间隔天数统计法土壤墒情诊断模型

本文介绍所建立的基于时段降水量、土壤初始含水量和两次监测时段天数的间隔天数统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:间隔天数统计法模型诊断和预测精度高达到90%以上;间隔天数统计法模型诊断和预测合格率高,其原因是增加了间隔天数变量,有效地解决了测定间隔天数不固定的问题;逐日模型法可以实现逐日土壤墒情的预测。初步结论是:间隔天数统计法模型可以单独作为墒情诊断模型使用。     

基于东北区吉林省监测数据的土壤墒情综合诊断模型验证

综合诊断模型是土壤墒情监测、诊断与预报的新方法,它包括6个独立模型和基于水分来源数量对土壤含水量判断的一些逻辑关系,6个独立模型分别基于墒情监测数据与邻近气象站降水量之间的定量关系诊断或预报土壤含水量。本文应用吉林省4个县/市的6个墒情监测点的数据验证综合诊断模型在东北半干旱和半湿润地区的应用精度和适应性,建模使用2013—2014年的数据,模型验证使用2015年的数据。为了模型更好地应用于实际,本文对每个监测点的模型参数均进行了校正。结果表明:按监测点建模情况下,不同气候和下垫面条件下的模型和参数不同;模型在东北区吉林省半干旱和半湿润地区具有较好的适应性,验证合格率为88%以上;降水量少的监测点的模型预测合格率高。墒情综合诊断模型在吉林省半干旱和半湿润地区应用精度较高,为模型在该地区应用提供了研究案例。     

差减统计法土壤墒情诊断模型

迄今为止,墒情诊断与预测模型由于缺乏通用性难以应用。本文介绍专栏6个独立模型中的差减统计法模型。差减统计法模型中2次监测的土壤含水量变化量为因变量,土壤初始含水量和时段降水量(含灌溉量)为自变量。应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行验证。结果表明:差减统计法模型诊断和预测合格率达90%左右,表明该模型适用性好;合格率高的主要原因是该模型遵循质量守恒定律和统计学规律;差减统计法预测误差主要来源于异地降水量数据和缺少灌溉记录数据。与传统模型相比,差减统计法具有以下特点:参数少、参数容易获得,参数具有统计意义、模型覆盖全部降水量范围、模型按点建模不受下垫面因素影响等。因此,差减统计法模型作为墒情诊断和预报模型是科学和实用的,可以单独使用。     

综合模型法土壤墒情诊断模型

本文介绍了将平衡法、统计法、差减统计法、比值统计法、间隔天数统计法、移动统计法6个独立模型综合应用的墒情综合模型法的原理和方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:综合模型诊断和预测合格率高,为97%以上。综合模型的优点:6个独立模型的参数在不同气候、下垫面和管理措施下的取值不同,因此,6个独立模型即使按点统计也不通用;而在同一次预测时,6个模型预测结果中总有一个预测精度较高的结果,这个结果与时段降水量和初始土壤含水量之和高度相关;通过对6个模型的适应性优选后,从概率上选择水分来源数量对应的预测结果。     

统计法土壤墒情诊断模型

本文介绍了统计法土壤墒情诊断模型的原理和建模方法,该模型是基于时段降水量和土壤初始含水量以及二者的交互作用项建立的,并应用7个省23个县87个监测点2012—2014年的数据建模,以及2015年的数据进行验证。结果表明:统计法模型诊断和预测合格率较高,合格率达到85%以上;相邻墒情监测日的时间间隔有时不固定将导致异常值的出现,这是影响模型预测合格率的主要原因;逐日模型法可以实现逐日土壤墒情的预测。本研究表明,统计法模型可以单独作为墒情诊断模型使用。     

土壤墒情诊断理论和方法

本文对土壤墒情诊断理论和方法进行了简述,并介绍了国内墒情监测、诊断和预报现状。重点介绍了所建立的平衡法、统计法、差减统计法、比值统计法、间隔天数统计法、移动统计法6个独立的墒情诊断模型及其联合应用的综合诊断模型。应用2012—2014年7省23个县87个监测点的数据建模,并应用2015年的数据进行了验证。结果表明:所有模型构建简单,参数获得容易;综合模型优于6个独立模型。所建立的6个独立模型和综合模型适用于基于降水量的土壤墒情诊断和预测。     

墒情诊断模型的理论分析、综合评价和展望

本文基于专栏论文的全部研究结果,对墒情诊断模型进行了理论分析、综合评价和展望,目的是建立更实用的墒情诊断模型。研究结果如下:(1)87个墒情监测点的降水量数据可以用就近气象站的降水量代替;(2)分别就87个墒情监测点所建立的6个独立模型和1个综合模型(分时段诊断和逐日诊断2类)的诊断合格率都达到75%以上;(3)综合模型优于6个独立模型的单独使用;(4)所有模型和参数都是按监测点建立和确定的,不存在下垫面因素的影响;(5)所有模型简单、使用3个独立变量(前期土壤含水量、时段降水量之和和2次监测之间的天数)、参数容易获得,只要有系列性的土壤含水量监测数据和对应的降水量(监测点降水量或就近气象站降水量)数据就可建模。     

