文獻(xiàn)摘要

準(zhǔn)確掌握土壤水分動(dòng)態(tài)變化，對(duì)精準(zhǔn)制定灌溉計(jì)劃至關(guān)重要。采用五道溝實(shí)驗(yàn)站2018－2019年蒸滲儀日土壤水和同期7個(gè)氣象要素(氣溫、降雨、水面蒸發(fā)、日照時(shí)數(shù)、風(fēng)速、絕對(duì)濕度、地溫)資料，采用BP神經(jīng)網(wǎng)絡(luò)方法建立冬小麥生育期不同土層(10、30、50cm)的土壤水分預(yù)測(cè)模型，模型分別為BP(7－9－1)、BP(7－12－1)和BP(7－14－1)，并用遺傳算法優(yōu)化上述BP神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明:兩種模型均可用于冬小麥生育期土壤水分預(yù)測(cè)，其中遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)能夠更好提高預(yù)測(cè)精度，且隨著土層厚度增加，預(yù)測(cè)精度提高。BP神經(jīng)網(wǎng)絡(luò)土壤水分預(yù)測(cè)10、30、50cm土層平均相對(duì)誤差分別為6.2%、4.0%、2.9%;遺傳BP神經(jīng)網(wǎng)絡(luò)土壤水分預(yù)測(cè)10、30、50cm土層平均相對(duì)誤差為3.8%、1.7%、1.3%。

??? 實(shí)驗(yàn)概述

五道溝水文實(shí)驗(yàn)站地處安徽省蚌埠市固鎮(zhèn)縣新馬橋鎮(zhèn)原種場(chǎng)境內(nèi)，屬暖溫帶半濕潤(rùn)季風(fēng)氣候，四季分明。多年平均降雨量為893mm，其中汛期(6－9月)降雨量占62%，多年平均氣溫在14℃，地下水位變化范圍1～3m，屬于淺埋區(qū)，種植農(nóng)作物主要有夏玉米、夏大豆和冬小麥。土壤類型主要由形狀、色澤如生姜的砂姜黑土組成，該土壤飽和含水率為38%～40%，適宜作物生長(zhǎng)的土壤含水率區(qū)間為18%～26%，滲透系數(shù)為24.2mm/h。實(shí)驗(yàn)站內(nèi)設(shè)有潛水蒸發(fā)、入滲和徑流、土壤水分、蒸散發(fā)、葉面積指數(shù)、氣象、徑流等觀測(cè)要素，有60余年長(zhǎng)系列實(shí)驗(yàn)觀測(cè)資料。

??? 實(shí)驗(yàn)設(shè)施

選取五道溝實(shí)驗(yàn)站自動(dòng)稱重式蒸滲儀2018年10月30日－2019年5月31日逐日分層實(shí)測(cè)土壤水?dāng)?shù)據(jù)，地下水位埋深設(shè)置為1 m。土壤含水率主要與降雨、氣溫、地溫、風(fēng)速、日照時(shí)數(shù)、絕對(duì)濕度和水面蒸發(fā)等7個(gè)氣象因素有關(guān)，選取同期氣象場(chǎng)實(shí)測(cè)7個(gè)氣象要素?cái)?shù)據(jù)建立土壤含水率預(yù)測(cè)模型。

本文采用BP神經(jīng)網(wǎng)絡(luò)遺傳算法，以7個(gè)氣象因子作為輸入因子，不同土層土壤含水率分別作為輸出因子，建立關(guān)于土壤含水率BP神經(jīng)網(wǎng)絡(luò)模型，在此基礎(chǔ)上，引入具有全局搜索能力的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，分別采用兩種方法建立預(yù)測(cè)模型。

??? 結(jié)果與分析

本文從能量平衡原理入手，結(jié)合波文比的概念，引入地表凈輻射的修正參數(shù)，建立了一種新的潛在蒸散發(fā)計(jì)算模型（LY-E模型），基于小型蒸滲儀觀測(cè)試驗(yàn)的土壤蒸發(fā)和草地覆被蒸散發(fā)能力實(shí)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行了率定與驗(yàn)證，并進(jìn)一步對(duì)比分析了該模型與6種現(xiàn)有常見(jiàn)計(jì)算公式的模擬精度，以評(píng)價(jià)模型的適用性，

(1) 建立了10、30、50cm不同土層冬小麥生育期BP神經(jīng)網(wǎng)絡(luò)模型，模型分別為BP(7－9－1)、BP(7－12－1)和BP(7－14－1)，10、30、50cm土層模型預(yù)測(cè)平均相對(duì)誤差分別為6.2%、4.0%和2.9%。

(2) 建立了10、30、50cm不同土層冬小麥生育期遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型，10、30、50cm土層模型預(yù)測(cè)平均相對(duì)誤差分別為3.8%、1.7%和1.3%。

兩種模型均可用于淮北地區(qū)冬小麥土壤水分預(yù)測(cè)，其中遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型能夠更好地提高預(yù)測(cè)精度，且隨著土層厚度增加，預(yù)測(cè)精度提高。本模型主要適用于淮北地區(qū)砂姜黑土區(qū)冬小麥生育期土壤水預(yù)測(cè)，對(duì)其他地區(qū)不同土壤、不同作物土壤水分預(yù)測(cè)模型有待進(jìn)一步研究。