对作物冠层阻力(rsc)敏感性适中,对地面与冠层间的空气动力阻力(ras)和下垫面裸土表面阻力(rss)不敏感,在应用S-W模型模拟覆膜玉米农田蒸散量时,要特别注意阻力参数raa、rac和rsc的合理确定。

应用Shuttleworth-Wallace模型对夏玉米农田蒸散的估计

根据夏玉米生长季内逐时波文比系统观测资料和主要生育期的作物资料,以波文比-能量平衡法(BREB法)得到的蒸散量为实测值,对比研究了Shuttleworth-Wallace模型(以下简称S-W模型)、Penman-Monteith模型(以下简称P-M模型)对蒸散估计的差异。S-W模型因考虑了土壤蒸发,估算的逐时逐日蒸散值均比P-M模型有更好的精度。在作物生长前期,LAI(<2.0)较低,应用S-W模型在稀疏冠层下估算的蒸散量高于P-M方程,更接近于实测值,与实测值的相关系数更高,RMSE值低。随着LAI的增大,冬小麦冠层密闭,S-W模型和P-M方程估算的蒸散与实测值均相接近,二模型均有良好表现。对S-W模型的各阻力参数进行敏感性分析,分析结果表明,应用S-W模型时,模型对阻力参数冠层气孔阻力最为敏感,土壤表面阻力次之,作物冠层高度与参考高度间空气动力学阻力敏感程度居中,对地表与冠层高度间空气动力学阻力、冠层内边界阻力不敏感。在应用已有经验关系式时,特别需要注意对冠层气孔阻力、土壤表面阻力这二阻力参数中经验系数的合理确定。

基于AVHRR NDVI的Shuttleworth-Wallace模型在韩江流域的应用

基于AVHRR NDVI(归一化植被指数)、IGBP土地覆盖及CRU气象数据,利用Shuttleworth-Wallace(S-W)模型估算韩江流域1981-2000年的潜在蒸散发(PET)。结果表明,流域PET空间分布呈显著的非均匀性,从714.8～1 570.7 mm/a,主要受土地覆盖类型和地理位置影响;PET随植被类型和叶面积指数(LAI)季节性变化;输入数据的时空分辨率对PET的估算精度有较大影响;与Thornthwaite公式和FAO-56方法相比,S-W模型能够很好地反映地表变化对PET的影响。BTOPMC模型的应用表明,由S-W模型估算的PET在分布式水文模拟中取得了较好的效果。

Shuttleworth-Wallace模型模拟陕北枣林蒸散适用性分析

在生态脆弱的陕北黄土丘陵区,林地耗水是生态学者长期关注的热点问题,准确测算植物耗水量是环境水分研究的关键。根据陕北山地枣林的立地条件和蒸散过程特点,结合2012年的实测资料,确定了相关模型参数,实现了Shuttleworth-Wallace(SW)和Penman-Monteith(PM)模型对枣林蒸散量的模拟,并利用2013年茎流计监测的蒸腾量和水量平衡原理推求的蒸散量,对这2个模型进行了比较和检验。结果表明:就整个枣树生育期10 d尺度蒸散量而言,SW模型模拟精度优于PM模型。此外,2模型精度随枣树生育期变化而变化,且萌芽展叶期精度均最低。SW模型日蒸腾量模拟精度满足要求,但易受到天气状况影响,晴天模型精度优于雨天。SW模型精度在陕北山地枣林里得到验证,是半干旱区山地枣林耗水规律研究的有效工具。

