基于机器学习的排涝闸站雨后水位预测

【目的】精准预测排涝闸站雨后水位。【方法】在分析为期1a的田间实测水位数据的基础上,收集了四湖流域2个典型闸站（习家口站、田关站）为期10 a(2010—2020年)的历史水情资料,利用2种机器学习算法（支持向量机回归算法、回归树算法）对排涝闸站的雨后水位进行预测分析。【结果】支持向量机回归算法和回归树算法均较好地预测了习家口站和田关站的雨后最高闸上水位,R2基本大于0.80;2种机器学习算法在习家口站的表现均优于田关站,核函数的选取对支持向量机回归算法的预测结果有一定影响,线性核函数表现较为稳定。回归树算法的效果略优于支持向量机回归算法。【结论】基于闸上水位、降水量、降水时间、泵站排水流量预测雨后最高闸上水位是可行的。不同闸站应分开进行训练,并寻找最优的机器学习算法,未来有必要结合降水预报数据实现农田涝灾情况的实时预报。     

参考作物腾发量主成分神经网络预测模型

为解决采用神经网络模型预测参考作物蒸发蒸腾最Eto研究中预测能力不足的问题,将气象因子包括最高、最低和日平均温度、日照时数、气压、水汽压、相对湿度和风速进行主成分分析,提取主成分,建立了基于主成分的三层BP神经网络模型.选取崇川水利科学试验站2001年到2004年的旬气象资料,采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模犁作为对照.结果表明,主成分网络模型能够很好地反映诸多影响因子与Eto之间的关系,尤其对训练样本以外的验证样本,主成分网络模型具有显著优于传统BP网络模型的识别能力,取得更为可靠的预测结果.     

参考作物蒸发蒸腾量计算简化方法

基于国家“863”节水农业重大专项子课题示范现场的气象资料,对参考作物蒸发蒸腾量及其影 响因素进行了相关性分析。选取净辐射和空气饱和差建立了参考作物蒸发蒸腾量的简化计算公式,并引 入风速函数进行修正。研究结果表明:参考作物蒸发蒸腾量与净辐射相关系数最大,然后依次是空气饱 和差、日照时数和温度;且与净辐射和空气饱和差呈直线关系,与日照时数和温度呈指数关系,而与相对 湿度呈负相关关系;考虑风速修正后的简化公式与标准方法(FA056 Penman-Monteith)的计算结果有较 高的一致性。     

水分非均匀分布条件下土壤CO_2的排放特征

为了研究水分非均匀分布条件下旱地土壤CO2的排放特征,采用静态箱-气相色谱法测定了SI、SDI12、SDI15及SDI18共4个处理的CO2排放通量。结果表明:总体上CO2排放通量平均值表现为SISDI12SDI15SDI18,但仅SI处理与SDI18之间的差异具有显著性;2次灌水后SDI处理土壤CO2排放较高的WFPS范围分别是25.9%~33.8%和31.5%~33.0%,低于SI处理出现高峰排放的WFPS分别为47%和34.1%;由于温度的影响第2次灌水后CO2排放通量总体上高于第1次灌水后,但第1次灌水后CO2排放通量与温度具有较强的相关性,而第2次灌水后两者之间相关关系不显著,可能存在过高温度下的土壤呼吸抑制。此外降雨发生时空气湿度的增加对微生物的呼吸有刺激作用,各处理降雨后出现了短期的CO2排放通量的小高峰。     

基于Penman-Monteith方程的节水灌溉稻田蒸散量模型

为利用Penman-Monteith方程直接计算非充分灌溉条件下的稻田蒸散量,该文根据国家“863”节水农业重大专项试验资料,在K-P表层阻抗模型修正研究基础上,提出改进的稻田蒸散量模拟模型。结果表明：根据土壤相对含水率修正后的K-P模型较好地模拟了水稻表层阻抗,且反映出不同土壤水分状况下表层阻抗的变化规律;采用改进的Penman-Monteith方程模拟水分胁迫条件下的稻田蒸散量后,误差从改进前的18.57%降低至10.84%,且对冠层未完全覆盖条件下的稻田蒸散量也具有较好的模拟效果;土壤含水率、空气温度和空气湿度是改进的Penman-Monteith方程最为敏感的因子,它们的准确观测对于提高模型的估算精度至关重要;模型回归系数（c1、c0）的变化对模型估算结果的影响较小。表明当某一特定作物的回归系数值确定后,改进的Penman-Monteith方程可应用于不同地区、不同灌溉模式下作物蒸发蒸腾量的估算。     

用FAO-56作物系数法推求控制灌溉条件下晚稻作物系数及验证

根据国家“863”节水农业重大专项试验资料，利用FAO-56推荐的分段单值法和双值法构建了控制灌溉条件下晚稻的作物系数曲线，分析了调整灌溉或降雨后的最大作物系数值对双值法水稻作物系数计算结果的影响，并根据2004年实测资料对研究结果进行了验证。结果表明：控制灌溉条件下，晚稻分蘖期、拔节孕穗期、抽穗开花期及乳熟期的作物系数实测值分别为1.14、1.49、1.43和1.12。分段单值法得到初始生长期、生育中期和后期的作物系数分别为1.1、1.39和0.79。降雨频繁阶段或灌溉阶段，对最大作物系数作调整后，减小了双值法作物系数计算值与实测值的误差。验证结果表明，2004年晚稻累积蒸发蒸腾量模拟值与实测值的相对误差为12.42%～16.24%，以基于调整后的双值法作物系数的晚稻蒸发蒸腾量模拟结果与实测值最为接近。     

