交替沟灌玉米灌浆期茎流影响因子敏感性分析与模型适用性研究

摘要：

[目的]应用人工神经网络对不同处理玉米茎流进行精准预测,为推算玉米蒸腾耗水量以及制定合理的灌水方案提供新思路.[方法]试验研究对象为夏玉米,品种为西农985.试验设置3个处理,分别为交替沟灌高水处理(alternate furrow irrigation,AFI1)、交替沟灌低水处理(alternate furrow irrigation,AFI2)和常规沟灌处理(conventional furrow irrigation,CFI).AFI1、AFI2每次灌水量为CFI灌水量的2/3和1/2.利用通径系数与互信息分析不同处理的影响因素与玉米茎流相关关系,基于人工神经网络理论建立了玉米茎流速率估算模型,以主成分回归模型为对比,对两个模型预测精度和稳定性进行评价.[结果](1)不同处理对环境因子的响应有所差异,影响CFI、AFI1玉米茎流的主要因素是气象因子,影响AFI2处理玉米茎流的主要因素是土壤水分;(2)不同土层含水量对各处理茎流的影响也有所不同,研究发现10-20 cm和20-30 cm土层含水量与玉米茎流相关程度最高.利用不确定性分析法进一步分析得出,常规处理与高水处理水平下,与茎液流变化关系最密切的土壤含水层为20-30 cm,其次是10-20 cm,低水处理水平下,最敏感的土层为10-20 cm,其次是20-30 cm;(3)根据模型误差分析与模型不确定性分析,神经网络模型RMSE、d-factor值较小,R2值达到了0.9以上,说明神经网络模型预测精度更高,模型更稳定.[结论]与传统方法相比,人工神经网络模型可以快速准确地对茎流进行预测,对指导玉米灌溉具有重要的指导意义.

关键词：交替沟灌、玉米茎流、人工神经网络、分层土壤含水量

所属期刊栏目：51

资助基金：国家自然科学基金51179163

在线出版日期：2018-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：233-245