基于Penman-Monteith模型和Shuttleworth-Wallace模型对太行山南麓人工林蒸散的模拟

蒸散作为陆地生态系统能量平衡和水分循环的一个关键环节,其改变会影响区域气候的变化。森林蒸散模拟研究在评价森林在区域水分循环中的作用具有重要的意义。本文采用Penman-Monteith(P-M)模型和Shuttleworth-Wallace(S-W)模型模拟了太行山南麓栓皮栎-侧柏-刺槐人工混交林的蒸散(ET),对模型模拟的ET与涡度相关法所得的ET进行了比较,评价了P-M模型和S-W模型模拟人工混交林ET的适用性,讨论了这两种模型对各阻力的敏感性。研究结果表明,P-M模型和S-W模型模拟所得的ET的季节变化和日变化类似。S-W模型和P-M模型模拟的ET均低于实测的ET,S-W模型模拟的ET比实测的ET偏低6%,P-M模型模拟的ET比实测值偏低21%,因此,P-M模型模拟的ET偏低更明显。与P-M模型相比,S-W模型模拟的ET与实测值的相关系数、一致性指数(IA)、均方根误差(RMSE)、相对误差(RE)较小。与P-M模型相比,S-W模型模拟的ET与实测值的拟合直线更加趋近1∶1线。S-W模型模拟ET的效果优于P-M模型,S-W模型更适合于本研究区人工混交林蒸散的模拟。P-M模型模拟的2009年生长季的ET偏低更明显,将S-W模型模拟的ET分为蒸腾(T)和土壤蒸发(E),其中土壤E与ET比值为11.3%。土壤E约占ET的10%左右。P-M模型模拟ET偏低的原因可能与P-M模型中未考虑土壤表面阻力有关。S-W模型模拟的ET和T对冠层阻力(rcs)最敏感,其次为植物冠层高度至参考高度间的空气动力学阻力(raa),对土壤表面至冠层高度间的空气动力学阻力(rsa)相对不敏感;土壤E对土壤表面阻力(rss)最敏感,对rcs最不敏感。P-M模型模拟的ET对rcs最敏感,对空气动力学阻力(ra)敏感性较弱。

基于Shuttleworth-Wallace模型的水稻蒸散组分模拟及其特征分析

农田蒸散(ET)及其组分的模拟是精准灌溉及准确估算生产力的基础。基于2013-2015年的涡度相关通量观测及辅助观测资料,利用Shuttleworth-Wallace模型(S-W模型)对盘锦水稻的蒸散及其组分进行模拟,并利用结构方程模型分析土壤蒸发占蒸散比例(ES/ET)的控制机制。结果表明:(1)S-W模型模拟蒸散值在生长季前期偏低,在生长旺季总体偏高;而在生长季后期与观测蒸散基本吻合。(2)就季节变化过程而言,水稻蒸散模拟值呈现明显的日间波动(0.5~10.4mm·d-1),但季节总体变化趋势不明显;蒸腾(TR)则先增大后降低,变化范围为0.1~8.4mm·d-1;土壤蒸发(ES)呈U型曲线,变化范围为0.1~4.7mm·d-1。(3)模拟水稻蒸散3a均值为892mm。在年尺度上,TR与ES各占ET的50%;但在生长季,TR是ET的主要消耗方式:在移栽分蘖期,水稻的植物蒸腾与土壤蒸发较接近,而在其它各生育期及全生育期,水稻的植物蒸腾均达土壤蒸发的2倍以上。(4)结构方程模型分析结果表明,气温是ES/ET最重要的影响因子,ES/ET随气温上升而下降(总影响系数为-0.82)。气温不仅对ES/ET有显著的直接影响(直接影响系数为-0.50),还通过叶面积指数(LAI)对ES/ET产生显著的间接影响(间接影响系数为-0.32)。除气温外,LAI和风速也是ES/ET的重要影响因子,ES/ET随LAI增大而下降(总影响系数为-0.39),随风速增大而增大(总影响系数为0.38)。

空间插值气象数据在Shuttleworth-Wallace潜在蒸散发模型中的应用

基于Kriging空间插值气象数据、IGBP土地覆盖和AVHRR NDVI数据,利用Shuttleworth-Wallace模型估算韩江流域2000—2006年的潜在蒸散发(PET)。结果表明:流域PET空间分布呈显著的非均匀性,其值在496.6~1741.8 mm/a范围内变化,标准差为165.9 mm/a,主要受区域的气候和植被类型影响;PET随气候的变化和植被的生长呈季节性变化;低分辨率的输入数据会使PET模拟结果在相同尺度的范围内被一定程度地均化;气象站点密度对PET的计算结果有影响,Kriging插值气象数据的站点密度远大于CRU数据,两种数据计算的PET结果的空间分布和季节变化的对比显示,前者计算的PET精度高于后者。

基于Shuttleworth-Wallace模型的科尔沁沙地流动半流动沙丘蒸散发模拟

陆面蒸散发在气候调节和维持区域水量平衡中起关键作用.量化蒸散发及其各组分项,对深刻揭示干旱半干旱地区的生态水文过程具有重要意义.本研究基于科尔沁沙地流动半流动沙丘2017年生长季气象监测系统的原位监测数据,利用Shuttleworth-Wallace(S-W)模型对沙丘蒸散发进行模拟,在此基础上,对蒸散各组分进行拆分,并利用涡度相关对模拟蒸散发值进行验证.结果表明:整个生长季模型模拟蒸散发值为308 mm,涡度相关实测值为296 mm,偏差较小,证明S-W模型适用于该地区的蒸散发模拟.蒸散发整体呈生长旺盛期>生长后期>生长初期,分别为192、71和45 mm,分别占总量的62.3%、23.1%和14.6%.日尺度上模型模拟值与实测蒸散发值一致性较高,模型模拟精度大体表现为:晴天>阴天>雨天,且阴雨天模型模拟值较涡度相关实测值偏低.经拆分,土壤蒸发和植被蒸腾分别为176和132 mm,分别占总量的57.1%和42.9%,表明沙地水分利用效率较低.持续干旱和降水后,蒸散发规律明显不同,且土壤蒸发对降水的敏感性强于植被蒸腾.

