CN115144556B - 基于同位素和叶面积指数量化降雨水汽来源的方法和装置 - Google Patents
基于同位素和叶面积指数量化降雨水汽来源的方法和装置 Download PDFInfo
- Publication number
- CN115144556B CN115144556B CN202210793231.7A CN202210793231A CN115144556B CN 115144556 B CN115144556 B CN 115144556B CN 202210793231 A CN202210793231 A CN 202210793231A CN 115144556 B CN115144556 B CN 115144556B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- isotope
- vapor
- data
- water vapor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 173
- 230000005068 transpiration Effects 0.000 claims abstract description 82
- 238000001704 evaporation Methods 0.000 claims abstract description 63
- 230000008020 evaporation Effects 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 37
- 238000002156 mixing Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 90
- 239000001301 oxygen Substances 0.000 claims description 90
- 229910052760 oxygen Inorganic materials 0.000 claims description 90
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000005194 fractionation Methods 0.000 claims description 31
- 239000002689 soil Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 13
- SQMPFRFYKISAHD-YFKPBYRVSA-N ethyl (2s)-2,5-diamino-5-oxopentanoate Chemical compound CCOC(=O)[C@@H](N)CCC(N)=O SQMPFRFYKISAHD-YFKPBYRVSA-N 0.000 claims description 12
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 8
- 239000001257 hydrogen Substances 0.000 claims description 8
- 229910052739 hydrogen Inorganic materials 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 210000000476 body water Anatomy 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 230000001970 hydrokinetic effect Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 241000218631 Coniferophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/28—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Food Science & Technology (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种基于同位素和叶面积指数量化降雨水汽来源的方法和装置，方法包括：获取样本区域内的水文气象数据和降雨同位素数据进行预处理，利用水文气象数据和降雨同位素数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中同一种同位素的含量；确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系；设定模型约束条件并构建水源混合模型，以便通过所述水源混合模型计算不同水汽来源对降雨的贡献。本发明通过一种稳定同位素即可划分三种降雨水汽的来源，降低了量化水文循环过程对同位素数据的依赖，大大减少了区分降雨水汽来源所需要的同位素检测成本，同时通过计算每一种水汽来源具体对降雨水汽的贡献量，从而能够精确反映区域水循环过程的时空变化特征。
Description
技术领域
本发明属于同位素水文技术领域，具体涉及一种基于同位素和叶面积指数量化降雨水汽来源的方法和装置。
背景技术
水文循环是研究水资源时空分布及变化规律的重要理论基础。水汽输送是水文循环最重要的组成部分，用于调节和控制不同地区的降水和水资源平衡。传统对于定量化大气中水汽来源的方法主要有两种：解析模型和数值模型。其中，解析模型类似于黑箱方法，计算过程相对比较简单，但由于模拟过程过于简略，因此能提供的物理信息有限。数值模型通过采用数值方法追踪水汽的路径，进而模拟相关大气运动过程，包括对流作用、蒸散作用和凝结作用等，但该方法存在计算量庞大以及物理过程参数的不确定性的缺陷。
