摘要：为计算农业区不同作物生长条件下土壤水氮迁移转化过程,该文基于Erosion/Productivity Impact Calculator（EPIC）作物模型建立了作物根系生长子模块,将其进行有限元数值离散,与土壤氮素迁移转化模型Nitrogen2D耦合,使模型能计算作物生长条件下土壤水氮迁移转化过程。该作物生长模块可计算多种胁迫下作物根系对土壤水分和氮素的动态吸收速率,及作物收获时的生物量和吸氮量。采用武汉大学灌溉排水试验场冬小麦生长条件下土壤水氮试验数据对模型进行了率定,并用于土壤水氮分布和作物生物量预测,土壤含水率、氮素的模拟值与实测值的一致性系数分别为0.86-0.97、0.52-0.98,Nash效率系数为0.59-0.90（含水率）、0.44-0.93（土壤氮素）,说明模拟结果与实测值吻合度较高。同时,分别采用该文的作物生长模块和简单根系吸收模块计算根系吸氮过程,结果显示,简单根系吸收模型会显著高估作物吸氮量,而作物生长模型则由于考虑了根系生长和各环境因子的胁迫作用,计算结果更符合作物实际吸氮过程,计算的根系吸氮量相对均方根误差为3.4%-46%。

摘要：针对流域点源氮素对地表水体污染负荷的定量计算问题,基于ArcGIS平台改进了饱和-非饱和氮素运移转化和氮素对地表水体的负荷计算模型ArcNLET,该模型可考虑水流和氮素在土壤中的1维垂向运动和在地下水中的2维水平运动,计算从点源排出经土壤消减到达地下水面的硝态氮和铵态氮浓度及其在地下水中的浓度分布,并最终计算氮素对地表水体的负荷。将该模型应用于美国佛罗里达州Julington Creek流域点源氮素污染和负荷计算,定量分析了当地点源氮素出流对地表水体的污染风险。结果表明:由于地形和土壤性质的差异,从点源到达地下水面的氮素浓度具有很强的空间变异性;该流域氮素进入地表水体的负荷中,铵态氮比例占26%,说明忽略地下水中铵态氮会低估氮素污染风险。该模型各模块相互独立,参数较少,利用ArcGIS对输入数据和输出数据进行可视化处理,是定量评估流域点源氮素对地表水体污染负荷的有效工具。

摘要：高光谱遥感已经成为快速诊断作物水氮状态的一种有效手段。然而,传统的回归方法和机器学习往往难以挖掘高光谱的全部信息,深度神经网络又通常需要大量的训练数据,因此本研究试图探索在少量数据条件下构建深度学习模型并实现叶片氮含量的精准估计。通过在湖北省监利县开展了连续2年不同氮素胁迫水平的水稻试验,测量了作物全生育期内的216组冠层光谱和叶片氮含量。基于一阶导数光谱,本文构建了一种新的深度学习模型(深度森林DF)来进行叶片氮含量的反演,并与2种经典机器学习模型(随机森林RF和支持向量机SVM)和一种深度神经网络模型(多层感知器MLP)进行比较。结果表明,在基于少量高光谱数据的情况下,DF对水稻叶片氮含量的估算精度要高于MLP,其中预测精度最高的模型为全波段光谱反演的DF模型(R^(2)=0.919,RMSE=0.327)。在2种经典机器学习模型中,RF的估计效果优于SVM,但2种模型结果都不够稳定。研究表明,深度森林可以提升高光谱反演叶片氮含量的精度和稳定性,并且可以通过多粒度扫描相对减轻过拟合程度。该研究结果可为少量数据条件下快速监测作物叶片氮含量提供参考。

摘要：灌水率的大小关系到渠道断面的设计尺寸和工程成本。提出了灌水率图形调整的数学模型。该模型以保证灌水率方差在总灌水延续时间内最小和图像连续为目标函数 ,考虑了实际中 4种可能的调整途径及相应的调整规则。开发了可视化界面程序 ,该程序将整个灌水率的调整过程形象地反映出来 ,便于人机交互求解合理的结果。

摘要：卫星遥感技术可实现大范围全天候全天时的动态监测,在水利遥感中发挥着重要的作用。但是目前尚无专门针对水利行业的卫星星座,因此卫星影像的时空分辨率不足以满足水利行业应用,无法有效支撑智慧水利和数字孪生的建设。针对水利行业的需求,提出了空间分辨率优于1 m,时间分辨率优于1 h的SAR(Synthetic Aperture Radar)/光学混合小卫星星座,阐述了其总体设计和关键技术,为水利及其相关的农业、环保等行业提供定制化服务,以支撑国家水利重大战略。

摘要：阐明了崔家营水库浸没区内农田渍害产生的原因,对排渍工程前后流场分析对比,指出暗管系统可以有效地控制渍害。

摘要：针对外源性有机碳影响下土壤氮素各转化过程的定量计算问题,基于土壤氮素迁移转化数值模型NPTTM,考虑外源性有机碳在土壤中的不同分布类型,及其对反硝化过程的影响函数,采用含有机碳的二级处理再生水灌溉试验对该改进模型进行验证,结果表明,改进后的模型能很好地拟合试验过程土壤水氮动态变化过程。同时,为了探究有机碳分布对氮素迁移转化过程的影响,本文采用该验证模型进行有机碳随深度分配数值实验,计算结果表明不同的有机碳分布对土壤铵态氮的影响较小,但对硝态氮的影响较大。土壤中较高的有机碳汇集会造成铵态氮浓度的增加,而有机碳浓度增大会增强反硝化作用进而减小硝态氮浓度。