Jensen模型水分敏感指数的新定义及其解法-水科学进展
模型参数敏感性分析
“模型参数敏感性分析”资料合集目录一、基于统计理论方法的水文模型参数敏感性分析二、基于Morris和Sobol的水文模型参数敏感性分析三、SWAT模型参数敏感性分析与自动率定的重要性研究以玛纳斯河径流模拟为例四、质子交换膜燃料电池多物理场建模及模型参数敏感性分析五、SWAT模型参数敏感性分析及应用基于统计理论方法的水文模型参数敏感性分析水文模型是用于描述和预测水文循环过程的一组数学模型，其参数的敏感性分析对于模型的准确性和可靠性至关重要。
本文将介绍一种基于统计理论方法的水文模型参数敏感性分析。
水文模型是用来描述和预测水文循环过程的一组数学模型，包括降雨量、蒸发、径流等许多因素。
这些模型通常由一系列微分方程构成，需要根据实际数据和经验进行校准和验证。
然而，由于模型的复杂性，不同参数对模型输出的影响程度可能会有所不同。
因此，进行参数敏感性分析显得尤为重要。
基于统计理论的方法是一种系统的、定量的分析工具，用于评估模型参数对输出结果的影响程度。
这种方法通常采用回归分析、方差分析、敏感性分析等统计方法，以定量地评估各个参数的重要性。
参数敏感性分析是通过分析模型输出结果与各个参数之间的关系，来评估参数变化对输出结果的影响程度。
这种分析可以采用回归分析、方差分析、主成分分析等方法。
例如，通过计算参数的偏导数，可以得到参数变化对模型输出的影响程度；通过方差分析，可以得到参数变化对模型输出的不确定性的贡献。
为了更好地说明基于统计理论方法的水文模型参数敏感性分析的实践过程，我们将以一个简单的一维水文模型为例。
该模型描述了降雨、蒸发和径流之间的关系，我们可以通过改变模型的参数来模拟不同的水文情况。
通过敏感性分析，我们发现模型的输出对降雨量这个参数最为敏感。
因此，在未来的研究中，我们需要特别降雨量的观测和预测。
同时，我们也发现模型的输出对蒸发和径流这两个参数的敏感性较低，说明这两个参数对模型的准确性和可靠性影响较小。
本文介绍了一种基于统计理论方法的水文模型参数敏感性分析方法。
灌区水资源优化配置模型的建立及应用
Abstract: The w ater resources optim al allocat ion m ode l for optim a l operation of reservo ir and opt im al allocat ion of irrigat ion w ater in field w as established. Th is m odel w as calcu lated by real a lloca tion based accelerating genetic a lgorithm ( RAGA ). T he resu lts show ed that bene fit of irrigat ion district w as prom oted g reat ly w ith th ism ode,l espec ially in the dry ing years and the ca lculating m ethod of RA GA w as reasonable and feasible. K ey w ord s: real allocation based acce lerating genetic a lgorithm; irrigation d istric;t w ater resources
Establishm ent and Application ofW ater R esources Optim al A llocation M odel in Irrigation D istrict
水生生物对水质的敏感性评价
水生生物对水质的敏感性评价水是人类和所有生命体的基本需求。
在当今世界，许多地区仍然存在水资源短缺问题，而且水体污染已经成为一个越来越严重的问题。
因此，我们需要寻找一种方法来评价水质，以便更好地保护水资源和生态系统。
水生生物对水质的敏感性评价就是一种用来评价水质的有效方法。
什么是水生生物对水质的敏感性评价？水生生物对水质的敏感性评价是一种基于水生生物对水质的反应来评价水质的方法。
这种评价方法是通过对水生生物在不同水质条件下的生存、繁殖和生长表现进行观察和评价的。
在这种评价方法中，不同种类的水生生物都有其对水质的敏感程度。
有些种类的水生生物对水质的变化比较敏感，而有些种类的水生生物则比较耐受。
评价水质的方法评价水质的方法一般分为两种：一种是化学物质测试，这种方法通过测量水质中化学物质的浓度来评价水质。
另一种是生物评价，这种方法通过观察水生生物在不同水质条件下的生存、繁殖和生长表现来评价水质。
化学物质测试方法是常用的评价水质的方法，然而这种方法也存在一些局限性。
一方面，这种方法只能测试出水中比较常见的化学物质，而很多污染物质并不易被测定。
另一方面，这种方法只能测试水样快照值，不能反映出水体在不同时间和不同环境下的变化，反映不出水质的整体状况。
相反，生物评价方法可以更好地反映出水质的整体状况。
这种方法不但可以测试出水质，还可以对不同污染物质所产生的影响进行评价。
此外，这种方法监测周期能够放长，可以更好的反映出水体变化的趋势。
在生物评价方法中，水生生物的敏感性评价是非常重要的方法。
通过观察和评价水生生物在不同水质条件下的生存、繁殖和生长表现，可以评价出水质的好坏。
影响水生生物对水质的敏感性的因素水生生物对水质的敏感性是受到多种因素的影响的。
其中比较重要的因素有以下几个：1.氧化还原电位氧化还原电位是水中电位的度量值，这个值可以反映出水中的离子浓度和离子种类。
不同的水生生物对氧化还原电位有着不同的反应。
例如，一些水生生物对较低的氧化还原电位比较敏感，而一些水生生物对较高的氧化还原电位比较敏感。
水文模型知识图谱构建与应用
２０２４年１月水 利 学 报ＳＨＵＩＬＩ ＸＵＥＢＡＯ第５５卷 第１期文章编号：０５５９－９３５０（２０２４）０１－００８０－１２收稿日期：２０２３－０７－０３基金项目：科技创新２０３０重大项目（２０２１ＺＤ０１１３６０２）；中国工程科技知识中心项目（ＣＫＣＥＳＴ－２０２１－２－１２，ＣＫＣＥＳＴ－２０２２－１－３５）作者简介：周逸凡（２０００－），硕士生，主要从事水利信息化研究。
