Soil Moisture Retrieval from Satellite Images and Its Application to Heavy Rainfall Simulation in Eastern China

The soil water index （SWI） from satellite remote sensing and the observational soil moisture from agricultural meteorological stations in eastern China are used to retrieve soil moisture. The analysis of correlation coefficient （CORR）, root-mean-square-error （RMSE） and bias （BIAS） shows that the retrieved soil moisture is convincible and close to the observation. The method can overcome the difficulties in soil moisture observation on a large scale and the retrieved soil moisture may reflect the distribution of the real soil moisture objectively. The retrieved soil moisture is used as an initial scheme to replace initial conditions of soil moisture （NCEP） in the model MM5V3 to simulate the heavy rainfall in 1998. Three heavy rainfall processes during 13-14 June, 18-22 June, and 21-26 July 1998 in the Yangtze River valley are analyzed. The first two processes show that the intensity and location of simulated precipitation from SWI are better than those from NCEP and closer to the observed values. The simulated heavy rainfall for 21-26 July shows that the update of soil moisture initial conditions can improve the model＇s performance. The relationship between soil moisture and rainfall may explain that the stronger rainfall intensity for SWI in the Yangtze River valley is the result of the greater simulated soil moisture from SWI prior to the heavy rainfall date than that from NCEP, and leads to the decline of temperature in the corresponding area in the heavy rainfall days. Detailed analysis of the heavy rainfall on 13-14 June shows that both land-atmosphere interactions and atmospheric circulation were responsible for the heavy ralnfall, and it shows how the SWI simulation improves the simulation. The development of mesoscale systems plays an important role in the simulation regarding the change of initial soil moisture for SWI.

基于SVM算法的超声波速度-土壤含水率估计模型

为快速准确获取土壤含水率信息,便于农业精准灌溉,引入支持向量机算法(SVM)对4种不同干湿交替处理下超声波速度与土壤含水率进行拟合分析和回归训练优化,构建基于超声波速度的土壤含水率预测模型。结果显示,与传统的烘干法相比较,利用该模型在田间验证土壤含水率,平均相对误差为1.5%左右。研究结果表明,基于SVM模型构建的超声波速度-土壤含水率预测模型能够较好地描述被研究区域内土壤含水率,可为利用超声波特性实现对农田土壤水分的持续监测提供参考。

基于IPSO-BiLSTM和SVM的灌区农田土壤含水率预测研究

为提高土壤含水率预测精度,筛选出不同数量的预测因子,分别采用基于改进粒子群的双向长短期记忆网络(IPSO-BiLSTM)和支持向量机(SVM)对土壤含水率进行预测。以石津灌区典型地块为例,用前15 d的数据分别预测未来1~5 d的土壤含水率。结果表明:(1)IPSO-BiLSTM模型预测精度整体高于SVM模型,在验证集和测试数据上前者预测1~5 d的RMSE平均减小了5.50%,MAPE减小了5.77%,MAE减小了6.56%,决定系数R2提高了2.96%;(2)预测不同时长时最优模型所需要的预测因子数目不同,IPSO-BiLSTM模型预测1~3 d时1个预测因子最优,预测4 d时2个预测因子最优;预测5 d时4个预测因子最优。(3)运行时间上,IPSO-BiLSTM模型的运行时间与预测因子数无明显关系,而SVM的运行时间随预测因子数增多而加长;同样大小的数据集,IPSO-BiLSTM占用CPU比SVM高约20%。研究为灌区精准灌溉和农业水资源高效利用提供了理论和技术支持。

