共查询到20条相似文献，搜索用时 765 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
黄土高原区水资源严重匮乏，研究土壤水分特征曲线对于提高水分利用率、节约水资源有着重要的现实意义，但直接试验测量土壤水分特征曲线面临操作技术难度大、耗时费力等诸多问题，因此对土壤水分特征曲线进行科学合理预测十分必要。为提高黄土高原区土壤水分特征曲线预测模型精度，以山西省5个县市的试验点黄土为研究对象进行模型比选。基于BP神经网络算法，以土壤基本指标黏粒含量、粉粒含量、干容重、有机质和全盐量共5个影响因素作为预测模型的输入变量，以经验模型的参数作为预测模型的输出变量，分别建立了Gardner经验模型参数和Van Genuchten经验模型参数的预测模型，并根据实测数据库的预测结果进行对比和分析。结果表明：建立的经验模型参数的BP神经网络预测模型，Gardner经验模型建模和验证后的两个参数相对误差的平均值都小于4%,Van Genuchten经验模型建模和验证后的两个参数相对误差的平均值都小于5%；不论是建模的训练数据库还是验证数据库，Gardner经验模型参数的预测模型精度均高于Van Genuchten经验模型参数的预测模型精度。因此，建议针对黄土高原区的黄土水分特征曲线预测模型的建立... 相似文献
4.
为探明黄土高原北部草地表层土壤水分空间分布特征及其与环境因素的关系，该文用自回归状态空间模型和经典统计的线性回归模型对该区草地表层土壤含水率的分布状况进行了模拟。结果表明，状态空间方程可以应用于环境因素复杂的黄土高原水蚀风蚀交错区，其拟合效果优于线性回归模型。单因素中基于饱和导水率的模拟效果最佳（R2 = 0.936）；多因素模拟中以饱和导水率+海拔+凋落物模拟效果最佳（R2 = 0.976），可以很好地解释表层土壤水分的变异状况。自回归状态空间模型可用于研究黄土高原北部水蚀风蚀交错区表层土壤水分与其他因素的空间关系。 相似文献
5.
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。 相似文献
6.
土壤水分动态的研究是定量理解植被对水分胁迫响应、土壤养分循环的水文控制、植物水分竞争等生态系统动态的关键，是目前国内外的研究热点。利用2004年-2007年每天的土壤水分监测数据，结合laio土壤水分动态随机模型，研究了四川盆地丘陵区(重庆铜梁虎峰)土壤水分的动态特征及其laio模型在亚热带气候条件推求土壤随机动态特征的适用性。结果表明：监测年内各层土壤水分无论在枯水年还是平水年均差异显著，其中连续平水年土壤水分的含量和变异系数均高于枯水年，枯水年后的平水年低于枯水年；土壤水分的季节变化可分为稳定期、消耗期、波动期；土壤水分的垂直变化来看，土壤水分含量并非完全随着土壤深度的增加而增加。用laio概率随机模型导出的土壤水分概率密度图表明：各层土壤水分的峰度出现在=0.5左右，变化幅度较宽。用laio模型导出的土壤水分峰度和变幅与观测的概率密度函数结果基本一致，相对误差在5%，laio模型可用于分析亚热带气候下土壤水分动态随机特征。 相似文献
7.
为了探索获取比水容量的简便方式,以山西省黄土高原区农耕土壤为实验对象,进行了土壤水分特征曲线与比水容量的相关试验,拟合得到比水容量模型参数,并配套测定了相关的土壤基本理化参数。在研究分析各个土壤基本理化参数与比水容量模型参数的影响关系的基础上,建立了关于土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量的BP神经网络预报模型。研究表明:以土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量为输入因子的BP神经网络预报模型是可行的,比水容量模型参数实测值与预测值之间的平均相对误差均低于10%,预测效果较好,精度较高。该研究结果为黄土高原地区获取比水容量提供了理论与技术上的支持,同时可促进土壤传输函数理论的发展。 相似文献
8.
《节水灌溉》2015,(10)
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。 相似文献
9.
