蓄水坑灌条件下土壤贮水量预测模型对比研究

为了实现对蓄水坑灌苹果园根区土壤水分的定量监测,基于最小二乘向量机模型、BP神经网络模型和增量逆传播学习算法优化的BP神经网络模型,建立了以土壤初始贮水量、灌水后时段长度、时段内灌水量、时段内降雨量和蒸发蒸腾量为输入项,以蓄水坑灌果园根区贮水量为输出项的LSSVM、BP和IBP-BP模型,对田间土壤贮水量进行预测,并采用田间实测数据对模型进行率定和验证。结果表明:LSSVM、IBP-BP和BP模型的平均相对误差分别为6.53%、3.64%和5.98%。IBP-BP模型的预测精度最高,建议采用该模型进行蓄水坑灌果园土壤贮水量预测。     

北方干旱地区土壤墒情预测模型

为满足农业生产的需求,利用邢台市土壤墒情监测资料,对墒情预报模型参数进行分析计算,建立了适合于该区域的土壤墒情预报模型,最后用实测数据来检验模型的准确性.该模型可对土壤含水量、灌溉时间和灌溉定额进行预报,通过实际检验,模型能满足本区域土壤墒情预报的需要.     

耕作后土壤水分入渗参数BP预报模型

根据黄土高原区耕作后土壤水分入渗资料所建立的基于Kostiakov三参数经验模型公式的BP神经网络预报模型,对土壤水分入渗参数进行预测。预测结果表明:利用土壤基本理化参数耕作层(0~20 cm)土壤含水率及其密度、砂粒含量、粉粒含量、有机质含量预报入渗模型参数具有可行性。入渗模型参数入渗指数α、入渗系数k的平均相对误差约为1%;稳渗率f_0的平均相对误差约为8%,在可接受范围内;90 min累计入渗量I_(90)的平均相对误差小于3%。模型整体预测精度较高,实现了利用土壤基本理化参数预报土壤水分入渗参数,可为黄土高原区耕作后土壤的灌水技术参数的确定提供理论与技术支撑。     

ISAREG模型在灌区土壤墒情预报中的应用研究

土壤墒情预报是农田土壤水分调控的基础和前提。针对当前灌区土壤墒情监测工作量大且预报精度不高的问题,采用数值模拟和农田实测数据相结合的方法,应用以水量平衡法为基本原理的ISAREG灌溉模型进行灌区土壤墒情预报,并利用内蒙古河套灌区沙区灌溉试验站的大田实测数据对ISAREG模型的模拟精度进行验证,结果表明:ISAREG模型能较好地模拟作物土壤含水率的动态变化,模型输出的模拟值与实测值对比,回归系数约为1.02,决定系数在0.6以上,误差在10%以内,表明该模型参数经过校准和验证后,可以用来进行土壤墒情预报。该模型还具有识别作物是否处于水分胁迫状态,并对作物灌溉制度进行评价和优化的功能,可进行灌区灌溉预报。     

北京地区土壤墒情变化规律研究

研究土壤墒情的变化规律,就是考虑在受降雨、蒸发、土壤质地及作物种类的影响条件下,土壤水分在时间和空间上的变化规律。若能掌握正确变化规律,就能为土壤墒情监测和预测预报工作提供科学的理论依据。利用数理统计的方法对由土壤墒情采集仪表采集得到的大量试验数据进行详细分析,从时间和空间上对土壤墒情的变化规律进行研究和分析。     

土壤墒情变化规律及预报模型研究

根据山东省土壤水试验站和常设墒情站的实测资料，对平原区及山丘区土壤水的动态规律进行了分析研究，提出了土壤墒情的预报模型。     

土壤墒情变化规律及预报模型研究

根据山东省土壤水试验站和常设墒情站的实测资料，对平原区及山丘区土壤水的动态规律进行了分析研究，提出了土壤墒情的预报模型。     

本溪地区土壤墒情预报模型方法

结合旬测人工墒情监测数据和日报自动墒情监测数据,实现日报数据基本可用。预报结果准确与否很大程度上取决于预报方案的精度,而预报方案的精度高低又建立在充足可靠的墒情监测资料之上,因此,编制墒情预报方案时一定要搜集尽可能多的墒情资料。文中主要是对辽宁东部本溪市的墒情站进行分析研究,建立退墒、增墒模型,预报当地的土壤墒情。     

黑龙港地区土壤蒸散发计算模型的建立

土壤蒸散发量的计算,在墒情预报、降雨径流计算及水资源评价中都占有重要的地位。利用水力式土壤蒸发器及其配套的气象、辐射、水面蒸发仪器观测资料,综合考虑“土壤—植物—大气”系统中的各个因素对土壤蒸散的影响,建立了适于黑龙港流域的土壤蒸散量计算模型。     

基于人工神经网络的河川径流实时预报研究

将人工神经网络技术应用于河川径流实时预报，建立起河川径流实时预报的BP网络模型，并针对经典BP算法所存在的缺陷，采用共轭梯度优化和误差反向传播训练算法，使得所建立的BP网络模型的收敛性大为改善，消除和避免了实际应用中可能出现的局部优化问题．利用西大洋水库1975～1995年的入库径流系列资料，对所建立的BP网络模型进行训练和检验，同时探讨了网络结构对网络模型预报结果的影响．通过大量的实际应用和对比分析，表明BP网络模型比HG分析模型和相关图法更优越、更具有实际推广和应用价值．     

衡水市土壤墒情变化规律及预报分析

依据衡水水文实验站2010-2012年土壤含水率观测资料,分析衡水地区土壤墒情特点,研究代表区域的土壤墒情变化规律。利用实际观测资料,分析计算土壤消退系数K值,并拟合增墒计算经验公式,建立了退墒及增墒预报方案,并利用2013年资料进行了验证,经评定,两方案的预报精度均达100%,达到甲级预报标准。对合理指导农作物实施灌溉,保障农业生产,具有重要的意义。     