Ｅ－ｍａｉｌ：１２１９８２９１５２＠ｑｑ．ｃｏｍ通信作者：赵红莉（１９７３－），正高级工程师，主要从事水利信息化和水资源遥感研究。
Ｅ－ｍａｉｌ：ｚｈａｏｈｌ＠ｉｗｈｒ．ｃｏｍ水文模型知识图谱构建与应用周逸凡１，２，段 浩１，２，赵红莉１，２，赵慧子１，２，李 豪１，２，韩 昆１（１．中国水利水电科学研究院，北京 １０００３８；２．水利部数字孪生流域重点实验室，北京 １０００３８）摘要：针对水利垂直领域缺少知识组织和结构化表达的场景案例，以及通用知识抽取模型在水利垂直领域中难以达到预期精度等问题，本文以水文模型方案推荐为例，提出了知识图谱的构建框架与流程，构建了包含模型继承发展关系、应用流域、模型精度等内容的知识模型，形成基于期刊文献类非结构化数据源的多策略知识抽取方法，以及实体对齐与知识融合的规则与方法等。
对水文模型领域期刊文献进行了知识抽取、融合，构建水文模型知识图谱实例，共包含节点实体１４２９８个，属性实体３９１３３个，关系３６２５４条，实体识别的准确率、召回率、Ｆ１值均在９０％以上。
对建立的图谱实例进行了可视化表达和知识应用，结果表明：该图谱实现了基于期刊文献的水文模型知识快速采集学习、组织管理，支持模型检索推荐，提高了水文模型知识的发现与使用能力，对相似场景的水利知识图谱构建具有参考价值。
关键词：知识图谱；水文模型；知识抽取；知识应用 中图分类号：ＴＰ３９１文献标识码：Ａｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３０３９５１ 研究背景数据急剧增长后，如何高效获取、管理和利用知识逐渐成为热点问题。
VIC模型参数的敏感性分析
VIC模型参数的敏感性分析1张续军，吴志勇，陆桂华(河海大学水问题研究所，江苏 南京 210098）E-mail：zhwzxj@摘要：本文运用敏感度分析理论，采用中国湿润地区八个典型流域的实测资料，对大尺度分布式水文模型VIC（Variable Infiltration Capacity）模型七个主要参数的敏感性进行了分析。
结果表明，在这七个参数中，第二层土壤厚度对产流量相对较为敏感；入渗能力形状参数对出口断面流量过程吻合程度较为敏感，其他参数都不太敏感。
关键词：水文；VIC模型；模型参数；敏感度水文模型参数揭示了流域的水文特征[1]，是水文模型的重要组成部分，对于水文模型的模拟结果起到至关重要的作用。
随着水文模型的不断发展，尤其是分布式水文模型的出现，参数具有了更加明确的物理意义，反映了流域下垫面和气象因素的空间变化[2]。
不同参数对模拟结果的影响因其物理意义和模型结构的不同而有所差异，因此研究参数的敏感性对于水文模型的应用非常重要，是率定水文模型参数以及校正模拟结果的基础。
水文模型是包含多个参数的复杂系统，各个参数不仅自身对模型产生影响，而且参数之间还通过相互的作用共同对模型产生影响。
因此对参数的敏感性分析，在单独考虑每个参数的基础上，还应把所有参数作为整体来考虑。
本文基于中国湿润地区，对VIC 模型主要参数的敏感性进行了分析。
1．VIC模型及其参数VIC模型是一种基于SVATS（Surface Vegetation Atmospheric Transfer Schemes）思想的大尺度分布式水文模型，最初基于Wood等人的思想[3]、由Stamm等人[4]构建起来的VIC模型把土壤分为两层，称为VIC-2L模型[5]，Liang等人把土壤分为三层，模型改进为VIC-3L模型[6]。
该模型可同时对水循环过程中的能量平衡和水量平衡进行模拟。
模型定义地表由不同植被类型及裸土覆盖，覆盖类型由植物叶面面积指数(LAI) 、叶面气孔阻抗以及根系在不同土层之间的分配比例来确定。
基于Morris与正交试验的SWMM模型参数敏感性分析
基于Morris与正交试验的SWMM模型参数敏感性分析韩铭洋;胡金辉;桑梓杰;孙颖娜
【期刊名称】《水利水电快报》
【年(卷),期】2024(45)2
【摘要】为研究暴雨洪水模型中参数对模拟结果的影响,提高模型预测的精确性,以宁波市慈城新城为研究区域,基于SWMM模型,模拟了不同重现期及3种单峰雨型的设计降雨,利用修正Morris法和正交试验设计法对比分析了研究区内6个水文参数的局部与全局敏感性及变化趋势。
结果表明:研究区流域径流系数的敏感参数为MaxRate、N-Perv和MinRate,三者具有高度显著影响,且敏感性随着降雨重现期的增加而减弱。
同一重现期降雨下,雨峰位置不同导致参数敏感性变化规律有所不同。
针对后峰雨型,Dstore-Imperv、Dstore-Perv和N-Imperv敏感性随重现期的增加而增强;前峰雨型和对称雨型反之。
两种方法均能识别模型主要敏感参数,正交试验设计法更能定量描述参数影响的显著性水平。
【总页数】8页(P11-18)
【作者】韩铭洋;胡金辉;桑梓杰;孙颖娜
【作者单位】黑龙江大学水利电力学院;黑龙江大学中俄寒区水文水利工程联合实验室
【正文语种】中文
【中图分类】TV122.1
【相关文献】
1.基于正交试验法的梯级水库连溃分析模型参数敏感性分析
2.基于Morris与Sobol法的SWMM模型参数敏感性分析
3.基于Morris的SWMM模型参数敏感性分析
4.基于正交试验分析法不同施工阶段邓肯-张E-B模型参数对坝体变形的敏感性分析研究
5.基于正交试验的SWMM模型参数全局综合敏感性分析
因版权原因，仅展示原文概要，查看原文内容请购买。
水分敏感指标模拟及空间变异规律研究
水分敏感指标模拟及空间变异规律研究王龙（导师：李靖）摘要本文在分析水分敏感指标影响因素的基础上，选用经度、纬度和土壤有效含水量、全生育期日平均参考作物腾发量作为输入因子，水分敏感指标作为输出因子，构建了一个具有二层隐含层的BP人工神经网络结构，利用湖北和广西的水稻试验数据作为样本对网络进行训练和检验，结果表明：模型具有较高的拟合精度和预测精度，能够为缺乏试验数据的地区进行水分敏感指标的计算提供了方法。
