PHILIP入渗模型参数预报模型研究与应用

摘要

土壤水分入渗是自然界水循环中的一个重要环节。在各类用水中，土壤灌溉水是最重要的组成部分。因此，研究土壤入渗特性，确定合理灌溉定额和技术就可以最大限度地节约用水，从而大大地缓解缺水压力。本论文以山西省2010年度农业攻关研究项目《山西省地面畦灌节水灌水技术参数研究》（项目编号20100311124）为依托，选取了三个灌区（运城市禹门口灌区、临汾市汾西灌区和吕梁市文峪河灌区）和四个县市（晋城市泽州县、长治市长子县、吕梁市方山县和忻州市原平市）的70个点。采取室外入渗及挖坑取土试验和室内颗分实验及有机质和含盐量测定，并辅以试验研究与理论研究相结合的方法，以精心选择的7个试验区12个县（区）市范围内的典型耕作土壤为研究对象，测量了三种状态下的土壤入渗能力及土壤容重、土壤（体积）含水率、土壤含盐量、土壤质地和土壤有机质含量。土壤入渗能力通过入渗量和入渗率来体现。借助数理统计方法，较系统地研究了农业生产周期内，这些地区土壤水分入渗特性的时空变异规律和影响土壤水分入渗特性的各种因素，分析讨论了土壤入渗模型Philip模型结构中两参数即吸渗率S和稳渗率A与试验区各种物理和化学参数间的关系。采用多元线性回归、多元非线性回归和BP模型的方法，建立了土壤入渗能力和入渗模型参数与土壤常规理化性状参数间的土壤传输函数，并通过数理统计分析方法对模型进行了验证。达到了土壤入渗能力和入渗模型参数用反映大田土壤理化性状常规参数来确定的目的。根据大田实测资料，利用Philip模型，对畦灌条件下大田土壤入渗参数进行了预测。试验证明:土壤入渗曲线可以由Philip模型较好地描述。
　　 研究结果表明:
　　 1、土壤容重、土壤（体积）含水率、土壤含盐量、土壤质地和土壤有机质含量是影响土壤水分入渗的主要因素。把它们作为模型的输入参数，可获得较好的预测结果。
　　 2、分别使用多元线性回归模型、多元非线性回归模型和BP模型，对土壤入渗能力和入渗模型参数用常规土壤物理参数进行预报，并对这三种模型进行了分析比较。结果显示:BP模型相对误差为8.9％排第一，非线性回归模型相对误差为13.6％排第二，线性模型相对误差为15.5％排第三。
　　 3、土壤水分入渗能力和入渗模型参数与土壤的物理特性有关。但不论土壤的物理特性怎样，土壤水分入渗能力都经历由大到小，最后达到稳定的变化过程，且都较好地符合Philip两参数土壤入渗经验模型。
　　 4、土壤水分入渗模型Philip模型两参数（S、A）与土壤的物理化学因素有关。
　　 本论文取得的主要研究成果:
　　 1、基于Philip模型并采用Matlab和Excle软件，在对土壤入渗试验（实验）数据进行科学分析的基础上，对土壤地面入渗问题进行全面研究;
　　 2、给出了山西省内七个试验区74个典型点的土壤入渗参数预报模型。
　　 3、自变量由常规的土壤容重、土壤（体积）含水率、土壤质地（砂粒、粉粒和粘粒），增加了土壤含盐量。使预测更准确、更全面，精度更高。
　　 本论文在深入开展研究工作的基础上，基于Philip模型并采用Matlab软件，在对土壤入渗试验（实验）数据进行科学分析的基础上，对土壤地面入渗问题进行全面研究，具有创新性。
　　 我国水资源供需矛盾日趋紧张，根本应对方法是改进地面灌溉技术为主，有条件地发展畦灌和喷灌。本论文就地面节水灌溉的关键问题—土壤入渗参数问题展开深入研究，创建了土壤入渗参数的传输函数通过土壤常规理化性状参数间接确定的新方法。本论文能推动土壤入渗理论的发展，也有利于改进地面灌水技术和提高灌溉水利用率。

