高时空分辨率雪深数据对水文建模和灾害预报至关重要。目前，高时间分辨率雪深通常源于被动微波数据，由于仅依据被动微波数据的空间分辨率较低，还无法满足区域水文和灾害研究的需求。本研究基于被动微波和光学等多源遥感数据，提出一种耦合深度学习模型FT-Transformer (Feature Tokenizer+Transformer)与积雪微波辐射传输模型SMRT (Snow Microwave Radiative Transfer)的降尺度雪深反演算法。使用深度学习映射AMSR 2亮温差TBD (Brightness Temperature Difference)、积雪覆盖日数SCD (Snow Cover Days)和积雪面积比例SCF (Snow Cover Fraction)等特征与雪深的复杂非线性关系，耦合SMRT拟合等效雪粒径ESG (Effective Snow Grain size)实现降尺度反演雪深，并以北疆39个站点数据进行模型训练和验证，获取北疆500 m降尺度雪深。验证结果表明：引入SCD独立验证RMSE优化了18%，有助于提高模型的空间泛化能力；ESG显著优化了深度学习...

南极海冰的生长消融与全球气候变化密切相关，而海冰上覆盖的积雪会对海冰的生长消融产生较大的影响。利用南极中山站附近海冰上的GPS数据，采用GNSS-IR(GNSS interferometric reflectometry)技术对海冰上覆积雪深度进行反演。首先，采用最小二乘谐波分析(least-squares harmonic estimation, LS-HE)方法提取反射信号的主波峰，计算反射面到天线相位中心的距离；其次，采用DBSCAN(density-based spatial clustering of applications with noise)聚类算法对反演结果进行质量控制；最后，利用现场实测雪深数据对反演结果进行了验证，平均偏差为-0.01 m,RMSE为0.012 m，表明GNSS-IR技术能够有效反演海冰表面积雪深度。

以黑龙江省哈尔滨市道外区为研究区,系统探讨分析了基于遥感的不同方法在积雪信息识别中的应用。首先,对研究区两个时相的高分六号(GF-6)多光谱相机(PMS)影像进行目视解译,掌握了研究区内地物类型和积雪分布特点。其次,基于目视解译结果,选取了8种典型地物类型,得到了"积雪"和"非雪"两类像元的光谱特征规律。再次,探讨分析了6种方法在积雪识别中的应用,利用精确率、召回率和F指数3个指标进行了精度评价。最后,提出了基于投票结果的最终识别结果判定方法,得到了研究区积雪信息最终识别结果。研究表明:(1)受下垫面和阴影的影响,研究区"同谱异物"和"同物异谱"现象普遍;(2)深度学习算法的识别效果最好,决策树法的识别效果相对较差;农田区的识别精度高于池塘区,误识别和漏识别的现象都相对较少;(3)基于投票结果的最终识别结果判定,可以有效改善单一识别方法存在的误识别和漏识别现象。

针对北方寒区岩体在冻融循环和外荷载作用下产生的耦合损伤问题,基于广义Hoek-Brown准则及连续损伤力学理论,引入冻融-荷载耦合损伤因子,建立了可以表征耦合损伤对岩体强度参数mb、s和弹性模量E产生弱化效应的弹塑性损伤模型;为解决模型在数值实施过程中的奇异点问题,推导了其在主应力空间中的隐式返回映射算法,包括弹性预测、塑性修正和损伤修正30个计算步骤;通过ABAQUS软件的用户子程序接口Umat,实现了模型的有限元求解过程,并利用室内冻融循环试验对模型进行了验证.最后将模型应用于吉林某边坡工程当中,计算了不同冻融次数下边坡安全系数的变化规律.研究结果表明:所建模型能够较好地描述冻融循环与塑性损伤对材料强度和刚度的弱化效应,所编程序能够用于寒区岩土工程安全性评价,对施工设计起到指导作用.

青藏高原因其复杂的地形地势和和积雪分布使得多种雪深算法未达到理想的精度。基于新一代被动微波数据AMSR2(Advanced Microwave Scanning Radiometer2),应用随机森林算法(Random Forest,RF)将亮温(Brightness Temperature,BT)和亮温差(Brightness Temperature Difference,BTD)作为参数输入,并将高程和纬度参数引入雪深反演模型中,经过模拟退火算法进行有效反演因子筛选,构建了基于随机森林算法的青藏高原雪深反演模型。结果表明:与AMSR2全球雪深产品相比,随机森林算法的拟合优度(R2)由0.41提升至0.60,均方根误差(Root Mean Square Error,RMSE)由7.36cm降至4.88cm,偏差(BIAS)由3.24cm减小至-0.16cm,随机森林雪深反演模型在青藏高原的精度更高;青藏高原平均海拔超过4 000m,当海拔大于青藏高原平均海拔时,随机森林算法的反演效果最差,但RMSE仅为3.78cm,BIAS仅为-0.09cm;高原南部(25°～30°N)因其复杂的地...

