水流分配策略随下坡坡度变化的多流向算法

提出了一种新的多流向算法方法(MFD-fg),其基本思想是水流分配策略应在空间上随着与下坡坡度相关的地形参数而变,从而地形对水流分配的影响可以得到合理、有效的建模。比较分析表明,MFD-fg采用以最大下坡坡度的线性函数对水流分配进行加权,是较好的水流分配策略。应用实验表明,与目前具代表性的单流向算法与多流向算法相比,MFD-fg方法的结果可获得更合理的汇流面积。     

土壤制图中多目标属性的环境因子及其尺度选择——以黑龙江鹤山农场为例

研究影响不同土壤属性空间分布的协同环境因子及其作用尺度,对于理解不同土壤属性的成土发展、土壤推测制图及针对多种土壤属性的空间采样设计具有重要意义。针对多种土壤属性,探索不同土壤属性的重要相关环境因子及其作用尺度,并就不同环境因子及其尺度的不同对土壤属性推测制图的影响展开研究。以黑龙江省鹤山农场为研究区,以表层砂粒、粉粒、黏粒、有机质含量和土壤厚度5种土壤属性为研究对象,根据计算邻域窗口大小的不同,生成173个不同尺度的地形因子,对单尺度地形因子和多尺度地形因子进行重要性排序,并根据重要性排序构建单尺度环境因子集1和多尺度环境因子集2,和基于专家知识选出的基准环境因子集3进行制图精度的对比。结果表明：当单尺度地形因子进行重要性排序选择时,所选出的5种土壤属性的重要相关环境因子与基准环境因子集3明显不同。当多尺度环境因子参与时,尽管对各土壤属性的作用尺度不同,各土壤属性排名靠前的因子绝大多数是基准环境因子。砂粒和粉粒的重要相关因子及作用尺度相当,但与黏粒的重要相关因子和作用尺度差别很大,有机质和土壤厚度的重要相关因子十分相似。环境因子集2较基准环境因子集3的制图精度显著提高,RMSE均值提高百分比为7.8%~21.3%,较环境因子集1的制图RMSE均值提高百分比为8.7%~16.5%。因此,针对不同的土壤属性进行制图或采样设计时,需充分考虑其环境因子和作用尺度的不同,针对基准环境因子选择适宜的尺度较选择不同的相关环境因子更重要。     

数字土壤制图研究综述与展望

土壤的空间分布是土壤形成与发展过程的体现。数字土壤制图是一种新兴的、高效表达土壤空间分布的技术方法,在过去的30年取得了飞速发展。其理论基础为土壤成土因子学说和地理学第一定律。国内外学者在获取环境变量数据、采样方法、制图模型方法和土壤图产生及评价方面开展了大量的研究,应用案例也从小范围到大区域,甚至是全球尺度。未来数字土壤制图的发展方向包括：环境变量刻画的新技术,特别是体现人类活动方面的环境因子;新型数据和遗留数据的有效利用;土壤发生学知识与数学模型的紧密结合的新型推理方法;支持大数据多终端的计算模式。     

基于坡位-地块单元的流域最佳管理措施空间优化配置方法

最佳管理措施（BMP）是治理流域土壤侵蚀、非点源污染等环境问题的有效途径,基于流域过程模拟的情景优化方法可得到综合效益近似最优的BMP空间配置方案集。目前用于配置BMP的空间单元（如子流域、水文响应单元、地块、坡位）均不能有效地综合体现BMP与地形部位间的空间关系以及同一地形部位内不同土地利用斑块上的BMP差异。本文提出将坡位单元与地块单元叠加生成的坡位-地块单元作为BMP空间配置单元,结合分布式流域建模框架SEIMS和多目标优化算法NSGA-II建立一套流域BMP空间优化配置方法。以江苏省溧阳市中田舍流域的非点源污染治理为例,选取减量施肥、退耕还林、封山育林和生态林草4种典型BMP,以最大化总氮削减率、最小化经济成本为优化目标,分别采用坡位单元、地块单元、坡位-地块单元进行情景优化。结果表明：相比坡位单元和地块单元,采用坡位-地块单元可获得最多具有近似最优综合效益的BMP情景,定量评价解集分布性和收敛性的Hypervolume指数分别提升了7%和4%,且BMP在空间上分布更加精细、配置更加灵活。本文方法可有效、合理地优化流域最佳管理措施的空间配置,为流域治理提供决策支持。     

以坡位为空间配置单元的流域管理措施情景优化方法

基于流域过程模型的BMP情景分析是当前流域管理措施评价、非点源污染控制等研究应用中广泛采用的方法,但其通常采用的BMP空间配置单元（地块、农场、水文响应单元或子流域）与坡面上的地形部位关系较弱,难以有效地根据坡面过程特点表达坡面上多种BMP之间的空间配置关系,影响了BMP情景优化效率和结果的合理性。为此,本文提出以坡位单元作为BMP空间配置单元,将各种BMP在不同坡位间合理的空间配置关系显式表达为基于坡位的空间配置规则,通过结合NSGA-II优化算法建立了一套基于坡位单元的BMP空间配置优化方法。应用案例表明,本文构建的基于坡位单元的BMP情景优化方法可有效利用基于坡位的空间配置规则进行BMP情景优化,优化所得的BMP空间配置方案更为合理,优化效率较高。     

多子群遗传神经网络模型用于路口短时交通流量预测

作为智能交通系统ITS的基础和关键问题,交通流量预测方法的研究有着重要的意义。为适应交叉路口短时交通流量的实时变化性和非线性性,本文提出将一种多子群遗传神经网络算法（MPGNN）应用于交叉路口短时交通流量预测的方法,结合BP网络对非线性问题良好的求解能力和遗传算法优良的全局寻优能力,并建立遗传算法的多个子种群来搜索BP网络的最佳结构。通过对武汉市珞瑜路、武珞路、珞狮南路、珞狮北路交叉路口的短时交通流量进行预测分析,取得了良好的实验效果。根据预测结果对该路段的交通流量进行重新分配和控制,对缓解珞瑜路和武珞路段高峰时期交通流量的压力具有重要作用。