我国北方春季土壤水分动态模拟预报模式的试验研究

利用土壤水分平衡参数模拟的方法,建立了我国北方春季土壤水分动态模拟预报模式,包括作物根区(1m 土层)及其分层(0～30,30～50,50～100cm)动态模拟预报模式,并确定了各项参数的计算方法。通过1989～1990年冬小麦地的检验和试用,都得出了满意的结果。     

果树的灌溉预报模型

本文应用土壤水分运动方程的一维数值解模拟果园的土壤水分动态,根据土壤水分的动态进行灌溉的预报。结果表明,灌溉的预报基本符合实际情况,所以该模型在生产上有实用价值。     

北方夏玉米农田土壤水分预测模型的研究

【目的】检验和比较4个夏玉米农田土壤水分预测模型的预测精度。【方法】根据农田土壤水分平衡原理,建立北方夏玉米农田土壤水分预测模型,其中潜在蒸散量子模型分别用国内彭曼修正式(简称国内法)和FAOPenman-Monteith(简称FAO法)方法,作物发育期子模型分别用多年平均发育期法和积温法。用2002年6~9月中国气象局农业气象试验基地的21个不同水分处理小区的夏玉米全生育期观测资料(包括土壤湿度、作物发育期、气象和灌溉等资料),对模型进行检验和比较。【结果】在土壤湿度中等和较低的情况下,土壤水分预测模型中潜在蒸散量子模型采用国内法对不同预测时效下夏玉米农田土壤水分的平均预测精度高于FAO法,而在土壤湿度较高的情况下则反之;国内法和FAO法在不同预测初始日期下,对所有试验小区土壤水分的平均预测精度均随着预报时效的增加而降低。土壤水分预测模型中,作物发育期子模型采用积温法或多年平均发育期法均可对北方地区夏玉米农田土壤水分进行预测,两者对0~100 cm土层土壤水分预报的最大绝对差值小于5 mm。【结论】土壤水分预测模型中潜在蒸散量子模型采用国内法对夏玉米农田土壤水分的预测精度高于FAO法;土壤水分预测模型中作物发育期子模型采用多年平均发育期法和积温法对夏玉米农田土壤水分的预测精度基本相同。利用该模型还可对北方夏玉米农田进行灌溉预报和排渍预报。     

鲁中地区作物系数确定及土壤水分预报模型研究

通过土壤水分平衡方程对鲁中地区平原和山区两种地形冬小麦和夏玉米的作物系数进行修正,建立了理论模型和统计模型,并进行了回代和预报对比分析。结果表明:鲁中地区冬小麦、夏玉米生育阶段作物系数山区较平原低,最大值分别出现在拔节至乳熟、拔节至抽雄阶段;两种模型多数时段回代和预报绝对均方根误差均在5 mm内,相对均方根误差基本在2%以内;两种模型对平原地区土壤水分的回代和预报效果接近,统计模型误差略偏小,对山区的回代和预报效果多数时段统计模型偏好;模型对平原土壤水分的预报效果较山区好。综上所述,统计模型基本能用于实际业务中,但其稳定性和机理机制仍需深入研究。     

土壤水分模拟与墒情预报模型研究进展

土壤墒情预报是在土壤水分模拟模型的基础上对农田耕作层土壤水分的增长和消退程度所进行的预报。墒情预报是灌溉预报的基础,对于水资源短缺条件下农田水分的合理调控具有重要意义。墒情预报模型可以分为确定性模型与随机性模型两大类,其中确定性模型包括水量平衡模型、土壤-植物-大气连续体(SPAC)水分传输模型、SPAC水热耦合传输模型等,随机性模型包括数理统计模型(包括回归模型、时间序列模型、人工神经网络模型等)、随机水量平衡模型与随机土壤水动力学模型等。本对各类墒情预报模型进行比较,并对其发展趋势进行了展望。     

时序模型在四川盆地土壤水分动态预报中的应用

针对土壤水分含量的非平稳随机特性,建立了预报丘陵旱坡地土壤水分动态的季节性时序模型.用该模型对0～30cm和20～30cm土层的水分含量长期预报进行了探讨,结果表明,该方法所得的理论预报结果与实测数据吻合较好.     

时序模型在四川盆地土壤水分动态预报中的应用

针对土壤水分含量的非平稳随机特性,建立了预报丘陵旱坡地土壤水分动态的季节性时序模型。用该模型对0－30cm和20－30cm土层的水分含量长期预报进行了探讨,结果表明,该方法所得的理论预报结果与实测数据吻合较好。     

土壤水分模拟与墒情预报模型研究进展

土壤墒情预报是在土壤水分模拟模型的基础上对农田耕作层土壤水分的增长和消退程度所进行的预报.墒情预报是灌溉预报的基础,对于水资源短缺条件下农田水分的合理调控具有重要意义.墒情预报模型可以分为确定性模型与随机性模型两大类,其中确定性模型包括水量平衡模型、土壤-植物-大气连续体(SPAC)水分传输模型、SPAC水热耦合传输模型等,随机性模型包括数理统计模型(包括回归模型、时间序列模型、人工神经网络模型等)、随机水量平衡模型与随机土壤水动力学模型等.本文对各类墒情预报模型进行比较,并对其发展趋势进行了展望.     

