土壤水分下限对地下渗灌辣椒生长发育及水分利用效率的影响

通过大田试验对辣椒4个生育时期分别设置不同的土壤水分下限,研究地下渗灌辣椒生长、耗水规律、产量和水分利用效率的影响.结果表明,T3处理[苗期土壤水分下限为65％θ?(θ?为田间持水率)]和T9处理(后果期土壤水分下限为65％θ?)对辣椒株高、茎粗等生长指标无显著影响(P>0.05),而T1处理(苗期土壤水分下限为45％θ?)使辣椒株高、茎粗和叶面积指数分别比对照显著(P<0.05)小24.67％、21.49％和29.83％.随着土壤水分下限的增加,辣椒耗水量、产量随之增加.T2处理(苗期土壤水分下限为55％θ?)的辣椒水分利用效率最佳,比对照处理显著提高10.83％,并且产量与对照处理的产量无显著差异(P>0.05),处于最高水平.因此,T2处理为本试验方案中的最优灌溉方式.     

基于改进BPNN-SVR算法的土壤盐分参数与有机质相关性研究

研究土壤有机质含量与土壤盐分参数之间的相关关系,可以为土壤施肥、增产增收及资源有效利用等方面提供理论支撑。研究采集了试验地中165个土样,并测定了土样的HCO~-_3、SO■、Cl~-、Na~+、Ca~(2+)、K~+、Mg~(2+)等离子的含量、土壤全盐含量及土壤有机质含量等数据,研究了土壤有机质含量与土壤盐分参数之间的相关关系以及核函数对预测模型的影响。结果表明:土壤盐分参数与土壤有机质含量之间有较强的相关性,使用基于BP神经网络(BPNN)与回归型支持向量机(SVR)建立的改进BPNN-SVR模型预测土壤有机质含量具有较高的可信度。明确了最优的核函数参数后,随机抽取120个样本数据作为训练集,剩余45个样本数据为测试集,数据归一化后用改进BPNN-SVR预测训练集的决定系数达到0.938,均方差为0.074 2,测试集的决定系数达到0.941 5,均方误差为0.106 5,显示了改进BPNN-SVR优良的泛化能力和预测性能;用传统的BPNN模型预测土壤有机质作为对比试验,测试集的决定系数为0.870 3,均方差为0.116 2。因此,改进BPNN-SVR模型相较于传统BPNN模型的测试集均方差降低了30.99%,决定系数提高了8.18%。在同一训练集和测试集条件下,不同核函数对改进BPNN-SVR模型也有显著的影响,其中RBF核函数表现最佳,决定系数达0.908 6,平均相对误差(5.98%)和均方误差(0.074 6)均小于其他核函数类型。因此,基于RBF核函数的改进BPNN-SVR模型可以利用土壤盐分参数有效地估算土壤有机质含量,且精度和可靠性较高。     

调亏灌溉对地下渗灌甘蓝产量、品质及水分利用效率的影响

为探究宁夏干旱气候地区地下渗灌甘蓝(Brassica oleracea L.)合理灌溉制度。在大田尺度上采用单因素随机试验设计,分别在甘蓝的莲座期、结球前期和结球中后期进行轻度(65%~75%FC)、重度(55%~65%FC)调亏灌溉,并以全生育期充分灌溉(75%~85%FC)为对照(分别记为T1、T2、T3、T4、T5、T6、T7(CK)),共7个处理,种植前施复合底肥400 kg/hm²(N>25%,P₂O₅>6%,K₂O>9%,总养分>40%),研究了不同调亏灌溉处理方案对甘蓝的干物质积累、产量、品质和水分利用效率的影响。结果表明:在甘蓝结球前期进行轻度调亏灌溉处理(T3),经济产量、单株球重、叶球纵径、中心柱长、可溶性糖含量和VC含量与充分灌水相比无显著性差异,但经济系数较充分灌溉(CK)提高了2.73%,叶球横径和帮叶比较充分灌溉(CK)降低了7.90%和5.37%,叶球紧实度较充分灌溉(CK)提高了24.60%,灌水量较充分灌溉(CK)减少了28.95%,水分利用效率较充分灌溉(CK)提高了31.43%。在甘蓝结球中后期进行轻度调亏灌溉处理(T5),地上部干物质量、经济产量、单株球重、叶球纵径、中心柱长、帮叶比与充分灌水相比无显著性差异,但经济系数和叶球紧实度较充分灌溉(CK)提高了3.25%和19.67%,可溶性糖含量和VC含量较充分灌溉(CK)提高了28.74%和13.81%,灌水量较充分灌溉(CK)减少了25.09%,水分利用效率较充分灌溉(CK)提高了27.78%;T3、T5的经济产量较充分灌溉(CK)分别降低了1.61%和1.22%。因此,T3和T5处理都能够达到节水稳产的目的。但是,T3处理更有利于提升宁夏干旱气候区地下渗灌甘蓝的物理品质,T5处理更有利于提升宁夏干旱气候区地下渗灌甘蓝的营养品质。     

基于LH-OAT方法的VG模型参数敏感性分析

通过研究VG模型中参数变化对输出结果的影响,不仅可以提高率定模型参数的效率,而且可以为获取更加可信及稳定的数学模型提供支持。以宁夏中部平原引黄灌区2017年林地田间试验为验证实例,选取了VG模型中11参数进行了全局敏感性分析。对每个参数都进行了全局敏感度的定量计算,依照敏感度大小将它们进行敏感性的分级。结果表明:以S_e为输出变量时,参数θ_(sa)、α_a和n_a表现极为敏感,而α_b、θ_(ra)、n_b和θ_(sb)表现较为敏感,但K_(sa)、K_(sb)和l的表现却为一般敏感或不敏感;而以K(S_a)为输变量出时,参数θ_(sa)表现最为敏感,而α_a、n_a、K_(sa)表现较高的敏感,但其他参数敏感表现为较弱;对表现比较敏感的参数进行了修正,并将修正后的参数应用于VG模型中,取得了良好的效果,而且所构建的全局敏感性分析方法可有效地提高VG模型参数率定效率,田间普适性较强。