共查询到19条相似文献，搜索用时 187 毫秒
1.
基于称重式蒸渗仪的喷灌条件下冬小麦和糯玉米作物系数估算方法 总被引：7，自引：3，他引：4
利用位于北京的称重式蒸渗仪,对喷灌条件下的冬小麦和糯玉米需水规律进行了测定,进而计算了两种作物的作物系数。结果表明,冬小麦和糯玉米的作物系数与播种后天数之间的关系均可以用四次多项式来表征。根据FAO-56推荐的作物系数计算方法,计算了两种作物的分段单值作物系数和双作物系数,发现华北平原喷灌条件下冬小麦和糯玉米的作物系数在生育期内的变化可以用FAO-56推荐的模式来描述,但实测值一般大于FAO-56的建议值。为了能利用FAO-56推荐的模式较好地描述喷灌作物系数变化规律,依据实测资料对FAO-56建议的单值作物系数和基础作物系数进行调整后,模拟了两种作物需水量的变化,模拟的作物阶段需水量与实测值吻合良好。 相似文献
2.
波文比仪与蒸渗仪测定作物蒸发蒸腾量对比 总被引：9，自引：6，他引：3
为了更准确地估算作物蒸发蒸腾量,该文结合波文比仪和大型称重式蒸渗仪,对波文比-能量平衡法估算的冬小麦蒸发蒸腾量（ETb）和蒸渗仪实测的冬小麦蒸发蒸腾量（ETl）进行了分析研究。结果表明,波文比计算值（ETb）和蒸渗仪实测值（ETl）的变化趋势基本一致,相关性比较好。波文比计算值（ETb）和蒸渗仪实测值（ETl）的日变化曲线都呈单峰型,早晚小,中午大,夜间多为负值,波文比计算值的日变化比较稳定,蒸渗仪实测值的日变化比较敏感。风速较大时,蒸渗仪实测值日变化随风速的增大而减小的趋势比较明显,波文比计算值日变化受大的风速影响较小;风速较小时,波文比计算值和蒸渗仪实测值的日变化与风速呈很弱的负相关关系。波文比计算值日变化和太阳净辐射日变化的关系比较密切,蒸渗仪实测值日变化和太阳净辐射日变化的关系不是很明显。波文比计算值更能稳定地反映出冬小麦蒸发蒸腾量的日变化规律。 相似文献
3.
水稻蒸散特征及日尺度作物系数估算*5 总被引：1，自引：0，他引：1
基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。 相似文献
4.
基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。 相似文献
5.
基于气象-生理的夏玉米作物系数及蒸散估算 总被引：1，自引：1，他引：0
准确估算作物系数对预测作物实际蒸散量和制定精准的灌溉计划至关重要。为反映作物逐日作物系数变化,综合考虑气象和生物因子对作物生长的共同影响,采用五道沟水文实验站大型蒸渗仪夏玉米实测蒸散及气象数据,基于地温及叶面积指数建立了气象-生理双函数乘法模型,并结合梯度下降法对模型进行了精度优化。结果表明,在整个玉米生长期中,作物系数实测值和计算值平均绝对误差为0.12,均方根误差为0.15,相关性为0.91,蒸散量实测值与计算值平均绝对误差为1.0 mm/d,均方根误差为4.5 mm/d,相关性为0.75。该模型计算的全生育期蒸散量准确率(误差在2～3 mm/d以内)相比使用联合国粮农组织(FAO)推荐的作物系数计算所得准确率提高了3倍以上,可更精确用于作物系数及蒸散量计算。 相似文献
6.
