水方程留学(南科大郑一课题组连续发表探索水资源研究前沿的研究文章)

南科大郑一课题组一连公布探究水资源研讨前沿的研讨文章

克日，南方科技大学情况封建与工程学院传授郑一课题组在国际水文水资源研讨学术期刊Water Resources Research上同期（2021年第11期）公布两篇论文，分散处理了水资源研讨中的一个新、老困难。

数据众包（data crowdsourcing）为水资源大数据的消费与使用提供了全新思绪。比年来，水文观察的数据众包武艺成为一个研讨抢手。但是，水文众包数据的偏差特性及其对办理决定的影响尚未惹起器重，缺乏体系、定量的研讨。针对这一成绩，课题组前瞻性地开发了基于监督和无监督机器学习算法的降雨众包数据质量控制（CSQC）模子。该模子可主动识别并去除由安稳（如安防摄像头）或挪动传感器（如汽车或行人搭载的传感器）所收罗的高时空区分率降雨众包数据中的噪声。经过噪声去除，CSQC模子可明显低落总降雨量估测的偏差。研讨后果还体现，基于神经网络算法（MLPs）的质量控制模子在迁徙使用方面体现出色，在不同天气典范的美国芝加哥和迈哈密地区均可明显低落雨量场的估测偏差。该后果为水文众包数据的收罗与使用提供了紧张武艺保证，关于大数据、人工智能、物联网武艺在伶俐都市建立中的推利用器具有紧张封建启示。

图1.基于机器学习的降雨众包数据质量控制模子

上述事情以“Automatic Quality Control of Crowdsourced Rainfall Data With Multiple Noises: A Machine Learning Approach”为题公布。论文第一作者为南科大-北大联培博士生牛庚，郑一和伊利诺伊大学香槟分校（UIUC）博士后杨盼为协同通讯作者。该研讨取得国度天然封建基金、深圳市科技创新委员会及国度留学基金委的帮助。

浇灌听从悖论（paradox of irrigation efficiency，即更高的浇灌听从未必招致地区浇灌质变小，乃至反而增长）在上个世纪就为学界所眷注。学界关于“悖论”存在与否、眼前的机理等不休存在争议。除天然情况与社会经济的地域差别外，招致争议的一个紧张缘故是浇灌听从本身的界说没有构成共鸣，且流域标准上的浇灌听从缺乏封建、严谨的盘算办法。课题组提出了一个物理意义明白的流域标准浇灌听从目标，直接表征招致浇灌听从标准效应的回水（return flow）历程和作物使用地下水历程。同时，在多标准水均衡方程推演的基本上，提出了一种基于地表水-地下水耦合模制定量盘算流域标准浇灌听从的新办法。使用新目标、新办法，课题组对地处河西走廊中心肠带的张掖盆地举行了实证研讨，展现了典范大陆河流域浇灌听从的时空厘革特性及其影响机制。这项研讨为处理关于浇灌听从悖论的一系列争议提供了封建基本和全新视角。

图2. 基于地表水-地下水耦合模仿的流域标准浇灌听从盘算

上述研讨后果以Improving the Scientific Understanding of the Paradox of Irrigation Efficiency: An Integrated Modeling Approach to Assessing Basin-Scale Irrigation Efficiency为题在Water Resources Research公布。论文第一作者为南科大-港科大联培博士生熊睿，郑一为通讯作者。南科大是论文第一单位。该研讨取得国度天然封建基金项目、中国封建院战略先导研讨方案及国度情况保护流域地表水-地下水沾染综合防治重点实行室的帮助。

论文链接：

1、
https://doi.org/10.1029/2020WR029121

2、
https://doi.org/10.1029/2020WR029397

供稿：情况封建与工程学院

通讯员：晏梓添

主图：丘妍

编纂:朱增光