观测与模拟是获取地球表层资源环境数据的两大基本手段。依托学院的多学科优势,经过多年的交叉融合发展,逐步形成了“资源环境智能感知与模拟”这一特色交叉研究方向。该方向集成空-天-地观测、动力学模拟、人工智能、云计算等技术手段,获取地球表层水、土、气、生等资源环境要素的属性状态、空间格局与变化信息。
1、监测感知
建设了长江中游城市与人口密集区生态环境监测研究站,构建了覆盖全国16个省区的土壤、植被和水体光谱库,入选联合国粮农组织全球土壤实验室网络成员单位;构建了可见光、热红外、大气PM2.5、水体环境等无人监测系统;提出了顾及时空关联的人工智能遥感反演方法,获得高精度的水-土-气-生参量信息,生成了系列全球、全国及长江经济带区域的定量遥感产品。
2、环境模拟
首次提出了城乡结合地带“复杂面源污染”的概念,构建了耦合城市面源模型与农业面源模型的复杂面源模型CA-AUNPS,实现了面源污染时空变化的精确模拟;建立了流域水环境、水生态精准调控及其云计算关键技术,成果在三峡库区等流域的水质预报、水华控制、污染防控等方面得到广泛应用。
3、综合集成
提出了多源地学数据的一体化融合与重构方法,研发了生态环境在线智能感知认知平台——“智能生态云脑”,突破了多源数据在线接入、大数据并行计算等关键技术难题,汇集地基传感网、遥感卫星、无人机、监测车船等,可提供高精度、高动态、高连续的生态环境参数信息与决策支持服务。
近五年,在该方向牵头2项国家重点研发计划项目、1项国家自然科学基金重点项目。出版学术专著10部,发表高水平学术论文200余篇,入选“中国百篇最具影响国际学术论文”(2021),授权国家发明专利38项,获得教育部自然科学一等奖、中国大坝工程学会科技进步特等奖、测绘科技进步一等奖等。