【科研速递】2021年第一期（总第一期）

一、总览

01-尹吉娜参加第七届青年地学论坛，并作报告

02-朱伟参加2021(第三届)中国城市水环境与生态发展大会，并作报告

03-尹吉娜在《Science of the Total Environment》 上发表研究成果

04-尹吉娜在《Journal of Hydrology》 上发表研究成果

05-翟俨伟《含沙水体中弹性材料空蚀细观机制与宏观效应》获批2021年度国家自然科学基金青年科学基金项目

06-张玮《变化环境下梯级水库群调度规则的变异诊断机理及适应性调整》获批2021年度国家自然科学基金青年科学基金项目

07-朱榴骏《深度迁移学习支持下的SAR土壤水分估算》获批2021年度国家自然科学基金青年科学基金项目

08-尹吉娜《基于集成代理模型的海水入侵区地下水抽注系统优化研究》 获批2021年度国家自然科学基金青年科学基金项目

09-朱榴骏《水稻地上生物量时间序列 SAR 反演》获批江苏省基础研究计划青年基金项目

10-朱伟《引调水与长三角一体化示范区水环境的响应关系研究》获批江苏省水利科技项目

11-鲁春辉《基于挡潮闸调度的纳潮冲淤方法研究：以苏北沿海挡潮闸为例》获批江苏省水利科技项目

12-肖洋《灌区优产-削洪-控污-减淤多目标控制排水技术研究》获批江苏省水利科技项目

二、学术交流

尹吉娜参加第七届青年地学论坛，并作报告

2021年7月9-11日，尹吉娜参加第七届青年地学论坛，并作题为《密西西比河冲积含水层复杂性剖析及模型不确定性量化》的学术报告，该报告对密西西比河冲积含水层结构的复杂性进行了剖析，通过创建区域尺度的高精度地表水-地下水耦合模型，从水平衡的角度研究了地下水储存量的变化及其源汇项，同时考虑了地表补给、密西西比河和其他主要河流与含水层的交互作用。该研究通过量化来自渗透系数和贮水系数等模型参数的不确定性，显著提高了地下水预测的精度和可靠性。

朱伟参加2021(第三届)中国城市水环境与生态发展大会，并作报告

2021年9月28日，朱伟参加2021(第三届)中国城市水环境与生态发展大会，并作“思享荟”主题报告《太湖底泥是“源”还是“汇”》，该报告对太湖底泥类型、分布的实际情况进行了介绍，通过释放实验研究了底泥的释放量，从质量平衡的角度对太湖底泥“源”和“汇”的问题进行了分析。目前污染通量的前提下，太湖主要是“水中磷”向“底泥磷”转化的阶段，表现为“汇”的特点。

三、科研论文

尹吉娜在《Science of the Total Environment》 上发表研究成果

近日，尹吉娜为第一作者在《Science of the Total Environment》发表题为《Bayesian machine learning ensemble approach to quantify model uncertainty in predicting groundwater storage change》的学术论文。

论文摘要:Agricultural water demand, groundwater extraction, surface water delivery and climate have complex nonlinear relationships with groundwater storage in agricultural regions. As an alternative to elaborate computationally intensive physical models, machine learning methods are often adopted as surrogate to capture such complex relationships due to their high computational efficiency. Inevitably, using only one machine learning model is prone to underestimate prediction uncertainty and subjected to poor accuracy. This study presents a novel machine learning-based groundwater ensemble modeling framework in conjunction with a Bayesian model averaging approach to predict groundwater storage change and improve overall model predicting reliability. Three different machine learning models have been developed namely artificial neural network, support vector machine and response surface regression. To explicitly quantify uncertainty from machine learning model parameter and structure, Bayesian model averaging is employed to produce a forecast distribution associated with each machine learning prediction. Model weights and variances are obtained based on model performance to construct ensemble models. Then, the developed individual and Bayesian model averaging machine learning ensemble models are applied, evaluated and validated at different spatial scales including subregional and regional scales in an overdrafted agricultural region-the San Joaquin River Basin, through independent training and testing dataset. Results shows the machine learning models have remarkable predicting capability without sacrificing accuracy but with higher computational efficiency. Compared to a single-model approach, the ensemble model is able to produce consistently reliable predictions across the basin, yet it does not always outperform the best model in the ensemble. Additionally, model results suggest that groundwater pumping for agricultural irrigation is the primary driving force of groundwater storage change across the region. The modeling framework can serve as an alternative approach to simulating groundwater response, especially in those agricultural regions where lack of subsurface data hinders physically-based modeling.

