基于SUFI-2参数最适置信区间的参数优化方法结果对比分析

研究水文模型参数置信区间对于径流模拟的影响,对SWAT模型校准应用具有重要意义.将麻城市举水河流域作为研究区域,选取1953-2006年(1995-1996年为预热期,1997-2000年为率定期,2001-2004年为验证期)的月径流实测资料,并采用SUFI-2方法识别出敏感性参数的置信区间进行模拟,比较参数置信区间影响前后的3种优化算法(GLUE、PSO、Parasol)径流结果并进行适用性分析.结果表明:初次模拟仅SUFI-2算法符合模拟精度要求,但模拟精度不高,GLUE、PSO、Parasol算法不满足精度要求;采用参数最适置信区间后二次模拟模型的精度大大提高,GLUE、Parasol算法均满足R2>0.7,NSE>0.7,表明此时模型模拟效果较好,相较于SUFI-2算法更适用于本研究区域;故选择适宜的优化参数方法前,可先采用SUFI-2方法获取适宜参数置信区间,在此基础上进一步进行参数率定,可提高参数率定的精度.     

SWAT模型参数自动校准方法对比及适用性研究——以泾河中上游地区为例

应用SWAT 2012模拟泾河中上游流域的月径流量,并结合SWAT-CUP中的Parasol、SUFI-2、GLUE和PSO等4种参数优化算法对模型参数校准,并进行对比及适用性分析。结果表明:4种算法均能满足模拟精度要求,月径流模拟纳什系数(NS)和决定系数(R2)均在0.6以上,且GLUE和SUFI-2算法参数优化后模型模拟精度更高。GLUE算法优化后模型在校准期NS和R2分别为0.84和0.76,验证期为0.85和0.78;SUFI-2算法优化后模型在校准期NS和R2分别为0.81和0.67,验证期为0.86和0.70。如果条件允许,GLUE算法更适合较复杂的流域;SUFI-2算法可以缩短优化时间,但精度略低,因此更适合径流变化情况相对简单的流域。Parasol算法和PSO算法模拟历时长,精度较低,不适用于本流域参数优化,但PSO算法对于双峰径流模拟效果较好,较适用于有春汛出现的地区。     

改进粒子群优化（MPSO）算法在动

基于在水资源不充足的情况下，对都江堰灌区六大渠干水资源的合理分配，使农业效益达到最大。首先建立灌区优化配水模型，并将粒子群优化算法（PSO）及其改进的算法应用于该模型。分别对标准PSO、两种改进PSO（MPSO）算法与遗传算法进行仿真对比，结果显示采用PSO算法及其MPSO在农业经济效益上可获得更好的寻优效果，提高了水资源的利用率。     

CERES-Rice模型中宜香3728水稻遗传特性参数调试与校验

利用在湖北省房县所开展的两年（2012、2013年）田间试验,对水稻品种宜香3728在CERES-Rice模型中的遗传特性参数进行了调试与校验。首先,根据2013年田间实测数据,如关键生育期及其叶面积指数、地上部干物质量和产量等,采用“GLUE+试差法”对宜香3728的遗传特性参数进行了调试。当达到设定的误差控制标准时（10%以内）,停止调试,并将此时模型中的遗传特性参数作为调试结果。然后,再应用2012年实测数据对此组遗传特性参数进行校验。模型模拟值与田间实测值之间的对比关系表明此组遗传特性参数基本准确,可用于表征宜香3728水稻品种在房县的遗传特性。研究成果为利用CERES-Rice模型在房县及周边同类地区开展相关研究工作奠定了基础,同时也可为CERES-Rice模型在其他地区的本地化应用提供借鉴。      

基于PSO-PID的拖拉机线控液压转向控制研究

PID控制是典型的控制系统,其核心内容是PID参数优化。为解决拖拉机线控液压转向PID控制参数优化时不能确保得到最佳性能且耗时长的问题,课题组采用了理论分析法及仿真实验法,对线控液压转向系统的模型进行了仿真分析,基于粒子群算法（PSO）优化了PID参数,提出了PSO-PID控制器,并将其控制结果与标准PID进行对比,得出了使整个PID系统性能优异的优化结果。仿真结果表明,PSO算法有效提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优。     

