冬小麦水分生产函数Jensen模型敏感指数的研究

根据冬小麦返青后田间水量平衡估算出田间作物实际腾发量和最大腾发量,由此,对水分生产函数Jensen分阶段连乘模型中的敏感指数进行了拟合分析。研究表明,Jensen模型中的敏感指数与作物生长阶段以及该阶段长短占总生长期的比例有关,但冬小麦返青后各阶段的敏感指数的累计值可以表示为时间t的一元函数,且与阶段划分无关,由该函数可得到任一阶段的敏感指数值。分析结果还表明,Jensen模型可以较好地反映作物田间耗水量与产量的关系。     

Jensen模型水分敏感指数的新定义及其解法

在总结已有的作物水分生产函数Jensen模型研究工作的基础上,针对以往研究中水分敏感指数与生育阶段划分密切相关的问题,对Jensen模型进行了改造,提出了水分敏感指数的新定义。并在Jensen模型水分敏感指数的累加性分析的基础上,提出了确定Jensen模型水分敏感指数及累积曲线的更为简洁的新方法,新方法得到了田间试验的验证并与传统方法有很好的一致性。     

作物水分氮素生产函数模型的研究

在水分生产函数动态产量模型的基础上,考虑土壤氮素对作物生长的影响,建立了作物水分 氮素生产函数动态产量模型,根据作物生长过程中水分和氮素状态,可以对干物质生长过程进行跟踪和预测预报,利用北京永乐店试验资料进行模型参数的拟合,并应用该模型对不同生育阶段干物质产量进行预测,效果良好。     

水稻水分生产函数时空变异规律研究

基于对水稻Jensen模型中敏感指数在全生育期变化规律的认识,以生长曲线函数建立了水稻敏感指数累积函数,分析了其特征,从而解决了不同长时段敏感指数转换计算问题。较全面地揭示了水稻水分生产函数及其敏感指数累积函数中主要参数随气象条件及土壤因子变化的规律。通过参照作物需水量及其频率以及不同地区土壤有效含水量为媒介,建立了对水分敏感指标在不同水文年份 (时间)和不同地区 (空间)进行预报的数学模型,据此提出了水稻水分生产函数在时、空两方面插补、延长、移用与扩展的理论与方法。借助于参照作物需水量等值线图及土壤分布图,探讨了绘制水分生产函数及其主要参数等值线图的原理和方法。     

作物水分生产函数与农田非充分灌溉研究述评

介绍作物水分生产函数国内外研究现状,把目前通用的各类模型归纳为最终产量模型和动态产量模型两大类,分析评述两类模型的特点及适用条件.此外,对作物水分生产函数的试验方法和试验处理设计作了介绍.     

作物水分与氮素生产函数的实验研究

在田间水肥耦合试验的基础上,对水分生产函数的概念加以拓宽,提出了水分、氮素生产函数的概念,并建立了最终产量模型和动态产量模型,进行了参数求解,模型模拟结果和田间试验结果符合较好.     

山西省不同区域冬小麦全生育期耗水量-产量关系模型研究

通过对2006年山西省文峪河试验站、汾西试验站、鼓水泉试验站、红旗试验站四个试验站的冬小麦田间试验,得出各自冬小麦的全生育期耗水量-产量关系模型,对各站所在灌区科学灌溉、合理用水、工程规划、用水管理、水资源评价等工作提供参考资料。     

敏感型人工神经网络及其在水文预报中的应用

为充分挖掘资料信息、加快收敛速度,采用一种具有敏感功能的神经网络预报模型。该模型在构造时序样本时引入遗忘因子和期望因子,以体现对前期资料的遗忘和近期预测的期望。在权值调整过程中采用指数型能量函数,以加快网络的学习收敛速度。应用实例证明:该方法可以提高当前的预测精度,并避免网络学习过程中的振荡现象。     

砂土地震液化预测的人工神经网络模型

在简要分析BP算法的基础上,应用BP网络的理论与方法,选取烈度、震中距、平均粒径、不均匀系数、地下水埋深、砂层埋深、标贯击数、剪应力比等8个实测指标,建立了砂土液化预测的神经网络模型。通过实例计算与模型评价、验证了该模型的科学性、高效性并较规范法、Seed简化法等传统方法具有更高的预测精度,说明人工神经网络是解决非线性问题的有效方法之一。     

基于GIS的人工神经网络模型在地质灾害危险性区划中的应用

地质灾害区域评价和危险性区划结果的准确与否,主要取决于基础地质资料的可靠性及数学模型的合理性.为了提高数据的可靠性,利用GIS,在其支持下管理多源基础地学数据,进行数据处理,提取因素图层,剖分形成评价图元区域.然后在GIS基础上进行二次开发,将人工神经网络模型和GIS有机整合,这样GIS既为人工神经网络模型提供评价数据,又处理其评价结果数据,成图输出.本文遵从上述思路,结合长江三峡示范区(巴东-新滩)具体实例,探讨了人工神经网络和GIS结合(基于GIS的人工神经网络)的可能性和现实途径及其在区域地质灾害危险性区划中的应用前景.这种思路同样也适合其他数学模型与GIS的结合.     