基于SIMDualKc模型估算西北旱区冬小麦蒸散量及土壤蒸发量 总被引：1，自引：5，他引：1
为研究西北旱区冬小麦蒸散和土壤蒸发规律,以及土壤蒸发比例与其影响因子的关系,利用2 a冬小麦小区控水试验实测数据,对SIMDual Kc模型进行了参数校正和验证,对比大型称重式蒸渗仪的实测蒸散量值(或水量平衡法计算值)与模型模拟值。用建立的模型模拟精度评价标准对模拟值和实测值的误差进行评价。用经参数校验的模型模拟冬小麦农田土壤蒸发,并与微型蒸渗仪的实测值进行对比。基于通径分析方法研究气象因子(最低气温、最高气温、平均相对湿度、2 m处风速、太阳辐射量)和作物因子(地面覆盖度)与土壤蒸发比例的关系。结果表明,该研究建立的模型模拟精度评价标准能够较为全面地评价模型精度;SIMDual Kc模型可以较好地模拟西北旱区不同灌溉制度下冬小麦蒸散量和土壤蒸发量的变化过程,且在模拟长时段累积值时具有较高精度;拔节-灌浆期是冬小麦的需水关键期,冬小麦全生育期土壤蒸发比例呈现出生长中期生长后期快速生长后期生长初期的规律;灌水仅在短时间内影响土壤蒸发,地面覆盖度是影响土壤蒸发的最主要因子;在实测数据不充足的情况下,可以将地面覆盖度和蒸散量作为输入变量,用该研究确定的土壤蒸发比例与地面覆盖度的回归模型计算土壤蒸发量,该模型在计算不同水分条件下冬小麦农田土壤蒸发量时表现出较高的计算精度,决定系数在0.721~0.902之间,可以作为计算土壤蒸发量的简便方法。研究可为西北旱区冬小麦农田节水和灌溉决策提供理论依据。 相似文献
7.
称重式蒸渗仪测定作物蒸散量（ET）是公认的一种标准测定方法。大型称重式蒸渗仪因单点独立安装而无法进行不同处理的重复试验,小型蒸渗仪则可解决该问题,但目前对于小尺寸蒸渗仪的适用性尚无统一结论。本文利用1m2（SL）、2m2（ML）和4m2（LL）3种不同面积的蒸渗仪在冬小麦（2012年11月21日播种,2013年6月20日收获）和水稻（2013年6月22日移栽,2013年10月28日收获）整个生长季进行连续蒸散量观测,筛选无有效降水日的数据进行对比分析。结果表明：（1）在冬小麦和水稻生长季内,SL（小）蒸渗仪所测蒸散量日内变化均表现出较大的变化幅度,ML（中）蒸渗仪所测蒸散量日内变化趋势均与LL（大）蒸渗仪所测一致,日内变化比较平稳;（2）ML蒸渗仪所测日蒸散量与LL所测结果的相关性最好（P<0.01）;（3）SL蒸渗仪所测水稻日平均蒸散量和蒸散总量与LL接近,所以可将SL蒸渗仪替代LL测定水稻日平均蒸散量和蒸散总量;ML所测冬小麦和水稻的日平均蒸散量及蒸散总量均比LL明显偏小,蒸散总量偏小主要由于拔节后较大的日蒸散量偏差导致。 相似文献
8.
