黄土丘陵区土壤水分空间分布与环境因子的关系

为揭示黄土丘陵区土壤水分空间分布规律及其与环境因子的关系,在延河流域,运用自然间隔法划分样区和布设样点,通过定位观测和样品采集,采用统计分析和冗余分析(RDA)方法,研究土壤水分空间分布规律及其与环境因子的关系。结果表明:不同样区土壤水分均值以万花山最高,镰刀湾最低,土壤水分由南向北逐渐降低,可将其划分为4大水分梯度即14.64%、12.36%、10.32%和8.76%;除高桥、县南沟和招安镇3个样区的土壤水分随着土层加深呈现增加的趋势,其他样区呈现先增后减的趋势;土壤水分空间分布具有明显的环境梯度特征。流域东南部土壤水分由年均温度主导,西南部由年均降雨主导,北部由年均蒸散主导;年均蒸散和年均降雨是流域土壤水分的主控因子,地形和土地利用对土壤水分的影响在流域尺度上不明显。环境因子的综合作用形成流域土壤水分的空间生态梯度。研究对进一步认识黄土丘陵区土壤水分空间格局及其与环境因子的关系具有重要作用,该结果可为黄土丘陵区水土保持植被规划提供理论依据。     

小流域地形因子影响下的土壤水分空间变异性研究

在黄土高原丘陵区,了解土壤水分的空间分布对植被恢复空间布局具有重要意义。以黄土丘陵区纸坊沟小流域为研究区,以DEM为基础,通过采集土壤水分样本,利用薄板光滑样条函数插值方法,对各地形因子对土壤水分空间变异性的影响与趋势进行研究。结果表明：（1）利用薄板光滑样条函数法所生成的具有规则栅格的土壤水分空间数据,使离散而不规则的土壤性质数据功能得到了扩展,而且能更清楚地表现地形因子对土壤水分的影响;（2）与克立格法相比,样条函数法比克立格法插值精度可提高2倍,更能准确和清晰地表现土壤水分随地形的变化特征。     

西南典型岩溶区土壤硒空间分布预测

土壤硒精准预测和制图是富硒土壤资源开发利用和环境规划管理的基础。该文以西南典型岩溶区桂林永福百寿河流域为例,在分析影响土壤硒化学行为因子的基础上,通过野外样品采集和室内化学分析以及Arc GIS空间分析,获取了研究区相关地理环境因子和土壤属性因子数据。利用逐步回归方法选择土壤硒空间分布预测的辅助变量,使用协同克里格模型对非连续分布的辅助变量进行插值。在此基础上利用地理加权回归模型对土壤硒空间分布进行预测,同时以普通克里格插值结果作为参照。研究结果表明:使用地理环境因子和影响土壤硒化学行为的土壤属性因子可以提高土壤硒预测精度;协同克里格插值解决了辅助变量数据连续分布的问题;土壤硒的空间分布与地形和影响土壤硒化学行为的因子有关。     

石羊河流域土壤含水量生态水文模型研究

利用DEM、MODIS资料和石羊河流域周围29个(甘肃19个、青海10个)气象站1976~2005年30年气象数据,基于ARCGIS和SPSS软件,利用主成分分析(PCA)、基因算法(GA's)、地形抬升原理和赫伯特方法,利用土壤湿度、辐射和温度地形分布模型(LANDSET)和空气相对湿度地形分布模型(LANDAM),建立了由两个子模型组成的流域土壤水分含量模型(SWC)。本研究将该水文模型在石羊河流域进行了应用,研究表明:利用该模型计算的石羊河流域土壤含水量参数效果较好;石羊河流域的土壤水分含量在0.068~1之间,其空间分布具有从上游祁连山区到下游荒漠区逐渐减少的趋势;该模型适合于干旱区内陆河流域的土壤水分含量模拟研究。     

