【目的】探寻玉米叶温对不同深度土壤含水率、气象因素的响应关系。【方法】采用不同供水条件下的滴灌玉米土箱试验,基于叶温、气象和土层含水率数据设计3种输入项结合线性回归模型和神经网络模型,研究了玉米叶温与环境因素的数据驱动...【目的】探寻玉米叶温对不同深度土壤含水率、气象因素的响应关系。【方法】采用不同供水条件下的滴灌玉米土箱试验,基于叶温、气象和土层含水率数据设计3种输入项结合线性回归模型和神经网络模型,研究了玉米叶温与环境因素的数据驱动模型及模型的不确定性。【结果】(1)在叶温变化模拟中,与线性模型相比神经网络模型具有优势,在40%和60%滴灌湿润比处理下的全因素模型的决定系数由0.8提升到了0.9;80%湿润比处理下全因素模型的决定系数由0.5提升到0.7;(2)单因素不确定性分析中,与叶温变化最密切的气象因素是空气温度,其次是空气湿度和净辐射;在土层含水率的不确定性分析中,30~40 cm土层含水率与叶温变化的响应关系最密切。【结论】结合MC(Monte Carlo method)设计的模型不确定性分析,以d-factor指标量化单影响因素与叶温的响应关系,不同深度土层含水率与叶温的响应关系存在差异,30~40 cm土层是水分响应关键土层。展开更多
文摘【目的】探寻玉米叶温对不同深度土壤含水率、气象因素的响应关系。【方法】采用不同供水条件下的滴灌玉米土箱试验,基于叶温、气象和土层含水率数据设计3种输入项结合线性回归模型和神经网络模型,研究了玉米叶温与环境因素的数据驱动模型及模型的不确定性。【结果】(1)在叶温变化模拟中,与线性模型相比神经网络模型具有优势,在40%和60%滴灌湿润比处理下的全因素模型的决定系数由0.8提升到了0.9;80%湿润比处理下全因素模型的决定系数由0.5提升到0.7;(2)单因素不确定性分析中,与叶温变化最密切的气象因素是空气温度,其次是空气湿度和净辐射;在土层含水率的不确定性分析中,30~40 cm土层含水率与叶温变化的响应关系最密切。【结论】结合MC(Monte Carlo method)设计的模型不确定性分析,以d-factor指标量化单影响因素与叶温的响应关系,不同深度土层含水率与叶温的响应关系存在差异,30~40 cm土层是水分响应关键土层。