温带阔叶红松林生态系统潜热通量模拟——气孔导度组合模型在Shuttleworth-Wallace双源模型中的应用(英文)

叶片水平的气孔导度组合模型已被成功扩展到冠层水平,并被应用于冬小麦生态系统潜热通量的模拟研究,但该研究仅基于1a的数据,有必要研究模型在更长时间尺度和其它生态系统类型的适用性。以长白山阔叶红松林(CBS)为研究对象,将组合模型进一步应用于Shuttleworth-Wallace双源模型,模拟了CBS3a生长季内的潜热通量,利用涡度相关系统观测的潜热通量数据对模型进行验证,并对比了双源模型与单源模型的模拟结果。结果显示,双源模型较单源模型能取得更高的模拟精度,生长季不同时期的潜热通量模拟值和实测值的日变化较一致。对双源模型模拟值和实测潜热通量的相关分析显示,二者直线回归斜率和R2分别为0.96和0.72。对长白山阔叶红松林生态系统的蒸散和植被蒸腾的季节和年际变异分析发现,影响冠层蒸散和植被蒸腾季节动态的主要因素是饱和差和辐射,而影响它们年际动态的主要因素则是饱和差和温度。

Shuttleworth-Wallace双源蒸散发模型阻力参数的确定

蒸散发是水循环和能量平衡过程中的重要组成部分.然而,蒸散发的连续测定需要耗费大量的时间,而通过数学模拟可以很好地解决这一问题.在目前已有的众多蒸散发模型中,ShuttleworthWallace双源模型考虑了来自冠层和土壤之间的能量交换,适用于计算随季节变化的复杂的植被类型,近年来得到广泛应用.针对近年来在蒸散发模拟过程中得到广泛应用的Shuttleworth-Wallace双源模型,详细介绍了其模型结构及阻力参数,并对各阻力参数的计算方法进行了归纳总结,从模型结构、参数数量以及参数获取难易程度等方面进行了对比分析.结果表明:(1)对于冠层气孔阻力,基于短波辐射、饱和水汽压差和叶面积指数的计算公式更适用于计算连续的较长时间段内的冠层气孔阻力;(2)对于土壤表面阻力,应重点考虑实际土壤含水量和饱和土壤含水量的测定深度;(3)对于冠层边界层阻力,在应用时可依据是否需要考虑自然对流和人工对流而选择对应的计算公式;(4)对于空气动力学阻力,传统的计算方法中参数较易获取,因而适用性高.

基于Shuttleworth-Wallace双源模型的天然杨树蒸散量日变化研究

本文用Shuttleworth-Wallace(S-W)双涌源能量守衡模型以小时为时段,模拟计算了浑善达克沙地天然杨树种群的蒸散量,并用插针式茎流计(Dynagage Probe 12TM)测定的杨树蒸腾量和微型蒸发器测定的冠层下部土壤蒸发量值对其计算精度进行了验证。验证后的日变化分析结果显示:浑善达克沙地天然杨树蒸散量日变化进程曲线的总趋势是晴朗无雨的天气呈单峰型;在时晴、时云相间天气蒸散量日变化进程曲线呈现显著的变化过程;在太阳辐射很小的全阴或全雨天S-W模型模拟计算值精度有限,不易用它对全阴或全雨天蒸散量进行日变化进程分析。当研究目标为探求天然杨树全生育期耗水量时,建议以天为计算时段,这样既可以减少以小时为计算时段的计算工作量,也能达到计算精度。

基于匹配的模型卸载边缘联邦学习方法

针对边缘计算环境下联邦学习中因资源异质性导致的“滞后者”效应等问题,提出基于匹配的模型卸载边缘联邦学习方法(Fed-MBMO)。该方法通过收集边缘设备的性能分析结果,将设备分别划分为强、弱客户端,考虑了模型训练的四个阶段时间占比,弱客户端通过冻结部分模型以节省在特征层上反向传播的时间,并将模型卸载至“强客户端”进行额外的训练,最后将强客户端模型的特征层与弱客户端的全连接层进行模型重构。为提高模型卸载效率,综合考虑模型特征层的相似度与任务完成时间构建了卸载成本矩阵,并将问题转换为迭代求解基于二部图的最优匹配问题,提出基于Kuhn-Munkres(KM)的模型卸载算法并进一步分析了Fed-MBMO算法的时间复杂度。实验结果表明,在资源与数据极端异质的情况下,该方法能够加速模型收敛,模型训练时间与FedAvg、FedUE和Aergia相比分别平均减少46.65%、12.66%、38.07%。实验结果证明了所提的Fed-MBMO算法能够有效解决“滞后者”效应问题并显著提高联邦学习效率。