BP神经网络和SVM模型对施加生物炭土壤水分预测的适用性

生物炭作为土壤改良剂对半干旱区土壤水分有良好的吸持作用,为确定施加生物炭对土壤水分预测模型适用性的影响,依托黄土高原半干旱区固原生态站开展了小区定位试验。向土壤中施加不同种类及比例的生物炭,定期监测土壤水分含量;考虑土壤含水量的非线性特征以及生物炭对土壤水分的影响,选取BP神经网络和SVM支持向量机两种模型,建立施加生物炭土壤水分预测模型。计算预测值,并与实测值对比,分析相对误差;利用RMSE、MRE、MAE和R2评估BP神经网络和SVM模型的精度。结果表明;BP神经网络预测值的平均相对误差为3.78%,最大误差为13.14%;SVM模型的平均相对误差为0.56%,最大误差为2.42%。SVM模型的RMSE、MRE、MAE值(分别为0.34~0.17,0.07,0.56~1.27)均小于BP神经网络的(分别为1.04~1.16,0.47~0.68,3.78~4.57),且决定系数R2值SVM模型(0.96~0.99)大于BP神经网络(0.56~0.64)。BP神经网络和SVM模型均能很好地预测施加生物炭的土壤水分,但SVM模型预测结果更加稳定,精度较高,更适于施加生物炭土壤水分的预测。该研究可为半干旱地区生物炭还田土壤水分的预测及管理提供理论依据。

用多波长和LS-SVM补偿土壤温度的方法研究

针对近红外光谱易受样品温度的影响,采用多尺度小波变换对光谱数据进行消噪,运用最小二乘支持向量机(LS-SVM)在全谱范围内建立了近红外光谱预测模型,研究土壤温度对土壤含水率预测结果的影响,提出了应用多波长和LS-SVM回归法补偿土壤温度对土壤含水率预测精度的影响。试验结果表明,土壤温度影响近红外光谱预测土壤含水率,模型预测精度降低;采用多尺度小波消噪并提取特征光谱,运用特征光谱和LS-SVM法建立的土壤含水率预测模型较好地补偿了土壤温度对土壤含水率预测精度的影响,为实现田间在线测量土壤含水率提供了理论依据。

基于GA-SVM的GNSS-IR土壤湿度反演方法

针对提高大范围土壤湿度测量精度的问题,研究了土壤湿度的全球卫星导航系统干涉测量法(GNSS-IR),提出了一种基于支持向量机(SVM)的土壤湿度反演模型,利用遗传算法(GA)的自动寻优功能寻找SVM的最佳参数。结果表明,GA-SVM模型在测试集上得到的土壤湿度反演值与实测值的平均绝对百分比误差(MAPE)仅为0.69%,最大相对误差(MRE)为1.22%,线性回归方程决定系数达到了0.9569。进一步与统计回归、粒子群优化的SVM模型(PSO-SVM)及反向传播(BP)神经网络方法进行对比,结果说明:在样本数目有限的情况下,GA-SVM方法更适用于土壤湿度的GNSS-IR技术反演,且反演精度较高,泛化性能良好。

基于MSC与SVM的夯土齐长城土壤含水率高光谱估测

采用近地面高光谱技术,建立基于支持向量机(support vector machines, SVM)的土壤含水率的高光谱估测模型,为快速、无损估测土壤含水率提供科学依据。以青岛市黄岛区夯土齐长城为研究区,沿垂直于齐长城采集样品,并进行光谱反射率和含水率测定;对土壤原始光谱反射率进行对数的一阶微分(Lg(R)′)处理以及多元散射校正(Multiple scatter correction, MSC)和对数的一阶微分(Lg(R)′)处理,分别与土壤含水率进行相关分析,筛选敏感波长;利用Lg(R)′和MSC+Lg(R)′处理后的光谱数据分别建立基于SVM的土壤含水率高光谱估测模型。结果表明,多元散射校正可以增强光谱与土壤含水率之间的相关吸收信息,提高土壤光谱反射率与土壤含水率的相关性,筛选的敏感波长为1 861 nm、1 866 nm、1 549 nm、1 885 nm、1 871 nm、1 895 nm和2 095 nm;基于MSC+Lg(R)′预处理建立的SVM回归模型精度较高,其Rc2为0.811,Rv2为0.764,RPD为2.671。利用MSC方法对光谱数据进行预处理,可以更加准确地筛选出敏感波长,建立的SVM估测模型更加精准。

Effects of different inputs of organic matter on the response of plant production to a soil water stress in Sahelian region

