首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 31 毫秒
1.
现有光合预测模型主要考虑环境因子对植物光合作用的影响,模型只能对生理状况相似的叶片进行光合速率预测,本文面向不同生长状态叶片光合速率预测模型的建模需求,提出融合叶片暗荧光参数Fv/Fm的多环境因子光合速率预测模型构建方法。试验以不同生长状态的茄子叶片为样本,在获取暗荧光参数的同时,分别测量不同温度、CO2浓度和光照强度下的光合速率,构建建模样本集。在此基础上,利用遗传支持向量机算法,建立了光合速率统一预测模型,其训练集决定系数为0.8895,均方根误差为3.2679μmol/(m2·s)。采用异校验方式进行模型验证,结果表明,融合荧光参数后模型精度显著提高,光合速率预测值与实测值拟合斜率为0.9046,截距为0.3641,〖JP〗说明引入Fv/Fm后,模型可实现对不同生理状态叶片光合速率的精准预测。  相似文献   

2.
为探究变化背景下安徽省干湿指数时空分布格局,利用安徽省1957—2016年的逐日气象观测数据,在采用区域修正模式的FAO 56 Penman-Monteith模型计算潜在蒸散量(ET0)的基础上,通过云模型定量描述近60年安徽省干湿指数(AI)的时空分布特征、均匀性和稳定性。结果表明:安徽省AI、ET0呈现波动下降趋势,倾向率分别为-0.006a-1和-0583mm/a,降水量P呈现1155mm/a的上升趋势,ET0和P的相向趋势造成了AI的逐渐降低,近60年安徽省总体呈现变湿趋势。相较于ET0与AI,P最为离散,稳定性最差。在四季尺度上,以夏季为主导(-0.012a-1)的夏秋冬AI降低为安徽省干湿变化主要特征,AI超熵值由高到低依次为夏季、秋季、春冬季,不确定性逐渐降低;四季ET0变化熵值均低于年均熵值,四季ET0模糊性与随机性较差,冬季ET0具有最大不稳定性;夏冬季节的雨雪增加与春秋季降水量减少是安徽省四季降水格局的主要表现形式,且夏季降水增加趋势显著(2 467mm/a),同时表现出最大的不均匀性和不稳定性。在空间尺度上,AI、ET0和P均呈现皖南至皖北的梯度变化特征,〖JP〗出现非平滑纬度地带性现象,空间上各区域熵与超熵均高于时间序列,空间上AI的分布更为离散、不稳定。  相似文献   

3.
选取南小河沟流域油松、刺槐、侧柏人工林地覆盖为研究对象,对2003—2012年作物生长季土壤含水率进行连续观测,利用Duncan法对比分析土壤含水率在不同年份、月份、深度的差异性,同时研究不同人工林地土壤含水率与标准化降水蒸散指数(SPEI)、温度、降水量之间的响应特征.结果表明:土壤水分随着土层深度的增加而逐渐降低,并长期维持在较为稳定的范围内,3种树种在不同深度差异性上体现出不同,油松林地体现在20,60 cm,呈现3个等级变化趋势,〖JP2〗刺槐林地的差异性表现为0~20 cm与40~100 cm,侧柏林地的不同土层含水率在40 cm深度时出现了差异;土壤含水率与气温、降水量、SPEI的相关性随土壤深度的增加而变弱,其中与气温呈负相关,与降水量、SPEI为正相关,并且温度、降水量和SPEI对刺槐林地土壤含水率影响最大.  相似文献   

4.
为及时、有效地监测盐渍化土壤含盐量,以内蒙古河套灌区沙壕渠灌域为研究区,将Sentinel-1雷达影像作为数据源,同步采集不同深度土壤含盐量数据,通过组合两组雷达后向散射系数构建多种指数,并用灰度关联(Gray correlation degree,GCD)排除共线性强的指数,采用偏最小二乘回归(Partial least squares regression,PLSR)、分位数回归(Quantile regression,QR)和支持向量机(Support vector machine regression,SVM)3种方法,构建0~10cm、10~20cm不同深度下的土壤含盐量反演模型。结果表明,在3种回归方法中,SVM回归模型的精度最高,模型建模集决定系数R2c、验证集决定系数R2p均在04以上,建模集均方根误差RMSEc、验证集均方根误差RMSEp均小于03%,分位数回归模型次之,偏最小二乘回归模型最差;在各反演深度下,0~10cm深度的反演精度均高于10~20cm深度的反演精度,其中在0~10cm深度下SVM反演模型效果优于其他模型,R2c、R2p分别为0568和0686,RMSEc、RMSEp分别为0.201%和0.151%。本研究可为雷达遥感监测裸土期土壤盐渍化提供参考。  相似文献   

5.
为预测区域尺度的玉米成熟期,以4d的MODIS叶面积指数产品(LAI)为数据源,选择黑龙江省、吉林省和辽宁省3省玉米为研究对象,结合农业气象资料和全球多模式集合预报资料(THOPREX interactive grand gloabal ensemble,TIGGE),采用积温-辐射和LAI曲线积分面积两种模型,提前10d对东北地区玉米成熟期进行逐日动态预测。结果表明,LAI曲线积分面积模型的预测结果在时效和精度上均为最优,该模型决定系数R2达到0.87,均方根误差(RMSE)为2.5d,并且有效地克服了当前成熟期预测方法空间分辨率低和预测时效性差等局限性。LAI曲线积分面积模型适用于大面积农作物成熟期预测。  相似文献   

