基于BP + Elman神经网络的草原土壤湿度预测研究

草原是我国重要的国土资源和物质财富，是发展多种产业经济的重要原料基地，能为畜牧生产的重要饲料来源。国家通过“退牧还草”政策，有效改善草原生态系统和民生，但是仍需寻找一种合理的牧场管理政策，以最大限度的提高每个地区的生产力，同时保持社会生态的长期可持续性。本文建立模型对保持放牧策略不变情况下对2022年、2023年不同深度草原土壤湿度进行预测，通过数据挖掘技术建立土壤湿度预测模型，并进行模型验证。首先，建立土壤湿度与各因素之间的映射关系，选用Elman神经网络模型和回归方程对影响土壤湿度的物理因素进行预测，并对比两者之间的准确性，最后选用BP神经网络预测模型对土壤湿度进行求解，对于草原放牧策略的制定以及土壤湿度的监测具有重要的现实意义。

土壤沙漠化是包括气候变异和人类活动在内的种种因素造成的干旱、半干旱和亚湿润干旱地区的土地退化[1] [2] [3] [4]。它指干旱和半干旱地区，由于自然因素和人类活动的影响而引起生态系统的破坏， 使原来非沙漠地区出现了类似沙漠环境的变化，在干旱和亚干旱地区，在干旱多风和具有疏松沙质地表的情况下，由于人类不合理的经济活动，使原非沙质荒漠的地区，出现了以风沙活动、沙丘起伏为主要标志的类似沙漠景观的环境退化过程[5] [6]。

沙漠化程度指数(SM)是从数学的范畴去界定沙漠化程度，对于沙漠化程度的划分及相应指数的界定问题。采用0~1 标度法表示SM，并将其与沙漠化程度对应划分为5 类(表1) [7] [8]。

Table 1. Classification standard of desertification degree and desertification index 表1. 沙漠化程度以及沙漠化程度指数划分标准 划分内容 划分类型 沙漠化程度 非沙漠化 轻度沙漠化 中度沙漠化 重度沙漠化 极重度沙漠化 土壤湿度是评价土壤沙漠化的重要因素之一，对草原的历史土壤湿度及降雨量数据进行分析，并预测未来的草原土壤湿度，对于制定放牧政策和监测分析具有重要现实意义[9]。因此，本文根据草原土壤历史湿度数据、草原土壤历史蒸发数据以及草原历史降水等数据，建立模型对保持目前放牧策略不变情况下对2022 年、2023 年不同深度土壤湿度进行预测(数据来源于锡林郭勒统计年鉴2016~2021) [10]。

2. 模型说明与假设 1) 假设检测数据真实。

2) 假设土壤的容重和土壤的沙漠化程度具有相关性。

本文用到的变量及其含义如表2 所示：