关于沟槽不均匀性的新见解：基于数据的先进评估方法及其对渗透特性研究的意义

《Irrigation and Drainage》：A New Insight Into Furrow Nonuniformity: Advance Data-Based Evaluation and Implications for Infiltration Characterisation

　　

摘要

en此链接指向英文版本fr此链接指向法文版本

对于基于水量平衡的方法而言，精确估算推进参数至关重要，这些方法可用于估算入渗量、评估效率以及设计沟灌系统。幂函数x?=?pt?是用于描述水流前沿推进距离(x)与时间(t)之间关系的常用函数。通常，系数r和p是通过非线性最小二乘法(NLS)或对数变换后的线性回归法(LTLR)来估算的，但这些方法对数据中的异常值极为敏感。为此，人们开发了一种筛选对(SP)方法，用以解决非均匀地块中的这一问题。该方法通过物理和统计标准对推进数据对进行筛选，从而得到与传统方法相当的时间推进模拟结果。与常规方法相比，SP方法得到的r值估算更为一致（变异系数[CV]：3%–9%），而常规方法的CV值为3%–13%。在同一个田块内的各个沟渠中，SP方法估算出的推进系数所模拟的数据，其Kostiakov参数‘a’（表示入渗量随时间下降的无量纲指数）的数值也更为稳定（CV：6%–23%），远优于NLS方法（CV：15%–38%）和LTLR方法（CV：10%–29%）。从观察到的放大效应来看，r值变化1%会导致‘a’值变化超过1.5%，这进一步凸显了新方法的必要性。因此，SP方法为灌溉水资源管理提供了一种更为可靠的替代方案，能够得出具有物理合理性的参数。

摘要

en此链接指向英文版本fr此链接指向法文版本

对于那些基于水量平衡的计算方法来说，准确估算推进参数是非常重要的，这类方法可用来计算入渗量、评估灌溉效率以及设计沟灌系统。幂函数x?=?pt?常被用来描述水流前沿的推进距离(x)与时间(t)之间的关系。目前，人们通常采用非线性最小二乘法(NLS)以及线性回归中的对数变换法(LTLR)来估算推进系数r和p。针对非均匀地块的这一问题，人们发明了一种名为“筛选对”（SP）的方法。该方法通过物理和统计标准对推进数据对进行筛选，进而得到与传统方法相似的推进时间模拟结果。相比传统方法，SP方法得到的r值估算结果更加稳定（变异系数CV：3%–9%），而传统方法的CV则在3%–13%之间。在同一块田地里的各个沟渠中，通过SP方法估算出的推进系数所模拟出的Kostiakov参数“a”（即土壤吸水能力随时间下降的比率）的数值也更为准确（CV：6%–23%），显著优于NLS方法（CV：15%–38%）和LTLR方法（CV：10%–29%）。从观察到的效应可以看出，r值变化1%时，“a”值的变化幅度会超过1.5%，这更凸显出采用新方法的必要性。因此，SP方法为灌溉水资源管理提供了更为可靠的解决方案，能够生成具有物理合理性的参数。

数据可用性说明

本研究的相关数据可向相应作者请求获取。由于隐私或伦理方面的限制，这些数据并不对外公开。