对既保冬小麦产量又防承压水耗竭的灌溉策略之探讨

我国深层地下水超采最严重的区域当属华北平原的河北省黑龙港地区,该区域的深层承压含水层面临枯竭的安全风险。然而,黑龙港地区作为我国优质冬小麦的重要产区和河北省冬小麦的主产区,肩负着河北省确保冬小麦这一重要口粮稳产的责任。因此,冬小麦生育期的灌溉策略必须在区域尺度上兼顾深层地下水的禁采和冬小麦产量的稳定,这也是当前黑龙港地区这个“华北平原地下水超采综合治理行动方案”重点实施区域的有关部门所亟需的。本文基于分布式农业水文模型的模拟研究及进一步的估算,表明：就黑龙港地区整体而言,在现状灌溉情形下冬小麦生育期多年平均所用的深层地下水开采量和其他用途的深层地下水开采量分别约为9.62×108 m3和12.47×108 m3。考虑到该区域生活和工业所用的深层地下水开采量目前大多已被南水北调中线工程的引水所置换,我们建议：进一步增加“南水北调东线一期工程北延应急供水工程”和“引黄入冀补淀工程”置换黑龙港地区冬小麦井灌所用深层地下水的水量,以满足外调引水9.62×108 m3用于冬小麦生育期进行渠灌的需求,如此才能既确保该地区冬小麦稳产又遏制深层地下水的超采态势。若外调引水量只可以分别满足在冬小麦生育期灌水3次、2次和1次的灌溉定额,则每年在冬小麦生育期所需的外调引水量分别约为8.21×108 m3、5.47×108 m3和2.74×108 m3。然而,与现状灌溉情形相比,冬小麦总产将分别减少约8%、34%和56%。总之,本研究可为相关部门就兼顾禁采深层地下水与稳定冬小麦产量而规划外调引水方案提供一定的参考。     

石津灌区冬小麦水分生产率的尺度效应

以河北省石津灌区为研究对象,以2007-2009年两季冬小麦生育期为研究时段,基于Hydrus-1D和Modflow模型模拟分析了井渠结合灌溉模式下冬小麦的净入流量水分生产率和净灌溉水分生产率的尺度效应(作物、田间、分干、干渠和灌区尺度)。结果表明:①从作物尺度到灌区尺度,损失水量越来越多,使得净入流量水分生产率和净灌溉水分生产率分别减少了9.49%和16.59%;②由于研究区地下水埋深较大,冬小麦生育期内渗漏补给地下水库的重复利用水量很小,而净灌溉水分生产率因为考虑了这一小部分重复利用水量,比传统的灌溉水分生产率有了小幅提升;③在多年时间尺度上,由于渗漏水量能够全部进入地下水库被重复利用,净入流量水分生产率随尺度增大而增大,而不同空间尺度的净灌溉水分生产率也比冬小麦生育期时间尺度上提高37%~65%。     

既地下水采补平衡又冬小麦稳产的探讨

河北省太行山山前平原浅层地下水位持续下降,问题十分突出,然而,该区域又是我国优质冬小麦的重要产区。能否实现在浅层地下水采补平衡的同时做到冬小麦稳产,是该区域水资源保护和农业生产管理工作中亟待回答的重要问题。基于分布式水文模型的模拟结果表明：在该区域若要实现地下水位止降回升这一压采目标,仅利用浅层地下水进行灌溉,冬小麦的产量会减少40%以上。考虑到南水北调中线工程的引水线路自南向北贯穿河北省太行山山前平原,建议在冬小麦关键需水期的灌溉中采用“一水用浅层地下水另一水用南水北调水”的“修改的春浇两水”模式。基于模拟结果的估算表明：在这种限水灌溉模式下有望实现浅层地下水采补基本平衡且冬小麦基本稳产。值得注意的是,这种“修改的春浇两水”模式,需要南水北调中线引水工程每年提供的灌溉水量大约为8.6×108 m3,灌溉成本较纯井灌至少增加562.5～1282.5元/hm2。本研究可为我国最典型的浅层地下水超采区——河北省太行山山前平原探索保产量与节水并举的新路径提供定量化的参考。     

水环境非线性时序预测的高精度RBF网络模型

为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快.     

基于ANN和GIS耦合模型的场地地震液化势评价系统研究

采用组件式GIS (COMGIS)技术开发了结合BP神经网络分析模型的场地地震液化势评价系统,调用水平成层土地震反应分析程序SHAKE91实现设定地震下地震动影响场的模拟。在VB下调用Matlab神经网络工具箱来完成场地地震液化势评价模型在COMGIS系统中的模块化;利用GIS技术对评价结果,即液化势等级进行空间复合,给出场地潜在的地层液化势空间分布图。研究表明,SHAKE91应用程序在系统菜单下可直接调用,实现地震动影响场计算的模块化;BP神经网络技术应用于场地地震液化势评价中能达到较为理想的效果;系统的GIS空间分析功能可使评价结果与场地信息进行空间匹配,实现目标场地潜在地震液化势的快速评估。