摘要:

本文介绍了基于土壤初始含水量和时段每日平均降水量所建立的移动统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012-2014年的数据建模,应用2015年的数据进行了验证.移动统计法墒情诊断模型分为时段模型和逐日模型.结果表明:时段模型预测的合格率为90％左右,逐日模型预测的合格率为70％左右;时段模型优于逐日模型.移动统计法模型单独作为墒情诊断模型,使用时需要进一步完善,可以在土壤初始含水量分段的基础上应用其他5个独立模型进行尝试.

摘要:

本文首先介绍传统水量平衡法利弊,重点介绍了所建立的基于土壤初始含水量、时段降水量和时段“蒸渗流项”的平衡法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012-2014年的数据建模,应用2015年的数据进行了验证.结果表明:平衡法模型诊断和预测合格率只有50％左右;模型合格率不高的主要原因是基于降水量和土壤含水量之和的分段预测时数据量少,导致参数确定依据不足.所建立的平衡法模型作为墒情诊断模型使用还需进一步研究.

摘要:

迄今为止,墒情诊断与预测模型由于缺乏通用性难以应用.本文介绍专栏6个独立模型中的差减统计法模型.差减统计法模型中2次监测的土壤含水量变化量为因变量,土壤初始含水量和时段降水量(含灌溉量)为自变量.应用7个省23个县87个监测点2012-2014年的数据建模,应用2015年的数据进行验证.结果表明:差减统计法模型诊断和预测合格率达90％左右,表明该模型适用性好;合格率高的主要原因是该模型遵循质量守恒定律和统计学规律;差减统计法预测误差主要来源于异地降水量数据和缺少灌溉记录数据.与传统模型相比,差减统计法具有以下特点:参数少、参数容易获得,参数具有统计意义、模型覆盖全部降水量范围、模型按点建模不受下垫面因素影响等.因此,差减统计法模型作为墒情诊断和预报模型是科学和实用的,可以单独使用.

摘要:

本文介绍了统计法土壤墒情诊断模型的原理和建模方法,该模型是基于时段降水量和土壤初始含水量以及二者的交互作用项建立的,并应用7个省23个县87个监测点2012-2014年的数据建模,以及2015年的数据进行验证.结果表明:统计法模型诊断和预测合格率较高,合格率达到85％以上;相邻墒情监测日的时间间隔有时不固定将导致异常值的出现,这是影响模型预测合格率的主要原因;逐日模型法可以实现逐日土壤墒情的预测.本研究表明,统计法模型可以单独作为墒情诊断模型使用.

摘要:

本文介绍了将平衡法、统计法、差减统计法、比值统计法、间隔天数统计法、移动统计法6个独立模型综合应用的墒情综合模型法的原理和方法,并应用7个省23个县87个监测点2012-2014年的数据建模,应用2015年的数据进行了验证.结果表明:综合模型诊断和预测合格率高,为97％以上.综合模型的优点:6个独立模型的参数在不同气候、下垫面和管理措施下的取值不同,因此,6个独立模型即使按点统计也不通用;而在同一次预测时,6个模型预测结果中总有一个预测精度较高的结果,这个结果与时段降水量和初始土壤含水量之和高度相关;通过对6个模型的适应性优选后,从概率上选择水分来源数量对应的预测结果.

摘要:

本文介绍了研发的基于时段降水量和土壤初始含水量的比值统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012-2014年的数据建模,应用2015年的数据进行了验证.结果表明:比值统计法诊断模型的预测精度较高,达到80％以上;比值统计法诊断和预测合格率较高的主要原因是模型参数都是数据挖掘的结果而非人为确定;逐日模型法可以实现逐日土壤墒情的预测.研究表明,比值统计法模型可以单独作为墒情诊断模型使用.

摘要:

本文介绍所建立的基于时段降水量、土壤初始含水量和两次监测时段天数的间隔天数统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012-2014年的数据建模,应用2015年的数据进行了验证.结果表明:间隔天数统计法模型诊断和预测精度高达到90％以上;间隔天数统计法模型诊断和预测合格率高,其原因是增加了间隔天数变量,有效地解决了测定间隔天数不固定的问题;逐日模型法可以实现逐日土壤墒情的预测.初步结论是:间隔天数统计法模型可以单独作为墒情诊断模型使用.