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。     

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。     

基于支持向量机的土壤水分入渗参数预测研究

为解决土壤水分入渗能力的空间变异性问题,以方山、河津、泽州等地土壤入渗试验为背景,选用两参数Kostiakov入渗模型,建立以土壤密度、体积含水量、黏粒和有机质含量等土壤理化参数为输入变量,土壤水分入渗参数为输出变量的土壤传递函数。通过对入渗参数k、α的土壤理化参数影响因子分析,表明土壤理化参数与土壤入渗参数间存在着相关关系。在此基础上,运用支持向量机理论,将入渗参数的非线性回归问题转化为一个二次凸规划问题,建立了土壤入渗参数k、α的预测模型,通过对预测样本的误差分析,表明基于支持向量机土壤水分入渗参数预测模型的预测效果良好,可实现土壤传递函数的有效建立。     

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。     

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。     

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。     

基于BP神经网络方法的黄土水分特征曲线预测模型比选

黄土高原区水资源严重匮乏，研究土壤水分特征曲线对于提高水分利用率、节约水资源有着重要的现实意义，但直接试验测量土壤水分特征曲线面临操作技术难度大、耗时费力等诸多问题，因此对土壤水分特征曲线进行科学合理预测十分必要。为提高黄土高原区土壤水分特征曲线预测模型精度，以山西省5个县市的试验点黄土为研究对象进行模型比选。基于BP神经网络算法，以土壤基本指标黏粒含量、粉粒含量、干容重、有机质和全盐量共5个影响因素作为预测模型的输入变量，以经验模型的参数作为预测模型的输出变量，分别建立了Gardner经验模型参数和Van Genuchten经验模型参数的预测模型，并根据实测数据库的预测结果进行对比和分析。结果表明：建立的经验模型参数的BP神经网络预测模型，Gardner经验模型建模和验证后的两个参数相对误差的平均值都小于4%,Van Genuchten经验模型建模和验证后的两个参数相对误差的平均值都小于5%；不论是建模的训练数据库还是验证数据库，Gardner经验模型参数的预测模型精度均高于Van Genuchten经验模型参数的预测模型精度。因此，建议针对黄土高原区的黄土水分特征曲线预测模型的建立...     

灰色GM(0,N)模型在土壤田间持水量预测中的应用

基于田间持水量测定试验数据及土壤理化参数测定试验数据,运用灰色预测理论对田间持水量与土壤理化参数的关联度进行分析,建立以土壤密度、土壤粉粒质量分数、土壤黏粒质量、土壤有机质质量分数为输入变量的GM(0,N)土壤田间持水量预测模型。对所建模型进行残差检验、关联度检验、后验差检验证明所建模型是可行的,实现了少数据、贫信息情况下利用土壤常规理化参数对土壤田间持水量的预测。     

Philip入渗模型参数的非线性预报模型

利用黄土高原区大田耕作土壤的水分入渗试验过程资料,拟合了Philip入渗模型参数,建立了以土壤体积含水率、干密度、粉、黏粒含量和有机质含量等土壤理化参数为输入变量,Philip入渗模型参数为输出变量的土壤传递函数,通过对函数的分析、检验,建立了土壤入渗参数S和A的多元非线性预测模型;在此基础上,运用灰色关联分析理论,将各输入变量进行了灰色排序。研究表明:用土壤体积含水率、干密度、粉粒含量、黏粒含量和有机质含量作为预报模型的输入参数可实现对入渗参数的预测,预测参数实测值与预测值之间的相对误差可控制在8%以下,所建立的非线性预测模型高度相关。     

南北方粘质土壤密度对土壤水分特征van Genuchten模型的影响研究

以南北方典型粘质土壤红壤和塿土为试验土样,通过水平入渗试验进行了土壤密度变化对土壤水分特征van Genuchten模型参数的影响研究。研究结果表明,特征湿润长度、吸力、饱和含水量、滞留含水量、饱和导水率均随土壤密度增加而减小;土壤水分特征van Genuchten模型参数n随着土壤密度的增加而递增,而参数α随着土壤密度的增加而减小,与土壤密度成反比;参数n和参数α随土壤密度变化关系可用幂函数来描述。为建立吸力、土壤密度、质量含水率三变量的土壤水分特征曲面提供新的途径,有助于完善土壤水动力学理论。     

基于灰色关联分析-BP神经网络的冻融土壤蒸发预报模型

根据冻融期气象资料和土壤蒸发量实测资料,利用灰色关联分析与BP神经网络相结合的方法,对冻融期大田土壤蒸发量进行了模拟预报。采用灰色关联度方法分析了影响冻融土壤蒸发的9个因子的关联度,确定了降水量、日平均气温、水面蒸发量、地表土壤温度和地表土壤含水率5个主要因子,并将其作为冻融土壤蒸发量预报模型的输入层进行模拟预测。结果表明:模型预测值与实测值的平均相对误差为9.9078%,决定系数为0.93,所建模型合理可行,可较好地用于冻融土壤蒸发预报。     

