土壤水分运动单一参数模型及参数估算方法的研究

发布时间：2018-05-20 19:45

本文选题：入渗参数 + 土壤水分参数　；参考：《西北农林科技大学》2015年硕士论文

【摘要】：土壤水分运动过程是一个复杂的过程,其运动参数是研究灌溉时间和灌水量,构建农业用水灌溉制度的基础,同时也是研究土壤中养分以及一些农业污染物迁移的基础,因此,研究土壤水分运动参数的空间变异性对于以上几个方面有着重要意义。然而,土壤水分运动参数需要花费大量人力、物力进行实测,考虑如何快速准确的通过间接的方法得到这些参数,具有很强的实际意义。本文采用野外入渗试验与室内试验相结合,以试验数据分析及计算模拟为主的技术路线。以土壤水动力学理论为基础,对野外入渗试验所得数据进行分析,建立了稳定入渗率和120min累计入渗量的地统计学模型,分析土壤入渗特性在单一尺度上的空间变异性,与此同时,利用联合多重分形分析的方法分析入渗特性与土壤理化特性在多尺度上的相关性；对室内试验所得数据进行分析处理,建立并分析了土壤水分运动参数(土壤水分扩散率、土壤水分特征曲线、土壤非饱和导水率)的单一参数模型的BP神经网络模型,研究单一参数与土壤理化特性参数之间的关系,得出以下研究成果：(1)对入渗过程选取合适的入渗公式进行拟合,对比分析考斯加科夫公式和Philip公式的拟合精度,选取前者进行拟合,求得入渗参数稳定率和累计入渗量。利用地统计学方法对研究区域单一尺度入渗特性的空间变异性进行分析。依据半方差函数拟合结果可知,稳定入渗率和120min累计入渗量的变异程度差别较大。稳定入渗率的空间变异性要强于120min累计入渗量,但同属强变异；在间隔500m的取样尺度下,稳定入渗率和120min累计入渗量在表现出的空间变异性均比较强,均具有空间自相似性。(2)利用联合多重分形分析的方法,对入渗参数在多尺度上的空间变异性进行分析,并找出土壤理化特性中对其影响较大的因子。由联合多重分形分析的结果可知,土壤初始含水率和土壤容重对稳定入渗率和120min累计入渗量的影响要更大一些,其中土壤容重的对120min累计入渗量的多尺度影响最大,相关系数达到0.700以上；而土壤初始含水率对稳定入渗率的影响最大,相关系数达到0.500左右。(3)对土壤理化特性进行主成分分析,将研究区域初始含水率、土壤容重、有机质含量、粘粒含量、粗粉粒含量和砂粒含量等6个变量综合成4个主成分,且这4个主成分包含了土壤理化性质的全部信息,达到降维的目的。在此基础上,以4个主成分作为BP神经网络的输入变量,以土壤水分运动参数(土壤水分扩散率、土壤水分特征曲线、土壤非饱和导水率)单一参数模型的单一参数(A或B)作为输出变量,选择合适的隐含层数目,对神经网络进行训练。训练过程中,随机选择46组数据作为训练样本,剩余6组数据作为预测样本,来分析该模型的训练精度和预测精度。本文所建的基于BP神经网络的单一参数模型参数估算方法可直接从土壤理化参数估算土壤水分运动参数,为解决大区域土壤水分运动参数难以获得提供了一种技术途径,然而本研究中所得数据有限,需要进一步深入探讨。
[Abstract]:The process of soil moisture movement is a complicated process , its movement parameters are the basis of studying irrigation time and irrigation quantity , constructing irrigation system for agricultural water , and the basis of studying soil nutrient and some agricultural pollutant migration .
The BP neural network model of single parameter model of soil moisture movement parameters ( soil moisture diffusion rate , soil moisture characteristic curve and non - saturated water conductivity ) was established and analyzed . The relationship between single parameter and soil physical and chemical characteristic parameters was studied . The results were as follows : ( 1 ) The spatial variability of single - scale infiltration was analyzed by means of geostatistical method .
( 2 ) Using the method of combined multifractal analysis , the spatial variability of infiltration parameters on multi - scale was analyzed .
Based on the analysis of main components of soil moisture content , soil bulk density , organic matter content , clay content , coarse powder content and sand content , four main components were selected as input variables of BP neural network .
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S152.7

【参考文献】