文獻摘要

準確掌握土壤水分動態(tài)變化，對精準制定灌溉計劃至關重要。采用五道溝實驗站2018－2019年蒸滲儀日土壤水和同期7個氣象要素(氣溫、降雨、水面蒸發(fā)、日照時數、風速、絕對濕度、地溫)資料，采用BP神經網絡方法建立冬小麥生育期不同土層(10、30、50cm)的土壤水分預測模型，模型分別為BP(7－9－1)、BP(7－12－1)和BP(7－14－1)，并用遺傳算法優(yōu)化上述BP神經網絡模型。結果表明:兩種模型均可用于冬小麥生育期土壤水分預測，其中遺傳算法優(yōu)化BP神經網絡能夠更好提高預測精度，且隨著土層厚度增加，預測精度提高。BP神經網絡土壤水分預測10、30、50cm土層平均相對誤差分別為6.2%、4.0%、2.9%;遺傳BP神經網絡土壤水分預測10、30、50cm土層平均相對誤差為3.8%、1.7%、1.3%。

??? 實驗概述

五道溝水文實驗站地處安徽省蚌埠市固鎮(zhèn)縣新馬橋鎮(zhèn)原種場境內，屬暖溫帶半濕潤季風氣候，四季分明。多年平均降雨量為893mm，其中汛期(6－9月)降雨量占62%，多年平均氣溫在14℃，地下水位變化范圍1～3m，屬于淺埋區(qū)，種植農作物主要有夏玉米、夏大豆和冬小麥。土壤類型主要由形狀、色澤如生姜的砂姜黑土組成，該土壤飽和含水率為38%～40%，適宜作物生長的土壤含水率區(qū)間為18%～26%，滲透系數為24.2mm/h。實驗站內設有潛水蒸發(fā)、入滲和徑流、土壤水分、蒸散發(fā)、葉面積指數、氣象、徑流等觀測要素，有60余年長系列實驗觀測資料。

??? 實驗設施

選取五道溝實驗站自動稱重式蒸滲儀2018年10月30日－2019年5月31日逐日分層實測土壤水數據，地下水位埋深設置為1 m。土壤含水率主要與降雨、氣溫、地溫、風速、日照時數、絕對濕度和水面蒸發(fā)等7個氣象因素有關，選取同期氣象場實測7個氣象要素數據建立土壤含水率預測模型。

本文采用BP神經網絡遺傳算法，以7個氣象因子作為輸入因子，不同土層土壤含水率分別作為輸出因子，建立關于土壤含水率BP神經網絡模型，在此基礎上，引入具有全局搜索能力的遺傳算法優(yōu)化BP神經網絡，分別采用兩種方法建立預測模型。

??? 結果與分析

本文從能量平衡原理入手，結合波文比的概念，引入地表凈輻射的修正參數，建立了一種新的潛在蒸散發(fā)計算模型（LY-E模型），基于小型蒸滲儀觀測試驗的土壤蒸發(fā)和草地覆被蒸散發(fā)能力實測數據對模型進行了率定與驗證，并進一步對比分析了該模型與6種現有常見計算公式的模擬精度，以評價模型的適用性，

(1) 建立了10、30、50cm不同土層冬小麥生育期BP神經網絡模型，模型分別為BP(7－9－1)、BP(7－12－1)和BP(7－14－1)，10、30、50cm土層模型預測平均相對誤差分別為6.2%、4.0%和2.9%。

(2) 建立了10、30、50cm不同土層冬小麥生育期遺傳算法優(yōu)化BP神經網絡模型，10、30、50cm土層模型預測平均相對誤差分別為3.8%、1.7%和1.3%。

兩種模型均可用于淮北地區(qū)冬小麥土壤水分預測，其中遺傳算法優(yōu)化BP神經網絡模型能夠更好地提高預測精度，且隨著土層厚度增加，預測精度提高。本模型主要適用于淮北地區(qū)砂姜黑土區(qū)冬小麥生育期土壤水預測，對其他地區(qū)不同土壤、不同作物土壤水分預測模型有待進一步研究。