Simulation of site-scale water fluxes in desert and natural oasis ecosystems of the arid region in Northwest China     

Mingjuan Xie  Geping Luo  Olaf Hellwich  Amaury Frankl  Wenqiang Zhang  Chunbo Chen  Chen Zhang  Philippe De Maeyer 《水文研究》2021,35(12):e14444

The study of water fluxes is important to better understand hydrological cycles in arid regions. Data-driven machine learning models have been recently applied to water flux simulation. Previous studies have built site-scale simulation models of water fluxes for individual sites separately, requiring a large amount of data from each site and significant computation time. For arid areas, there is no consensus as to the optimal model and variable selection method to simulate water fluxes. Using data from seven flux observation sites in the arid region of Northwest China, this study compared the performance of random forest (RF), support vector machine (SVM), back propagation neural network (BPNN), and multiple linear regression (MLR) models in simulating water fluxes. Additionally, the study investigated inter-annual and seasonal variation in water fluxes and the dominant drivers of this variation at different sites. A universal simulation model for water flux was built using the RF approach and key variables as determined by MLR, incorporating data from all sites. Model performance of the SVM algorithm (R² = 0.25–0.90) was slightly worse than that of the RF algorithm (R² = 0.41–0.91); the BPNN algorithm performed poorly in most cases (R² = 0.15–0.88). Similarly, the MLR results were limited and unreliable (R² = 0.00–0.66). Using the universal RF model, annual water fluxes were found to be much higher than the precipitation received at each site, and natural oases showed higher fluxes than desert ecosystems. Water fluxes were highest during the growing season (May–September) and lowest during the non-growing season (October–April). Furthermore, the dominant drivers of water flux variation were various among different sites, but the normalized difference vegetation index (NDVI), soil moisture and soil temperature were important at most sites. This study provides useful insights for simulating water fluxes in desert and oasis ecosystems, understanding patterns of variation and the underlying mechanisms. Besides, these results can make a contribution as the decision-making basis to the water management in desert and oasis ecosystems.  相似文献   

Site characterization model using least‐square support vector machine and relevance vector machine based on corrected SPT data (Nc)     

Pijush Samui  T. G. Sitharam 《国际地质力学数值与分析法杂志》2010,34(7):755-770

Statistical learning algorithms provide a viable framework for geotechnical engineering modeling. This paper describes two statistical learning algorithms applied for site characterization modeling based on standard penetration test (SPT) data. More than 2700 field SPT values (N) have been collected from 766 boreholes spread over an area of 220 sqkm area in Bangalore. To get N corrected value (N_c), N values have been corrected (N_c) for different parameters such as overburden stress, size of borehole, type of sampler, length of connecting rod, etc. In three‐dimensional site characterization model, the function N_c=N_c (X, Y, Z), where X, Y and Z are the coordinates of a point corresponding to N_c value, is to be approximated in which N_c value at any half‐space point in Bangalore can be determined. The first algorithm uses least‐square support vector machine (LSSVM), which is related to a ridge regression type of support vector machine. The second algorithm uses relevance vector machine (RVM), which combines the strengths of kernel‐based methods and Bayesian theory to establish the relationships between a set of input vectors and a desired output. The paper also presents the comparative study between the developed LSSVM and RVM model for site characterization. Copyright © 2009 John Wiley & Sons, Ltd.  相似文献   

高分一号遥感影像地质灾害信息提取方法研究   总被引：1，自引：0，他引：1  

李启源  王明常  王凤艳  谭洋  卢立吉 《测绘与空间地理信息》2016,(2):17-20

山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。  相似文献   

迁移学习支持下的高分影像山地滑坡灾害解译模型     

郭加伟  李永树  李政  刘锟铭  张帅毅 《测绘科学技术学报》2016,(5):496-501

无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。  相似文献   

高光谱影像概率分类向量机分类方法研究     

薛志祥  余旭初  张鹏强  谭熊  魏祥坡 《测绘科学技术学报》2016,(4):426-430

从分析基于支持向量机和相关向量机的高光谱影像分类方法的优势和不足出发,将基于概率分类向量机的方法用于高光谱影像分类试验。在贝叶斯理论框架下,概率分类向量机为基函数权值引入截断Gauss先验概率分布,使得不同类别的基函数权值具有不同符号的先验分布,并利用EM算法进行参数推断,得到足够稀疏的概率模型,弥补了相关向量机选取错误类别的样本作为相关向量的不足,从而有效地提高了模型的分类精度和稳定性。OMIS和PHI影像分类试验表明,概率分类向量机能够很好地应用在高光谱影像分类。  相似文献   

