全 文 ：　 　 倡 国家自然科学基金重点项目（５０１３９０４０）资助
　 　 倡倡 通讯作者
收稿日期 ：２００６唱０３唱１２ 　 改回日期 ：２００６唱０５唱２５
浑善达克沙地人工植被覆盖下土壤蒸发的模拟研究 倡
王志强１ 　朝伦巴根１ 倡倡 柴建华２
（１ ．内蒙古农业大学水利与土木建筑工程学院 　 呼和浩特 　 ０１００１８ ；２ ．内蒙古水利科学研究院 　 呼和浩特 　 ０１００２０）
摘 　 要 　 应用自制的微型蒸渗仪（Micro唱Lysimeter）测定了 ２００５年浑善达克沙地人工牧草区的日棵间土壤蒸发量 。
对影响土壤蒸发的主要因子进行了回归分析 ，并比较了以 ６ 因子［日平均气温（ T） 、净辐射 （ Rn） 、相对湿度（ RH） 、
２m 处风速（ U２ ） 、０ ～ ３０cm 土壤含水率（ θ）及叶面积指数（ LA I）］和 ４ 因子［日平均气温（ T） 、净辐射（ Rn） 、０ ～ ３０cm
土壤含水率（ θ）及叶面积指数（ L AI）］为输入样本 ，以日棵间土壤蒸发量为输出样本的 BP 网络模拟预报模型 。 研
究表明 ，BP 网络可以用于日棵间土壤蒸发量的预报 ，６ 因子法和 ４ 因子法均简便可行 ，能满足生产的需要 。 相比之
下 ，６ 因子法的精度更高 。 此研究是对传统棵间土壤蒸发量计算的补充 。
关键词 　 人工神经网络 　 微型蒸渗仪 　 土壤蒸发 　 气象因子 　土壤含水量 　 叶面积指数
Soil evaporation in artif icially re唱vegetated sandy areas of Hunshandake ． WANG Zhi唱Qiang１ ， Chaolunbagen１ ，CHAI
Jian唱Hua２ （１ ．College of Hydraulics and Civil Engineering ，Inner Mongolia Agricultural University ，Huhhot ０１００１８ ，Chi唱
na ； ２ ． Inner Mongolia Water Resources Institute ，Huhhot ０１００２０ ，China） ，CJEA ，２００７ ，１５（６） ：４４ ～ ４７
Abstract 　 A Micro唱L ysimeter based experiment was conducted to determine daily soil evaporation （Es） in the ar tificial
grassland of Hunshandake sandy terrain in crop growing season of ２００５ ， followed by the identification and analysis of the
main factors affecting Es ．Es BP network forecast models are compared between using six input vector factors （daily mean
temperature ， net radiation ， relative humidity ， wind speed at ２m heigh t ， soil moisture in ０ ～ ３０cm soil depth and LAI）
and four input vector factors （daily mean temperature ， net radiation ， soil moisture in ０ ～ ３０cm soil dep th ， and LAI） ．
The research results indicate that BP network model is suitable for Es forecasting ，and the six and four input vector factors
of BP network models are both convenien t and feasible in Es forecasting at production levels ． The six input vector factor
network model is more accurate than the four input vector factor netw ork model ．The research provides supplement to tra唱