基于WorldView-2影像的土壤含盐量反演模型

针对WorldView-2影像高空间分辨率评价其定量反演土壤含盐量的能力,以盐渍化现象较为明显的新疆克里雅河流域为研究对象,基于WorldView-2影像和实测高光谱数据,利用偏最小二乘回归(partial least squares regression,PLSR)和BP人工神经网络(back propagation artificial neural networks,BP ANN)方法建立定量反演该流域土壤含盐量模型并做出研究区高空间分辨率土壤含盐量分布图。结果表明:1)利用实测高光谱数据和影像数据分别建立的2种模型中BP神经网络模型预测精度都高于PLSR模型,其中基于影像数据建立的6:8:1结构的3层BP神经网络模型决定系数R2、均方根误差RMSE、相对分析误差RPD分别为0.851、0.979、2.337,模型的稳定性和预测能力都优于PLSR模型(R2、RMSE、RPD分别为0.814、1.139、2.007)。2)利用WorldView-2影像提高了土壤含盐量制图的空间分辨率,归一化植被指数NDVI和比例植被指数RVI较有效降低了植被覆盖与土壤水分对预测精度的影响。该文建立的考虑植被覆盖与土壤水分定量反演土壤含盐量的模型不需要复杂的参数,一定程度上满足了干旱、半干旱地区的盐渍化监测需求,可以促进WorldView-2等高空间分辨率卫星在盐渍化监测中的进一步应用。     

紫色土丘陵地区农田土壤养分空间分布预测

为深入研究紫色土丘陵区农田土壤养分空间分布规律,在GIS技术的支持下,利用研究区450个土壤实测数据,结合地形因子和土地利用类型,运用多重线性回归构建了土壤养分预测模型,对养分的空间分布进行预测。结果表明,土壤有机质和碱解氮含量与地形因子之间的相关性较强,有效磷和速效钾含量与地形因子之间的相关性较弱。土壤水田和旱地中有机质、碱解氮和有效磷含量均值间的差异显著(P<0.01),速效钾之间不显著(P=0.34)。基于地形因子的土壤养分预测模型与基于地形因子和土地利用方式组合的土壤养分预测模型预测结果精度对比表明,在预测变量中增加土地利用类型对提高预测模型的拟合度和预测精度作用非常微小,且仅用地形因子预测土壤养分的空间分布更方便,因此选用该模型对验证集数据进行预测。以验证集数据进行预测结果与实测值进行比较,结果显示预测值与实测值之间的差异甚小,有机质、碱解氮、有效磷和速效钾的相对偏差分别为0.09、0.19、0.08和0.12,均方根误差分别为1.38、3.42、1.03和1.57,说明基于地形因子的土壤养分预测模型的精度较高,可以很好地预测土壤养分分布规律。该研究结果可为丘陵地区农田合理施肥提供理论依据。     

流域次降雨侵蚀产沙的BP神经网络模拟

在分析黄土高原韭园沟流域多年观测资料的基础上,应用BP神经网络建模方法,建立了流域次降雨侵蚀产沙的神经网络模型。通过输入模型变量流域次降雨量、平均降雨强度、径流深和洪峰流量模数,对流域次降雨侵蚀产沙量进行了训练和预测。预测结果表明,所建BP神经网络模型预测精度较高,可近似揭示复杂非线性流域次降雨侵蚀产沙系统的产沙规律,为建立较高预报精度的黄土高原流域次降雨侵蚀产沙预报模型提供了依据。     

基于人工神经网络的土壤颗粒组成制图

以浙江西苕溪流域为研究区,综合考虑地形和土壤类型等信息,采集典型土壤样本,测定土壤颗粒组成,并基于土壤颗粒组成与景观位置和特征之间的关系,利用径向基函数(RBF)神经网络建立了高程、坡度、平面曲率、剖面曲率、径流强度系数和地形湿度指数6个地形因子与土壤颗粒组成之间的非线性映射关系,预测土壤颗粒组成的空间分布。验证结果表明,RBF神经网络方法能够挖掘出地形因子信息与土壤颗粒组成之间的非线性映射关系,其预测精度较高,模型稳定性较好,是一种低成本、高效率的制图方法。     

