农田土壤理化参数快速获取技术研究进展与展望

[目的/意义]土壤是农业基本的生产资料,其质量与农业高效生产和可持续发展密切相关。由于以往对农田的高强度利用以及土壤侵蚀等原因,导致部分农田出现土壤有机质明显下降、地力减弱和生态功能退化等现象。土壤理化参数作为揭示土壤空间特征、评估土壤肥力的关键指标,对农田可持续利用起着至关重要的作用。因此,土壤理化参数信息的快速获取极为必要。[进展]探讨了农田土壤理化参数获取技术的研究意义,总结了当前用于农田土壤理化参数信息获取的主要技术,包括以电化学分析和光谱分析为主的实验室快速检验技术,以电磁感应、探地雷达、多光谱、高光谱和热红外为主的近地快速感知技术,以直接反演法、间接反演法和结合分析法为主的卫星遥感技术,以及近年的新型快速获取技术,如生物传感、环境磁学、太赫兹光谱和伽马能谱等,梳理了各方法的优缺点及适用情况。[结论/展望]结合农田环境的作业需求,依据未来研究的侧重方向提出发展建议,包括开发便携化、智能化和经济型的近地土壤信息获取系统及设备,实现土壤信息的原位快速检测。优化低空土壤信息获取平台的性能,完善数据的解译方法;联合多因素构建卫星遥感反演模型,利用多种共享开放的云计算平台实现数据的深度挖掘。深入探索多源数据融合在土壤理化参数信息获取中的研究与应用,构建泛化能力强、可靠性高的土壤信息感知算法和模型等,从而实现土壤理化参数信息快速、精准和智能化获取。

秸秆还田对土壤理化参数及冬小麦形态特征和光合性能的影响

为研究秸秆还田处理对土壤理化参数和冬小麦的影响,通过大田试验对黄淮海平原区的冬小麦进行秸秆覆盖处理,探讨秸秆还田对土壤理化参数及冬小麦形态特征和光合性能的影响机理。结果显示,秸秆还田导致土壤含水量显著增加,但土壤N和P含量显著降低,而对土壤K含量没有产生显著影响;秸秆还田显著增加冬小麦的叶面积,且使气孔的空间分布更加规则,从而有效提高叶片的净光合速率,最终增加冬小麦的穗粒数和千粒重。

上海城市土壤理化性质空间分布及其对土壤污染物风险控制值的影响

为考察土壤理化性质的差异对土壤中污染物的风险控制值计算结果的影响,以上海为研究区采集296个土样进行土壤理化性质参数分析,参考《建设用地土壤污染风险评估技术导则》(HJ 25.3—2019)中的方法计算不同污染物的土壤风险控制值,并与《土壤环境质量建设用地土壤污染风险管控标准(试行)》(GB 36600—2018)中的风险筛选值进行比较。结果表明,研究区土壤为典型的黏性土壤特性,其土壤理化性质参数与HJ 25.3—2019推荐值有明显差异;土壤理化参数的取值主要影响挥发性有机污染物的风险计算结果;以研究区实测的土壤理化参数背景值来计算25种挥发性有机污染物在第一、二类用地的土壤风险控制值,结果与GB 36600—2018的风险筛选值相比存在不同程度的差异。采用Crystal Ball模型计算土壤容重(ρ_(b))、包气带土层孔隙水体积比(θ_(ws))、包气带土层孔隙空气体积比(θ_(as))和土壤有机碳质量分数(f_(oc))对土壤风险控制值的敏感性,4个参数敏感性排序为ρ_(b)>f_(oc)>θ_(ws)>θ_(as);污染物物理性质会影响土壤理化性质对土壤风险控制值计算的敏感性;研究区域土壤θ_(as)、θ_(ws)与HJ 25.3—2019推荐值差异较大,是造成土壤风险控制值计算结果与GB 36600—2018的风险筛选值存在差异的主要因素。

