BP神经网络在道路土壤分离速率模拟中的应用

 土壤分离是土壤侵蚀的重要过程,为坡面径流的搬运过程提供了物质基础,因而对土壤分离速率的准确模拟具有重要的理论和实践意义。采用变坡水槽实验,利用在较大的坡度(8.8%～46.6%)及较大的流量范围(1～5L/s)内测得的黄土高原道路土壤分离速率数据,分别使用BP神经网络模型及回归模型对土壤分离速率进行模拟,并对比上述2种模型的模拟效果。结果表明:BP神经网络模型可以利用实验中较容易测定的坡度、流量等数据对土壤分离速率进行较为准确的模拟(模型效率系数0.952);相对传统回归模型,BP神经网络模型对不同类型道路的土壤分离速率的模拟精度均有所提高;BP神经网络模型可以将道路类型、坡度、流量与土壤分离速率的关系统一为一个模型,可为道路土壤分离的模拟提供新的方法。     

随机气候生成器在黄土高原的适用性检验

 为进一步检验水蚀预报模型WEPP在黄土高原的适用性,并提供必要的数据准备,根据安塞水土保持综合试验站1986—2003年的日序列的降雨量、最高温度、最低温度和平均风速的实测值及全美范围内选择参照站得到的其他气象因子,对随机气候生成器在黄土高原的适用性进行了检验。结果表明:随机气候生成器能够较好地模拟单个气象因子,并未考虑各个气象因子之间的相互关系;同时,能准确地模拟年降水及其月分布,日最高温度、日最低温度的月分布,而风速模拟值的月均值、标准差普遍高于实测值的月均值、标准差。为此,选择参考站点时应综合考虑各个气象因子。按月计算的降水降水的概率和不降水降水的概率的模拟月均值比实测值偏低。     

DSSAT-CERES模型在黄土高原丘陵沟壑地区春玉米生产中的适用性评价

【目的】本研究在黄土高原丘陵沟壑区引入农业技术转化决策系统(DSSAT, Decision Support System for Agrotechnology Transfer)研究春玉米生长过程,旨在组建该区土壤、 气象、 作物品种的DSSAT模型数据库,验证和评估DSSAT模型在黄土丘陵沟壑地区的适用性,为模型在黄土丘陵沟壑地区的应用奠定基础。【方法】研究主要基于陕西安塞农田生态系统国家野外科学观测研究站2002、 2003、 2005年春玉米田间试验结果,采用DSSAT4.5内嵌的GLUE(Generalized Likelihood Uncertainty Estimation)软件,结合2002、 2003、 2005三年CK处理的大田试验数据运行GLUE软件3000次,对黄土高原丘陵沟壑区玉米品种沈单10 进行参数率定,然后运行DSSAT4.5中的CERES-Maize模型对其他处理条件下的春玉米生育期、 产量、 生物量进行模拟,并结合田间实测数据进行对比验证,对模型参数的适用性进行评价,从而评价CERES-Maize模型在该区春玉米种植中的适用性。【结果】 1)2002年和2005年对春玉米生育时期的模拟误差均在3天以内,产量模拟的归一化的均方根误差(n-RMSE)和平均相对误差(MRE)均小于10%,生物量模拟的误差稍大,但均在可接受范围内。2)2003年模拟的生育期时间和春玉米实测生育期时间基本吻合,唯独出苗日期相差较大,为9天;产量模拟的n-RMSE和MRE分别为6.47%和5.03%;地上生物量模拟误差稍大,模拟结果的n-RMSE和MRE分别为31.81%和30.21%。【结论】在正常降雨条件的情况下(2002年和2005年),CERES-Maize模型能够较好的模拟黄土高原丘陵沟壑区春玉米的生长过程、 地上部分生物量以及收获产量;在降雨较少的年份(2003年),模型对作物生产实际情况的再现能力相对变弱,因此CERES-Maize模型还不能很好的模拟干旱年份下作物的生长过程。