统计法土壤墒情诊断模型

生态学杂志

统计法土壤墒情诊断模型

黄治平¹,王铄今²,侯彦林^1,2,刘书田^1,2*,郑宏艳¹,丁健¹,米长虹¹,侯显达²

（¹农业部环境保护科研监测所，天津 300191； ²北部湾环境演变与资源利用教育部重点实验室（广西师范学院），广西地表过程与智能模拟重点实验室（广西师范学院），南宁 530001）

出版日期:2017-12-10 发布日期:2017-12-10

Statistical diagnostic model of soil moisture.

HUANG Zhi-ping¹, WANG Shuo-jin², HOU Yan-lin^1,2, LIU Shu-tian^1,2*, ZHENG Hong-yan¹, DING Jian¹, MI Chang-hong¹, HOU Xian-da^2#br#

(¹Agro-Environmental Protection Institute, Ministry of Agriculture, Tianjin 300191, China; ²Key Laboratory of Environment Change and Resources Use in Beibu Gulf （Guangxi Teachers Education University）, Ministry of Education/Guangxi Key Laboratory of Earth Surface Processes and Intelligent Simulation （Guangxi Teachers Education University）, Nanning 530001, China).

Online:2017-12-10 Published:2017-12-10

摘要/Abstract

摘要： 本文介绍了统计法土壤墒情诊断模型的原理和建模方法，该模型是基于时段降水量和土壤初始含水量以及二者的交互作用项建立的，并应用7个省23个县87个监测点2012—2014年的数据建模，以及2015年的数据进行验证。结果表明：统计法模型诊断和预测合格率较高，合格率达到85%以上；相邻墒情监测日的时间间隔有时不固定将导致异常值的出现，这是影响模型预测合格率的主要原因；逐日模型法可以实现逐日土壤墒情的预测。本研究表明，统计法模型可以单独作为墒情诊断模型使用。

关键词: 黑垆土, 有机碳, 互馈关系, 黄土高原, 全氮

Abstract: The principle and modeling method of statistical diagnostic model were introduced. The model is based on precipitation in different periods, soil initial water content and their interaction. Models were established by the data of 87 monitoring sites in 23 counties of 7 provinces during 2012-2014, and were validated by the data of 2015. The results showed that the statistical diagnostic model had high qualification rates (more than 85%) in diagnosis and prediction. The non-fixed time interval of the adjacent soil moisture monitoring date would lead to the emergence of outliers, which was the main reason affecting the qualification rate of model Prediction. Statistical diagnostic model based on daily time series data can predict daily soil water content. In conclusion, statistical diagnostic model can be used alone as a soil moisture diagnosis model.

Key words: black loessial soil, organic carbon, feedback relationships., Loess Plateau, total nitrogen

黄治平,王铄今,侯彦林,刘书田,郑宏艳,丁健,米长虹,侯显达. 统计法土壤墒情诊断模型[J]. 生态学杂志.

HUANG Zhi-ping, WANG Shuo-jin, HOU Yan-lin, LIU Shu-tian, ZHENG Hong-yan, DING Jian, MI Chang-hong, HOU Xian-da. Statistical diagnostic model of soil moisture.[J]. cje.

[1]	郭晓宇, 程曼, 徐茂宏, 何新华, 文永莉. 不同坡向亚高山草甸土壤有机碳光降解特征及其对铁添加的响应 [J]. 生态学杂志, 2024, 43(1): 33-40.
[2]	李晓燕, 李永慧, 秦文萍, 孙羽, 马志雯, 刘翔. 人工草地建植对三江源区退化高寒草甸土壤有机碳组分的影响 [J]. 生态学杂志, 2024, 43(1): 50-56.
[3]	赵晗, 王海燕, 胡兴国, 雷相东, 杜雪, 邹佳何, 崔雪. 基于结构方程的云冷杉阔叶混交林土壤有机碳影响因子 [J]. 生态学杂志, 2024, 43(1): 264-272.
[4]	张玉, 吴福忠, 艾灵, 樊雪波, 杨颖, 郑夏萍, 朱晶晶, 倪祥银. 凋落物输入对土壤可溶性有机碳的影响 [J]. 生态学杂志, 2023, 42(9): 2107-2112.
[5]	袁继红, 任琼, 周莉荫, 缪泸君, 迟韵阳, 万方, 王金平, 万松贤. 鄱阳湖湿地不同环境条件土壤有机碳组分特征及其影响因素 [J]. 生态学杂志, 2023, 42(6): 1323-1329.
[6]	管崇帆, 何方杰, 韩辉邦, 张蓝霄, 李雅婧, 郑京生, 张劲松, 孙守家. 不同高寒生态系统甲烷通量时空差异及影响因素的量化 [J]. 生态学杂志, 2023, 42(5): 1025-1034.
[7]	郑子潇, 王丹阳, 胡保安, 吴会峰, 韩海荣, 程小琴. 华北落叶松人工林土壤有机碳和团聚体稳定性对间伐的响应 [J]. 生态学杂志, 2023, 42(4): 780-787.
[8]	WANG Jincheng, JING Mingbo, ZHANG Wei, ZHANG Gaosen, ZHANG Binglin, LIU Guangxiu. 黑心菊(Rudbeckia hirta)对陇东黄土高原油污土壤植物修复效应 [J]. 生态学杂志, 2023, 42(4): 933-945.
[9]	熊丽, 邵彩虹, 张文学, Marios Drosos, 周小华, 刘圣孝, 刘增兵, 孙刚, 王少先. 再生稻种植对土壤肥力和有机碳化学结构的影响 [J]. 生态学杂志, 2023, 42(3): 577-583.
[10]	王婧姝, 毕如田, 贺鹏, 徐立帅, 刘正春, 曹晨斌. 气候变化下黄土高原植被生长期NDVI动态变化特征 [J]. 生态学杂志, 2023, 42(1): 67-76.
[11]	高欣, 赵雪淞, 赵凤艳, 高传俊, 冯良山. 化肥有机替代对连作花生田土壤有机碳和微生物群落的影响 [J]. 生态学杂志, 2023, 42(1): 99-107.
[12]	张超飞, 马素萍, 何晓波, 汪少勇. 长江源多年冻土区土壤有机碳分布特征及其影响因素 [J]. 生态学杂志, 2022, 41(9): 1665-1673.
[13]	王晶东, 陶宝先, 陈庆海, 马澍, 张保华, 陈永金, 王浩, 袁海燕. 黄河三角洲滨海湿地凋落物水溶性有机碳含量及质量 [J]. 生态学杂志, 2022, 41(7): 1276-1282.
[14]	陈志杰, 肖宇童, 董雄德, 王唯锦, 王建, 翟文芳, 田梦, 韩士杰. 黄河中下游滩区泥沙淤积对土壤化学计量比的影响 [J]. 生态学杂志, 2022, 41(7): 1334-1341.
[15]	王楠, 黄菁华, 霍娜, 耿德洲, 杨盼盼, 张欣玥, 赵世伟. 黄土高原半干旱区不同林龄柠条人工林土壤线虫群落特征 [J]. 生态学杂志, 2022, 41(2): 236-245.