基于神经网络的含水土壤近场散射模型

针对降雨时土壤含水量变化导致传统土壤近场散射模型误差较大的问题,提出了基于神经网络的含水土壤近场后向散射模型。该模型将影响潮湿土壤近场散射的多种因素作为自变量,以实测数据为训练样本优化人工神经网络结构,提高了不同含水量土壤后向散射系数预测精度。与实测数据的对比分析表明,小于70°入射角情况下不同含水量土壤后向散射模型精度较高,且具有一定的自主学习能力,可满足毫米波引信探测不同土壤的回波信号仿真要求。

流动反转现象影响土壤内流场和温度场研究

为了保持植物内营养成份,使植物快速进入休眠状态,以含水土壤作为研究对象,采用数值计算方法,构造水的物性方程组,建立三维模型,采用有限容积法进行数值求解,分析土壤在不同高温壁面、不同Ra以及不同孔隙率条件下的流动反转现象。研究结果表明：含水土壤在3.98℃时水密度最大;在3.98℃时出现流动反转现象,此时流场和温度场均以中心呈轴对称;流动反转现象不会由于Ra大小的变化而变化,变化的只是流动的剧烈程度;在流动反转现象下,高温壁面的平均努谢尔特数与孔隙率存在非线性关系,其最小值出现在0.65左右。