论文部分内容阅读
土壤水分及溶质运移、地下水位及水质变化研究等已成为土壤水力学研究的热点问题,而区域水平上土壤水分运动参数的空间变化是研究这些问题的前提和基础。由于土壤水分运动参数的室内或田间测定工作量大、周期长且成本较高,大面积实地测定不切实际。本论文以河南省封丘县为研究区域,在土壤基本理化数据及室内测得的土壤水力学参数的基础上,运用多元线性回归法及BP神经网络法建立土壤水力学参数的间接推求方法——土壤转换函数法,该方法方便高效,可行性强,为该区域土壤水盐运移及土壤污染问题等研究提供了一定的基础支持。主要研究成果如下：(1)以室内测定的土壤含水量及与之对应的基质势数据为基础,借助最小二乘法构建非线性方程组,利用Picard迭代法求解方程组,能够确定土壤水分特征曲线经验方程Van Genuchten模型各参数值。(2)运用多元线性回归法建立研究区土壤饱和含水量、田间持水量及凋萎含水量的点估计模型中,饱和含水量预测模型效果比较理想；田间持水量的预测在引进凋萎含水量作为自变量时,大大提供了模型的预测效果；凋萎含水量模型的预测效果相对较差。多元线性回归法对Van Genuchten模型的参数预测结果显示,对封丘县来讲,粘土的预测效果较好,粉壤土次之,砂土的预测效果最差。(3)运用BP神经网络构建封丘县Van Genuchten模型参数的土壤转换函数时,不同的预测变量组合方式对土壤水分特征参数的预测效果各不相同。与多元线性回归法比较得出,BP神经网络在预测特定基质势下的土壤含水量(饱和含水量、田间持水量及凋萎含水量)时,预测效果及精度不如多元线性回归法理想；但BP神经网络对于土壤持水曲线(Van Genuchten模型参数)整体的预测效果要优于多元线性回归法。因此,将BP神经网络模型引入研究区土壤转换函数的构建及求解过程中是可行的。(4)借助GIS技术的空间反演功能,以研究区基础理化数据为资料,利用土壤转换函数预测土壤水力学参数效果较好,使区域大尺度土壤溶质运移研究中土壤水力学参数获取困难这一问题得到了合理、有效的解决,为研究区土壤水力学参数的进一步简化推求及土壤溶质运动模拟等研究提供了一定的基础和依据。