为了研究大型灌区节水改造后的区域农田生态环境效应中分布式水文模型空间参数的确定问题,通过内蒙古河套灌区解放闸灌域22个土壤水盐监测点110个土壤样本的采样与分析,利用贝叶斯神经网络(BNN)模型建立了河套灌区区域分层土壤特征参数与土壤水分特征曲线模型参数、特征含水率之间的土壤转换函数模型,并与已有的BP神经网络模型进行适应性比较及模型验证。结果表明,BP模型土壤转换函数的训练模拟精度优于BNN,但是在模拟预测方面,BNN模型普遍好于BP模型,而且模型输入因子数量对BP模型的精度影响较大,而BNN模型对于不同输入因子表现出很好的稳健性,BNN模型比传统的人工神经网络模型具有更好的适应性和预测效果,体现了土壤特征参数的空间随机性和结构性特征,而且预测的土壤水分特征曲线与实测和VG拟合结果更为接近,是一种具有广阔应用前景的区域土壤转换函数推求方法。 相似文献
10.
《中国农村水利水电》2019,(8)
把握土壤水分时空格局变化特征,对生态环境综合治理、防止水土流失具有重要参考价值与现实意义。提出一种基于DEM校正TVDI的SMOS土壤水分数据降尺度方法,对25 km空间分辨率的SMOS L3土壤水分产品空间尺度降至1 km,并对降尺度结果进行了验证。然后利用土壤水分变化的空间均方根误差(RMSEδs)和时间均方根误差(RMSEδt)对2017年研究区的土壤水分时空格局变化进行了分析,分析结果表明研究区土壤水分时空分布呈现不均一性,总体上南部和东部地区土壤水分含量较高,北部和西部地区含量较低。土壤水分随时间变化有所波动,6-8月份雨季时期土壤水分值普遍较高。此外,TRMM 3B43降水数据和土壤水分降尺度结果相关性分析表明,不同降雨条件会对土壤水分和降雨之间的相关系数产生显著的差异性影响。 相似文献
11.
A method for spatial prediction of daily soil water status for precise irrigation scheduling 总被引：1，自引：0，他引：1
Available water holding capacity (AWC) and field capacity (FC) maps have been produced using regression models of high resolution apparent electrical conductivity (ECa) data against AWC (adj. R2 = 0.76) and FC (adj. R2 = 0.77). A daily time step has been added to field capacity maps to spatially predict soil water status on any day using data obtained from a wireless soil moisture sensing network which transmitted hourly logged data from embedded time domain transmission (TDT) sensors in ECa-defined management zones. In addition, regular time domain reflectometry (TDR) monitoring of 50 positions in the study area was used to assess spatial variability within each zone and overall temporal stability of soil moisture patterns. Spatial variability of soil moisture within each zone at any one time was significant (coefficient of variation [% CV] of volumetric soil moisture content (θ) = 3-16%), while temporal stability of this pattern was moderate to strong (bivariate correlation, R = 0.52-0.95), suggesting an intrinsic soil and topographic control. Therefore, predictive ability of this method for spatial characterisation of soil water status, at this site, was limited by the ability of the sensor network to account for the spatial variability of the soil moisture pattern within each zone. Significant variability of soil moisture within each ECa-defined zone is thought to be due to the variable nature of the young alluvial soils at this site, as well as micro-topographic effects on water movement, such as low-lying ponding areas. In summary, this paper develops a method for predicting daily soil water status in ECa-defined zones; digital information available for uploading to a software-controlled automated variable rate irrigation system with the aim of improved water use efficiency. Accuracy of prediction is determined by the extent to which spatial variability is predicted within as well as between ECa-defined zones. 相似文献
12.
