导读:本文包含了土壤水分模型论文开题报告文献综述及选题提纲参考文献，主要关键词:入渗,有限体积法,含水率,因素分析
土壤水分模型论文文献综述
李怡航[1]（2019）在《一维土壤水分运动模型的有限体积法求解及其影响因素分析》一文中研究指出基于对Richards控制方程的离散化分析,利用有限体积法对非饱和土壤一维水分入渗运动的一维运动进行数值模拟。通过将模拟结果和已知文献中试验数据进行对比,发现数值吻合较好,证明该模型的程序计算可靠,可将其作为预测一维土壤水分运动的有效工具。并在验证过后从空间角度对影响入渗模型的因素进行了更进一步的分析。(本文来源于《水利规划与设计》期刊2019年10期）
李伯祥,陈晓勇,徐雯婷[2]（2019）在《基于水云模型的Sentinel-1A双极化反演植被覆盖区土壤水分》一文中研究指出根据开展的景县地区玉米农田主被动微波遥感协同反演土壤水分监测试验,提出利用FY-3 B WMRI被动微波数据计算微波极化差异指数(MPDI),建立了植被层含水量反演模型,去除植被含水量对于农田土壤水分反演的影响,然后结合植被层含水量反演模型和水云模型,以及Sentinel-1A主动微波数据和部分实测样点土壤体积含水量数据建立植被覆盖区农田土壤水分半经验反演模型,最后验证分析Sentinel-1A VV/VH不同极化条件下土壤水分反演模型的精度。结果表明:VV极化条件下土壤水分反演模型反演精度为R~2=0.7422,RMSE=0.0674 cm~3/cm~3,MAE=0.0305 cm~3/cm~3,MaxE为0.1196 cm~3/cm~3,MinE=0.0024 cm~3/cm~3;VH极化模型为R~2=0.1898,RMSE=0.0768 cm~3/cm~3,MAE=0.0474 cm~3/cm~3,MaxE=0.1933 cm~3/cm~3,MinE=0.0190 cm~3/cm~3。研究区VH极化模型反演值存在普遍偏低现象,VV极化模型土壤水分反演结果优于VH极化模型。VV极化方式具有更强的穿透性,受到植被层衰减作用影响较小,对土壤水分含量变化也更为敏感。建立的VV极化条件下土壤水分反演半经验模型能较好地表征研究区土壤水分空间分布情况。(本文来源于《水土保持研究》期刊2019年05期）
郭交,刘健,宁纪锋,韩文霆[3]（2019）在《基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证》一文中研究指出土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。(本文来源于《农业工程学报》期刊2019年14期）
陈雪,宋娅丽,王克勤,王帅兵[4]（2019）在《基于Van Genuchten模型的等高反坡阶下土壤水分特征》一文中研究指出为了阐明等高反坡阶处理对土壤持水性的改善作用,选取滇中昆明市北郊松华坝迤者小流域为研究区,研究等高反坡阶对坡耕地0—100 cm土层土壤水分特征曲线的影响,使用vanFit软件拟合获得Van Genuchten模型参数,阐明各土层土壤持水性及其与影响因子的关系。结果表明:(1)等高反坡阶对坡上部影响不显着(p>0.05),对坡中部影响显着(p<0.05),对坡下部影响极显着(p<0.01);(2)与土壤水分特征曲线参数的关系中,容重和砂粒含量呈负相关,总孔隙度、毛管孔隙度和粉粒含量呈正相关;(3)模型拟合土壤水分特征曲线的决定系数R~2均高于0.85,可靠性较高;原状坡耕地(1.719 6)和等高反坡阶处理坡耕地(1.773 5)的n值均在10—20 cm土层最大,土壤在10—20 cm土层的土壤含水率变化较大,等高反坡阶处理坡耕地的土壤含水率变化大于原状坡耕地;(4)原状坡耕地和等高反坡阶处理坡耕地均在10—20 cm土层供水性好,等高反坡阶处理坡耕地在40—60 cm土层持水能力强,而原状坡耕地在20—40 cm土层持水能力强。综上,等高反坡阶处理对坡耕地土壤的保水性能具有明显的提高作用,对坡耕地地表径流拦蓄、增加水分入渗和减少土壤流失起到了明显的改善作用。(本文来源于《水土保持研究》期刊2019年05期）
路璐,王振龙,杜富慧,胡永胜,张晓萌[5]（2019）在《淮北平原基于ARIMA模型的冬小麦日土壤水分预测》一文中研究指出准确预测土壤水分动态变化对农作物生长以及节水灌溉至关重要。为反映逐日土壤水分动态变化,利用五道沟水文实验站蒸渗仪2017-2018年土壤水实测资料,采用时间序列分析方法,分别建立了冬小麦全生育期10、30、50 cm土层的土壤水分计算模型。结果表明:10、30、50 cm土壤含水量变异系数有明显差异,随土层深度增加逐渐减小,分别为0.190、0.103、0.040。利用ARIMA模型对土壤水分进行拟合,10、30、50 cm土层土壤水分计算模型分别为ARIMA(4,1,7)、ARIMA(1,1,2)、ARIMA(2,1,3),拟合优度R~2均大于0.95;不同土层土壤水分计算模型均具有较好的预测能力,且随深度增加预测精度提高,由10 cm增至50 cm最大相对误差从15.6%降至5.1%。研究成果为进一步制定淮北平原节水灌溉制度,提高田间水利用率具有重要意义。(本文来源于《节水灌溉》期刊2019年06期）
