不同覆盖类型土壤电阻率影响因子及其PLS和BP模型预测研究.docVIP

不同覆盖类型土壤电阻率影响因子及其PLS和BP模型的预测研究 　　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）与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，并建立了与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与土壤肥力相?P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）与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