融合知识图谱和大模型的高校科研管理问答系统设计

科研管理是高校管理中的重要组成部分,但现有的科研管理系统难以满足用户的个性化需求。以高校科研管理向智能化转型为需求导向,将知识图谱、传统模型和大语言模型相结合,共同构建新一代高校科研管理问答系统。采集科研知识用于构建科研知识图谱。利用同时进行意图分类和实体提取的多任务模型进行语义解析。借助解析结果来生成查询语句,并从知识图谱中检索信息来回复常规问题。将大语言模型与知识图谱相结合,以辅助处理开放性问题。在意图和实体具有关联的数据集上的实验结果表明,采用的多任务模型在意图分类和实体识别任务上的F1值分别为0.958和0.937,优于其他对比模型和单任务模型。Cypher生成测试表明了自定义Prompt在激发大语言模型涌现能力方面的成效,利用大语言模型实现文本生成Cypher的准确率达到85.8%,有效处理了基于知识图谱的开放性问题。采用知识图谱、传统模型和大语言模型搭建的问答系统的准确性为0.935,很好地满足了智能问答的需求。

基于PSR+云模型的室内地震应急避难场所的韧性评估

为评估室内地震应急避难场所的韧性等级,提出一种基于压力-状态-响应(PSR)模型+云模型的室内地震应急避难场所韧性评估方法。从PSR角度构建室内地震应急避难场所韧性评估指标体系,划分韧性评估等级标准,利用AHP-DEMATEL为指标赋权,并结合云模型构建室内地震应急避难场所的韧性评估模型。以该模型对绵阳市九洲体育馆进行实证分析,分别确定其压力韧性、状态韧性、响应韧性的隶属度等级,最终得到综合等级C 2的结论,与九洲体育馆在汶川地震中表现出的韧性状态吻合,验证了模型的有效性。

基于WebGL的STL模型可视化技术在铸造CAE系统中的应用

目的为了适应铸造CAE技术的网络化趋势,满足铸造CAE系统前置处理模块对STL模型高级渲染的功能性需求,开发一款足以媲美OpenGL渲染环境下复杂三维图形渲染效果的Web版的STL模型查看器程序——STLViewer。方法仿效Windows桌面程序的运行方式和界面风格,选择单页面设计方案。选用Visual Studio 2019开发平台,利用HTML5、CSS3和JavaScript技术设计程序界面。深入研究基于WebGL的STL模型可视化技术,按照依托场景环境活动模型渲染的技术路线,进行STLViewer各功能模块的开发。结果设计并实现了STLViewer,该程序功能完整性良好、内部逻辑结构合理高效。STLViewer融隐式交互和显式交互于一体,具有本地STL模型的随机性访问、活动模型的多样化交互、模型姿态的智能化跟踪、视图动画的多方式呈现、模型导出的便捷化操作等特点,实现了网络环境下STL模型的高级渲染功能。结论STLViewer作为一款性能卓越的STL模型查看器程序,既可辅助用户制订合理的网格剖分方案,又能带来优良的用户体验,在实际应用中得到了良好效果。

基于CNCSCOLOR的色相-色调感性模型构建

中国应用色彩体系(CNCSCOLOR)基于中国人眼视觉实验所开发,但在国外色彩体系的早期市场占有下没有得到广泛应用。本研究尝试开发一套易于学习推广的模型,以促进其普及和应用。首先通过对三维色彩体系的研究分析,借鉴日本PCCS色彩体系,构建了简化的二维色相-色调基本模型,其中色调融合了色彩属性明度和彩度。模型用直角坐标定位,水平轴为彩度,垂直轴为明度,5种无彩色将明度轴分为四段,12个20色色相环即12种有彩色色调,按照明度与彩度的大小有序分布于平面内。确定构成基本模型的240种有彩色和5种无彩色的选色规则,选出色彩,组合完善基本模型。其次,研究确定12种有彩色色调的感性,得到色相-色调感性模型。通过主观调查初步分析得到有彩色色调的感性,再实施客观眼动实验进一步验证调查结果,最终确定12个有彩色色调的感性分别是鲜明的、明快的、强烈的、浑厚的、清新的、淡雅的、浑浊的、厚重的、浅淡的、暗淡的、灰暗的、黑暗的。研究得到的色相-色调模型包含的色彩数量少,采用二维的平面布局,使初学者易懂易记,便于普及应用;且色调命名符合中国人的情感特征,将用于后续的感性配色模型构建,便于设计师和消费者快速进行精准的产品色彩搭配,对中国本土色彩体系的发展和色彩设计水平的提升具有实际的应用价值。

