季节性积雪液态含水量与密度是刻画积雪水文过程、评估融雪径流和雪崩灾害风险的重要参数。发展兼具物理约束、反演精度和计算效率的积雪参数智能反演方法，是积雪水文与冰冻圈灾害研究中的关键问题。
近期，中国科学院成都山地灾害与环境研究所团队构建了基于机器学习与物理引导深度学习的双参数反演框架，利用共偏移距探地雷达数据同步反演积雪相对介电常数和对数电阻率。
研究基于时域有限差分电磁模拟软件gprMax，生成覆盖多类积雪条件的大规模合成数据集，对随机森林、神经网络、极限梯度提升和支持向量机等算法开展系统比较。结果显示，神经网络模型综合性能最优，介电常数预测精度R²＞0.97，电阻率预测精度R²＞0.92；野外验证中，液态含水量估算误差低于1.5％。
在此基础上，研究融合Vision Transformer与双向长短期记忆网络，提出物理引导深度学习全波形反演方法，实现了从探地雷达波形到二维电磁参数空间分布的端到端映射。野外数据应用获得的积雪液态含水量和土壤含水量二维分布与雪坑及Snowfork观测结果高度一致，验证了该框架的可靠性与适用性。
该研究为积雪液态含水量、密度及近地表水分状态的快速无损反演提供了新的技术路径，可为寒区水文过程监测、积雪灾害评估和冰冻圈环境变化研究提供重要方法支撑。
相关研究成果发表在《中国科学：地球科学》（Science China Earth Sciences）和《水文学杂志》（Journal of Hydrology）上。研究工作得到国家重点研发计划和国家自然科学基金等的支持。
论文链接：1、2
分段雪层电磁特性的空间分布和垂向分布
复旦大学基础医学院、脑科学研究院、脑功能与脑疾病全国重点实验室教授刘星、马兰合作，发现小鼠脑内基底外侧杏仁核（BLA）神 11日，记者从中国科学技术大学获悉，该校中国科学院微观磁共振重点实验室彭新华教授、江敏副教授等，利用量子精密测量技术在 11月14日，在江苏省海安市墩头镇吉庆幼儿园“户外小厨房”内，小朋友们在老师的指导下，学习洗菜、切菜、炒菜、生火做饭等劳动技能，让孩子们在有趣的劳动教育中获取生活经验，提升自理自立能力。（中国 学龄前时期是儿童身心发展的重要阶段，学前教育是国民教育体系的重要组成部分。习近平总书记强调：“要加强对基础教育的支持力度，办好学前教育。”为实现“幼有所育”，规范和促进学前教育发展，满足 中国教育报-中国教育新闻网讯（记者 欧金昌 通讯员 吴长奎 吴耿 翁就胜）“村委宣传栏就张贴有学生资助政策，开学初资助工作人员还进村宣讲，我们足不出户就能了解资助政策。现在我家三个孩子都享受 中国教育报-中国教育新闻网讯（记者 陈欣然）日前，2024国际产学研用合作会议（资源开发与环境保护）暨京津冀协同发展地理科学论坛在天津师范大学举行。本次会议由教育部、天津市人民政府指导，教育部学 。本文链接：季节性积雪参数智能反演研究取得进展http://www.sushuapos.com/show-12-4264-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 挑战“极限”，掘进不息
下一篇： 研究发现胆酸衍生物可作为新型降糖先导分子