考虑未冻水含量随不同负温变化的事实,结合混合量热法中相变潜热对冻土比热测试值的影响,建立了基于比热的冻土未冻水含量反演算法。依据比热具有按各成分质量可进行加权叠加的性质,将相变阶段某一温度点的冻土比热视为冻土骨架、液态水和固体冰三相的比热加权之和,同时还考虑了该温度点未冻水变化率所需潜热的影响,在此基础上导出了根据冻土比热反演其未冻水含量的方法。将冻土相变阶段一定温度下的比热视为冻土骨架、液态水和固体冰比热的加权总和。采用混合量热试验测量了某冻土试样的未冻水含量,并利用本文给出的反演算法计算了相应的未冻水含量。两种测试结果的未冻水含量变化趋势相同,即未冻水含量随着温度的降低逐渐减少,且递减趋势逐渐减弱;与混合量热试验方法相比,本文给出的算法得出的未冻水含量略高,这主要是因为新算法考虑了相变潜热的影响,因而理论上更为合理。

地表温度作为重要的地表参数是驱动土壤热状态的主要因子,对冻土分布和活动层厚度变化的研究具有重要意义。常规方式获取地表温度数据往往来自气象站点监测,范围小且不连续。NASA官网提供的MOD11A1地表温度产品可以提供大范围地表温度数据,但在冬季由于对云与雪的混淆导致大量的数据缺失,影响该产品在东北冻土区的使用。根据对东北冻土区植被、裸土、水体、积雪等常见下垫面状况的遥感分类结果,利用劈窗算法反演2006年四幅少云或无云的MODIS1B卫星影像,并分别以气象站实测数据和MODIS温度产品进行验证和对比分析。结果表明:该方法得到地表温度结果与气象站点实测数据误差较小,平均绝对误差仅为1.24℃。且可根据分类情况较好的得到积雪区域地表温度的空间分布状况,与地表温度产品的一致性较高,弥补地表温度产品因为云和积雪的混淆所导致的数据缺失,得到较为完整的地表温度空间分布数据。

冻土的蠕变特性对深井冻结法施工至关重要。针对某矿区人工冻土在-5℃、-10℃、-15℃和-20℃下进行单轴抗压强度试验,发现冻土的抗压强度受冻结温度变化影响,两者间为线性反比例关系。通过小生境原理对传统的遗传算法作模糊随机改进,给出模糊遗传算法的步骤思路,进而运用该算法反演冻土蠕变模型中的参数值,获得各温度下的蠕变模型。试验结果表明:蠕变模型计算值在蠕变各阶段与试验值吻合较好,准确反映了冻土蠕变的整体规律。可见,模糊遗传算法能有效反演蠕变参数,较传统方法更符合工程实际。

季节性冻土地区的渠道冻胀破坏非常严重。"冻土-衬砌结构"作用机制属于复杂的高度非线性问题,这使得数值计算在渠道结构设计和优化方面应用缓慢。本文提出了一种简化算法,该算法采用"初始位移法"模拟法向冻胀力,并通过定义摩尔库伦摩擦单元模拟冻土与结构之间的冻结摩擦作用。随后建立了渠道结构优化数学模型,基于APDL语言的二次开发建立了渠道有限元参数化模型,选取实际工程采用一阶算法进行了结构优化。研究结果表明:该方法简单实用,其计算结果与渠道实际破坏特征相符,可以用于渠道抗冻胀结构计算与设计;在最不利气象和水文地质条件下,结构优化后的断面可以保证渠道不产生裂缝,运行更安全;与传统的按照规范设计的断面对比,可降低6.7%的工程造价,对于整个灌区效益明显。

土体热参数是寒区工程温度场预测和稳定性分析至关重要的参数。根据冻土温度场计算的特点,建立冻土一维相变热参数估计模型,采用非线性有限元法得到土体温度场,基于一种非常快速的模拟退火(VFSA)算法对热参数进行反分析。考虑各个参数的敏感度因子和土体分层情况,将热参数分组、分步进行反演,克服参数较多反演困难的缺陷。以青藏公路多年冻土区监测断面下土体反分析为例,反演分析冻土路基下部不同土层的导热系数、体积热容量和孔隙率等参数。最后,运用参数反演结果对温度场进行预测,经检验和与实测地温对比,表明参数反分析结果可靠,有较高的精度,该方法可用于实际工程。