ditional Es calculation methods ．
Key words 　 Artificial neural netw ork ，Micro唱Lysimeter ， Soil evaporation ，Meteorological factor ， Soil moisture ，LAI
（Received March １２ ，２００６ ； revised May ２５ ， ２００６）
植被建设和维护是西部生态恢复与重建中最为重要的环节 ，不仅与当地社会经济发展现状有关 ，更重
要的是受当地自然生态环境制约 ，尤其是干旱区特别要注重水量平衡问题 。 水量平衡研究中如何将棵间蒸
发和植物蒸腾区分开来 ，一直是困扰人们的难题 。 土壤蒸发通常利用大型称重式蒸渗仪（Lysimeter）测定 ，
但 Lysimeter 不仅价格昂贵 ，且不能测定植物冠层下的土壤蒸发量 。 目前 ，微型蒸渗仪（Micro唱Lysimeter）在
土壤蒸发测定中应用也较多［１ ，２ ，８ ，９］ ，Micro唱Lysimeter 是一种无扰动 、封底 、可移动的小型观测器皿 ，安装后
不会破坏原来的土壤结构 ，又可用于测定植物冠层下的土壤蒸发 。 以上直接测定土壤蒸发的方法费时费
力 ，且受地域限制 ，不能大范围推广使用 。 因此 ，各国研究人员发展了间接模拟估算土壤蒸发的模型 。 主要
包括 ：基于动力学方法的能量平衡模型 、基于土壤水分运移的水量平衡模型及经验模型 。 尽管这些模型不
同程度地反映了土壤蒸发与气象因素 、土壤条件及作物种类之间的关系 ，但因受地区 、气候条件局限而在实
际中运用困难 。 模型所需参数较多 ，计算复杂 ，且数据的获取也有困难 ，不易推广 。 棵间土壤蒸发主要与气
象因素 、土壤的供水状况以及作物种类和长势有关 ，由于棵间土壤蒸发所包括的基础过程多而复杂 ，且对棵
间土壤蒸发的求解或近似解的过程多是基于假设条件［３ ～ ５］ ，所以很难达到需要的精度 。 人工神经网络正是
解决这类复杂问题的有效方法［６ ，７］ 。
第 １５卷第 ６ 期 中 国 生 态 农 业 学 报 Vol ．１５ 　 No ．６
２ ０ ０ ７年 １ １月 Chinese Journal of Eco唱Agriculture Nov ．，　 ２００７
人工神经网络（Ar tificial Neural Network ，简称 ANN）是模仿人脑神经网络结构和功能建立的灵活的数
学结构 ，由大量的神经元按一定方式连接成复杂的网络 。 BP 网络 （Back唱Propagation）是一种基于误差反向
传播算法的 ANN ，使用方便 ，效果直观 ，是目前比较成熟的 ANN 网络模型 ，尤其是模拟复杂问题时的一种
优秀方法 。
棵间土壤蒸发研究中能量平衡模型与水量平衡模型的研究较多 ，但环境因子对棵间土壤蒸发影响的研
究相对较少 ，应用神经网络模型模拟棵间土壤蒸发与环境因子间的关系研究更是少见报道 。 本研究以微型
蒸渗仪（Micro唱Lysimeter）测定的土壤蒸发量为依据 ，用统计回归方法分析沙地人工牧草覆盖条件下土壤蒸
发与气象条件（日平均气温 、温度 、风速 、净辐射） 、土壤水分条件（０ ～ ３０cm 土壤含水率）及叶面积指数（ L A I）
之间的关系 ，然后应用 BP神经网络模型模拟预测人工牧草覆盖条件下土壤蒸发量的变化规律 ，为人工牧草
的合理适时灌溉提供依据 。
1 　 试验区概况与研究方法
1畅1 　 试验区概况
试验区位于内蒙古正蓝旗恒洲域国家自然基金项目灌溉试验场（４２°１６′N 、１１５°２３′E 、海拔 １３１９m） 。 多
年平均气温 ３畅５ ℃ ，最高 ３５畅７ ℃ ，最低 － ３５畅１ ℃ ；多年平均降雨量为 ３０５畅６mm ，春季干旱 ，降雨多集中在 ６ ～ ９
月份 ；多年平均水面蒸发量为 １９５４畅２mm ；年均绝对空气湿度为 ５畅７mb ，相对空气湿度为 ６０ ％ ；平均气压为
８６８畅７mb ；多年平均无霜期为 １０１d 。 最大冻土深度为 ２畅７６m ；土壤质地为中壤土 ，１畅２m 土层的平均田间持
水率为 ２６ ％ ，凋萎含水量为 ８ ％ ；地下水埋深 ７畅０m 。 供试牧草为多年生披碱草 ，２００４ 年 ４ 月 ９ 日播种 。
1畅2 　 试验观测
试验区微气象要素用安设在试验场 ２m高处 AZW唱００１ 自动气象站观测 ，观测指标为 ：降水量 、蒸发量 、