移动统计法土壤墒情诊断模型

本文介绍了基于土壤初始含水量和时段每日平均降水量所建立的移动统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。移动统计法墒情诊断模型分为时段模型和逐日模型。结果表明:时段模型预测的合格率为90%左右,逐日模型预测的合格率为70%左右;时段模型优于逐日模型。移动统计法模型单独作为墒情诊断模型,使用时需要进一步完善,可以在土壤初始含水量分段的基础上应用其他5个独立模型进行尝试。     

比值统计法土壤墒情诊断模型

本文介绍了研发的基于时段降水量和土壤初始含水量的比值统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:比值统计法诊断模型的预测精度较高,达到80%以上;比值统计法诊断和预测合格率较高的主要原因是模型参数都是数据挖掘的结果而非人为确定;逐日模型法可以实现逐日土壤墒情的预测。研究表明,比值统计法模型可以单独作为墒情诊断模型使用。     

平衡法土壤墒情诊断模型

本文首先介绍传统水量平衡法利弊,重点介绍了所建立的基于土壤初始含水量、时段降水量和时段"蒸渗流项"的平衡法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:平衡法模型诊断和预测合格率只有50%左右;模型合格率不高的主要原因是基于降水量和土壤含水量之和的分段预测时数据量少,导致参数确定依据不足。所建立的平衡法模型作为墒情诊断模型使用还需进一步研究。     

基于华北区山西省监测数据的土壤墒情综合诊断模型验证

本文应用山西省2个市县的16个墒情监测点的数据验证土壤墒情综合诊断模型在华北区半湿润地区的适应性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在山西省半湿润地区具有较好的适应性,验证合格率为90%以上;由于2个监测县降水量接近,模型预测合格率与纬度、经度之间没有明显的规律。本研究表明,墒情综合诊断模型建模数据量大,数据范围涵盖了作物整个生长季的数据,相对于其他模型有一定的优势,可以应用于华北半湿润地区。     

基于华北区河北省监测数据的土壤墒情综合诊断模型验证

本文应用河北省3个市县的14个墒情监测点的数据验证土壤墒情综合诊断模型在华北半湿润地区的适应性,建模使用2011—2014年的数据,模型验证使用2015年的数据。结果表明:模型在河北省半湿润地区具有较好的适应性,验证合格率为76.92%~100%;不同降水量区域模型参数不同;降水越少的地区模型预测合格率越高;唐山市滦南县和唐山市乐亭县属于沿海地区,降水分布与另外2个内陆县不同,因此合格率偏低;墒情综合诊断模型可以应用于华北半湿润地区。     

基于华中区河南省监测数据的土壤墒情综合诊断模型验证

本文应用河南省3个市县的7个墒情监测点的数据验证土壤墒情综合诊断模型在华中区半湿润地区的适应性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在华中区河南省半湿润地区具有较好的适应性,验证合格率为80%以上;同一气候区,季节降水量的不同对模型预测合格率的影响可能更大,这为今后提高模型预测合格率指明了新的研究内容;墒情综合诊断模型可以应用于华中半湿润地区。     

基于西北区甘肃省监测数据的土壤墒情综合诊断模型验证

本文应用甘肃省2个市区的13个墒情监测点的数据验证土壤墒情综合诊断模型在西北区半湿润和半干旱地区的适应性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在西北区甘肃省半湿润和半干旱地区具有较好的适应性,验证合格率分别为半湿润地区80%以上和半干旱地区90%以上;不同降水量区域模型参数不同;降水越少的地区模型预测合格率越高。本研究表明,墒情综合诊断模型可以应用于西北半湿润和半干旱地区。     

墒情诊断模型的评价

对6个模型进行系统评价的目的是为模型优选提供理论、方法和参数依据。采用优选模型比例、验证方法指标、验证方式指标和异常值指标4项指标对6个独立墒情诊断模型进行了综合评价。结果是:模型优先顺序为差减统计模型、间隔天数统计模型移动统计模型比值统计模型统计模型平衡模型;逐日模型好于时段模型。合格率高的模型包括4个特征,即自变量数量不超过3个、自变量相对独立、模型能处理不固定监测天数、人为不决定参数。按监测点建模的6个独立模型都可以单独使用,解决了模型不通用的问题;可以实现逐日诊断和预测,方便与遥感信息、作物长势信息等实时匹配;差减统计模型和间隔天数统计模型精度最高,前者是基于质量守恒定律的统计模型,后者有效地解决了间隔天数不固定所带来的预测误差。     