由于上述两种方法存在一定局限性，目前提出了一种基于稳定同位素的物理示踪法，该方法从实验的角度与解析模型和数值模型的结论相互验证和补充说明；基于稳定同位素的物理示踪方法基于水量平衡和同位素质量平衡，把稳定同位素作为示踪剂，构建水源混合模型，进而定量化不同来源的水汽对降雨的贡献。因为水汽凝结产生降雨的过程中，降雨所含同位素含量是气团历史运动路径和当地特定水文气象条件的综合产物，不同水体中同位素含量的差异反应了水循环水汽输送和相变等物理过程。
基于稳定同位素的物理示踪法常常根据降雨来源的数目划分为三端元混合模型和二端元混合模型。其中，三端元混合模型一般假设降雨水汽包括有蒸发作用的本地水汽、蒸腾作用产生的本地水汽和对流水汽三种来源，且需要两种稳定同位素作为示踪剂来划分这三种水汽来源的贡献。二端元混合模型只采用一种稳定同位素，但是只能区分两种降雨水汽来源。传统的二端元混合模型主要用于忽略蒸发作用的干旱地区，用于衡量湖泊等水体蒸发作用对水汽再循环的影响以及云下二次蒸发效应。由于同位素数据十分匮缺，有研究人员提出了改进的二端元混合模型，通过引入蒸发与蒸腾作用比值参数，实现了只采用一种稳定同位素划分三种降雨水汽来源，大大减少了对同位素数据的依赖。但该模型中的比值参数是建立于现有研究的多年区域平均结果，无法详细描述区域水循环过程的时空变化特征。
因此，如何提供一种有效的方案以对区域水文循环过程进行详细描述，已成为现有技术中一亟待解决的技术难题。
发明内容
本发明的目的是提供一种基于同位素和叶面积指数量化降雨水汽来源的方法和装置，用以解决现有技术中存在的无法对区域水文循环过程进行详细描述的技术问题。
为了实现上述目的，本发明采用以下技术方案：
第一方面，本发明提供一种基于同位素和叶面积指数量化降雨水汽来源的方法，包括：
获取样本区域内的水文气象数据和降雨同位素数据并进行预处理；
基于水文循环中同位素参与分馏过程的特征，利用预处理后的水文气象数据和降雨同位素数据，分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中同一种同位素的含量，其中，同位素包括氧同位素或氢同位素；
根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系；
基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，以便通过所述水源混合模型计算不同水汽来源对降雨的贡献。
在一种可能的设计中，所述水文气象数据至少包括可降雨量、降雨中同位素含量、温度、湿度、降雨量、站点名称、对应经纬度和时间。
在一种可能的设计中，对水文气象数据和降雨同位素数据进行预处理的方法包括：
将所有水文气象数据和降雨同位素数据保存为统一格式，并利用插值方法对不同精度的数据进行插值处理，得到同一网格精度的水文气象数据和降雨同位素数据。
在一种可能的设计中，当同位素为氧同位素时，基于水文循环中同位素参与分馏过程的特征，利用预处理后的水文气象数据和降雨同位素数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中氧同位素的含量，包括：
基于降雨过程中氧同位素分馏等价于平衡分馏的特性，计算降雨水汽中氧同位素的含量，计算公式如下：
其中，δ18OPV表示降雨水汽中氧同位素的含量，PV表示降雨水汽，δ18OP表示降雨同位素含量，P表示降雨，表示平衡分馏因子，w代表液态水，v代表气态水；
基于Craig-Gordon模型计算蒸发水汽中氧同位素的含量δ18OEv，计算公式如下：
其中，δ18OS表示地表水中氧同位素含量，δ18OA表示自由大气中氧同位素含量，h表示相对湿度，ε表示由平衡分馏和动力分馏过程决定的富集因子；
基于蒸腾水汽中的氧同位素含量等价于植被茎干水中的氧同位素含量，植被茎干水中氧同位素含量等价于土壤中氧同位素含量的特性，计算蒸腾水汽中氧同位素的含量δ18OTr，计算公式如下：
其中，δ18OPlant表示植被茎干水中氧同位素含量，δ18OSoil表示土壤中氧同位素含量，k和b分别表示土壤水中氧同位素含量和降雨中氧同位素含量进行线性拟合得到的两个参数；
基于瑞利分馏特征，计算对流水汽中氧同位素含量，计算公式如下：
其中，δ18Oi Adv表示位于上风向区域里对流水汽的氧同位素含量，δ18Oi-1 PV代表位于下风向区域里降雨水汽的氧同位素含量，F表示是上风向区域和下风向区域的可降雨量比值。
在一种可能的设计中，根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系，包括：
根据样本区域内分布的植被类型，确定每一植被类型下叶面积指数与蒸发蒸腾作用比值之间的拟合关系，拟合关系表达式如下：
RT＝aLAIc； (5)
其中，RT表示植被蒸发作用和蒸腾作用的比值，a和c是当前植被类型对应的拟合关系表达式的系数，LAI表示叶面积指数。
在一种可能的设计中，所述模型约束条件包括：
A.降雨水汽包括对流水汽和由蒸散作用产生的本地水汽，本地水汽包括土壤蒸发、水面蒸发和植被蒸腾共同产生的水汽；
B.每种水汽来源的氧同位素含量都不同；
C.在每个子样本区域内，蒸腾作用与蒸散作用的比值与叶面积指数存在显著相关。
在一种可能的设计中，基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，包括：
根据约束条件A，构建水体平衡公式，如下：
QPV＝QET+QAdv； (6)
其中，QPV表示降雨量，QET表示本地水汽量，QAdv表示对流水汽量；
根据约束条件B，构建稳定氧同位素的溶质平衡公式，如下：
δ18OPV×QPV＝δ18OET×QET+δ18OAdv×QAdv； (7)
其中，δ18OPV表示降雨水汽中氧同位素含量，δ18OET表示蒸散作用产生的本地水汽中氧同位素含量，δ18OAdv表示对流水汽中氧同位素含量；
根据公式(6)和(7)，构建对流水汽对降雨水汽的贡献的计算公式，如下：