The aim was to study the effects of organic management like the application of organic matters on crop production. This research is placed in the context of climate change impact mitigation. A field experiment was conducted during the dry season. Rainfall inputs were simulated by irrigation to study the effects of water stress during the flowering period of a grain on the agronomic and the physiological behavior of the plant. The measurements were made on the volumetric soil moisture, stomatal conductance, and leaf area index (LAI), grain yield, straw and weight of 100 grains. The water use efficiency (WUE) and yield losses were evaluated. The results of the volumetric soil moisture showed that the use of localized input under water stress (STR-T1) recorded the lowest moisture in the surface horizons. Treatment with localized input under water stress with or without fertilization (STR-T1, STR-T1 + N) showed an ability of stomatal regulation compared to the control (STR- T0) and the input application by spreading (STR- T2). (STR-T1 + N) has initiated an early stomatal closure of the plant because of the effect of nitrogen. However, despite a more pronounced water stress with stomatal closure, the LAI and the grain yield were greater with (STR-T1) and (STR-T1 + N). The results showed that the inputs of localized organic fertilization with or without nitrogen grain yields were the highest regardless of the hydric regime applied. However the losses of grain yield were higher in treatments with organic inputs in spreading and localized under water stress. The WUE by the crop was reduced compared to the control with organic inputs under STR. In this study we show that the use of organic matter increases de farmers risk and this notion of risk is high and it is necessary to consider this risk in the proposals of technical innovations.

基于超宽带雷达回波短时傅里叶变换的土壤含水率检测

土壤体积含水率监测对提高农业生产效率和制定合理土壤管理措施具有重要意义。超宽带雷达由于其高距离分辨率、强穿透能力在农业土壤动态信息实时监测中得到广泛应用。但以往对超宽带雷达信号的处理主要关注时域特征,忽略了同样具有丰富信息的频域特征,使得回波信号在土壤体积含水率反演过程中无法得到充分利用,限制了土壤体积含水率的反演精度。本文基于超宽带雷达获取的土壤回波信号,对其进行预处理并提取与土壤体积含水率有关的回波信号,对该信号采用短时傅里叶变换(Short-time Fourier transform,STFT),分析与土壤体积含水率有关的回波信号随时序变化的时频谱特征,进而结合卷积神经网络(Convolutional neural network,CNN)建立土壤体积含水率分级以及回归预测模型。实验结果表明,基于添加高斯白噪声后的数据,对于土壤体积含水率的分级,将时频特征和CNN模型相结合时,分级总体精度和Kappa系数分别为98.69%和0.9849,相较于10个时域特征与植被指数NDVI(Normalized difference vegetation index)建立的支持向量机模型(Support vector machine,SVM),分级总体精度提升21.78个百分点,Kappa系数提高0.2515。对于土壤体积含水率的回归预测,将时频特征和CNNR(Convolutional neural network regression)模型相结合时,预测结果与真实值之间的决定系数(R^(2))为0.9872,均方根误差(RMSE)为0.0048 cm^(3)/cm^(3),相对分析误差(RPD)为6.2738,相较于10个时域特征结合植被指数NDVI建立的CNNR模型,R^(2)提升0.2316,RMSE降低1.3377 cm^(3)/cm^(3),RPD提高4.2714。综上,在土壤体积含水率分级和回归预测方面,本文所提方法较传统信号检测处理方法具有明显优势。

9种介电类水分传感器对风沙土含水率的测定精度及校准模型比较

【目的】比较不同水分传感器对风沙土含水率的测定精度,并建立校准模型,为旱区农业水土资源的高效利用提供理论依据。【方法】以METER、Acclima和Truebners三大制造商生产的9种介电类水分传感器为对象,以典型风沙土为供试土壤,通过室内校准试验比较各种传感器对土壤含水率的测定精度,评估其在风沙土上的适用范围、准确度、精密度及其影响因素,并构建不同传感器测定风沙土含水率的校准模型,比较不同校准模型的精度。【结果】(1)默认模型下,与其他传感器相比,MAS-1和EC-5的测定精度较高,其均方根误差(RMSE)分别为0.020和0.027,平均偏差误差(MBE)分别为0.016和0.024,斜率(k值)分别为0.9433和0.9403,决定系数(R^(2))分别为0.926和0.938。(2)土壤含水率范围影响传感器的测定精度。各传感器在低含水率下的RMSE平均值比中、高含水率分别减小了40.9%和42.6%,MBE平均值减小了61.8%和59.9%,而R2平均值提高了0.7%和11.3%。其中,低含水率时EC-5和TDR-315H的精度较高,而中、高含水率下MAS-1的精度均较高。对于含水率相同的土壤,各传感器的测定结果差异较大,且含水率越高差异越大。(3)与默认模型相比,校准模型的RMSE和MBE平均减小了48.8%和72.6%,纳什系数(NSE)和R2提高了70.7%和4.5%。经模型校准后,5TE和TEROS-12测定精度的增幅最大,而TDR-315H的测定精度相对最高。此外,传感器测定的风沙土含水率默认值与校准值具有较高的拟合精度,通过模型转换可实现对默认值的二次校准。【结论】综合评估测定精度、使用寿命和售价,MAS-1、EC-5和TDR-315H可作为风沙土含水率监测的优先传感器备选,且利用风沙土的校准模型对传感器进行标定十分重要。

