水分特征曲线Gardner模型参数的预测模型对比分析

为实现土壤水分特征曲线Gardner模型参数的预测以及精度的对比,以山西省黄土高原区农耕土壤为试验材料,进行了土壤水分特征曲线的系列试验,构建了土壤水分特征曲线Gardner拟合模型参数a、b和对应的土壤基本理化参数的数据样本;采用BP神经网络与支持向量机两种预报模型对土壤水分特征曲线Gardner模型参数a、b实现了预测,并对预测精度进行了对比。研究结果表明:随着两种模型输入变量的增加,两种预报模型的精度都得到提高;当输入变量为土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量时,两种预报模型对参数a、b的平均相对误差值均在6%以下,预测模型具有可行性;同时,相比于BP神经网络而言,支持向量机预报模型精度相对较高,而且预测结果波动空间较小,离散程度较低。该成果一方面丰富了Gardner模型参数的土壤传输函数创建的途径,更为Gardner模型参数预测模型的选择提供了依据。     

基于BP神经网络的Gardner模型参数预测

为了准确推求包气带土壤的持水性能和水分运动参数,以黄土高原区田间耕作层土壤水分特征曲线的试验资料为数据样本,建立了以易于通过试验手段获取的土壤基本理化参数为输入变量,以土壤水分特征曲线Gardner模型参数为输出变量的BP预测模型。所建立的预测模型对两参数预测值的平均相对误差在6%以下,在可接受的范围。研究结果表明:选取土壤体积质量、有机质量、黏粒量、粉粒量以及无机盐量等基本理化参数作为预报模型的输入因子是合理的,所建立的土壤水分特征曲线Gardner模型参数BP预报模型可靠。研究结果可为黄土高原区包气带土壤持水性能和水分运动参数的准确获取提供借鉴。     

基于支持向量机方法的土壤水分特征曲线预测模型

在山西省黄土高原区进行野外试验获取土壤样品,经室内试验测定,最终获得土壤样品的水分特征曲线以及理化参数,建立了基于支持向量机的Van-Genuchten预测模型。研究与分析的结果:输入变量选用了5个土壤基本理化参数(土壤黏粒、粉粒、密度、有机质和全盐量),输出变量为Van-Genuchten模型的参数α、n,对土壤水分特征曲线Van-Genuchten模型的参数进行预测并取得良好的结果。所建立的支持向量机预测模型下,Van-Genuchten模型参数α、n的预测值与检验值的平均相对误差都小于4%,建模与检验样本都具有较高的精确度。研究成果有助于丰富黄土地区的土壤水分特征曲线理论研究。     

土壤水分特征曲线Van-Genuchten模型参数的土壤传输函数比选

基于黄土高原区多种土壤的水分特征曲线试验数据样本,建立了以土壤黏粒、土壤粉粒、干密度、有机质和盐分含量为输入变量,Van-Genuchten模型参数α与n为输出变量的非线性预报模型和灰色BP神经网络预报模型,在对两种模型误差参数α与n分别进行误差分析比较的基础上,对两种模型的预测结果进行了整体误差分析。结果表明:无论是参数α还是参数n,非线性模型的平均相对误差低于10%,综合精度平均相对误差为15.73%;灰色BP神经网络模型的预测精度的平均相对误差低于4%,综合精度平均相对误差为10.01%,灰色BP神经网络模型的预测精度都要比非线性模型的预测精度高,但灰色BP神经网络模型易出现过度拟合的情况。综合而言,两种模型均能实现Van-Genuchten模型参数α与n的预测,可根据具体情况选用其中一种以达到更好的预测效果。     

土壤水分特征曲线模型参数的非线性传输函数研究

以黄土高原区土壤为研究对象,通过土壤水分特征曲线与土壤基本理化参数系列试验,获得了Van-Genuchten模型参数的实测数据样本,建立了土壤基本理化参数与Van-Genuchten模型参数之间一一对应的关系,创建了以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,Van-Genuchten模型参数为输出变量的非线性传输函数预报模型。研究表明:以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,对Van-Genuchten模型参数进行非线性预报是可行的;所建立的非线性预报模型精度较高,预测样本下Van-Genuchten模型参数α的实测值与预测值的相对误差的平均值为9.66%,参数n的实测值与预测值的相对误差的平均值为6.83%,检验样本参数α的实测值与预测值的相对误差的平均值为7.34%,参数n的实测值与预测值的相对误差的平均值为5.45%。研究成果为黄土地区提供一种便捷获取土壤水分特征曲线的途径。     