其中，FAdv表示对流水汽量在降雨中的占比贡献；
根据约束条件C，构建蒸腾作用产生的本体水汽对降雨水汽的贡献的计算公式，如下：
δ18OET＝δ18OEv(1-f(LAI))+δ18OTrf(LAI)； (9)
其中，f(LAI)表示叶面积指数的拟合关系。
第二方面，本发明提供一种基于同位素和叶面积指数量化降雨水汽来源的装置，包括：
数据处理模块，用于获取样本区域内的水文气象数据和降雨同位素数据并进行预处理；
含量计算模块，用于基于水文循环中同位素参与分馏过程的特征，利用预处理后的水文气象数据和降雨同位素数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中同一种同位素的含量，其中，同位素包括氧同位素或氢同位素；
拟合模块，用于根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系；
模型构建模块，用于基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，以便通过所述水源混合模型计算不同水汽来源对降雨的贡献。
在一种可能的设计中，所述水文气象数据至少包括可降雨量、降雨中同位素含量、温度、湿度、降雨量、站点名称、对应经纬度和时间。
在一种可能的设计中，所述数据处理模块具体用于：
将所有水文气象数据和降雨同位素数据保存为统一格式，并利用插值方法对不同精度的数据进行插值处理，得到同一网格精度的水文气象数据和降雨同位素数据。
第三方面，本发明提供一种计算机设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面任意一种可能的设计中所述的基于同位素和叶面积指数量化降雨水汽来源的方法。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面任意一种可能的设计中所述的基于同位素和叶面积指数量化降雨水汽来源的方法。
第五方面，本发明提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面任意一种可能的设计中所述的基于同位素和叶面积指数量化降雨水汽来源的方法。
本发明相较于现有技术的有益效果为：
本发明通过获取样本区域内的水文气象数据和降雨同位素数据并进行预处理，利用预处理后的水文气象数据和降雨同位素数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中同一种同位素的含量；然后根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系；最后基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，以便通过所述水源混合模型计算不同水汽来源对降雨的贡献。则本发明通过一种稳定同位素即可划分三种降雨水汽的来源，降低了量化水文循环过程对同位素数据的依赖，大大减少了区分降雨水汽来源所需要的同位素检测成本，同时通过计算每一种水汽来源具体对降雨水汽的贡献量，从而能够精确反映区域水循环过程的时空变化特征。
附图说明
图1为本发明提供的基于同位素和叶面积指数量化降雨水汽来源的方法的流程图；
图2为本发明提供的叶面积指数与蒸发蒸腾作用比值之间的拟合曲线示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
实施例
为了能够精确反映区域水循环过程的时空变化特征，以克服现有技术的的缺陷，本申请实施例提供了一种基于同位素和叶面积指数量化降雨水汽来源的方法，该方法通过一种稳定同位素即可划分三种降雨水汽的来源，降低了量化水文循环过程对同位素数据的依赖，大大减少了区分降雨水汽来源所需要的同位素检测成本，同时通过计算每一种水汽来源具体对降雨水汽的贡献量，从而能够精确反映区域水循环过程的时空变化特征。
下面将对本申请实施例提供的基于同位素和叶面积指数量化降雨水汽来源的方法进行详细说明。
其中，需要说明的是，本申请实施例提供的基于同位素和叶面积指数量化降雨水汽来源的方法可应用于任意使用终端设备来进行数据计算，其中，终端设备包括但不限于工业计算机、个人电脑、移动终端等，此处不做限定，为便于描述，除特别说明外，本申请实施例均以工业计算机为执行主体进行说明。可以理解，所述执行主体并不构成对本申请实施例的限定，在其他的一些实施例中可以采用其他类型的终端设备作为执行主体。
如图1-图2所示，是本申请实施例提供的基于同位素和叶面积指数量化降雨水汽来源的方法的流程图，所述方法包括但不限于由步骤S1～S4实现：
步骤S1.获取样本区域内的水文气象数据和降雨同位素数据并进行预处理；
在步骤S1中，所述水文气象数据至少包括可降雨量、降雨中同位素含量、温度、湿度、降雨量、站点名称、对应经纬度和时间。其数据来源包括全球降水稳定同位素监测网以及中国气象数据网等，从各个数据网站中可获取若干水文气象数据，然后利用MATLAB软件从不同的文件格式中提取所需数据。
由于不同数据的数据来源可能不同，因此具体的数据格式和数据精度也不同，需要将数据进行统一处理后才能用于后续的计算，因此，优选的，在步骤S1中，对水文气象数据和降雨同位素数据进行预处理的方法包括：
将所有水文气象数据和降雨同位素数据保存为统一格式，并利用插值方法对不同精度的数据进行插值处理，得到同一网格精度的水文气象数据和降雨同位素数据。
具体的，可利用MATLAB软件从不同的文件格式中提取所需数据，并保存为mat格式，然后，利用三次样条插值方法，对不同行精度的数据进行插值处理，得到同一网格精度的水文气象数据和降雨同位素数据。
步骤S2.基于水文循环中同位素参与分馏过程的特征，利用预处理后的水文气象数据和降雨同位素数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中同一种同位素的含量，其中，同位素包括氧同位素或氢同位素；
