自组织神经网络在流域土壤水分含量空间模式识别中的应用

由于土壤水分含量受众多因素的影响，空间变异性很大，给土壤水分含量空间分布的研究带来了很大的困难。空间模式识别是处理土壤水分含量空间数据的方法之一，能够分析得到土壤水分含量空间数据的聚类结果。基于自组织特征映射和自适应共振理论的自组织神经网络模型在空间数据模式识别中得到广泛应用，针对澳大利亚tarrawarra试验流域土壤水分含量的观测数据，应用自组织神经网络，建立动态土壤水分含量的空间模式识别模型，并用半变异函数对识别结果进行检验，实例研究表明该方法是一种行之有效的方法。     

水分特征曲线Gardner模型参数的预测模型对比分析

为实现土壤水分特征曲线Gardner模型参数的预测以及精度的对比,以山西省黄土高原区农耕土壤为试验材料,进行了土壤水分特征曲线的系列试验,构建了土壤水分特征曲线Gardner拟合模型参数a、b和对应的土壤基本理化参数的数据样本;采用BP神经网络与支持向量机两种预报模型对土壤水分特征曲线Gardner模型参数a、b实现了预测,并对预测精度进行了对比。研究结果表明:随着两种模型输入变量的增加,两种预报模型的精度都得到提高;当输入变量为土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量时,两种预报模型对参数a、b的平均相对误差值均在6%以下,预测模型具有可行性;同时,相比于BP神经网络而言,支持向量机预报模型精度相对较高,而且预测结果波动空间较小,离散程度较低。该成果一方面丰富了Gardner模型参数的土壤传输函数创建的途径,更为Gardner模型参数预测模型的选择提供了依据。     

基于BP神经网络方法的黄土水分特征曲线预测模型比选

黄土高原区水资源严重匮乏，研究土壤水分特征曲线对于提高水分利用率、节约水资源有着重要的现实意义，但直接试验测量土壤水分特征曲线面临操作技术难度大、耗时费力等诸多问题，因此对土壤水分特征曲线进行科学合理预测十分必要。为提高黄土高原区土壤水分特征曲线预测模型精度，以山西省5个县市的试验点黄土为研究对象进行模型比选。基于BP神经网络算法，以土壤基本指标黏粒含量、粉粒含量、干容重、有机质和全盐量共5个影响因素作为预测模型的输入变量，以经验模型的参数作为预测模型的输出变量，分别建立了Gardner经验模型参数和Van Genuchten经验模型参数的预测模型，并根据实测数据库的预测结果进行对比和分析。结果表明：建立的经验模型参数的BP神经网络预测模型，Gardner经验模型建模和验证后的两个参数相对误差的平均值都小于4%,Van Genuchten经验模型建模和验证后的两个参数相对误差的平均值都小于5%；不论是建模的训练数据库还是验证数据库，Gardner经验模型参数的预测模型精度均高于Van Genuchten经验模型参数的预测模型精度。因此，建议针对黄土高原区的黄土水分特征曲线预测模型的建立...     

黄土高原北部草地表层土壤水分状态空间模拟

为探明黄土高原北部草地表层土壤水分空间分布特征及其与环境因素的关系，该文用自回归状态空间模型和经典统计的线性回归模型对该区草地表层土壤含水率的分布状况进行了模拟。结果表明，状态空间方程可以应用于环境因素复杂的黄土高原水蚀风蚀交错区，其拟合效果优于线性回归模型。单因素中基于饱和导水率的模拟效果最佳（R2 = 0.936）；多因素模拟中以饱和导水率+海拔+凋落物模拟效果最佳（R2 = 0.976），可以很好地解释表层土壤水分的变异状况。自回归状态空间模型可用于研究黄土高原北部水蚀风蚀交错区表层土壤水分与其他因素的空间关系。     

基于人工神经网络的比水容量模型参数预测模型研究

为了探索获取比水容量的简便方式,以山西省黄土高原区农耕土壤为实验对象,进行了土壤水分特征曲线与比水容量的相关试验,拟合得到比水容量模型参数,并配套测定了相关的土壤基本理化参数。在研究分析各个土壤基本理化参数与比水容量模型参数的影响关系的基础上,建立了关于土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量的BP神经网络预报模型。研究表明:以土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量为输入因子的BP神经网络预报模型是可行的,比水容量模型参数实测值与预测值之间的平均相对误差均低于10%,预测效果较好,精度较高。该研究结果为黄土高原地区获取比水容量提供了理论与技术上的支持,同时可促进土壤传输函数理论的发展。     