应用该模型，本文得到了云南水稻多年平均水分敏感指标,并以地统计学作为理论工具，以地理信息系统为数据分析平台，对模拟结果进行了空间变异规律分析，并优选了空间插值模型;经过研究,绘制了水分敏感指标等值线图，得出了云南水稻多年平均水分敏感指标变异函数以普通克里金球状模型拟合最优、80.5度方向变程最大、插值模型以普通克里金球状模型插值精度较高、河谷地区水分敏感指标较大的结论。
关键词：水分敏感指标；人工神经网络；空间变异；变异函数；空间插值等值线图Study on Water Sensitivity Index Simulation and Spatial Variability LawWang Long(Directed by Li Jing)A b s t r a c tBased on analyzing effected factors of water sensitivity index, by using latitude, longitude,ET and effective soil moisture as input and water sensitivityindex output，a BP artificial neural network structure containing two hidden layers is established. The experiment data of Hubei and Guangxi is used as sample to train and test the effective degree of the given model .The results indicate that the ann model for water sensitivity index of the fitting precision and the predicting precision are satisfactory, it is capable of simulating the water sensitivity index in area lack of experiment datum.By using the model，the yearly annual mean rice water sensitivity index in Yunnan province is simulated，and supported by the semivariogram and GIS，the spatial variability and the interpolation methods as well of the simulated results were analyzed .Through the above researches, the isoline was plotted, and such conclusions were drawn that in the course of fitting the semivariogram of the yearly annual mean rice water sensitivity index in Yunnan, the fitting precision of ordinary Kriging spherical model is better than others; range at the direction of 80.5 degree is outstanding than others; as for the precision of interpolation , ordinary Kriging spherical model is higher than others and the yearly annual mean rice water sensitivity index of river valley areas is bigger than other areas in Yunnan.KEY WORDS: water sensitivity index; artificial neural net; spatial variability;semivariogram; spatial interpolation; isoline。
作物水分生产函数论文更正
节水灌溉技术课程小论文题目：冬小麦水分生产函数及水肥耦合研究学院：水利电力学院专业：农业水利工程班级：农水1班学号：2010225720 13 年10 月21 日黑龙江大学水利电力学院冬小麦水分生产函数及水肥耦合关系试验研究摘要：分别对冬小麦水分生产函数及水肥耦合关系进行试验研究，分析了冬小麦田间水分转化与消耗规律以及水分、肥料对冬小麦产量的影响，建立了冬小麦水分生产函数Jensen 模型和人工神经网络(ANN) 模型，为冬小麦节水高效灌溉制度的制订提供了基本依据。
关键词：水分生产函数；水肥耦合关系；冬小麦1、冬小麦水分生产函数研究1.1 冬小麦水分生产函数的Jensen 模型Jensen 模型是水分生产函数研究中最常用的模型之一，其形式为:λ∏=n 1i miaiET ET Ym Ya ）（ （1） 式中n 代表作物生育阶段数；i 为生育阶段编号；ET ai , ET mi 分别为第阶段的实际腾发量(mm)、潜在腾发量(mm)；Y a 为实际腾发量对应的实际产量( kg/hm 2)；Y m 为潜在腾发量对应的作物潜在产量，即充分供水条件下的作物产量( kg/hm 2)；λi 为第i 生育阶段的水分敏感指数，反映阶段缺水对产量的影响程度。
研究结果表明，水分敏感指数具有一定的累加性，可以用logistic 曲线来描述敏感指数累积曲线，即:∑===tt bt-a e +1ct zt λ）（ （2）式中a ，b ，c 为经验参数。
根据以上累积曲线，可以计算出时段t 1～t 2 的水分敏感指数为：）（）（1212zt -zt =λ （3）在本研究中，采用以下4种方法来推求水分敏感指数：将Jensen 模型线性化后利用最小二乘法确定水分敏感指数，记为OLSR ；将Jensen 模型线性化后利用偏最小二乘法确定水分敏感指数，记为PLSR ；利用遗传算法等非线性优化方法直接确定Jensen 模型中的水分敏感指数，记为NLR ；利用遗传算法等非线性优化方法确定水分敏感指数累积曲线的参数a 、b 、c ， 然后利用式(3)计算出各生育阶段的水分敏感指数λi ，记为CC 。
