利用土壤水分运移数值计算进行冬小麦灌溉预报

本文根据土壤水分运动原理，通过对冬小麦田间试验及有关资料的分析，建立数学模型，利用计算机对冬小麦田间土壤水分运移进行计算，并利用其预报土壤墒情，以便为决策部门进行适时适量的灌溉，合理调配水资源提供依据。     

利用土壤水分驼移数值计算进行冬小麦灌溉预报

本文根据土壤水分运动原理，通过对冬小麦田间试验及有关资料的分析，建立数学模型，利用计算机对冬小麦田间土壤水分运移进行计算，并利用其预报土壤墒情，以便为决策部门进行适时适量的灌溉，合理调配水资源提供依据。     

汾河灌区土壤墒情预报方法初步研

土壤墒情预报是了解农田土壤水分动态变化规律，调控土壤水分状况最有效的方法。本文依据山西省汾河灌区三站多年冬小麦与夏玉米生育期土壤含水量实测资料及相应气象资料建立了土壤墒情预报的经验模型和消退指数模型，并对两种模型进行了检验。结果表明，上述两种模型均能满足预报精度要求，但消退指数模型的精度比经验模型更高。     

土壤水分监测与灌溉预报系统设计

土壤水分监测与灌溉预报是实现作物适时适量灌溉的基础。提出了一种新的土壤水分监测与灌溉预报系统,依据实时采集的数据信息,判断作物用水情况,采用智能方法,建立高准确度土壤墒情与灌溉预报的模型,实现作物用水信息实时管理。     

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。     

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。     

土壤墒情监测预报技术研究进展

对已有墒情预报模型和土壤水分检测技术进行简单分析,总结了各自特点,发现现有土壤墒情检测技术在性价比层面还需提高,各墒情预报模型所受限制较多,仍没有较为通用、准确成熟模型,目前国外在这方面的热点研究集中于依靠"3S"技术,技术水平更为成熟,值得借鉴。对土壤墒情监测预报技术的前景进行了展望。     

基于Zigbee的灌区灌溉预报研究

针对大尺度灌区进行准确灌溉预报过程中存在的土壤水分空间变异性和预报实时性的问题，设计了通过对灌区合理划分基本单元及优化布置土墒采集节点，应用Zigbee无线传感网络分区域采集土壤墒情，由水量平衡方程对各单元实测数据进行预报，并逐层汇总、分析得到灌区总预报。通过GPRS无线网络实现远程PC机与区域Zigbee网络的数据连接，不仅实时监控灌区土壤墒情而且可执行远程灌溉控制，提高了灌区灌溉管理效率，对于灌区灌溉管理的数字化、实时性发展具有重要意义。     

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网络的膜下滴灌加工番茄墒情预报研究

针对加工蕃茄自动化滴灌系统下土壤墒情预报的问题,2011年在新疆生产建设兵团农八师国家农业科技园区,开展了土壤墒情预报的田间试验研究。通过观测得到的4个深度的土壤体积含水率以及日平均气温作为输入量,提出了一个基于BP网络的、可以对加工番茄在生育期内的墒情作出短期预报的模型。该模型分别以2d、7d为时间间隔,对自动化滴灌系统下的加工蕃茄墒情进行了预报,仿真结果显示预报效果较好。该模型用于加工番茄的土壤墒情预报是可行的,并且是一种简单、易于推广的墒情预报方法。     

基于人工神经网络土壤墒情动态预测模型应用研究

快速、准确地测定土壤墒情对作物生长发育及节水灌溉具有重要的意义。在2011-2012年的实测墒情资料的基础上,系统分析了三义寨灌区土壤墒情的时空分布规律;基于人工神经网络(ANN)理论构建了灌区不同埋深条件下土壤墒情的数值预报数学模型,模型计算值与实测值吻合较好,能够准确预测三义寨灌区不同埋深条件下的土壤墒情分布情况,为大型引黄灌区精细化灌溉模式应用提供了技术支撑。     

膜下滴灌棉田土壤水分消退规律分析与墒情预报

为了探明合适的土壤墒情预报方法,给新疆棉花生产制订合理的灌溉方案,在研究土壤含水率与土壤消退量比例关系的前提下,分析了北疆棉田土壤水分的动态消退规律,并对水分的消退系数进行了曲线拟合.结果表明,消退指数与棉花生长时间系数的拟合关系较好,相关系数最小为0.71.最大为0.82.经过检验,墒情预报值和实测值吻合很好,相关系...     