其中，需要说明的是，本实施例中既能利用降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中氧同位素的含量来计算得到每一水汽来源对降雨水汽的贡献，也能利用降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中氢同位素的含量来计算得到每一水汽来源对降雨水汽的贡献，其具体的工作原理基本相同，只是相关的参数计算有细微差别，但可以理解的是，根据利用氧同位素的计算方法能够很容易推导得到利用氢同位素的计算方法，因此，为了简化说明，本实施例下文均以氧同位素含量进行原理说明，此后不再赘述。
在步骤S2中，当同位素为氧同位素时，基于水文循环中同位素参与分馏过程的特征，利用预处理后的水文气象数据和降雨同位素数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中氧同位素的含量，包括：
步骤S21.基于降雨过程中氧同位素分馏等价于平衡分馏的特性，计算降雨水汽中氧同位素的含量，计算公式如下：
其中，δ18OPV表示降雨水汽中氧同位素的含量，PV表示降雨水汽，δ18OP表示降雨同位素含量，P表示降雨，表示平衡分馏因子，w代表液态水，v代表气态水；
基于Craig-Gordon模型计算蒸发水汽中氧同位素的含量δ18OEv，计算公式如下：
其中，δ18OS表示地表水中氧同位素含量，δ18OA表示自由大气中氧同位素含量，h表示相对湿度，ε表示由平衡分馏和动力分馏过程决定的富集因子；
其中，需要说明的是，Craig-Gordon模型将开敞水体到大气的蒸发过程中所发生的同位素分馏分为3个阶段，包括紧贴边界层的平衡分馏、中间粘滞薄层的动力分馏、紊流混合薄层的不分馏阶段。基于此，可以得到简化的公式(2)。
步骤S22.基于蒸腾水汽中的氧同位素含量等价于植被茎干水中的氧同位素含量，植被茎干水中氧同位素含量等价于土壤中氧同位素含量的特性，计算蒸腾水汽中氧同位素的含量δ18OTr，计算公式如下：
其中，δ18OPlant表示植被茎干水中氧同位素含量，δ18OSoil表示土壤中氧同位素含量，k和b分别表示土壤水中氧同位素含量和降雨中氧同位素含量进行线性拟合得到的两个参数；
其中，需要说明的是，由于蒸腾水汽的本地水汽中的同位素含量和植被茎干水中的同位素含量相同，也可以近似看作是土壤水中同位素含量，又由于土壤水同位素含量主要受到降雨(δ18OP)和长期浅层地下水的影响，所以区域的土壤水中同位素含量和降雨中同位素含量存在一定的线性相关。基于此可得到公式(3)。
步骤S23.基于瑞利分馏特征，计算对流水汽中氧同位素含量，计算公式如下：
其中，δ18Oi Adv表示位于上风向区域里对流水汽的氧同位素含量，δ18Oi-1 PV代表位于下风向区域里降雨水汽的氧同位素含量，F表示是上风向区域和下风向区域的可降雨量比值。
其中，需要说明的是，对流水汽中氧同位素含量可以参考瑞利分馏过程，也就是在开放体系中，反应生成的产物一旦形成后，马上就从***中分离开的过程，因此可得到公式(4)。
如图2所示，步骤S3.根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系；
在步骤S3中，根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系，包括：
根据样本区域内分布的植被类型，确定每一植被类型下叶面积指数与蒸发蒸腾作用比值之间的拟合关系，拟合关系表达式如下：
RT＝aLAIc； (5)
其中，RT表示植被蒸发作用和蒸腾作用的比值，a和c是当前植被类型对应的拟合关系表达式的系数，LAI表示叶面积指数。
其中，需要说明的是，通过对样本区域内的植被数据进行实地调查或者资料搜集，能够确定具体的植被类型。由于植被蒸腾作用受到冠层导度的影响，一般冠层导度越大，植被蒸腾作用越大；而冠层导度与叶片面积正相关，因此，局地的蒸发蒸腾作用与也叶面积存在显著关系。基于此，根据不同类型的植被，结合历史数据，可利用MATLAB软件建立叶面积指数和蒸发、蒸腾作用比值之间的拟合关系，例如图2中示出的针叶林、阔叶林、混交林和灌木覆盖情况下，叶面积指数和植被蒸发蒸腾作用比值的关系。其中，叶面积指数来源于MCD15叶面积数据，该数据是基于Terra-Aqua MODIS遥感地表反射率数据，用三维辐射传输模型算法模拟生成查找表，通过反演得到的真实叶面积数据。
步骤S4.基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，以便通过所述水源混合模型计算不同水汽来源对降雨的贡献。
在步骤S4.中，所述模型约束条件包括：
A.降雨水汽包括对流水汽和由蒸散作用产生的本地水汽，本地水汽包括土壤蒸发、水面蒸发和植被蒸腾共同产生的水汽；
B.每种水汽来源的氧同位素含量都不同；
C.在每个子样本区域内，蒸腾作用与蒸散作用的比值与叶面积指数存在显著相关。
在步骤S4中，基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，包括：
步骤S41.根据约束条件A，构建水体平衡公式，如下：
QPV＝QET+QAdv； (6)
其中，QPV表示降雨水汽量，QET表示本地水汽量，QAdv表示对流水汽量；
步骤S42.根据约束条件B，构建稳定氧同位素的溶质平衡公式，如下：
δ18OPV×QPV＝δ18OET×QET+δ18OAdv×QAdv； (7)
其中，δ18OPV表示降雨水汽中氧同位素含量，δ18OET表示蒸散作用产生的本地水汽中氧同位素含量，δ18OAdv表示对流水汽中氧同位素含量；
步骤S43.根据公式(6)和(7)，构建对流水汽对降雨水汽的贡献的计算公式，如下：
其中，FAdv表示对流水汽量在降雨中的占比贡献；
其中，需要说明的是，为了获得每种水汽来源对降雨水汽的贡献，通过将公式(6)和(7)同时除以QPV，得到1＝FET+FAdv和δ18OPV＝FETδ18OET+FAdvδ18OAdv，通过将这两个公式联立，即可变形得到公式(8)，将步骤S2中计算得到的降雨水汽、蒸腾水汽和对流水汽中氧同位素的含量代入公式(8)，即可进行求解。