基于Philip入渗模型的土壤水分入渗参数BP预报模型

基于黄土高原区大量大田土壤入渗实测资料,借助BP神经网络模型建立了基于Philip土壤入渗模型参数的预报模型,并分别讨论了BP神经网络土壤水分入渗参数稳渗率预报模型、土壤水分入渗参数稳渗率预报模型和Philip模型的90min累积入渗量预测的单项和综合误差。结果表明:基于常规土壤理化参数土壤含水率、容重、黏粒含量、粉粒含量以及有机质等建立BP神经网络模型对Philip土壤入渗半经验半理论模型参数吸渗率S和稳渗率A进行预测是可行的。预测参数A和S以及Philip模型的90min累积入渗量的预测值与实际值的相对误差分别为2.074 60%、3.079 98%和2.037 56%,都在可接受的范围内;研究结果可为世界范围内大量实用的地面灌溉技术参数优化提供强有力的依据支撑。     

贝叶斯模型在土壤转换函数中的应用与适应性评价

为了研究大型灌区节水改造后的区域农田生态环境效应中分布式水文模型空间参数的确定问题,通过内蒙古河套灌区解放闸灌域22个土壤水盐监测点110个土壤样本的采样与分析,利用贝叶斯神经网络(BNN)模型建立了河套灌区区域分层土壤特征参数与土壤水分特征曲线模型参数、特征含水率之间的土壤转换函数模型,并与已有的BP神经网络模型进行适应性比较及模型验证。结果表明,BP模型土壤转换函数的训练模拟精度优于BNN,但是在模拟预测方面,BNN模型普遍好于BP模型,而且模型输入因子数量对BP模型的精度影响较大,而BNN模型对于不同输入因子表现出很好的稳健性,BNN模型比传统的人工神经网络模型具有更好的适应性和预测效果,体现了土壤特征参数的空间随机性和结构性特征,而且预测的土壤水分特征曲线与实测和VG拟合结果更为接近,是一种具有广阔应用前景的区域土壤转换函数推求方法。     

基于SMOS降尺度数据的土壤水分时空变化分析研究

把握土壤水分时空格局变化特征,对生态环境综合治理、防止水土流失具有重要参考价值与现实意义。提出一种基于DEM校正TVDI的SMOS土壤水分数据降尺度方法,对25 km空间分辨率的SMOS L3土壤水分产品空间尺度降至1 km,并对降尺度结果进行了验证。然后利用土壤水分变化的空间均方根误差(RMSEδs)和时间均方根误差(RMSEδt)对2017年研究区的土壤水分时空格局变化进行了分析,分析结果表明研究区土壤水分时空分布呈现不均一性,总体上南部和东部地区土壤水分含量较高,北部和西部地区含量较低。土壤水分随时间变化有所波动,6-8月份雨季时期土壤水分值普遍较高。此外,TRMM 3B43降水数据和土壤水分降尺度结果相关性分析表明,不同降雨条件会对土壤水分和降雨之间的相关系数产生显著的差异性影响。     

内蒙古河套灌区解放闸灌域土壤水盐空间变异性研究

以河套灌区解放闸灌域的节水改造项目区作为研究对象,从统计特征值、半方差函数和克立格法绘制的分布图几个方面对比分析了节水改造前后的土壤水分和盐分的空间变异性。结果表明:2007年与2008年土壤水分和盐分可分别用球状模型和指数模型进行拟合,空间自相关距离表明二者具有中等强度的空间自相关性,且2008年土壤水分和盐分的相关性都大于2007年,2008年较2007年土壤水盐的空间变化趋于连续。对克里格插值结果分析可知:土壤水分和盐分在空间上的分布都具有明显的逐渐变化趋势,表现为相近值的局部聚集;而且2008年的土壤水分和盐分分布与2007年相比在较大的范围内颜色变化幅度小且较连续。通过对灌区节水改造前后大尺度采样分析,了解区域土壤水盐分布状况和空间变异情况,为灌区今后的节水灌溉、盐碱地分区治理、区域化水资源管理提供一定得理论依据。     

