社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

佳文赏析 | 基于深度学习语义分割的青藏高原湖泊对厄尔尼诺的响应及其机制

地研联 • 2 月前 • 58 次点击  


作者简介|PROFILE

PROFILE


林慧河海大学水文水资源学院博士在读


主要研究方向:气候变化、湖泊水量平衡、寒区水文过程模拟


联系方式:linhuiw@163.com


引文链接|CITATION


Lin, H., Yu, Z., Chen, X., Gu, H., Ju, Q., Shen, T., Wang, J., 2024. Lake responses and mechanisms to El Niño on the Tibetan Plateau using deep learning-based semantic segmentation. J. Hydrol., 645. 

DOI:10.1016/j.jhydrol.2024.132191.


关键词|KEYWORDS


语义分割,湖泊提取,湖泊动态,厄尔尼诺,驱动机制


摘要|ABSTRACT


高原湖泊作为一个区域性多因子集水区,其动态特征是气候变化和冰冻圈水文响应的共同作用。自1990年以来,青藏高原80%的湖泊正经历着显著扩张。然而,最近的研究表明厄尔尼诺(El Niño)现象造成的气候扰动导致了高原湖泊动态变化的反趋势。以往有关湖泊对El Niño事件响应的研究集中在有限数量的湖泊上,在更大规模的响应及其机制理解方面仍存在空白。

本研究利用三种轻量级深度学习语义分割模型(STDC-1、Fast-SCNN和BiSeNet-V2)实现对青藏高原湖泊的大规模提取。该湖泊提取方法能够有效克服传统水体提取方法中的一些局限性例如山体阴影、冰盖等影响。图1为本研究中湖泊提取流程图,包括输入数据的预处理、模型的结构与评估,以及El Niño事件湖泊面积的提取。

图1. 湖泊语义分割模型流程图

El Niño期间青藏高原湖泊面积显著萎缩(图2),其中,内陆河流域是El Niño的敏感区域,青藏高原西北部和北部湖泊的响应较弱。强El Niño(1997/1998和2015/2016)导致湖泊面积的下降幅度和范围大于弱El Niño(2009/2010)。随着El Niño的衰退,大部分地区的湖泊开始恢复。此外,小湖泊(面积在1-50km²)对El Niño事件的响应更为敏感且恢复较快。


图2. 三场El Niño事件青藏高原湖泊的空间响应

从湖泊水源的角度探讨El Niño期间湖泊动态变化的驱动因素,在El Niño期间降水异常减少、蒸发异常增加为主要现象,冰川表层温度增加以及活动层厚度加深可能带来更多的融水。本研究提出了湖泊响应El Niño的四种模式的概念模型(图3)。这些模式细致区分了强收缩、轻微收缩、强扩张及轻微扩张的湖泊,强调了不同湖泊在多个水源的影响下的响应机制。El Niño期间湖泊强收缩主要由于降水减少和蒸发增加,轻微收缩的湖泊以及轻微扩张的湖泊可能取决于冰川和冻土融水的增加是否能扭转高蒸发,低降水所带来的水缺失。而强烈扩张的湖泊主要受益于高降水、低蒸发以及冰川和冻土的额外融水。

研究结果有助于更准确地预测区域气候变化趋势和极端气候现象,同时为水资源管理、生态保护和防灾提供有价值的信息,以应对潜在的环境挑战。


图3. 湖泊对El Niño的四种响应模式及其响应机制

总结:本研究主要探讨了厄尔尼诺事件如何影响青藏高原的大范围湖泊动态,使用先进的深度学习技术进行语义分割提取湖泊面积,揭示了气候现象与水文响应之间复杂关系的重要见解,为未来的资源管理和生态监测提供了信息。

数据:本研究提取的3场厄尔尼诺期间青藏高原湖泊面积数据可根据需求以邮件方式向作者(linhuiw@163.com)获取。

相关推荐|RECOMMENDATIONS


[1] Emerton, R., Cloke, H.L., Stephens, E.M., Zsoter, E., Woolnough, S.J., Pappenberger, F., 2017. Complex picture for likelihood of ENSO-driven flood hazard. Nat. Commun. 8, 14796. 

https://doi.org/10.1038/ncomms14796


[2] Fan, C., Song, C., Li, W., Liu, K., Cheng, J., Fu, C., Chen, T., Ke, L., Wang, J., 2021. What drives the rapid water-level recovery of the largest lake (Qinghai Lake) of China over the past half century? J. Hydrol. 593.

 https://doi.org/10.1016/j.jhydrol.2020.125921


[3] Lei, Y., Zhu, Y., Wang, B., Yao, T., Yang, K., Zhang, X., Zhai, J., Ma, N., 2019. ExtremeLake Level Changes on the Tibetan Plateau Associated With the 2015/2016 El Nino. Geophys. Res. Lett. 46 (11), 5889–5898.

 https://doi.org/10.1029/2019gl081946


转载自Hydro90

文章仅代表作者观点,与本公众号无关,版权归原作者所有

原文标题:HA.217 [湖泊提取] 基于深度学习语义分割的青藏高原湖泊对厄尔尼诺的响应及其机制


END

图文编辑:王潇 张茜

审编:周笑语 闫孟蕊

终审:初明若 李雨竹 代浩宇 毕丝淇

猜你喜欢

  1. 佳文赏析 | 密歇根大学在Nature子刊揭示气候变化对草原群落的影响

  2. 地学招聘 | 英国利兹大学李宇晨助理教授招收地理信息科学和健康地理方向博士生

  3. 会议报道 | 第七届中国高校地理科学展示大赛全国总决赛圆满收官

  4. 干货分享|USGS更新水循环示意图:首次加入人类活动


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/175779
 
58 次点击