步骤S44.根据约束条件C，构建蒸腾作用产生的本体水汽对降雨水汽的贡献的计算公式，如下：
δ18OET＝δ18OEv(1-f(LAI))+δ18OTrf(LAI)； (9)
其中，f(LAI)表示叶面积指数关系，即公式(5)。
其中，需要说明的是，通过将计算所得的降雨、蒸发、蒸腾和对流水汽中氧同位素含量以及叶面积指数拟合关系带入基于假设条件建立的计算公式(8)和(9)，即可就获取不同降雨来源的贡献。
基于上述公开的内容，本申请实施例通过获取样本区域内的水文气象数据和降雨同位素数据并进行预处理，利用预处理后的水文气象数据和降雨同位素数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中同一种同位素的含量；然后根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系；最后基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，以便通过所述水源混合模型计算不同水汽来源对降雨的贡献。则本发明通过一种稳定同位素即可划分三种降雨水汽的来源，降低了量化水文循环过程对同位素数据的依赖，大大减少了区分降雨水汽来源所需要的同位素检测成本，同时通过计算每一种水汽来源具体对降雨水汽的贡献量，从而能够精确反映区域水循环过程的时空变化特征。
第二方面，本发明提供一种基于同位素和叶面积指数量化降雨水汽来源的装置，包括：
数据处理模块，用于获取样本区域内的水文气象数据和降雨同位素数据并进行预处理；
含量计算模块，用于基于水文循环中同位素参与分馏过程的特征，利用预处理后的水文气象数据和降雨同位素数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中同一种同位素的含量，其中，同位素包括氧同位素或氢同位素；
拟合模块，用于根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系；
模型构建模块，用于基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，以便通过所述水源混合模型计算不同水汽来源对降雨的贡献。
在一种可能的设计中，所述水文气象数据至少包括可降雨量、降雨中同位素含量、温度、湿度、降雨量、站点名称、对应经纬度和时间。
在一种可能的设计中，所述数据处理模块具体用于：
将所有水文气象数据和降雨同位素数据保存为统一格式，并利用插值方法对不同精度的数据进行插值处理，得到同一网格精度的水文气象数据和降雨同位素数据。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
第三方面，本发明提供一种计算机设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面任意一种可能的设计中所述的基于同位素和叶面积指数量化降雨水汽来源的方法。
具体举例的，所述存储器可以但不限于包括随机存取存储器(Random-AccessMemory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output，FIFO)和/或先进后出存储器(First Input Last Output，FILO)等等；所述处理器可以不限于采用型号为STM32F105系列的微处理器；所述收发器可以但不限于为WiFi(无线保真)无线收发器、蓝牙无线收发器、GPRS(General Packet RadioService，通用分组无线服务技术)无线收发器和/或ZigBee(紫蜂协议，基于IEEE802.15.4标准的低功耗局域网协议)无线收发器等。此外，所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面任意一种可能的设计中所述的基于同位素和叶面积指数量化降雨水汽来源的方法。
其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
第五方面，本发明提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面任意一种可能的设计中所述的基于同位素和叶面积指数量化降雨水汽来源的方法。
本实施例第五方面提供的前述包含指令的计算机程序产品的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于同位素和叶面积指数量化降雨水汽来源的方法，其特征在于，包括：
获取样本区域内的水文气象数据和降雨同位素数据并进行预处理；
基于水文循环中同位素参与分馏过程的特征，利用预处理后的水文气象数据和降雨同位素数据，分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中同一种同位素的含量，其中，同位素包括氧同位素或氢同位素；
根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系；
基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，以便通过所述水源混合模型计算不同水汽来源对降雨的贡献；
根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系，包括：
根据样本区域内分布的植被类型，确定每一植被类型下叶面积指数与蒸发蒸腾作用比值之间的拟合关系，拟合关系表达式如下：
RT＝aLAIc； (5)
其中，RT表示植被蒸发作用和蒸腾作用的比值，a和c是当前植被类型对应的拟合关系表达式的系数，LAI表示叶面积指数；
所述模型约束条件包括：
A.降雨水汽包括对流水汽和由蒸散作用产生的本地水汽，本地水汽包括土壤蒸发、水面蒸发和植被蒸腾共同产生的水汽；