基于根系加权土壤水分有效性的冬小麦水分生产函数 总被引：2，自引：2，他引：0
为了准确评估作物水分亏缺程度及其敏感性动态对作物产量的影响,该研究结合基于根系加权土壤水分有效性的植物水分亏缺指数（Plant Water Deficit Index,PWDI）与基于归一化热单元指数的S型累积水分敏感指数,建立了3种不同形式的作物水分生产函数（Crop Water Production Function,CWPF）,即Blank加法模型（PWDI-B）、Jensen（PWDI-J）和Rao（PWDI-R）乘法模型。通过2 a冬小麦栽培田间蒸渗仪试验（北京昌平）和1 a冬小麦栽培田间滴灌试验（山东黄河三角洲）,优化了土壤水分胁迫修正系数中参数,进而对PWDI估算精度及CWPF产量估算效果进行检验与评价。结果表明：蒸渗仪试验基于根系加权估算的PWDI与实测值吻合良好,决定系数R2为0.78,标准化均方根误差（Normalized Root Mean Squared Error,NRMSE）为0.16;滴灌试验PWDI均值与作物株高（r=?0.95）、生物量及产量（r≤?0.79）均具有较好的相关性,表明根系加权PWDI能较准确地反映不同试验条件下冬小麦的水分亏缺程度及其对作物生长的影响;此外,无论是蒸渗仪试验还是滴灌试验,所建的3个CWPF对冬小麦产量的估算精度均在可接受范围内（R2≥0.78,NRMSE≤0.11）,且PWDI-R估算精度依次高于PWDI-J、PWDI-B、以及线性回归模型（即PWDI均值与产量的线性拟合模型）。因此,根系加权PWDI与S型水分敏感指数累积函数融合可用于合理构建冬小麦水分生产函数,其中PWDI-R乘法模型可优先推荐用于研究区冬小麦产量估算和灌溉制度优化,从而为当地冬小麦田间水分管理提供理论依据。 相似文献
9.
利用常规气象资料模拟计算作物系数的探讨 总被引：15，自引：6，他引：9
利用Ｐｅｎｍａｎ-Ｍｏｎｔｅｉｔｈ公式和ＮＷＳＥ（非水分胁迫条件下作物腾发）模型及中国科学院禹城综合实验站的系列气象资料逐日模拟计算了冬小麦返青～收获期间的作物系数。分析表明：作物系数多年变化具有相对稳定性,当表土含水率为田间持水量的６０％时,ＮＷＳＥ模型模拟计算作物系数多年均值与实验值较一致;同时,作物系数年际间的变化存在一定程度的变异性。ＮＷＳＥ模型计算的作物系数的平均标准差为０.１３,平均变差系数为０.１２。气象因素对作物系数变异性的影响分析表明：太阳净辐射、风速和空气湿度的影响较显著,而气温波动的影响不明显;作物系数随风速增大或相对湿度、净辐射降低而增大。 相似文献
10.
通径分析结合BP神经网络方法估算夏玉米作物系数及蒸散量 总被引：2，自引：2，他引：0
准确估算蒸散量对于精准管理农田水分至关重要。为了解作物系数的动态特征,准确估算作物需水量,使用叶面积指数和气象要素模拟玉米全生育期作物系数及蒸散量。利用2018年五道沟实验站气象和称重式蒸渗仪实测数据,运用通径分析法筛选影响作物系数的关键因子,建立无雨期不同地下水埋深下作物系数模型,以此估算蒸散量。结果表明:1 m埋深下全生育期作物系数平均绝对误差为0.04 mm/d,相关系数为0.94,其中初期、发育期、中期和后期平均绝对误差分别为0.06、0.09、0.05和0.03 mm/d。3 m埋深下全生育期作物系数平均绝对误差为0.08 mm/d,相关系数为0.92,各生育期平均绝对误差分别为0.11、0.10、0.07和0.03 mm/d,利用温度、风速和叶面积指数模拟作物系数精度较高。1 m埋深全生育期ET平均绝对误差为0.72 mm/d,各生育阶段平均绝对误差分别为0.56、059、0.66和0.45 mm/d。3 m埋深全生育期ET平均绝对误差为0.73 mm/d,各生育阶段ET平均绝对误差分别为0.82、0.98、0.68和0.29 mm/d。不同时间尺度下(1、3、5 d)2种埋深ET模拟值与实际值一致性指数均接近1.00,平均绝对误差小于1.0 mm/d,预报准确率达70%。随预报时间尺度的增加,预报精度提高。该方法可用于夏玉米蒸散发量计算。 相似文献
11.
