基于BP神经网络的土壤含水量预测

根据一维水平入渗实验5个时刻的土壤含水量剖面,运用BP网络,对土壤含水量的时空变化进行了预测;同时采用数值解法进行对照研究.结果表明,人工神经网络用于土壤含水量的预测时,不需要建立具体的函数模型,设计简便、运算迅速、仿真性强、精确度高,与数值模拟的计算结果具有高度的一致性,且求解更为方便.     

基于特征集成学习的四川省土壤厚度预测

以四川省土壤厚度预测为例，为农业生产与生态环境评价中土壤厚度空间分布图的编制提供方法支持。对比分析了随机森林、分位数回归森林、支持向量机、集成学习模型对连续型土壤厚度的预测精度，并提出了一种基于特征集成学习的土壤厚度类型预测算法。研究结果表明：①四川省土壤厚度具有较高的空间异质性，控制其空间变化的主要地形因子包括谷底平坦综合指数、高程与地形湿度指数；②四川省土壤厚度预测模型的决定系数为0.32~0.47，均方根误差为0.28~0.41 m；③面向连续型土壤厚度预测的集成模型具有较高的预测精度与稳健性，能够充分集成子模型的优势。特征集成学习能够有效集成并融合了连续型土壤厚度预测与离散型土壤厚度类型预测结果，通过减少方差来提高预测结果的稳健性。     

基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例

耕地表层土壤有机质含量与作物生长发育密切相关,掌握土壤有机质空间分布对土壤肥力定向培养和农业生产指导具有重要意义。本研究以河南省辉县市5 922个耕地资源管理单元图斑中心点为基础数据,并分别按8∶2、7∶3、6∶4的比例随机划分训练数据集和验证数据集,以土壤类型作为辅助定性变量,利用随机森林模型模拟预测土壤有机质含量与自然环境变量(坡向、曲率、坡度、高程、土壤质地、归一化植被指数NDVI)、社会经济因子(排水能力、灌溉状况)之间的复杂非线性关系。结果表明:①当训练集与检验集中样点数量的比例为8∶2时,对应的随机森林模型总体上预测精度较高;②选用80%基础数据作为训练集时,预测得到的地图与已有图件相比,相关性达到0.859;③当用303个实地数据验证时,预测值与实测值的皮尔逊相关系数为0.595。通过对影响因子的重要性排序,发现土壤质地是研究区农用地表层土壤有机质含量的最重要影响因子。因此,随机森林模型作为机器学习和数据挖掘的有效方法,能较好地模拟输入变量与有机质含量之间的关系,预测图件与实际情况相符,但对有机质含量精细的差异不能很好体现。     

基于SHAP重要性排序和机器学习算法的灌区渠道调度流量预测

渠道泄水闸能够快速排除灌区入渠洪水,避免渠道漫顶。研究以淠史杭灌区灌口集泄水闸为例,以闸门调度流量为目标变量,以不同时段过去和未来降雨量、泄水闸闸上实时水位及其变化量为特征变量,比较8种机器学习算法的预测精度,同时采用Shapley Additive exPlanations（SHAP）法分析特征变量重要性。结果表明：1）集成学习算法预测评价指标优于传统回归算法,8种机器学习算法中随机森林回归（random forest regression, RFR）算法预测精度最高（训练集均方根误差、平均绝对误差、均方误差及决定系数分别为 0.146 m³/s、0.094 m³/s、0.021 m³/s、0.976;测试集分别为0.306 m³/s、0.197 m³/s、0.093 m³/s、0.931）;2）采用SHAP法确定的特征变量重要性排序表明灌口集泄水闸闸上水位对于泄水闸调度流量的预测结果影响最大,占特征重要性值总和的34.6%;3）以过去6 h降雨量、过去9 h降雨量、未来6 h降雨量、灌口集泄水闸闸上水位作为输入变量的RFR算法预测灌口集泄水闸调度流量效果最佳,模型误差指标为（训练集均方根误差、平均绝对误差、均方误差及决定系数分别为0.126 m³/s、0.080 m³/s、0.016 m³/s、0.982;测试集分别为0.263 m³/s、0.164 m³/s、0.069 m³/s、0.950）,研究结果对灌区防洪调度决策具有重要参考价值。     

喀斯特石漠化地区土壤含水量变化影响因素分析——以贵州省普定县为例

主要对普定典型喀斯特石漠化地区土壤含水量变化的影响因素进行了研究和探讨,简要分析了气象、石漠化、坡度、植被、土壤性状等因素对土壤水分的影响.研究结果表明:降水量是土壤含水量的主要控制因子;土壤含水率与湿度呈正相关,与气温呈负相关;不同发育程度的石漠化样地的土壤含水量大小顺序依次为:潜在石漠化>轻度石漠化>中度石漠化;植被覆盖度与土壤含水量呈正相关;土壤含水量随坡度的增加而减小;土壤含水率与土壤厚度呈正相关;土壤质地对土壤水分入渗能力有一定的影响,但土壤化学性质对土壤含水量影响较小.     

