基于机器学习方法的土壤转换函数模型比较
2021-06-05左炳昕查元源
灌溉排水学报 2021年5期
关键词:模型
左炳昕,查元源
(武汉大学水资源与水电工程科学国家重点实验室,武汉430072)
0 引言
【研究意义】农业水肥管理、作物模型估产、陆面模型建模、生态环境治理与修复等,都离不开土壤水分状态及运动过程的准确描述与预测[1-2]。土壤水分特征曲线和水力传导度(又称为渗透系数)曲线,作为描述土壤水力性质最基本的2 条曲线,在非饱和土壤的物理、化学、生物过程的定量化描述中起着基础性的作用[3]。某含水率下的相对水力传导度为该含水率下的(绝对)水力传导度与饱和水力传导度的比。研究表明,相对水力传导度是可以由土壤水分特征曲线推导得到,所以,水力传导度曲线可以由土壤水分特征曲线与饱和水力传导度确定。因此,土壤水力参数可以认为由土壤水分特征曲线参数与饱和水力传导度组成。土壤水力参数的直接测量要么昂贵费时费力,要么适用性有限。间接法通常包括土壤转换函数(PedoTransfer Functions,PTF)、分形方法、土壤形态学方法、数值反演方法、经验公式法等[4]。其中,土壤转换函数模型只需要输入土壤粒径信息、体积质量、有机质量等简单易得的物理量,就可以估算土壤水力参数,简单方便,大大降低了土壤水力参数获取的时间成本和操作难度,因而得到了广泛使用。
【研究进展】在土壤水力参数简便获取方法的探索中,20 世纪初期,Briggs 等[5]研究了易获得的数据和待预测数据之间的关系。20 世纪80 年代后,随着新的土壤水分特征曲线模型的提出,土壤参数获取方法的研究也更为广泛。……
登录APP查看全文