基于均一化资料的中国大陆极端温度的长期趋势   总被引：1，自引：0，他引：1  

肖冰霜  马玉霞  赵天保  颜书豪 《气象》2016,42(3):339-346

近百年来,全球气候变暖。这与暖日和暖夜增加,冷日和冷夜减少相关联。文章研究结果进一步证实了这一发现。本文基于1960-2012年中国大陆542个台站均一化气温资料,通过将中国大陆划分为8个次区域,利用百分位定义法计算了极端温度指数序列,同时,运用时间趋势分析法,对中国大陆各区域极端温度和极端温度指数的时空分布及变化趋势特征进行了分析。结果表明:在全球变暖的背景下,从地理分布而言,中国大陆在过去53年除西南地区外,大部分地区最低和最高温度有显著的升高趋势,其中,东北温度升高最为明显;从季节而言,冬季极端温度升高最为明显,夏季升高最少;最低温度明显升高,最高温度也有所升高,但是最低温度的升高幅度更大。冷夜和冷日出现频率呈减少趋势,暖夜和暖日出现频率呈增加趋势,其中以冷夜指数变化最为突出,均呈现一种区域差异的现象。本文利用更新的资料验证了前人的工作,也进一步分区分析,结果可为更多地区评估以及进一步的相关研究提供参考。  相似文献   

近54年阿勒泰地区夏季极端降水事件气候特征     

博尔楠  恰里哈尔  阿依敏  别克达吾列提  宋佳 《沙漠与绿洲气象(新疆气象)》2016,10(4):39-46

本文采用阿勒泰地区7个国家级气象站近54a(1960～2013年)夏季(6～8月)的日有效降水量（20～20h降水量≥0.1mm）资料,用WMO推荐的百分位法计算了全地区过去54a夏季极端强降水的阈值、进一步分析了当地夏季时空分布特征及变化趋势,结果表明：阿勒泰地区夏季极端强降水阈值呈西部、南部小,北部、东部大,并且空间异常分布特征如下: 夏季以及夏季各月的极端强降水日数和强度均可总结出5种最主要模型;极端强降水量可总结出8种最主要模型;并且通过时间标准化序列分析各种模型都有对应的降水日数、量级、强度明显偏多（强）和偏少（弱）的时段。日数、量级、强度近54a来,除吉木乃略有下降以外,其余各县（市）均为增长趋势,尤其是北部、东部地区.同时上述三指标存在着显著的年代际和年纪尺度的周期变化,上世纪90年代和2010年至今为三个指标最多(强)的年代,而上世纪70年代为最少（最差）的年代.并通过周期分析（小波分析）可知,均有对应的显著变化周期。  相似文献   

豫西地区雷暴预警预报系统构建方法研究     

李振锋  付伟基  陈红霞 《气象与环境科学》2016,39(4):126-134

目前,基层台站在雷暴预警预报中主要依赖传统经验预报方法,而对卫星云图、大气电场、多普勒雷达回波和高分辨率数值预报产品等资料释用水平不高,存在主观定性分析多、客观定量计算少等不足。依托现有气象资料和雷暴预报方法,以雷暴预警预报系统构建为目标,从气象数据仓库构建、支持向量机雷暴预报、相似预报雷暴预报、Poor Man集合预报技术和多源数据融合分析等方面,探讨了雷暴预警预报系统构建方法,实现了雷暴中期预测、短期预报和短时临近预警三个层次的预报功能,解决了气象资料庞杂难以管理、数值预报产品释用水平不高、数值预报结果存在"跃变"、多源数据融合分析缺乏手段等问题,提高了基层台站雷暴预报工作效率和预报水平,同时也为其他地区类似系统构建提供了参考。  相似文献   

利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识     

阚希  张永宏  曹庭  王剑庚  田伟 《测绘学报》2016,45(10):1210-1221

青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。  相似文献   

历史数据和强化学习相结合的低频轨迹数据匹配算法     

孙文彬  熊婷 《测绘学报》2016,45(11):1328-1334

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。  相似文献