B.每种水汽来源的氧同位素含量都不同；
C.在每个子样本区域内，蒸腾作用与蒸散作用的比值与叶面积指数存在显著相关；
基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，包括：
根据约束条件A，构建水体平衡公式，如下：
QPV＝QET+QAdv； (6)
其中，QPV表示降雨量，QET表示本地水汽量，QAdv表示对流水汽量；
根据约束条件B，构建稳定氧同位素的溶质平衡公式，如下：
δ18OPV×QPV＝δ18OET×QET+δ18OAdv×QAdv； (7)
其中，δ18OPV表示降雨水汽中氧同位素含量，δ18OET表示蒸散作用产生的本地水汽中氧同位素含量，δ18OAdv表示对流水汽中氧同位素含量；
根据公式(6)和(7)，构建对流水汽对降雨水汽的贡献的计算公式，如下：
其中，FAdv表示对流水汽量在降雨中的占比贡献；
根据约束条件C，构建蒸腾作用产生的本体水汽对降雨水汽的贡献的计算公式，如下：
δ18OET＝δ18OEv(1-f(LAI))+δ18OTrf(LAI)；(9)
其中，f(LAI)表示叶面积指数的拟合关系。
2.根据权利要求1所述的基于同位素和叶面积指数量化降雨水汽来源的方法，其特征在于，所述水文气象数据至少包括可降雨量、降雨中同位素含量、温度、湿度、降雨量、站点名称、对应经纬度和时间。
3.根据权利要求1所述的基于同位素和叶面积指数量化降雨水汽来源的方法，其特征在于，对水文气象数据和降雨同位素数据进行预处理的方法包括：
将所有水文气象数据和降雨同位素数据保存为统一格式，并利用插值方法对不同精度的数据进行插值处理，得到同一网格精度的水文气象数据和降雨同位素数据。
4.根据权利要求1所述的基于同位素和叶面积指数量化降雨水汽来源的方法，其特征在于，当同位素为氧同位素时，基于水文循环中同位素参与分馏过程的特征，利用预处理后的水文气象数据和降雨同位素是数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中氧同位素的含量，包括：
基于降雨过程中氧同位素分馏等价于平衡分馏的特性，计算降雨水汽中氧同位素的含量，计算公式如下：
其中，δ18OPV表示降雨水汽中氧同位素的含量，PV表示降雨水汽，δ18OP表示降雨同位素含量，P表示降雨，表示平衡分馏因子，w代表液态水，v代表气态水；
基于Craig-Gordon模型计算蒸发水汽中氧同位素的含量δ18OEv，计算公式如下：
其中，δ18OS表示地表水中氧同位素含量，δ18OA表示自由大气中氧同位素含量，h表示相对湿度，ε表示由平衡分馏和动力分馏过程决定的富集因子；
基于蒸腾水汽中的氧同位素含量等价于植被茎干水中的氧同位素含量，植被茎干水中氧同位素含量等价于土壤中氧同位素含量的特性，计算蒸腾水汽中氧同位素的含量δ18OTr，计算公式如下：
其中，δ18OPlant表示植被茎干水中氧同位素含量，δ18OSoil表示土壤中氧同位素含量，k和b分别表示土壤水中氧同位素含量和降雨中氧同位素含量进行线性拟合得到的两个参数；
基于瑞利分馏特征，计算对流水汽中氧同位素含量，计算公式如下：
其中，δ18Oi Adv表示位于上风向区域里对流水汽的氧同位素含量，δ18Oi-1 PV代表位于下风向区域里降雨水汽的氧同位素含量，F表示是上风向区域和下风向区域的可降雨量比值。
5.一种基于同位素和叶面积指数量化降雨水汽来源的装置，其特征在于，包括：
数据处理模块，用于获取样本区域内的水文气象数据和降雨同位素数据并进行预处理；
含量计算模块，用于基于水文循环中同位素参与分馏过程的特征，利用预处理后的水文气象数据和降雨同位素数据分别计算降雨水汽、蒸发水汽、蒸腾水汽和对流水汽中同一种同位素的含量，其中，同位素包括氧同位素或氢同位素；
拟合模块，用于根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系；
模型构建模块，用于基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，以便通过所述水源混合模型计算不同水汽来源对降雨的贡献；
根据样本区域内的植被特征，确定叶面积指数与蒸发蒸腾作用比值之间的拟合关系，包括：
根据样本区域内分布的植被类型，确定每一植被类型下叶面积指数与蒸发蒸腾作用比值之间的拟合关系，拟合关系表达式如下：
RT＝aLAIc； (5)
其中，RT表示植被蒸发作用和蒸腾作用的比值，a和c是当前植被类型对应的拟合关系表达式的系数，LAI表示叶面积指数；
所述模型约束条件包括：
A.降雨水汽包括对流水汽和由蒸散作用产生的本地水汽，本地水汽包括土壤蒸发、水面蒸发和植被蒸腾共同产生的水汽；
B.每种水汽来源的氧同位素含量都不同；
C.在每个子样本区域内，蒸腾作用与蒸散作用的比值与叶面积指数存在显著相关；
基于水体平衡、同位素质量平衡以及叶面积指数与蒸发蒸腾作用比值之间的拟合关系，设定模型约束条件并构建水源混合模型，包括：
根据约束条件A，构建水体平衡公式，如下：
QPV＝QET+QAdv； (6)
其中，QPV表示降雨量，QET表示本地水汽量，QAdv表示对流水汽量；
根据约束条件B，构建稳定氧同位素的溶质平衡公式，如下：
δ18OPV×QPV＝δ18OET×QET+δ18OAdv×QAdv； (7)
其中，δ18OPV表示降雨水汽中氧同位素含量，δ18OET表示蒸散作用产生的本地水汽中氧同位素含量，δ18OAdv表示对流水汽中氧同位素含量；
根据公式(6)和(7)，构建对流水汽对降雨水汽的贡献的计算公式，如下：
其中，FAdv表示对流水汽量在降雨中的占比贡献；
根据约束条件C，构建蒸腾作用产生的本体水汽对降雨水汽的贡献的计算公式，如下：
δ18OET＝δ18OEv(1-f(LAI))+δ18OTrf(LAI)；(9)
其中，f(LAI)表示叶面积指数的拟合关系。
