摘要：[目的]开展黄土高原不同地区典型暴雨事件土壤侵蚀现状调查,分析暴雨条件下流域土壤侵蚀特点及下游洪水淹没灾害程度,以期为该区暴雨侵蚀灾害的预防和治理提供参考。[方法]以2022年7月到9月黄土高原不同地区发生的4场典型大暴雨为背景,通过野外实地调查,并基于无人机航摄获取暴雨过后小流域的高清影像,对不同地区暴雨条件下小流域内不同土地利用类型的侵蚀特征和洪水淹没灾害进行了分析。[结果]在大暴雨情况下,坡耕地易发生侵蚀,且主要以细沟侵蚀为主,侵蚀模数为22588~46244 t/(km^(2)·a);草地无明显沟蚀现象。重力侵蚀在流域中所占比例较大,易发生在道路和沟道两侧。生产道路增大了流域水文连通性,导致道路侵蚀和损毁严重。有排水设施的道路侵蚀明显小于未设置排水设施的道路。梯田田坎易发生崩塌损毁,损毁长、宽、深分别为10~30 m,0.35~2.3 m和0.1~1.9 m,新修梯田侵蚀损毁显著大于老梯田,当年雨季前修的梯田侵蚀损毁也显著大于上年雨季后修的梯田。流域内各淤地坝拦沙作用明显,但在暴雨情况下仍存在较多的损毁和漫坝现象,且大部分淤地坝淤积已达到库容上限。不合理的占用河道、工程建设、小流域蓄排措施缺乏,部分水保设施管护不到位均会加剧流域侵蚀及洪水灾害。[结论]在一般暴雨条件下,小流域内现有的水保措施能较好地抵御暴雨侵蚀,但在大暴雨乃至特大暴雨条件下,流域内侵蚀灾害依然严重,且容易对下游造成严重的淤积和洪涝灾害,优化设计并布局流域内整体的“蓄排协调”设施是当前黄土高原地区水土保持工作高质量发展亟需解决的问题。

摘要：波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。