基于多元回归的黄土沟壑区小流域土壤水分空间模拟

以延河流域羊圈沟为研究对象,基于土壤水分空间自相关理论,在土壤水分环境影响因子多元回归基础上,建立了土壤水分空间化模型,并探讨了土壤水分空间分布特征。结果表明:研究区内土壤水分空间分布具有正相关性,且相关性显著,在空间上表现为聚集状态;表层土壤水分与植被覆盖度、高程、坡度、地表粗糙度、地形起伏度和地表切割程度等因素密切相关,且与地表切割程度呈正相关关系,而与植被覆盖度、高程、坡度、地表粗糙度以及地形起伏度因子呈负相关;与普通克里格(OK)、反距离加权(IDW)、径向基函数(RBF)和全局多项式(GPI)的土壤水分空间内插方法相比,多元回归+普通克里格方法(MROK)的拟合程度最高,是表层土壤水分空间化较好模型;土壤水分空间分布格局明显,主要表现为西部和东北部土壤水分含量低,东南部土壤水分含量高。该研究揭示了土壤水分环境因子相关性及空间分异规律,对区域生态文明建设具有一定的促进意义。     

基于神经网络的元胞自动机支持下的干旱区LUCC模拟研究——以新疆于田绿洲为例

元胞自动机已被广泛应用于城市发展变化的模拟研究中，但多数应用局限于两类土地利用类型的转变。借助神经网络中的BP算法，以遥感和GIS技术为依托，在对TM影像分类的基础上，应用GIS技术提取一系列LUCC空间影响因子，建立了模拟土地单元转变概率的BP神经网络模型。并以模拟的概率值代替CA模型的若干规则，对于田绿洲LUCC做了动态模拟。结果显示，该方法在干旱区复杂土地利用动态变化模拟中具有一定精度，能够对土地资源的可持续利用规划提供有用信息。     

黄土高原丘陵沟壑区土壤水分变化规律的研究

对黄土高原丘陵沟壑区土壤水分变化规律研究结果表明 ,该区土壤水分随时间变化主要受控于降水量 ,表现为与降水量变化同步。土壤水分垂直分布变化 0～ 30cm土层土壤含水量随深度增加而减少 ,30～ 1 2 0cm土层土壤含水量随深度增加而增加 ,总体变化趋势平缓。裸地和农田土壤水分空间变异范围分别为 3.1 7m和 7.2 5m。     

基于遗传神经网络的黑龙江浅表地层水分预测

针对BP神经网络预测土壤墒情容易出现较大空间内存在局部极值点的问题,采用GA算法对BP网络进行优化,根据大豆作物在不同生长阶段的根系分布及吸水情况,划分3个不同发育阶段,5个地层深度,建立3种对应的土壤含水量遗传神经网络预测模型,并应用于黑龙江垦区红星农场大豆田间土壤水分预测,分别对3种模型的整体预测误差进行了分析,2009年大豆播种前期及其全生育期土壤体积含水量预测的平均绝对误差为1.83%,能较好地反映大豆田间土壤水分具体情况,为大豆节水灌溉与管理提供可靠的科学依据,该预测方法亦可为寒地大豆或其他农作物田间土壤水分预测提供借鉴。     

