《SPAC系統中農作物水循環知識融合模型研究》是依託中國科學院合肥物質科學研究院，由李淼擔任項目負責人的面上項目。
基本介紹
- 中文名：SPAC系統中農作物水循環知識融合模型研究
- 項目類別：面上項目
- 項目負責人：李淼
- 依託單位：中國科學院合肥物質科學研究院
項目摘要,結題摘要,
項目摘要
農業水循環-水平衡對流域尺度的農業用水計算與決策極為重要。90年代以來，有關學者利用SPAC模型開展了農作物水循環研究，但受土壤、作物、肥水等不確定因素影響，系統參數難以確定。近年來開展的在農業水循環模型中融入知識模型的方法研究，模型之間數據與知識如何融合，是其中的難點。.依此，將以黑河流域為例，重點開展以下工作： 1、SPAC定量解析模型各階段的參數簡約、定標及尺度轉化方法，建立灌區尺度下SPAC泛化模型；2、農作物水循環系統中離散數據與作物生長機理之間的關聯關係，解決複雜環境下不確定因素的知識表示問題；3、實驗數據與農作物各生長階段知識間的信息傳遞機制、協同工作機制，建立農作物水循環知識融合模型。.項目實施後將解決模型融合過程中知識抽取、表達、映射，參數簡約、轉化等關鍵問題，並據此構造黑河流域農業生態水循環模型，為農業用水分析提供新的技術手段。
結題摘要
農業水循環-水平衡對流域尺度的農業用水計算與決策極為重要。90年代以來，有關學者利用SPAC模型開展了農作物水循環研究，但受土壤、作物、肥水等不確定因素影響，系統參數難以確定。近年來開展的在農業水循環模型中融入知識模型的方法研究。模型之間數據與知識如何融合，是其中的難點。依此，將以黑河流域為例，重點開展以下工作：1、SPAC定量解析模型各階段的參數簡約、定標及尺度轉化方法，建立灌區尺度下SPAC泛化模型；2、農作物水循環系統中離散數據與作物生長機理之間的關聯關係，解決複雜環境下不確定因素的知識表示問題；3、實驗數據與農作物各生長階段知識間的信息傳遞機制、協同工作機制，建立以農作物水循環知識融合模型。 項目實施過程中，結合甘肅當地的實際情況，提出了基於氣象數據和改進的BP神經網路的農作物需水為核心的月度ETo估算模型以及基於輻射數據和隨機森林算法與BP-NN算法的日度ETo估算模型，並進一步融合農業知識，提出了基於旬數、氣象數據和隨機森林日度ETo估算模型，分別利用黑河流域酒泉氣象站和玉門鎮氣象站的1964年1月到2014年7月的數據進行了實驗和模型驗證，表明我們提出的模型在均方根誤差、平均偏差、平均絕對百分誤差以及決定係數等評價標準上優於之前的多種經驗模型。 通過本項目的研究，解決了模型融合過程中知識抽取、表達、映射，參數簡約、轉化等關鍵問題，並據此構造黑河流域農業生態水循環模型，尤其是提出的更為精準的蒸散發模型，為農業用水分析提供了新的技術手段和方法參考。
