• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于機(jī)理分析的草原放牧策略研究

      2023-08-22 03:47:10于和碩
      計算機(jī)時代 2023年8期
      關(guān)鍵詞:土壤有機(jī)植被顯著性

      于和碩

      (上海理工大學(xué)機(jī)械工程學(xué)院,上海 200093)

      0 引言

      在草原放牧的過程中,通常需要考慮兩個因素,分別是放牧方式和放牧強(qiáng)度。放牧方式和放牧強(qiáng)度選擇的不同,結(jié)果也會不同。植物的生長除了受自身生長規(guī)律的影響外,還有外界刺激的影響。當(dāng)牧羊采食牧草時,地上的生物量會減少,同時,植物有著超補(bǔ)償生長的特點,適當(dāng)放牧有利于植物的生長,進(jìn)而改善土壤質(zhì)量,而過度放牧則會導(dǎo)致植被破壞,增大土地裸露面積,甚至導(dǎo)致土壤板結(jié)化、土地沙漠化,使得土壤肥力下降,危害環(huán)境。

      內(nèi)蒙古錫林郭勒草原是國家最重要的畜牧業(yè)產(chǎn)業(yè)基地之一,也是北方綠色生態(tài)走廊。因此,為錫林郭勒草原構(gòu)建一個基于放牧策略對環(huán)境影響關(guān)系的模型對于保護(hù)其環(huán)境生態(tài)系統(tǒng)具有重要的意義。

      1 樣本數(shù)據(jù)處理

      近年來,科研工作者在內(nèi)蒙古自治區(qū)錫林郭勒盟草原上選取代表性草場進(jìn)行了大量的實驗,采集了不同牧戶生態(tài)畜牧業(yè)模式群落樣方調(diào)查數(shù)據(jù)以及不同示范牧戶牲畜數(shù)量調(diào)查數(shù)據(jù);還有不同放牧強(qiáng)度土壤碳氮監(jiān)測數(shù)據(jù)、輪牧放牧樣地群落結(jié)構(gòu)監(jiān)測數(shù)據(jù)。

      基于這些數(shù)據(jù),首先從計算的角度,對公式進(jìn)行分析和推導(dǎo),建立微分方程,分析內(nèi)部機(jī)理。然后進(jìn)行數(shù)據(jù)挖掘,對數(shù)據(jù)預(yù)處理如描述性統(tǒng)計分析,采用單因素方差分析確定放牧策略對土壤有機(jī)物含量均值的影響。

      1.1 放牧策略與植被生物量的數(shù)學(xué)模型

      對于放牧與植物生長之間的關(guān)系,Woodward 等建立了如下一個簡單模型[1]:

      其中,w為植被生物量,S為單位面積的載畜率。

      查閱相關(guān)文獻(xiàn)所給的土壤—植被—大氣系統(tǒng)的水平衡基本方程[2-5]:

      其中,ΔW 為土壤貯水變化量,Wt+1和Wt分別為時間段內(nèi)的始末土壤含水量,P為降水量,Gu和Gd分別為地下水毛管上升量和土壤水滲透量,Eta為實際蒸發(fā)量,Rin和Rout分別為入和出徑流量,ICstore為植被截流量,其表達(dá)式為:

      其中,cp為植被覆蓋率,ICmax為特定植被的最大截流量(mm),k 為植被密度校正因子,與LAI 有關(guān),Rcum為累積降雨量(mm)。ICmax可以通過LAI來估算:

      其中,LAI為一個分布式的時變參數(shù)。根據(jù)研究表明,當(dāng)?shù)叵滤裆疃却笥?m 后,毛管上升水對2m 土壤水分循環(huán)的作用很小。草原地下水埋藏較深,地下水毛管上升量對根系層的補(bǔ)給量也可忽略,則有Wt=W0,故⑵式簡化為式⑸[4]:

      植被覆蓋率的公式如下:

      式⑴~式⑹,即是生物量與放牧策略之間的關(guān)系。

      1.2 放牧策略與土壤物理性質(zhì)的數(shù)學(xué)模型

      植被截流量表達(dá)式為:

