新安江模型在土壤墒情预报中的应用

近年来干旱已严重影响到自然生态环境的平衡及人类社会、经济的可持续发展。而墒情预报是干旱管理的一项基础工作。本文分析了国内外墒情预报的模型方法,并将新安江模型移用于土壤墒情的预报研究中,建立了基于水量平衡的土壤墒情预报方案。从模型的预测结果可以看出,模拟预报结果和实测值基本一致,该方法精度是较高的。新安江模型预报土壤含水量的模型结构简单,涉及参数少且物理意义明确,易于调试优选,便于在实际工作中推广使用。     

新安江模型在土壤墒情预报中的应用

近年来干旱已严重影响到自然生态环境的平衡及人类社会、经济的可待续发展。而墒情预报是干旱管理的一项基础工作。本文分析了国内外墒情预报的模型方法,将新安江模型移用于土壤墒情的预报研究中,建立了基于水量平衡的土壤墒情预报方案。从模型的预测结果可以看出,模拟预报结果和实测值基本一致,该方法精度是较高的。新安江模型预报土壤含水量的模型结构简单,涉及参数少且物理意义明确,易于调试优选,便于在实际工作中推广使用。     

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。     

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。     

黑河流域土壤墒情预报模型

针对黑河流域水资源匮乏问题,考虑了流域下垫面因素、气象因素以及实时灌溉的空间分布对土壤墒情的影响,为满足流域水资源实时调度模型系统的需求,建立了适合于该流域的土壤墒情预报模型;利用该模型对黑河流域2001年研究区内各计算单元不同作物的净灌溉定额和需水量进行计算,并与传统方法计算的需水量比较来检验模型的可行性。在黑河流域水资源实时调度需水计算中进行了初步应用,结果表明该模型能满足流域水资源实时调度的需要。     

田间土壤墒情预报模型关键参数确定方法研究

为了构建黄河下游引黄灌区墒情预报水量平衡模型,分析了气象、作物蒸腾蒸发、地下水埋深、土壤特性等因子与大田土壤墒情之间的关系。确定构建模型需要率定的参数有作物蒸发蒸腾量、深层渗漏量、降雨量、灌溉量和地下水补给量等,并提出了各参数的计算方法。     

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。     

土壤墒情监测预报在农业抗旱减灾中的作用

本文针对淮北旱情特点,阐述了开展墒情监测预报工作是当前开展节水灌溉工作所必要的一项技术措施,介绍了这项工作在安徽淮北地区的进展情况及产生的效益。并提出了在淮北地区建设墒情监测预报抗旱减灾信息管理系统的设想。     

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。     

冬小麦田间墒情预报的BP神经网络模型

土壤墒情预报是农田适时适量灌水的基础。田间土壤水分的变化受到外界气象因素及土壤特性、作物长势等的影响，关系比较复杂。本文利用北京市永乐店试验站冬小麦返青后的土壤水分试验资料，建立了土壤墒情预报的BP网络模型，模型中同时考虑了多个因素对土壤贮水量的影响。利用部分实测资料对网络进行训练，然后对2年不同灌水处理下的土壤贮水量进行预测，取得了较好的效果，表明BP神经网络用于墒情预报是可行的。     

缺水地区未来水资源量预测方法研究

本文以辽西北地区为典型区域,提出了以产水系数代替降水-产水量关系线进行基于水文统计理论的一致性检验方法,进而对辽西北地区未来30年水资源总量进行了趋势分析与预测,旨在探求半干旱地区环境变化情况下的水资源量演变规律和预测方法,从而对今后水资源评价和规划提供技术支撑.     