基于改进BP神经网络与支持向量机的土壤墒情预测方法研究

为提高土壤墒情预测精度,提出了一种基于遗传算法（GA）、改进粒子群算法（IPSO）、误差反向传播（BP）神经网络和支持向量机（SVM）的土壤墒情组合预测模型（GA_IPSO_BP-SVM）。该模型首先在BP神经网络的权阈值选择中同时引入GA和IPSO构成GA_IPSO_BP模型,然后对GA_IPSO_BP和SVM模型分别进行训练和数据仿真,最后利用建立的加权模型对GA_IPSO_BP和SVM模型的土壤墒情预测结果进行组合。以安庆市8个监测站某时段内农田土壤墒情数据为例,分别按隔日、两日后和三日后三种时间跨度进行土壤墒情预测,并对照BP、GA-BP、PSO-BP、IPSO-BP、GA_IPSO_BP和SVM模型,验证和比较提出的GA_IPSO_BP-SVM模型的土壤墒情预测精度。结果表明,GA_IPSO_BP-SVM模型的土壤含水量预测相对误差平均值最小。GA_IPSO_BP与SVM模型组合的GA_IPSO_BP-SVM模型提高了土壤墒情的预测精度,更适合于土壤墒情的短期预测,该方法可为农业节水灌溉方案的制定提供技术支撑。     

饲草料地土壤水分动态变化规律及其预测的人工神经网络模型的研究

根据2005～2006年实测土壤水分资料和气象资料,研究分析了饲草料地土壤水分的动态变化规律和建立了考虑多个因素对土壤水分影响的BP人工神经网络模型,结果表明:表层土壤的含水率变幅较大,主要是受大气降水的影响,20～40cm和40～60cm土层土壤含水率的波动,除大气降水的影响外,还与植物的生长发育状况有关;土壤水分预测模型具有较好的预测效果,用神经网络建立土壤水分预测模型的方法是可行的,对于不同条件的地区具有广泛的适应性和推广应用前景。     

黄土丘陵沟壑区不同水保措施条件下土壤水分状况

黄土高原土壤水资源对植物的生长发育意义重大。水土保持措施会影响土壤水分的静态分布和动态过程。该文通过定位监测并引入土壤水分亏缺补偿度指标,旨在明确黄土丘陵沟壑区不同水土保持措施下土壤水分动态特征和雨季前后土壤水分的亏缺与补偿情况。结果表明：不同水土保持措施雨季前后土壤储水均处于亏缺状态,7月份土壤储水亏缺得到缓解;8月份表层土壤储水亏缺加剧;雨季后的10月份土壤储水均得到恢复。降雨对退耕坡地和梯田土壤水分均有正补偿作用。水平阶90 cm处和160 cm以下出现负补偿现象。鱼鳞坑在30 cm处出现负补偿。在0～200 cm土壤剖面上,土壤储水亏缺补偿度依次为退耕坡地＞梯田＞鱼鳞坑＞水平阶。由此可见,不同水土保持措施对土壤水分季节变化和垂直变化,以及降雨对土壤水分的补偿作用均产生不同影响。     

基于BP神经网络的土壤墒情预测精度研究——以肥东县为例

本文以肥东县土壤墒情为例,选用BP神经网络模型,对土壤墒情预测进行探究。先介绍神经网络相关理论知识,然后针对模型建立需要确定的参数做了详细说明。着重比较了隔日和五日两种预测结果的精度,结果表明隔日预报精度要高于五日预测精度,得出结论 BP神经网络短期土壤墒情预报能取得较高的精度,对农业生产具有实际指导意义。     

基于AnnAGNPS模型的黄土高原小流域土壤侵蚀定量评价

以位于黄土丘陵沟壑区的砖窑沟流域为试点，利用AnnAGNPS模型进行土壤侵蚀定量评价。采用流域8次径流事件监测数据进行模型检验，径流量和沉积物量的相对误差分别为10%和-10%，AnnAGNPS模型能够比较理想地模拟流域长期的径流量和沉积物量，并可应用于黄土丘陵沟壑区的径流流失和土壤侵蚀定量评价。采用2004年土地利用状况模拟分析了流域土壤侵蚀量及其空间分布，结果表明：该流域平均片蚀和细沟侵蚀强度为3508 t/(km²·a)，属中度侵蚀等级，黄土沟壑地的平均侵蚀强度最大，属极强度侵蚀等级；严重的沟道侵蚀显著增加了运移到流域出口的泥沙。     

Soil moisture variability along transects over a well-developed gully in the Loess Plateau,China

