垄沟集雨系统Laio土壤水分动态随机模型参数敏感性分析及优化

水文模型参数的敏感性分析、优化和验证对提高模型计算精度和效率具有重要意义。为探讨Laio土壤水分动态随机模型(Laio模型)各参数在垄沟集雨系统的敏感性,同时,确定参数优化和模型验证的最佳方案,本文结合多因素敏感性分析法以及改进单纯形法(ISM)、粒子群优化算法(PSO)和混合粒子群优化算法(HPSO),利用中国气象局定西干旱气象与生态环境试验基地2012—2013年垄沟集雨燕麦生长季降雨、径流和土壤水分等实测数据,对垄沟集雨系统Laio模型的13个参数进行敏感性分析、优化和验证。结果表明,平均降水量α和凋萎系数s_w对土壤水分概率密度函数p(s)最敏感,p(s)对参数α的敏感性在低土壤含水率下更明显,对参数s_w的敏感性在高土壤含水率下更明显;3种算法(ISM、PSO和HPSO)的优化参数值均能对垄沟集雨系统土壤水分概率密度函数进行较好模拟,峰值(CPV)、峰值位置(PP)和95%置信区间(CI95%)实测值与模拟值的相对误差均小于10%,CM指数均大于0.5;同时,HPSO算法优化参数的模拟效果和收敛速度均显著优于PSO算法和ISM算法,能较显著克服ISM算法和PSO算法存在的缺陷。HPSO算法可作为垄沟集雨系统土壤水分动态随机模型参数优化的待选方案。

基于土壤水分动态随机模型的土壤湿度概率密度函数研究进展

简要回顾和评述了几个典型土壤水分动态随机模型和相应的土壤湿度概率密度函数,并基于这些模型的模拟结果就系统随机波动、气候因素、土壤特性、植被条件、地形特征对稳定状态土壤湿度概率密度函数的影响分别进行了分析和讨论,同时还引用相关的实验结果对这些影响进行佐证。结果表明,土壤湿度概率密度函数对以上因子的响应非常敏感,对揭示土壤水分动态和诠释生态水文现象有很好的指导意义。指出未来土壤湿度概率密度函数的研究方向:开发更加逼近真实情况的随机模型;用土壤湿度概率密度函数的思想量化植被水分胁迫、耦合土壤水分动态与养分动态;对某一地区建立其土壤湿度概率密度函数,并用该函数指导其他相关的生态建设和研究。

基于HYDRUS-1D模型的水库近坝区土壤水分动态模拟

为探究五强溪水库近坝区土壤水分动态变化规律,以研究区内土壤墒情站为研究对象,利用实测逐日降雨与逐日蒸发数据驱动HYDRUS-1D模型反演土壤水力特性参数,分别在深度为10、20、40 cm观察点处进行土壤水分动态模拟,探讨研究区土壤水分动态变化规律及模型的应用效果。结果表明:不同观察点土壤水分模拟值与实测值的决定系数平均值为0.74,纳什效率系数平均值为0.71,均方根误差在0.011~0.035 cm^(3)/cm^(3)之间;0~10 cm深度的土壤水分对降雨和蒸发的响应最灵敏,波动最大;在水库主汛期(4—6月份)土壤水分变化平稳,且保持在较高的水平;研究期内7—12月份土壤水分在较大降雨情况下出现短暂饱和,土壤干湿变化明显,模拟值与实测值吻合度较高;整体上,HYDRUS-1D模型在研究区土壤水分动态模拟中具有较高的精度,可为研究区土壤水分估计及其动态变化规律研究提供有效方法。