冬小麦水分敏感指数累积函数研究
1997年5月水 利 学 报SHU IL I XU EBAO第5期冬小麦水分敏感指数累积函数研究Ξ王仰仁ΞΞ 雷志栋 杨诗秀(清华大学水利水电工程系)提 要应用作物水分生产函数Jensen 模型的关键是确定模型中的水分敏感指数,本文提出水分敏感指数累积函数的概念.在分析已有成果的基础上,用生长曲线来描述敏感指数的累积函数,并给出了参数的求解方法.利用4个站年的冬小麦耗水量资料,对所提出的方法进行了检验.结果表明,用生长曲线来拟合敏感指数累积函数能较好地描述冬小麦产量对水分的反应.关键词 水分生产函数,敏感指数累积函数,生长曲线.一、引 言冬小麦生长期处于降雨较少的冬春季,需要较多的灌水.同时,冬小麦根系长,能够充分地利用土壤水的调蓄能力.由于冬小麦种植面积较大,生长期长,在供水不足条件下,必须考虑灌溉效益评估问题,而灌溉效益评估的关键问题之一是研究作物水分生产函数———作物产量对灌溉供水的反应.近年来对作物水分生产函数已有相当多的研究[1-4],从产量与总耗水量关系———有线性的和非线性的模型;从产量与分阶段耗水量关系———有连乘型的与连加型的模型.就模型结构和拟合精度方面的比较与分析,Jensen 模型较为广泛地为人们所接受,如下式:y y m=7ni =1E T i E T mipr ss oλi,(1)式中 E T m i ———充分供水条件下作物第i 阶段的耗水量,或称为最大耗水量;E T i ———非充分供水条件下作物第i 阶段的实际耗水量;y m ———充分供水条件下,亦即作物阶段实际耗水量组合为E T m i (i =1,2,…,n )情况下的产量;y ———非充分供水条件下,亦即作物阶段耗水量组合为E T i (i =1,2,…,n )情况下的产量;λi ———反映第i 阶段供水不足对产量影响的参数,称为水分敏感指数;i ———作物阶段编号;n ———作物全生长期的阶段数.但是从近年来的研究表明,应用Jensen 模型,还存在一些问题,比较突出的有如下两个方面.(一)水分敏感指数求取方法 目前有两种方法,一是分阶段,逐段分别求解,此时要求严格设置试验处理,进行专门试验.将作物生长期划分成若干个阶段,每个处理ΞΞΞ现工作单位为山西省水利科学研究所本文于1995年12月28日收到,属国家自然科学基金重大项目.只能有一个阶段受旱.同时设置一个不受旱处理,做为对照.为了反映某一阶段对于不同受旱程度影响还要设置不同受旱水平处理.比如某一作物生长期划分成5个阶段,每个阶段设置3个受旱水平,将有3×5=15个处理,再加上一个所有阶段均不受旱处理,共需设置16个处理.这种方法要求处理较多.由于作物生长的连续性,相邻两个阶段的受旱与不受旱界线很难严格控制,不受旱的水分控制标准,也是困扰人们的一个重要问题.第二种方法是基于数理统计中的回归分析方法.对于一个或一个以上阶段同时受旱的处理均可用于这种方法求参数.这是目前普遍采用的方法.这种方法的不足之处是求出的参数不稳定,年际间参数变化较大,而且常常会出一个或多个阶段的水分敏感指数是负值的不合理现象.当阶段划分的越多,水分敏感指数出现负值越多.增加回归分析样本数似乎能消除负值,但这要大量的资料.这将会增加试验费用.(二)水分敏感指数应用过程中阶段划分问题 作物生长过程,无论是作物干物质积累,还是作物对水分的消耗都是连续的变化过程,所以反映作物产量与水分关系的水分敏感指数也应是一个连续的变化过程.阶段的划分仅是在求取水分敏感指数过程中进行的一种离散化处理方法.很显然,阶段划分越多,求出的水分敏感指数越接近于实际情况.但如前面所说的那样,阶段划分的越多,参数越难求解.因此,现有的水分生产函数的阶段划分都较少,在使用过程中感到很不方便.本文针对上述问题将提出一种新的水分敏感指数求解方法,并评述该方法的合理性.二、方 法由于作物生长过程的连续性,作物耗水量随时间t(以天计)变化也是一个连续过程,以f m(t)表示充分供水条件下的作物累积耗水量,则:时段Δt=t i+1-t i内的最大耗水量:E T mi=f m(t i+1)-f m(t i).(2) 同样地,以f(t)表示非充分供水条件下的作物累积耗水量,时段Δt=t i+1-t i 内作物耗水量:E T i=f(t i+1)-f(t i).(3)以λ(t)表示水分敏感指数随时间的变化规律,以T表示生长期总天数,则式(1)可表示为y y m =7T t=0E T(t)E T m(t) Ξλ(t).(4)对于λ(t),其函数表达形式可列出如下几种:(1)直接用水分敏感指数与时间t建立关系,如:λ(t)=6G j=0a j t j,(5)式中 a j———为系数;t———为从播种日算起的,或模型所考虑的起始时刻算起的时间;以天计;G———多项式项数;j———多项式编号.(2)用阶段水分敏感指数累加值与相应时间t建立关系:z(t)=6t t=0λ(t),(6)式中 z(t)———为第t时刻以前作物各阶段(d)水分敏感指数累加值.函数z(t)形式,郭群善等(1994)拟合出下式:z(t)=010167t[sin(010169t)]0154.(7) 把阶段水分敏感指数作累加处理最早见于文献[1],之后王仰仁(1991年)在灌溉制度的优化中使用了这一方法[5].比较已有的冬小麦、玉米、棉花、高梁、水稻等作物的水分敏感指数研究结果,基本上都遵循同样的变化趋势,即作物生长前期和后期小,中期大,这符合作物的生长规律.因此考虑用生长曲线来拟合函数z(t),即z(t)=c1+e a-bt,(8)式中 a、b、c为待定系数;由于生长曲线函数z(t)是增函数,用其求出的阶段水分敏感指数λ(t)不会出现负值,也符合作物的生长规律.由于λ(t)=ΔZ Z′(t)Δt,Z′(t)越大,时段Δt内的λ(t)越大,表明这一时段缺水对产量影响较大,此外从Z″(t)=0可求得t=a/b,即Z′(t)在t=a/b处最大,亦即在t=a/b附近,作物产量对缺水反应最敏感.式(8)在结构上合理,而且参数具有一定的物理意义.