基于内蒙古自治区监测数据的土壤墒情综合诊断模型验证

本文应用内蒙古自治区5个旗/县的19个墒情监测点的数据验证土壤墒情综合诊断模型在内蒙古区半干旱地区的适用性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在内蒙古自治区半干旱地区具有较好的适应性,验证合格率为94%以上;模型预测合格率与纬度、经度之间没有显著的相关关系,这是因为所有监测点都位于半干旱地区,降水量差异较小。墒情综合诊断模型可以应用于内蒙古境内半干旱地区。     

基于华中区湖南省监测数据的土壤墒情综合诊断模型验证

本文应用湖南省4个市县的12个墒情监测点的数据验证土壤墒情综合诊断模型在华中湿润地区的适应性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在湖南省湿润地区具有较好的适应性,验证合格率平均为85%以上,模型合格率呈现随多年平均降水量减少而提高的趋势。     

基于PLSR的苎麻叶片含水量估测模型建立及优化

为建立基于高光谱的苎麻叶片含水量估测模型,在大田栽培条件下,采集了360个苎麻叶片高光谱数据和相应的叶片含水量。用高杠杆值排除异常样本,用浓度梯度法划分样本集。采用多种光谱预处理方法,建立并比较各预处理方法的PLSR(partial least squares regression)模型效果,其中OSC(orthonormal signalcorrection)预处理方法最佳,预测集R^2=0. 8503,RMSEp=0. 0235。为了减少变量个数,通过OSC_PLSR模型的回归系数RC(regression coefficient)选择特征波段EB(effective bands)作为输入变量。随后,为了进一步降低计算量,本研究提出的一种新的特征提取方法:在基于RCEB建立的PLSR模型中,再次提取RC特征波长EW(effective wavelength)。由建模结果可知:与全波段相比,2种特征提取方法的变量个数均大幅减少(全波段为2 031个,RCEB为508个,RCEB_EW为16个); RCEB_PLS模型预测集指标最佳(R^2=0. 8546,RMSEp=0. 0232);与RCEB_PLS模型相比,RCEB_EW_PLSR模型预测集指标略低(R^2=0. 8499,RMSEp=0. 0234),但这种方法变量个数最少,因此综合评价效果最优。研究探讨了叶片高光谱与含水量之间的量化关系,建立基于高光谱的叶片含水量预测模型,对作物栽培中水分的实时监测和精确诊断具有实际指导意义。     

毛乌素沙地降水格局变化对油蒿木质部解剖特征的影响

探究不同降水处理对荒漠植物木质部解剖特征的影响,可以为理解未来降水格局变化下荒漠植物适应性和预测荒漠植被演替趋势提供理论依据。以毛乌素油蒿灌丛植被为对象,通过野外人工控制降水的方法,模拟半干旱气候区降水格局变化趋势,设置3个降水量梯度（减水30%、自然降水、增水30%）以及2个降水间隔梯度（降水间隔5d、降水间隔15d）开展双因素完全随机试验,监测油蒿木质部各个解剖特征参数对不同降水处理的响应。结果表明：（1）随着降水量减少,油蒿的导管数量显著增多,导管密度、导管壁厚度显著增大（P<0.05）。降水间隔时间延长将显著增加油蒿的导管数量、导管密度和平均导管直径（P<0.05）。降水量与降水间隔期对油蒿木质部解剖学特征影响的交互效应不显著。（2）降水量减少和降水间隔时间延长弱化了油蒿潜在最大导水率对导管直径的响应敏感度。（3）在降水量减少和延长降水间隔时间的背景下,油蒿可以通过调整木质部导管参数兼顾水分运输的安全与效率。本研究表明,通过改变木质部解剖学特征参数来适应降水格局改变是油蒿的重要耐旱策略,未来气候变化的大背景下,荒漠植物的水力特征变化需要综合考量降水量和降水间隔的双重影响。     

滨海盐土土壤水分的高光谱参数及估测模型

基于滨海盐土5个试验点的土壤含水量和室内土壤表面高光谱反射率,综合分析了350~2500 nm波段范围内土壤含水量与土壤光谱之间的关系,并基于比值光谱指数(RSI)、归一化光谱指数(NDSI)和差值光谱指数(DI)确定了光谱参数,进而构建土壤含水量估测定量模型.结果表明:滨海盐土原始光谱反射率与土壤含水量呈显著负相关关系,且最大负相关出现在1930 nm(r=0.86)附近.对RSI、NDSI和DI的直线回归方程、幂函数回归方程进行对比,以RSI(R_(1407),R_(1459))为自变量构建的土壤含水量指数函数线性回归方程决定系数最大(0.780),标准误较小(0.016),拟合方程为y=0.00001e~(9.72053 x).估测模型能够更好地监测滨海盐土土壤水分状况.基于RSI(R_(1407),R_(1459))构建的模型可实现对江苏省滨海盐土土壤水分的精确监测.