大通县日光温室土壤温度的变化

利用2012~2013年大通县塔尔镇日光温室内外气象观测资料和县气象局人工观测资料,分析了该县晴、多云、阴等不同天气类型下日光温室内不同深度土壤温度变化规律。结果表明,在日光温室内,土壤温度日变化呈正弦曲线,变化幅度晴天多云天阴天,表层土壤温度变幅最大,20cm最小;月平均变化呈波峰波谷型,最大值出现在7月,最小值在12月,随着深度增加,平均年较差逐渐减小;晴天、多云、阴天不同深度土壤温度平均日较差分别为9.6、8.3、6.1℃;日垂直变化仅在14时随着深度增加逐渐下降;除晴天室内最高温度外,其余温度要素与土壤温度之间存在极显著正相关关系;建立的日光温室内10cm最低温度预报方程和地表最低温度预报模型,可以在专业气象服务中应用。     

基于偏相关分析的烟台市土壤温度影响因素及预测模型研究

根据烟台市气象局2005年的气象数据,利用偏相关分析方法分析了表层土壤温度与相对湿度、绝对湿度、大气温度、平均风速、日照时数、降水量6个气象因子之间的相关性,进而建立了基于相对湿度、日照时数、大气温度、绝对湿度4气象因子的多元线性回归模型和BP人工神经网络模型。结果表明：在6个气象因子中,相对湿度、日照时数、大气温度、绝对湿度与土壤温度存在极显著相关关系,平均风速、降雨量与土壤温度相关关系不显著;晴天时,BP神经网络模型的决定系数R^2为0．9740,多元线性回归模型的决定系数R^2为0．9739;阴天时,BP神经网络模型的决定系数R^2为0．9881,多元线性回归模型的决定系数R^2为0．9877,因此建立的神经网络模型具有很高的精度,能很好地满足土壤温度的预测要求。     

西南亚高山森林土壤表层温度变化特征及拟合模型

为探索土壤温度时间动态特征与导温率及土壤深度之间的关系,以西南亚高山森林表层土壤温度为研究对象,分析了2009-2010年每月28日或29日不同土层土壤温度的日变化特征,并对不同月份不同深度温度日变化建立数学模型并进行数据拟合.结果表明,亚高山森林0～40 cm土壤温度日较差随着土壤深度的增加逐渐减小,其中0～20 cm土壤温度日较差明显,20～40 cm的深层土壤温度日较差很小;40 cm深度土壤温度日进程基本上处于稳定状态,在冬季30 cm以下深度土壤温度都基本上处于稳定状态;随着深度的增加,土壤温度最高值和最低值出现滞后时间延长的趋势,而且同一土壤深度滞后时间在不同月份差异很大;非冻融季节土壤温度日变化用土壤温波方程来拟合是有效的;在低温季节(9月至次年3月),10 cm以下土壤剖面温度用土壤温波方程拟合误差较大,显示土壤冻结对土壤热量传输影响显著,温波方程不适于拟合冻融期土壤温度日动态.     

地下滴灌葡萄园土壤温度的时空变化特征

以3年生克瑞森地下滴灌葡萄园为研究对象,分析土壤垂直方向上20、40、60、80 cm处的土壤温度日变化、土壤温度在葡萄不同生育期的变化及年变化特征。结果表明,地下滴灌葡萄园各深度的土壤温度日变化趋势基本相同,近地表处土壤温度日变化幅度相对较大,深层土壤温度日变化趋势平缓;以04:00、08:00、14:00、22:00代表土壤温度变化特征时刻的各深度土壤温度,在葡萄整个生育期内变化趋势均匀,萌芽期开始上升,果实生长期土壤温度达到最大值,后开始下降;葡萄园土壤温度在年变化过程中先上升后下降,7月达到最大值,土壤温度变化曲线随土壤深度的增加振幅减小;土壤深度40 cm处的年平均温度为13.14℃,高于其他深度土壤年平均温度;各深度土壤温度与气温有明显的二次函数关系,并随土层深度的变化显著性逐渐降低。     