冬小麦是中国重要的粮食作物，开展县级冬小麦产量预测对粮食宏观调控和农业精准化发展具有重要指导意义。该研究从县级产量预测角度出发，结合卷积神经网络（Convolutional Neural Networks，CNN）和反向传播神经网络（Back Propagation Neural Networks，BP）技术提出了冬小麦县级产量预测方法，使用CNN卷积神经网络对Sentinel-2遥感数据进行冬小麦种植区的分析和提取，将得到的种植区分布数据与MODIS EVI数据和耕地分布数据进行了融合，利用BP神经网络对融合后的数据进行产量特征提取和预测并选取均方根误差（Root Mean Square Error，RMSE）、平均绝对误差（Mean Absolute Error，MAE）和样本决定系数（Coefficient of Determination，R2）作为精度指标对试验结果进行分析和评价。结果表明，基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测方法在山东省2014－2016年冬小麦县级产量验证集中R2达到0.87以上，MAE低于269.48 kg/hm2，RMSE低于346.56 kg/hm2，93%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.2%；在河南省2015－2019年冬小麦县级产量验证集中R2达到0.96以上，MAE低于304.84 kg/hm2，RMSE低于418.14 kg/hm2，91%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.6%，方法所构建模型具有良好的预测准确率、鲁棒性和泛化性，可以实现县级尺度下的冬小麦产量预测。 相似文献
12.
为探讨分数阶微分（fractional-order differentiation,FOD）技术联合光谱指数改善高光谱反演冬小麦根域土壤含水率（soil moisture content,SMC）的效果,该研究以冬小麦为研究对象,测取高光谱反射率和土壤含水率数据,将高光谱反射率经Savitzky-Golay(SG)平滑处理后计算典型光谱指数以此构建偏最小二乘回归（partial least squares regression,PLSR）、随机森林（random forest,RF）和BP神经网络（back propagation neural network,BPNN）3种土壤含水率反演模型;将高光谱反射率进行0～2.0阶（步长为0.2）的分数阶微分处理后计算比值指数（ratio index,RI）和归一化指数（normalized difference index,NDI）,分析不同阶的RI、NDI与SMC之间的二维相关性,筛选得出敏感光谱指数并分组,以此构建3种反演模型（PLSR、RF和BPNN）。结果表明：不同典型光谱指数与土壤含水率的相关性存在很大差异,相关系数波动范围在0.... 相似文献
13.
高效、快速、准确获取冬小麦长势信息在农业发展和经营决策中具有重要作用。该研究以冬小麦为对象,开展无人机冬小麦长势监测,获取冬小麦生物量、株高、叶绿素含量和植株含水率数据,基于变异系数法（Coefficient of Variation Method,CV）构建综合长势监测指标（Comprehensive Growth Monitoring Indicators,CGMICV）,通过16种植被指数与CGMICV进行相关性分析,计算植被指数间的方差膨胀因子,筛选最优植被指数作为模型输入变量,采用偏最小二乘（Partial Least Squares Regression,PLSR）、随机森林（Random Forest,RF）、反向传播神经网络（Back Propagation Neural Networks,BPNN）及遗传算法（Genetic Algorithm,GA）优化的BPNN模型建立冬小麦长势反演模型,结合评价指标获得冬小麦最优长势反演模型,最终得到研究区冬小麦长势空间分布信息。研究结果表明：以变异系数法得到的冬小麦CGMICV相关性比单一指标的相关性有不同程度的提高;利用变异系数法结合BPNN得到的冬小麦长势最佳反演模型CGMICV-BPNN,其决定系数R2可达0.71,模型精度较传统赋权法提高了26.79%;采用GA优化后的BPNN模型的不稳定显著下降,其平均相对误差中位数下降了22.22%,决定系数R2也有所提高;研究区内半数以上的冬小麦长势集中于第Ⅲ等级,其所占比例为55.83%,其次集中于第Ⅰ等级,其所占比例为36.08%,研究区冬小麦整体长势较为稳定。研究结果可为冬小麦长势监测及区域作物生产监测提供重要参考。 相似文献
14.