农田墒情测报及灌溉预报自动化研究与应用

应用土水势和水量平衡原理 ,通过田间试验和室内模拟试验 ,实现石膏块土水势传感 ,计算机数字采集 ,墒情及灌溉预报自动化 ,灌区应用验证精度较高     

新疆棉花膜下滴灌基于消退指数的土壤水分预报方法研究

根据北疆膜下滴灌棉花全生育期土壤水分观测数据,研究了不同深度的棉田土壤水分消退指数随作物生长时间的变化规律,探讨了棉花生育期土壤水分预报的经验递推方法,实验结果分析表明:棉花生育期消退指数在不同深度都呈现先增大后减小变化趋势,并且随其深度的增大而减小,其离散程度也随深度有所变化;利用消退指数法对40和60cm层土壤贮水量进行预报,预报误差最小为0.16%,预报所需资料少,结果可靠,精度较高,是一种适合新疆棉田土壤水分预报的实用方法。     

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。     

单因素土壤墒情预测模型研究

以土壤10、30、50cm深度处的土壤墒情各当前和历史数据不同组合为输入,以30cm处1h后的土壤墒情为预测输出,建立了基于BP神经网络的单因素土壤墒情预测模型。结果表明,模型预测误差约为10%,取得了较好的预测效果。     

土壤湿度指数在黄土高原的适宜性评价

利用1992—2000年间黄土高原地区逐月降雨量、实测土壤湿度数据,结合GIS遥感技术、相关分析等方法,对基于TU-Wien变化检测算法,从ERS散射计数据反演获取的土壤湿度指数(SWI)或表层土壤湿度(SSM),从点和面2个尺度进行了验证。结果表明,在不同的土地利用、土壤质地和地形条件下,SWI或SSM与降水呈正相关(P<0.01)。时间序列方面,降雨、实测值和SWI或SSM基本上呈现出相同的变化趋势;空间分布上,降水和SWI具有相似的分布特征。在点尺度上,选取的7个站点的SWI与降水呈正相关(P<0.01),SWI和实测值的相关性随土层深度加深而下降,仅在10cm处达到显著水平(P<0.01)。对表层10cm的实测数据而言,降水和SWI的相关性要好于其与实测值的相关性。在黄土高原区域尺度上,SWI或SSM能够较为准确地揭示该地区表层土壤湿度的演变和空间分布特征。有长达20年(1992—2011年)之久的数据积累,并且可以免费及时获取的SWI或SSM,对于大范围实测土壤湿度数据匮乏的黄土高原地区而言,是一种具有较高利用价值的土壤湿度监测数据产品。     

基于概念模型的棉田土壤水分变化模拟研究

农田土壤水分模拟是农业用水管理的重要依据。以根系层土体水量平衡方程为依据,考虑根系层下界面水分通量,构建了农田土壤水分变化模拟模型,该模型由作物蒸发蒸腾量模型、根区下界面水分通量模型以及水量平衡方程等组成。依据山西水利职业技术学院试验基地2006-2008年3年棉花试验资料,确定了模型参数。结果表明,土壤储水量模拟计算值与实测值有较好的一致性,其相关系数达到0.928 7,F检验结果(F=96.44F0.001=3.27)达到高度显著水平,所建立的土壤水分变化模拟模型可用于棉花田间土壤水分的模拟计算,计算精度平均达到5.3%~15.8%;模型较好地反映了农田土壤水分转化过程以及降水、蒸发和深层土壤水分对作物蒸发蒸腾及产量的影响。