Estimation of extreme floods of the River Meuse using a stochastic weather generator and a rainfall–runoff model / Estimation des crues extrêmes de la Meuse à l'aide d'un générateur stochastique de variables météorologiques et d'un modèle pluie–débit

Abstract

A stochastic weather generator has been developed to simulate long daily sequences of areal rainfall and station temperature for the Belgian and French sub-basins of the River Meuse. The weather generator is based on the principle of nearest-neighbour resampling. In this method rainfall and temperature data are sampled simultaneously from multiple historical records with replacement such that the temporal and spatial correlations are well preserved. Particular emphasis is given to the use of a small number of long station records in the resampling algorithm. The distribution of the 10-day winter maxima of basin-average rainfall is quite well reproduced. The generated sequences were used as input for hydrological simulations with the semi-distributed HBV rainfall–runoff model. Though this model is capable of reproducing the flood peaks of December 1993 and January 1995, it tends to underestimate the less extreme daily peak discharges. This underestimation does not show up in the 10-day average discharges. The hydrological simulations with the generated daily rainfall and temperature data reproduce the distribution of the winter maxima of the 10-day average discharges well. Resampling based on long station records leads to lower rainfall and discharge extremes than resampling from the data over a shorter period for which areal rainfall was available.     

基于知识图谱的增强型混合式学习的教学实践与思考

随着互联网与信息技术的快速发展,线上线下混合式学习逐渐得到普及与应用。混合式学习强调学生的主体作用,注重学生的自主学习、协作学习和个性化学习,是良好的适合高等教育的创造性学习模式。但是在目前的混合式学习模式下,学生对知识的加工、梳理、整合能力不够,构建完整知识体系的自主学习能力稍显薄弱,因此亟需更多引导。文章综合分析了混合式学习模式的优缺点,建议引入人工智能领域的知识图谱概念,作为新的教学元素以引导和加强学生的自主学习过程,由此构建了基于知识图谱的增强型混合式学习模式。该模式在2020年南京大学《古无脊椎动物学》课程中进行了实践,进一步证明其在改善学生自主学习能力方面的潜力。     

GIDS空间插值法估算云下地表温度

选用陆面区域温度最佳空间插值法—梯度距离平方反比法(GIDS),为近似估算云下地表温度提供了可能。实验选取暖季南京江宁地区ETM+影像和ASTERGDEMV1高程数据,探索分析GIDS估算云下地表温度的可行性和可信性。对14种空间大小云覆盖区实验研究表明:利用GIDS插值估算云下地表温度具有可行性,且估算误差随着云覆盖区范围增大而增加,其最大MAE<0.9℃,最大RMSE<1.2℃,并在云覆盖区小于100×100像元时,最大MAE<0.8℃、RMSE<1℃;插值精度与最近邻无云像元典型代表性、区域内空间复杂度和地表覆盖类型均有关,存在不稳定性和动态性;云下NDVI均方差与MAE、RMSE有着一致变化趋势,借助NDVI均方差指示云下地表空间异质性及NDVI–LST负相关性,可对插值结果进行可信性评判,以避免插值结果盲目应用,推进和提升地表温度产品应用价值。     

球柱壳耐压舱体极限承载力研究

耐压舱设计是水下机器人的核心技术之一,其极限承载力研究是核心中的核心。针对球壳封盖加柱形壳体耐压舱,现行标准对于初始导入缺陷数值的确定往往过于保守,对于耐压舱体数量较多的无人潜水器来说,过大的设计质量是总体设计所无法接受的。首先采用装配体整体建模策略,建立复合屈曲的受力模型,将三大非线性影响因素同时引入到极限承载力研究中,提升了计算精度。然后分别针对确定性缺陷和非确定性缺陷结构开展极限承载力研究。最后,提出以0.23%的初始缺陷导入尺度作为球壳封盖加圆柱壳体的耐压壳体缺陷导入参数,给出了导入尺度的计算方法,并借助水压试验对上述参数的准确性进行验证。     

基于改进DeepLabv3plus算法的遥感图像海岛建筑提取方法

目前海岛经济快速发展,为避免海岛建筑无序扩建,了解海岛建筑分布特征尤为重要。机器学习方法是从高分遥感影像提取地物目标的常见方式,然而建筑物遥感特征复杂,机器学习方法出现鲁棒性差、难以充分挖掘深层次特征的弊端。文章提出基于DeepLabv3plus网络模型的深度学习语义分割方法提取海岛建筑,并对网络结构进行改进,使用组归一化（GN）方法替代批归一化（BN）以适合小batch size下的语义分割操作。针对海岛建筑数据量较少的问题,采用迁移学习策略,设计基于多源数据的国内城市建筑数据集的预训练样本智能采集和标注方法,再人工标注中国部分海岛建筑进行算法实验。结果表明,在batch size较小时,基于GN的DeepLabv3plus语义分割算法的平均精度和mIoU均得到提升,能够获得更为精确的像素级海岛建筑提取结果。     