青藏苔草叶片解剖结构对生境干旱化的响应

叶片是暴露在外界环境条件下最大且可塑性较敏感的营养器官。为探讨生境干旱化对湿地植物叶片解剖结构的影响,该文以青藏苔草(Carex moorcroftii)叶片为研究对象,沿生境干旱化梯度设置样地,并分析了青藏苔草叶片解剖结构对生境干旱化的响应。结果表明:(1)叶尖和叶基部位远轴面的表皮细胞、泡状细胞和气腔面积,以及叶基部位的叶片厚度和机械组织厚度均与土壤体积含水率呈显著正相关(R^(2)=0.06~0.34,P<0.01);叶尖、叶中和叶基部位近轴面角质层厚度、细胞面积、维管束数量,叶中部位维管束直径均与土壤体积含水率呈显著负相关(R^(2)=0.08~0.53,P<0.01)。(2)青藏苔草叶片解剖结构具有较大的可塑性(0.53~0.94)和变异性(18%~63%),泡状细胞、气腔、近轴面表皮细胞的可塑性和变异性最大,叶基解剖结构可塑性指数与变异系数显著高于叶尖和叶中部位(P<0.05)。当生境干旱化时,青藏苔草叶片近轴面角质层加厚、表皮细胞面积增大、气腔面积减小、分化出泡状细胞等特征适应干旱生境,主要采取保护型和节约型策略适应干旱生境。该研究结果有助于揭示青藏苔草叶片解剖结构应对干旱生境的响应策略,为高寒草甸的保护和植被恢复提供理论参考。

黄土中水分迁移规律现场试验研究

黄土地区降雨诱发滑坡是不争的事实,但黄土地区地下水位很深,降雨入渗地面后如何运移,与地下水有无直接联系,目前还不是很清楚。为此设计了人工滴水试验模拟天然降雨条件,通过在一深度为10 m的探井井壁上埋设土壤水分计,观测人工滴水入渗过程中不同深度土体含水率随时间的变化情况,以确定其入渗影响深度。监测结果显示:降雨量为3.82 mm/d(小雨)时,0.5 m内土体含水率变化明显,0.5 m以下土层含水率几乎没有变化;降雨量为10.31 mm/d(中雨)时,1 m内土体含水率有所增加;降雨量达25.21 mm/d(大雨)时,1 m内土体含水率增长明显,1.0～1.6 m范围内有微弱增长;随着深度增加,土体含水率变化逐渐滞后,增幅逐渐减小。这说明在干旱的黄土地区,若无明显入水通道,短期内降雨的入渗深度有限,很难到达地下水位;但深部古土壤层的观测结果表明,即使在其上部黄土中含水率变化极其微弱的情况下,古土壤中的含水率上升明显,表明黄土中非饱和渗流或水汽迁移是存在的。通过试验还表明,陇东黄土高原地区土壤中水分循环主要发生在浅层0.7 m以内的蒸发带。降雨入渗到蒸发带以内,若无后续降雨补给,则向上蒸发排泄;若入渗至蒸发带以下,则不受蒸发影响,得以继续向下迁移;当遇到不透水面时,会在层面附近富集,有限元模拟也较好地反映了这一规律。