论文链接：https://doi.org/10.1016/j.scitotenv.2020.144715

尹吉娜在《Journal of Hydrology》 上发表研究成果

近日，尹吉娜以第一作者在《Journal of Hydrology》上发表题为《Accounting for uncertainty in complex alluvial aquifer modeling by Bayesian multi-model approach》的学术论文。

论文摘要：Alluvial aquifers by nature are complex caused by varied depositional environments. Developing a reliable groundwater model to represent an alluvial aquifer is non-trivial. Also, relying on a single best calibrated model may not be sufficient because of an inadequate choice of model parameter values. To better understand groundwater dynamics and improve model prediction reliability, this study presents a Bayesian multi-model uncertainty quantification (BMMUQ) framework to account for model parameter uncertainty in complex alluvial groundwater modeling. The methodology was applied to the agriculturally intensive Mississippi River alluvial aquifer (MRAA), Northeast Louisiana. An aquifer architecture was first constructed using 7,259 well logs in the MRAA area which covers three fluvial deposits (alluvium, braided-stream terrace, and braided-stream terrace-loess). A 12-layer MODFLOW model was then developed to address the alluvial aquifer complexity and well calibrated through a genetic algorithm. This study quantified model parameter uncertainty in hydraulic conductivity and specific storage of sand facies. Bayesian model averaging (BMA) with the Expectation Maximization (EM) algorithm was adopted to derive posterior model weights and head variances of 50 alternative conceptual groundwater flow models, and thereby obtains BMA ensemble model predictions instead of only relying on the best calibrated conceptual model. Results show that an estimated around 950 million m3 of groundwater storage loss occurs in 2015 with respect to the beginning of 2004, due to high groundwater demand for irrigation in the MRAA area. Explicitly quantifying model uncertainty can produce more reliable groundwater level predictions from BMA ensemble model. The presented groundwater modeling framework improves our understanding of the MRAA and provides a valuable tool to assist agricultural water management.

链接：https://doi.org/10.1016/j.jhydrol.2021.126682

四、科研项目

翟俨伟《含沙水体中弹性材料空蚀细观机制与宏观效应》获批2021年度国家自然科学基金青年科学基金项目

弹性抗空蚀材料在水工建筑和水力机械空蚀防护中具有广阔的应用前景。为推进弹性抗空蚀材料在实际工程中的应用，亟需解决含沙水体中弹性材料空蚀细观机制与宏观效应的核心科学问题。本项目针对弹性边界附近沙粒影响下的空泡动力学特征、含沙量和沙粒粒径对促进或抑制空蚀的临界条件、空化泡溃灭特征与靶材空蚀效果的关系等关键问题，探究不同场景空化噪声的变化规律，建立空化泡溃灭特征与靶材空蚀效果的关系；将细观空化规律与宏观空蚀性能统一，互为助力揭示含沙水体中弹性材料空化空蚀机理。研究成果可为弹性抗空蚀材料的研发和应用等提供理论支撑。

张玮《变化环境下梯级水库群调度规则的变异诊断机理及适应性调整》获批2021年度国家自然科学基金青年科学基金项目

在气候变化与人类活动共同驱动的变化环境下，入库径流和调度需求都将显著改变，梯级水库群调度规则“何时变”机理不清、“怎样变”机制不明。本项目以金沙江下游-三峡梯级水库群为研究对象，开展变化环境下调度规则“何时变”变异诊断机理与“怎样变”适应性调整两方面的研究，形成采用各自为政的分散式或统一管理的集中式适应性调整机制。本项目可为梯级水库群应对变化环境提供科学依据和技术支撑，理论意义和应用价值重大。

朱榴骏《深度迁移学习支持下的SAR土壤水分估算》获批2021年度国家自然科学基金青年科学基金项目

近十年来SAR卫星的发展使大尺度中高分辨率土壤水分观测成为可能，然而由于复杂的散射建模和病态反演，现有基于散射模型的算法难以满足大尺度应用的需求。项目利用深度神经网络在解决复杂非线性问题上的优势，以信息不充分条件下使用深度学习训练遥感估算模型的理论和方法为主要科学问题。在仅有少量地面观测的情况下，通过不同分辨率数据和不同区域之间的深度迁移学习，实现大尺度中高分辨率土壤水分估算，为进一步完善农田尺度水资源高效利用、水旱灾害防御提供数据支撑。