Knowledge of soil moisture distributions in gullies, which are highly variable spatially and temporally, is important for both restoring vegetation and controlling erosion in them, but little attention has been paid to this spatio-temporal variability to date. Therefore, we examined soil moisture profiles and their variability along three transects traversing sidewalls of a well-developed gully with steep slopes in a hilly area of the Chinese Loess Plateau. We took intensive measurements at 20-cm intervals from 0 to 160 cm depth, using a portable time domain reflectometer, from September 3 to October 20 2009 and from April 5 to July 20 2010. The results indicate that the mean, standard deviation and coefficient of variation of moisture content vary with time, their responses to precipitation vary at different depths, and moisture content is most variable when mean values are moderate (15–20%). Revised fitting functions developed and introduced by Famiglietti et al. (2008) captured with confidence the relationship between spatial variability (SD and CV) and spatial mean of moisture content (RMSE ranging from 0.0015 to 0.0293). Soil moisture clearly varied along the transects, the vertical distribution of soil moisture differed in different seasons, and correlation analysis showed that soil texture influenced the variability of surface soil moisture more strongly than terrain attributes (except during distinct rainfall events, when this pattern reversed). The results presented here should improve understanding of spatio-temporal variations in soil moisture profiles in well-developed gullies in the Loess Plateau, and potentially elsewhere.     

Ephemeral gully recognition and accuracy evaluation using deep learning in the hilly and gully region of the Loess Plateau in China

Ephemeral gullies are widely distributed in the hilly and gully region of the Loess Plateau and play a unique role in the slope gully erosion system. Rapid and accurate identification of ephemeral gullies impacts the distribution law and development trend of soil erosion on the Loess Plateau. Deep learning algorithms can quickly and accurately process large data samples that recognize ephemeral gullies from remote sensing images. Here, we investigated ephemeral gullies in the Zhoutungou watershed in the hilly and gully region of the Loess Plateau in China using satellite and unmanned aerial vehicle images and combined a deep learning image semantic segmentation model to realize automatic recognition and feature extraction. Using Accuracy, Precision, Recall, F1value, and AUC, we compared the ephemeral gully recognition results and accuracy evaluation of U-Net, R2U-Net, and SegNet image semantic segmentation models. The SegNet model was ranked first, followed by the R2U-Net and U-Net models, for ephemeral gully recognition in the hilly and gully region of the Loess Plateau. The ephemeral gully length and width between predicted and measured values had RMSE values of 6.78 m and 0.50 m, respectively, indicating that the model has an excellent recognition effect. This study identified a fast and accurate method for ephemeral gully recognition in the hilly and gully region of the Loess Plateau based on remote sensing images to provide an academic reference and practical guidance for soil erosion monitoring and slope and gully management in the Loess Plateau region.     

黄土丘陵区小流域土壤有效水空间变异及其季节性特征

基于213个样点土壤有效水数据,从流域、坡面和沟道三个尺度分析了黄土丘陵区典型小流域土壤有效水在春、夏、秋三个季节的空间变异特征。结果表明,土壤有效水均呈较强空间变异性,其中沟道土壤有效水均值和空间变异强度(标准差和变异系数)均显著高于坡面,坡面和沟道土壤有效水正态性明显好于流域尺度。不同尺度土壤有效水空间变异程度随均值发生变化,变异系数随均值增加呈指数递减趋势。流域和坡面尺度土壤有效水与坡向呈显著正相关关系且相关系数高于其与坡度和高程,而沟道尺度与各地形因子相关关系均较弱。土壤有效水空间变异呈现明显的季节性特征,秋季土壤有效水均值最高而空间变异性最低,夏季土壤有效水均值最低但变异系数最大。流域尺度夏季土壤有效水与高程相关系数显著高于春秋两季,而坡面尺度则相反。此外,土壤有效水抽样不确定性和估算误差随样点数量增加呈非线性递减变化趋势,当样点数超过20个时,增加样点数量的作用有限。