侯曉麗，馮躍華，吳光輝，何印興，常東明，楊會(huì)明

(1.河南省豫東水利工程管理局，河南 開封 475000；2.鄭州大學(xué)，鄭州 450001)

土壤墑情，通常指土壤是適合農(nóng)作物生長(zhǎng)的含水量情況，直接影響著作物的正常生長(zhǎng)及其產(chǎn)量、產(chǎn)品的形成?？焖佟?zhǔn)確地測(cè)定農(nóng)田土壤水分，探明作物生長(zhǎng)發(fā)育期內(nèi)土壤水分盈虧，做出節(jié)水灌溉、施肥決策或排水措施，對(duì)最終實(shí)現(xiàn)高產(chǎn)、高效、優(yōu)質(zhì)農(nóng)業(yè)具有重要意義。我國(guó)水資源問(wèn)題突出，節(jié)約用水是最有效最直接的方法，對(duì)土壤墑情進(jìn)行實(shí)時(shí)監(jiān)測(cè)和動(dòng)態(tài)預(yù)報(bào)，就顯得非常有必要。

楊紹輝、王一鳴等[1]以組件式GIS軟件為開發(fā)平臺(tái)，對(duì)土壤墑情進(jìn)行實(shí)時(shí)監(jiān)測(cè)，直觀反映北京地區(qū)土壤墑情趨勢(shì)。王婧雅、高學(xué)睿等[2]運(yùn)用改進(jìn)的克里金插值法對(duì)大尺度農(nóng)田土壤墑情分布進(jìn)行了插值，分析了區(qū)域大尺度土壤墑情的分布規(guī)律，并以邯鄲市為例，驗(yàn)證了修正克里金插值法的可行性和可靠性。尚松浩[3]研究了土壤墑情確定性模型與隨機(jī)性模型發(fā)展情況，論證了墑情預(yù)報(bào)對(duì)于水資源短缺條件下農(nóng)田水分的合理調(diào)控的重要意義，預(yù)測(cè)了墑情預(yù)報(bào)模型的發(fā)展趨勢(shì)。李彥彥、張金萍等[4]針對(duì)陸渾灌區(qū)極端天氣頻發(fā)的問(wèn)題，采用小波分析對(duì)灌區(qū)降水量、平均氣溫及作物需水量進(jìn)行多時(shí)間尺度周期分析，并且運(yùn)用Mann-Kendall法對(duì)各氣象要素進(jìn)行突變檢驗(yàn)。楊會(huì)明[5]構(gòu)建了大型引黃灌區(qū)三義寨灌區(qū)土壤墑情動(dòng)態(tài)預(yù)測(cè)模型，計(jì)算了作物灌溉需水量，并且計(jì)算了灌區(qū)引黃需水量。多年來(lái)土壤墑情預(yù)報(bào)主要依靠預(yù)報(bào)人員的經(jīng)驗(yàn)，缺乏準(zhǔn)確的、科學(xué)的預(yù)報(bào)模型，不能夠?qū)r(nóng)作物節(jié)水灌溉提供可靠的參考依據(jù)。因此，我們需要基于所研究灌區(qū)自然條件特性，建立理論基礎(chǔ)詳實(shí)、結(jié)構(gòu)形式簡(jiǎn)單、計(jì)算參數(shù)容易取得、模擬操作步驟相對(duì)簡(jiǎn)單的土壤墑情預(yù)報(bào)數(shù)學(xué)模型，快速準(zhǔn)確預(yù)測(cè)農(nóng)作物成長(zhǎng)發(fā)育期間土壤含水量變化情況，為農(nóng)作物節(jié)水灌溉工作提供科學(xué)依據(jù)。

本文在分析了三義寨灌區(qū)土壤墑情的時(shí)空分布規(guī)律的基礎(chǔ)上，基于人工神經(jīng)網(wǎng)絡(luò)理論建立了不同埋深條件下的土壤墑情預(yù)報(bào)數(shù)學(xué)模型，實(shí)時(shí)預(yù)測(cè)灌區(qū)主要農(nóng)作物生長(zhǎng)期間的土壤含水量變化情況；該數(shù)學(xué)模型在三義寨灌區(qū)的成功應(yīng)用表明，基于人工神經(jīng)網(wǎng)絡(luò)的墑情預(yù)報(bào)數(shù)學(xué)模型能夠較好的預(yù)測(cè)土壤墑情變化情況，可為大型引黃灌區(qū)的土壤墑情預(yù)測(cè)提供參考依據(jù)。