江苏丘陵区栎林土壤温度与水分特征

为了揭示江苏丘陵区栎林内的小气候变化规律,利用土壤温度和湿度传感器测量不同层次土壤温度和水分,并对其时空变化进行分析.结果表明,从土壤温度日变化来看,4个层次土壤日平均温度冬季为40 cm＞10 cm＞0 cm＞5 cm、春季为0 cm＞5 cm＞10 cm＞40 cm、夏秋季为0 cm＞40 cm＞10 cm＞5 cm;从土壤温度月变化来看,4个层次土壤温度呈倒U型变化,各层土壤月平均温度差异并不显著;从土壤温度季节变化来看,秋、冬两季随着土壤深度的增加,温度总体呈现上升的趋势,以冬季最为明显,而春、夏两季规律性不是很明显;从日、月、季节土壤温度变化幅度来看,温度变化幅度随着土壤深度的增加而减小,说明土壤越深,温度越稳定.从日、月、季节土壤水分来看,各层土壤水分变化都较稳定、变幅很小,各层土壤含水量随着土壤深度的增加而增加,水分变化的幅度随着土壤深度的增加而降低.     

春小麦覆膜栽培与露地栽培土壤温度差异的变化特点

小麦覆膜栽培增温效果明显,比露地栽培小麦 0 cm日增温1.75℃、5 cm日增温2.93℃、 10cm日增温1.48℃、15cm日增温1.06℃、20 cm日增温0.93℃.地膜小麦和露地小麦土壤温度随土层深度的增加而降低,各土层深度温差降幅大小依次为5 cm＞10 cm＞15 cm＞20 cm .地膜小麦土壤温度日变化0～20 cm最低温度在8:00,最高温度0～10 cm出现在14:00、15 ～20 cm土壤最高温度出现在20:00.地膜小麦土壤温度随生育期后延而呈增加趋势.     

艾比湖流域土壤呼吸日变化及水热因子影响

为研究干旱区植物群落土壤呼吸日变化特征及影响因子,利用开路式土壤碳通量测量系统LI-8100测定艾比湖流域四种植物群落土壤呼吸速率日变化,结合实测的温度、湿度因子,分析土壤温度、湿度,大气温度、空气相对湿度对土壤呼吸速率的影响.结果表明:胡杨、梭梭、芦苇、盐节木四种群落土壤呼吸速率日变化基本都呈单峰曲线.在日时间尺度上,胡杨群落、梭梭群落、盐节木群落、芦苇群落土壤呼吸速率与地上10和150cm高度处气温均表现为显著正相关.各群落土壤呼吸速率与不同深度土壤温度并没有固定的相关关系.不同的植物群落,对土壤呼吸起首要作用的温度因子不相同,且气温通过土壤温度对土壤呼吸的间接影响不相同.可用一元或二元线性函数来描述温度与土壤呼吸速率关系.各群落的土壤呼吸速率与地上10和150cm处空气相对湿度均呈显著负相关.在日变化尺度上,土壤温度、土壤湿度、气温、空气相对湿度共同影响了土壤呼吸速率,由温度和湿度共同拟合出的模型能解释土壤呼吸速率变化78;以上的原因.     

科尔沁沙地土壤温度时间动态特征研究

本研究利用2018—2019年科尔沁左翼后旗沙地土壤温度资料,将不同深度土壤温度依照土壤的表土层、心土层以及底土层划分为浅层（0、5、10 cm）、中层（15、20、40 cm）、深层（80、160、320 cm）3个层次,对比分析得出科尔沁沙地土壤温度的时间动态特征,为综合评估土壤温度的环境效应提供理论基础。结果表明,科尔沁沙地土壤温度有明显的日变化、季节变化和年变化特征,其三者都有一个最高温度和最低温度出现,并且因深度的增加各层土壤最高温度和最低温度出现的时间不一致,热量传输的方向也会发生变化。     

冬春季不同条件下海安市浅层土壤温度变化特征分析

分析浅层土壤温度的变化特征对冬、春季节农业气象冻害预报服务具有重要意义。本文选择江苏省海安市为研究区域,研究了冬、春季节浅层土壤温度的变化规律及在遇降水、降温情况下土壤温度的动态变化特征。结果表明,近地层土壤温度整体变化趋势与气温一致,只是变化幅度不如气温剧烈,且土层越深,土壤温度变化趋势越来越平缓;各层土温日内变化均呈现正弦曲线状态,其中地表温度的变幅较大,且出现极值的时间比20 cm土层出现极值的时间早4 h左右;降水过程中,各层土壤温度变化趋势平缓,且不同深度土层的温度差异较小;降水结束后,随着气温进一步下降,春季当气温降到2℃左右时,0 cm土壤温度仅为0℃左右,此时要谨防晚霜冻;而在冬季当气温下降到-4℃左右时,0 cm土壤温度仍为-1～0℃,不会出现严重的霜冻灾害。     