使用有限数据推求土壤水分特征曲线VG模型的参数

【目的】使用一种简易方法和有限数据来获取土壤水分特征曲线VG模型的参数。【方法】选择了黑土、褐土、黄绵土、红壤和紫色土5种地带性土壤,实测了土壤饱和含水率(θ_(s))、0.33 bar土壤含水率(θ_(0.33 bar))、最大吸湿水(θ_(97%RH))和空气相对湿度为43%时的土壤吸湿水(θ_(43%RH)),并以θ_(43%RH)为残余含水率(θ_(r)),推导VG模型的参数。将推导出的参数带入到VG模型中,进行了土壤水分特征曲线的预报,并与实测的土壤含水率进行了比较。【结果】该方法能较好地模拟褐土的土壤水分特征曲线,模拟值和测定值的残差一般在0.01 cm^(3)/cm^(3)以内;也可以较好的模拟黄绵土和红壤在0.33~15 bar的土壤含水率,残差一般在±0.01 cm^(3)/cm^(3)以内;但黑土的模拟结果相对较差,在低于0.33 bar时,残差为负,在-0.03 cm^(3)/cm^(3)以内,而在0.33~15 bar,残差为正,达到0.04 cm^(3)/cm^(3);紫色土的模拟结果最差,在低于0.33 bar时,残差为负,达到了-0.07 cm^(3)/cm^(3);但在0.33~15 bar,情况有所改善,残差在0.03 cm^(3)/cm^(3)以内。通过配对t检验,认为模拟值和测定值无显著差异,二者的相关系数(r)为0.990。造成模拟值和测定值差异的原因可能是采样时紫色土密度较低,土壤中有较多的大孔隙,而黑土可能因有机质含量较高具有较好的结构性导致持水能力较强。【结论】采用土壤饱和含水率(θ_(s))、0.33 bar土壤含水率(θ_(0.33 bar))、最大吸湿水(θ_(97%RH))和空气相对湿度为43%时的土壤吸湿水(θ_(43%RH))推导的VG模型参数,可以较好地预报土壤水分特征曲线。但对土壤密度较低、存在大孔隙的土壤,及有机质量较高或结构性较好的土壤,可能会导致部分模拟值和测定值产生较明显的差异。前者可能会影响低吸力段的模拟结果(<0.33 bar),后者则可能影响土壤有效含水率段的模拟结果(0.33~15bar)。

太行山前平原井灌农田点尺度土壤水分动态随机模拟

基于中国科学院栾城农业生态系统试验站2002—2008年夏玉米生长期内的土壤水分观测数据及2000—2008年的降水(灌溉)、气象、生物数据,结合Laio土壤水分动态随机模型研究了太行山山前平原典型农田点尺度土壤水分动态的随机性。结果表明:研究区2000—2008年夏玉米生长期内日平均降水量为10.71 mm,降水频率0.290 9,其中小雨、暴雨的发生频率表现出明显上升趋势,中雨的发生频率呈显著下降趋势,大雨发生频率表现出微弱下降倾向;玉米生长期的土壤含水率6月份处于增长期,7月份达到生长期最高值并稳定在32.2%的水平,8月份以后下降并在9月份趋于稳定;Laio模型模拟得到土壤相对湿度的概率密度函数在曲线形状(峰值、峰值出现的位置、90%置信区间)与数字特征(中位数、均值、方差)方面与观测结果一致(α=0.05),模型在井灌区具有很好的适用性,且可以将灌溉作为一次降雨事件来处理;应用Laio模型得到在多年平均降雨条件下,32.1 mm的田间净灌溉量可以在50%水平上使夏玉米生长期内的土壤含水率保持在田间持水量的80%以上。

基于水云模型的农田地表土壤水分监测研究

目前,农田地表土壤水分监测方法存在操作复杂、监测范围受限的问题。对此,文章提出了一种基于水云模型的农田地表土壤水分监测方法。首先,文章将土壤样本的投影值与土壤的含量分级表进行对照,判定土壤的基础属性;然后,通过离心法计算不同吸力下的土壤含水率,确定土壤体积含水量和土壤水势的关系;最后,根据土壤水分的空间分布特征的分析结果,采用水云模型对农田地表土壤中的水分状况进行监测。实验结果表明,实验组在4种深度下土壤水分含量的监测精度均高于95%,说明文章方法监测性能较好。

黄土土壤水分特征曲线模型适用性研究

文章以壤土、粉壤土、粉黏壤土、粉黏土4类黄土为研究对象,采用实际测定和拟合分析相结合的方法,对不同土壤水分特征曲线模型的适用性进行评价。结果表明:随着黏粒含量升高,土壤的残余含水率升高,而饱和含水率降低。黏粒含量对Mckee and Bumb模型参数影响显著,且模型对所有土样拟合均不收敛;Frdlund and Xing模型和Gardner模型是壤土的最优拟合模型,Van-Genuechten模型是粉壤土和粉黏土的最优拟合模型。综合拟合精度和参数物理意义来看,Van-Genuechten模型对不同质地的黄土普遍适用,是描述黄土土壤水分特征曲线的最佳模型。