土壤水分运动方程与参数研究进展

概括了非饱和土壤水分运动方程的研究进展以及为预报非饱和土壤水分运动获得土壤水分运动参数的方法,并提出土壤水分运动研究将以计算机模型、数值模拟、自动测定装置等工具为发展趋势。     

黑龙江省土壤水分分区与预报

为客观分析黑龙江省土壤水分的特点,以有效利用水资源,实现农业增产,利用黑龙江省32个气象站1981～2009年3～10月降水量、蒸发量、日照时间等气象资料和3～10月逢8观测的土壤重量含水率资料,对黑龙江全省进行土壤分区和土壤水分预报。结果表明:土壤水分的散失与降水、日照、风速等气象条件的变化有较大关系。利用模糊聚类法,划分出黑龙江省5个土壤水分分区;并尝试用逐步回归法建立了春季土壤水分预报方程,经试验预报准确率较高。     

土壤含水率对近红外传感器标定模型的响应研究

为提高近红外传感器测量的准确度,进一步理解不同标定模型对土壤含水率测量精度的影响。利用土壤表面的近红外反射光强来预测土壤含水率,通过归一化处理将反射光强转化为相对吸收深度和相对反射率,采用2种标定方法,分别建立土壤含水率与相对吸收深度之间及土壤含水率与相对反射率之间的线性模型与非线性模型。选取我国东北地区的黑土进行标定,并用独立的试验数据对模型进行检验。结果表明,吸收深度法的线性和非线性模型的预测值和实测值符合度较好。反射率法的线性模型和非线性模型对土壤的含水率预测均方根误差(RMSE)分别为2.89%和2.95%,相对吸收深度法非线性模型的RMSE值明显大于其他3种模型,预测准确度最低。说明不同标定方法会影响土壤含水率的预测结果。4种模型的预测精度能够满足测量要求。     

基于高光谱的土壤含水率预测模型

为定量分析土壤含水率与反射光谱特征之间关系，以便为土壤含水率速测提供理论依据。以安徽省阜阳市临泉县为研究区，以区域典型土壤类型—砂姜黑土为研究对象，将土壤样本分别过10和20目的尼龙筛，并设置土壤含水率梯度实验。采用9点移动平滑法结合一阶微分、反射率对数及其一阶微分三种数学变换方法对光谱曲线进行预处理，分析不同目数、不同含水率下的光谱特性差异；拟合分析变换后的样本光谱数据与含水率相关性，提取特征波段，建立土壤含水率多元线性回归预测模型。结果表明：对4种不同土地利用类型的砂姜黑土样本的反射率数据进行对数一阶微分变换后，土壤含水率和光谱数据的相关性明显提升，根据数学变换后提取的特征波段建立的多元线性回归预测模型的预测精度最好；光谱反射率与水分含量呈负相关关系；土壤光谱法反演水分含量时，基于过10目筛的土壤样本建立的预测模型拟合精度要优于过20目筛的土壤样本，R²最高为0.928。研究结果可以为精准农业管理提供极为关键的参数支撑。     

土壤墒情预测模型对比

为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。     

基于物联网和LSTM的柑橘园土壤含水量和电导率预测模型

目的 构建柑橘果园环境信息物联网实时采集系统，建立基于物联网和长短期记忆(LSTM)的柑橘园土壤含量和电导率预测模型，为果园灌溉施肥管理、效果预测评估提供参考依据。方法 利用土壤温度、含水量、电导率三合一传感器，在柑橘果园中设置5个节点和1个气象站，通过ZigBee短距离无线通信和GPRS远距离无线传输，将果园气象数据和土壤墒情数据传输至远程服务器。利用LSTM模型建立气象数据与土壤含水量和电导率的预测模型，计算均方根误差(RMSE)和决定系数(R²)以进行性能评估。结果 物联网系统能够实现远程传输柑橘果园环境数据，建立了基于LSTM和广义回归神经网络(GRNN)的土壤含水量和电导率预测模型，模型在5个节点的数据集的训练结果分别为：LSTM模型训练的土壤含水量和电导率的RMSE范围分别为6.74~8.65和6.68~8.50，GRNN模型训练的土壤含水量和电导率的RMSE范围分别为7.01~14.70和7.60~13.70。利用生成的LSTM模型和气象数据进行拟合，将土壤含水量和电导率的预测值与实测值进行回归分析，LSTM模型拟合的土壤含水量和电导率的R²范围分别为0.760~0.906和0.648~0.850，GRNN模型拟合的土壤含水量和电导率的R²范围分别为0.126~0.369和0.132~0.268，说明LSTM模型的性能表现较好。结论 建立了柑橘果园环境的物联网信息传输系统，构建的基于LSTM的果园土壤含水量和电导率预测模型具有较高的精度，可用于指导柑橘果园的灌溉施肥管理。     

