CAJ | 학술논문

利用土壤理化性质数据建立转换函数是间接获得土壤水力参数的重要手段之一.基于测定的土壤理化性质和土壤水分常数数据,本文采用回归分析、BP神经网络和基于BP神经网络的Rosetta模型3种方式分别建立了青海三江源地区土壤饱和含水量、毛管持水量和田间持水量的转换函数,并对其预测精度进行了比较.结果表明:(1)回归分析方法总体预测效果比较理想,特别是田间持水量的平均误差(ME)和均方根误差(RMSE)都在3.397％以下,决定系数(R2)高达0.868; (2)BP神经网络方法的预测效果非常理想,各土壤水分常数平均误差和均方根误差都在4.685％以下,并且决定系数均在0.857以上；(3)Rosetta模型的预测效果相对较差,特别是饱和含水量和毛管持水量,平均误差(ME)和均方根误差(RMSE)相对较大,决定系数(R2)相对较小.3种方式中,BP神经网络方法所建立的毛管持水量和饱和含水量转换函数均为最佳,回归方法所建立的田间持水量的转换函数要好于BP神经网络方法和Rosetta模型,Rosetta模型对土壤水分常数的预测效果不如其他两种方式.研究可为青海三江源地区土壤水力特性参数研究以及区域尺度上土壤水分估算提供科学依据.
이용토양이화성질수거건립전환함수시간접획득토양수력삼수적중요수단지일.기우측정적토양이화성질화토양수분상수수거,본문채용회귀분석、BP신경망락화기우BP신경망락적Rosetta모형3충방식분별건립료청해삼강원지구토양포화함수량、모관지수량화전간지수량적전환함수,병대기예측정도진행료비교.결과표명:(1)회귀분석방법총체예측효과비교이상,특별시전간지수량적평균오차(ME)화균방근오차(RMSE)도재3.397％이하,결정계수(R2)고체0.868; (2)BP신경망락방법적예측효과비상이상,각토양수분상수평균오차화균방근오차도재4.685％이하,병차결정계수균재0.857이상；(3)Rosetta모형적예측효과상대교차,특별시포화함수량화모관지수량,평균오차(ME)화균방근오차(RMSE)상대교대,결정계수(R2)상대교소.3충방식중,BP신경망락방법소건립적모관지수량화포화함수량전환함수균위최가,회귀방법소건립적전간지수량적전환함수요호우BP신경망락방법화Rosetta모형,Rosetta모형대토양수분상수적예측효과불여기타량충방식.연구가위청해삼강원지구토양수력특성삼수연구이급구역척도상토양수분고산제공과학의거.