房价预期对经济波动影响——基于动态随机一般均衡模型的分析

从预期视角探究房价预期因素对经济波动的影响,构建包含房价预期的动态随机一般均衡模型,考察了单期和连续的正向房价预期冲击对经济变量的影响,分析了预期冲击下限购和限贷政策的调控效果。研究结果表明:房价单期预期冲击对经济波动产生的影响大于未预期房价冲击,并且居民预期形成越早,或居民房价看涨预期持续时间越长,经济波动会越剧烈;当居民持有看涨预期时,限贷政策在削弱经济波动的同时能遏制房价上涨,而限购政策失效。政府部门应当建立居民房价预期监测体系,将预期管理引入房价调控政策体系,有助于增强我国经济增长的平稳性和持续性。

古尔班通古特沙漠土壤水分-地形-植被关系研究

土壤水分是固沙植被的主要驱动因子,受地形、植被和气候的相互作用影响。本研究以古尔班通古特沙漠半固定沙丘上的土壤水分为研究对象,采用广义线性、广义加性和随机森林等模型,研究了不同微地貌类型和深度的土壤水分与地形-植被因子之间的关系。结果表明:除了迎风坡上表层(0~40 cm)土壤水分之外,沙丘不同微地貌类型和深度的土壤水分之间差异不显著;与植被因子相比,地形因子对不同深度土壤水分的影响更显著;地形因子坡度和高差与土壤水分含量呈负相关关系,而坡向与土壤水分含量呈正相关关系;植被因子的灌木盖度和生物量也对土壤水分呈现负向趋势;针对不同深度的土壤水分与地形-植被因子的关系建模上,随机森林模型优于广义线性和广义加性模型。研究结果为该地区未来固沙植被保护工作提供了理论指导。

间歇和连续喷灌下土壤水分运动特征COMSOL数值模拟与验证

为探明间歇喷灌和连续喷灌条件下的土壤水分运动规律,建立喷灌随时间变化的非均匀灌水边界下的土壤水分二维运动模型,借助COMSOL数值模拟软件,实现模型的求解,并通过土箱试验对模型进行验证,分析不同喷灌模式下土壤水分运动特征,评估喷灌均匀性和喷灌模式对土壤含水率均匀性的影响。结果表明,土壤含水率和土壤湿润峰模拟值与实测值之间的一致性较好。喷灌模式对土壤水分运动过程和含水率均匀度影响不大。随着间歇次数和间歇时长的增加,喷灌结束时表层土壤含水率减小、水分入渗深度增加。喷灌条件下,土壤含水率均匀度高于地表测得的喷灌均匀度。当喷灌均匀度为39.77%~80.15%时,土壤含水率均匀度为88.57%~94.47%。当喷灌均匀度较低、点喷灌强度较高、总灌水量较大时,采用间歇喷灌、增加间隙次数和总间歇时长,可以一定程度降低地表径流和深层渗漏风险、改善土壤含水率均匀性。研究可为喷灌系统设计均匀度合理取值和高效运行提供理论基础。