通用陆面模型CLM3.0在冬小麦-夏玉米农田的参数化方案改进——以海河平原的3个试验站为例

为了准确模拟冬小麦-夏玉米种植制度下的农田土壤墒情,本研究改进通用陆面模型CLM3.0的参数化方案,包括灌溉措施及作物种植制度参数化的加入、土壤厚度及土壤层的剖分修改、作物水文及土壤水文过程的一些参数化修改、考虑作物的株高变化等,在海河平原的3个农业观测试验站(东北旺、栾城、洪门)验证改进后的模型的适用性.结果表明:改进后的CLM3.0模型在冬小麦和夏玉米种植制度下的农田具有较好的适用性,可以抓住各层土壤湿度的变化,与改进前的模型相比,其土壤墒情模拟精度明显提高,2 m土体土壤湿度的均方根误差在东北旺、栾城和洪门试验站分别减少了45.2％、47.1％和51.5％.     

基于BP神经网络的太湖典型农田土壤水分动态模拟

收集太湖典型农田2010年10—12月和2011年3—6月2个时间段的逐日气象资料和土壤水分资料,运用BP(back propagation)神经网络和缺省因子分析法确定影响该地区土壤水分动态的主要气象因子(降水量、蒸发量、平均气温和平均地表温度以及平均风速),以这些主要影响因子作为输入变量建立该地区土壤水分动态模拟的BP神经网络模型。利用100组实测样本对神经网络进行训练,用剩余的64组实测样本进行检验。结果表明:0～14 cm和14～33 cm土壤含水量模拟的平均相对误差(MARE)最大为0.062 9,均方根误差(RMSE)最大为1.764,不同土壤层次的训练样本和检验样本的精度(PA)都在0.87以上。因此,BP神经网络用于太湖典型农田的土壤水分动态模拟是可行的。     

沧州市土壤墒情预报方法研究

结合沧州市实际情况,以冬小麦和夏玉米为典型作物分析沧州市土壤墒情变化特点,揭示沧州区域土壤墒情变化规律和演变趋势;对捷地旱情试验站土壤墒情监测资料进行分析研究,利用P—ρ0—Δρ增墒相关法建立增墒预报方案,利用退墒系数法以及ρt—T—ρ0相关法建立退墒预报方案,探讨适合沧州区域的土壤墒情预报方法,对类似地区相关研究具有重要的推广价值。     

变水头边界条件下土壤水分运动数值模拟

本研究提出了一种变水头条件下一维土壤水分运动数值模拟的边界处理方法，采用隐式差分法对基本方程进行差分离散，用迭代法求解非线性方程。在结合室内实验验证模型可用的基础上，分析了变水头条件下不同土壤初始含水率、不同初始水头高度下土壤水分的运动规律。结果表明，土壤初始含水率和初始水头对水分运动都有较大影响，作者提出的变水头边界处理方法可用于水分入渗历时和湿润锋的预测。     

运用投影寻踪法建立苹果树蒸腾量的预测模型

[目的]运用投影寻踪回归分析法建立苹果树蒸腾量的预测模型,为更方便更好地预测苹果树蒸腾量提供指导。[方法]根据2009年5～9月气象站观测数据,对气温、相对湿度、风速、太阳辐射、大气压、土壤温度、叶温和水面蒸发量进行分析,并应用投影寻踪回归分析法建立了各气象因子与苹果树蒸腾量的预测模型。[结果]气象数据分析表明,大气水势随着气温增高呈减小的趋势,但随着气温降低和湿度增加而增加。气温、净辐射与作物叶水势均呈抛物线关系。随着净辐射的增大,作物消耗的水量增大,叶水势降低。由叶水势与土壤含水率关系可知,当土壤含水率减少时,苹果根系难以吸收到足够的水分,不能满足叶片蒸腾耗水的需求,导致叶片含水量偏低,叶水势也随着下降。苹果叶水势随着土壤含水率的降低而降低。[结论]运用投影寻踪回归分析法建立了气象因子对苹果树蒸腾量的预测模型,且预测精度较高。     

基于采样密度不同土壤的水分特征参数的预测及误差分析

目前土壤水分特征曲线（h-θ曲线）的研究普遍采用vanGenuchten模型（简称VG模型）。利用不同取样精度的土壤,将土壤质地（砂土、粘粒、粉粒含量）和容重作为输入值,探讨了使用基于土壤转换函数的BP神经网络模型来预测0～20cm表层土壤水分特征曲线参数,用甘肃称钩河流域小流域的土样进行了预测和误差分析。结果表明,使用线性回归能够减小预测误差与实测值差距;BP神经网络预测饱和体积含水量的准确性比预测剩余体积含水量和田间持水量要高。为了进一步提高预测精度,还应尽可能地包括土壤结构、有机质含量等信息。