尿素对土壤水分传感器测量精度的影响

土壤水分的精准测量对节水灌溉、墒情监测、水肥一体化等领域具有重要意义,土壤氮含量会影响水分传感器的测量。为了消除这种影响,设计了不同尿素质量对不同水分含量土壤样本的监测实验,采用高灵敏度水分传感器并对尿素干扰下的输出电压进行监测,通过称重法监测土壤样本的含水率,使用LCR电桥测试仪监测土壤样本的电容和电阻。为了研究氮含量影响水分测量的机理,根据实验数据建立了三元三次多项式、BP神经网络、深度学习3种预测模型,并对预测结果进行误差分析。结果表明,相同土壤含水率条件下,尿素质量与土壤水分传感器输出值呈周期性的振荡关系。3种预测模型的平均绝对误差分别为0.77%、0.64%、0.75%,BP神经网络模型有98%误差集中在0~2%区间,误差峰值仅为2.07%,确立BP神经网络模型为最佳抗尿素干扰水分预测模型。     

四川盆地丘陵区土壤水分的动态及其随机模拟

土壤水分动态的研究是定量理解植被对水分胁迫响应、土壤养分循环的水文控制、植物水分竞争等生态系统动态的关键,是目前国内外的研究热点。利用2004年-2007年每天的土壤水分监测数据,结合laio土壤水分动态随机模型,研究了四川盆地丘陵区(重庆铜梁虎峰)土壤水分的动态特征及其laio模型在亚热带气候条件推求土壤随机动态特征的适用性。结果表明：监测年内各层土壤水分无论在枯水年还是平水年均差异显著,其中连续平水年土壤水分的含量和变异系数均高于枯水年,枯水年后的平水年低于枯水年;土壤水分的季节变化可分为稳定期、消耗期、波动期;土壤水分的垂直变化来看,土壤水分含量并非完全随着土壤深度的增加而增加。用laio概率随机模型导出的土壤水分概率密度图表明：各层土壤水分的峰度出现在=0.5左右,变化幅度较宽。用laio模型导出的土壤水分峰度和变幅与观测的概率密度函数结果基本一致,相对误差在5%,laio模型可用于分析亚热带气候下土壤水分动态随机特征。     

基于神经网络的温室土壤水分动态预测模型研究北大核心

针对智能温室变量施水的土壤水分预测问题,建立基于神经网络的土壤水分动态预测模型。以Delaunay三角剖分布点方法为基础,并将种植区域离散成若干单元。对各离散单元,模糊其土壤喷灌量,将单位时间土壤含水量的变化映射成土壤水势变化。考虑到土壤的时空特性,使用MATLAB建立以预测单元表层测量点土壤含水量、土壤温度和单位时间土壤含水量变化量作为输入,未来时刻该单元中心土壤深层含水量作为输出的BP神经网络和RBF神经网络预测模型。利用温室实际数据验证模型的准确性,通过比较两种神经网络模型结果,得出RBF神经网络模型具有较好实用性,为温室精细化变量施水的实现奠定基础。     

膜下滴灌棉田土壤水分空间变异规律研究

2009年,在新疆库尔勒包头湖农场智能化棉花膜下滴灌工程示范区,选择典型的一膜一管4行种植的棉花为试验区(共计20个测点),测定了各个采样点以及3个不同深度的土壤含水率。运用地统计学和经典统计学方法,分析了棉花4个生育期内土壤水分的空间变异特性。结果表明,土壤质地为砂壤土时,土壤含水率的空间变异性属于弱变异;随着棉花的生长,土壤水分的分布越来越趋于均匀化;在棉田主要生育期内,研究土壤含水率空间分布最好的半方差函数模型是球形模型;土壤含水率的大小基本上和该点与滴灌带的垂直间距成反比例关系;棉花行对棉田土壤水分的再分布起到了很大的影响,距离棉花行越远,受到的影响就越小。     

灌区实时灌溉预报模型研究

针对目前灌区灌溉预报存在的问题，考虑灌区土壤水分和影响土壤水分变化的因子的空间变异性以及预报的实时性，提出了灌区实时灌溉预报模型。以江苏省某灌区为例，对灌区实时灌溉预报模型进行了验证。结果表明，预报精度和应用性得到了较好的统一。     

基于灰色理论-支持向量机的Gardner模型参数的预报模型

为探索获取土壤水分特征曲线模型参数新途径,以山西省黄土高原区农耕土壤为试验材料,进行了系列土壤水分特征曲线试验,拟合得到了Gardner模型参数a和b,同时测定了土壤基本理化参数,建立了由Gardner模型参数a、b和土壤基本理化参数组成的数据样本。采用灰色关联理论,分析了土壤各基本理化参数与Gardner模型参数之间的关联度,基于支持向量机理论建立了以关联度较大的土壤容重、黏粒含量、粉粒含量、有机质含量、全盐量为输入因子,以Gardner模型参数a和b为输出因子的预报模型。研究表明:以土壤容重、黏粒含量、粉粒含量、有机质含量、全盐量为输入因子,对Gardner模型参数a与b进行预报是可行的,参数a、b的实测值与预测值之间相对误差的平均值分别为3.96%、4.68%,吻合度高,预测效果好。该研究结果可为获取土壤水分特征曲线模型参数提供技术手段,同时可促进土壤传输函数理论的发展。     

基于神经网络的温室土壤水分动态预测模型研究

针对智能温室变量施水的土壤水分预测问题,建立基于神经网络的土壤水分动态预测模型。以Delaunay三角剖分布点方法为基础,并将种植区域离散成若干单元。对各离散单元,模糊其土壤喷灌量,将单位时间土壤含水量的变化映射成土壤水势变化。考虑到土壤的时空特性,使用MATLAB建立以预测单元表层测量点土壤含水量、土壤温度和单位时间土壤含水量变化量作为输入,未来时刻该单元中心土壤深层含水量作为输出的BP神经网络和RBF神经网络预测模型。利用温室实际数据验证模型的准确性,通过比较两种神经网络模型结果,得出RBF神经网络模型具有较好实用性,为温室精细化变量施水的实现奠定基础。     

基于MODIS数据的土壤水分空间变异规律

以沧州地区为例,利用MODIS数据计算得到植被供水指数,分析构建植被供水指数与实测土壤含水率之间的相关模型,进而反演得到整个沧州地区的墒情状况,以此为基础运用经典统计学和地统计学理论,研究3种尺度下土壤含水率的空间变异性,确定各尺度下土壤水分监测点的合理采样数目。结果表明,小尺度下(采样间距250m)土壤水分具有较强的空间相关性,而大尺度(采样间距4 000m)和中尺度(采样间距1 000m)的土壤水分均呈中等的空间相关性;随着研究尺度的增大,土壤含水率的空间相关性减弱,由随机因素引起的空间变异性逐渐增强;根据空间变异规律,分别得到置信度为0.10、0.05情况下不同尺度的土壤水分监测点的合理采样数目,并发现采用数目随研究尺度的增大而增加。     

区域尺度土壤入渗特征参数的变异性研究

以杨凌地区为例,进行野外双环入渗试验研究,运用2种常用模型(Kostiakov模型和Philip模型)对土壤入渗参数进行模拟。在分析土壤特征参数,寻求适合区域尺度的最优入渗模型同时,对土壤的状态变量进行标定并研究标定系数的空间变异性,研究结果表明:Philip模型可作为区域最优入渗模型,土壤入渗特征参数存在明显的空间变异性,标定系数aA比as对模型参数的标定效果好,且在较大范围内存在一定的趋势性,有较好的预测效果。因此,可根据标定系数随机模拟得到某一具体时刻的土壤入渗量的空间分布,为定量分析土壤水分运动、研究土壤水分入渗的空间分布提供理论基础。     

冲洪积平原土壤低吸力阶段水分特征曲线影响因素研究

为了获得冲洪积平原水成土低吸力阶段土壤水分特征曲线的影响因素,基于汾河灌区三个典型水成土剖面土壤水分特征曲线的测量,探讨了质地、结构(包括容重和大于0.025 mm水稳性团聚体含量)、有机质含量对低吸力阶段土壤水分特征曲线的影响机理。结果表明:①土壤质地、结构、有机质含量对土壤水分特征曲线均有显著的影响;②土壤内孔隙的大小、分布和连通性是决定土壤水分特征曲线差异较大的根本原因;③土壤级配对土壤内部孔隙的影响不可忽视,合理的级配能够很大程度的提高土壤的保水性能。研究结果对于土壤水分特征曲线的精细研究具有一定的意义,为科学合理灌溉提供理论支撑。     

遥感监测土壤含水量方法综述

土壤水分是陆地表面参数化的一个关键变量,土壤水分含量随时空的分布和变化对地—气间的热量平衡、土壤温度及农业墒情等都会产生显著的影响。常规的土壤水分测量方法采样速度慢、代表性差,无法实现大面积土壤水分的实时动态监测。随着农业信息化的发展,利用遥感技术监测土壤水分是目前定量遥感研究的前沿和难题之一。为此,阐述了土壤水分遥感信息模型方法,并对各方法所需要解决的关键问题及其优缺点做了评述。