论文部分内容阅读
土壤水力性质是构建土壤水分和溶质运移模型的重要参数,由于通过实测方法获取它们费时、费力,且成本较高,因此采取一种有效的间接方法对其进行预测就显得尤为必要,土壤转换函数(Pedotransfer functions,PTFs)就是其中应用最为广泛的方法之一。PTFs利用土壤基本性质(质地、有机质和容重等)对土壤水力性质进行预测,构建方法主要有线性回归、扩展的非线性回归和人工神经网络等。由于不同方法的预测精度具有显著差异,因此如何选取一种合适的预测方法,乃至在总结现有各种算法特点的基础上提出一种预测精度更高的PTFs构建方法具有重要的现实意义。另外,目前对于PTFs应用方面(如功能评价、不确定性分析等)的研究也还比较少,从而在某种程度上限制了人们利用PTFs解决实际问题的能力。本论文以PTFs构建方法及其应用分析为核心问题,并从以下五个方面开展了研究工作:(1).提出了一种预测精度更高的PTFs构建方法——主成分回归残差神经网络。根据主成分回归和人工神经网络的特点,本论文提出的主成分回归残差神经网络(Principal component regression residual neural network,PCRRNN)方法既反映了土壤基本性质与van Genuchten参数之间的线性关系,同时也兼顾了它们之间关系的非线性特性。为了检验PCRRNN方法的有效性,论文对该方法进行了van Genuchten参数预测误差分析,并将其与传统的PTFs构建方法(线性回归、扩展的非线性回归和人工神经网络)进行了比较分析。(2).比较了三种PTFs(Wosten、Rawls和Campbell)对砂土非饱和导水率的预测能力。论文根据表征土壤非饱和导水率曲线的van Genuchten-Mualem模型、Brooks-Corey模型和Campbell-Norman模型,依次选取了三种基于德国以外地区土壤样本资料构建的PTFs:Wosten、Rawls和Campbell,分别将它们用于预测德国Mellendorf和Wunstorf地区砂土的非饱和导水率,并对预测结果进行了比较分析。此外,论文还探讨了土壤饱和导水率对非饱和导水率预测结果的影响。(3).探讨了多模型方法在一维土壤水分运动模拟中的应用。论文利用HYDRUS-1D构建了青岛地区冬小麦-夏玉米连作农田的一维土壤水分运动模型,验证结果表明:HYDRUS-1D模型的模拟误差在可接受的范围内,对土壤水分运动的模拟结果真实可靠。随后分别利用Bruand、Canarache、Gupta、Hall、Petersen、ROSETTA、Vereecken 和 Varallyay 等现有的八种 PTFs 对土壤水分特征曲线进行预测,并将预测值输入到HYDRUS-1D中对土壤水分进行模拟,通过对八组模型输出的预测精度进行比较分析,发现它们之间的差异较大,可见PTFs选取的不确定性对土壤水分运动模拟的影响比较显著。为了减小这种不确定性的影响,最后根据田间水分观测资料和八组模型输出,探讨了四种多模型方法(简单平均法、超级集合预报、超级集合预报和主成分分析相结合法以及赤池信息量准则)对土壤水分运动过程的模拟能力。(4).比较了现有的四种PTFs(点估计模型Hall和Gupta-Larson、参数估计模型Wosten和Vereecken)对土壤持水特性空间变异性的预测能力。论文分别选取点估计模型(Hall和Gupta-Larson)和参数估计模型(Wosten和Vereecken)对加拿大Smeaton地区土壤持水特性(θ33和θ1500)进行预测,并利用经典统计学方法对三种取样尺度(3m、6m和12m)下四种PTFs预测的土壤持水特性进行了比较分析。结果表明:在四种PTFs中,Gupta-Larson的预测精度最高,其次是Wosten和Vereecken,Hall的预测效果最差,取样尺度对PTFs预测结果的影响不显著。此外,论文还利用地质统计学方法对预测的土壤持水特性的空间变异特征进行了分析。(5).分析了 PTFs对土壤van Genuchten参数空间分布预测的不确定性。论文以多光谱遥感数据为辅助变量,利用Cokriging插值预测土壤基本性质的空间分布,同时基于回归分析构建预测土壤van Genuchten参数的PTFs,然后根据PTFs和土壤基本性质的空间分布预测van Genuchten参数的空间分布,并对预测结果进行了分析。结果表明:与实测值相比,PTFs预测值的变异范围和强度显著降低,但它们的变化趋势比较一致。此外,论文还利用Bootstrap和拉丁超立方抽样(Latin hypercube sampling,LHS)方法对PTFs预测的不确定性进行了分析。结果表明:PTFs结构和地质统计插值的不确定性是影响PTFs预测结果的两个重要因素。当只考虑PTFs结构的不确定性时,参数θs、In(α)和n实测值中分别仅有33%、31%和47%落在了 95%预测区间内,而若同时考虑PTFs结构和地质统计插值的不确定性,则分别有84%、66%和90%落在了 95%预测区间内。本论文的总体研究结论是:①与传统方法(线性回归、扩展的非线性回归和人工神经网络)相比,新的PTFs构建方法PCRRNN具有更高的预测精度;②在 Wosten、Rawls 和 Campbell 等三种 PTFs 中,Campbell 最适用于预测 Mellendorf地区砂土的非饱和导水率,Rawls最适用于Wunstorf地区,Wosten的预测误差较大,且饱和导水率对非饱和导水率预测结果的影响较大,将实测饱和导水率作为输入时并不一定能够提高非饱和导水率的预测精度;③在四种多模型方法中,超级集合预报方法的预测误差最大,简单平均法次之,赤池信息量准则的预测能力显著好于前两者,且其与训练期预测效果最佳的单一模型之间无明显差异。超级集合预报和主成分分析相结合方法的预测能力好于其余三种多模型方法,且其与实测土壤水力性质作为土壤水分运动模型输入时的模拟精度相当;④与参数估计模型(Wosten和Vereecken)相比,点估计模型(Hall和Gupta-Larson)能够更好地描述土壤持水特性的空间变异特征;⑤土壤基本性质空间估值的不确定性较PTFs结构的不确定性对土壤van Genuchten参数空间预测精度的影响更大,只有同时考虑两种不确定性的影响,预测结果才能充分反映土壤van Genuchten参数内在的变异性。PTFs的构建方法及其应用研究为实现PTFs与水文模型的结合奠定了理论基础,这对于区域水资源管理和农业面源污染控制具有非常重要的现实意义和生态环境价值。