农田土壤水分二区模型的研究

本文考虑作物根系吸水的特性,把农田土壤水分变化层分为包含根系的根区和无根系的储水区,以土壤-植物-大气连续体物质能量运动原理和土壤水动力学理论为依据,构建了农田土壤水分二区模型。对该模型的简化,即可得到了两个现在常用的描述土壤水分变化的概念性模型,表明本文提出的土壤水分二区模型是一通用式。对其中考虑下界面水分通量的概念性模型与二区模型进行了比较,结果表明,二区模型拟合精度较高,其复相关系数达到0.91以上,由二区模型计算的蒸发蒸腾量和根区下界面水分通量与实测值有更好的一致性。     

基于相似性原理确定无资料格网土壤水分数据

地表土壤水分在陆地水循环中扮演着重要的角色,是水文、气象和环境研究的重要参数之一。研究地表土壤水分对我们在各种灾害、洪涝监测中能够起到许多帮助。但是在许多地区并无土壤水分数据,因此对无资料地区获取土壤水分数据的方法需要进一步研究。为此提出基于相似性原理通过GLDAS数据将有资料与无资料网格建立相关关系,从而由有观测资料网格推求得到无资料网格的土壤水分数据。研究区域选择青藏高原,运用的卫星遥感数据是SMOS数据,数字地面模型数据为GLDAS数据,青藏高原实测数据来自于青藏高原中部土壤温湿度监测网(CTP-SMTMN)。     

基于BP神经网络的农田蒸散量预报模型

本文根据石河子地区多年气象资料和作物生长、土壤水分状况,建立了以平均气温、相对湿度、净辐射量以及土壤相对湿度、棉花叶面积指数为输入向量,以实测ET为输出向量的BP神经网络蒸散量预报模型(ET(bp)).实际应用结果表明所建立的BP网络模型具有较好的预报效果,平均相对误差为6.47%,预测标准误差为0.312mm,有效性指数达到93.5%.     

作物腾发量实时预报与田间试验验证

获得实时、有效的作物腾发量数据是进行实时灌溉预报的基础和难点.本文根据公共的天气预报信息,提出了实时的估算作物腾发量的方法流程,并利用作物根区土壤水量平衡方程,用冬小麦田间灌溉试验的土壤水分数据对该模型和方法进行了检验;同时为检验实时参照腾发量估算方法的可靠性和实用性,对当地媒体发布的实际天气预报信息与实际气象观测值进行了对比.结果表明,在现有天气预报准确度条件下,该方法可以有效的实时估算作物腾发量,为田间实时灌溉管理与决策提供较为可靠的参数.     

节水灌溉条件下作物系数和土壤水分修正系数试验研究

考虑土壤水分调控所产生的作物生长滞后效应与补偿生长效应,对节水灌溉条件下作物蒸发蒸腾量ETc的理论计算模型进行了研究。根据灌溉试验资料,确定了冬小麦、夏玉米、棉花及水稻作物的作物系数Kc,得出节水灌溉条件下主要农作物土壤水分修正系数Ks的计算公式。覆膜旱作节水灌溉模式的水稻需水量计算实例结果显示,计算值与实测值较为吻合,模型具有较高的精度。     

基于遗传优化神经网络的多源遥感数据反演土壤水分

为快速反演较高精度土壤水分,提出用遗传算法优化后的神经网络辅以多源遥感数据的方法进行地表土壤水分反演。首先建立4层神经网络并用遗传算法优化此网络,之后以雷达数据不同极化(VV、VH、VH/VV)的后向散射系数、雷达入射角、光学数据的归一化植被指数(NDVI)、以及高程数据作为网络的输入,土壤水分数据为输出,对网络进行训练与仿真,再运用地表实际测量数据与反演数据做对比验证。结果表明:反演结果与实际测量数据相关性良好,R2可达0. 79。采用遗传算法对神经网络优化的土壤水分反演方法可行,且添加光学数据等辅助数据后土壤水分反演效果更优,为多源遥感土壤水分的协同反演研究提供新思路。     

基于CCI资料与EnKF方法的单点土壤湿度同化

土壤湿度作为天气、农林业、水循环研究中重要的地球物理参数,对气候变化有重要影响。陆面数据同化发展较晚,研究集中在同化土壤/积雪的常规观测与遥感观测来提高土壤湿度廓线/雪水当量的估计精度。卫星遥感资料的同化是一个研究热点,同化遥感数据对提高土壤湿度估计精度有积极的作用。基于CLM4.0(Common Land Model 4.0)陆面过程模式,采用集合卡尔曼滤波(EnKF)同化方法,在美国内布拉斯加州地区的Clay Center、Red Cloud及Grand Island观测站点进行了3个单点同化实验,同化的观测数据是由CDF(Cumulative Distribution Function)技术匹配调整后的卫星遥感资料——CCI(Climate Change Initiative)数据,同化分析实验时间为2008年5月1日至2008年10月31日,利用站点实测数据对0~2cm土壤湿度的同化结果与间接受其同化影响10cm处的土壤湿度估计值进行了验证。结果表明:通过单点同化卫星遥感资料的方法可以提高表层土壤湿度的估计精度,并且受其同化影响,靠近同化层的土壤,其土壤湿度的估计精度也得到提高。     

电阻值法测土壤含水量

本文根据历年墒情观测方法,进行土壤墒情观测方法的改进工作,采取电阻值法测土壤含水量,此法简单易行,便于推广。