北温带干旱地区土壤-大气界面CO2通量的变化特征

采用箱法对栗钙土、灰钙土、粗骨土和山地灰褐土4种有代表性的干旱土壤表面CO2通量进行观测和研究。结果表明:森林土壤（粗骨土和山地灰褐土）的通量显著大于草原土壤（栗钙土和灰钙土）。干旱区土壤表面CO2通量的平均值为230.05 μmol/(m2·h),变化范围为-147.27～2 319.55 μmol/(m2·h)。不同土壤类型之间存在差异,粗骨土(351.82 μmol/(m2·h))山地灰褐土(347.33 μmol/(m2·h))栗钙土(193.36 μmol/(m2·h))灰钙土(162.37 μmol/(m2·h))。土壤表面CO2通量存在季节变化,趋势呈“S”形。9月份最高(516.79 μmol/(m2·h)),以土壤向大气释放为主;1月份最低(－7.09 μmol/(m2·h)),以大气进入土壤为主;具有春夏秋冬交替规律,与气候变化趋势基本一致,土壤表面CO2通量稍有后滞。全天候土壤表面CO2通量呈“山峰”形变化,04:00最小(154.13 μmol/(m2·h)),12:00最大(349.65 μmol/(m2·h)),具有昼夜交替规律,比气候日变化稍有滞后。影响土壤表面CO2通量的环境因子有地表空气温度、土壤温度（0～10 cm、10～20 cm和20～30 cm）、土壤含水量（0～10 cm、10～20 cm和20～30 cm）;其中,地表空气温度、土壤温度（0～10 cm、10～20 cm和20～30 cm）和土壤含水量（0～10 cm）分别与土壤表面CO2通量呈正相关关系,而10～20 cm和20～30 cm深度的土壤含水量与土壤表面CO2通量呈负相关关系,地表空气相对湿度与土壤表面CO2通量的关系不显著。大气与土壤之间的CO2存在双向转移机制,CO2不仅从土壤向大气转移,而且也从大气向土壤转移,热量在地球表面的差异性分布,导致温带和寒带地区的土壤具有平衡大气CO2浓度的功能,是温带、寒带地区的显著特征。      

基于BP神经网络的太湖典型农田土壤水分动态模拟

收集太湖典型农田2010年10—12月和2011年3—6月2个时间段的逐日气象资料和土壤水分资料,运用BP(back propagation)神经网络和缺省因子分析法确定影响该地区土壤水分动态的主要气象因子(降水量、蒸发量、平均气温和平均地表温度以及平均风速),以这些主要影响因子作为输入变量建立该地区土壤水分动态模拟的BP神经网络模型。利用100组实测样本对神经网络进行训练,用剩余的64组实测样本进行检验。结果表明:0～14 cm和14～33 cm土壤含水量模拟的平均相对误差(MARE)最大为0.062 9,均方根误差(RMSE)最大为1.764,不同土壤层次的训练样本和检验样本的精度(PA)都在0.87以上。因此,BP神经网络用于太湖典型农田的土壤水分动态模拟是可行的。     

基于BP神经网络的武汉市分层水温预报模型探究

为探讨武汉市分层水温的变化特征及预报方法,本文以武汉市金银湖为例,利用2019-2020年地面观测和分层水温资料,分析气温、气压、蒸发、地温、日照及辐射等气象要素对垂向水温变化的影响,建立武汉地区基于拟牛顿法反向传播(back propagation,BP)神经网络的20cm、40cm、60cm及80cm等层次水温预报模型。仿真结果表明：拟牛顿法BP神经网络的水温预报模型能够表达水温和气象要素的非线性关系,平均预报准确率超过90%,具有较高的预报精度。     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。     

基于云遗传BP神经网络的黄淮海旱作区土壤有机质预测精度分析

为探究提高土壤有机质预测精度的方法,以黄淮海旱作区为研究对象,分别运用云遗传BP神经网络、BP神经网络和GABP神经网络三种方法比较不同土层的土壤有机质预测精度。结果表明:1)不同土层土壤有机质值的数据分布与正态分布相比具有不同程度的向右偏移,不同土层土壤有机质均属于中等程度变异;2)不同土层土壤有机质的半方差函数最优拟合模型均为指数模型,不同土层土壤有机质的结构因素与随机因素对空间变异的影响大小基本一致,空间自相关性较弱;3)结合云模型与遗传算法的BP神经网络对0～10、10～20、20～30cm土层土壤有机质的预测精度均得到了一定提升,而对30～40cm土层土壤有机质的预测精度则提升不明显,可能是由于30～40cm土层土壤有机质变异系数超过了一定范围所造成。研究结果可为提高土壤有机质的预测精度提供参考,并为进一步调整耕地管理措施及提高土壤质量水平提供依据。     