土壤入渗模型参数的多元线性预测模型精度的对比分析

基于黄土高原大田耕作土壤的入渗试验数据,利用多元线性回归法建立了Kostiakov二参数、三参数以及Philip入渗模型参数的线性预测模型,进行了3种模型参数平均误差的比较以及给定时间的累积入渗量误差的比较,提出了便于应用又具有较高精度的土壤水分入渗参数多元线性预报模型。结果表明,Kostiakov二参数模型的平均误差低于三参数入渗模型和Philip入渗模型,能将平均误差控制在15%以下,低于其他2种入渗模型。因此用Kostiakov二参数入渗模型对土壤水分入渗能力进行预测较好。

冻融土壤Philip入渗模型参数的BP预报模型

为提高季节性冻土区冬、春季储水灌溉的灌水质量和效果,在季节性冻土区冻融期间进行了大田冻融土壤的系列入渗试验,获取了自然冻融条件下的大量土壤入渗试验数据,拟合得到了不同冻融条件下的Philip入渗模型参数,建立了入渗模型参数与土壤基本理化参数间的BP神经网络的预报模型,实现了基于土壤体积含水率、黏粒含量、土壤密度、土壤温度以及灌溉用水水温等基本理化参数对Philip入渗模型参数稳渗率A、吸渗率S的预报。所得到的预测值与实测值之间相对误差的平均值控制在7%以内。研究表明,利用冻融土壤条件下土壤常规理化参数对Philip入渗模型参数进行预报是可行的,可为季节性冻融土壤灌溉技术参数的确定提供有力支撑。

备耕头水地土壤入渗参数的线性预报模型

为了提高备耕头水地的灌溉质量,基于黄土高原区大田备耕头水地土壤入渗试验数据样本,采用线性回归分析的方法,建立了是否考虑备耕头水地灌溉前后地表土壤结构变形条件下的Kostiakov三参数入渗模型参数的线性预报模型。最终研究出预测备耕地入渗参数的两种方案,将两种方案各参数预测值的平均误差以及给定时间下的土壤入渗率的平均误差进行比较,结果表明:两种方案均能进行备耕头水地入渗参数预测,直接预测法的平均误差低于间接推求法,能将平均误差控制在15%以下,在条件允许的情况下优先选用直接预测法较好。

基于支持向量机的土壤水分入渗参数预测研究

为解决土壤水分入渗能力的空间变异性问题,以方山、河津、泽州等地土壤入渗试验为背景,选用两参数Kostiakov入渗模型,建立以土壤密度、体积含水量、黏粒和有机质含量等土壤理化参数为输入变量,土壤水分入渗参数为输出变量的土壤传递函数。通过对入渗参数k、α的土壤理化参数影响因子分析,表明土壤理化参数与土壤入渗参数间存在着相关关系。在此基础上,运用支持向量机理论,将入渗参数的非线性回归问题转化为一个二次凸规划问题,建立了土壤入渗参数k、α的预测模型,通过对预测样本的误差分析,表明基于支持向量机土壤水分入渗参数预测模型的预测效果良好,可实现土壤传递函数的有效建立。

基于支持向量机的冻融土壤入渗参数预测

以提高冻融条件下农田土壤灌溉水利用率为目的,基于汾河灌区冻融期内土壤入渗试验,运用支持向量机理论,建立了以冻融条件下土壤含水率、质地、容重、地温和灌溉水温为输入变量,Kostiakov入渗模型参数k、α为输出变量的支持向量机回归预测模型。预测模型误差分析表明:入渗系数k与入渗指数α的训练样本相对误差与检验样本相对误差都控制在10%以内,将k与α代入Kostiakov入渗模型得到的90 min累计入渗量I_(90)的相对误差平均值为5.81%。说明冻融土壤条件下,基于支持向量机理论的Kostiakov入渗模型参数的预测是可行的。

土壤入渗参数的灰色预测模型研究

为了研究在小样本、贫信息条件下,包括土壤密度、体积含水量、黏粒和有机质含量在内的土壤理化参数与土壤入渗特性之间的关系,以方山县土壤入渗试验为背景,选用两参数Kostiakov入渗模型,通过对入渗参数k、α物理意义的分析,运用灰色关联理论,对土壤理化参数中各参数与土壤入渗参数的关联度大小进行了灰色排序,结果表明对于入渗参数k、α而言,与其关联程度由大到小均为土壤密度>黏粒含量>土壤含水量>有机质含量。并在此基础上建立了入渗参数k、α的GM(0,5)灰色预测模型,通过对预测值与实测值间的误差分析,表明其预测精度可以满足要求,由此所建立的土壤入渗参数灰色预测模型可行。

