共查询到20条相似文献,搜索用时 15 毫秒
1.
土壤墒情(旱情)监测与预测预报系统的设计与开发 总被引:4,自引:1,他引:4
以组件式GIS软件为开发平台,建立了北京地区土壤墒情监测与预测预报系统。该系统包括土壤墒情信息采集、土壤墒情站信息管理、土壤墒情空间分布显示、土壤墒情监测、土壤墒情预报及土壤墒情信息输出等功能模块,可对土壤墒情进行实时监测,做出土壤墒情分布图、等值面图等,直观反映北京地区土壤墒情趋势。同时,系统还可利用增退墒模型、人工神经网络模型和时间序列模型进行土壤墒情预测和预报。现该系统已有38个墒情固定站和120个墒情巡测站,并已投入使用。实际应用结果表明,该系统解决了目前墒情固定站投资过高且数量不足的问题,能够满足北京市土壤墒情预测预报要求,可为北京地区防旱、抗旱提供可靠的科学依据。 相似文献
2.
3.
4.
5.
6.
农田土壤墒情是农业生产管理最重要的农情信息,对农业生产具有重要意义。介绍了农田土壤墒情监测技术要求,对2011年宁夏不同监测区域及全区的农田土壤墒情进行了分析,并总结了影响农田土壤墒情变化的主要因素,提出了墒情监测和旱情预报工作在未来农业生产管理中的发展对策。 相似文献
7.
结合沧州市实际情况,以冬小麦和夏玉米为典型作物分析沧州市土壤墒情变化特点,揭示沧州区域土壤墒情变化规律和演变趋势;对捷地旱情试验站土壤墒情监测资料进行分析研究,利用P—ρ0—Δρ增墒相关法建立增墒预报方案,利用退墒系数法以及ρt—T—ρ0相关法建立退墒预报方案,探讨适合沧州区域的土壤墒情预报方法,对类似地区相关研究具有重要的推广价值。 相似文献
8.
9.
10.
利用土壤水文常数提供灌溉量服务及根据降水量预报来确定旱象缓解程度。提出了开展土壤墒情服务时,要灵活应用各种指标,以提高土壤墒情服务的效果和水平。 相似文献
11.
尚松浩 《沈阳农业大学学报》2004,(6)
土壤墒情预报是在土壤水分模拟模型的基础上对农田耕作层土壤水分的增长和消退程度所进行的预报.墒情预报是灌溉预报的基础,对于水资源短缺条件下农田水分的合理调控具有重要意义.墒情预报模型可以分为确定性模型与随机性模型两大类,其中确定性模型包括水量平衡模型、土壤-植物-大气连续体(SPAC)水分传输模型、SPAC水热耦合传输模型等,随机性模型包括数理统计模型(包括回归模型、时间序列模型、人工神经网络模型等)、随机水量平衡模型与随机土壤水动力学模型等.本文对各类墒情预报模型进行比较,并对其发展趋势进行了展望. 相似文献
12.
徐铁男 《新农村(黑龙江)》2010,(5):41-42
文章介绍了辽宁省近几年土壤墒情监测工作的现状,并总结了在工作中取得的成绩和存在的问题,同时重点阐明了农田土壤墒情监测工作对农田灌溉和农业抗旱减灾的指导性作用及提出了墒情监测和旱情预报工作在未来农业生产管理中的发展对策。 相似文献
13.
土壤水分模拟与墒情预报模型研究进展 总被引:9,自引:0,他引:9
尚松浩 《沈阳农业大学学报》2004,35(5):455-458
土壤墒情预报是在土壤水分模拟模型的基础上对农田耕作层土壤水分的增长和消退程度所进行的预报。墒情预报是灌溉预报的基础,对于水资源短缺条件下农田水分的合理调控具有重要意义。墒情预报模型可以分为确定性模型与随机性模型两大类,其中确定性模型包括水量平衡模型、土壤-植物-大气连续体(SPAC)水分传输模型、SPAC水热耦合传输模型等,随机性模型包括数理统计模型(包括回归模型、时间序列模型、人工神经网络模型等)、随机水量平衡模型与随机土壤水动力学模型等。本对各类墒情预报模型进行比较,并对其发展趋势进行了展望。 相似文献
14.
对影响土壤墒情的主要气象要素,平均气温、相对湿度、日照时数、平均风速、蒸降差和前一旬土壤墒情进行分析合并,建立BP-ANN土壤墒情预报6因子模型;通过缺省因子检验法,判断土壤墒情对6个因子敏感程度,简化冗余因子,构建BP-ANN的3因子(相对湿度、日照时数、前一旬土壤相对湿度)墒情预报模型。结果表明:3因子模型均方根误差3.55,具有数据收集和处理量小的优点,基本能够达到所需精度和拟合度。在北京市山区和平原区2个典型站点的模拟检验表明,3因子模型实测值与预测值的拟合关系均达到极显著相关水平,可操作性强的特点。 相似文献
15.
16.
依据内蒙古河套灌区治丰试验基地的不同深度土壤水分传感器采样土壤含水率以及气象、地下水、灌水(降雨)数据,建立了基于BP人工神经网络的辣椒同时输出不同深度土层体积含水率预报模型,并用实测土壤含水率数据对模型进行了检验.结果表明,模型具有较好的预报效果,应用于不同深度土壤墒情分析和预报是可行的. 相似文献
17.
为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。 相似文献
18.
19.
介绍了利用水文模型预测土壤墒情的方法,并通过试验检验预报误差符合相关技术标准的要求。模型具有概念清晰,结构简单的特点,对指导农田灌溉管理具有重要的实际意义。 相似文献
20.
为了提高传统农田土壤墒情的测量方法,采用C/S架构设计了农田土壤墒情数据采集与管理系统,系统由数据监测中心和多个监测站组成。根据预先规划,监测站部署在具有代表性的农田,通过GPRS无线模块接入VPN网络,建立与监控中心服务器的TCP/IP网络连接,埋在地下的传感器采集温湿度数据,经过数据预处理后,将采集时间、监测站ID和数据打包后发送到数据监测中心的服务器。监测中心服务器是1台安装了数据库和专业管理软件的计算机,负责接收、处理、显示、分析统计和存储来自各监测站的数据。通过对小麦农田3个点的监测试验表明,系统工作稳定可靠,能够准确对分布式的农田土壤墒情进行采集和集中管理,并建立了该区域农田土壤墒情与时间的预警模型,为旱情预报工作提供科学有力的数据支持。 相似文献