共检索到1574条,权限内显示50条;
[学术文献 ] 基于天地协同与深度学习的灌区地下水位模拟研究 进入全文
长江科学院院报
本文利用灌区地面和遥感的天地协同序列观测数据，以降水、土壤湿度、地下水位历史观测量、哨兵-2遥感观测值作为地下水位的模拟因子，采用基于多层GRU网络的深度学习模型建立地面和遥感观测因子与地下水位的内在联系，进行灌区地下水位模拟的研究，并在南北方两处灌区研究区进行地下水位模拟实验和结果分析。实验结果表明，基于天地协同与深度学习的灌区地下水位模拟模型具有自行建立外界环境因素和灌区地下水位内在关系的能力，具有较好的地下水位模拟效果，以及在不同地理环境下的模型适用性，具有一定的应用潜力，能够为灌区的农作物种植和水资源管理提供决策信息支持。
[学术文献 ] 中国稻田土壤铁流失及其环境意义 进入全文
中国科学:地球科学
铁是重要的生命元素,其在地球表层系统中的迁移和循环过程对陆地和海洋生态系统有重要影响.中国稻作历史悠久、稻田分布广泛、类型众多、人为活动影响强烈,频繁的干湿交替导致水稻土中铁的迁移过程十分活跃,且与自然土壤相比有很大差异,但关于这类独特的人工湿地生态系统铁的界面迁移流失量及其对河流乃至近海环境的贡献还缺少系统的评估.本研究以中国典型稻作区不同景观（沼泽、平原、阶地）和母质类型（酸性、中性、石灰性）起源的7个时间序列水稻土为对象,系统分析了水稻种植前后土壤中铁的动态演化特征,并在收集和整理相关大量文献数据的基础上,估算了全国尺度由于人为植稻引起的铁流失量.结果表明,不论起源于何种景观与母质类型,水稻土在1m土体内最终都会呈现铁的流失趋势.起源于低洼沼泽区石灰性湖相沉积物的水稻土,在前期（50a）铁呈现一定的累积,之后呈现流失趋势(铁流失的平均速率为0.026kg m-2a-1);起源于平原地区石灰性母质的水稻土在1000a内铁以土体内表层还原淋溶与亚表层氧化淀积的内循环过程为主,之后呈现流失趋势(铁流失的平均速率为0.029kg m-2a-1);而起源于平原与丘陵地区酸性和中性母质的水稻土在植稻初期就出现铁的快速流失(铁的最大流失速率达1.106kg m-2a-1),之后铁流失速率趋缓.起源母质pH、CaCO3与有机质含量、地形控制的物质运移以及人为灌溉引起的土壤水分状况变化与植稻年龄共同决定了稻田铁流失的模式和速率.根据时间序列水稻土数据与文献数据,初步估算出全国稻田土壤铁流失通量约为46.4～195.7Tg a-1,全国稻田铁流失总量约为5121.5～9412.2Tg.稻田铁流失的准确估算对科学评估土地利用变化对铁的生物地球化学循环的影响具有重要意义。
[学术文献 ] 区域尺度土壤-农作物体系营养元素铁的地球化学评价及膳食补铁区划 进入全文
地球与环境
铁（Fe）是人体健康必需的微量元素,人体Fe摄入不足或过量都会引起严重健康问题。目前区域尺度的土壤-农作物体系中Fe元素的预测及膳食摄入评估方面的研究较少。本文以四川省邻水县为研究区,采集了109套玉米与根系土样品以及6 980件表层土壤样品,开展了土壤-农作物体系营养元素铁的地球化学评价及膳食补铁区划研究。结果表明,研究区表层土壤Fe含量范围为3 070～198 100 mg/kg,算术平均值为52 370±1 270 mg/kg,明显高于我国的土壤Fe背景值。研究区玉米籽实Fe含量范围为10.09～24.4 mg/kg,算术平均值为15.57±2.89 mg/kg,显著低于我国玉米中Fe含量均值。建立了玉米Fe生物富集系数预测模型,预测了玉米籽实Fe含量,并依据日均摄入Fe含量推荐值和居民膳食结构调查结果,给出了研究区玉米最佳Fe含量范围值为13.88～30.85 mg/kg。研究区膳食摄入评估结果表明,研究区大部分区域18～60岁人群Fe摄入较为充足;摄入缺乏区域零星分布,占研究区总耕地面积的3.87%。最后,给出了食用玉米不同地区需要补充Fe微量元素区划图,为研究区居民预防缺Fe引发的健康疾病提供了科学依据。
[学术文献 ] 基于BP神经网络方法的黄土水分特征曲线预测模型比选 进入全文
中国农村水利水电