6.根据权利要求5所述的基于同位素和叶面积指数量化降雨水汽来源的装置，其特征在于，所述水文气象数据至少包括可降雨量、降雨中同位素含量、温度、湿度、降雨量、站点名称、对应经纬度和时间。
7.根据权利要求5所述的基于同位素和叶面积指数量化降雨水汽来源的装置，其特征在于，所述数据处理模块具体用于：
将所有水文气象数据和降雨同位素数据保存为统一格式，并利用插值方法对不同精度的数据进行插值处理，得到同一网格精度的水文气象数据和降雨同位素数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210793231.7A CN115144556B (zh) | 2022-07-05 | 2022-07-05 | 基于同位素和叶面积指数量化降雨水汽来源的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210793231.7A CN115144556B (zh) | 2022-07-05 | 2022-07-05 | 基于同位素和叶面积指数量化降雨水汽来源的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115144556A CN115144556A (zh) | 2022-10-04 |
| CN115144556B true CN115144556B (zh) | 2024-03-26 |
Family
ID=83411400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210793231.7A Active CN115144556B (zh) | 2022-07-05 | 2022-07-05 | 基于同位素和叶面积指数量化降雨水汽来源的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115144556B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116628414B (zh) * | 2023-07-25 | 2023-09-26 | 中国科学院地理科学与资源研究所 | 一种旱涝灾害频发区域内外水汽来源模拟预测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106885892A (zh) * | 2017-02-22 | 2017-06-23 | 北京林业大学 | 对森林生态***蒸散量拆分的方法及装置 |
| CN109598082A (zh) * | 2018-12-17 | 2019-04-09 | 河海大学 | 基于氢氧同位素的湖泊蒸发量及关键水文信息的计算方法 |
| CN111783027A (zh) * | 2020-06-16 | 2020-10-16 | 湖北省水利水电规划勘测设计院 | 一种利用同位素计算降水、地下水对地表水补给率的方法 |
-
2022
- 2022-07-05 CN CN202210793231.7A patent/CN115144556B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106885892A (zh) * | 2017-02-22 | 2017-06-23 | 北京林业大学 | 对森林生态***蒸散量拆分的方法及装置 |
| CN109598082A (zh) * | 2018-12-17 | 2019-04-09 | 河海大学 | 基于氢氧同位素的湖泊蒸发量及关键水文信息的计算方法 |
| CN111783027A (zh) * | 2020-06-16 | 2020-10-16 | 湖北省水利水电规划勘测设计院 | 一种利用同位素计算降水、地下水对地表水补给率的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于LMDZ 模型的西南地区水汽来源及水汽再循环率的分析;武茜茜等;地球与环境;第49卷(第4期);400-408 * |
| 基于氢氧同位素技术的滇东南峰林湖盆区不同群落降水分配过程;刘珏杉等;四川农业大学学报;第35卷(第3期);333-338 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115144556A (zh) | 2022-10-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Improved estimate of global gross primary production for reproducing its long-term variation, 1982–2017 | |
| Ciais et al. | Five decades of northern land carbon uptake revealed by the interhemispheric CO2 gradient | |
| Yeung et al. | Isotopic constraint on the twentieth-century increase in tropospheric ozone | |
| Cheng et al. | Global monthly gridded atmospheric carbon dioxide concentrations under the historical and future scenarios | |
| Foken | The energy balance closure problem: An overview | |
| Risi et al. | Water‐stable isotopes in the LMDZ4 general circulation model: Model evaluation for present‐day and past climates and applications to climatic interpretations of tropical isotopic records | |
