干旱条件下灌区地下水水盐动态分析及预测

论文摘要

位于我国西北干旱、半干旱地区的青铜峡灌区,由于干旱少雨的气候条件和灌区长期形成的大水漫灌农业,灌区内出现了一些严重的水土环境问题,土壤次生盐碱化就是其中之一,并成为青铜峡灌区农业生产和灌区可持续发展的主要障碍因素。而地下水水盐动态是土壤次生盐碱化的主要属性及形成因素之一,因此掌握灌区的地下水水盐动态及变化规律对土壤次生盐碱化的防治工作至关重要。本论文将以青铜峡灌区的水土环境(土壤次生盐碱化)为研究对象,在系统分析青铜峡灌区以往地下水水盐资料及前人研究成果的基础上,对灌区的地下水水盐动态进行分析及预测,具体研究内容和主要成果如下:(1)针对青铜峡灌区的土壤次生盐碱化问题,综述了国内外关于土壤水盐运移、地下水动态及土壤盐碱化预测模型的研究进展,分析了现有研究方法及研究成果的长处和不足,从而提出了本论文研究的内容、方法及技术路线。(2)概述了青铜峡灌区的土壤盐碱化现状,并对其形成因素进行分析。(3)分析了青铜峡灌区的地下水动态类型,并根据以往地下水资料重点讨论了灌区的地下水位动态特征及变化规律、地下水矿化度动态特征。结果表明:①灌区地下水位存在着明显的年内季节性变化特征,即在灌溉季节地下水位上升,非灌溉季节持续下降,到第二年灌溉季节又重新上升;灌区多年平均地下水位埋深基本处于稳定状态,没有出现持续上升或持续下降的现象,且存在着相似的周期性。②灌区地下水矿化度的总趋势是由西向东、由南向北呈增高趋势,水质亦渐趋变差;且随灌溉季节地下水矿化度呈周期性变化规律。(4)分析了灌区土壤盐分动态,并研究其与地下水动态的关系。结果表明:灌区土壤盐分运移具有明显的季节性和周期性动态变化规律,具体表现为年内春季积盐、灌溉季节淋洗脱盐和秋冬季节土壤冻结储盐。(5)以青铜峡灌区1985年～2000年16年间的年平均地下水位埋深观测值为时间序列样本数据,采用BP神经网络与时间序列相结合的方法,建立基于BP神经网络的地下水位时间序列预测模型,并借助MATLAB7.0进行编程,对青铜峡灌区2015年地下水位埋深及表层土壤含盐量进行预测,结果表明:灌区2015年地下水位有下降趋势,灌区表层土壤微盐碱化,受土壤盐碱化灾害较轻,灌区处于健康发展状态。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究进展
• 1.2.1 土壤水盐运移的研究进展
• 1.2.2 地下水动态预测模型研究进展
• 1.2.3 土壤盐碱化预测模型研究进展
• 1.3 研究内容
• 1.4 研究方法和技术路线
• 第二章 青铜峡灌区概况
• 2.1 自然地理概况
• 2.1.1 地理位置
• 2.1.2 气候条件
• 2.1.3 地形地貌
• 2.1.4 水文地质条件
• 2.2 水资源概况
• 第三章 青铜峡灌区土壤盐碱化现状与成因分析
• 3.1 灌区土壤盐碱化现状及分布
• 3.2 土壤盐碱化的形成因素
• 第四章 青铜峡灌区地下水水盐动态分析
• 4.1 灌区地下水动态分析
• 4.1.1 地下水动态类型
• 4.1.2 灌区地下水位动态特征
• 4.2 灌区地下水矿化变化特征
• 4.3 土壤盐分动态特征
• 4.4 土壤盐碱化与地下水埋深和地下水矿化度的关系
• 4.5 小结
• 第五章 青铜峡灌区地下水水盐动态预测
• 5.1 人工神经网络的基本原理
• 5.1.1 人工神经网络概述
• 5.1.2 人工神经元模型
• 5.1.3 人工神经网络的特点
• 5.1.4 人工神经网络模型的工作方式
• 5.2 基于BP 神经网络的时间序列法预测模型
• 5.2.1 BP 神经网络
• 5.2.2 BP 神经网络时间序列法的基本原理
• 5.2.3 BP 神经网络时间序列预测模型的建立步骤
• 5.3 基于BP 神经网络的地下水位动态时间序列预测模型应用研究
• 5.4 灌区土壤盐碱化预测
• 5.5 小结
• 第六章 结论与不足
• 6.1 结论
• 6.2 不足
• 参考文献
• 致谢
• 作者简介