土壤水动力学SWD8土壤水分动态模拟模型简介教材.ppt

《土壤水动力学SWD8土壤水分动态模拟模型简介教材.ppt》由会员分享，可在线阅读，更多相关《土壤水动力学SWD8土壤水分动态模拟模型简介教材.ppt（35页珍藏版）》请在一课资料网上搜索。

1、土壤水动力学 (Soil Water Dynamics)第8章 土壤水分动态模拟模型介绍 (Introduction to the models of soil water dynamics,毛 晓 敏 中国农业大学水利与土木工程学院 Tel: 13621343912 Email: ,土壤水分动态模拟模型的必要性 模型的分类 典型模型介绍 土壤水动态模拟模型的发展方向,土壤水分动态模拟模型的必要性 土壤水分研究在水文学、土壤学、农田水利学、生态学、环境科学等学科的重要作用，众多学者对土壤水分变化规律进行深入研究，有必要建立土壤水分动态模拟模型，以模拟土壤水分在不同自然及人为条件下的动态变化及分

2、布规律，进而对农田及天然植被耗水过程、污染物迁移过程进行模拟分析,土壤水分动态模拟模型的类型 研究尺度：土体、农田、灌区 模型原理：系统模型（经验模型）、概念模型（水量平衡模型）和机理模型（水动力学模型） 是否考虑土壤水分动态变化的不确定性：确定性模型和随机性模型,研究尺度：土体、农田、灌区 其相应的空间尺度范围分别为110 m2、102106 m2、106 m2 土体尺度，一般不考虑气象、土壤、作物等因素的空间变异性，模型和研究方法较多样 而对于区域尺度，则需要考虑以上因素的空间变化，所采用的方法主要是水量平衡分析,土壤水分动态模拟的系统模型、概念模型和机理模型 (1) 系统模型 一般不着重

3、考虑土壤水分动态变化的机理，而是根据土壤水分变化与其主要影响因素的关系或土壤水分序列自身的动态变化规律，建立各种各样的经验性模拟模型，主要包括： (a) 统计回归模型：通过对土壤水分与降水等影响因素的关系进行分析，建立反映其相互关系的回归模型进行水分动态模拟与预报,b) 时间序列分析模型：利用时间序列分析方法研究土壤水分序列的动态变化特性，将土壤水分的变化分解为趋势项、周期项和随机项，各项叠加即可对土壤水分动态变化进行模拟。 (c) 指数消退模型：通过对土壤水分消退规律的分析可以建立土壤水分动态模拟的指数消退模型。 (d) 人工神经网络（ANN）模型：利用ANN结构来反映气象、作物等因素对土壤

4、水分变化的影响，建立土壤水分动态模拟的ANN模型,2) 概念模型 水量平衡模型是一种概念性模型，根据一定时段内土壤水分的输入和输出来模拟作物根系层土壤水分的动态变化。 农田水量平衡的基本方程： W=W2-W1=P+I-ET-Q-R 水量平衡模型考虑了农田水分收、支对土壤水分的影响，但对土壤水分运动考虑不够深入,3) 水动力学模型 在Darcy定律和连续方程基础上建立土壤水运动的基本方程Richards方程，同时考虑土壤蒸发、作物蒸腾与根系吸水等界面过程，可建立农田土壤水动力学模型。 根据考虑问题的复杂程度，可以有单纯的不考虑作物影响的SW模型，SPAC水分传输模型、SPAC水热传输模型、GSP

5、AC水热传输模型、土壤冻融过程下的水热传输模型以及土壤中的水热盐耦合运移模型等等。 与土壤水量平衡模型相比，偏微分方程形式的土壤水动力学模型可以更细致地描述土壤水的运动与转化，得到土壤水分动态的时空分布规律。 实际情况下，多采用数值方法来进行求解,土壤水分动态模拟的确定性模型和随机性模型 （1）确定性模型 影响农田土壤水分动态变化的因素（气象、土壤等）在时间、空间上均有一定的随机特性。如果不考虑上述因素的随机性，则模型属于确定性模型，目前常用的水量平衡模型和水动力学模型多为确定性模型，适用于下垫面（土壤、作物等）均匀、气象要素确定的情况,2）随机性模型 考虑农田土壤水分动态变化的因素（气象、土