尹吉娜《基于集成代理模型的海水入侵区地下水抽注系统优化研究》获批2021年度国家自然科学基金青年科学基金项目

该项目围绕威胁我国滨海地下淡水资源的首要因素-海水入侵问题，准确构建适应区域的地下水补给与回采优化方案，对防治海水入侵和调蓄水资源具有重大的价值和现实意义。旨在通过解决技术瓶颈背后的核心科学问题，促使基础研究成果走向应用，满足国家重大需求。

朱榴骏《水稻地上生物量时间序列 SAR 反演》获批江苏省基础研究计划青年基金项目

水稻生物量监测是实现农田尺度精准施肥、干湿交替节水灌溉等精细农业的关键技术之一。新一代的主动微波遥感技术为业务化水稻生物量监测提供了对地观测基础，项目针对遥感水稻生物量反演中存在的散射模型过于复杂和病态反演问题，通过解析水稻和地面参数的时间特征，构建和简化时变散射模型，发展基于时间序列数据的反演算法。通过云平台实现农田尺度水稻生物量业务化估算，为农作物估产、精细农业、农业生态系统温室气体排放管理提供支撑。

朱伟《引调水与长三角一体化示范区水环境的响应关系研究》获批江苏省水利科技项目

项目针对太湖富营养化以及频繁出现蓝藻水华的问题，结合望虞河、新孟河“引江济太”工程，以及胥湖、东太湖及太浦河下游饮用水水源地的水资源利用和保护问题，在机理上考虑风生流动力学过程对太湖水质及蓝藻聚集形成水华过程的模拟，在流域上考虑长江-太湖-长三角示范区之间的动力学与水质关系。梳理以太湖水质/水华变化为核心问题，将长江引水与长三角示范区饮用水问题同核心问题进行系统耦合，通过研究为区域内实施精细化的治理措施提供科学依据。研究内容包括：1. 调水量与东太湖水质-蓝藻的响应关系；2. 调水方式及流场变化对东太湖总磷影响；3. 引调水对苏州水源地水质的直接影响及保护措施；4. 太湖出湖水量水质与长三角一体化示范区蓝色珠链的水环境关系等内容。

鲁春辉《基于挡潮闸调度的纳潮冲淤方法研究：以苏北沿海挡潮闸为例》获批江苏省水利科技项目

我省苏北沿海地区的经济发展受到挡潮闸闸下泥沙淤积问题的严重制约，而纳潮冲淤是解决该问题的重要手段。但是，目前缺乏针对苏北沿海地区的基于挡潮闸调度的最优纳潮冲淤方式研究。本项目拟以天然灌河为研究对象，在基础资料收集的基础上，构建泥沙淤积数学模型，研究挡潮闸建设后闸下泥沙淤积机理，并提出苏北沿海挡潮闸纳潮冲淤的最优挡潮闸调度方案。项目成果将有助于更有效地治理闸下泥沙淤积问题，提高挡潮闸的工程效益，保障我省沿海地区的三产融合发展。

肖洋《灌区优产-削洪-控污-减淤多目标控制排水技术研究》获批江苏省水利科技项目

项目依托河海大学盐城和淮安试验基地，以江苏省互联网农业发展中心为应用载体，针对目前存在的农田排水面源污染严重，河道防洪压力增大等问题，在：（1）天然、控制排水条件下农田产汇流过程模拟；（2）不同尺度控制排水指标与排水形式确定；（3）灌区农田沟-塘-河网水动力、水质和泥沙模拟；（4） 智慧农田排水方案优化及系统建立等四方面，研究灌区田-沟-塘-河的流量、水质、泥沙输移过程；形成以农田降雨量、农田排水量、沟道的闸控方式为自变量，沟河洪峰流量、排水污染物时空分布、沟河淤积为因变量的数据库，建立多指标之间的量化关系；提出灌区田-沟-塘-河多层拦截的优产-削洪-控污-减淤多目标控制技术，并据此提出控制方案。

(文、图/综合科、科研办公室组稿 审核/刘平雷)