      其中,牧區(qū)供水率(主要為降水)為P;地表蒸散發(fā)率為E;土壤含水量為β;土壤植被覆蓋率為α*G(w);成草數(shù)量為w;草原的蓋度為G(w)=(1-e-εgw/w*);枯萎率為D=β*(eεgw/w*-1),其中w*是該草原群落的特征值。對式⑺積分可得式⑻:

      式⑻即為放牧策略與土壤物理性質(zhì)之間的關(guān)系。

      1.3 數(shù)據(jù)統(tǒng)計分析

      根據(jù)上述所示的模型,進(jìn)行數(shù)據(jù)驅(qū)動的機(jī)理分析。根據(jù)提供的數(shù)據(jù),計算不同的放牧策略對土壤有機(jī)物含量均值的影響。土壤有機(jī)物含量均值如表1所示。

      表1 不同的放牧策略對土壤有機(jī)物含量均值的影響

      根據(jù)表1 可以看出,土壤有機(jī)物含量的均值差異可能與放牧策略的不同有關(guān)。要探究不同的放牧策略是如何對土壤有機(jī)物含量的影響,我們要做一下單因素方差檢驗,看一下究竟是否存在顯著差異。

      分析具體步驟不詳細(xì)展開,分別對不同放牧強(qiáng)度中的SOC 土壤有機(jī)碳、SIC 土壤無機(jī)碳、STC 土壤全碳、全氮N以及土壤C/N比進(jìn)行平均值檢驗,檢驗結(jié)果如表2所示。

      表2 不同的放牧策略對土壤有機(jī)物含量均值的影響

      根據(jù)表2 可以得到對于SOC 土壤有機(jī)碳、SIC 土壤無機(jī)碳、STC土壤全碳、全氮N以及土壤C/N 比這五個變量,四種放牧強(qiáng)度的均值大小排序:①對于SOC土壤有機(jī)碳,對放牧強(qiáng)度進(jìn)行排序可以得出:MGI

      綜上所述,得出了放牧強(qiáng)度與土地化學(xué)性質(zhì)之間的影響關(guān)系,并對其顯著性進(jìn)行判斷,發(fā)現(xiàn)對于STC土壤全碳,HGI 和MGI 存在顯著性差異,其他情況下并不存在顯著性差異。

      2 ARIMA時間序列模型的建立

      ARIMA模型全稱是自回歸移動平均模型,是統(tǒng)計模型中一種流行且廣泛使用的時間序列預(yù)測統(tǒng)計方法,可記為ARIMA(p,d,q)。

      其中AR 是“自回歸”,p代表預(yù)測模型中采用的時序數(shù)據(jù)本身的滯后數(shù)(lags);MA為“滑動平均”;q代表預(yù)測模型中采用的預(yù)測誤差的滯后數(shù)(lags) ;d 代表時序數(shù)據(jù)需要進(jìn)行幾階差分化[6]。模型的一般形式如式⑼表示:

      ARIMA時間序列模型的建立主要有以下三個過程:

      ⑴序列判斷

      首先需要對數(shù)據(jù)進(jìn)行判斷,確定需要建立的模型數(shù)據(jù)是否是平穩(wěn)序列,若P<0.05,則說明時間序列平穩(wěn),如果序列不平穩(wěn),要對數(shù)據(jù)做預(yù)處理。

      ⑵模型估計與建立

      當(dāng)自回歸模型被成功建立后,為了得到最優(yōu)的模型結(jié)構(gòu),需要對p 和q 的值進(jìn)行確定,可以通過自相關(guān)系數(shù)ACF和偏自相關(guān)系數(shù)PACF決定。

      ⑶模型診斷

      對模型參數(shù)的顯著性進(jìn)行判斷,如果模型診斷合格,則可以說明模型設(shè)定正確,可以進(jìn)行最終的預(yù)測。

      3 結(jié)果預(yù)測

      ⑴檢驗ADF

      確定模型數(shù)據(jù)是否是平穩(wěn)序列,對數(shù)據(jù)ADF 檢驗,其結(jié)果如表3所示。

      表3 ADF檢驗表

      上表序列檢驗的結(jié)果說明,在差分階數(shù)是0、1、2階時,該序列是平穩(wěn)的時間序列,故可進(jìn)行下一步求解。

      ⑵定階

      為了確定模型的最優(yōu)結(jié)構(gòu),對p 和q 的值進(jìn)行確定,其中自相關(guān)系數(shù)ACF 圖與偏自相關(guān)系數(shù)PACF 圖如圖1、圖2所示。