1 人工神經(jīng)網(wǎng)絡(luò)的土壤墑情動(dòng)態(tài)預(yù)測(cè)模型

BP神經(jīng)網(wǎng)絡(luò)是一種前向網(wǎng)絡(luò)，在現(xiàn)階段神經(jīng)網(wǎng)絡(luò)模型中得到了廣泛的應(yīng)用；BP神經(jīng)網(wǎng)絡(luò)模型一般由數(shù)據(jù)輸入層、計(jì)算結(jié)果輸出層和若干隱含層構(gòu)成，不同構(gòu)層之間的神經(jīng)元通過(guò)權(quán)連接進(jìn)行不同的數(shù)據(jù)交換。圖1為人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型的傳遞示意圖；數(shù)據(jù)輸入層、結(jié)果輸出層和隱含參數(shù)層的神經(jīng)元數(shù)目分別取為r、q、m，神經(jīng)網(wǎng)絡(luò)模型表示為BP(r，q，m)，結(jié)構(gòu)圖中a1～an為輸入層的各個(gè)分量，w1～wn表示模型中不同突觸的權(quán)值，b表示模型的偏置情況；t表示模型的結(jié)果輸出值，f表示模型計(jì)算過(guò)程的傳遞函數(shù)。一般的表示公式為t=f(WA′+b)。

圖1 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型傳遞示意圖

神經(jīng)元模型計(jì)算過(guò)程主要根據(jù)一個(gè)神經(jīng)元輸入向量和權(quán)向量的內(nèi)積值，采用非線性函數(shù)進(jìn)行傳遞計(jì)算，求得神經(jīng)元的標(biāo)量結(jié)果。單個(gè)神經(jīng)元通過(guò)采用超平面方法把n維空間分成兩個(gè)部分，進(jìn)而判斷給定的輸入向量屬于超平面的哪一側(cè)。超平面方程一般可以表示為Wp+b=0，其中，W表示權(quán)向量，b為偏置，p為超平面上的向量。

2 模型數(shù)據(jù)來(lái)源及土壤墑情規(guī)律分析

2.1 數(shù)據(jù)來(lái)源

本文采用2011-2012年度三義寨灌區(qū)逐月旬的實(shí)測(cè)土壤墑情數(shù)據(jù)，具體分別為0.1、0.2和0.4 m土壤墑情分布情況，數(shù)據(jù)資料十分豐富，為人工神經(jīng)網(wǎng)絡(luò)的土壤墑情動(dòng)態(tài)預(yù)測(cè)模型建立與預(yù)報(bào)提供了數(shù)據(jù)基礎(chǔ)。

2.2 土壤墑情規(guī)律分析

(1)時(shí)間變化規(guī)律。通過(guò)對(duì)2011-2012年度逐月旬的土壤墑情實(shí)測(cè)數(shù)據(jù)統(tǒng)計(jì)分析可以看出，三義寨灌區(qū)土壤墑情整體變化趨勢(shì)平穩(wěn)，一般每年的8月份土壤墑情值達(dá)到最大。通過(guò)對(duì)比分析三義寨灌區(qū)多年土壤墑情數(shù)據(jù)的變化情況可以看出，該地區(qū)多年土壤墑情處于一個(gè)穩(wěn)定變化范圍，土壤墑情數(shù)據(jù)多年變化情況整體處于穩(wěn)定水平，各不同埋深條件下實(shí)測(cè)數(shù)據(jù)之間存在一定的差值，一般表現(xiàn)為下層土壤墑情大于上層的土壤墑情，見圖2。

圖2 不同埋深條件下土壤墑情變化

(2)不同地區(qū)變化規(guī)律。灌區(qū)范圍內(nèi)(主要指河南的開封、商丘和山東的菏澤地區(qū))10、20、40 cm埋深條件下土壤墑情變化趨勢(shì)基本一致。由圖3可以看出，寧陵、睢陽(yáng)、睢縣3個(gè)地區(qū)的土壤墑情變化情況最為接近，墑情數(shù)據(jù)大小基本一致，民權(quán)地區(qū)雖然墑情數(shù)據(jù)變化趨勢(shì)基本一致，但墑情值相對(duì)較小，說(shuō)了民權(quán)地區(qū)相對(duì)最容易發(fā)生土壤缺水的干旱情況。虞城地區(qū)的土壤墑情數(shù)據(jù)波動(dòng)值明顯大于其他地區(qū)，表明虞城地區(qū)土壤墑情影響因子與其他縣區(qū)土壤墑情的影響因子存在明顯不同。

圖3 各地區(qū)不同埋深條件下土壤墑情變化值

3 土壤墑情預(yù)測(cè)模型建立與檢驗(yàn)