滨海盐渍土土壤水分特征曲线测定及拟合模型的比较

测定滨海盐渍土的土壤水分特征曲线及相应的参数,为研究和模拟水盐运移提供可靠的参数依据。以中国科学院黄河三角洲滨海湿地生态实验站内的盐渍土为例,使用压力膜仪测定土壤吸力和水分的关系,根据Brooks-Corey、Gardner和van Genuchten 3种模型拟合土壤水分特征曲线,结果表明:van Genuchten模型拟合的精度最高,剖面五层土壤的决定系数都大于0.97,与试验点土壤质地无明显相关性,可以用于该地区的土壤水分特征曲线拟合;BrooksCorey和Gardner模型的拟合效果相似,且精度波动都很大,在砂性土范围内,决定系数大小与土壤物理性砂粒含量成反比,不适合用于由泥沙堆积而成的黄河三角洲地区的土壤水分特征拟合。van Genuchten模型拟合结果表明:不同土壤的水分特征曲线不同,同一质地类型的土壤具有相似的曲线形状;土壤颗粒的粒径组成和含盐量对土壤的持水性有很大的影响,土壤颗粒越大土壤持水性越差,土壤含盐量越高,土壤持水性越好。     

基于Kostiakov二参数入渗模型参数的BP预测

基于黄土高原区大田耕作土壤的水分入渗试验,建立了Kostiakov二参数入渗模型参数的BP神经网络预测,实现了以土壤基本理化参数为输入变量,Kostiakov二参数模型参数为输出变量的BP预测方法,并分别对二参数模型中的入渗系数k、入渗指数α以及90min累积入渗量H进行了预测值与实测值的精度比较,结果显示对入渗系数k实现BP预测的平均相对误差为6.082 3%,入渗指数α的平均相对误差为1.045 9%,90min累积入渗量H的平均相对误差为4.973 5%,三者的平均相对误差值均在7%以下,预测精度较高,预测效果较好,表明以土壤基本理化参数为输入变量的BP神经网络预测是可行的。研究结果为获取准确的入渗参数提供技术手段,进而为提高农业灌溉水管理水平和灌水效率提供支撑。     

基于灰色理论-支持向量机的Gardner模型参数的预报模型

为探索获取土壤水分特征曲线模型参数新途径,以山西省黄土高原区农耕土壤为试验材料,进行了系列土壤水分特征曲线试验,拟合得到了Gardner模型参数a和b,同时测定了土壤基本理化参数,建立了由Gardner模型参数a、b和土壤基本理化参数组成的数据样本。采用灰色关联理论,分析了土壤各基本理化参数与Gardner模型参数之间的关联度,基于支持向量机理论建立了以关联度较大的土壤容重、黏粒含量、粉粒含量、有机质含量、全盐量为输入因子,以Gardner模型参数a和b为输出因子的预报模型。研究表明:以土壤容重、黏粒含量、粉粒含量、有机质含量、全盐量为输入因子,对Gardner模型参数a与b进行预报是可行的,参数a、b的实测值与预测值之间相对误差的平均值分别为3.96%、4.68%,吻合度高,预测效果好。该研究结果可为获取土壤水分特征曲线模型参数提供技术手段,同时可促进土壤传输函数理论的发展。     

栾城农业生态系统试验站土壤水分

利用土壤水分特征曲线仪测定河北栾城农业生态系统试验站三组土样的含水量及其对应负压值，分别利用六种不同模型进行了土壤水分特征曲线拟合。通过六种土壤水分特征曲线模型的拟合值与实测值差异对比认为，不同土样的最优土壤水分曲线模型不同，栾城土壤水分特征曲线拟合效果最好的模型是：原状粉质粘土为原始Van Genuchten模型；而扰动土为修正的Van Genuchten模型。     

栾城农业生态系统试验站土壤水分特征曲线分析

利用土壤水分特征曲线仪测定河北栾城农业生态系统试验站三组土样的含水量及其对应负压值，分别利用6种不同模型进行了土壤水分特征曲线拟合。通过6种土壤水分特征曲线模型的拟合值与实测值差异对比认为，不同土样的最优土壤水分曲线模型不同。栾城土壤水分特征曲线拟合效果最好的模型是：原状粉质粘土为原始Van Genuchten模型；而扰动土为修正的Van Genuchten模型。     