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。     

蓄水容量曲线设定分布式霍顿模型土壤含水量初值

分布式水文模型对土壤含水量的空间描述能力对土壤墒情模拟、分布式输出等具有重要的意义。但分布式水文模型的土壤含水量空间分布计算,需耗费大量的计算资源。为了提高分布式模型的计算效率,从定性的理论分析和定量的数据比对2个方面,证明蓄水容量曲线和分布式模型中逐单元土壤含水量序列的相关关系,并建立了二者之间的转换公式,据此可以将面平均的土壤含水量转换为空间分布的土壤含水量。用离散蓄水容量曲线法设置分布式模型的土壤含水量初值,并与传统模型预热法进行比较,结果表明两种方法得到的土壤含水量空间分布总体趋势完全一致,次洪模拟效果相同,并且节省了大量的计算资源,极大地提高了分布式模型的计算效率。     

GIS在水土流失监测预报中的应用

本文介绍了GIS技术的应用，结合影响水土流失的各种因素，利用GIS对空产数据处理和分析的特殊功能，实现水土流失监测预报系统数据与图形的有机结合，提高了水土流失监测预报的科学性，为减少水土流失提供可靠的信息资源。     

基于ARIMA的乘积季节模型在城市供水量预测中的应用

随看我国经济快速增长、居民收入水平的显著提高,城市供用水量快速增长.本文以成都市2006年至2010年2月供水量数据为基础,在剔除了长期趋势及季节因素后,对其残差序列进行分析和识别,建立了城市月供水量的乘积季节模型ARIMA(3,1,1)(1,1,1)12,并根据此模型对2010年全年月供水量进行预测,拟合效果良好.     

流域水资源水量水质集成管理模型研究进展

将流域水资源水量水质集成管理模型分为优化模型、模拟模型、优化和模拟相结合模型以及决策支持系统四大类,按此分类总结了目前国内外研究的相关进展,并针对模型中出现的水量水质耦合项,分析了直接求解法、大系统分解协调技术、逐步求解法和情景优选法等水量水质变量的解耦原理和技术,并展望了流域水资源水量水质集成管理模型在水资源优化配置、生态环境需水配置和水资源冲突协调领域中的应用前景。     

上海市日供水量与气象要素的相关性分析及预测模型的建立

基于上海市2010-05-2013-12日供水资料和气象观测资料,利用数学统计方法分析日供水量与气象因子的关系,并建立日供水量预报模型。结果表明:一年之中,日供水量大体呈现"单峰单谷"的波动特征,夏季(7、8月份)日均供水最多,冬季(2月份)最少;日供水量具有显著的节假日效应;除降水外,日供水量与其它气象因子均有显著的相关性,且夏半年相关系数明显高于冬半年;日供水量与温度的关系最为密切,且与前一日最高温度的相关系数最高,同时,当温度大于20℃时,日供水量对于温度变化的响应极其敏感;供水预报模型精度较高,可为城市用水规划、合理调度的气象服务保障提供科学依据。     

土壤膨胀性对土壤饱和水分运动参数的影响

膨胀性土壤吸水后易膨胀变形,从而影响到土壤水分的运动参数。为了研究土壤膨胀性对土壤饱和水分运动参数的影响,采用室内土柱试验装置分析了不同土壤厚度（2,4,6,8,10,15,20,25,30,35,40,45,50,55 cm）对3种土壤（沙土、黄绵土、娄土）土壤容重、土壤饱和含水量、土壤饱和导水系数的影响,并分别用幂函数、指数函数和对数函数进行了拟合分析。结果表明：① 土壤饱和膨胀率、饱和比容积、饱和含水量和饱和导水系数均随土壤厚度增加而减小。② 通过3种函数拟合效果对比发现,幂函数具有最佳拟合效果。     

改进的灰色预测模型在城市年需水量预测中的应用

应用灰色系统理论建立了某城市年需水量的灰色GM(1,1)模型。在分析灰色预测模型建模思路及建模前提的基础上,应采用改进的灰色预测模型进行该市年需水量预测。结果表明:改进灰色预测模型与灰色GM(1,1)模型相比,平均相对误差以及原点误差均较小,适用性范围更广,可用于城市的年用水量预测。