基于随机森林模型的安徽省土壤属性空间分布预测

为探讨随机森林(random forest,RF)模型对土壤属性空间预测的精度,本文以安徽省为例,收集140个土壤样本,利用GIS和RS技术,获取相关的地形因子、遥感植被指数及气候数据,利用RF模型分析土壤有机碳(SOC)含量、土壤容重和土壤黏粒含量与地形因子、遥感植被指数及气候数据之间的关系,并进行空间分布预测。研究结果表明:①RF建模预测中,当节点分裂次数(mtry)值为1,决策树数量(ntree)值分别为100、1 000和100时,获得的SOC含量、土壤容重和土壤黏粒含量RF模型最优;②高程、归一化植被指数(NDVI)、地貌、多尺度山谷平坦指数(MrVBF)和土壤类型是SOC含量的重要预测因子;地貌、年均降水量(MAP)、MrVBF、高程和土壤类型是土壤容重的重要预测因子;高程、MAP、MrVBF和平面曲率是土壤黏粒含量的重要预测因子;③RF模型可以较好地进行土壤属性空间预测,多源环境变量组合可以分别解释SOC含量、土壤容重和土壤黏粒含量的26%、23%和22%;同时RF模型对于土壤类型和地貌等类型变量的处理具有一定优势。研究表明,在大尺度研究区域内,利用RF模型进行土壤属性空间预测有一定的意义。     

基于三种空间预测方法的安庆市耕地土壤速效钾空间分布预测

以安徽省安庆市为研究区,选取环境变量因子(空间位置变量因子、地形变量因子、土壤变量因子、气候变量因子)作为变量因素,通过构建随机森林(Random Forest,RF)模型对研究区耕地土壤速效钾含量进行预测,并与普通克里金(Ordinary Kriging,OK)和反距离权重(Inverse Distance Weig...     

基于随机森林算法的耕地面积预测及影响因素重要性分析——以甘肃省庆阳市为例

[目的]分析耕地面积变化影响因素的重要性,以便科学预测耕地资源数量,为保护耕地资源服务。[方法]以属于黄土高原地区的甘肃省庆阳市为例,尝试采用随机森林算法构建耕地面积预测模型,与BP神经网络模型的预测结果进行对比,并对耕地面积变化影响因素重要性进行排序。[结果]随机森林算法预测结果的相对误差和均方根误差均小于BP神经网络的,预测精度高,结果稳定。它预测出2020,2025,2030年的耕地面积分别为4.515×10~5,4.513×10~5,4.512×10~5 hm~2,呈现减少的趋势;主要影响因素重要程度排序为:农业机械总动力农业人口地区生产总值固定资产投资额。[结论]随机森林算法适合于耕地面积预测,且能够测度耕地面积变化影响因素的重要程度。     

基于多分辨率遥感数据与随机森林算法的土壤有机质预测研究

遥感数据已经在数字土壤制图中得到广泛应用,并且可以一定程度上提高土壤属性预测的精度。本文以榆阳区的黄土丘陵和风沙滩地两种地貌区为例,利用不同分辨率的专题制图仪(thematic mapper,TM)、先进宽视场传感器(advanced wide field sensor,AWIFS)和中等分辨率成像仪(Moderate resolution imaging spectroradiometer,MODIS)的遥感影像数据(分辨率分别为30 m、56 m和250 m)和基于高级热量散射和反射辐射仪全球数字高程模型(advanced spaceborne thermal emission and reflection radiometer global digital elevation model,ASTER GDEM)的地形衍生数据,结合其他影响土壤有机质分布的辅助因子,用随机森林算法(random forest,RF)对表层土壤有机质进行模拟预测,并通过实测数据的百分比抽样对预测结果进行了验证。结果表明,在榆阳区的黄土丘陵区,基于TM数据的土壤有机质预测结果较好;在风沙滩地区,基于AWIFS数据的土壤有机质预测结果较好。基于RF的土壤有机质预测在榆阳区的黄土丘陵区结果较好,三个分辨率下的平均绝对误差在1.27~1.57 g kg-1之间,在风沙滩地区预测精度较低,平均绝对误差在1.46~2.08 g kg-1之间。高程、地理位置和植被是影响黄土丘陵区土壤有机质预测的主要因素,在风沙滩地区,植被、高程和离水源地的距离是影响有机质预测的主要因素。可见,在地貌相对简单的地区进行土壤有机质含量的预测时可以使用较低分辨率的数据代替较高分辨率的数据,同时,RF算法在复杂地貌区的土壤有机质预测更有效。     