锡林郭勒草原土壤含水量遥感反演模型及干旱监测

土壤含水量是农牧业干旱监测系统的重要因子,对草原植被的生长及其与环境的相互作用具有重要意义。利用MODIS MOD16A2蒸散发(evapotranspiration,ET)月产品数据及测墒站实测土壤含水量,通过相关分析和回归分析等方法,建立了基于蒸散发亏缺指数(evapotranspiration deficit index,ETDI)的土壤体积含水量(soil volumetric moisture,SVM)反演模型SVM=-48.851×ETDI+54.669,该模型的均方根误差为3.27%,达到了区域土壤含水量快速反演的应用水平。基于国家标准确定该模型的干旱等级阈值,分析近15年(2000-2014年)锡林郭勒草原的干旱动态特征,结果表明,草甸草原的土壤含水量在14%上下波动,基本为无旱,只有2007和2009年发生轻旱;典型草原、沙地植被和总体的土壤含水量在11%上下波动,基本为轻旱,只有2007和2009年发生中旱;荒漠草原的土壤含水量在8%上下波动,基本为重旱等级,只有2002、2003和2012年为中旱。近15年锡林郭勒草原平均约66%的面积存在不同程度的干旱,无旱和重旱面积呈增加趋势,轻旱和中旱面积呈减少趋势,但变化均不显著(P>0.05)。

塔里木河下游土壤水分与植被时空变化特征

运用变异系数、Pearson相关和回归的方法,分析了塔里木河下游2002-2006年土壤水分的时空变化和植被的分布,以及二者之间的相互关系。结果表明:土壤含水率水平空间分布随离水源地距离增加而降低,垂直分布随土层深度的增加而增加;0-60cm土壤含水率变异性最小,属中等变异性;60cm以下土壤含水量变异性增大,属强变异性;土壤含水率的时间变化受生态输水量和持续时间的制约。土壤含水率与植被的时空分布具有同步性;植被特征指数与80-280cm土壤含水率显著相关,且二者与地下水埋深均呈现极显著负相关,说明60cm以下的土壤含水率显著影响植被的生长和分布,而且地下水位是影响土壤水分和植被时空变异的主要因素。

低覆盖度行带式固沙林带间土壤水分动态特征

通过对低覆盖度（15%~30%）行带式赤峰杨固沙林不同部位降雨量和土壤含水量的定位观测,探讨了行带式分布格局下固沙林不同部位的土壤水分特征和时空动态变化。结果表明,在行带式这种特殊的分布格局下,在垂直于林带的方向上,土壤水分分布总体上表现出明显的区域差别。根据土壤水分空间分布规律发现,低覆盖度行带式分布格局的固沙林林带内存在水分利用带和入渗补给带;在0-40cm深度水分利用带和入渗补给带土壤水分含量受降雨量影响上下波动剧烈,但入渗补给带和带间6m处水分利用带土壤水分含量对于降雨的响应较18m处利用带更加敏感;40-160cm深度,土壤水分含量受降雨量和林带蒸腾耗水影响,入渗补给带对水分利用带的土壤水分具有一定的补给调控作用。

秦岭火地塘林区油松林土壤呼吸时空变异

土壤呼吸是陆地生态系统碳循环的关键生态过程,土壤呼吸的时空变异及其影响因子已成为生态学研究的主要内容之一。采用红外线开路气室法和便携式微气象站,连续测定了秦岭火地塘林区天然次生油松林地不同部位土壤呼吸速率和不同土层深度土壤温度和土壤体积含水率,结果表明:(1)植物生长季,试验地上部与中部、中部与下部,土壤呼吸日均值间存在显著差异。植物休眠季,全坡面土壤呼吸日均值差异不显著。同一观测部位植物生长季与休眠季,土壤呼吸日均值差异显著。观测期内全样地土壤呼吸日均值为(38.64±6.43)gm-2d-1;(2)同一地形部位不同观测月中和不同地形部位同一观测时间,土壤呼吸月均值大多存在显著差异,植物生长季和休眠季,全样地土壤呼吸均值分别为(46.98±2.21)gm-2d-1和(35.94±1.01)gm-2d-1,全样地土壤呼吸月均值为(1.18±0.20)kgm-2月-1,休眠季土壤日均呼吸约为整个观测季的43.34%;(3)当土壤温度>9.0℃时,土壤温度与土壤呼吸速率间均存在显著的指数关系。回归模型的决定系数均大于0.87,均方差根不超过0.21,模型有效性系数不小于0.85,残差系数的绝对值不超过0.007。(4)植物生长季0-5cm和5-10cm土层及植物休眠季0-5cm土层,土壤呼吸日累积值均值与相应土层深度土壤体积含水率均值间存在三次函数关系,回归模型的决定系数分别为0.456,0.513和0.143;植物休眠季5-10cm土层,土壤呼吸日累积值均值与土壤体积含水率均值间存在幂函数关系,回归模型的决定系数为0.650。