6、壤等）在时间、空间上的随机特性，建立的模型。 对于时域随机性，首先用适当的随机过程模型来描述降水、腾发等的随机变化特性。然后建立描述土壤水量平衡或水分运动的随机微分（差分）方程模型或状态空间模型，可以求解得到土壤水分动态的概率分布。 对于空间变异性有两种处理方法，a.分布式模型方法，b. 利用概率分布函数描述有关模型输入及参数的空间变异特性,模型推导： 土壤水分的减少是由蒸散发和深层渗漏造成的，而一般情况下下边界水分通量比蒸散发量要小。在土壤水分胁迫条件下，蒸散发量与土壤含水量之间近似为线性关系。基于此，假设土壤水分消退阶段水分消退率与贮水量W成正比，即 积分得到：W(t)W1 expk(tt

7、1) 考虑降水及灌水的影响，土壤水分变化的递推关系（以天为单位）可表示为 Wt+1Wtexp (kt)PI,典型模型1土壤水分指数消退模型,土壤水分消退指数的确定方法 模型的主要参数为土壤水分消退指数k。在无降水及灌水的时段内， k可由土壤水分观测资料推求： kln(W1/W2)/(t2t1,典型模型1土壤水分指数消退模型,指数消退模型在冬小麦田间土壤水分动态预报中的应用 利用北京永乐店试验站6试验小区冬小麦田间土壤水分观测资料，计算出相应的土壤水分消退指数(如图)，拟合得到,土壤水分消退指数k动态变化（冬小麦返青后,典型模型1土壤水分指数消退模型,土壤水分动态预报结果 利用以上计算出不同时段

8、的土壤水分消退指数k，并利用以上土壤水分动态变化的递推关系式即可进行土壤水分动态预报,不同小区1m土层贮水量（W）实测值与预报值的比较,典型模型1土壤水分指数消退模型,模型特点： 比较简单、参数较少，使用方便； 主要局限性：模型中土壤消退系数地域、时域性较强。 因此在应用这一模型时，可先根据其它年份的试验资料或部分测点的试验资料推求土壤水分消退指数，再用于相似条件下的土壤水分动态预报,典型模型1土壤水分指数消退模型,典型模型2土壤水分模拟的BP网络模型,人工神经网络（artificial neural network, ANN）理论 是人工智能研究的一个重要领域。ANN是模拟人脑神经网络结构与

9、功能特征的一种非线性信息并行处理系统，是由大量的处理单元（人工神经元）相互连接而成的网络。ANN具有自学习、自适应、自组织等特性，目前已在系统预测、系统优化、模式识别、数据挖掘等领域得到了广泛的应用。BP(back-propagation)网络模型 是一种基于误差反向传播的多层前馈型网络，是目前应用最为广泛的ANN模型之一,BP-ANN结构,三层网络结构： 输入层：Xn 隐含层：Hq 输出层：Ym,误差,典型模型2土壤水分模拟的BP网络模型,BP网络的训练（模型率定）： 输入信息的正向传播过程和误差的反向传播过程 。 步骤： （1）随机产生初始权重和阈值 （2) 逐层处理计算得到网络的输出 （

10、3）计算输出与实测值间的误差 （4）根据误差调整权重和阈值,W2 - W1 = P + I (ET + Q)t ET = Ks Kc ET0 Q=f(W,输入： 时间t 时段长t 阶段降水灌水总量PI 阶段平均气温T 时段初贮水量W1,输出： 时段末贮水量W2,典型模型2土壤水分模拟的BP网络模型,输入输出变量的确定,预测结果统计,典型模型2土壤水分模拟的BP网络模型,C1： F4,典型模型2土壤水分模拟的BP网络模型,W=W2-W1=P+I-ET-Q-R 腾发量： ET=KsETm， ETm=KcET0 ET0：Penman- Monteith公式 Kc： Ks,典型模型3水量平衡模型,W=

11、W2-W1=P+I-ET-Q-R 根系层底部水分交换量： 简化法（近似认为Q=0） 零通量面法 经验方法,典型模型3水量平衡模型,参数：根据实测资料率定 Wj，n （土壤供水系数） Kcm，tm，c （作物系数） a，d （下界面通量,典型模型3水量平衡模型,a) A1小区（灌水4次） (b) B1小区（灌水3次,c) C1小区（灌水2次） (d) D1小区（灌水2次,模拟结果：北京永乐店试验站 1999年,典型模型3水量平衡模型,永乐店试验站冬小麦返青后腾发量ET、土壤水利用量Su与降水灌溉总量的关系,典型模型4机理模型 具体模型已讲，求解方法（数值模拟方法）待续,土壤水动态模拟模型的发展方