生长曲线的拟合有两种方法.一种是先用回归分析方法[6]或调参[7]求阶段水分敏感指数,再用这些水分敏感指数拟合式(8),求得式中参数a、b、c.另一种方法是应用最小二乘原理,通过a、b、c、y m调参使得模型计算产量与实测产量误差平方和最小或复相关系数最大,直接拟合水分敏感指数累加曲线.这是本文所采用的方法.现简述如下.设某试验站某年冬小麦各阶段充分供水条件下的耗水量为E T mi(i=1、2、…、n),某一处理的耗水量为E T i(i=1、2、…n),其相应的产量为y k,其中k为处理编号.假定一组参数a、b、c、y m,由式(8)可得到各阶段的水分敏感指数,λ(ti)=z(t i+1)-z(t i). (i=1、2、…、n)(9) 然后用Jensen模型(式(1))计算出耗水量(E T1k、E T1K、…、E T nk)组合条件下的产量^y k,^y k y m =7n i=1E T ik E T m i阶段 指数λi.(10) 由此可计算所有处理的计算产量^y k与实测产量y k的误差平方和S S,S S=6m k=1(^y k-y k)2.(11) 其中m为处理数,改变一组参数a、b、c、y m,又可求的一个S S,如此反复调整a、b、c、y m4个参数,直到S S最小.在调参过程中,采用了步长加速法,在步长加速寻优过程中采用了3种精度控制,即ε1=|R 2L-R2L-1|≤1E-7,ε2=max{|a L-a L-1|,|b L-b L-1|,|c L-c L-1|}<1E-7,ε3=|y m,L-y m,L-1|<1.其中 R2L和R2L-1分别为第L和L-1次寻优后的复相关系数,下角标L为寻优次数.复相关系数用下式计算:R2=1-S S6mk=1(y k-^y k)2,(12)ε1、ε2、ε3分别为复相关系数、水分敏感指数曲线的系数和拟合产量的控制精度.三、试验方法与结果试验在山西省新绛县鼓水灌区试验站(以下简称鼓水站)和北京市水科所试验站(位于北京市通县永乐店镇,以下简称永乐店站)进行.鼓水站于1993、1994年度进行了2年试验,是在具有遮雨蓬的称重式测桶内进行,测桶面积013m2,测桶深018m,土层深016m,桶底有0115m的过滤层,称重精度±50g,测桶底留有排水孔,桶内土质为中壤土,容重1138t/m3,田间持水量3415%(体积含水量),整个试区共有45个测桶.永乐店站于1994、1995年度进行了2年试验,试区具有28个田间小区,每个小区面积5×10=50m2,小区之间具有1m深的隔离墙.试区土壤为砂壤土,土壤容重为114t/m3,田间持水量3615%(体积含水量,下同).其中20个小区进行冬小麦水分生产函数试验.试验目的是观测作物全生长期和不同生育期遭受不同程度干旱时,作物的减产情况.因此将试验处理设置分两部分,第一部分是全生长期保持同样土壤水分下限值,设置4个处理,其控制水分下限值分别为40(占田间最大持水量的百分数,下同)、50、60、70.第二部分为分阶段受旱,冬小麦从返青开始设置处理,从返青到收获以等间隔时间分为4个阶段,每个阶段设计2个受旱水平,个别阶段设计3个受旱水平.根据两个站不同的试验条件,分别安排了不同的试验处理.鼓水站用称重法观测土壤储水量,其桶内土壤储水量可通过下式计算.w=w1-w2-w3-w4,(13)式中 w———桶内土壤储水量,w1———桶总重,包括桶重,吊链,过滤料,土以及植株体重等,w2———桶内土重,w3———桶、吊链及过滤料重量的和;w4———植株体重.由于植株体重量很小,而且不易观测,因此忽略不计.各桶的桶重,吊链和过滤料重量为常数,等于8615kg.各桶内干土重也相同,为220kg.观测时间,耗水盛期为5d,一般为10d,灌水前后均称重.永乐店站耗水量的计算.考虑时段[t i-1,t i]内根系层(1.1m)水量平衡:E T i=W i-1-W i+P i+IR i±q i, (i=1,2,…)(14)式中 E T i———时段内的冬小麦耗水量(包括叶面蒸腾和棵间蒸发),mm;W i-1———时段初的根系层土壤储水量,mm;W i———时段末的根系层土壤储水量,mm;P i———时段内的降水量,mm;IR i———时段内的灌水量,mm;q i———时段内根系层下界面水分通量,mm.“+”为上补量,“-”为下渗量.灌溉过程中控制灌水量较小,每次灌水量一般控制在60mm左右,灌水后根系层内土壤水下渗量较小,另外,试验区地下水位埋深较深(冬小麦生长期一般在4m以下),深层土壤水对根系层土壤水补给量也较小,因此耗水量计算中根系层下界面通量暂时忽略不计,即q i=0.据此计算了每个小区所有时段的耗水量,把每个小区所有时段的耗水量累加,即得冬小麦总耗水量.如此逐个小区进行计算,求出了永乐店站二年冬小麦的耗水量.鼓水站冬小麦耗水量计算.考虑时段[t i -1,t i ],同样可列出如式(14)所示的水量平衡方程,由于有遮雨蓬,所以P i =0,桶底只有排水,所以q i 取“-”.W i -1和W i 则分别是时段初和末的称重量.由此求得鼓水站二年冬小麦耗水量.结果见表1.表1 冬小麦耗水量计算结果处理编号鼓水站93年鼓水站94年永乐店94年永乐店95年yETyETyETyET1390164451117913531152721334810293192661124031948817205175181227610330193081629610351518599112191353013314183851336018328154385144631818610518103171539012341114621554031947218173184951528411319193061536516641817524172591773410264163261233115336127274123291323116819173151235819263154181584031949312236147541229816347113421249710937413483132491866716104741353018231185441311548146481723014631111251114649162211863817131981153419142051763515152171466617 注: y 为小区平均产量,kg/亩;ET 为小区平均耗水量,mm.