6.
基于双作物系数法的新疆覆膜滴灌夏玉米蒸散量估算   总被引:1,自引:0,他引:1  
为评估双作物系数法计算干旱区部分覆膜滴灌条件下夏玉米蒸散量的可靠性,于2016—2017年在新疆阿克苏地区开展了夏玉米蒸散量测坑试验研究,试验根据定灌水周期(W1、W2、W3)和变灌水周期(W4、W5)共设置5个处理,并分别采用稳定碳同位素法和水量平衡法,对双作物系数模型计算的夏玉米蒸腾量和蒸散量进行了验证。结果表明,双作物系数法计算的蒸散量与水量平衡法测定的蒸散量呈现出较好的相关性,全生育期蒸散量模拟值与实测值的均方根误差在10mm左右。双作物系数法计算的蒸腾量与稳定碳同位素法测得的耗水量亦呈现出较好相关性,模拟值与实测值的均方根误差在20mm左右。通过回归系数(b)、一致性指数(d)及均方根误差〖JP3〗(RMSE)的分析,认为双作物系数法可以估算并区分局部覆膜滴灌条件下干旱区夏玉米蒸散量,且2016年和2017年夏玉米全生育期内估算土壤蒸发量分别占蒸散量的21.33%和23.97%,作物蒸腾量分别占蒸散量的78.67%和76.03%。  相似文献   

7.
单因素土壤墒情预测模型研究   总被引:2,自引:0,他引:2  
以土壤10、30、50cm深度处的土壤墒情各当前和历史数据不同组合为输入,以30cm处1h后的土壤墒情为预测输出,建立了基于BP神经网络的单因素土壤墒情预测模型。结果表明,模型预测误差约为10%,取得了较好的预测效果。  相似文献   

8.
不同深度基质含水率变化规律与预测模型研究   总被引:1,自引:0,他引:1  
为探明不同深度的基质含水率变化规律,使用干燥法分别对多个EC-5型传感器进行校准,并将4个传感器分别放置垂向距滴头5、10、15、20cm 4个不同深度处,测量不同滴头流量及滴灌量条件下垂向基质含水率的变化,建立了不同深度基质含水率预测模型。试验结果表明,在滴灌开始后第1层(距滴头5cm处)基质含水率最先上升并迅速达到较高水平,滴灌停止后水分将快速扩散至更深基质层,其含水率可提升至根系易利用水平(25.3%及以上),水分快速运移时间持续1h左右,随着初始基质含水率的降低,在相同滴头流量及灌溉量条件下,水分在垂直方向的运移程度更深,将第1层基质初始含水率、滴灌时间、预测时间、预测层高度差、滴头流量作为输入,利用遗传算法优化的BP神经网络算法与随机森林回归算法(RFR),建立滴灌下基质不同深度含水率预测模型。将试验所预测的滴灌后基质含水率与实际测量的不同深度基质含水率进行对比分析,并对不同预测深度的预测结果进行误差分析,结果表明GA-BP预测模型及RFR预测模型的R2分别为0.8664、0.9465,即RFR算法建立的预测模型更加精确,并且预测深度越接近于第1层基质预测结果越准确。  相似文献   

9.
针对目前土壤介电计算模型适应性差等问题,基于双线性理论构建了双线性介电计算模型。为探究双线性介电计算模型对土壤介电测量的适应性,选用7种不同质地土壤分别配置0、5、10、15、20、25、30cm3/cm3体积含水率,在0.001~3GHz频域内进行不同含水率下介电谱测量。分析发现,该模型介电谱可很好地反映土壤不同含水率下混合介质的介电特性;土壤含水率介电法测量理想频率点为1.50288GHz。在理想频率点上,基于复介电常数实部和视在介电常数构建了2个土壤含水率频域测量经验公式,通过试验数据分析,土壤含水率复介电实部测量式的计算值与干燥法含水率测量值对比,两者R2为0.9126,RMSE为0.0294cm3/cm3、RPD为3.343;土壤含水率视在介电测量式计算值与干燥法含水率测量值对比,两者R2为0.8907,均优于其他3种经典公式(Topp公式、Roth公式、Malicki公式)。双线性介电计算模型对土壤介电常数计算有良好的适应性,基于该模型建立的土壤含水率频域测量式对土壤含水率有较高的测量精度。  相似文献   

10.
基于无人机多光谱遥感的土壤含盐量反演模型研究   总被引:7,自引:0,他引:7  
为探究无人机多光谱遥感技术快速监测植被覆盖下的土壤含盐量问题,以内蒙古河套灌区沙壕渠灌域内4块不同盐分梯度的耕地为研究区域,利用无人机搭载多光谱传感器获取2018年8月遥感影像数据,并对0~40cm〖JP〗的土壤进行盐分测定。分别引入敏感波段组、光谱指数组、全变量组作为模型输入变量,采用支持向量机(Support vector machine,SVM)、BP神经网络(Back propagation neural network,BPNN)、随机森林(Random forest,RF)、多元线性回归(Multiple linear regression, MLR)4种回归方法,建立基于3组输入变量下的土壤盐分反演模型,并进行精度评价,比较不同输入变量、不同回归方法对模型精度的影响,评价并优选出最佳盐分反演模型。结果表明,通过分析3个变量组的R2和RMSE,光谱指数组在4种回归方法中均取得了最佳的反演效果,敏感波段组和全变量组在不同的回归方法中反演效果不同。4种回归方法中,3种机器学习算法反演精度明显高于MLR模型,且MLR模型中的敏感波段组和全变量组均出现了“过拟合”现象,RF算法在3种机器学习算法中表现最优,SVM算法和BPNN算法在基于不同变量组的模型中表现也不相同。基于光谱指数组的RF的盐分反演模型在12个模型中取得了最佳的反演效果,R2c和R2v分别达到了0.72和0.67,RMSEv仅为0.112%。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号