基于栅格DEM的多流向算法述评

基于栅格DEM的流向算法是数字地形分析的重要研究内容之一。在分布式水文模型、土壤侵蚀等领域中,当需要获取与流向直接相关的水文参数(如汇流面积、地形指数等)的详细空间分布时,多流向算法(MFD)明显优于单流向算法(SFD)。根据所采用的水流分配策略,将现有MFD分为四类:(1)固定水流分配权重的MFD;(2)水流分配权重随汇流面积变化的MFD;(3)水流分配权重随局域地形特征变化的MFD;(4)基于局域形态单元的MFD。从模型合理性、算法复杂度和易用性、对DEM误差的敏感性等方面进行的分析表明,水流分配权重随局域地形特征变化的MFD优于其他三类MFD。目前对MFD采用人造DEM数据集的直接定量评价研究还十分不足,文章以一个例子来体现直接定量评价MFD的可行性及有效性,同时也定量反映出水流分配权重随局域地形特征变化的MFD具有更低的计算误差。目前通用的针对流向算法的DEM洼地平区预处理算法多针对SFD而设计,不适合MFD的实际应用,本文对适用于MFD的DEM预处理算法所应具有的特征也进行了讨论。     

整合已有土壤样点的数字土壤制图补样方案

我国多数地区经过两次土壤普查以及科研工作者的野外调查, 积累了一定数量的土壤样点“( 已有样点”)。本文在充分整合已有样点的基础上, 提出了逐次、高效地设计补充样点的方案, 它包括3 个步骤:首先, 确定已有样点集的空间代表范围“( 可推测范围”);然后, 将已有样点集不能代表范围内的每一个栅格都看作一个候选样点, 计算每一个候选样点的可扩推范围, 选择可扩推范围最大的点作为第一个补充样点;最后, 基于已有样点和补充样点更新样点集的空间代表范围图。重复以上过程, 直至新样点集的空间代表范围能够覆盖整个研究区。该方法在充分利用已有样点资源的基础上, 不仅能够确定补充样点的数量、位置, 而且能够给定补充样点的重要性次序, 在采样资源有限的情况下, 为采样者合理地选择样点提供了重要依据。     

基于典型点的目的性采样设计方法及其在土壤制图中的应用

鉴于经典采样和空间采样存在的局限性,提出了一种旨在寻找典型点的目的性采样设计方法。该方法通过分析与目标地理要素空间分布具有协同变化关系的环境因子,提取地理要素空间变化的典型模式,进而在典型模式上布设样点,即可获得典型点,从而减少所需样本量。以位于黑龙江鹤山农场的2个研究区为例,分别选择土壤厚度和表层有机质2个土壤属性,通过对土壤属性空间变化的4个协同环境因子进行模糊c均值聚类,获得对应土壤属性空间变化模式的环境因子组合;根据其模糊隶属度结果设计典型点并进行采样,最后结合典型点的属性值与环境因子组合模糊隶属度结果,采用加权平均模型得到土壤属性空间分布图,反映了土壤属性随地形变化的连续性分布。基于独立野外验证点,选择了4个评价指标对所得属性图进行定量评价。结果表明：2个研究区验证点集的预测值和观测值一致性指数均较高,可见本研究提出的方法是一种有效的样点布设方法。研究还对在每一环境组合类设计不同数量典型点所得土壤属性制图结果的差异进行了讨论,认为典型点增多并不一定能提高土壤属性空间推测的精度。     

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。     

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。     

一种基于地理环境相似度的滑坡负样本可信度度量方法

滑坡负样本在统计型滑坡危险度制图中具有重要作用,能抑制统计模型对滑坡危险度的高估。当前滑坡负样本采样方法采集的负样本可信度未知,在负样本采样过程中,极有可能将那些潜在滑坡点错选为负样本,这些假的负样本会降低负样本集的质量和训练样本集的质量,进而影响统计模型的精度。本文基于“地理环境越相似、地理特征越相似”的地理学常识,认为与正样本有着相似地理环境的点极有可能是未来发生滑坡的点;与正样本的地理环境越不相似的点,则越有可能是负样本。基于此假设提出一种基于地理环境相似度的负样本可信度度量方法,将该方法应用于滑坡灾害频发的陇南山区油房沟流域,对油房沟进行滑坡负样本可信度评价制图;使用油房沟流域的滑坡发生初始面来验证该方法的有效性。结果发现：滑坡发生初始面上所有栅格点的负样本可信度平均值为0.26,超过95%的栅格点的负样本可信度都小于0.5,说明本文提出的负样本可信度度量方法合理。     

