在线留言 | 联系我们
在学校各部门、学院，广大教师的共同努力下，我校2023年科研成果产出持续取得良好成效，以下继续选登
水文与水资源工程学院邵伟团队最新成果在Journal of Hydrology期刊发表
全球变暖的加剧导致极端天气事件的强度、频次增加，暖干复合事件是指暖事件和干事件同时发生的一类复合事件，比如2022年北半球多地发生了破纪录的暖干复合事件，对社会经济的生态系统造成严重的影响。因此，研究人类活动对暖干复合事件的影响以及给出可靠的未来预估，是应对暖干复合事件发生风险，制定防灾减灾政策的基础。
基于CMIP6的DAMIP试验，首先使用最优指纹法对全球大洲和区域尺度的复合型暖干事件进行人类活动的归因，发现人类活动对复合型暖干事件的影响可以在6个大洲和2/3以上的次大陆尺度区域中被显著检测到，其中人为温室气体强迫起了主要作用（图1）。另外，在对未来预估之前，采用考虑温度和降水边际分布，以及两者依赖关系模拟偏差的多元偏差校正技术，来降低模式对复合事件的模拟偏差，发现将全球变暖限制在1.5℃水平可以在很大程度上避免全球大部分地区受到复合型暖干事件的影响，特别是在热带地区（图2）。最后探讨了研究结果的不确定性，主要来自模式分辨率的影响和信号分离过程中的多重共线性问题。
本研究为人类活动影响复合事件的变化提供了更强有力的证据，并且给出了较为可靠的暖干复合事件预估结果。
图1 基于最优指纹方法三信号分析(GHG+AER+NAT)的全球区域尺度，暖干复合事件可归因于不同外强迫的趋势
图2 基于多元偏差订正的增温1.5℃和2.0℃，相比于当前（增温1.0℃）下，6个大洲尺度暖干复合事件的风险预估
该研究构建了一个黑碳混合态的统一理论模型，并得到全球多种环境站点观测验证。在此基础上提出了黑碳混合状态的普适规律，并成功应用于全球气候模型和区域大气化学模型中，提升了模型对黑碳气溶胶气候效应评估的准确性。
黑碳气溶胶由于其强烈的吸光效应对天气和气候系统有重要影响，但其在真实大气中与其他气溶胶组分的复杂混合状态为其辐射效应的准确认识提出了挑战。为了定量描述受排放、大气理化等复杂过程控制的黑碳混合状态，研究团队基于外场观测结果，提出黑碳壳层厚度分布不随时间显著变化的稳态假设（图1）。进而通过提炼了黑碳气溶胶在大气中复杂变化的关键理化过程，构建了一个统一的黑碳混合态模型，将黑碳气溶胶的老化时间特征转换为粒径分布特征，阐释了在排放、化学反应、沉降等过程的共同作用下，黑碳包裹厚度会在对数坐标下遵循线性分布的统一规律，且不同尺度黑碳核的包裹厚度满足相同的分布特征。通过利用全球多站点黑碳气溶胶单颗粒观测，该研究证实了上述统一规律在不同环境背景的普适性（图2）。
基于这一发现，研究团队建立了一个普适的黑碳混合态模块，并成功应用于全球和区域模型。在现有气候模型和大气化学模型框架下，更准确地描述黑碳混合态，有效改善模型气溶胶光吸收计算结果。图3显示了该理论所得结果与传统模型以及观测结果的对比。新方案中黑碳的直接辐射效应评估在全球范围内约减少了40%-50%，这在很大程度上解决了现有模型对黑碳辐射效应的高估问题。该理论模型统一了观测和模拟中对黑碳混合态的描述，使得观测得到的黑碳混合态可以有效应用于模型模拟。
图2 多种大气环境站点黑碳混合态的观测结果，验证了黑碳壳层厚度符合指数分布
图3 使用本研究新方案（红色方块）和传统方案（蓝色方块）模拟的黑碳（BC）吸收增强，与观测结果比较
为提高插层电极材料的电容脱盐（CDI）能力，该研究提出并系统地比较了四种组分、结构调控策略对电极材料脱盐性能的影响及其机制。
该研究通过水热后处理法对NiHCF进行碳/氮掺杂（组分调控）得到两种表面组分不同的插层电极材料。同时，基于改进共沉淀法和选择性蚀刻法分别合成了高结晶度NiHCF纳米立方（nanocube）和纳米骨架（nanoframe）。选择传统共沉淀法合成的NiHCF为参照，系统比较研究了四种NiHCF结构特性、电化学性能及其CDI脱盐性能。结果表明，NiHCF电极的脱盐能力和循环稳定性受其组分/结构特征的决定，其中纳米骨架结构的NiHCF脱盐性能和循环稳定性最佳。这项研究工作也为其他以CDI应用为导向的插层电极材料的优化设计和结构/组分定向调控提供研究思路。
载激光扫描（ALS）点云的自动化地面滤波几十年来一直是一个被广泛研究但尚未解决的难题。监督的深度学习技术的最新突破（其依赖于充足和高质量的标签数据集）为更好地解决这一难题提供了新的方案。然而，目前公共的三维地理空间数据集较少，尤其是那些为地面滤波任务量身定制的数据集。此外，先进的深度神经网络能否很好地应用到地面滤波问题中仍然是一个悬而未决的问题。
该研究首先利用全球开放的具有精确地面类别的ALS点云构建了一个超大规模的地面滤波数据集OpenGF（）；然后，在OpenGF上对8种具有代表性的地面滤波方法进行了广泛的对比实验，验证了深度学习技术在地面滤波中的多个独特优势；之后，通过一系列深入的实验分析，揭示了将现有的先进三维深度神经网络推广到地面滤波任务中所面临的一些关键问题；最后，针对剩余挑战为未来研究指出了一些有前景的方向。
Darcy-Richards方程是土壤水动力模拟中最为常用的控制方程。然而，由于天然土壤在颗粒组成和孔隙结构方面存在巨大差别，Richards方程的应用依赖于土壤水力特性的参数化，且其结果具有较高的不确定性。
本研究针对最为常用的Darcy-Richards方程及Mualem-van Genuchten（MvG）参数化方案，对非饱和土壤的水力参数反演开展研究。采用GLUE方法，对两种参数样本生成方法进行模拟。第一种采用常规的随机方法（GLUE-Random），生成MvG参数；第二种则采用Rosetta 3将土壤颗粒组成转移到MvG参数（GLUE-Rosetta）。针对9种典型土壤的参数反演进行1万个参数样本的计算统计结果表明，Rosetta 3在降低土壤水力参数反演维数及模拟结果不确定方面具有显著作用，并且可根据土壤水分动态变化估计土壤水力参数和土壤颗粒组成的后验分布。此外，GLUE-Rosetta在不同降雨强度下预测土壤水分运移方面，总体优于GLUE-Random。因此，Rosetta 3与现有优化算法的结合，可以减少土壤水力参数的不确定性，并支持更可靠的非饱和土壤水动力模拟。