高海拔季节冻土区完全融化期土壤水分特征曲线适用性

以怒江源区那曲流域为例,基于4个试验场完全融化期(6—9月)的土壤体积含水量(0.15~0.51 cm^(3)/cm^(3))和土壤基质势数据(0~200 kPa)实测数据,选择Van Genuchten(VG)、Brooks-Corey(BC)和Campbell 3个模型进行拟合,以均方根误差ERMS和决定系数R2为评价指标,分析3个模型对高海拔季节冻土区不同土层和不同土壤质地的适用性。结果表明:从整体上看,VG模型(平均R2为0.992,平均ERMS为0.006 cm^(3)/cm^(3))的拟合效果优于BC模型(平均R2为0.972,平均ERMS为0.019 cm^(3)/cm/3)和Campbell模型(平均R2为0.984,平均ERMS为0.014 cm^(3)/cm^(3));但是在不同土层和不同土壤质地情况下模型的适用性有所区别,VG模型更适用于壤土和壤质砂土(平均R2为0.987,平均ERMS为0.008 cm^(3)/cm^(3))以及土壤深层(10~35 cm土层,平均R2为0.990,平均ERMS为0.007 cm^(3)/cm^(3)),Campbell模型更适用于砂质壤土(平均R2为0.985,平均ERMS为0.009 cm^(3)/cm^(3))以及土壤表层(5 cm土层,平均R2为0.993,平均ERMS为0.006 cm^(3)/cm^(3)),BC模型在不同条件下都不是最优模型;参数θr取值大小会显著影响土壤水分特征曲线的形状。本研究可为深入研究高海拔季节冻土区的土壤水分运动特性以及中华水塔区的水源涵养作用提供支持。

基于光学遥感和微波遥感的土壤水分反演模型研究

选用2020年5月17日Sentinel-1和Landsat 8影像数据,结合田间人工测墒数据,以辽宁省朝阳市为例,分别利用植被温度指数法和光学协同微波遥感反演算法反演土壤水分,构建高精度土壤水分预报模型。结果表明:基于光学遥感的植被温度指数(TVDI)不能较好反演农田土壤水分;微波反射能够较好反馈土壤水分的空间变化,Sentinel-1雷达数据VV极化对土壤水分的拟合精度(R^(2)=0.71)优于VH极化(R^(2)=0.27);基于全球植被水分指数(GVMI)改进的水云模型效果最优(R^(2)=0.80)。利用微波和光学遥感协同反演,能够反演得到高空间分辨率、高精度的农田土壤水分数据,有助于农业干旱的监测。

大别山北麓林下间作茶叶对改善土壤水分入渗的影响

土壤水分入渗是受土地利用类型(覆盖)变化影响显著的水文过程。为探明坡式经济林开发对土壤水分入渗的影响及其影响因素,该研究选取安徽省金寨县4种开发栽培模式(板栗经济林、板栗+茶间作、油茶经济林和油茶+茶间作,以杂木林为对照),选取Philip、Kostiakov、Kostiakov-lewis和Horton 4种模型对其在不同开发栽培模式下的适用性进行评价。结果表明:1)坡式经济林开发为板栗经济林、板栗+茶间作、油茶经济林和油茶+茶间作后,土壤水分入渗性能显著降低,平均入渗率、初始入渗率和稳定入渗率下降幅度分别为46.14%~64.88%、39.60%~58.97%和49.88%~72.84%。初始入渗率和稳定入渗率的大小排序为杂木林、板栗+茶间作、油茶+茶间作、板栗经济林、油茶经济林;而平均入渗率在板栗+茶间作和油茶+茶间作中无显著性差异(P>0.05)。2)相关性及通径分析表明,力稳性>5.00 mm粒级团聚体、水稳性平均重量直径和力稳性平均重量直径与土壤水分入渗性能(初始入渗率、平均入渗率、稳定入渗率)呈显著正相关(P<0.05),是影响土壤水分入渗特征的主要因素,且力稳性>5.00 mm团聚体是主要影响因子。3)Kostiakov模型最适合描述土壤入渗速率的特征。研究结果可为研究区开发栽培模式的选择提供参考。

基于地理加权回归的吉林省微波土壤水分降尺度研究

微波遥感是土壤水分监测的重要手段,但微波遥感土壤水分产品的空间分辨率较低,难以满足区域尺度的应用需求。使用地理加权回归模型,以1 km MODIS产品的遥感地表温度(LST)和归一化植被指数(NDVI)作为辅助数据,将空间分辨率为9 km的SMAP被动微波土壤水分数据降尺度为1 km,利用吉林省地面实测土壤水分数据,对降尺度后的SMAP数据进行了精度验证。结果表明,该降尺度方法在吉林省适用性较好,降尺度结果与SMAP数据在空间分布上保持了较高的一致性,小幅度提高了SMAP数据的精度,显著提高了SMAP数据的空间细节和纹理特征。

