基于气象因子的长三角地区农田站点土壤水分时间序列预测

以长三角3省1市为研究区,旨在构建长三角地区土壤水分长时间序列,为农业生产和遥感算法提供数据支撑。研究基于空间匹配的站点土壤水分数据和气象数据,利用主成分分析得到4个有效主成分作为线性回归和BP神经网络模型的输入因子,建立土壤水分与气象因子间的定量关系,并评估所构建模型的精度。结果表明,基于全部站点数据建立的单一BP神经网络模型优于单一线性回归模型。单一线性回归模型的R 2=0.34,RMSE=0.046 m³/m³,MAE=3.67%;而单一BP神经网络模型的训练、验证和测试3个数据集的R 2均在0.64以上,RMSE<0.043 m³/m³,MAE低于3.4%。根据逐个站点分别构建分站点的BP神经网络模型,其总体精度高于基于全部站点数据构建的单一BP神经网络模型。分站点构建的BP神经网络模型的总体精度方面,3个数据集的R 2均值在0.75以上,RMSE<0.039 m³/m³,MAE低于3%。通过对逐个站点分别构建BP神经网络模型,获得了精度较高、较稳定的土壤水分拟合结果。     

全球尺度上土壤15N自然丰度空间变化的影响因素

研究土壤15N自然丰度（δ15N）空间变化及其影响因素对深化土壤氮素循环的过程与机理具有重要意义。但目前的研究多聚焦于区域尺度，对全球尺度土壤δ15N时空分异的探索存在不足。本文采用全球812个样点处的土壤δ15N值与土壤含水量、气象和土壤因子数据，构建各因子与土壤δ15N值的相关关系，并结合结构方程模型揭示其空间变化影响机制。结果表明，土壤含水量、气象和土壤因子与土壤δ15N值呈显著相关（p<0.01）；相较于均值，气象的时间变化特征因子（平均气温日较差和降雨季节变率）与土壤δ15N值和土壤含水量的相关程度更高。土壤因子对土壤δ15N值的总效应最高（-0.41）；气象和土壤因子可通过土壤含水量间接影响土壤δ15N值。当排除气象和土壤的影响后，土壤含水量对土壤δ15N值的效应为正。研究对于揭示气象、土壤和水文等因子对氮素循环的影响机制具有一定的借鉴意义。