基于MIMICS模型的麦田地表土壤含水量反演研究

为尝试联合应用光学与微波遥感数据反演小麦覆盖区土壤含水量的可行性,收集了2014年3月28日RADARSAT-2微波数据和2014年3月24日Landsat8光学数据,同时开展了地面同步试验,测量了49个点的地面数据。首先根据地面实测数据优化了光学遥感反演地表小麦含水量模型,然后利用MIMICS模型和AIEM模型模拟研究区后向散射系数生成训练数据集,再以Matlab为平台建立BP神经网络、SVM(Support Vector Machine)、MEA-BP(Mind Evolutionary Algorithm-Back Propagation)神经网络、LS-SVM(least squares support vector machine)方法模型,构建小麦覆盖区地表土壤含水量反演模型,最后利用地面实测数据对反演模型进行了精度验证。结果表明,以LS-SVM方法构建的小麦覆盖区地表土壤含水量反演模型的精度最好,其RSME为0.010,相对误差为6.57%。说明联合应用光学与微波遥感数据,并结合简化MIMICS模型构建小麦覆盖区地表土壤含水量反演模型,其反演精度较高且具有可行性。

测试土壤含水率和电导率的时域反射仪系统

研究了用于土壤参数测试的时域反射仪(TDR)系统原理与电路实现方法。根据系统设计要求设计出时域反射仪样机,该样机脉冲发生电路产生140 ps上升沿的时域脉冲,接收电路等效采样精度为8.69 ps,并设计了时域反射仪系统控制程序,给出了程序的系统控制和数据处理流程图。利用研制的TDR样机对两种土壤样本的相对介电常数进行了测试,反演了土壤样品的体积含水率,同时利用采集波形反演计算出不同湿度土壤样品的体积含水率和体积电导率,反演体积含水率与称量法测的结果接近,测试误差均小于4%。

干密度对黄土渗透系数的影响

非饱和渗透系数是研究非饱和土入渗规律的重要参数,同时也是研究边坡失稳和地基浸湿变形的重要基础。本文采用变水头法测量原状黄土和重塑黄土饱和渗透系数,基于Childs&Collis-Geroge模型,结合土水特征曲线和饱和渗透系数,详细探讨了原状黄土、不同干密度非饱和重塑黄土体积含水率与渗透系数的关系和规律。结果表明,原状黄土的饱和渗透系数远小于重塑样,重塑土样饱和渗透系数随着干密度的增大而减小;黄土非饱和渗透系数减小趋势随着干密度增大而减小,但在残余含水率附近,不同干密度下试样的渗透性基本相同。

中国自动土壤水分观测资料质量控制方法设计与效果检验

土壤湿度资料对气候变化、农业干旱监测、农业气象预报与服务等研究具有重要意义,为剔除土壤湿度观测资料中的异常数据,本文提出了一套适用于全国自动土壤水分观测资料的质量控制方法。首先,以2014年全国自动土壤水分观测资料为基础,根据资料中异常数据的特征将异常数据分为四类。其次,从界限值检查、内部一致性检查、时间一致性检查等方面提出:异常极值检查、异常增大检查、异常减小检查、异常恒定检查四类方法。最后,利用2014—2015年全国观测资料以及中国气象局陆面数据同化系统(CLDAS)土壤体积含水量数据集产品(V2.0)对各检查方法应用效果进行检验,结果表明:(1)四类检查方法均可判断出自动土壤水分观测资料中的疑误数据;(2)四类检查方法的判定结果在时间连续性及空间分布上具有一定的一致性;(3)该质量控制方法可减小观测数据与CLDAS数据之间的均方根误差(RMSE)。目前,该方法已应用于我国气象资料处理业务系统。