融合多源遥感数据的夏玉米土壤水分反演方法对比研究

为了解决在夏玉米植株高度较高(>1.5 m)情况下,无人机遥感土壤水分反演过程中冠层与地表之间多次散射对微波后向散射的衰减问题,寻找合适的反演方法。通过融合运用无人机多光谱和热红外数据、Sentinel-1A SAR卫星数据,结合田间实测数据,对植被覆盖下的土壤水分反演与精度验证进行研究;采用温度植被干旱指数(TVDI)、水云模型(WCM)以及引入MIMICS模型参数的改进水云模型(Improved WCM)3种方法进行土壤水分反演。其中,TVDI方法拔节期反演精度R2为0.50(10 cm)和0.42(20 cm),乳熟期反演精度R2为0.49(10 cm)和0.46(20 cm);WCM方法拔节期反演精度R2为0.53(10 cm)和0.44(20 cm),乳熟期反演精度R2为0.18(10 cm)和0.02(20 cm);Improved WCM方法拔节期反演精度为0.76(10 cm)和0.69(20 cm),乳熟期反演精度为0.78(10 cm)和0.74(20 cm)。采用引入MIMICS模型参数的改进水云模型方法得到的夏玉米2个生育期的反演效果,明显优于水云模型方法和温度植被干旱指数方法;3种方法的2个生育期反演精度均为10 cm高于20 cm。因此,引入MIMICS模型参数的改进水云模型方法更适合于玉米植株较高情况下的10 cm土壤含水量反演。

施肥对TDR土壤水分传感器测量精度的影响研究

为明析施肥对时域反射法(TDR)土壤水分传感器测量精度的影响规律,并提出适宜的标定方法,以提高其测量精度。以TDR土壤水分传感器作为研究对象,考虑土壤质地、土壤含水率、施肥量3个因素,选取新疆棉花主产区喀什的壤质砂土、克拉玛依的粉质壤土、昌吉的粉砂质黏壤土,设5个土壤含水率水平,5个施肥水平,共计75个处理;以烘干法为基准,建立了TDR土壤水分传感器标定模型,并进行验证。结果表明:在不同土壤含水率条件下,TDR传感器误差随着含水率的增加整体呈增大的趋势。同一含水率时,壤质砂土条件下的TDR传感器误差随施肥量的增加整体呈现增大的趋势;粉质壤土条件下的TDR传感器误差随施肥量的增加呈先减小后急剧增大的趋势;粉砂质黏壤土条件下的TDR传感器误差随施肥量的增加呈先增大后减小再增大的趋势。建立了TDR土壤水分传感器输出值与施肥量、含水率之间的多元回归预测模型并采用Logistic模型进行了标定,壤质砂土、粉质壤土、粉砂质黏壤土试验条件下标定后的平均绝对误差分别为-0.18%、1.46%、0.01%,表明考虑施肥量及含水率的变化对TDR传感器检测精度的提高有积极作用。

基于土壤水分的旱田灌溉用水量估算——以河南省鹤壁市为例

及时、准确地掌握区域灌溉用水量,对水资源管理及其优化配置具有重要的意义。然而,如何有效地获取区域灌溉用水量,仍是农业、水利及地理信息等学科亟需解决的重要问题。鉴于灌溉与土壤水分变化的联系,提出一种利用土壤水分估算灌溉用水量的方法。以鹤壁市16个土壤水分监测站点为研究对象,分别建立线性模型、对数模型和土壤水量平衡模型表达降水量与土壤水分的定量关系。首先,获取站点上的6年逐日气象数据(温度、降水、气压、风速、日照时长)和土壤水分数据,前4年数据用于建模,后2年数据用于模型验证。然后,在每个站点上建立基于土壤水分估算降水量的模型,并利用验证数据进行验证。结果表明:线性模型计算降雨量的RMSE为10.55 mm,对数模型计算结果的RMSE为10.3 mm,土壤水量平衡模型计算结果的RMSE为8.62 mm,基于土壤水量平衡原理的模型能更好地表达土壤水分与降水量之间的定量关系。最后,利用土壤水量平衡模型估算田间的灌溉用水量。与实测的灌溉用水量数据对比,采用水量平衡模型估算的灌溉用水量偏小约14.19%。综上,建立的利用土壤水分估算灌溉用水量方法,对准确获取灌溉用水量具有重要意义。