黄土高原区水资源严重匮乏，研究土壤水分特征曲线对于提高水分利用率、节约水资源有着重要的现实意义，但直接试验测量土壤水分特征曲线面临操作技术难度大、耗时费力等诸多问题，因此对土壤水分特征曲线进行科学合理预测十分必要。为提高黄土高原区土壤水分特征曲线预测模型精度，以山西省五个县市的试验点黄土为研究对象进行模型比选。基于BP神经网络算法，以土壤基本指标粘粒含量、粉粒含量、干容重、有机质和全盐量共5个影响因素作为预测模型的输入变量，以经验模型的参数作为预测模型的输出变量，分别建立了Gardner经验模型参数和Van Genuchten经验模型参数的预测模型，并根据实测数据库的预测结果进行对比和分析。结果表明：建立的经验模型参数的BP神经网络预测模型，Gardner经验模型建模和验证后的两个参数相对误差的平均值都小于4%，Van Genuchten经验模型建模和验证后的两个参数相对误差的平均值都小于5%；不论是建模的训练数据库还是验证数据库，Gardner经验模型参数的预测模型精度均高于Van Genuchten经验模型参数的预测模型精度。因此，建议针对黄土高原区的黄土水分特征曲线预测模型的建立，选用Gardner经验模型更加合适，且此经验模型的表达式简单易懂，更利于农田水利相关的基层工作人员的学习与利用。
[学术文献 ] 近红外光谱的北方寒地土壤含水率预测模型研究 进入全文
光谱学与光谱分析
我国北方寒地温差大，土壤温差对近红外光谱测量土壤墒情有较大影响。针对这一问题，以北方寒地土壤为研究对象，探究大范围温度胁迫下（-20～40℃）土壤的近红外光谱与土壤不同含水率之间的关系预测模型方法。选取黑龙江八一农垦大学农学院试验基地中的黑土，经烘干、过筛等操作处理后配置含水率范围在15%～50%内八种不同湿度的土壤样品，建立北方寒地土壤大范围温度胁迫下土壤的近红外光谱信息与含水率之间的定量预测模型。在全波段光谱数据的基础上，结合五种不同光谱信号预处理方法，采用BP神经网络算法、优化支持向量机算法（SVM）、高斯过程算法（GP）三种智能算法建立北方寒地土壤近红外光谱与含水率的预测模型并验证模型的效果。利用69组数据进行训练建模，BP神经网络相关参数设置为学习速率0.05,最大训练次数设置为5 000,隐层单元数确定为20; SVM采用径向基函数，并利用leave-one-out cross validation确定了最佳惩罚参数为0.87,使模型预测的准确性提高；高斯过程算法内部采用马顿核。模型的定量评估采用决定系数（R~2）和均方根误差（RMSE）。结果表明，在建立的全部BP神经网络模型中，效果最佳的为S＿G-BP神经网络模型，模型的R~2为0.960 9, RMSE为2.379 7;在SVM模型中SNV-SVM模型的效果最好，模型的R~2为0.991 1, RMSE为1.081 5;在GP模型中S＿G-GP模型的效果最好，模型的R~2为0.928, RMSE为3.258 1,综上基于SNV预处理的SVM模型训练效果最优。利用剩余的35组光谱数据作为预测集验证模型性能，经模型对比分析发现基于SVM算法的预测模型效果优于其他两种算法，其中基于S＿G的SVM模型效果最优，其预测模型的R~2和差RMSE分别为0.992 1和0.736 9。综合建模集与预测集的参数最终确定基于S＿G的SVM模型为最佳模型。此模型可以作为大范围温度胁迫条件下（寒地）的土壤含水率有效预测方法，为设计优化适宜寒地便携式近红外土壤含水率快速测量仪提供科学依据。
[学术文献 ] 汇聚海量数据 深化应用场景 开创智慧水土保持 进入全文
中国水土保持科学(中英文)
数字经济、智慧社会成为当今世界创新发展的新动能，智慧水土保持要为生态保护与高质量发展提供更强动力与支撑。智慧水土保持的基础是海量数据，需广泛、深度挖掘数据资源。大数据、云计算、人工智能、互联网、区块链等高新科技与水土保持管理及社会化服务的深度融合，区域土壤侵蚀长系列、多频次调查数据，为水土流失防治的科学布局、智慧决策提供支撑；长期、定位观测数据的深度开发，将为构建预测预报模型、预警预案提供支持。水土保持重点工程图斑精细化管理，流域山水林田湖草沙综合治理理论、标准、成果的深度开发，支持水土保持生态功能监测评价、生态系统质量与稳定性、可推广成功案例及其科学配置的技术措施智能化服务。生产建设项目水土保持方案、监测、监理、验收、信息化监管等海量数据开发，服务于科学精准高效跟踪检查，水土保持合规性自主预判、问题警示、整改核实等；对违反水土保持信用情形实施智能监测、警示、快速跟踪。年度水土流失动态监测数据深度开发，服务于水土保持任务完成监测、目标考评，重要生态功能区、生态敏感区、水土流失重点防治区的智能化跟踪监测、预警、评价。