柴油污染对土壤水分特征曲线的影响研究

采用压力膜仪法结合砂箱法测定不同类型石英砂的土壤水分特征曲线,运用RETC软件拟合得到土壤Van Genuchten模型参数,对柴油污染土壤水分特征曲线的变化进行了研究。结果表明,柴油污染会导致土壤润湿性发生明显改变,斥水性增强,引起土壤水分特征曲线的变化,降低土壤在低水吸力段的持水能力。受污染土壤中有机质的含量的变化也会对水分特征曲线的变化产生较大的影响。     

西藏林芝地区土壤水分特征曲线适用性研究

西藏地区自然气候特征、成土母质和成土条件有着显著的地区特性,了解西藏高原地区土壤水动力学特性对于研究高原地区水文和水循环过程具有重要的意义。2015年分别在林芝地区米林县(海拔2 905 m),八一镇(海拔3 240 m)和林芝县(海拔3 879 m)3个青稞种植区田间取样,在原状土土壤水分特征曲线测试的基础上,研究了西藏林芝地区土壤基质势和土壤含水率之间的关系,并建立了参数的微分求解方程,发展了土壤水分特征曲线非线性函数的参数估计方法;基于实测值构建Jacobi矩阵,采用全局性最优方法确定了van Genuchten模型和Gardner-Russo模型的参数。结果表明,-11.0~-4.0、-42.0~-11.0 k Pa以及-54.0~-42.0 k Pa基质势区段的单位基质势平均含水率变化量分别为5.4×10-3、11.2×10-3和6.7×10-3cm~3/(cm~3·k Pa),最大差异性发生在-54.0~-42.0 k Pa之间,西藏地区的土壤水分特征曲线形状主要决定于黏粒质量分数,而砂粒质量分数则主要影响土壤水分特征曲线的变异性。van Genuchten模型和模拟6组试验数据的相对误差平均值和最大值分别为0.04和0.09。采用Gardner-Russo模型模拟6组试验数据的相对误差的平均值和最大值分别为0.06和0.14。van Genuchten模型模拟西藏林芝地区的土壤水分特征曲线的精度及有效性显著超过Gardner-Russo模型。     

基于主成分分析的土壤凋萎系数BP预测模型

基于黄土高原区农田耕作层土壤凋萎含水率的测试资料,建立了主成分分析与BP神经网络相结合土壤凋萎系数预测模型。通过主成分分析法减少了输入层神经元个数,优化了网络结构,提高了工作效率。预测值和实测值的相对误差平均值控制在5%以内,在可接受的范围,表明利用土壤基本理化参数预报农田耕作土壤的凋萎含水率是可行的。研究结果在提高传统神经网络的预测精度和收敛速度的同时,可为黄土高原区耕作农田作物用水管理以及促进土壤生产潜力的发挥提供强有力的理论支撑。     

农田耕作土壤田间持水率的BP预测模型

为了合理确定疏松黄土的灌溉制度,基于黄土高原区农田耕作层土壤田间持水率的测试资料,建立了以土壤理化参数包括土壤体积质量、黏粒量、粉粒量、有机质量为输入变量,田间持水率为输出变量的BP预测模型。结果表明,预测值和实测值的相对误差控制在7%以内,在可接受的范围,表明利用土壤基本理化参数预报农田耕作土壤的田间持水率是可行的。研究结果可为黄土高原区耕作农田土壤水分调控和灌溉管理提供支撑。     

5种砂土水分特征曲线的测试分析

为了测试分析5种砂土的水分特征曲线,运用张力计法对砾砂、粗砂、中砂、细砂、粉砂5种砂土在不同含水率下的土壤基质吸力进行实验研究,并对数据进行了三次多项式与Van Genuchten模型的拟合与验证。结果表明:细砂的水分特征曲线呈"反S"形曲线,砾砂、粗砂、中砂、粉砂呈"L"形曲线;在相同含水率条件下,5种砂土的基质吸力大小为粉砂细砂中砂粗砂砾砂;三次多项式拟合结果的R2值、PBIAS值分别为0.982 7~0.998 3、-0.119 8~0.342 7,Van Genuchten拟合结果的R2值、PBIAS值分别为0.931 0~0.992 6、-2.083 5~5.256 7,此处3次多项式拟合效果要优于Van Genuchten模型。     