      圖1 自相關(guān)系數(shù)ACF圖

      圖2 偏自相關(guān)系數(shù)PACF圖

      ⑶模型評價與參數(shù)確定

      將數(shù)據(jù)帶入模型進(jìn)行檢驗,結(jié)果如表4所示。

      表4 ARIMA模型檢驗表

      從表4 可得,擬合優(yōu)度R2為0.724,可知模型表現(xiàn)較好,模型基本滿足要求。

      經(jīng)過模型擬合后的參數(shù)如表5所示。

      表5 ARIMA模型參數(shù)表

      以SOC 土壤有機(jī)碳為自變量,模型基于AIC 信息準(zhǔn)則自動尋找到最優(yōu)參數(shù)后,可建立模型公式如下:

      其中,t為預(yù)測時間。

      ⑷預(yù)測結(jié)果

      根據(jù)建立的模型對2022年的數(shù)據(jù)進(jìn)行預(yù)測,時間序列圖如圖3所示。

      圖3 時間序列圖

      2022 年預(yù)測結(jié)果為13.510(結(jié)果保留三位有效數(shù)字),即在放牧強(qiáng)度為HGI,放牧小區(qū)為G9 的條件下,SOC 土壤有機(jī)碳含量為13.510。同理,按照上述方法依次對其他數(shù)據(jù)進(jìn)行擬合,最終可以得到的預(yù)測表,如表6所示。

      表6 預(yù)測結(jié)果

      4 結(jié)束語

      從機(jī)理分析的角度,建立放牧策略與草原土壤化學(xué)性質(zhì)關(guān)系的數(shù)學(xué)模型,同時結(jié)合數(shù)據(jù),采用單因素方差分析模型對放牧策略與草原土壤化學(xué)性質(zhì)關(guān)系進(jìn)行定量分析。發(fā)現(xiàn)對于STC 土壤全碳,HGI 和MGI存在顯著性差異,其他情況下并不存在顯著性差異。最后利用ARIMA 模型完成了2022年土壤中化學(xué)成分進(jìn)行預(yù)測,預(yù)測結(jié)果為13.510(結(jié)果保留三位有效數(shù)字),即在放牧強(qiáng)度為HGI,放牧小區(qū)為G9 的條件下,SOC土壤有機(jī)碳含量為13.510。其余結(jié)果見表6。

      猜你喜歡
      土壤有機(jī)植被顯著性
      基于植被復(fù)綠技術(shù)的孔植試驗及應(yīng)用
      基于顯著性權(quán)重融合的圖像拼接算法
      電子制作(2019年24期)2019-02-23 13:22:26
      基于視覺顯著性的視頻差錯掩蓋算法
      綠色植被在溯溪旅游中的應(yīng)用
      一種基于顯著性邊緣的運(yùn)動模糊圖像復(fù)原方法
      論商標(biāo)固有顯著性的認(rèn)定
      西雙版納橡膠林土壤有機(jī)碳分布特征研究
      秸稈還田的土壤有機(jī)碳周轉(zhuǎn)特征
      土壤有機(jī)碳轉(zhuǎn)化研究及其進(jìn)展
      基于原生植被的長山群島植被退化分析
      连平县| 综艺| 通州区| 宣城市| 广宁县| 永康市| 曲阜市| 徐州市| 尖扎县| 云和县| 洛浦县| 嘉禾县| 静宁县| 上林县| 班玛县| 泾阳县| 通河县| 陆良县| 龙井市| 黔西| 南安市| 石城县| 邹平县| 南召县| 西乌珠穆沁旗| 多伦县| 中宁县| 巴林左旗| 宝丰县| 陆丰市| 沙雅县| 山阳县| 金昌市| 淳化县| 建阳市| 盱眙县| 和政县| 策勒县| 和硕县| 荆门市| 吴忠市|