大气压强 、空气相对湿度 、太阳总辐射 、光合有效辐射 、２m 处大气温度 、２m 处风速和风向 、地表温度及土壤
热通量参数 。 测定的披碱草生长指标为 ：用 CI唱１１０ 型叶面积指数仪测量的叶面积指数 ，手工观测的披碱草
冠层高度 。 用 TDR 每天测量 ０ ～ ３０cm 土壤含水率 。 土壤蒸发量用安装在披碱草行间的微型蒸渗仪测定 。
微型蒸渗仪用 PVC 管做成 ，内径 １０cm ，壁厚 ５mm ，高 ３０cm ，为保证操作时不破坏附近土体结构 ，用内径为
１２cm的 PVC 管做成外套 ，固定于土壤中 ，使其表面与附近土壤持平 。 每天早晨取土时 ，将其垂直压入土壤
内 ，取出后用刀抹平 ，用纱布封底 ，称重 ，２d内重量的差值为蒸发量 ；３ ～ ５d 换土 １ 次 ，当有湿润过程时 ，过程
后立刻换土 。 设 ４ 个重复 。
1畅3 　 BP神经网络模型模拟
选用 ２００５ 年作物生育期 ５ ～ ８ 月的当地气象资料 ，将每日实测的披碱草行间土壤蒸发（ Es）与日平均气
温（ T） 、净辐射（ Rn） 、相对湿度（ RH） 、２m处风速（ U２ ） 、０ ～ ３０cm 土壤含水率（ θ）及叶面积指数（ L A I）６ 个主
要影响因子进行了统计回归分析 。 根据统计分析结果确定训练样本 。 统计分析结果表明 ，各气象因子中风
速 、相对湿度与披碱草棵间土壤蒸发量的相关性最小 ，鉴于其在本研究中对棵间土壤蒸发量影响较小 ，将输
入向量定为 ６ 因子（日平均气温 、净辐射 、相对湿度 、２m 处风速 、０ ～ ３０cn 土壤含水率及叶面积指数）和 ４ 因
子（日平均气温 、净辐射 、０ ～ ３０cm土壤含水率及叶面积指数）的两种情况作为输入样本 ，输出样本为实测的
披碱草棵间土壤蒸发量 。
BP网络结构主要包括网络层数 ，输入 、输出 、隐含层的神经元数 。 经过反复训练试算确定网络的隐含层
为 １ 层 ，９ 个神经元 ，网络拓扑结构为 ６∶９∶１ 和 ４∶９∶１ 。 传递函数在隐含层采用双曲正切 S 型 。 由于动量法
能降低网络对于误差曲面局部细节的敏感性 ，有效地抑制网络陷于局部极小 ，自适应调整学习速率有利于
缩短学习时间 ，所以采用加速 BP 算法来训练网络 。
2 　 结果与分析
2畅1 　 披碱草全生育期棵间蒸发量（ Es）与各气象因子相关关系
对披碱草行间土壤蒸发（ Es）与日平均气温（ T） 、净辐射（ Rn） 、相对湿度（ RH） 、２m 处风速（ U２ ） 、０ ～
３０cm土壤含水率（ θ）及叶面积指数（ L A I）６ 个主要影响因子进行了回归分析（图 １） ，结果发现这 ６ 个因子均
与土壤蒸发量呈显著线性相关（ P ＜ ０畅０５） 。 其中气温 、辐射 、风速与土壤蒸发呈正相关 ，而湿度与土壤蒸发
呈负相关 。 各气象因子与土壤蒸发量相关系数（敏感性）大小依次为 ：０ ～ ３０cm 土壤含水率 ＞ 净辐射 ＞ 日均
气温 ＞ 叶面积指数 ＞ 相对空气湿度 ＞ 风速 。
第 ６期 王志强等 ：浑善达克沙地人工植被覆盖下土壤蒸发的模拟研究 ４５　
图 1 　 平均气温（a） 、空气相对湿度（b） 、2m处风速（c） 、净辐射（d） 、0 ～ 30cm土壤含水量（e） 、
叶面积指数（f）与土壤蒸发量的回归关系 倡
Fig畅１ 　 Regression relations of average temperature （a） ，relative humidit y（b） ，wind speed （c） ，net radiation （d） ，
soil water content（e） ，and leaf area index（ f）with soil evaporation
倡 表示显著相关 ，F０ 畅０ ５ ＝ ３畅９２ 。
表 1 　 土壤蒸发量模拟 、预测误差分析
Tab ．１ 　 Error analysis of simulated and forecasted soil evaporation
误差分析
Error analysis
６ 因子模型
Six facto rs model
４ 因子模型
Four facto rs model
模拟阶段
Stimulated
预测阶段
Forecast ed
模拟阶段
St im ula ted
预测阶段
Forecasted
最大绝对误
差／mm·d － １
１畅８４ １畅５２ ２畅５９ ２畅９５
均方差 ０畅２５ ０畅６０ １畅０１ １畅８６
2畅2 　 BP神经网络模型的模拟预测结果