近30年吴桥县冬小麦生育期水分亏缺变化趋势分析 总被引：2，自引：0，他引：2
为了给地处黑龙港地区的河北省吴桥县制定冬小麦稳产灌溉制度提供理论依据,本文利用1981—2013年吴桥县的气象数据和SIMETAW模型,分析了冬小麦全生育期及播种—返青期、返青—拔节期、拔节—开花期、开花—成熟期4个生育阶段的降水量、需水量、耗水强度及水分亏缺指数(CWDI)的变化趋势;同时利用5年滑动平均法将分析年份冬小麦实际产量分为趋势产量和气象产量,计算了不同降雨年型下冬小麦减产率的变异系数。结果表明,近30年河北省吴桥县冬小麦生育时期的水分亏缺指数和需水量均呈现轻微的上升趋势;冬小麦发生干旱的概率为93.75%,其中,中旱和重旱发生概率为65.52%。冬小麦生育时期的平均日降雨量呈现从冬小麦生育中期向后期转移的趋势,日耗水强度表现为从生育后期向生育中期移动的趋势,这是导致返青—拔节期和拔节—开花期水分亏缺指数较大的重要原因。冬小麦减产率的变异系数的绝对值在缺水年最大,为154.241;在丰水年最小,为1.999;正常年份为24.776。因此,冬小麦拔节—开花期的及时灌溉对于保障冬小麦的稳产增产具有重要作用。建议在缺水年份调整冬小麦的水分管理制度,在冬小麦拔节初期一次性充分灌溉或在拔节初期和中后期分次进行少量灌溉。 相似文献
15.
基于GIS的区域作物生长模拟模型 总被引：1，自引：1，他引：0
利用VB程序语言改写SUCROS作物生长模型,将其模块法并改进了水分平衡和作物系数算法。通过试验数据对参数的校验,模型可以较准确模拟主要作物生长变量和预测产量。以GIS与作物生长模拟模块紧密集成的方式,采用ArcGIS Engine控件开发了区域作物模拟模型(RCGM),可用以模拟区域作物生长和产量时空分布。建立空间数据库管理区域作物生长模拟所需空间数据。以河北省栾城县为例,应用RCGM进行县域冬小麦生长模拟和产量预测,模拟产量平均相对误差为12.51%,表明区域模型模拟也有较高准确性。 相似文献
16.
[目的]探究作物生育期需水量的变化趋势及其与气象因子的关系,为气候变化下农作物灌溉排水决策提供理论基础。[方法]基于联合国粮农组织(FAO)推荐的参考作物蒸散计算方法和相关作物系数,利用石河子地区1954—2012年逐日气温、降水、日照时数、风速、相对湿度等资料,计算石河子地区冬小麦近59a作物需水量和灌溉需水量,并探究其气候趋势变化的影响。[结果](1)过去50a,石河子垦区冬小麦需水量总体呈增加趋势,越冬—返青期增势最为明显(气候倾向率为2.65mm/10a);拔节—抽穗期冬小麦需水量最大,为130.23mm。(2)灌溉需水量总体呈减少趋势,其中拔节—抽穗期灌溉需水量最大(平均值为88.65mm)且减少趋势最为明显(气候倾向率为-3.11mm/10a)。(3)气象因子对冬小麦不同生育期的需水量和灌溉需水量有很强的相关性,其中冬小麦生育后期需水量与气象因子有极强的相关性;气象因子中,降水对于灌溉需水量影响最大。[结论]气候变化下,石河子地区冬小麦作物需水量呈增加趋势,但降雨量的增加趋势下,灌溉需水量总体呈减少趋势。 相似文献
17.
