非充分灌溉青贮玉米土壤墒情预报的人工神经网络模型

土壤墒情预报是农田适时适量灌溉与科学管理的基础,田间土壤墒情的变化受降水、灌溉、植株蒸腾、土壤蒸发、根系层下边界水分通量及外界气象因素的影响,关系比较复杂。利用内蒙古锡林浩特市典型草原区的青贮玉米土壤水分试验资料,建立了土壤墒情预报的BP神经网络模型,并利用部分实测资料对网络进行检验,取得了较好的效果。结果表明BP神经网络模型可以对区域土壤水分进行动态预测,方法简便可行。     

浑善达克沙地人工植被覆盖下土壤蒸发的模拟研究

应用自制的微型蒸渗仪(Micro-Lysimeter)测定了2005年浑善达克沙地人工牧草区的日棵间土壤蒸发量。对影响土壤蒸发的主要因子进行了回归分析,并比较了以6因子[日平均气温(T)、净辐射(Rn)、相对湿度(RH)、2m处风速(U2)、0~30cm土壤含水率(θ)及叶面积指数(LAI)]和4因子[日平均气温(T)、净辐射(Rn)、0~30cm土壤含水率(θ)及叶面积指数(LAI)]为输入样本,以日棵间土壤蒸发量为输出样本的BP网络模拟预报模型。研究表明,BP网络可以用于日棵间土壤蒸发量的预报,6因子法和4因子法均简便可行,能满足生产的需要。相比之下,6因子法的精度更高。此研究是对传统棵间土壤蒸发量计算的补充。     

基于随机样本的神经网络模型估算参考作物腾发量

参考作物腾发量(ET₀)是计算作物需水量、制定灌溉制度和进行水资源管理的主要参数之一。计算参考作物腾发量(ET₀)的方法众多,为规范ET₀的求法,联合国粮农组织(FAO)推荐采用修改的Penman-Monteith方法。该文指出不需要收集长序列气象资料,而以随机样本建立学习速率和动量因子自适应的BP神经网络模型估算参考作物腾发量(ET₀)的方法,并且与FAO推荐的Penman-Monteith法计算值对比分析,结果表明：利用随机样本建立的的BP神经网络模型可以很好的反映气象因子(最高温度、最低温度、最大湿度、最小湿度、净辐射和风速)与参考作物腾发量(ET₀)的非线性函数映射关系,并且取得了良好的估算效果,给出了国家自然科学基金重点项目研究区内蓝旗试验站2004年的时间尺度为日、十日参考作物腾发量(ET₀)的计算及对比分析过程。     

人工草地青贮玉米高效灌溉制度研究

以内蒙古浑善达克沙地人工草地种植青贮玉米为研究对象,对两年灌溉试验数据应用FAO-56双作物系数法模拟计算了不同试验处理的青贮玉米实际需水量(蒸散量)。研究了需水量与玉米鲜物质产量、水分利用效率和边际产量之间的关系,并以水分利用效率和边际产量最高为原则确定了干旱地区青贮玉米高效用水灌溉制度。     

内蒙古黄土丘陵区坡面径流及其影响因素研究

为了进一步探讨坡面径流和各影响因子间的关系,以内蒙古的宁城、和林和东胜三地区的64个径流小区为研究对象,通过三年的定位观测,分析比较了各因子对坡面径流的影响,研究结果表明:在黄土丘陵区,坡面径流主要受降雨、植被以及人为等因素的影响。降雨量和降雨强度与径流量成正相关关系;林分密度,林冠的冠幅与径流量为负相关关系;人为因素主要表现在农业措施方面,不同的措施引发不同的径流状况,良好的措施可减小径流,破坏行为加深径流,造成水土流失。