以《云降水物理学》中Raoult定理和开尔文方程组成的Köhler方程为数学基础，制作出Köhler曲线的虚拟仿真，学生可通过设置温度与粒子的直径，即可得到相应的Köhler曲线。 该项目帮助教师在课堂中以一种虚拟动画的直观形式向学生展示不同条件下Köhler曲线及其特点。

蒸散发是陆面水循环过程中最主要的水文过程之一,对掌握作物蒸散发生规律、节水种植业的发展趋势、加强水资源科学管理,以及水分利用效率的提升具有重要意义。本研究对估算日蒸散量的Penman-Monteith (PM)公式进行了修正，提高了其在阿克苏地区的适用性、准确性（均方根误差值RMSE由11.7830减小到8.7981）。另外，使用了GRNN（广义回归神经网络）与BP（反向传播神经网络）两种神经网络对日蒸散量拟合估算，结果表明BP神经网络（Nash-Sutcliffe系数为-0.0883，RMSE值为3.2659）估算效果比GRNN神经网络（Nash-Sutcliffe系数为-0.4410，RMSE值为3.3431）要好。这一研究对阿克苏地区的日蒸散量估算、了解极端干旱区的棉田等作物种植有长远的意义。