太原市农田土壤重金属污染评价与空间分布特征

【目的】揭示太原市农田土壤重金属污染现状、污染来源及其空间分布格局情况,为区域土壤污染防控和农业生产提供依据。【方法】采集太原市农田土样214个,测定土壤中Cr、Cd、Pb、Hg和As 5种重金属量,采用单因子指数法和内梅罗综合指数法对土壤重金属进行污染评价,运用ArcGIS 10.3绘制太原市农田土壤重金属空间分布图,利用SPSS 16.0对数据进行相关分析,进一步了解土壤重金属的污染来源。【结果】①太原市农田土壤中重金属量分布差别较大,Cr、Cd、As、Hg和Pb均值分别为68.38、0.121、8.59、0.08、24.23 mg/kg,均未超过《绿色食品产地环境质量》(NY/T 391—2013)中的规定,但其平均值均显著高于太原市土壤背景值。②单项污染指数值由大到小顺序为Hg(2.36)>Pb(1.76)>Cd(1.57)>Cr(1.19)>As(1.12)。其中,Hg、Pb和Cd主要受工业生产、污水灌溉、燃煤、农药化肥施用和交通运输等人为因素的影响,As和Cr主要受成土母质和农业活动的影响。③太原市农田土壤内梅罗综合指数为2.14,呈中度污染。7个县区农田土壤内梅罗综合指数由大到小依次是晋源区(4.17)>小店区(2.98)>尖草坪区(2.13)>清徐县(2.07)>阳曲县(1.71)>娄烦县(1.67)>古交市(1.57)。重金属空间分布图可以直观看出土壤重金属空间分布和污染情况,在工业发达和人口密集的城郊晋源区、小店区、尖草坪区和清徐县,农田土壤为重度污染和中度污染,远离太原市市区的阳曲县、古交市和娄烦县农田土壤为轻度污染。【结论】太原市农田土壤总体呈中度污染,Hg和Pb单项污染指数最高,重金属污染较严重的区域集中在太原市城郊晋源区、小店区、尖草坪区和清徐县,今后工作中应加强对太原市城郊污染较重区域农田土壤重金属重点监测,尤其是Hg和Pb,以确保土壤健康和可持续利用。     

基于改进的BP神经网络对蓄水坑灌冬季果园土壤温度预测

为准确预测冬季果园土壤温度,建立了蓄水坑灌条件下BP神经网络土壤温度预测模型(BP-WSPI-T)、遗传算法优化的BP神经网络土壤温度预测模型(GA-WSPI-T)和增量逆传播学习算法优化的BP神经网络土壤温度预测模型(IBP-WSPI-T),采用坑内平均气温、地表温度、沿相邻两蓄水坑中心连线距坑壁的距离和距坑壁5cm处分层土壤最低温度为模型输入,对距坑壁15、25和35cm处分层土壤最低温度进行预测,并通过与田间实测数据的统计学分析来判定预测效果。结果表明:BP-WSPI-T、GA-WSPI-T和IBP-WSPI-T模型的平均相对误差分别为8.19%、4.41%和7.57%,GA-WSPI-T模型的预测效果最好,较BP神经网络预测精度得到了很大的提高,建议采用GA-WSPI-T模型对蓄水坑灌冬季果园土壤温度进行预测。     

覆膜沟灌下施氮量对土壤水盐分布和向日葵产量的影响

通过对施氮水平的控制,研究农田土壤水盐分布和向日葵的产量变化规律,为改善盐碱地作物生长环境,增加产量提供有效的理论依据。选取大同盆地,采用覆膜宽垄沟灌(G)和水平畦灌(Q)2种耕作灌溉方式,设置3种施氮水平,施氮量分别为156kg/hm^2(N1)、260kg/hm^2(N2)、364kg/hm^2(N3),以平作不施氮(QN0)为对照组,五氧化二磷和氧化钾用量分别45.7和54.84kg/hm^2。灌溉定额为340mm。结果表明:在不施氮条件下,沟灌垄上0~40cm电导率EC1∶5比水平畦灌电导率低15%~30%,沟中0~40cmEC1∶5比水平畦灌低40%~50%。40cm以下土层,沟灌土壤垄上和沟中EC1∶5比水平畦灌低20%~40%。而在施氮条件下,沟灌垄上0~40cm表层EC1∶5和水平畦灌差异不显著(p<0.05),但随着施氮量的增加,二者表层EC1∶5都略微增加,沟灌沟中0~40cmEC1∶5较水平畦灌低40%~60%。40cm以下沟灌沟中EC1∶5比畦灌低40%左右。在相同的灌水量下,沟灌沟中0~40cm表层含水率低于垄上覆膜表层含水率,而在整个生育期内除了降雨影响外,覆膜沟灌含水率均在10%~23%,与不施氮处理差异不显著(p<0.05)。采用260kg/hm^2的施氮时,向日葵生长最优,盘径22.5cm、千粒重192.30g、籽粒产量4893.8kg/hm^2。综上分析,采用覆膜沟灌且施氮量在260kg/hm2左右能改善土壤水盐状况,提高作物产量。     

