新书推介 | 大数据与人工智能支持下的海岸带水生态环境模型化研究|人工智能|大数据|模型化|水生态环境|海岸带|生态环境部|科学

内容简介

本书总结近年来在大数据与人工智能支持下的海岸带水生态环境模型化研究的成果。针对变化环境下的数据可得性、过程非稳态、系统非线性等当前水生态环境模型化研究所面临的共同挑战，采用地理大数据、机器学习模型、流域过程模型等方法与技术，聚焦人地(海)问题突出的陆海交互地带——近海流域、沿海城市、海湾等海岸带区域，开展缺资料地区水文模拟、快速雨洪模拟、水质模拟与溯源、水质变化模式及其驱动因素、中水回用方案模拟、湖库水华动态及驱动因素等研究，为变化环境下海岸带水资源可持续利用、水生态环境保护与区域水安全等提供科学依据和技术参考，助力美丽中国、陆海统筹等战略的实施。本书可供环境科学、地理学、资源科学、生态学等领域的科技与教育工作者参考。

人工智能加持海岸带研究的意义

海岸带地区水资源、水环境、水生态和水灾害问题尤其迫切，亟须开展相关研究以助力区域水资源保护、水安全和可持续发展。当前处于大数据时代，人工智能（Artificial Intelligence, AI）赋能助力水生态环境保护，目前尚处于起步阶段。本书正是基于这一背景，总结了近年来在大数据与AI支持下的海岸带水生态环境模型化研究的成果，整体研究思路可为国内外水生态环境相关研究提供借鉴与参考。

本书重点与亮点

水文模拟：聚焦变化环境下的流域水文特征非稳态、水文数据稀缺等水文模拟难题，围绕气候变化与人类活动双重扰动下的流域水文非稳态特征识别、缺资料流域长时间序列径流模拟、快速雨洪模拟与洪水敏感性评估四个方面展开。

水质模拟：针对变化环境下数据限制、非稳态和非线性等原因导致的难以准确预测水质动态和溯源分析等问题，围绕不同采样频率引起的水质预测模型不确定性评估、非稳态特征和数据限制下的河流水质短期预测、流域土地利用等属性与河流水质的非线性关联，以及流域水质断面的污染物溯源等方面，从机器学习模型和陆海统筹视角系统阐释沿海省份、地市、海湾等尺度水质的时空变化模式及其驱动机制。

水生态模拟：聚焦变化环境下的水生态环境模型化研究所面对的数据稀缺等挑战，开展沿海城市流域中水回用方案模拟，构建可解释深度学习模型表征中国湖泊和水库有害藻华的时空动态及驱动因素。