Impacts of land surface on climate of july and onset of summer monsoon: a study with an agcm plus ssib

To get more insight into the impacts of land surface processes on climate, a simplified biosphere model (SSiB) developed by Sellers and Xue et al. is implemented into the LASG / IAP spectral climate AGCM (R15L9). The new model has been integrated for more than twenty years. The diagnoses of the integration show that the implementing of the land surface processes has greatly improved the simulation of July climate. It is also shown that the seasonal variations of land surface characteristics have great impacts on the onset of summer monsoon, especially the seasonal march of wind at 850 hPa and precipitation over the regions of summer monsoon.     

SBE911plus CTD剖面仪的现场校正与数据处理

针对sBE911plus直读式CTD剖面仪在使用过程中传感器受环境等因素的影响而出现漂移的问题,着重阐述了现场分析和校正的方法.通过分析可以找出引起漂移的原因,计算出漂移斜率和漂移偏差.根据计算得到的结果进行现场校正可以消除传感器漂移引起的采样数据错误,为高精度数据的获取提供了保证.并且介绍了SBE911plus原始采样数据的处理方法,以及这个过程中必须注意的问题,如电导单元和水体热交换所引起的误差,以及船身起伏造成的数据"打结"现象的解决等.     

从测绘学到地球空间信息智能服务科学

回顾了从传统测绘学到当今地球空间信息智能服务科学的60年发展历程;总结了测绘学从模拟到解析再到数字化发展的3个重要阶段;介绍了GNSS、RS与GIS(3S)集成,从而形成了地球空间信息学的兴起;分析了数字地球时代地球空间信息学的发展,进而论述了当今智慧地球时代地球空间信息科学走向实时智能服务的最新进展,并对"互联网+"空间信息智能服务的3个发展水平进行了重点论述。可以肯定,在大数据时代传统的测绘学必将集通信、导航、遥感、人工智能、虚拟现实和脑认知科学之大成,发展成为地球空间信息智能服务科学,为富国强军与利民作出应有的贡献。     

均匀介质中的F-K反偏移:基本概念、基本公式及其在非均匀介质中的应用

从经典的常速度F-K偏移成像理论公式出发,通过由垂直波数到角频率映射的途径首先建立了常速度F-K反偏移的基本理论公式和基本实现算法,然后再将其用于解决非均匀介质中的反偏移问题。与同样条件下的Kirchhoff型反偏移理论相比,在建立常速度F-K反偏移理论时没有引入任何近似。因此,所提出的是一个在均匀介质中严格精确的反偏移理论。对于一般条件下的非均匀介质,利用了在现代反射地震偏移理论研究中常用的局部化处理方法和相移加插值(PSPI)偏移的基本思想。具体地讲,在处理非均匀介质中的反偏移问题时假设偏移场的形成完全由局部薄板(层)中的速度结构决定。此外,还假设偏移场是速度的连续函数。因此,可以在局部薄板(层)中利用关于垂直坐标的Fourier变换和均匀介质中的频散关系,以及一组均匀参考速度来近似地构造出在不均匀速度模型中任意一个给定深度上的反偏移场。在算法上,在均匀介质中的F-K反偏移是一个一步过程,而在非均匀介质中基于PSPI的F-K反偏移是一个多步递归过程。为了实现反偏移必须要从速度模型的最大深度开始逐层地进行插值和反向相移计算,直至到达地表为止。     

An integrated approach to the estimation of streamflow drought quantiles / Une méthode intégrée d’estimation des quantiles de sécheresse hydrologique

Abstract

Abstract An approach was developed for combining streamflow drought information from synthetic (generated) data with data reconstructed based on palaeoclimatic information (tree ring widths). The tree ring data were used to reconstruct streamflow in periods when no streamflow data were collected. The reconstructed data were then used as a source of historical data for estimating drought severity quantiles. The generated data were obtained using a nearest neighbour resampling method while the tree ring reconstruction was accomplished using a regression model. The application of the approach was to data from the Athabasca River in Alberta, Canada. The results demonstrate the feasibility and the utility of the approach for obtaining more accurate and precise estimates of extreme drought severity quantiles.