排序方式: 共有3条查询结果,搜索用时 31 毫秒
1
1.
季节性冻融土壤盐分离子组成与冻结层盐分运移规律研究 总被引:2,自引:0,他引:2
该文对冻融过程中土壤盐分离子组成及冻结层盐分运移规律进行研究,在内蒙古河套灌区永联试验站开展了冻融期土壤水盐及其离子成分监测试验,分析了冻融期地温、冻结层深度、地下水埋深与水质、土壤含水率、土壤盐分及离子组成的变化规律,通过离子相关性分析确定了土壤盐分运移的主控离子成分和盐分类型,进一步利用二元水盐体系相图探讨了冻融期主控盐分的运移规律。结果表明:冻融期地温梯度变化主要发生在0~1.0 m范围土层中,地下水埋深在冻融期变化趋势为快速增大-缓慢增大-减少,地下水矿化度均值在融化期显著降低;研究区地下水中变异性最大的离子为Na~+、Cl~–和SO_4~(2–),土壤盐分运移和扩散是地下水矿化度变化的主要原因;土壤中Na~+、Cl~–与SO_4~(2–)与含盐量相关系数高于0.9,冻融期土壤盐分浓度变化的主控盐分类型为氯化钠和硫酸钠;冻结层积盐或者脱盐取决于土壤盐分梯度和不同盐分的共饱和点,研究区最大氯化钠浓度(质量分数1.55%)和最大硫酸钠浓度(2.01%)均低于各自的共饱和点,当冻结前土壤溶液浓度梯度为正(从上到下浓度增大)时,冻结层易积盐,反之冻结层主要表现为脱盐。研究对阐明冻融期冻结层盐分累积规律的成因具有重要意义。 相似文献
2.
准确预测冻融期土壤蒸发量,对于干旱半干旱地区水资源高效利用有着重要意义.基于传统极限学习机(ELM)输入权值与阈值随机给定导致预测结果精度不高的问题,提出了一种基于粒子群算法(PSO)优化极限学习机的冻融期土壤蒸发预测模型.以2016-2017年冻融期9个影响土壤蒸发的因素作为输入因子,实测土壤蒸发量作为输出因子,分别建立ELM模型、GA-ELM模型、PSO-ELM模型对冻融期土壤蒸发量进行预测.结果表明,对输入因子进行随机函数处理后可提高模型预测精度,PSO-ELM模型预测精度优于单一ELM模型和GA-ELM模型,其决定系数为0.9936,均方根误差为0.0109 mm/d,平均绝对误差为0.0079 mm/d,平均相对误差为4.91%,可用于冻融期土壤蒸发量的预测. 相似文献
3.
1