奥地利土壤转换函数的构建研究

发布时间：2018-11-02 07:34

【摘要】：土壤水动力学特性是土壤水分、溶质运移模拟研究中的重要参数,而土壤转换函数(PTFs)的构建及评价是土壤水动力学研究中的重要内容之一。本文主要针对奥地利土壤观测,结合采用多指标综合评价与BVTO(Bias/Vanriance Trade-Off)方法,对文献中PTFs、Soilpar原有模型以及Rosetta、改进Soilpar等改进模型进行模拟评价,比较得出预测效果最好的PTFs,并运用多元线性回归方法构建及评价适合奥地利土壤的PTFs,主要结论如下:(1)对于文献中PTFs模拟预测,分别从R2、RMSE、Slope来看,很难得出预测效果最好的模型。因此,将三种指标综合起来,并结合BVTO图对模型进行评价,得出RB为预测θ-100效果最好的模型;θ-300预测效果最好的模型为GL和RB;VDB和TB是预测θ-15000效果最好的模型。相似地,对于Soilpar模拟预测,将三种指标综合起来,并结合BVTO图对模型进行评价,得出预测θ-60效果最好的方法是BSST;BSSS和BSST是预测θ-100效果较好的模型;预测θ-300效果最好的模型是Brakensiek,BSSS对于预测θ-300也具有较好的预测效果;BSSS亦是预测θ-15000效果最好的模型。(2)对改进模型进行模拟评价,得出Rosetta对于预测θ-60具有较好的效果;预测θ-100效果最好的模型为ABSSS,Rosetta对于预测θ-100也具有较好的效果;ABrakensiek则为预测θ-300效果最好的模型;对于θ-15000,预测效果最好的是ABrakensiek和ABSST。通过比较改进Soilpar与原Soilpar模拟预测结果,在预测θ-300时原Soilpar Huston预测效果比改进的AHuston要好。另外,ABSSS和BSSS在预测θ-15000时预测效果均较好。其他改进的Soilpar模型均比原Soilpar模型模拟预测效果好。原有及改进模型中Rosetta和ABSSS分别是预测θ-60和θ-100效果最好的模型;预测θ-300效果最好的模型是ABrakensiek、Brakensiek和RB;ABSST和ABrakensiek是预测θ-15000效果最好的模型。(3)综合来看,多元线性回归方法构建本研究区的PTFs较原有PTFs或软件模型改进了θ-60、θ-100和θ-15000对应土壤含水量,尽管没有大幅度改进,但是,与原有及改进模型中最好模型相比较,多元线性回归构建的模型方程中θ-100和θ-15000自变量个数相对减少。而对于θ-300,构建PTFs预测效果较原有PTFs及改进PTFs(如ABrakensiek、Brakensiek和RB)稍逊。另外,虽然不同模型在不同基质势下模拟表现性能不一,但总体来看,NPTFs、Rosetta、BSST、BSSS、ABSSS、ABSST和ABrakensiek对于大部分基质势下土壤含水量模拟预测效果较好。通过土壤转换函数来估算不同基质势下的土壤含水量,其结果对于研究土壤水分的滞留和运移具有重要意义。
[Abstract]:......
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S152.7

【参考文献】