本文基于人工神經(jīng)網(wǎng)絡(luò)(ANN)理論構(gòu)建立了三義寨灌區(qū)不同埋深條件下土壤墑情動(dòng)態(tài)預(yù)測(cè)數(shù)學(xué)模型。模型輸入變量主要為氣溫、風(fēng)速、日照時(shí)長(zhǎng)、濕度及降水量等，計(jì)算結(jié)果的輸出值為不同埋深條件下的土壤墑情計(jì)算值。

模型輸入條件采用三義寨灌區(qū)不同埋深條件下的實(shí)測(cè)土壤墑情數(shù)據(jù)，降水量為旬降水量之和，其他輸入數(shù)據(jù)采用的是旬平均值。模型計(jì)算過(guò)程中共采用78組數(shù)據(jù)(2011年1月-2012年6月)進(jìn)行模型的率定與驗(yàn)證。

根據(jù)人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的需要，利用極值歸一方法對(duì)實(shí)測(cè)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，其中計(jì)算方法為yi=(xi-x最小)/(x最大-x最小)。在已經(jīng)處理好的數(shù)據(jù)的基礎(chǔ)上，分別建立了不同埋深條件下的人工神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)預(yù)測(cè)數(shù)學(xué)模型(見表1)。

表1 2011年灌區(qū)主要?dú)庀筚Y料

(1)40 cm埋深條件下土壤墑情預(yù)測(cè)。在構(gòu)建40 cm埋深條件下土壤墑情動(dòng)態(tài)預(yù)測(cè)模型時(shí)，模型選擇為2層，選用恒等函數(shù)作為模型的輸出函數(shù)，隱含層采用sigmoid函數(shù)；模型對(duì)輸入數(shù)據(jù)采用批量處理方法，優(yōu)化計(jì)算方法采用調(diào)整的共軛梯度，Lambda初始值為5×10-7，Sigma值初始值為5×10-5，間隔偏移范圍為±0.5，選用已經(jīng)建立好的人工神經(jīng)網(wǎng)絡(luò)模型對(duì)2012年7-12月實(shí)測(cè)土壤墑情進(jìn)行模擬計(jì)算。

研究發(fā)現(xiàn)：40 cm埋深條件下墑情預(yù)測(cè)值為19.6，標(biāo)準(zhǔn)差為3.2，與實(shí)測(cè)值較為接近。通過(guò)spss相關(guān)分析可以看出，模型計(jì)算結(jié)果與實(shí)測(cè)數(shù)據(jù)吻合較好，模型計(jì)算值與實(shí)測(cè)數(shù)據(jù)的相關(guān)值大于0.95，協(xié)方差為11.2，具有較好的相關(guān)關(guān)系(0.01置信水平)，該模型較好的預(yù)測(cè)三義寨灌區(qū)40 cm埋深條件下土壤墑情變化情況(見圖4)。

圖4 40 cm埋深條件下土壤墑情變化對(duì)比圖

(2)20 cm埋深條件下土壤墑情預(yù)測(cè)。在構(gòu)建20 cm埋深條件下土壤墑情預(yù)測(cè)模型時(shí)，模型選擇為2層，選擇雙曲正切函數(shù)作為模型的輸出函數(shù)，隱含層采用sigmoid函數(shù)；模型對(duì)因變量進(jìn)行了標(biāo)準(zhǔn)化的處理，修正值為0.02。輸入數(shù)據(jù)采用批量處理方法，優(yōu)化計(jì)算方法采用調(diào)整的共軛梯度，Lambda初始值為5×10-7，Sigma值初始值為5×10-5，間隔偏移幅度為±0.5，選用已經(jīng)建立好的人工神經(jīng)網(wǎng)絡(luò)模型對(duì)2012年7-12月份實(shí)測(cè)土壤墑情進(jìn)行計(jì)算分析。

研究發(fā)現(xiàn)，20 cm埋深條件下墑情預(yù)測(cè)值為17.9，標(biāo)準(zhǔn)差為3.3，通過(guò)spss相關(guān)分析發(fā)現(xiàn)，模型計(jì)算結(jié)果與實(shí)測(cè)數(shù)據(jù)吻合較好。進(jìn)一步對(duì)比分析，模型計(jì)算值與實(shí)測(cè)數(shù)據(jù)的相關(guān)值為大于0.98，協(xié)方差為11.0，在0.01置信區(qū)間表現(xiàn)為明顯的相關(guān)關(guān)系，該模型較好的預(yù)測(cè)三義寨灌區(qū)20 cm埋深條件下土壤墑情變化情況(見圖5)。