四、水分敏感指数曲线拟合方法一本方法是按站年拟合水分敏感指数曲线.图1(1)对每站年如前述求各处理各阶段的实际耗水量B T ki .(2)对每站年,选出各阶段各处理中的耗水量最大值作为最大耗水量B T ki .(3)设定该站年的a 、b 、c 的初始参数值,并由式(11)按9S S9y m=0,求出相应参数a 、b 、c 的y m .(4)用步长加速法求得该站年的参数a 、b 、c 及相应的y m 值.4个站年的拟合参数结果见表2.根据这些水分敏感指数拟合结果绘出4个站年的水分敏感指数曲线,见图1(G —鼓水,Y —永乐店).图2给出了4个站年的模型计算产量和试验实测产量比较.由图2可见,各站年产量拟合较好,复相关系数都达到019以上.但是,各个站年的水分敏感指数曲线参数a 、b 、c 是不一致的,这将给模型(式(1))的使用带来不便.为此考虑把几个站年的试验数据放在一起进行调参,此即下面要进行的水分敏感指数曲线拟合方法二.表2 分站年拟合冬小麦小分敏感指数结果参数即项目初始参数值拟合参数值永乐店94永乐店95鼓水站93鼓水站94 a4154128414241624152b011010571010504010584010444c016017728016940111831015670y R411393655280复相关系数R019429019258019254019033标准误差S6196916319125109相对误差(%)2152217711225117样本数M22203845图2五、水分敏感指数曲线拟合二本方法是综合4个站年资料来拟合统一的水分敏感指数曲线,确定其参数a、b、c.由于各站年间的产量水平不一致,所以充分供水条件下的产量y m要分站年给出,并作为参数进行调参运算.仍采用前述步长加速法,选择上述4个站年的水分敏感指数曲线参数平均值(P J),作为寻优初始值.调参运算结果(简称综合调参结果ZH)如表3.综合调参所得水分敏感指数曲线与分站年调参所得的水敏感指数曲线比较见图1.用综合调参结果计算的产量与实测产量对照见图3.由图3可见,综合调参结果很好,其复相关系数达到0196,计算产量与实测产量相对误差平均为4131%,标准误差为1517kg/亩.表3 4站年冬小麦水分敏感指数综合调参结果参数abcy n 1y n 2y n 3y n 4初始值4146010526018042655280411393拟合值4172010637019160610340441441备注鼓水93鼓水94永乐店94永乐店95图3六、初步结论(1)把阶段水分敏感指数拟合成以生长函数表示的累加曲线是合理的,能够比较精确地描述冬小麦产量对供水的反应.(2)用结合步长加速法调参方法能够较快地获得参数的满意结果.(3)充分供水条件下的耗水量B T m 及产量水平y m ,受作物(品种、种植密度等)、土壤肥力及气候条件影响,不同地点和不同年份是有区别的.(4)水分敏感指数累加曲线反映了阶段供水状况对产量的影响,任一阶段的水分敏感指数可由该阶段累加曲线上的差值表示,故应用时有灵活性.水分敏感指数累加曲线可由试验资料按站年拟合,也可各站年综合拟合.本文研究表明,前者所得累加曲线各站年存在一定差别,但其结果(图2)不如后者(图3)理想,因此本文作者认为对同一作物不同地点和年际似可以用一套水分敏感指数来描述.这无疑对水分生产函数的应用提供了极大方便.但这一观点能否成立,从机理及应用两方面尚需进一步探讨.致谢 北京市水利科学研究所永乐店试验站高级工程师智一标、赵立新给本试验以大力协助,山西省鼓水灌区试验站文俊龙、王铁广、南振明等参加了鼓水站试验,在此一并致谢.参 考 文 献〔1〕 Tsakiris.,G.P.,A method for a pplying crop sensitivity factors in irrigation scheduling.a 2gric.w ater m anage ,No.5,pp.335-343,1982.〔2〕 Rajput ,G.S.and Singh ,G.,Water production functions for wheat under different environ 2mental conditions.agric.w ater m anage.,No.11,pp.319-332,1986.〔3〕 H.J.Vaux ,GR ,and Williamo ,Pruitt ,Cro p 2Water production functions.A dvances in irriga 2tion (Daniel Hillel ),Academic Press ,New Y ork.Vol.2,pp.61-99.1983.〔4〕 茆智,崔远来,李建新,我国南方水稻水分生产函数试验研究.水利学报,1994年第9期,第21-31页.〔5〕 王仰仁,几种作物的水分敏感指数.山西水利科技,1991年第3期,第34-36页.〔6〕 荣丰涛,作物各生长阶段供水不足对产量的影响.山西水利科技,1985年第3期,第35-43页.〔7〕 郭群善,冬小麦水分生产函数Jensen 模型敏感指数的研究.水科学进展,1996年第7卷第1期,第20-25页.Cumulative function of sensitive index for winter wheatWang Y angren Lei Zhidong Y ang Shixiu(Tsinghua U niversity)AbstractA concept of cumulative function of sensitive index was introduced in this paper.By reviewing the previous studies,the authors use a growing curve to represent the cumulative function of sensi2 tive index in Jensen model.A method for determining the parameters of the cumulative function was consumption for winter wheat.The results demonstrate that the cumulative function of sensitive in2 dex represented by a growing curve could describe the yield response to water deficit for winter wheat. K ey w ords water production,cumulative function of sensitive index,growing curve.