尹准生,唐孝甲,卢佶,洪奕丰,陈伟[6]（2019）在《黄土高原油松人工林土壤水分变动的人工神经网络模型研究》一文中研究指出依据黄土高原油松人工林试验样地林分情况,确定神经网络的输入变量和输出变量,利用2012—2015年的567组数据对网络模型进行训练和检验,构建了5∶q∶1的土壤水分变动的BP神经网络模型。结果表明:最适宜的网络结构为5∶6∶1,均方误差mse=0.002 645,总体拟合精度为96.78%,模拟检验拟合精度为94.44%。(本文来源于《华东森林经理》期刊2019年02期）
包青岭[7]（2019）在《基于遥感与VIC模型的干旱区土壤水分时空变化特征》一文中研究指出大规模、高精度、长时间序列的土壤水分研究对提高干旱区的旱情预警能力、生态环境恢复能力与精准农业发展具有重要的科学指导意义。遥感技术的迅速发展为实现土壤水分动态监测提供了新的手段,但是地表下垫面异质性与天气影响仍是监测中的一大难题,而结合陆面过程模型对土壤水分进行连续性和真实性模拟,能够更精确的研究土壤水分的变化规律。本文以Landsat TM与VIC陆面过程模型为依托,以渭-库绿洲为典型干旱样区,采用地统计、3S技术、数值模拟、土地利用分类相结合的方法,从VIC模式模拟和TVDI遥感监测角度出发,探讨2008~2016年研究区年际与年内土壤水分时空变化规律,分析灌溉面积、农作物需水量及土地利用变化对模型模拟结果的影响,并结合实测数据进行精度验证与对比,主要研究结果如下:(1)渭-库绿洲近10年耕地、盐渍地面积大幅度增加。耕地与盐渍地面积增幅达35%以上,荒地面积相较2009年减少约46%,灌丛面积增幅约15%,研究区土地荒漠化趋势得到逆转,整体生态环境得到改善。(2)利用TVDI土壤水分遥感监测模型较好地揭示了研究区土壤含水量时空变化情况。春季,湿润区靠近绿洲北方区域;夏季TVDI值达到0.5以上;秋季,绿洲内部TVDI值大于绿洲外围TVDI值22.12%,外部含水量具有减少的趋势。(3)内陆干旱区VIC分布式水文模型模拟结果表明,空间上,西南地区土壤含水量低于东北区域;雨季,东北区域含水量高于西南地区,干旱区域集中在西南、西北和南部区域。时间上,盐渍土壤表层含水量高于耕地,每年雨季,灌丛土壤含水量高于其它3种地类,荒地与耕地土壤含水量波动范围较相似。耕地VIC土壤水分模拟值较好地响应了农作物需水量月变化。(4)结合两种模型的时间耦合程度来看,灌丛与盐渍地土壤含水量要比耕地和荒地耦合程度高,干湿变化规律明显,异常年份较少;耕地与荒地土壤含水量耦合程度较低,曲线变化幅度较大,异常年份较多。不同年份野外实测土壤水分与其VIC模拟值的R~2在0.34以上,模拟精度较可靠。本次研究以陆面过程模型精细化模拟的优势为干旱区水盐情景模拟与盐渍化动态预报提供坚实的数据支撑。(本文来源于《新疆大学》期刊2019-05-01）
乔帅帅,胡振华[8]（2019）在《DNDC模型在华北平原夏玉米土壤水分研究中的应用》一文中研究指出利用DNDC模型对夏玉米生长进行模拟和验证,并对模型精度进行评价。结果表明:在对夏玉米生长期间土壤含水率、地上部生物量和产量进行模拟中,模型评价指标说明DNDC模型可以进行相关方面的模拟。2015、2016年夏玉米作物水分生产率WP实测值与模拟值之间相对误差低于8%,表明DNDC模型可以用于夏玉米腾发量(ET)和水分利用方面的研究。(本文来源于《人民珠江》期刊2019年03期）
汪怡珂,罗昔联,花东文,李娟,张露[9]（2019）在《毛乌素沙地复配土壤水分特征曲线模型筛选研究》一文中研究指出针对国家增加可利用土地、降低水土流失的需求,利用复配土壤对风沙土进行改良,是实现毛乌素沙地治理、区域生态修复的重要手段。测定不同复配比例土壤的水力学性质,并进一步筛选出合适复配土壤使用的水分特征曲线模型,运用高速离心机法测定对复配土壤水分特征曲线,环刀法测定复配土饱和导水率,并对比不同水分特征曲线模型对于不同比例复配土壤的模拟效果。研究表明:相同土壤水吸力下,添加砒砂岩处理的土壤含水率均高于纯风沙土处理;复配比例中砒砂岩含量越高,土壤保水性越高;当砒砂岩与风沙土复配比例高于5:1后,土壤水分特征曲线与纯砒砂岩差异不大;低吸力阶段,砒砂岩的添加减少了土壤中大孔隙的比例,而在中高吸力阶段,砒砂岩的添加增大了土壤中小孔隙的比例,进而提高土体的持水能力。模型适宜性分析结果表明,能够适配各处理的非饱和导水率模式最优模型为van Genuchten模型;砒砂岩与沙复配比例高于1:5后,Gardner模型的相关系数从0.9473上升至0.9929,残差平方和0.041降低至0.010,模拟效果逐渐超越van Genuchten模型,间接推求公式Arya-Paris模型物理概念明确,但影响因素过多,相较经验公式拟合效果不佳。(本文来源于《干旱区资源与环境》期刊2019年06期）