基于差异化光谱指数的盐渍土水分含量预测——以滨海盐土为例

以滨海盐土为研究对象,通过添加不同浓度的盐溶液并模拟蒸发过程,获取不同含水、含盐量的土壤样品,并测定土壤光谱和土壤含水量,分别运用光谱指数法和偏最小二乘回归法(PLSR)对土壤含水量进行预测。结果表明：由2027 nm和1878 nm构建的土壤水分差异化光谱指数(NDMI2027,1878)是预测土壤水分的最优指数,且适用于任何等级的盐渍化土壤,其建模集和验证集的预测结果均优于PLSR方法,验证集R2达0.99,RMSE仅为21.84 g/kg,可比较准确地预测盐渍化土壤的含水量。     

辽西半干旱区森林土壤大孔隙特征研究

根据水分穿透曲线和Poiseulle方程,研究了辽西半干旱区8种植被类型下土壤大孔隙的半径范围、个数及分布情况。结果表明,不同植被下土壤大孔隙半径分布在0.5～2.3mm,加权平均半径在0.61～1.85mm,均值为0.95mm,均值为粗通气孔隙标准的近2倍,>1.4mm的特大孔隙仅为大孔隙总数的2.73%,0.5～1.4mm的孔隙占97.27%,表现出大半径孔隙少而小半径孔隙多的特点。不同植被下土壤大孔隙度在0.95%～5.24%,仅占土壤体积很小的一部分,但大孔隙平均半径与稳定出流速率和饱和导水率之间有显著线性相关关系,决定了稳定出流速率71%的变异和饱和导水率50%的变异。     

Removing Moisture Effect on Soil Reflectance Properties: A Case Study of Clay Content Prediction

Visible, near-infrared and shortwave-infrared (VNIR-SWIR) spectroscopy is an efficient approach for predicting soil properties because it reduces the time and cost of analyses. However, its advantages are hampered by the presence of soil moisture, which masks the major spectral absorptions of the soil and distorts the overall spectral shape. Hence, developing a procedure that skips the drying process for soil properties assessment directly from wet soil samples could save invaluable time. The goal of this study was twofold:proposing two approaches, partial least squares (PLS) and nearest neighbor spectral correction (NNSC), for dry spectral prediction and utilizing those spectra to demonstrate the ability to predict soil clay content. For these purposes, we measured 830 samples taken from eight common soil types in Israel that were sampled at 66 different locations. The dry spectrum accuracy was measured using the spectral angle mapper (SAM) and the average sum of deviations squared (ASDS), which resulted in low prediction errors of less than 8% and 14%, respectively. Later, our hypothesis was tested using the predicted dry soil spectra to predict the clay content, which resulted in R² of 0.69 and 0.58 in the PLS and NNSC methods, respectively. Finally, our results were compared to those obtained by external parameter orthogonalization (EPO) and direct standardization (DS). This study demonstrates the ability to evaluate the dry spectral fingerprint of a wet soil sample, which can be utilized in various pedological aspects such as soil monitoring, soil classification, and soil properties assessment.     

墒情监测与预测预报方法研究进展

就墒情监测与预测预报方法研究进行了阐述,分析了墒情监测的意义以及国内外在墒情监测方面的研究动态,重点分析了土壤墒情预测预报模型和各自适用的条件以及各模型应用的不足,同时也分析了土壤墒情监测与预测预报方法研究对促进我国农业灌溉水资源高效利用的重要意义,为我国墒情监测的研究提供一定的理论参考。     

辽西北旱农区的气候特点与土壤墒情调控

辽宁省西北部地区多年降雨量与蒸发量频率分析结果表明，春季抗旱保苗是这一地区发展旱地农业的技术关键。该区湿润系数的经验频率以夏季最高，秋季为85．71％。由于这一地区水资源短缺，发展灌溉困难，这不仅使春季保墒成为必需，也使跨季节调控土壤墒情成为可能。采取的夏深松-蓄集雨水，秋整地-施肥与覆膜保墒，翌年春季适时播种措施，改革栽培与耕作方式，春季保苗效果十分明显，减少了土壤水分的无效蒸发，有效地利用雨水资源，为该区作物高产和农业高效奠定了基础。     