冻融土壤Philip入渗模型参数的非线性传输函数模型研究

为满足季节性冻土地区越冬期间储水灌溉管理的需求,基于山西省汾河灌区季节性冻土的冬季大田土壤水分入渗试验,得到了120组Philip入渗模型参数实测样本,借助MATLAB软件,建立了以土壤温度、有机质质量分数、土壤含水率、土壤体积质量、物理性黏粒量为输入因子、以Philip入渗模型参数吸渗率和稳渗率为输出因子的多元非线性传输函数模型,并用实测资料对该模型进行了精度检验。结果表明,预测参数的相对误差均小于11%,预报精度在可接受范围之内。

盐碱土壤Philip入渗模型参数的非线性预报模型

基于晋北盐碱地土壤水分原位入渗试验,建立了容量为200组的盐碱地Philip入渗模型参数样本,借助MATLAB软件,构建了以土壤全盐量、有机质量、含水率、容重、黏粒和粉粒含量为输入因子,Philip入渗模型参数吸渗率S和稳渗率A为输出因子的多元非线性预报模型,并用实测资料对该模型进行了精度检验。结果表明:对入渗参数预测的相对误差均小于10%,误差较小,模型预报精度较高,可满足实际应用的需要。研究结果在为盐碱地灌溉灌水技术参数的合理确定提供技术手段的同时,也为进一步优化盐碱地的改良方法提供了理论依据。

支持向量机的盐碱土壤Philip入渗模型参数预测研究

以大田原生盐碱荒地土壤入渗试验数据为样本,应用支持向量机回归算法,建立了盐碱土含水率、容重、有机质含量、黏粒含量、粉粒含量、全盐量以及pH值与Philip入渗模型参数间的预测模型。预测结果表明,训练样本中吸渗率S的相对误差平均值为4.05%,稳渗率A的相对误差平均值为5.49%,90 min累积入渗量I_(90)的相对误差平均值为4.28%;检验样本中S、A和I_(90)的相对误差平均值分别为4.22%、3.58%和4.48%。可以看出,不论训练样本还是检验样本,入渗参数预测值与实测值基本吻合,所建立的预测模型精度较高,表明基于支持向量机的盐碱土壤Philip入渗模型参数的预测是可行的,可为改良盐碱土壤提供入渗参数的技术支撑。

考虑土壤结构变形的备耕地入渗参数线性预报模型

基于山西省境内大田土壤入渗试验和相关土壤基本理化参数测试数据样本,考虑头水地灌溉时地表土壤骨架变形、容重增加的客观实际,分析了结构变形对Kostiakov三参数入渗模型参数的影响,建立了考虑土壤结构变形的备耕地入渗参数线性预报模型结构;利用MATLAB程序对模型进行了模型系数的线性回归,最终得到了回归系数均显著,模型平均相对误差较小(均能控制在15%以下),预测精度较高的备耕地土壤水分入渗参数的线性预报模型,实现了利用容易获取的土壤基本理化参数进行头水地土壤水分入渗过程预测的有效方法。

盐碱土壤Kostiakov入渗模型参数的BP预报模型

为改良和改善盐碱地提供土壤入渗参数技术支撑,基于在山西省北部盐碱地进行的野外系列入渗试验,获取了累积入渗量与入渗历时的数据样本,并计算回归了kostiakov二参数入渗模型的入渗系数k与入渗指数α,建立了盐碱土壤基本理化参数与入渗参数之间的数据样本,利用BP神经网络的方法,建立了以土壤含水率、容重、质地、有机质、全盐量以及p H为输入变量,kostiakov入渗参数为输出变量的预报模型。结果表明:盐碱地土壤条件下,以土壤基本理化参数为输入变量,kostiakov入渗模型参数为输出变量的BP预报是可行的,入渗系数k的相对平均误差为0.29%、入渗指数α的相对平均误差为1.28%,以及根据两个入渗参数计算得到90 min累积入渗量的相对平均误差为2.37%,对所建立的模型进行检验时,以上三个参数检验误差的平均值均能控制在3%以下,确定所建立的BP预测模型能获得较好的效果。