基于涝水过程的水稻灌区受涝损失评估方法

提供了一种基于涝水过程的水稻受涝损失估算方法,将受涝淹水数据中第1天淹水深度和淹水历时数据代入水稻受涝减产率函数,得到第1天的水稻受涝减产率;根据受涝淹水过程数据,代入水稻受涝减产率增量函数,计算得到水稻逐日受涝减产率增量;将计算结果代入水稻受涝减产率累积叠加公式,计算水稻逐日受涝累积减产率.该方法基于淹水深度、淹水历时与水稻受涝减产率之间的函数关系,通过插值、增量叠加的一套计算流程,能够计算逐日水深变化条件下逐日水稻受涝累积减产率,进而得到一次变淹水深度过程下稻田受涝减产率的累积过程.减产率函数计算的产量损失与试验观测值的均方根误差均小于15％,其相关系数大于0.84,模型模拟效率超过0.71,模型模拟精度已达到乙等精度以上.该方法可应用于水稻种植区涝灾损失计算和评估,为水稻种植区灾后补救以及灾前预测提供了科学的计算方法.     

控制灌溉稻田土植系统Cd,Cr迁移转化

为研究不同灌溉模式下稻田土壤Cd,Cr淋失量差异及其对Cd,Cr迁移转化的影响,基于田间小区试验对土壤和水稻植株中Cd,Cr含量进行了分析.研究结果表明:与淹水灌溉相比,控制灌溉可减少水稻全生育期稻田土壤Cd,Cr淋失量53.3%和19.3%.控制灌溉降低了稻田土壤Cd,Cr含量,但处理间稻田土壤Cd,Cr含量不具有统计学意义.与淹水灌溉相比,控制灌溉0～20 cm土壤Cd,Cr含量分别下降了1.2%和0.6%.由于水分管理不同,导致控制灌溉表层土壤Cd,Cr的赋存形态与淹水灌溉的差异.大部分时间里控制灌溉的稻株地上部和地下部Cd,Cr累积量均高于淹水灌溉,说明控制灌溉增大了土壤Cd,Cr在植株体内的吸收.无论是控制灌溉还是淹水灌溉,稻穗Cd含量低于我国食品安全国家标准(0.2 mg/kg),而稻穗Cr含量略高于我国食品安全国家标准(1.0 mg/kg),存在着Cr超标的潜在风险.因此,这2种灌溉方式在预防重金属污染方面不可取,会影响人类健康.     

不同水肥管理稻田土壤铬生物有效性及吸收富集特征

【目的】探究不同水肥管理对土壤铬生物有效性的影响及水稻吸收富集特征。【方法】试验地为8a长期定位水肥管理水稻田,灌溉处理设常规灌溉（F）、控制灌溉（C）2种灌溉模式,施肥处理设为施用常规化肥（F）、有机肥（OF）2种施肥模式,分析了不同水肥管理下稻田土壤pH值、土壤铬量及形态分布、水稻根系和稻谷铬量的差异。【结果】(1)与常规灌溉处理和常规施肥处理相比,控制灌溉处理和有机肥处理均显著降低了土壤pH值。(2)与FF处理相比,COF处理增加了土壤可交换态、可还原态和可氧化态铬量和比例,各形态铬量分别增加了54.31%、43.06%和39.33%;减少了残渣态铬量和比例,残渣态铬量减少了2.84%;提高了重金属铬从根到稻谷的转运系数;增加了水稻植株根部和稻谷铬量,分别较FF处理增加了46.31%和59.43%。(3)在相同灌溉条件下,不同施肥处理土壤pH值和可交换态、可还原态铬量显著负相关;而在相同施肥条件下,不同灌溉处理间土壤pH值和可交换态、可还原态铬量之间不存在明显相关性。【结论】对比常规肥,施用有机肥给节水灌溉稻田带入了外源重金属铬,并显著增强了土壤铬生物有效性,促进了水稻植株吸收富...     

基于天气预报和符号回归算法的参考作物腾发量预测研究

以干旱区和湿润区6个典型站点1989-2016年历史气象资料和2013-2016年天气预报数据为依据,以PM公式计算结果为对照,比较分析了率定Hargreaves-Samani(HS)模型和符号回归估算模型(SR)的ET_0预报精度。结果表明:率定后的HS模型在各站点的ET_0预报精度均维持在较高水平,且其在干旱区典型站点的预报精度略高于湿润区站点的值;而与HS公式预报结果相比,采用SR模型在不同气候区的ET_0预报精度均有不同程度的提高,其中在湿润区站点的平均MAE、RMSE值降低了18.98%和20.97%,在干旱区各站点的平均MAE、RMSE值减少了9.79%和7.53%。因此,根据不同模型在不同气候区的预报精度,结合气候特征,建议在湿润区和干旱区分别采用SR模型和HS公式进行ET_0预报,可为实时灌溉预报提供准确依据。