基于大模型智能体的粮食安全应急情报体系构建研究

[目的/意义]粮食安全是国家安全的基础和重要内容,应急情报体系是应急管理的重要支撑,构建粮食安全应急情报体系能够为应对粮食安全突发事件提供科学的解决方案和高效的运作保障。[方法/过程]首先,阐释相关概念,概述现有研究;其次,在粮食安全应急情报需求分析基础上,提炼体系关键要素,并结合云边端架构,对情报服务化、LBA平台架构及组织架构进行详细论述;最后,阐述基于LBA的粮食安全应急情报体系的模式运作流程。[结果/结论]依托于LBA的粮食安全应急情报体系智能聚合情报服务、智慧适应多主体需求、智能辅助应急决策,既为粮食安全应急管理提供全生命周期情报支持,又奠定LBA在应急情报领域的研究基础,进而为促进应急管理现代化、维护国家粮食安全做出贡献。

大模型媒介:ChatGPT引发的智能传播革命及其社会影响

ChatGPT作为一种基于海量数据和大规模预训练而形成的具有海量参数的大模型媒介正在全球引发一场新技术的创新扩散,大模型媒介以其强大的对人类自然语言习惯常识性、结构性、对话性文本的理解和生成能力,正在引发一场智能传播革命,从而大大拓展人类信息传播的广度和深度,而且还将深刻地影响人类社会的形态和结构,使其变成一种不可或缺的“社会行动者”和决定性的“社会权力”。

基于优化MaxEnt模型的怒江州滑坡易发性评价

目的 怒江州是典型的高山峡谷地区,地质灾害(滑坡)频发,严重制约着当地的发展。为解决这一问题,方法 综合考虑怒江州实际情况,从气象水文、地形地貌、地层岩性、植被生态和人类活动5个方面选取坡向,高程等14个影响因子,判断滑坡与各影响因子间相关性,构建评价指标体系,对最大熵(maximum entropy, MaxEnt)模型的特征类(feature combination,FC)和正则化乘数(regularization multiplier, RM)参数进行优化,对比优化前后小样本赤池信息量准则(akaikeinformationcriterion,AIC)、遗漏率(omissionrate,OR)和AUC(areaunder curve),并基于优化的MaxEnt模型预测滑坡灾害的发生,实现怒江州滑坡易发性评价。结果结果表明:优化后的MaxEnt模型在研究区滑坡易发性预测中适用性优秀(AUC=0.913);运用刀切法(Jackknife)计算各影响因子对易发性的影响程度,高程(S3, 23.2%)、坡度(S9, 22.4%)、居民点密度(S5, 14.2%)、距河流距离(S13, 13.7%)、距道路距离(S4, 9.6%)和岩性(S7, 8.7%)是前六位影响因子,累计贡献度达91.8%;极高、高、中、低滑坡易发性等级的空间占比分别为4.88%,8.96%,18.40%,67.76%,县域中极高和高易发区占比最大的是泸水市,整体上看,极高、高易发区主要沿河流和道路分布于峡谷中,低易发区主要分布于人类活动少、河谷不发育的区域。结论 优化后的MaxEnt模型更适合怒江州滑坡易发性预测,研究结果可为怒江州防灾减灾与土地利用规划提供参考。

基于Transformer模型的时序数据预测方法综述

时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据难以使用传统的机器学习解决,而Transformer在自然语言处理和计算机视觉等领域的诸多任务表现优秀,学者们利用Transformer模型有效捕获长期依赖关系,使得时序数据预测任务取得了飞速发展。综述了基于Transformer模型的时序数据预测方法,按时间梳理了时序数据预测的发展进程,系统介绍了时序数据预处理过程和方法,介绍了常用的时序预测评价指标和数据集。以算法框架为研究内容系统阐述了基于Transformer的各类模型在TSF任务中的应用方法和工作原理。通过实验对比了各个模型的性能、优点和局限性,并对实验结果展开了分析与讨论。结合Transformer模型在时序数据预测任务中现有工作存在的挑战提出了该方向未来发展趋势。