磁絮凝深度处理生活污水

为改善生活污水的出水水质,采用磁絮凝技术处理经常规工艺处理后的生活污水处理厂的二沉池出水,通过单因素和正交实验,研究确定磁絮凝技术深度处理生活污水的最佳反应条件。结果表明,磁絮凝在pH为8,磁粉、PAC、PAM投加量分别为100、40、0.5mg/L,按磁粉、PAC、PAM的顺序投加,可达到最优条件。在此运行条件下,出水COD、SS、TP的去除率分别为89%、97%、74%,均能达到一级A标准。该技术中磁絮凝体沉降速度快、含水率低且可回收利用,可为生活污水的提标改造提供参考。磁絮凝技术出水水质好的原因在于磁吸引力和表面电荷的共同作用。     

深层灌水条件下基于BP人工神经网络方法的冬小麦根系分布预测模型

对冬小麦实施深层灌水是一种高效的节水灌溉方式,为了简化深层灌水条件下冬小麦根系研究工作,建立了以土层深度、发育时间、土层根系日均吸水量、土层日均温度、地上部干重、株高为输入因子,土层根系密度为输出因子的BP人工神经网络预测模型。研究结果表明:在所建立的预测模型下,训练样本各土层根系密度预测值与实测值之间平均相对误差为5.92%,检验样本的平均相对误差为7.30%,训练样本和检验样本都具有较高的精度,因此以该模型对深层灌水条件下冬小麦根系分布情况进行预测是可行的,可为深层灌水条件下冬小麦的根系研究提供新方法。     

生物质能-太阳能联合供暖系统在北方农村的应用研究

为了改善北方农村地区冬季供暖效果,文章以太阳能与生物质能联合供暖系统为基础,山西省吕梁市归化村100 m^2的农村住宅为实验平台,通过对供暖季系统运行状态的实时监测,数据的采集整理,并与太阳能加辅助电加热供暖系统进行比较得出本系统良好的热舒适性及节能性。实验表明,太阳能与生物质能联合供暖下房间各时段平均温度维持在17.3℃～17.5℃且波动不超过±0.5℃。比较了常见辅助热源的经济效益,并计算了本系统的环境效益,对本系统在北方农村地区的应用与推广提供了理论依据。     

不同坡度下摆杆式测流仪量水特性的研究

灌区精准量水是实现水资源可持续发展的关键所在,针对明渠测流技术提出了一种基于摆杆摆动角度与渠道过水断面瞬时流量之间关系的明渠测流方法。为了研究不同坡度下摆杆式明渠测流装置的测流特性,利用摆杆式测流仪器在D50 U型渠道上进行测流试验,并结合量纲分析法对试验结果进行处理,研究表明:摆杆式明渠测流仪摆动角度θ与渠道过水断面瞬时流量Q之间关系为:Q=K(L sinθ)5/2,在坡度为1/500、1/1 000、1/2 000、1/5 000与1/10 000的D50 U型渠道中线性相关性良好,测量精度可以满足明渠测流要求。     

改进人工蜂群算法在平板闸门控流中的应用

我国灌区的渠道灌溉大都使用平板闸门,灌溉过程中,由于平板闸门的控水不够精确,导致灌溉用水利用率不高,经常出现放水过多或过少的现象。渠道灌溉系统中,最重要的一环就是流量控制,若流量大小已知,便可根据时间计算水量。为了能够更加精确地控制流量,减少水资源的浪费,通过采用改进的人工蜂群算法对控制闸门流量的过程进行优化,根据用户给定的流量计算出闸门开度的适当大小,以使得实际流量与给定流量的差值降到最低。通过建立模型,计算仿真,并对结果进行分析后,改进的人工蜂群算法满足控制所需精度和速度,实现了精确控制水流量,达到节约用水的目的。     

微润灌溉条件下不同交替周期对室外辣椒生长的影响研究

为了探究微润交替灌溉前提下不同交替周期对大棚辣椒生长发育的影响,该试验在1m压力水头前提下,设置4d交替周期(A处理)、8d交替周期(B处理)、持续不间断(C处理)3个不同处理,并设置普通灌溉(D处理)作为对照,通过分析辣椒生长过程中的土壤含水率、茎粗、株高等指标以期得到不同微润灌溉周期对作物生长的影响。研究结果显示:微润灌溉处理组的植株生长指标和生产量均高于普通灌溉组,其中灌溉水分生产率分别为普通灌溉组的2.13、2.09和1.35倍,其中4d交替周期处理的灌溉水分生产率最高。