郭豪,刘文祥,王超然,黄智刚[10]（2019）在《Matlab和神经网络法对土壤水分特征曲线VG模型的拟合比较》一文中研究指出以山东荣成地区棕壤、风沙土为对象,测定分析土壤剖面不同层次的容重、质地、有机质含量、水势和含水量等状况;运用Matlab软件和神经网络法对土壤水分特征曲线van-Genuchten(简称VG)模型进行拟合,将2种拟合结果与实测数据进行对比分析。结果表明,研究土壤不同土层含水量均随着水吸力的增加呈"快速下降-缓慢下降-基本平稳"的变化趋势;由于受到土壤颗粒组成、容重等物理因素和有机质含量差异的影响,棕壤和风沙土不同土层的饱和含水量和残留含水量差异较大,其中棕壤60～70 cm和风沙土10～20 cm的土壤残留含水量最大;Matlab软件拟合的残差平方和比神经网络预测方法低几个数量级,说明采用Matlab对水分特征曲线VG模型拟合精度高,拟合效果较好。(本文来源于《江苏农业科学》期刊2019年03期）
土壤水分模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
根据开展的景县地区玉米农田主被动微波遥感协同反演土壤水分监测试验,提出利用FY-3 B WMRI被动微波数据计算微波极化差异指数(MPDI),建立了植被层含水量反演模型,去除植被含水量对于农田土壤水分反演的影响,然后结合植被层含水量反演模型和水云模型,以及Sentinel-1A主动微波数据和部分实测样点土壤体积含水量数据建立植被覆盖区农田土壤水分半经验反演模型,最后验证分析Sentinel-1A VV/VH不同极化条件下土壤水分反演模型的精度。结果表明:VV极化条件下土壤水分反演模型反演精度为R~2=0.7422,RMSE=0.0674 cm~3/cm~3,MAE=0.0305 cm~3/cm~3,MaxE为0.1196 cm~3/cm~3,MinE=0.0024 cm~3/cm~3;VH极化模型为R~2=0.1898,RMSE=0.0768 cm~3/cm~3,MAE=0.0474 cm~3/cm~3,MaxE=0.1933 cm~3/cm~3,MinE=0.0190 cm~3/cm~3。研究区VH极化模型反演值存在普遍偏低现象,VV极化模型土壤水分反演结果优于VH极化模型。VV极化方式具有更强的穿透性,受到植被层衰减作用影响较小,对土壤水分含量变化也更为敏感。建立的VV极化条件下土壤水分反演半经验模型能较好地表征研究区土壤水分空间分布情况。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
土壤水分模型论文参考文献
[1].李怡航.一维土壤水分运动模型的有限体积法求解及其影响因素分析[J].水利规划与设计.2019
[2].李伯祥,陈晓勇,徐雯婷.基于水云模型的Sentinel-1A双极化反演植被覆盖区土壤水分[J].水土保持研究.2019
[3].郭交,刘健,宁纪锋,韩文霆.基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证[J].农业工程学报.2019
[4].陈雪,宋娅丽,王克勤,王帅兵.基于VanGenuchten模型的等高反坡阶下土壤水分特征[J].水土保持研究.2019
[5].路璐,王振龙,杜富慧,胡永胜,张晓萌.淮北平原基于ARIMA模型的冬小麦日土壤水分预测[J].节水灌溉.2019
[6].尹准生,唐孝甲,卢佶,洪奕丰,陈伟.黄土高原油松人工林土壤水分变动的人工神经网络模型研究[J].华东森林经理.2019
[7].包青岭.基于遥感与VIC模型的干旱区土壤水分时空变化特征[D].新疆大学.2019
[8].乔帅帅,胡振华.DNDC模型在华北平原夏玉米土壤水分研究中的应用[J].人民珠江.2019
[9].汪怡珂,罗昔联,花东文,李娟,张露.毛乌素沙地复配土壤水分特征曲线模型筛选研究[J].干旱区资源与环境.2019
[10].郭豪,刘文祥,王超然,黄智刚.Matlab和神经网络法对土壤水分特征曲线VG模型的拟合比较[J].江苏农业科学.2019