基于流域系统模拟一情景优化的精细治理决策支持方法

面向美丽中国生态文明建设所需,亟待有效实现流域精细治理的科学决策,以根据流域综合治理愿景目标,优化流域管理措施（BMP）的空间布局方案（即BMP情景）、制定符合实际需求的实施路线图。对此,“流域系统模拟—情景优化”方法框架近年展现出广阔应用前景。本文介绍了该框架在应对实际应用需求中尚存的一系列问题,开展了体系性的方法研究：(1)提出新的流域过程建模框架,以兼顾建模灵活性和高性能计算、高效实现流域系统模拟;(2)提出以坡位单元作为BMP空间配置单元、并在情景优化过程中可进行单元边界动态调整的BMP情景优化方法,可有效考虑流域综合治理的经验知识,保障优化结果合理性;(3)提出考虑分阶段投资约束的BMP情景实施次序优化方法,可推荐出符合实际落地需求的实施路线图;(4)设计研发用户友好的参与式流域规划系统,供各方利益相关者协商决策。通过典型小流域应用案例验证了上述新方法、工具和原型系统的有效性和实用价值。     

分布式水文模型的并行计算研究进展

大流域、高分辨率、多过程耦合的分布式水文模拟计算量巨大,传统串行计算技术不能满足其对计算能力的需求,因此需要借助于并行计算的支持。本文首先从空间、时间和子过程三个角度对分布式水文模型的可并行性进行了分析,指出空间分解的方式是分布式水文模型并行计算的首选方式,并从空间分解的角度对水文子过程计算方法和分布式水文模型进行了分类。然后对分布式水文模型的并行计算研究现状进行了总结。其中,在空间分解方式的并行计算方面,现有研究大多以子流域作为并行计算的基本调度单元;在时间角度的并行计算方面,有学者对时空域双重离散的并行计算方法进行了初步研究。最后,从并行算法设计、流域系统综合模拟的并行计算框架和支持并行计算的高性能数据读写方法3个方面讨论了当前存在的关键问题和未来的发展方向。     

论地理规律对流域过程模拟并行计算的指导作用

流域过程模拟是地理学研究和流域科学管理的有效工具。在应用需求的推动下,长时段、高空间分辨率的多过程综合模拟逐渐兴起,流域过程模拟所需的计算量越来越大,亟需借助并行计算技术来提高效率。流域过程模拟并行计算的现有研究,大多为针对特定模型的个例研究,缺乏对指导各类流域过程模型并行计算的共性思路和原则进行讨论和梳理。首先,对可指导流域过程模拟并行计算的地理规律进行了分析,从空间、子过程和时间3 个角度,探讨了空间等级层次结构、空间相互作用、子过程间依赖关系、时空动态变化等地理规律,对流域过程模拟并行计算的指导作用;然后,根据地理规律在并行计算中所发挥作用和适用范围的不同对其分类;最后,结合2 个实例,对地理规律的流域过程模拟并行计算进行了分析和验证,旨在对流域过程模拟并行计算理论和方法的发展与应用提供借鉴。     

栅格地理计算并行算子对区域计算算法并行化的可用性分析——以多流向算法为例

栅格地理计算并行编程库的研发有助于实现对栅格地理计算算法的并行化。在现有的研究中,Qin 等(2014)设计并初步研发的栅格地理计算并行算子(PaRGO),在设计思路上能较好地隐藏与并行编程软硬件环境相关的复杂细节,实现栅格地理计算通用步骤的并行化,且较其他类似思路的编程库而言,PaRGO能兼容多种常用的并行计算平台,具有明显优势。但PaRGO目前在设计上仅直接支持本地、邻域及全局计算特点的栅格地理计算算法并行化,对于更为复杂的区域计算特点算法并行化的支持能力尚未探究。对此,本文选取栅格数字地形分析中具有区域计算特点、递归设计的多流向算法为算例,利用PaRGO进行并行化设计、实现及测试,以计算时间、相对加速比和相对并行效率为定量指标。通过可运行性和并行性能进行评价,结果表明:PaRGO虽然不能直接支持对递归的多流向算法进行并行化,但在根据多流向计算的原理将该递归算法转变为非递归的设计之后,可将算法由原区域计算改造为邻域迭代计算,就能利用PaRGO 实现并行化,并得到较好的并行效果。在集群环境下,MPI版本并行程序的并行效果优于MPI/OpenMP混合版本。