不同秸秆覆盖厚度下季节性冻融土壤的水热运移规律模拟研究

运用水热耦合模型(SHAW)对秸秆覆盖厚度为5、10、15、20和30 cm下的季节性冻土中的水热迁移进行了模拟。结果表明:模型对土壤水分模拟效果较好,模拟期土壤水分模拟的标准误差RMSE为0.003～0.08 m~3/m~3。由于表层土壤易受外界气象条件变化的影响,模型对土壤温度模拟结果误差相对较大,但误差处于合理范围内。使用率定好的SHAW模型对秸秆覆盖厚度大于30 cm下的土壤水热运移进行了模拟预测,模拟结果表明当秸秆覆盖厚度≥45 cm时,秸秆覆盖下的土壤水热运移基本不受外界影响。     

基于主成分分析和粒子群算法优化支持向量机的冻融土壤蒸发预报模型

在季节性冻融期,影响土壤蒸发的因素颇为复杂,准确估算冻融土壤蒸发量对土壤水资源的高效利用具有重要意义。根据2017-2018年冻融期大田试验数据,选取太阳辐射(x_1),日平均气温(x_2),地表土壤温度(x_3),地表土壤含水率(x_4),风速(x_5),气压(x_6),相对湿度(x_7),降水量(x_8),水面蒸发量(x_9)等9个影响冻融土壤蒸发的因素,采用主成分分析法和粒子群算法优化的支持向量机建立了冻融土壤蒸发量的预报模型。结果表明:所建立的基于主成分分析和粒子群算法优化支持向量机的冻融土壤蒸发预报模型,预测值和实测值的决定系数达0.951 3,平均相对误差为9.870 4%,可较好地用于冻融土壤蒸发量的预报。     

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。