基于改进粒子群的土壤水分特征曲线参数优化研究

土壤水分特征曲线是研究土壤水分运动的重要参数,Van Genuchten方程是目前广泛应用的土壤水分特征曲线方程。由于该方程参数较多,人工调节参数繁琐复杂,应用优化算法实现参数自动调节成为首选。分别采用遗传算法(GA)、粒子群算法(PSO)和改进粒子群算法(CMOPSO)对方程进行参数寻优,对比3种算法的收敛速度、所需迭代次数和算法稳定性。结果表明:3种算法的参数模拟精度均较好;改进粒子群算法的全局搜索能力和收敛速度优于遗传算法与粒子群算法,且所需迭代次数最少,适合VG方程的参数寻优。     

基于杂交PSO算法的直线电机伺服参数优化

伺服参数整定是影响直线电机系统控制性能优劣的关键因素,针对其参数难以整定的问题,提出一种基于杂交PSO算法的解决方案.通过引入粒子杂交操作,有效增强算法对最优参数的全局搜索能力,并且其收敛速度和精度得到提升.仿真结果表明,应用杂交PSO算法对电机系统数学模型的伺服参数进行整定优化效果明显.对比标准粒子群算法与文献改进粒...     

免疫粒子群算法及其在水库调度图优先控制线优化中的应用

免疫粒子群优化算法（IA-PSO）是将免疫进化算法（IEA）中的免疫信息处理机制引入到粒子群优化算法（PSO）中,利用其特有的免疫记忆机制、浓度选择机制以及免疫接种的原理,改进PSO算法的全局寻优能力,提高收敛速度。利用IA-PSO算法优化水库调度图优先控制线,结果表明：IA-PSO算法收敛速度快,能够收敛到全局最优解。     

混沌粒子群微分进化算法及其在水库发电优化调度中的应用

粒子群优化算法（PSO）与微分进化算法（DE）都是有效的基于群体智能的全局优化算法,但它们都容易过早收敛,陷入局部最优。针对以上问题,提出了混沌粒子群微分进化算法（CPSO—DE）,该算法引入可变的惯性权重和学习因子,以基于logical映射的混沌序列代替标准PSO中的随机序列来对粒子群进行初始化,同时将微分进化算法（DE）中的变异、交叉和选择思想引入标准PSO算法中,改变标准PSO算法单一的进化策略,在全局范围内搜索最优解。作为实证的需要,通过对水库优化调度所存在问题的分析,建立了基于CPSO-DE算法的水库优化调度数学模型与求解算法,并以某水库实际运行数据进行计算,结果表明CPSO-DE算法具有较好的全局最优解,验证了CPSO—DE算法的可行性与健壮性。     

基于PEST的MODFLOW-HYDRUS耦合模型参数优化

为实现饱和、非饱和带水分运动耦合模型参数的有效率定,以内蒙古河套灌区永联试验区的地下水位、土壤含水率实测数据为基础,选用MODFLOW-HYDRUS耦合模型,采用试错法与PEST优化算法相结合的方法,对水文地质参数和土壤水力参数进行优化。优化结果表明:通过PEST算法进行参数优化后,耦合模型模拟精度有所提高,决定系数提高了2%~35%,纳什系数提高了6%~11.3倍,均方根误差减小了5%~20%,标准化均方根误差减小了5%~20%。其中验证期土壤含水率的各项评价指标提高或减小的幅度均为最大,决定系数、纳什系数、均方根误差和标准化均方根误差变化幅度分别为35%、11.3倍、20%和20%。     

Influence of likelihood function choice for estimating crop model parameters using the generalized likelihood uncertainty estimation method