人工神经网络在预报土壤墒情中的应用 总被引：3，自引：0，他引：3
依据从2005年1～12月所采集的365组试验数据,建立了一个能够反映土壤墒情变化与气候因素之间关系的人工神经网络模型.模型共分输入层、隐含层和输出层3层.输入层的输入变量包括数据采集当天的10 cm、20 cm和40 cm深度的土壤含水量以及当天的日照时数,空气湿度,平均气温和降雨量.输出层的输出变量包括1天后的10 cm、20 cm和40 cm深度的土壤含水量.模型的学习因子为0.1,动量因子为0.05.模型经过25 000次训练后收敛,收敛误差为8×10 -4 ,这说明该模型能够很好的反映出输出量与输入量的关系,并能够准确预报出土壤水分信息. 相似文献
13.
该文概述了BP神经网络在农机总动力预测、农业专家系统信息决策、虫情测报、农作物水分和养分胁迫、土壤墒情、变量施肥、分类鉴别和图像处理等领域的应用情况,总结了人工神经网络模型的优点,指出其在精准农业和智能农业中的重要理论技术支撑作用。 相似文献
14.
快速获取大范围土壤地表粗糙度的空间分布是一个急需解决的科学难题。以快速获取内蒙古河套灌区解放闸灌域土壤地表粗糙度为目的,研究了RADARSAT-2雷达影像数据的地表粗糙度信息提取技术,通过剖面板法实测地表粗糙度数据。利用BP(Back Propagation)人工神经网络和LMBP(Levenberg-Marquardt Back Propagation)人工神经网络模型2种方法建立了土壤地表粗糙度的定量反演模型,并对模型进行验证。结果表明,LMBP模型的反演效果优于BP模型,其决定系数R2分别为0.888 3、0.689 2。建立的雷达后向散射系数反演土壤地表粗糙度的人工智能模型,能够在一定程度上满足快速获取土壤地表粗糙度的需要,为微波遥感监测土壤墒情及土壤盐渍化提供重要基础参数。 相似文献
15.
东北地区土壤温度和湿度空间变异特性研究 总被引：1，自引：0，他引：1
于2015年4月在黑龙江农垦赵光农场,使用20套无线传感器网络节点部署在赵光农场一面积为33.4 hm 2 的玉米地块,并通过2个手持式移动节点进行加密测量。根据这一方案,获得了从4月5—29日在240 m×240 m、120 m×120 m、60 m×60 m和30 m×30 m网格下的土壤温度和土壤湿度数据。在此基础上,基于统计半方差函数理论和GIS空间Kriging插值方法分别分析了土壤温度和土壤湿度各向同性、各向异性变化特征及分布模式。结合土壤温度和土壤湿度在不同尺度下的Kriging插值结果,确定了两者最佳采样间距。试验结果表明,土壤温度和土壤湿度的半方差函数分别适用于球形模型和指数模型,两者均有很强的空间自相关。其中,土壤温度自相关距离为51.56 m,土壤湿度的自相关距离为154.16 m。土壤温度在45°、90°方向变化明显大于0°、135°方向;土壤湿度拟合决定系数( R 2 )为0.77,在0°、135°方向上变化较大,土壤温度和土壤湿度最佳采样间距分别为60 m和100 m。 相似文献
16.
Water uptake by plant roots is an important process in the hydrological cycle, not only for plant growth but also for the role it plays in shaping microbial community and bringing in physical and biochemical changes to soils. The ability of roots to extract water is determined by combined soil and plant characteristics, and how to model it has been of interest for many years. Most macroscopic models for water uptake operate at soil profile scale under the assumption that the uptake rate depends on root density and soil moisture. Whilst proved appropriate, these models need spatio-temporal root density distributions, which is tedious to measure in situ and prone to uncertainty because of the complexity of root architecture hidden in the opaque soils. As a result, developing alternative methods that do not explicitly need the root density to estimate the root water uptake is practically useful but has not yet been addressed. This paper presents and tests such an approach. The method is based on a neural network model, estimating the water uptake using different types of data that are easy to measure in the field. Sunflower grown in a sandy loam subjected to water stress and salinity was taken as a demonstrating example. The inputs to the neural network model included soil moisture, electrical conductivity of the soil solution, height and diameter of plant shoot, potential evapotranspiration, atmospheric humidity and air temperature. The outputs were the root water uptake rate at different depths in the soil profile. To train and test the model, the root water uptake rate was directly measured based on mass balance and Darcy's law assessed from the measured soil moisture content and soil water matric potential in profiles from the soil surface to a depth of 100 cm. The ‘measured’ root water uptake agreed well with that predicted by the neural network model. The successful performance of the model provides an alternative and more practical way to estimate the root water uptake at field scale. 相似文献
17.