目录

声明

摘要

第一章 文献综述

1．1 引言

1．1．1 问题的提出

1．1．2 研究意义

1．2 土壤入渗理论的发展过程

1．2．1 达西定律

1．2．2 Richards方程

1．2．3 土壤含水量θ的基本方程

1．3 土壤水分入渗的经验模型及进展

1．3．1 Green-Ampt模型

1．3．2 KostiaKov(1932)模型

1．3．3 Horton公式

1．3．4 Philip模型

1．3．5 其他入渗经验公式

1．3．6 近几年研究现状

1．4 土壤传输函数

1．4．1 回归分析

1．4．2 数据处理的分组方法

1．4．3 分类与回归树方法

1．4．4 人工神经网络

1．5 土壤入渗经验模型参数的研究发展趋势

1．5．1 土壤水动力参数测算方法

1．5．2 土壤水动力参数的空间变异性研究

1．5．3 土壤水分入渗的发展趋势

1．6 土壤入渗水分特征的影响因素

1．6．1 土壤表层结皮

1．6．2 土壤初始含水率

1．6．3 地面坡度

1．6．4 降雨因素

1．6．5 下垫面因素

1．7 研究的技术方案

1．7．1 研究目标

1．7．2 研究内容

1．7．3 技术路线

第二章 试验条件和方法

2．1 试验区气候条件和特征

2．2 试验区的土壤类型和特点

2．2．1 地带性土壤类型

2．2．2 山地土壤类型

2．2．3 隐域性土壤类型

2．2．4 试验区土壤概述

2．2．5 数据所涉及本团队其它试验区的气候和土壤概述

2．3 试验仪器与设备

2．3．1 测定方法及仪器

2．3．2 大田土壤入渗试验仪器

2．4 试验方案与方法

2．4．1 试验方案

2．4．2 试验方法

2．5 试验区常规物理参数的测定结果

2．5．1 土壤质地

2．5．2 土壤结构

2．5．3 土壤含水率

2．5．4 土壤有机质

第三章 影响土壤入渗的单因素分析

3．1 土壤质地

3．1．1 土壤质地对土壤水分入渗能力的影响

3．1．2 土壤质地对土壤入渗模型参数的影响

3．1．3 土壤入渗能力及其入渗模型参数与土壤质地间的数量关系

3．2 土壤结构

3．2．1 土壤结构对土壤入渗能力的影响

3．2．2 土壤结构对土壤入渗参数的影响

3．2．3 土壤入渗能力及其入渗模型参数与土壤结构间的数量关系

3．3 土壤含水率

3．3．1 土壤含水率对土壤入渗能力的影响

3．3．2 土壤含水率对土壤入渗参数的影响

3．4 土壤有机质

3．4．1 土壤有机质对土壤入渗能力的影响

3．4．2 土壤有机质对土壤入渗参数的影响

3．5 土壤含盐量

3．5．1 土壤含盐量对土壤入渗能力的影响

3．5．2 土壤含盐量对土壤入渗参数的影响

第四章 土壤水分入渗能力预报模型及线性模型的预报

4．1 预报模型的输入参数

4．1．1 土壤结构

4．1．2 土壤含水率

4．1．3 土壤质地

4．1．4 土壤有机质含量

4．1．5 土壤含盐量

4．2 预报模型的输出参数

4．3 线性预报模型

4．3．1 模型的基本形式

4．3．2 预报模型结构

4．3．3 预报模型参数的确定

4．3．4 模型分析

4．4 试验区的各种预报模型及其分析

4．4．1 0-20累积入渗量i(t)预测

4．4．2 0-20cm稳渗率A预测

4．4．3 0-20cm：吸渗率S预测

第五章 BP模型预测

5．1．BP神经网络模型介绍

5．2．BP神经网络模型的结构

5．3．BP模型网络的训练

5．3．1 训练样本的选取原则

5．3．2 网络的训练

5．4．BP神经网络模型结构

5．5 BP模型方程及其预测

5．5．1 稳渗率A

5．5．2 吸渗率S

5．5．3 90分钟累积入渗量i(t)

第六章 非线性模型预测与预报模型的比较和适用性分析

6．1．模型的基本形式

6．2．模型参数的确定

6．3．模型分析

6．3．1 累积入渗量i(t)预测

6．3．2 稳渗率A预测

6．3．3 吸渗率S预测

6．4 预报模型的比较与适用性分析

6．4．1 模型检验确定模型输入变量

6．4．2 三种模型计算值与实测值比较

6．4．3 三种模型相对误差比较

6．5 入渗模型参数预测模型分析与比较

6．5．1 模型平均误差比较与分析

6．5．2 模型计算值与实测值比较与分析

6．5．3 模型相对误差比较与分析

6．5．4 样本数据及模型计算值

6．6 模型验证

第七章 结论与展望

7．1 主要结果和结论

7．1．1 土壤水分入渗的影响因素

7．1．2 土壤水分入渗能力与入渗参数预报模型

7．2 本论文取得的主要研究成果与创新点

7．3 不足与展望

参考文献

致谢

攻读博士期间科研及发表的学术论文