分类筛选
分类筛选:

关于电阻率论文范文资料 与不同覆盖类型土壤电阻率影响因子其PLS和BP模型预测有关论文参考文献

版权:原创标记原创 主题:电阻率范文 科目:发表论文 2023-12-23

《不同覆盖类型土壤电阻率影响因子其PLS和BP模型预测》:本论文主要论述了电阻率论文范文相关的参考文献,对您的论文写作有参考作用。

摘 要 土壤电导率是反映土壤质量和物理性质的重要参数.本研究通过对试验区不同覆盖类型下土壤温度、含水量及电导率的测试,探讨土壤温度和含水量对土壤电阻率的影响.结果表明,不同土壤覆盖类型土壤温度的变化对土壤电阻率的影响不同,土壤电阻率随着土壤含水量的增加而逐渐变小.将偏最小二乘回归模型(PLS)和BP神经网络模型应用于土壤电阻率的预测,PLS模型及BP神经网络模型对土壤电阻率预测皆有较好效果,偏最小二乘回归模型对沙地和草地土壤电阻率预测的误差较小,BP神经网络对农田土壤电阻率建模精度较为理想.

关键词 土壤电阻率;覆盖类型;偏最小二乘回归;BP神经网络;预测

中图分类号 X43;P4 文献标识码 A 文章编号 1007-5739(2017)09-0198-04

Abstract The soil electrical conductivity is an important parameter to reflect soil quality and physical properties.In this study,the soil temperature,water content and electrical conductivity of different coverage types of farmland,grassland and sand were tested to explore the effect of soil temperature and water content on soil electrical conductivity. The results showed that different coverage types had different effects on soil electrical conductivity,the soil electrical conductivity decreased gradually with the increase of soil water content. The partial least squares regression(PLS)model and BP neural network model were applied predict soil electrical conductivity,and got good prediction effects. The PLS model had little error in the prediction of soil electrical conductivity of grassland and sand,and BP neural network model was more ideal for modeling farmland soil electrical conductivity.

Key words soil electrical conductivity;coverage type;partial least squares regression;BP neural network;prediction

土壤电导率是反映土壤质量和物理性质的重要参数[1-3],是土壤科学中的一项重要研究内容,故国内外许多土壤学家对土壤电阻率进行了相关研究.国外Sundberg[4]最早于1992年将电阻率理论运用于地质勘探,并建立了电阻率结构因子,Archie 1942年提出了地层电阻率阿尔奇公式[5],Wyllie、Gregory和Jackson[6-9]等许多学者对土壤电阻率的影响因素进行了进一步研究,并建立了和各影响因子的理论表达式.国内孙宇瑞[10]通过对壤土的研究指出土壤盐分对土壤电导率的影响远大于土壤含水率;刘国华[11]则建立了非饱和土壤电阻率的结构模型;刘春泉、段旭等[12-15]分析了宁夏等地区土壤电阻率影响因素;刘磊[16]、李博伦[17]对影响不同类型土壤电阻率的物理、化学性质的因素及其影响机理进行了相关研究.总的来看,上述研究主要集中在和土壤肥力相關的土壤电导率的物理、化学性质方面,而对于土壤电阻率应用于气象灾害风险区划方面的研究甚少.因此,本文对不同覆盖类型下影响土壤电阻率的主要因素(土壤温度和含水量)进行分析,揭示其对土壤电阻率的影响规律,并运用偏最小二乘回归模型(Partial Least Square Regression,PLS)和BP(Back Propagation)神经网络模型对土壤电阻率进行预测,进而确定区域土壤电阻率的分布特征,为气象灾害风险区划工作提供重要的参考依据.

1 研究区域概况

本文土壤电阻率等参数的测试区域选在内蒙古中部的巴彦淖尔地区(图1),选取了该地区农田、沙地和草地3种不同土壤类型的17个测试地点开展为期2年的数据采集,农田10个测试点、沙地4个测试点、草地3个测试点,每年的测试时间为5—10月.测试所用的仪器为美国产2265FS便携式土壤电导仪和6440FS土壤水分测定仪,并用GPS定位测试点的经度、纬度坐标.每次测试将传感器插入土壤中,保持每次插入深度一致(3~4 cm),如图2所示.待数据稳定后记录样本的测试值,每个样本采集数据3次后求平均值.通过2年的测试共取得1 262个数据样本,其中1 075个农田类型的数据样本,90个沙地类型的数据样本和97个草地类型的数据样本.

测试所用的便携式土壤电导仪2265FS和土壤水分测定仪6440FS的相关参数见表1和表2.便携式土壤电导仪2265FS是通过电流-电压四极法来测量土壤表观电导率[18],由于四电极能消除电极极化效应,该方法最早由Wenner和Schlumberger于20世纪20年代提出[19].四电极包括2个电流电极和2个电压电极,工作时向电流电极提供激励电流,通过检测电压电极的电势来确定土壤表观电导率.而土壤水分测定仪6440FS是通过时域反射法(Time Domain Reflectrometry,TDR)来测量土壤水分,它依据电磁波在介质中的传播速度和介质的介电特性相关电磁理论[20],通过测量电磁波在介质中的传播时间确定土壤介电常数,从而间接得到土壤体积含水量.

电阻率论文参考资料:

结论:不同覆盖类型土壤电阻率影响因子其PLS和BP模型预测为关于电阻率方面的论文题目、论文提纲、四探针电阻率测试仪论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。

和你相关的