文獻摘要

準確掌握土壤水分動態變化，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、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縣新馬橋鎮原種場境內，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，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間為18%～26%，滲透系數為24.2mm/h。實驗站內設有潛水蒸發、入滲和徑流、土壤水分、蒸散發、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計算模型（LY-E模型），基于小型蒸滲儀觀測試驗的土壤蒸發和草地覆被蒸散發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冬小麥土壤水分預測，其中遺傳算法優化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砂姜黑土區冬小麥生育期土壤水預測，對其他地區不同土壤、不同作物土壤水分預測模型有待進一步研究。