论文部分内容阅读
当应用土壤转换函数对土壤水力特性进行估算时,土壤水力特性预测值受主观和客观因素的影响而存在较大的不确定性,且该不确定性往往容易被忽视。为了有针对性地减少这种不确定性,并进一步提高土壤转换函数的实际应用能力,基于土壤属性相似性对于土壤转换函数预测的不确定性进行探讨,以识别土壤转换函数预测的不确定成分来源为目的,本文以田间持水量(θ-300)和凋萎含水量(θ-15000)为研究对象,基于不同性质(相似或不相似)的数据集对土壤转换函数不确定性进行分析,结合MAE、ME、SDE和R2等指标量化模型模拟性能;并进一步基于拉丁超立方(LHS)和Bootstrap两种抽样机制探讨土壤转换函数预测的不确定性来源贡献等相关问题。主要结论如下:(1)对土壤基础特性以及土壤含水量数据进行k-means聚类后,结果显示同一数据集的训练集与验证集中,数据性质较为相似;研究中用到的两训练集(S-1cal和S-1cal+S-2cal)经统计分析后得出两者为不相似数据集,两个验证集(S-1val和S-1val+S-2val)同样为不相似数据集。结果表明本研究使用k-means方法针对研究中所需的性质不相似两数据集的划分具有可操作性及可行性,针对相似与不相似数据集对PTFs的模拟性能展开研究也较为合理。(2)对基于相似与不相似数据集构建的PTFs模拟性能进行比较。对θ-300来说,基于S-1cal构建的PTFs其在验证测试时模拟性能MAE、ME和SDE均小于S-1cal+S-2cal中得到的结果,但差异不大,且前者R2大于后者;对θ-15000来说,基于S-1cal构建的PTFs其在验证测试时模拟性能均小于S-1cal+S-2cal中得到的结果,前者的R2大于后者。表明PTFs模型无论从模拟准确度、精度还是拟合优度上考虑,基于相似数据集的结果较优,对模拟性能有所改善,但未达到显著水平。(3)进一步量化评估两种不确定性成分的贡献。对于θ-300中基于相似数据集,两种抽样机制下的模型模拟性能值MAE、ME和SDE其均值均不具备显著性差异。进一步对比两种方法下的各性能值的标准差(SD)发现,三个评价指标在两种抽样机制下SD的比值均在50%以上(56%、68%和64%),所占比重超过一半,且此结论与基于不相似数据集的结果相同(即三个指标在两种抽样机制下SD的比值分别为60%、70%和52%,均在50%以上)。说明当考虑参数的不确定性后,模型整体的不确定性将增大,但从总体来看,由LHS导致的输入数据的不确定性在总不确定性中仍占比较大。对于θ-15000中的相似数据集,三个评价指标在两种抽样机制下SD的比值均在50%以上(58%、62%和65%),说明PTFs模型预测值的总体不确定性中,由输入数据引起的不确定性占比较大。但对于不相似数据集,虽然两种抽样机制下的模型模拟性能值MAE、ME和SDE的均值差异不显著,但三个评价指标的SD其比值均不超过50%(分别为35%、49%和46%)。说明对于θ-15000,基于不相似数据集的验证过程中模型参数的不确定性在模型预测中的贡献较大,这主要由于θ-15000所展现的空间异质性较小,而θ-300所展现空间异质性较大,这使得在构建PTFs模拟预测θ-15000时所输入的因变量观测值(较θ-300)变差较小,因此表现出输入不确定性贡献占比较小。总体来看,输入数据的不确定性或误差对模拟预测结果往往产生更为重要的影响,特别是对于呈现有较大空间异质性的土壤含水量指数(如田间持水量)更为显著。因此,在PTFs构建过程时应更多的关注模型的输入,保证输入数据的准确性,以最大程度地减少PTFs模拟预测的不确定性。因此我们认为,PTFs的构建和不确定性应用研究能够为减少PTFs预测的不确定性提出有针对性的措施,为提高土壤转换函数的实际应用能力提供战略支持。