堆栈集成学习联合多源数据反演草地土壤水分

为了有效提高机器学习模型反演土壤水分的稳定性和准确性,提出了一种堆栈集成学习模型,组合多种机器学习模型的优势,提升模型的精度和泛化能力。首先,通过相关性分析,得出入射角为42.5°时,观测数据与土壤水分相关性最好;其次,使用水云模型和τ-w模型构建模拟数据库,与观测数据共同组成反演数据集;最后,利用4种机器学习和堆栈集成学习模型反演稀疏草地的土壤水分。实验结果表明:采用主被动协同比单一主动或被动微波数据的反演结果具有更高的精度;最优堆栈集成学习方法反演结果的决定系数达到0.9714,均方根误差和平均绝对误差分别达到0.0136 cm^(3)/cm^(3)和0.0102 cm^(3)/cm^(3),均优于最优单一机器学习方法,验证了该方法的有效性。

基于多源遥感数据的夏玉米覆盖地表土壤水分协同反演研究

土壤水分是陆-气界面物质与能量交换的关键参数,及时、准确地获取土壤水分信息,对于旱情监测、水资源管理以及农作物估产等具有重要意义。研究基于Sentinel-1 SAR遥感数据与Sentinel-2光学遥感数据,系统分析了不同光学植被指数与实测植被含水量之间的关系,优选融合植被指数(Fusion Vegetation Index,FVI)建立植被含水量估测模型,将其与植被微波散射模型—水云模型(Water Cloud Model,WCM)相结合,校正了植被层对SAR后向散射信号的影响。在此基础上,利用地表微波散射模型—Oh模型构建后向散射系数模拟数据库,基于查找表(Look Up Table,LUT)算法实现了VV和VH两种极化方式下夏玉米覆盖地表的土壤水分反演。结果表明:对于夏玉米等浓密植被覆盖地表,FVI能够更好地反映植被含水量特征,从而准确校正植被层的后向散射贡献量,基于FVI构建的植被含水量反演模型R2为0.693,RMSE为0.303 kg/m2;植被校正后,VV和VH极化方式下土壤水分与SAR总后向散射系数之间的相关性分别提高了21.6%和27.9%;相比于VH极化方式,VV极化方式更适用于土壤水分的反演,夏玉米覆盖地表土壤水分反演结果与实测值之间的R2为0.672,RMSE为0.048 m3/m3。研究成果可为浓密植被覆盖下土壤水分的遥感观测提供有力支撑。

青藏高原风火山流域多年冻土活动层土壤水分入渗特征及变化分析

坡向和坡位是影响坡面活动层土壤水分入渗的重要因素,然而当前对多年冻土区活动层土壤冻融循环影响下不同坡向、坡位土壤水分入渗特征的研究甚少。本文设置了不同时空条件的野外试验点,更加系统地分析了青藏高原多年冻土区活动层土壤水分入渗过程的时空差异性。选取青藏高原腹地风火山流域高寒草甸坡面活动层土壤为试验地,分别在不同的坡向(阳坡、阴坡)和坡位(坡顶、坡中)设置观测点,分析活动层土壤在完全融化期(7—8月)和开始冻结期(9—10月)坡面水分的入渗特征及其时空差异性,评估不同入渗模型在研究区的适用性。结果表明,多年冻土区坡面活动层土壤水分入渗特征具有较强的时空差异性。土壤水分入渗过程可以分为入渗瞬变阶段(0~30 min)、入渗渐变阶段(30~100 min)、入渗稳定阶段(>100 min)三个阶段,入渗速率的大小整体表现为阳坡>阴坡,坡顶>坡中,完全融化期>开始冻结期,瞬变阶段>渐变阶段>稳定阶段。五种模型对入渗过程的模拟结果显示,Horton模型对青藏高原多年冻土区土壤水分入渗过程的模拟效果最佳,而通用经验模型和蒋定生公式对入渗的拟合曲线和统计参数几乎完全相同,但模型表达式不同。本文研究结果可为不同时空条件下的陆地水文过程模型参数化提供数据支持。