Proper estimation of model parameters is required for ensuring accurate model predictions and good model-based decisions. The generalized likelihood uncertainty estimation (GLUE) method is a Bayesian Monte Carlo parameter estimation technique that makes use of a likelihood function to measure the closeness-of-fit of modeled and observed data. Various likelihood functions and methods of combining likelihood values have been used in previous studies. This research was conducted to determine the effects of using previously reported likelihood functions in a GLUE procedure for estimating parameters in a widely-used crop simulation model. A factorial computer experiment was conducted with synthetic measurement data to compare four likelihood functions and three methods of combining likelihood values using the CERES-Maize model of the Decision Support System for Agrotechnology Transfer (DSSAT). The procedure used an arbitrarily-selected parameter set as the known “true parameter set” and the CERES-Maize model to generate true output values. Then synthetic observations of crop variables were randomly generated (four replicates) by using the simulated true output values (dry yield, anthesis date, maturity date, leaf nitrogen concentration, soil nitrate concentration, and soil moisture) and adding a random observation error based on the variances of corresponding field measurements. The environmental conditions were obtained from a sweet corn (Zea mays L.) experiment conducted in 2005 in northern Florida. Results showed that the method of combining likelihood values had a strong influence on parameter estimates. The combination method based on the product of the likelihoods associated with each set of observations reduced the uncertainties in posterior distributions of parameter estimates most significantly. It was also found that the likelihood function based on Gaussian probability density function was the best among those tested. This combination accurately estimated the true parameter values, suggesting that it can be used when estimating CERES-Maize model parameters for real experiments.     

基于双参数和粒子滤波同化算法的夏玉米单产估测

为了提高河北省中部平原夏玉米的估产精度和进一步验证粒子滤波同化算法对农业作物估产的适用性,采用粒子滤波算法同化CERES-Maize模型模拟和MODIS数据反演的叶面积指数(Leaf area index,LAI)、条件植被温度指数(Vegetation temperature condition index,VTCI),应用随机森林回归算法确定夏玉米不同生育时期LAI和VTCI的权重,构建单产估测模型。结果表明,无论是单点尺度还是区域尺度,同化的LAI和VTCI均能较好地响应外部观测数据,同化LAI可减缓CERES-Maize模型模拟LAI的剧烈变化;同化VTCI结合模型模拟和遥感观测,更能反映夏玉米对水分胁迫的敏感性。利用2015年河北省中部平原各县(区)夏玉米产量对较优估产模型进行精度验证,结果表明,同化前后夏玉米产量模拟结果与统计产量间的归一化均方根误差由12.71%下降到10.50%,平均相对误差由12.57%下降到8.43%,说明基于同化LAI和VTCI构建的双参数单产估产模型可用于区域夏玉米单产估测。     

Simulating water content, crop yield and nitrate-N loss under free and controlled tile drainage with subsurface irrigation using the DSSAT model

In southwestern Ontario, rain-fed crop production frequently fails to achieve its yield potential because of growing-season droughts and/or uneven rainfall distribution. The objective of this study was to determine if the Decision Support System for Agrotechnology Transfer (DSSAT) v4.5 model could adequately simulate corn and soybean yields, near-surface soil water contents, and cumulative nitrate-N losses associated with regular free tile drainage (TD) and controlled tile drainage with optional subsurface irrigation (CDS). The simulations were compared to observations collected between 2000 and 2004 from both TD and CDS field experiments on a Perth clay loam soil at the Essex Region Conservation Authority demonstration farm, Holiday Beach, Ontario, Canada. There was good model-data agreement for crop yields, near-surface (0-30 cm) soil water content and cumulative annual tile nitrate-N loss in both the calibration and validation years. For both TD and CDS, the CENTURY soil C/N model in DSSAT simulated water content and cumulative tile nitrate-N loss with normalized root mean square error (n-RMSE) values ranging from 9.9 to 14.8% and 17.8 to 25.2%, respectively. The CERES-Maize and CROPGRO-Soybean crop system models in the DSSAT simulated corn and soybean yields with n-RMSE values ranging from 4.3 to 14.0%. It was concluded that the DSSAT v4.5 model can be a useful tool for simulating near-surface soil water content, cumulative tile nitrate-N losses, and corn and soybean yields associated with CDS and TD water management systems.     