12、向,目前农田水分动态模拟模型多是对土体尺度进行的，其中部分考虑土壤质地、土壤水分特性等参数空间变异性的模型可以用于农田或区域尺度。从理论和应用的角度来看，土壤水分模拟和预报模型都需要进一步的研究。主要表现在,土壤水动态模拟模型的发展方向(1,1) 非均匀植被下土壤水分模拟与预报：已有的研究考虑了土壤特性等的空间变异性，而对植被的非均匀性则考虑较少。传统的间、套作种植制度、不同的土地利用方式等都会带来植被的非均匀性，这种情况下不同的作物之间在水分消耗、产量形成等方面存在相互影响（王仰仁等，2003）。需要进一步对非均匀植被条件下的农田蒸散发、土壤水分动态变化进行研究,土壤水动态模拟模型的发展方向

13、(2,2) 土壤水分随机模拟模型研究：目前的随机模型一般只考虑影响土壤水分变化的部分因素，如土壤参数的空间变异性或降水、蒸发的随机性（Bierkens，2001），综合考虑主要随机因素的模型还不多。需要考虑不同随机因素间的相互关系，建立全面反映随机因素影响的随机模拟模型,土壤水动态模拟模型的发展方向(3,3) 考虑优先流的农田土壤水分模拟模型：优先流对农田土壤水分动态变化有重要影响，目前对优先流的机理及模型已进行了一定的研究（imnek等，2003），需要进一步将有关研究成果应用于农田水分模拟模型,土壤水动态模拟模型的发展方向(4,4) 土壤冻融过程中水、热、盐耦合运移模型及其应用：盐分的存在

14、对于土壤冻结温度有很大影响，进而会影响土壤冻结过程及水分迁移，同时水分迁移过程也伴随着盐分的迁移。利用水、热、盐耦合运移模型（如Flerchinger（2000）开发的SHAW模型）可以对不同条件下冻土水、热、盐迁移规律进行深入分析，为季节性冻土区土壤次生盐渍化的防治提供理论依据,土壤水动态模拟模型的发展方向(5,5) 土壤水分运动与其它水文过程的综合研究：在水文循环中，土壤水处于中心地位，对其它水文过程（如入渗、产流、蒸发、地下水运动等）、污染物运移过程均有重要影响。加强土壤水动态模型与其它相关模型的综合有助于促进水文模型研究、深化土壤水研究，例如 地下水土壤植物大气连续体（GSPAC）水热

15、盐运移模型（Van Dam等，2008） 地表水流与饱和非饱和土壤水流的耦合模型（Furman，2008,土壤水动态模拟模型的发展方向(6,6) 气候变化对农田水分转化与消耗规律的影响研究。气候变化对作物生长及耗水特性会产生一定的影响（刘晓英等，2004），需要建立适合气候变化响应分析的农田水分动态模拟模型，分析不同气候变化情景下的农田水分转化与消耗规律，为气候变化条件下的农田灌溉用水管理提供技术支撑,土壤水动态模拟模型的发展方向(7,7) 林地水分动态模拟模型：目前对农田土壤水分动态模拟模型已进行了大量研究，但林地水分动态模拟的相关研究相对薄弱（程根伟等，2004）。需要考虑林地与作物的相同

16、和相异之处，在各种农田土壤水分动态模拟模型的基础上建立林地水分动态模拟模型，分析林地水分转化与消耗规律，为林地生态用水分析及生态保护提供理论基础,土壤水动态模拟模型的发展方向(8,8) 土壤水分运动通用模拟软件及其应用：目前国外已开发出一些通用的土壤水分模拟软件，如HYDRUS（imnek等，2008）、SWAP（Van Dam等，2008）等。这些软件已在相关研究工作及农业用水管理中得到了应用，但在土壤水分运动与其它水文过程的结合上还存在一定的不足。而国内开发的相关通用软件尚不多见，需要在分析现有软件优势和不足的基础上，吸收土壤水及相关领域的最新研究成果，开发具有自主知识产权的土壤水分通用模拟软件