圖5 20 cm埋深條件下土壤墑情變化對(duì)比圖

(3)10 cm埋深條件下土壤墑情預(yù)測(cè)。模型對(duì)因變量進(jìn)行了標(biāo)準(zhǔn)化的處理，修正值為0.02，對(duì)輸入數(shù)據(jù)進(jìn)行批量處理，采用調(diào)整的共軛梯度對(duì)計(jì)算方法進(jìn)行優(yōu)化處理，Lambda初始值為5×10-7，Sigma值初始值為5×10-5，間隔偏移幅度為±0.5。

研究發(fā)現(xiàn)：10 cm埋深條件下墑情預(yù)測(cè)值為14.3，標(biāo)準(zhǔn)差為3.1。通過(guò)spss相關(guān)分析可以看出，模型計(jì)算結(jié)果與實(shí)測(cè)數(shù)據(jù)吻合較好，模型計(jì)算值與實(shí)測(cè)數(shù)據(jù)的相關(guān)值為大于0.97，協(xié)方差為8.6，在0.01置信區(qū)間表現(xiàn)為明顯的相關(guān)關(guān)系，該模型較好的預(yù)測(cè)三義寨灌區(qū)10 cm埋深條件下土壤墑情變化情況(見圖6)。

圖6 10 cm埋深墑情預(yù)測(cè)值與實(shí)測(cè)值對(duì)比圖

4 結(jié) 語(yǔ)

(1)利用2011-2012年度實(shí)測(cè)數(shù)據(jù)資料，分析了三義寨灌區(qū)墑情分布規(guī)律，年內(nèi)墑情總體趨勢(shì)平穩(wěn)，一般情況下每年8月份墑情達(dá)到最大值；多年來(lái)土壤墑情整體趨勢(shì)相對(duì)較為平穩(wěn)，處于一個(gè)穩(wěn)定的水平；不同埋深條件下土壤墑情存在明顯的差別，一般表現(xiàn)為下層土壤墑情大于上層的土壤墑情。

(2)基于人工神經(jīng)網(wǎng)絡(luò)(ANN)理論建立了的不同埋深條件下三義寨灌區(qū)土壤墑情預(yù)測(cè)數(shù)學(xué)模型。以灌區(qū)0.1、0.2和0.4 m 3層土壤觀測(cè)實(shí)際資料對(duì)模型進(jìn)行檢驗(yàn)，計(jì)算值與實(shí)測(cè)數(shù)據(jù)吻合較好，模型具有較強(qiáng)的實(shí)用性，可用于了三義寨灌區(qū)不同埋深條件下的土壤墑情模擬計(jì)算與預(yù)測(cè)。

(3)基于人工神經(jīng)網(wǎng)絡(luò)(ANN)理論的土壤墑情數(shù)值預(yù)報(bào)數(shù)學(xué)模型在三義寨灌區(qū)的成功應(yīng)用，為大型灌區(qū)精細(xì)化、準(zhǔn)確化灌溉提供了先進(jìn)的計(jì)算機(jī)支撐技術(shù)和手段，有利于對(duì)大型灌區(qū)進(jìn)行更好的實(shí)時(shí)管理。

[1] 楊紹輝，王一鳴，孫 凱. 土壤墑情(旱情)監(jiān)測(cè)與預(yù)測(cè)預(yù)報(bào)系統(tǒng)的設(shè)計(jì)與開發(fā)[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2007,12(4):75-79.

[2] 王婧雅，高學(xué)睿，陸垂裕. 修正克里金插值法在大尺度農(nóng)田土壤墑情插值中的應(yīng)用[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2013,31(3):116-119.

[3] 尚松浩. 土壤水分模擬與墑情預(yù)報(bào)模型研究進(jìn)展[J]. 沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2004, 5(5-6):455-458.

[4] 李彥彥，張金萍，林小敏. 陸渾灌區(qū)主要?dú)庀笠蛩嘏c作物需水量的演變特征分析[J].水電能源科學(xué)，2015,33(10):28-32.

[5] 楊會(huì)明. 三義寨灌區(qū)土壤墑情動(dòng)態(tài)預(yù)測(cè)及引黃用水需求研究[D]. 鄭州：鄭州大學(xué), 2014.

[6] 程殿龍,馬宏志,許曉春.神經(jīng)網(wǎng)絡(luò)方法在土壤墑情預(yù)測(cè)中的應(yīng)用[J].中國(guó)農(nóng)村水利水電, 2002,(7):6-8.

[7] 魏占民,陳亞新,史海濱, 等. BP 神經(jīng)網(wǎng)絡(luò)的春小麥作物水模型的初步研究[J].灌溉排水,2002,21(2):12-16.