基于水分胁迫系数的枣树园土壤含水率估算

为了实现黄土高原地区滴灌条件下枣树园土壤含水率的小范围快捷监测,根据FAO-56水分胁迫系数的定义和相关计算公式,得到了基于土壤水分胁迫系数的黄土高原地区滴灌条件下枣树根层土壤平均含水率估算公式．2009年4-9月将该公式应用于西北农林科技大学陕西米脂孟岔试验站的枣树试验园,配置了3种不同的土壤含水率控制下限,对枣树2个重要生育期的土壤含水率进行了估算,模拟了水分动态变化过程,并对估算值和实测值进行对比和误差分析．结果表明:采用基于FAO-56水分胁迫系数的计算公式对土壤含水率的动态模拟达到了较高的精度,估算值与实测值之间误差较小:其中开花坐果期各处理(灌水下限为60％,50％,40％的田间持水率)的估算值与实测值之间的相关系数分别为0828 0,0907 3,0935 1;标准误差分别为0055,0093,0068．果实膨大期各处理的相关系数分别为0777 2,0766 7,0905 5;标准误差分别为0057,0092,0079．估算值与实测值之间的相关系数随土壤含水率的增大而减小,随土壤水分胁迫程度的增大而增大,即土壤含水率较高时对公式精度有一定的影响．该方法较适用于黄土高原半干旱地区,对农业用水管理具有一定参考价值．     

基于小波能量系数和叶面积指数的冬小麦生物量估算

生物量是评价作物长势及产量估算的重要指标,科学、快速、准确地获取生物量信息,对于监测冬小麦生长状况以及产量预测等具有重要意义。以冬小麦为研究对象,通过相关性分析,选取相关性较好的小波能量系数,同时耦合叶面积指数,基于支持向量回归算法、随机森林算法、高斯过程回归3种算法构建冬小麦生物量估算模型。结果显示,基于小波能量系数,分别利用支持向量回归算法、随机森林算法、高斯过程回归进行生物量估算,4个生育期的验证R2分别是0.55、0.40、0.39;0.75、0.70、0.83;0.84、0.92、0.93;0.84、0.89、0.85。表明高斯过程回归模型估算精度最优。叶面积指数耦合小波能量系数,利用支持向量回归算法、随机森林回归算法、高斯过程回归进行生物量估算,4个生育期的验证R2分别是0.76、0.73、0.77;0.76、0.72、0.84;0.87、0.94、0.94;0.85、0.90、0.91。表明高斯过程回归算法估算精度最优,并且在一定程度上能够克服冠层光谱饱和现象,提高模型估算精度。以小波能量系数和叶面积指数为输入变量结合高斯过程回归算法建立冬小麦生物量估算模型,可以提高生物量估算精度,为基于遥感技术的作物参数快速估算提供参考。     

Irrigation crop coefficients for lowland rice

Meteorological and lysimetric data for a period of nine years were used to develop crop coefficients for rice grown under lowland conditions in a sub-humid tropical climate in India. The estimated crop coefficients were found to be higher than those values recommended by FAO. A crop coefficient model with basal coefficient, moisture availability coefficient and surface wetness coefficient terms has been proposed and found suitable. On most counts, the moisture availability coefficient was found to be near unity and the wetness coefficient was found to be significant. The basal crop coefficients for lowland rice have also been presented for practical use with the proposed models.     

基于特征优选的多时相SAR数据水稻信息提取方法

多时相合成孔径雷达(Synthetic aperture radar, SAR)数据可为水稻提取提供丰富信息,在多云多雨地区对水稻识别和监测具有独特优势。但过多特征变量的加入,一定程度上造成“维数灾难”及信息冗余,因此,本文提出一种基于多时相后向散射特性及干涉相干性优选特征的水稻提取方法。基于研究区水稻生长周期的多时相Sentinel-1 SAR数据,构建后向散射系数和干涉相干系数特征集,利用ReliefF算法对特征重要性进行排序,同时采用JM距离确定最优特征数目完成最优特征选择,结合随机森林分类算法对研究区水稻进行提取及精度评价。结果表明：基于优选特征提取水稻面积相对误差为4.96%,总体精度达到92.48%,Kappa系数为0.90;从优选特征剔除干涉相干特征提取的水稻面积相对误差增加2.39个百分点,总体分类精度和Kappa系数分别降低4.03个百分点、0.06,说明干涉相干性有利于水稻信息提取。基于多时相后向散射特性及干涉相干性的特征优选减少了数据冗余,提高了运算效率,可实现大范围高精度水稻提取。     