(上接第83页)Dynamic simulation of the relationship bet w een w ater tableand salinization of soilChen Y axin Shi Haibin Tian Cunwang(Inner Mongolia Instit ute of A gricult ure and A ni mal Husbandry)AbstractThe relationship between water table depth and saliniztion of soil has been studied by numerical simulation on the basis of theory of the soil water dynamic and solute transport in the Atmosphere2 Salinization of Soil2Ground water Continuum(ASGC).Four fundamental research on systematic simulation and relevant software have been com pleted:1,computer management system to make automatic data collection of soil water and salt concentration.2,determination ex periments of soil water and salt movement parameters in saturated and unsaturated soil.3,calculation model estab2 lishment of solute transport.4,numerical method which can solve com plex mathematical problems based on the solute transport model.based on the dynamic siumlation of solute trans port in the soil2 water environment of a large arid irrigation area,114multi2factor and multi2case charts in the com2 plex environment have been completed.This is helpful for revealing quantitative correlation and mechanism of water tablel and salinization of soil as well as the management and calculation of soil water resource.K ey w ords ground water,salinization of soil,dynamic simulation,solute transport,rela2 tionship.。
基于Jensen模型的红枣水分生产函数及敏感指数研究
基金项 目： 国家科技支撑计划项 目“ 新疆绿洲灌区林果高效节水综合技术研究与示范” （ ２ ０ １ １ Ｂ Ａ Ｄ ２ ９ Ｂ ０ ５ ） 作者简介 ： 王则玉 （ １ ９ ８ ６一 ） ， 男， 新疆人 ， 硕士研究生 ， 研究方向为农业节水 ， （ Ｅ—ｍ ａ ｉ ｌ ） ｗ ｚ ｙ ￣ｙ ０ ０ １ ＠１ ２ ６ ． ｃ ｏ ｎ ｒ 通讯作者 ： 马晓鹏 （ １ ９ ７ ２一） 男， 新疆人 ， 副研究 员， 研究方 向为农业节水 ， （ Ｅ—ｒ ａＭ １ ） ｘ ｐ ． ｍａ ＠ｑ ｑ ． ｃ ｏ ｍ
０ 引 言
【 研究意义 】 新疆 阿克苏地区光照资源丰富、
昼 夜温 差大 ， 是 红枣 适 宜 生 长 的地 区 。该 地 区灌
溉 用水 主要 来 自阿 克苏 河 ， 由于河 流 来 水 量 年 内
物 的水 分 生产 函数 进 行 了 研 究
， 并 提 出 了 洋
葱、 水稻 、 小麦 、 棉 花 等 作 物水 分 生 产 函 数 Ｊ ｅ ｎ ｓ ｅ ｎ
键需水期。【 方法】 通过对红枣各生育期不同水分亏缺处理 ， 分析红枣灌水量和耗水量、 耗水量和产量的关
系， 分析各 生育期内水分亏缺对产量 的显 著性影 响。根据 红枣产量 和不 同生 育阶段 的耗水量 关系 ， 建立基 于
Ｊ ｅ ｎ ｓ ｅ ｎ 模 型的水分生产 函数 ， 利用转换方程组解 出相关 参数 。【 结 果】 红枣水分敏感 指数 （ 萌芽展 叶期 ０ ． ０ ８ ９ ； 开花坐果期 ０ ． ３ ２ ４ ； 果实膨大期 ０ ． ３ ９ ２ ； 成熟期 ０ ． ０ ６ ８ ） 。【 结论 】 果实膨大期 为影 响产 量的需水 关键期 ， 萌 芽展
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
水
科
学
进
展
ADVANCES IN WATER SCIENCE
Vol113 ,No16 Nov. ,2002
Jensen 模型水分敏感指数的新定义及其解法
丛振涛 , 周智伟 , 雷志栋
( 清华大学水利水电工程系 , 北京 100084)