基于卫星光谱尺度反射率的冬小麦生物量估算 总被引：1，自引：1，他引：0
为探索基于光学卫星遥感数据的冬小麦地上生物量估算方法,本研究通过3年田间试验,获取冬小麦4个关键生育期（拔节期、抽穗期、开花期和灌浆期）和3种施氮水平下的地上生物量以及对应的近地冠层高光谱反射率数据。通过将高光谱数据重采样为具有红边波段的RapidEye、Sentinel-2和WorldView-2卫星波段反射率数据,构建任意两波段归一化植被指数。同时,将卫星波段反射率数据与6种机器学习和深度学习算法相结合,构建冬小麦生物量估算模型。研究结果表明：任意两波段构建的最佳植被指数在冬小麦开花期对生物量的敏感性最强（决定系数R2为0.50～0.56）。在不同施氮水平条件下,高施氮水平增强了植被指数对生物量的敏感性。Sentinel-2波段数据所构建的植被指数优于其他两颗卫星波段数据。对6种机器学习和深度学习算法,总的来说,基于深度神经网络（Deep Neural Networks,DNN）算法所构建的模型要优于其他算法。在单一生育期中,在拔节期（R2为0.69～0.78,归一化均方根误差为26%～31%）和开花期（R2为0.69～0.70,归一化均方根误差为24%～25%）的估算精度最高。Sentinel-2波段数据与DNN算法结合的估算精度最高,在全生育期中预测精度R2为0.70。施氮水平的提高同样增强了DNN模型的估算精度,3颗卫星波段数据在300 kg/hm2施氮条件下的预测精度R2都在0.71以上,均方根误差小于219 g/m2。研究结果揭示了光学卫星遥感数据在不同生育期和施氮条件下估算冬小麦生物量的潜力。 相似文献
18.
19.
冬小麦物候期对土壤水分胁迫的响应机制与模拟 总被引：3，自引：3，他引：0
作物模型在农业生产管理和决策中发挥着重要作用,而物候期模拟是作物模型正确模拟作物生长发育和产量形成过程的基础。作物模型模拟物候发育的常用算法一般是基于积温的计算,同时也考虑光周期和春化作用的影响,但是水分胁迫对物候发育的次级影响却较少被考虑在内。该研究以连续2季(2013-2014和2014-2015)的遮雨棚下土柱试验和连续3季(2012-2013、2013-2014和2014-2015)的遮雨棚下大田试验数据和前人研究成果为基础提出了冬小麦物候期对水分胁迫的响应机制理论假设,并以土壤相对有效含水率为水分胁迫指标校正冬小麦物候期水分胁迫响应函数。该研究以2014-2015生长季土柱试验各处理试验数据来建立冬小麦物候期水分胁迫响应函数,确定发育加速点A、发育减速点D和发育停止点S所对应的相对有效含水率值分别为0.30、0.10和0。结果发现拔节期和开花期模拟值和观测值之间的均方根误差(root mean square error,RMSE)分别为0.8和1.7 d,绝对相对误差(absolute relative error,ARE)分别低于0.68%和2.09%。然后用2013-2014生长季土柱试验各处理数据进行验证,结果发现拔节期和开花期模拟值和观测值之间的RMSE分别约为0.9和1.1 d,ARE分别在1.37%和1.68%以下。最后再用3年独立大田试验数据对上述修正后的冬小麦物候期算法进行验证,结果发现开花期和成熟期的模拟值与观测值之间的RMSE分别约为2.4和2.0 d,ARE分别低于4.21%和2.67%;与DSSAT-CERES-Wheat模型的模拟结果进行比较,发现修正算法能反映出水分胁迫对冬小麦物候期造成的差异(有提前也有推迟),而DSSAT-CERES-Wheat模型无法体现这种差异,且开花期和成熟期的模拟值与观测值之间的RMSE分别约为4.0和5.5 d,误差最大分别为8和6 d。这表明校正后的冬小麦物候期算法模拟精度得到了较大提高,能在一定程度上描述和量化水分胁迫对冬小麦物候期的影响机制,可用来模拟不同水分胁迫条件下不同品种冬小麦的物候期。 相似文献