基于机器学习理论的土壤侵蚀模型构建

土壤侵蚀一直是环境问题中的重点和难点。由于影响土壤侵蚀的因素众多,传统的预测模型存在数据获取困难、适用范围小、研究周期长等不足,使得对土壤侵蚀的预测无法做到快速、便捷。支持向量机(Support Vector Machine,SVM)是机器学习中的一个重要模型,具有非线性映射、自我学习能力、全局最小值、对输入数据变化不敏感等优点,在建立土壤侵蚀量相关性预测模型方面较传统预测模型具有更强的优势。本研究应用浙江省诸暨市浦阳江水文站的降雨数据,利用ArcGIS地理信息系统确定水文站上游流域为研究区域。以降雨量、研究区域地理数据维度(包括坡度数据、坡长数据、土壤信息、土地利用类型)作为影响因子,输入支持向量机模型,进行流域内土壤侵蚀量预测。将水文站土壤侵蚀量实测数据作为对照值,用模型输出值检验,从而在取值范围内选择出模型最优的参数组。用影响因子数据和土壤侵蚀量数据对使用最优参数的模型进行检验,模型的预测准确率最高达到75%。其中,降雨量对土壤侵蚀量的影响最大,降雨量单因子预测准确率在70%以上,其余因子预测准确率在3.5%左右。最终得到一个土壤侵蚀量相关性预测模型,通过水文站降雨数据以及地理信息,即可预测当地土壤侵蚀量,准确率达到75%。

植物篱对红壤坡耕地的水土保持效应及其机理研究

在浙江诸暨红壤丘陵山区的野外径流小区条件下,设计5种不同植物篱种植模式,结合自然降雨、人工模拟暴雨试验、稀土元素(REE)示踪、土壤抗蚀性评价等方法,研究植物篱的减流减沙效应和控制机理。结果显示,与裸坡相比,自然降雨下麦冬双行植物篱处理地表径流量降低39.4%,土壤流失量降低65.8%,效果最佳。降雨前土壤含水量能显著影响径流和土壤流失的发生特征。土壤容重和孔隙度可作为衡量植物篱控制水土流失效应的最佳指标。根据17个抗蚀性指标建立植物篱条件下红壤抗蚀性的综合评价指标体系,评价结果表明土壤综合抗蚀性由高到低依次为麦冬双行、黄花菜+麦冬双行、黄花菜双行、麦冬单行、黄花菜单行和裸坡。不同坡位植物篱对土壤抗蚀性的影响存在差异,侵蚀泥沙主要来源集中在中下坡位。

基于机器学习的水稻发育期预测模型构建

采用机器学习中的支持向量机(SVM)方法,建立以适应区域尺度生产指导为目的的水稻发育期预测模型。通过整合水稻发育期数据和气象数据,构建训练集与测试集,并应用SVM算法建立针对5个不同发育阶段,应用2种不同样本构建方法的10个发育期预测模型。对其逐一进行评估,最终挑选出具有最佳预测效果的模型作为研究成果。结果表明:采用第1类样本(提前150d的样本)生成策略的5个发育期模型,其预测精度均大于80%,甚至达到95%的水平;而采用第2类样本(提前30d的样本)生成策略的5个发育期模型,其精度普遍在80%左右。与此同时,对这2种样本构建方法分别进行了敏感性及假阳性比较。结果表明:虽前者敏感性高于后者,但其假阳性也高,预测误差在9d左右,而第2类样本的预测误差则能控制在4～5d内,更符合模型构建的要求。采用第2类样本生成策略进行发育期模型的研究可获得更准确的预测结果。

不同草篱种植模式对土壤侵蚀的控制效应

选取我国南方红壤丘陵区5种等高草篱种植模式,结合径流小区法和稀土元素示踪技术,开展不同草篱控制坡地水土流失、减少地表径流的效应研究,分析等高草篱对坡面侵蚀空间分布的影响。结果发现,径流小区土壤流失量显著受降雨量影响,不同草篱种植模式下,各径流小区的平均土壤流失量和地表径流量较对照组(裸坡)均显著降低(P<0.05),其中麦冬双行草篱处理平均土壤流失量和地表径流量最小,分别为4 047 g和1 554 L,对照组(裸坡)最大,分别为19 793 g和2 403 L;麦冬双行草篱在控制坡面土壤流失和径流方面效果最佳;通过平均土壤流失量和平均径流量的二次线性拟合模型发现,随着地表径流量的变化,不同处理下土壤流失量的边际值存在差异;坡面中、下部是侵蚀泥沙的主要溯源地,产生了接近总流失量85%的泥沙;草篱改变了降雨过程中坡面内部土壤因沉积作用导致的再分布,但对整个坡面土壤侵蚀的空间分布规律无明显影响。