一种由土壤剖面含水率估算土壤水力参数的方法

根据瞬时剖面法的基本思想,提出一种利用剖面土壤含水率数据推求土壤水力参数的方法。可依据不同时间和深度的土壤含水率数据,得到土壤剖面不同深度处的土壤水分通量;根据van Genuchten模型描述的土壤负压及非饱和水力传导度与土壤含水率的关系,建立水分通量和土壤水分参数间的关系,并采用非线性最小二乘法估计最优土壤水力参数。文中应用软件HYDRUS-1D模拟12种土壤所得数据和田间尺度试验数据验证了方法的实用性。结果表明,该方法预测精度较高,可以方便地应用于均质土壤水力参数的估算。     

增强云服务可信性的研究

结合自治愈机制与AOP技术,提出了一种增强云服务的可信性框架.该框架从云服务的逻辑实现层面来增加其可信性,以"可插拔"的形式动态配置云服务的可信策略.通过失效注入的方式进行仿真实验,结果表明该框架有效地降低了云服务失效的概率,增强了云服务的可信性.     

区域饱和-非饱和多孔介质的溶质运移简化模型

在迭代求解区域饱和非饱和拟三维渗流模型的基础上,建立区域溶质运移简化模型。该模型将溶质运动在非饱和带简化为一维垂直运动,饱和带简化为二维剖面运动,在非饱和带与饱和带分别形成对流_弥散方程,并通过维持近饱和带溶质质量守恒组成统一的系统,采用有限单元法数值处理技巧,在同一个矩阵方程中求解饱和与非饱和含水层的浓度变化。该模型无需迭代计算,大大减少工作量,为求解区域溶质运移问题提供了新方法。算例验证表明,区域溶质运移简化模型技术可行,结果可信。     

基于可控多样性生成对抗网络的水环境遥感影像场景分类方法

利用深度学习进行高分辨率遥感影像场景分类可以获得较高精度。深度模型通常需要大量的高质量的训练样本,然而,一些应用的样本数量本身就较少且缺乏多样性,同时受限于成本一些工作难以收集大量样本;空间信息单一且数量较少的样本集导致深度模型易于拟合于特异特征,从而降低分类能力。通过引入张量生成器T构建在空间结构与细节上具有多样性的二维描述张量,并根据二维描述张量生成遥感场景影像,提出一种基于可控多样性生成对抗网络的水环境遥感影像场景分类方法(CD-GAN),最后引入UC-Merced和AID两个遥感场景分类数据集进行5种不同方法的对比实验。结果表明:该遥感影像场景分类方法(CD-GAN)可提高原始样本集在空间特征和结构上的多样性,促进CNN在训练过程能够发现场景的关键空间特征,并将分类精度最高达到95.0±0.4。