| Monerie et al. | Expected future changes in the African monsoon between 2030 and 2070 using some CMIP3 and CMIP5 models under a medium‐low RCP scenario | |
| CN113297528B (zh) | 一种基于多源大数据的no2高分辨率时空分布计算方法 | |
| Graven et al. | Observations of radiocarbon in CO2 at seven global sampling sites in the Scripps flask network: Analysis of spatial gradients and seasonal cycles | |
| Cuntz et al. | A comprehensive global three‐dimensional model of δ18O in atmospheric CO2: 1. Validation of surface processes | |
| CN112884079A (zh) | 一种基于Stacking集成模型的近地面二氧化氮浓度估算方法 | |
| Feng et al. | Precipitation characteristic changes due to global warming in a high‐resolution (16 km) ECMWF simulation | |
| Huang et al. | Improving the global MODIS GPP model by optimizing parameters with FLUXNET data | |
| Jiang et al. | Regional CO 2 fluxes from 2010 to 2015 inferred from GOSAT XCO 2 retrievals using a new version of the Global Carbon Assimilation System | |
| Huang et al. | Estimation of net surface shortwave radiation from MODIS data | |
| Maksyutov et al. | NIES/FRCGC global atmospheric tracer transport model: Description, validation, and surface sources and sinks inversion | |
| Fujita et al. | Observed behaviours of precipitable water vapour and precipitation intensity in response to upper air profiles estimated from surface air temperature | |
| Liu et al. | Mapping the FTS SWIR L2 product of XCO2 and XCH4 data from the GOSAT by the Kriging method–a case study in East Asia | |
| Fereidoon et al. | Predicting rainfall and runoff through satellite soil moisture data and SWAT modelling for a poorly gauged basin in Iran | |
| Lu et al. | Evaluating the SEBS‐estimated evaporative fraction from MODIS data for a complex underlying surface | |
| CN115144556B (zh) | 基于同位素和叶面积指数量化降雨水汽来源的方法和装置 | |
| Mohawesh et al. | Comparison of Hargreaves and FAO56 equations for estimating monthly evapotranspiration for semi-arid and arid environments | |
| Sarkar et al. | Machine learning approach to predict terrestrial gross primary productivity using topographical and remote sensing data | |
| Chen et al. | Importance of shaded leaf contribution to the total GPP of Canadian terrestrial ecosystems: evaluation of MODIS GPP | |
| Kim et al. | Retrieval of daily reference evapotranspiration for croplands in South Korea using machine learning with satellite images and numerical weather prediction data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |