淹没效应对不同类型琴键堰泄流特性的影响

为了探究琴键堰在淹没出流条件下的泄流情况及对淹没效应的敏感性,该研究在矩形水槽中对四种琴键堰基本体型（A型：上下游均倒悬;B型：上游倒悬;C型：下游倒悬;D型：上下游均无倒悬）进行了物理模型试验,分析琴键堰在淹没出流条件下的流态随下游水位的变化过程,得到其上下游堰上总水头之间的关系及淹没系数,并进一步分析四种琴键堰对淹没的敏感性以及比较四种琴键堰在淹没出流条件下的泄流量和泄流效率。试验结果表明,随着下游水位的壅高,四种琴键堰堰后依次出现了淹没后的冲击射流、破碎（表面跳跃）、表面波和表面射流流态;在来流量相同的情况下,C型和D型琴键堰在淹没系数S≥0.6时,逐渐发生淹没,且其流量折减系数随淹没系数的增大而减小,而B型和A型琴键堰分别在S≥0.15和S≥0.2时提前进入淹没状态。四种不同体型琴键堰的临界淹没度（Sm）分别为：A型0.5、B型0.3、C型0.7、D型0.65。对比看来,仅具有上游倒悬结构的B型琴键堰对淹没最为敏感,其次是具有对称倒悬结构的A型,而向下游的倒悬结构可以延缓上游的淹没;四种不同类型琴键堰的淹没泄流效率受\     

CERES-Wheat作物模型参数全局敏感性分析

作物生长模型广泛应用于区域作物估产研究与应用之中,如何选择最佳作物模型优化参数是获得较好模拟预测结果的关键之一。研究选择河南洛阳为试验区,应用扩展傅里叶振幅灵敏度检验（EFAST）法对CERES-Wheat模型作物参数及田间管理参数进行了全局敏感性分析。结果表明,完成一片叶生长所需积温、最适温度条件下通过春化阶段所需天数、光周期参数、最佳条件下标准籽粒质量参数、开花期单位株冠质量的籽粒数参数等指标具有较高敏感性,系为模型参数“本地化”的关键参数。播种日期、播种密度、施肥日期、播种深度、灌溉日期是模型区域化应用的最佳优化变量。研究表明,EFAST敏感性分析是模型参数“本地化”和选择最佳“区域化”优化变量的有效方法。     

基于全局敏感性分析和贝叶斯方法的WOFOST作物模型参数优化

作物模型参数的敏感性分析、标定和验证可以提高模型的效率和精准度,进而为模型应用做好准备工作。该研究结合参数全局敏感性分析方法以及贝叶斯后验估计理论的马尔科夫蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法,以华北栾城站三年的冬小麦观测数据(叶面积和地上生物量)为参照,对WOFOST模型的55个品种参数进行了敏感性分析、筛选和优化。发现:1)对叶面积影响较大的参数为:生育期为0、0.5、0.6和0.75时的比叶面积、生育期为1.5时的最大光合速率、叶面积指数最大增长率;对地上干物质影响较大的参数为:生育期为1.5时的最大光合速率、生育期为0时的比叶面积、35℃时叶面积的生命周期、生育期为0时的散射消光系数、生育期为1.8时的最大光合速率、储存器官的同化物转换效率。2)潜在和雨养产量水平下,最大叶面积和地上生物量对参数的敏感性差异不大。3)马尔科夫蒙特卡洛方法(MCMC)可以对WOFOST模型品种参数较好地优化;设计的3种校正-验证方案中,第1种方案(用1998-1999年作为校正年份,1999-2000年,2000-2001年作为验证年份)模拟效果最好。4)优化后的参数,模型对潜在产量水平模拟较好,一致性指数均大于0.9,相对均方根误差小于20%;而对有水分胁迫的雨养情况下比潜在产量水平的模拟结果差,表明模型对水分胁迫的模拟不足。该研究为WOFOST模型区域应用和模型调整优化提供科学理论依据。     

基于EPIC模型的冬小麦生长模拟参数全局敏感性分析

模型参数的敏感性分析是模型本地化、区域化过程中不可或缺的重要环节。局部敏感性分析忽略了参数间的相互耦合作用对模型结果的间接影响,从而导致敏感参数选取具有一定的片面性。该研究以河北衡水冬小麦试验区为研究区,使用全局敏感性分析方法分析EPIC模型在冬小麦产量模拟中的敏感参数。研究表明：收获指数（HI）、生长季峰值点（DLAI）、潜在热量单位（PHU）、最大作物高度（HMX）是影响模型本地化最为关键的参数（总敏感指数＞0.1）;作物的播种日期、收获日期及种植密度是影响区域尺度的作物产量估计最为敏感参数（总敏感指数＞0.1）。研究同时表明全局敏感性分析方法可用于作物生长模型本地化、区域化研究,且优于传统局部敏感性分析方法。     

不同气候区和不同产量水平下APSIM-Wheat模型的参数全局敏感性分析

量化作物模型的参数敏感性和模拟结果的不确定性对模型的标定和应用具有重要意义。为了探讨小麦生长模型(APSIM-Wheat)在不同气候区和不同产量水平下参数的敏感性,以及由于参数造成模拟结果的不确定性,以华北栾城、黄土高原长武、四川盐亭和新疆乌兰乌苏4个不同气候区下的典型冬小麦生产地为分析对象,运用扩展傅里叶幅度检验法(extended Fourier amplitude sensitivity test,EFAST)的全局敏感性分析方法,量化了小麦生长模型(APSIM-Wheat模型)在3种产量水平下(潜在、雨养和实际产量)的开花期、成熟期、产量、生育期的蒸散(evapotranspiration,ET)对品种、土壤和生化等33个参数的敏感性和不确定性。发现:1影响开花期和成熟期较为敏感的参数依次是:始花期积温、出苗到拔节积温、春化指数、光周期因子、灌浆期积温;2影响产量较敏感的参数依次为:春化指数、出苗到拔节积温、每茎谷粒质量、潜在灌浆速率、光周期指数、最大谷粒质量和辐射利用效率(radiation use efficiency,RUE);影响生育期蒸散较为敏感的参数依次为:春化指数、出苗到拔节积温、光周期指数、始花期积温;3不同产量水平下,参数敏感性差异不大,4个不同气候类型下的冬小麦开花期、成熟期、产量和生育期的蒸散对参数的敏感性基本一致;4不同气候区下,开花期和成熟期对模型参数敏感性差异很小,但产量和生育期的蒸散对参数敏感性有差异。该研究为APSIM-Wheat模型的区域应用和模型调参提供了科学指导依据。     

基于VIP模型评估不同全局敏感性分析方法有效性及效率

参数敏感性分析可提高复杂过程模型参数优化及模型应用效率。为评估不同全局敏感性分析方法在筛选农田生态系统模型敏感参数时的有效性及其效率,该研究以VIP (Vegetation Interface Processes) 模型模拟华北平原土壤硝态氮为例,对比分析PSUADE (Problem Solving Environment for Uncertainty Analysis and Design Exploration) 提供的8种敏感性分析方法在筛选华北平原农田土壤硝态氮敏感参数时的有效性及其效率。结果表明：在验证敏感性分析方法有效性时,Spearman秩相关系数 (Spearman's correlation coefficient,SPEA) 法和Gaussian Process (GP) 法与其他方法的敏感参数筛选的结果差异较大;多元自适应回归样条 (Multivariate Adaptive Regression Splines,MARS)、Delta Test (DT)、Sum of Trees （SOT）法、McKay法、Morris法和Sobol'法能有效筛选出敏感参数。在分析敏感性方法效率时发现,正交阵列 （Orthogonal Array,OA)和基于拉丁超立方的正交阵列 (Orthogonal Array-Based Latin Hypercubes,OALH) 抽样方式最适于多元自适应回归样条法 (Multivariate Adaptive Regression Splines,MARS),所需样本量为361。蒙特卡罗 (Monte Carlo,MC) 抽样方式最适合DT和SOT敏感性分析方法,所需最小样本量分别为425和510;与其他抽样方式相比,OALH抽样更适合McKay敏感性分析方法,需要样本量最少;Morris法和Sobol'法所需最小样本量分别为340和810。对于复杂过程模型,可先选用定性敏感性分析方法以较低的计算成本选择敏感的参数,再进行模型参数优化和不确定性分析。     

覆土浅埋滴灌玉米田双作物系数模型参数全局敏感性分析

为深刻了解双作物系数模型参数对覆土浅埋滴灌玉米田蒸散发耗水结构及水分传输过程的影响,采用拓展傅里叶幅度敏感性检验法对模型参数进行全局敏感性分析,筛选出敏感参数,提高调参校准的效率和精准度。结果表明:参数±10%变化时,全生育期土壤蒸发量、作物蒸腾量、蒸散发耗水量最大值较最小值分别高18.72%、25.37%、19.9%。土壤蒸发是表土水分的消耗过程,总量在最大、最小值条件下1 m土层日贮水量动态接近,而作物蒸腾是消耗整个根系层内土壤水,总量变化对1 m土层水分消耗的影响较大。土壤蒸发总量的敏感参数为土壤表层可蒸发水量、生长中期基础作物系数,其全局敏感性指数为0.662、0.321,是不敏感参数均值的33.6~69.4倍。作物蒸腾总量的敏感参数为根系不受水分胁迫的临界土壤贮水量、生长中期基础作物系数、田间持水量,其敏感性指数为0.569、0.485、0.455,是不敏感参数均值的34.5~43倍。敏感参数与蒸发蒸腾的关系为:表土完全湿润后,其可蒸发水量决定干燥过程土壤蒸发量,二者正相关。中期基础作物系数影响蒸发系数,总蒸发量与其负相关。根系不受水分胁迫的临界土壤贮水量越高,玉米根区易利用的水量区间越窄,根系越早发生水分胁迫,作物蒸腾受限,总蒸腾量与其负相关。中期基础作物系数与总蒸腾量正相关,对其影响程度远高于初期、后期基础作物系数。田间持水量高的土壤能在灌溉、降雨量较大时存贮更多水分用于作物蒸腾,总蒸腾量与其正相关。     

土壤优先流运动的活动流场模型模拟和敏感性分析

在壤土和砂土条件下分别采用碘-淀粉染色示踪方法和亮蓝染色示踪方法各开展了2个染色示踪试验,分别采用活动流场模型和二域模型模拟计算了各试验入渗后染色区内的土壤含水率和溶质浓度分布,通过相对均方根误差分析评价了两个模型模拟预测优先流发展的有效性;此外,通过敏感性分析研究了不同入渗条件（土壤质地、入渗水量和土壤初始含水率）下活动流场模型模拟预测结果（入渗深度）对活动流场模型分形特征参数变化的敏感度。模型检验分析结果显示活动流场模型对土壤水入渗深度、入渗后染色区内土壤含水率和溶质浓度分布的预测精度要明显高于二域模型的模拟预测精度;活动流场模型较好的捕捉到了优先流运动整体的非均匀特征。敏感性分析结果显示,当降雨入渗水量和土壤初始含水率相同时,入渗深度对活动流场模型分形特征参数（γ）的敏感度随着γ的增大而增大;相同活动流场模型分形特征参数（γ）值条件下（即流动非均匀程度相同）,入渗深度对活动流场模型分形特征参数（γ）的敏感度随着入渗水量的增大和土壤初始含水率的升高而减小。     

基于S-W模型的韩江流域潜在蒸散发的气候和植被敏感性

基于AVHRRNDVI、IGBP土地覆盖分类和气象站观测数据,利用Shuttleworth-Wallace(S-W)模型估算韩江流域2000-2006年的潜在蒸散发(PET),结果显示PET不仅受气候条件影响,而且随植被类型及其生长过程而变化。分析PET对气候和植被的敏感性,结果表明:1)PET对植被的类型很敏感,相同气候条件下,不同植被的PET计算结果相差很大,常绿针叶林、农作物和多树草地的多年平均PET分别为1136.6,965.1,563.2mm/a,最大值和最小值相差1倍。2)不同植被覆盖的PET对气候的敏感性不同。常绿针叶林的PET对水汽压最为敏感,明显高于气温和太阳辐射的敏感性,而风速的敏感性可以忽略;农作物的PET除对风速的敏感性较低外,气温、太阳辐射和水汽压的敏感性都较高,最为敏感的是气温;多树草地的PET同样对气温最为敏感,水汽压、风速和太阳辐射的敏感性也都比较高,而且很接近。3)各种植被覆盖的PET对叶面积指数(LAI)都有一定的敏感性,但都小于气象因子(风速除外)的敏感性;不同植被覆盖的PET对LAI的敏感性也不同,多树草地的PET对LAI最敏感,其次是常绿针叶林,再次是农作物。     

基于机器学习的遮荫设施内参考作物蒸散量估算

为高效准确地估算遮荫设施内参考作物蒸散量（Reference Evapotranspiration, ET0）,该研究通过分析三七栽培遮荫设施（四周及顶部均由黑色遮阳网遮盖,通风性较好）内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith（FAO-56 PM）模型计算的值为标准值,采用贝叶斯优化（Bayesian Optimization, BO）算法优化机器学习方法（支持向量回归机（Support Vector Regression, SVR）、随机森林（Random Forest, RF）和极限学习机（Extreme Learning Machine, ELM））中的参数,建立3种遮荫设施内ET0估算模型（BO-SVR、BO-RF和BO-ELM）。结果表明：遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型。BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数（平均相对湿度和平均风速）估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d。综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法。研究为遮荫设施内ET0的估算提供有效方法。     

基于PEST的土壤-作物系统模型参数优化及灵敏度分析

农业生产管理系统模型输入参数多,参数率定过程十分耗时费力,大大限制了其推广应用。该研究以华北平原2 a的冬小麦-夏玉米田间试验观测数据为基础,使用PEST(parameter estimation)参数自动优化工具对土壤-作物-大气系统水热碳氮过程藕合模型(soil water heat carbon and nitrogen simulator,WHCNS)的土壤水力学参数、氮素转化参数和作物遗传参数进行自动寻优,同时计算分析模型参数的相对综合敏感度,并将优化结果与土壤实测水力学参数和试错法的模拟结果进行比较。参数敏感度分析结果表明,18个模型参数的相对综合敏感度较高,其中土壤水力学参数普遍具有较高的敏感度,以饱和含水率敏感度最高;作物参数中,作物生长发育总积温和最大比叶面积具有较高的综合敏感度;而氮素转化参数的敏感度远低于土壤水力学参数和作物参数。评价模型模拟效果的统计性指标(均方根误差、模型效率系数和一致性指数)表明,PEST法比实测水力学参数的模拟精度有所提高,其中土壤含水率、土壤硝态氮含量、作物产量和叶面积指数的均方根误差分别降低了61.8%、23.5%、73.6%和23.3%。同时PEST法比试错法对土壤水分和作物产量的模拟精度也有较大提高,但对土壤氮素和叶面积指数的模拟精度提高不明显。由于该方法大大节约了模型校准时间,在较短的时间内获得了明显高于试错法的模拟精度,因此PEST软件在WHCNS模型参数自动优化中是一个值得推广的工具。     

载荷与径向刚度对机械弹性车轮包容特性的影响

为解决机械弹性车轮在不平路面的冲击振动传递问题,提高车辆行驶平顺性能,该文基于弹性滚子接触模型、有限元分析及试验测试方法对车轮的包容特性及影响因素进行了研究。通过对车轮有效路形的分析,揭示了负荷和径向刚度对车轮包容特性的影响规律,并验证了所建模型的可靠性,结果表明:在车轮径向刚度一定的条件下,有效路形幅值随负荷的增加而减小,但有效路形扰动长度随负荷的增加而增大;在负荷一定的条件下,有效路形幅值随车轮径向刚度的增加而增大,扰动长度随之增加而降低。利用有限元模型和台架试验对车轮的低速稳态包容特性进行了分析,得出了车轮垂向动态力学响应随负荷和径向刚度变化的规律,在径向刚度一定的条件下,车轮垂向力响应随负荷的增加由抛物线形过渡到马鞍形,在负荷一定的条件下,车轮垂向力响应随径向刚度的增加而增大,分析结果反映了该车轮实际包容特性的客观规律性。该研究为机械弹性车轮结构优化及整车振动特性分析提供了参考。     

基于DPSIR模型的黄土高原生态敏感性演变格局及驱动力分析

摸清生态系统敏感性时空演变格局，对其驱动因素及未来发展趋势进行探测是修复和提高生态系统稳定性的重要内容。黄土高原是世界上水土流失最严重和生态环境最脆弱的地区之一，探究该地区生态敏感性时空演变特征及驱动因素，科学划分生态敏感性治理分区对于促进国家生态文明建设具有重要意义。基于“驱动-压力-状态-影响-响应”（driving-pressure-state-impact-response，DPSIR）框架，耦合空间距离指数和全排列多边形图示指标法构建生态敏感性指标体系，使用地理信息演变图谱和地理探测器研究黄土高原2000—2020年5个时间点生态敏感性时空格局和驱动力，最终划分生态敏感性治理分区。结果表明：1）研究期内黄土高原生态敏感性表现为西北高、东南低的分布特征，时间上先增加后下降。2）研究期内黄土高原生态敏感性转移类型以波动稳定型为主，生态改善区面积占比最大（35.17%），变化0次和1次的面积占比62.06%，生态环境演变稳定向好。3）生态敏感性的各驱动因素中，NDVI和降水量以及两者与其他因子的交互作用对于黄土高原生态敏感性具有明显的驱动作用。4）2030年低度敏感将成为黄土高原的主要敏感类型；沙地和农灌区以及黄土高塬沟壑区的中西部是生态敏感性治理的重点地区。整体来看，黄土高原生态环境有所好转，生态治理措施取得了积极成效，该研究可为黄土高原生态治理及高质量发展提供参考。     

水稻整株秸秆还田机刀轴可靠性灵敏度分析及优化

为使1ZT-210型水稻整株秸秆还田机刀轴的设计更趋合理,充分考虑设计中的模糊因素,通过模糊综合评判确定刀轴的壁厚;建立了影响刀轴功能的各随机变量的可靠性灵敏度矩阵,通过编写计算机程序得到各设计因素对于刀轴可靠性的灵敏度设计信息。依据灵敏度分析结果,选取可靠性设计参数,刀轴截面较常规设计减小39.17%。数值算例表明,计算结果与通常的定性分析结果完全一致,验证了本方法的有效性。田间试验表明,可靠性灵敏度设计使刀轴的寿命增加560 h,埋草率提高到95%。     

U 形渠道量水平板水力性能试验研究

根据北方灌区渠道底坡缓且灌溉水流多泥沙的现状,该文针对U型渠道设计了平板量水装置。为了探索不同尺寸悬垂薄平板在明渠水流冲击作用下的水力学特性,确定流量与平板偏转角度之间的关系。分析水流流态,将渠道运动水流分为3部分,对平板部分水流应用闸孔淹没出流公式,建立流量计算模型,得出流量与角度的半经验关系式。对流量系数计算模型中的待定系数进行估计,得到了统一形式的流量公式。U型平板测流范围为9～44L/s,经验证,计算流量与实测流量之间最大相对误差为6.9%,平均相对误差为3.2%,其中收缩比0.547、0.439平板测流相对误差均小于5%,满足灌区量水要求。同一收缩比板型,相对水头损失随着流量增大而减小,不同收缩比板型,相对水头损失随着板型收缩比增大而增大,除收缩比0.715平板在小流量(本试验大约为10L/s)测流时,相对水头损失比在10%以上,其余平板测流时相对水头损失均小于10%,其中收缩比为0.439和0.337平板最大水头损失不超过上游总水头6%。经过综合分析,选择0.547到0.439为平板最佳收缩比测流范围。研究可为灌区量水设施的改进提供依据。