BP网络模型的建立与检验 ，用 FORTRAN 语
言编制了加速 BP 算法程序 ，依次进行输入 、输出
样本初始化 、网络初始化 、网络训练 、网络仿真及
网络检验 。 将训练样本输入该加速 BP网络模型 ，
通过 ５ 万次训练 、学习 ，６ 因子和 ４ 因子 ２ 种输入
样本的 BP网络的误差均下降到了 ０畅０５ 以下 ，表
现出较高的拟合性 ，参见表 １ 和图 ２ 。
BP神经网络模型的预测与检验 。 将 ２００５ 年
的气象资料（日平均气温 、净辐射 、相对湿度 、２m处
图 2 　 6 因子（a）和 4 因子（b）BP网络模型模拟土壤蒸发量结果
Fig ．２ 　 Simulated soil evaporation by BP network with six factors（a） and four factors （b） input vector
４６　 中 国 生 态 农 业 学 报 第 １５ 卷
风速） 、０ ～ ３０cm土壤含水率及叶面积指数输入 BP模型 ，进行 ６ 因子和 ４ 因子 BP 预测值与实测值对比 ，见
图 ３ 和表 １ 。 由图 ３ 可知 ，６ 因子模型的预测值与实测值相差很小 ；由表 １ 可以看出 ，６ 因子模型在模拟阶段
和预测阶段的最大绝对误差和均方差均小于 ４ 因子模型 ，说明 ６ 因子模型具有较高预报精度和稳定性 ，其模
拟预测值优于 ４ 因子模型 。 由此可见 ，风速和相对空气湿度对土壤蒸发量的影响是不可忽略的 。
图 3 　 6因子和 4 因子 BP网络模型预测土壤蒸发量结果
Fig ．３ 　 Forecast soil evaporation result of BP network about six and four factors input vector
3 　 小结与讨论
应用 BP 神经网络进行土壤蒸发量模拟和预测应具有日微气象资料 、日土壤水分观测资料及作物叶面
积指数资料 。 本研究表明 ，应用具有日平均气温（ T） 、净辐射（ Rn） 、相对湿度（ RH） 、２m 处风速（ U ２ ） 、０ ～
３０cm土壤含水率（ θ）及叶面积指数（ L A I）６ 因子的 BP 神经网络可以较准确的模拟和预测土壤蒸发量 。 本
研究中土壤蒸发量的模拟只涉及气象因子 、土壤水分和植物叶面积指数 ，未考虑潜热通量 、显热通量 、地温
及地下水补给量 ，这方面有待于进一步研究 。
参 　 考 　 文 　 献
１ 　 刘 　 钰 ，Fernando R ．M ．，Pereira L ．S ．微型蒸发器田间实测麦田与裸地土面蒸发强度的试验研究 ．水利学报 ，１９９９ （６） ：４５ ～ ５０
２ 　 孙宏勇 ，刘昌明 ，张永强 ，等 ．微型蒸发器测定土面蒸发的试验研究 ．水利学报 ，２００４ （８） ：１１４ ～ １１８
３ 　 王会肖 ．砂土土壤蒸发的测定与模拟 ．中国农业气象 ，１９９７ ，１８（４） ：２９ ～ ３５
４ 　 张志山 ，王新平 ，李新荣 ，等 ．沙漠人工植被区土壤蒸发测定 ．中国沙漠 ，２００５ ，２５（２） ：２４３ ～ ２４８
５ 　 王 　 键 ，蔡焕杰 ，陈 　 凤 ，等 ．夏玉米田蒸发蒸腾量与棵间蒸发的试验研究 ．水利学报 ，２００４ （１１） ：１０８ ～ １１３
６ 　 金菊良 ，丁 　 晶 ．水资源系统工程 ．成都 ：四川科技出版社 ，２００２
７ 　 霍再林 ，史海滨 ，陈亚新 ，等 ．参考作物潜在蒸散量的人工神经网络模型研究 ．农业工程学报 ，２００４ ，２０（１） ：４０ ～ ４３
８ 　 Daamen C ．，Simmonds L ．P ．，Wallace J ．S ．，et a l ．Use microlysimeter s to measure evaporation from sandy soils ．Agri ．and For ．Met e ．，１９９３ ，
６５（３／４） ：１５９ ～ １７３
９ 　 Boast C ．W ．，Robertson T ．M ．A micro唱lysimete r method fo r dete rmining evaporat ion from bare soil ：descrip tion and laborato ry evaluat ion ．
Soil Sci ．Soc ．Am ．J ．，１９８２ ，４６ ：６８９ ～ ６９６
第 ６期 王志强等 ：浑善达克沙地人工植被覆盖下土壤蒸发的模拟研究 ４７