基于BP神经网络的新安江模型初始土壤蓄水量计算研究 总被引：1，自引：0，他引：1
【目的】克服传统经验折减系数法在计算新安江模型初始土壤蓄水量方面的缺点,并提高新安江模型在湿润半湿润地区的应用效果。【方法】结合流域初始土壤蓄水量的影响因素和神经网络模型特点,提出构建基于BP神经网络的新安江模型初始土壤蓄水量计算方法。【结果】在3种输入因子组合方式下,当BP神经网络隐含层节点大于11时,模拟训练期模型应用效果达到项目精度评价指标的甲等水平,预测检验期的9个样本,均有6个以上样本检验合格;当BP神经网络隐含层节点数从4个变化到21个时,模型评价指标纳什效率系数从0.51变到0.97、均方根误差从11.77降到2.74;与采用传统经验折减系数法计算新安江模型初始土壤蓄水量相比,采用BP神经网络模型应用效果明显占优,且能克服经验折减系数法计算土壤初始蓄水量需要选择流域一场暴雨或久旱未雨才能开始计算和计算过程数据不能中断的缺点。【结论】在湿润半湿润地区采用BP神经网络模型计算新安江模型初始土壤蓄水量具有可行性和适用性;当神经网络输入因子和隐含层节点数选择合理时,模型模拟和预测精度较高。 相似文献
18.
通过研究土壤性质的空间变异和空间插值方法,快速准确获取土壤性质的空间分布是精确农业和环境保护的基础。该文以四川眉山一块约40 km2的区域为试验区,采集表层土壤（0～20 cm）样点80个,利用径向基函数(RBF)神经网络建立空间坐标和邻近样点与土壤有机质间的非线性映射关系（RBF2）,模拟土壤有机质的空间分布。与普通克里法（OK）和仅以坐标为网络输入的神经网络方法（RBF1）相比,RBF2的插值精度有显著的提高;相同样点密度下其相对预测误差分别较OK和RBF1减小了9.87%、1.97%（样本A）和13.09%、2.36%（样本B）;即使样点数减半的情况下RBF2的相对预测误差也分别较OK和RBF1减小了10.23%和2.33%,并且插值图差异相对较小,可以更好地反映土壤有机质空间分布的异质性。因此,利用以坐标和邻近样点为输入的神经网络方法可以相对准确、快速地获取区域土壤性质空间分布的异质性信息。 相似文献
19.
基于温度植被干旱指数的土壤水分空间变异性分析 总被引：3，自引：3，他引：0
《灌溉排水学报》2019,(3)
【目的】深入探讨区域土壤水分空间变异及其尺度效应,优化灌区尺度土壤水分采样精度,并提供合理采样方案。【方法】以人民胜利渠灌区为研究区,利用Landsat 8遥感影像,构建了温度植被干旱指数,根据其与土壤水分的相关关系获得研究区土壤水分分布。利用经典统计学和地统计学分析方法对2种尺度下土壤水分分布进行了空间变异性分析。【结果】不同尺度土壤水分服从正态分布,随着研究尺度和分辨率的增大,土壤水分的空间变异系数逐步增大;地统计学分析表明小尺度的块金基台比(C0/(C0+C))小于0.25,具有较强的空间相关性,而灌区尺度的块金基台比大于0.25小于0.75,具有中等强度的空间相关性。灌区尺度所选不同分辨率下土壤水分的变异系数、变程以及块金基台比变化很小。【结论】人民胜利渠灌区尺度土壤水分的获取不适宜用插值法,比较适宜用遥感法。 相似文献