基于气温预报和HS公式的不同生育期参考作物腾发量预报

根据南京站2001-2011年实测气象数据,以Penman-Monteith(PM)公式计算得到的参考作物腾发量ET0值作为基准值,对仅需要气温数据计算参考作物腾发量的Hargreaves-Samani(HS)公式进行参数率定,采用率定后的HS公式依据2012年6月-2015年6月气温预报数据对南京水稻、冬小麦不同生育期未来1~7d的ET0进行预报,并与基于实测气象数据的PM法计算的ET0值进行比较,评价HS法的ET0预报精度。结果表明:最低、最高气温实测值与预报值相关系数分别为0.97和0.93,最低气温预报精度略高于最高气温;预见期1~7d内,水稻、冬小麦不同生育期ET0预报值与PM法计算值变化趋势基本一致,整个生育期内冬小麦ET0预报值与PM法计算值吻合程度更好,水稻、冬小麦相关系数分别达0.60、0.80左右;水稻各生育期平均准确率为66.0%~97.5%,平均绝对误差为0.65~1.22mm/d,均方根误差为0.76~1.42mm/d,冬小麦各生育期平均准确率为75.4%~99.5%,平均绝对误差为0.33~1.06mm/d,均方根误差为0.43~1.23mm/d;作物生育期各阶段对气温预报误差越敏感,ET0预报精度越低,随着生育期的推进,水稻对气温预报误差的敏感程度逐渐减小,相应的ET0预报精度逐渐增加,而冬小麦反之;但整体上预见期1~7d的气温预报及ET0预报精度达到可利用程度,可为快速灌溉预报及灌溉决策提供数据支撑。     

基于PROSAIL模型的夏玉米叶绿素含量垂直分层模拟

为了给精准施肥灌溉及病虫害防治等提供基础数据支撑,开展以作物垂直分层叶绿素监测的模拟研究.于2019—2020年进行了不同施氮水平下夏玉米叶绿素含量与光谱反射率监测试验,并模拟了夏玉米叶绿素含量垂直分层规律.结果表明:夏玉米的叶绿素含量随着冠层深度的增加呈侧放的铃型;利用叶绿素最敏感波段699~722 nm的反射率构建夏玉米叶绿素模拟代价函数,实现了基于PROSAIL的夏玉米叶绿素含量垂直分层模拟;综合分析不同生育期各层叶绿素的估算精度,在平均叶绿素模拟相对误差RE控制在45%范围内基础上,进一步厘清了夏玉米叶绿素垂直分层模拟效果,即第1层叶片在抽雄期与灌浆期、其他层在全生育期模拟的决定系数R²在0.114 5~0.799 3,均方根误差RMSE在2.41~12.13 μg/cm²,相对误差在9.67%~98.22%.相关研究结果可为作物叶绿素垂直分层模拟应用提供理论与技术支持.     

干旱区玉米滴灌需水规律的田间试验研究

在内蒙古干旱区的一种砂土及砂质壤土上 ,对玉米滴灌需水规律进行了田间试验研究。试验设置高灌水定额 ( 3 0～ 40 mm)、中灌水定额 ( 2 0～ 3 0 mm)和低灌水定额 ( 1 5～ 2 5 mm ) 3个处理 ,灌水周期相同 ,在需水高峰期为 3 d,其它时间为 4～ 7d。试验结果表明 ,中灌水定额处理的株高、叶面积和产量均明显高于低灌水定额处理 ,而高灌水定额与低灌水定额处理之间差异很小。因此对所研究土壤来说 ,建议采用灌水定额 2 0～3 0 mm,灌水周期 3～ 5 d的灌溉制度。这种情况下 ,玉米生育期需水量为 466mm (生育期有效降雨 1 0 1 .1mm)。对滴灌玉米作物系数的计算方法进行比较后发现 ,双作物系数法可以较好地描述灌水或降雨后地表蒸发对作物腾发的影响 ;在作物生育中期 ,分段单值平均法、双作物系数法的计算结果与实测值吻合良好。