辽宁省生长季CLDAS土壤相对湿度产品的评估检验

基于辽宁省2020年生长季(5-10月)逐日自动土壤水分站观测资料,利用相关系数(r)、均方根误差(RSME)、平均绝对误差(MAE)和偏差(ME)等统计评估指标对0-10cm、0-20cm和0-50cm层次的CLDAS(中国气象局陆面数据同化系统)土壤相对湿度产品在辽宁省的模拟表现进行评估检验,以确定其在辽宁省的适用性。结果表明,3个土壤层次的CLDAS土壤相对湿度模拟结果与观测值在时间尺度上存在趋势一致性,具有显著的正相关。生长季内辽宁省CLDAS平均土壤相对湿度模拟结果整体偏高,CLDAS对土壤相对湿度在60%～90%之间的模拟效果较好,对偏湿状态(RSM>90%)和偏干状态(RSM<60%)的模拟效果欠佳。3个层次的CLDAS土壤相对湿度模拟结果与观测值存在一致的空间变化趋势,总体呈西低东高趋势分布。CLDAS土壤相对湿度模拟结果与观测值呈显著正相关关系,0-20cm和0-50cm层次上全省大部地区相关系数超过0.8。误差评估结果在全省范围内的分布趋势一致,辽宁东部、南部和西部的误差较小,北部和中部的部分地区误差较大,在康平—彰武—新民—台安一线出现误差异常高值区。...     

滴灌条件下土壤平均含水率计算方法研究

为寻找适合滴灌农田土壤平均含水率的计算方法,在裸地和大田试验研究的基础上选用单点平均、三点平均等5种方法分别计算了滴灌条件下平均土壤含水率,并以积分法为标准,对其他4种方法进行评价。结果表明,3点取样,采用面积加权平均法计算各层土壤的平均含水率,然后在垂直方向上采用积分中值定理求平均值的方法计算结果更接近真实值,误差最小,可利用该方法计算滴灌农田土壤平均含水率。     

用于大比例尺土壤调查的侵蚀分级指标研究——以辽宁西部低山丘陵区为例

目前,我国对适用于各地区大比例尺土壤侵蚀分级指标的研究较少,现行的土壤侵蚀强度分级标准,在野外实际应用中困难,对指导土地合理利用意义不大。根据多年来在辽宁省西部低山丘陵区的实地调查研究,抓住成土母质这一主导因素,根据不同成土母质土地的土壤质量分异规律、土壤侵蚀特点以及土壤遭受侵蚀后对土壤生产力水平、土地利用管理的影响不同等实际情况,选取不同的分级方法和分级标准,确立了适合辽宁西部低山丘陵区大比例尺土壤资源调查的土壤侵蚀程度分级指标体系。该分级指标体系具有针对性强、分级指标界限明确、可操作性强、对土地利用管理指导意义大等优点。     

生物炭添加对黄绵土水分补给和消退的影响

[目的]明确雨季生物炭添加对黄绵土储水、保水能力的影响,为科学利用生物炭改良黄土高原地区土壤以及确定合理的生物炭施用量提供基本理论支持。[方法]采用多层一体式土壤水分温度测量系统(JDTS-01)对黄土高原地区土壤水分进行野外定点观测,并使用烘干法对监测数据进行校正,研究黄绵土0—40 cm土层水分动态变化与补给、消退情况。基于双变量相关分析探讨了不同生物炭添加量下土壤水分补给和消退变化的影响因素及其相对重要性。[结果](1)整体上生物炭添加能在一定程度上增加土壤水分含量,低生物炭添加量增加了深层土壤水分,而高生物炭添加量增加了表层土壤水分,2.5%左右的生物炭添加量可能是影响土壤水分入渗和蒸发的拐点。(2)添加生物炭后,0—20 cm土层水分补给量增大,20—40 cm土层水分补给量减小。降雨带来的水分补给能够很大程度上滞留在土壤耕层,添加生物炭量较大时土壤水分补给效果更好;0—20 cm土层中添加生物炭处理的水分消退更快,而不添加生物炭的土壤水分入渗土层更深。(3)生物炭添加可以促进黄绵土土壤水分补给,减弱土壤水分消退,有利于降雨后土壤储水。[结论]生物炭添加能够改善黄土高原地区土...