基于人工神经网络的比水容量模型参数预测模型研究

为了探索获取比水容量的简便方式,以山西省黄土高原区农耕土壤为实验对象,进行了土壤水分特征曲线与比水容量的相关试验,拟合得到比水容量模型参数,并配套测定了相关的土壤基本理化参数。在研究分析各个土壤基本理化参数与比水容量模型参数的影响关系的基础上,建立了关于土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量的BP神经网络预报模型。研究表明:以土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量为输入因子的BP神经网络预报模型是可行的,比水容量模型参数实测值与预测值之间的平均相对误差均低于10%,预测效果较好,精度较高。该研究结果为黄土高原地区获取比水容量提供了理论与技术上的支持,同时可促进土壤传输函数理论的发展。     

颗粒级配变化对黄三角盐碱土水分特征曲线参数的影响 ——以VG模型和Gardner模型为例

为研究颗粒级配变化对黄河三角洲盐碱土壤水分特征曲线方程参数的影响,进行了不同配沙量下的室内模拟试验,通过压力膜法测定了各处理不同水吸力下的土壤含水量,结合VG模型和Gardner模型,分析了两个模型对土壤水分特征曲线的适用性,以及土壤颗粒级配变化对模型参数的影响。结果表明:盐碱土配沙后,土壤颗粒组成发生明显变化。其中,0.05～0.1 mm的颗粒相对含量从3.6%增加到62.02%,0.002 mm的颗粒相对含量从29.02%降低到3.89%,土壤颗粒级配发生明显改变;盐碱土配沙量较高(67.0%)的条件下,参数n随配沙量的增加呈增加趋势,α值随配沙量的增加呈降低趋势。Gardner模型中参数a仅与某段配沙量(28.8%～45.2%)处理呈线性负相关,参数b随配沙量的增加整体呈先增加再降低的趋势。VG模型与Gardner模型均可拟合黏质盐土不同配沙量条件下土壤水分特征曲线,VG模型对土壤水分特征曲线拟合度优于Gardner模型,但VG模型模拟精度低于Gardner模型。     

基于Philip入渗模型的土壤水分入渗参数BP预报模型

基于黄土高原区大量大田土壤入渗实测资料,借助BP神经网络模型建立了基于Philip土壤入渗模型参数的预报模型,并分别讨论了BP神经网络土壤水分入渗参数稳渗率预报模型、土壤水分入渗参数稳渗率预报模型和Philip模型的90min累积入渗量预测的单项和综合误差。结果表明:基于常规土壤理化参数土壤含水率、容重、黏粒含量、粉粒含量以及有机质等建立BP神经网络模型对Philip土壤入渗半经验半理论模型参数吸渗率S和稳渗率A进行预测是可行的。预测参数A和S以及Philip模型的90min累积入渗量的预测值与实际值的相对误差分别为2.074 60%、3.079 98%和2.037 56%,都在可接受的范围内;研究结果可为世界范围内大量实用的地面灌溉技术参数优化提供强有力的依据支撑。     

原状黄土土壤水分特征曲线预测模型优选

为了省时、省力、精度高的获取土壤水分特征曲线,以黄土高原区6种质地241个田间原状黄土土壤为研究对象,利用HYPROP仪器测定了原状黄土土壤水分特征曲线,应用Hyprop Fit软件中的不同模型对实测所得土壤水分特征曲线进行拟合,确定各土样的土壤水分特征曲线模型参数,并通过模型计算出实测土壤吸力所对应的含水率,与实测值进行比较。最终选择Frelund-Xing模型作为原状黄土土壤水分特征曲线的最优预测模型。     

基于灰色理论—BP神经网络方法的表层土壤容重预测

以山西省黄土高原区15个试验点的年度跟踪监测样本为依据,利用灰色关联理论与BP神经网络相结合的方法,构建了表层土壤容重与土壤基本理化参数和累积接收水量之间的土壤传输函数预报模型。结果表明:影响表层土壤容重的7个土壤理化参数对于土壤容重的关联度均大于0.6;基于BP神经网络,以关联度较高的土壤粉粒含量、土壤砂粒含量、累积接收水量、体积含水率、有机碳含量和全盐量作为输入变量对表层土壤容重进行预测是可行的,预测值与实测值高度吻合,预测结果相对误差的平均值为0.41%,预测精度较高;检验样本预测结果相对误差的平均值为1.05%,误差完全在可接受范围内。研究结果可为黄土区土壤容重的获取提供新思路,为科学指导农田农事和灌溉管理提供理论支撑。