3 水分敏感指数的新定义及累加性分析
为了克服生育阶段划分对水分敏感指数的大小的影响 , 重新构造 Jensen 模型如下 :
Ya = Ym
i =1( 3)
式中 Ti 为第 i 阶段所包含的天数 ; λ d。 i 的单位为 1Π 按照水分敏感指数的新定义 , 对应不同的生育阶段划分 , 仍然会有不同的水分敏感指数。 为了使不同方式划分生育阶段的水分敏感指数具有可比性 , 需要进一步分析不同生育阶段划分 对应的水分敏感指数之间的联系 。 某种作物的生育期共有 N 天 , 采取两种方法划分生育阶段。一种是将生育期内每一天作 为一个生育阶段 , 共 N 个生育阶段 , 对应 N 个水分敏感指数λ 1; 1 , λ 2 , …, λ N , 此时 Ti ≡ 另一种方案是将其中的第 i 天到第 i + k 天合并 , 共 N - k 个生育阶段 , 对应 N - k 个水分敏感 指数 λ 1 , λ 2 , …, λ i- 1 , λ kk , λ i + k + 1 , …, λ N 。不同的阶段划分对产量没有影响 , 根据 Jensen 模型 , 可以得到
1 Jensen 模型
作物水分生产函数反映了作物产量 ( 或生物量) 与供水状况之间的函数关系 。 Jensen 模型是 应用较为广泛的作物水分生产函数之一 , 其表达式为
Ya = Ym
i =1
7
n
ETai ETmi
λ
i
( 1)
式中 n 为划分的作物生育期阶段数 ; i 为作物生育期阶段编号 ; ETai 为第 i 生育阶段的实际 蒸腾量 ( mm) ; ETmi 为第 i 生育阶段的潜在蒸腾量 ( mm) ; Ya 为实际蒸腾量对应的作物实际产量
摘要 : 在总结已有的作物水分生产函数 Jensen 模型研究工作的基础上 , 针对以往研究中水分敏 感指数与生育阶段划分密切相关的问题 , 对 Jensen 模型进行了改造 , 提出了水分敏感指数的新 定义 。并在 Jensen 模型水分敏感指数的累加性分析的基础上 , 提出了确定 Jensen 模型水分敏感指 数及累积曲线的更为简洁的新方法 , 新方法得到了田间试验的验证并与传统方法有很好的一致性 。 关 键 词 : Jensen 模型 ; 水分敏感指数 ; 作物水分生产函数 中图分类号 : S 15217 + 5 文献标识码 : A 文章编号 : 100126791 (2002) 062730206
j=1
7
m
ss j , 其中 ssj =
2
Ya Ym
j
i =1
7
n
ETai ETmi
λ
i
, j = 1 ,2 , …, m
( 2)
j
经过非线性优化得到潜在产量 Ym 以及各个生育阶段的λ i , 在此基础上 , 根据得到各生育
收稿日期 : 2001209228 ; 修订日期 : 2001212231 基金项目 : 国家自然科学基金重点项目 (59839320) 作者简介 : 丛振涛 (1973 - ) , 男 , 辽宁瓦房店人 , 清华大学水利水电工程系博士生 , 主要从事水文水资 源方面的研究 。
2 2 ( kgΠ hm ) ; Ym 为潜在蒸腾量对应的作物潜在产量 , 即充分供水条件下的作物产量 ( kg/ hm ) ; λ i
为第 i 生育阶段的水分敏感指数 , 反映阶段缺水对产量的影响程度
[1 ,2 ]
。
2 已开展的研究工作
在已经开展的工作中 , 通常采用如下的方法确定水分敏感指数 : 将作物生育期分为 n 个生育阶段 ( 通常为 4～6 个) , 田间试验包括 m 个处理 。对于每个处 理 , 由实测资料确定实际产量 Ya 以及每个阶段的实际蒸腾量 ETai 与潜在蒸腾量 ETmi 。 目标函数为 min
第6期
丛振涛等 : Jensen 模型水分敏感指数的新定义及其解法
731
阶段的水分敏感指数 , 确定对水分比较敏感的生育阶段 , 进而指导灌溉制度的制定 。 已经开展的研究工作存在的主要问题是水分敏感指数的大小取决于生育阶段的划分 , 一般 来说 , 生育阶段愈长 , 水分敏感指数愈大 。在实际的试验或生产中 , 统一划分生育阶段困难较 大 。因此在不同的研究中 , 生育阶段的划分一般说来是不同的 , 这使得不同研究工作中的水分 [3 ] [4 ] [5 ] 敏感指数可比性较差 。王仰仁 ( 1995) 、 荣丰涛 ( 1997) 、 梁银丽 ( 2000) 等根据以上研究方法 , 采用 Jensen 模型对冬小麦的水分敏感指数开展的研究中 , 就分别将整个生育期划分成 6 个 、 5 个和 4 个生育阶段 , 得到的水分敏感指数差异很大 。 作物水分生产函数的应用价值在于通过田间试验确定水分敏感指数 , 据此制定灌溉制度实 现节水灌溉 , 因此要求水分敏感指数的稳定性 , 包括针对不同年份的稳定性 、不同地域的稳定 性以及针对不同灌水条件的稳定性。水分敏感指数大小依赖于生育阶段的划分 , 直接导致了水 分敏感指数的时域不稳定性 , 给作物水分生产函数的使用的推广带来了很大困难。这也是目前 无法建立相对统一的水分敏感指数体系的重要原因之一。
i+ k l= i i+ k
7
ETal ETml
l
λ
l
i+ k
=
l= i
6
i+ k
ETal /
l= i
6 ET
λ ・ ( k +1) kk
ml
( 4)
如果存在 ( k + 1) λ kk =
l= i
6λ
, 即水分敏感指数存在累加性 , 就可以在不同的生育阶段划
分基础上得到的水分敏感指数进行换算比较 , 也可以根据每天的水分敏感指数推求任意阶段划 [6] [7] 分的水分敏感指数 。根据后一种思路 , 郭群善 ( 1994) 、 王仰仁 ( 1997) 等分别提出了水分敏 感指数累积曲线的方法 。该方法将水分敏感指数累积值 z 与时间 t 建立函数关系 , 并构造了不 同的 z ( t ) 形式 , 从而可以推求每天的水分敏感指数及任意阶段划分的水分敏感指数。 水分敏感指数的累加性无法从理论上加以证明 , 下面先分析其两日累加性 。 对于连续的两天 , 根据式 ( 4) ,存在 λ λ 2λ 12 ETa1 1 ETa2 2 ETa1 + ETa2 ( 5) ・ = ETm1 ETm2 ETm1 + ETm2