Assessment of Soil Water Content in Field with Antecedent Precipitation Index and Groundwater Depth in the Yangtze River Estuary

To better understand soil moisture dynamics in the Yangtze River Estuary (YRE) and predict its variation in a simple way, a field monitoring experiment was carried out along the north branch of the Yangtze River, where seawater intrusion was strong and salt-water variation is one of the limiting factors of local agriculture. In present paper, relation between antecedent precipitation index (API) and soil water content is studied, and effects of groundwater depth on soil water content was analyzed. A relatively accurate prediction result of soil water content was reached using a neural network model. The impact analysis result showed that the variation of the API was consistent with soil water content and it displayed significant correlations with soil water content in both 20 and 50 cm soil layer, and higher correlation was observed in the layer of 20 cm. Groundwater impact analysis suggested that soil moisture was affected by the depth of groundwater, and was affected more greatly by groundwater at depth of 50 cm than that at 20 cm layer. By introducing API, groundwater depth and temperature together, a BP artificial network model was established to predict soil water content and an acceptable agreement was achieved. The model can be used for supplementing monitoring data of soil water content and predicting soil water content in shallow groundwater areas, and can provide favorable support for the research of water and salt transport in estuary area.     

土壤墒情预测模型对比

为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。     

云南省水稻白叶枯病BP神经网络测报技术研究

 人工神经网络对复杂非线性问题映射能力强,能提高预测的准确度,为水稻白叶枯病害的防治工作提供指导。因此,本研究基于水稻白叶枯病害发生、危害与温度、湿度、降雨等气象因素相关的特点,利用人工神经网络建立云南省勐海县和石屏县水稻白叶枯病害BP神经网络预测模型,预测病害的发生程度。经实例验证,BP神经网络预测模型预测准确度达到80%以上,较逐步回归模型高。研究表明在勐海、石屏建立水稻白叶枯BP网络预测模型是可行的,并具有较高预测准确度,对防治工作有较高应用价值。     

宁夏油松林细根生物量和土壤特性研究

以宁夏地区油松天然次生林（贺兰山、罗山）和人工林（六盘山）为研究对象,对其0～40 cm土层细根生物量、土壤特性及两者之间关系进行研究。结果表明,3个地区油松林细根生物量集中分布于0～20 cm土层,总细根生物量、活细根生物量及其所占比例大小关系表现为贺兰山>六盘山>罗山,死细根生物量呈相反规律。除表层土壤（0～20 cm土层）含水量外,3个地区土壤含水量与土壤容重大小关系均表现为:六盘山>贺兰山>罗山,且随土层深度增加,土壤含水量逐渐减小,土壤容重逐渐增大。土壤全C、全N和全P含量大小关系表现为:罗山> 贺兰山>六盘山。相关分析表明,该区油松天然次生林细根生物量与土壤水分、土壤容重相关性更大,人工林则与土壤养分如全N、全P等指标的相关性更大。     

大地地区地温气象资料分析

基于辽宁CIMISS获取大连气象站2004-2017年浅层(5cm 、10cm、15cm、20cm)土层温度,根据月值获取季值和年值,对年、季、月进行数值统计分析,获取相应的特征规律。结果表明：大连气象站近14年不同深度土层温度变化规律如下：年分布规律先降低后升高确实,2010年是拐点年,且不同深度土层浅层地温变化趋势一致。月分布变化规律如下：月变化跟个月太阳辐射强度有很大关系,具体1-7逐月升高,8-12月逐月降低过程趋势,土层深度跟太阳辐射呈负相关性,各月温度变化率在5度左右。季分布变化规律如下：季变化跟月变化符合一致,土层深度和土层温度在冬季、春季和夏季是呈负相关,秋季呈正相关。各个季节均值和季节太阳辐射强度一致,夏季辐射强度最大,所以平均地温值最高,冬季辐射强度最低,所以平均地温值最低。