土壤水分特征曲线模型参数的非线性传输函数研究

以黄土高原区土壤为研究对象,通过土壤水分特征曲线与土壤基本理化参数系列试验,获得了Van-Genuchten模型参数的实测数据样本,建立了土壤基本理化参数与Van-Genuchten模型参数之间一一对应的关系,创建了以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,Van-Genuchten模型参数为输出变量的非线性传输函数预报模型。研究表明:以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,对Van-Genuchten模型参数进行非线性预报是可行的;所建立的非线性预报模型精度较高,预测样本下Van-Genuchten模型参数α的实测值与预测值的相对误差的平均值为9.66%,参数n的实测值与预测值的相对误差的平均值为6.83%,检验样本参数α的实测值与预测值的相对误差的平均值为7.34%,参数n的实测值与预测值的相对误差的平均值为5.45%。研究成果为黄土地区提供一种便捷获取土壤水分特征曲线的途径。

田间持水率土壤传输函数研究

基于不同土壤质地、结构、有机质含量条件下的田间持水率测定,分析了影响田间持水率的主导因素。利用多元线性、非线性模型和BP神经网络模型,建立了田间持水率与常规土壤理化性能参数间的不同传输函数。结果表明:土壤干容重、粉粒含量、黏粒含量以及土壤有机质含量等常规土壤理化性能参数对田间持水率都有较大影响;通过这些传输函数预测田间持水率都是可行的,具有较高的预测精度(相对误差小于10%),BP神经网络模型预测效果最好(相对误差3.24%)。

灰色GM(0,N)模型在土壤田间持水量预测中的应用

基于田间持水量测定试验数据及土壤理化参数测定试验数据,运用灰色预测理论对田间持水量与土壤理化参数的关联度进行分析,建立以土壤密度、土壤粉粒质量分数、土壤黏粒质量、土壤有机质质量分数为输入变量的GM(0,N)土壤田间持水量预测模型。对所建模型进行残差检验、关联度检验、后验差检验证明所建模型是可行的,实现了少数据、贫信息情况下利用土壤常规理化参数对土壤田间持水量的预测。

Kostiakov入渗模型参数的预测精度对比分析研究

基于黄土高原系列大田入渗试验数据,以土壤体积含水率、干容重、黏粒含量、粉粒含量、有机质含量为输入因子,采用支持向量机和BP神经网络两种算法,对Kostiakov二参数入渗模型参数进行预测,并对两种算法下预测结果的相对误差值进行分析,结果表明:采用支持向量机算法对入渗系数和入渗指数进行预测的结果相对误差最大值和平均值都比BP算法的预测结果要小,相对误差最小值比BP算法的预测结果要大;支持向量机算法比BP算法所得预测结果的稳定性好,精确度高。研究结果丰富了采用土壤传输函数获取入渗参数这一研究方向,同时为获取更高精度的入渗参数在方法的选取上提供一定的理论依据。

基于ANN下拖拉机发动机扭矩预测模型的研究

拖拉机的传动系统结构较为复杂,是拖拉机的重要组成部分之一。拖拉机在农业作业过程中的轴扭矩(AT)实时数据是实现变速器优化的重要依据之一。为此,以拖拉机参数(发动机扭矩、发动机转速、燃油消耗率、行驶速度、耕作深度和滑移率)及土壤理化性质参数(SMC和CI)为输入,基于人工神经网络(ANN)估计拖拉机的轴扭矩(AT),并与传统的多元线性回归模型(MLP)进行对比分析。田间试验结果表明:基于ANN的模型在预测拖拉机AT数据时表现出更好的性能,可为提升拖拉机发动机管理系统提供技术参考与借鉴。

土壤入渗传输函数输入变量分析

依据土壤水分入渗参数与其相关土壤理化参数之间的相关性,从土壤学的角度用物理的方法分析应县土壤常规土壤理化参数对土壤入渗传输函数影响程度,进一步确定其土壤入渗传输函数的输入变量。并用大田耕作土壤水分入渗参数及其土壤理化参数的实测资料,建立土壤入渗传输函数进行验证。