«Диагностика» вечной мерзлоты: ученые создали инновационный метод для повышения точности прогнозирования влажности почвы
Китайские исследователи разработали систему «высокоточного наведения», которая значительно улучшает моделирование влажности почвы в районах вечной мерзлоты, что имеет решающее значение для экологической безопасности и инфраструктуры
Короткое резюме
Китайская исследовательская группа разработала новый метод «высокоточного наведения», который значительно повышает точность моделирования и прогнозирования влажности почвы в районах вечной мерзлоты на северо-востоке Китая. Этот метод, основанный на модели наземных процессов Noah-MP, был оптимизирован с учётом специфических условий вечной мерзлоты и интегрирован с технологией ассимиляции данных.
Традиционные методы мониторинга, такие как наблюдения на местах и спутниковое дистанционное зондирование, сталкивались с трудностями в этом регионе из-за сложных процессов замерзания-оттаивания, густой растительности и толстого органического слоя. Инновация команды заключается во внедрении «системы интеллектуальной коррекции в реальном времени», которая использует такие алгоритмы, как ансамблевый фильтр Калмана, для постоянного слияния реальных данных наблюдений с результатами моделирования и динамической корректировки прогнозов.
Усовершенствованная модель уменьшила ошибку моделирования глубины промерзания почвы примерно на 0,09 метра и снизила ошибку моделирования влажности почвы в ключевом слое 0–100 см на 20–50 %. Эта точная информация имеет жизненно важное значение для понимания деградации вечной мерзлоты, экологической обратной связи и, что особенно важно, для обеспечения безопасности крупной инфраструктуры, такой как дороги и трубопроводы в «Китайско-Монгольско-Российском экономическом коридоре», путём прогнозирования изменений влажности и температуры земляного полотна для предупреждения об опасностях, связанных с просадкой и морозным пучением.
Значительное повышение точности моделирования
Усовершенствованная модель снизила ошибку моделирования глубины промерзания почвы на ~0,09 м и ошибку моделирования влажности почвы на 20–50 % в ключевом слое
Внедрение технологии ассимиляции данных
Использование «системы интеллектуальной коррекции в реальном времени» с алгоритмами, такими как ансамблевый фильтр Калмана, для динамического обновления прогнозов на основе реальных наблюдений
Практическое применение для инфраструктуры
Метод предоставляет критически важные данные для прогнозирования состояния земляного полотна и предупреждения об опасностях для крупных инфраструктурных проектов в зонах вечной мерзлоты, таких как Китайско-Монгольско-Российский экономический коридор
Решение давних проблем мониторинга
Новый подход преодолевает ограничения традиционных методов (наземные наблюдения, дистанционное зондирование) в сложных условиях вечной мерзлоты с густой растительностью и процессами замерзания-оттаивания
Текст сгенерирован с использованием ИИ
