共查询到19条相似文献，搜索用时 281 毫秒
1.
用分时段修正双源模型估算南京地区冬小麦生育期蒸散量 总被引：4，自引：2，他引：2
冬小麦是南京地区重要的粮食作物,模拟冬小麦蒸散量(evapotranspiration,ET)并研究其对气象因素的响应可为冬小麦田间水分管理提供参考。该文基于大型称重式蒸渗仪实际测定值分析了冬小麦ET变化规律,分别采用单源模型(Penman-Monteith,PM)和双源模型(Shuttleworth-Wallace,SW)模拟不同时期冬小麦ET,并探讨分时段修正SW模型的模拟方法,在此基础上,分析了ET对气象因素的响应。结果表明,生育初期,冬小麦的ET逐步增加,进入越冬期则逐步降低并保持在较低水平。返青期和拔节期ET迅速增加,开花和成熟期又保持稳定。2011-2012和2013-2014年分时段采用SW模型估算整个生育期冬小麦的蒸散量比整个生育期采用单一估算模型能够减小模拟平均绝对误差0.01~0.04 mm/h。小麦乳熟成熟期采用最小气孔阻力150 s/m计算的修正SW模型可以比整个生育期用单一最小气孔阻力的SW模型降低冬小麦蒸发蒸腾量的估算平均绝对误差0.03~0.13 mm/h。冬小麦蒸发蒸腾量与气象因素密切相关,与净辐射、空气温度和饱和水汽压差等环境因素决定系数顺序为净辐射饱和水汽压差空气温度风速。这表明南京地区冬小麦蒸发蒸腾量主要决定因素为净辐射。该研究能够为冬小麦蒸散量的模拟方法以及田间水分管理提供参考。 相似文献
2.
松嫩平原不同地表覆盖蒸散特征的遥感研究 总被引：7，自引：4，他引：3
为了准确估算松嫩平原不同地表覆盖的蒸散量,以MODIS产品及实测气象资料为数据源,通过SEBAL模型估算了松嫩平原2008年生长季（5－9月）的蒸散量,并利用涡动相关数据验证估算结果,发现估算值与实测值的变化趋势相吻合,整个生长季蒸散量的相对误差为18.26%,基本可以满足区域蒸散研究需求。通过探讨松嫩平原蒸散量的时空格局,发现2008年生长季蒸散量为183～1 003 mm,具有从西南部向东部、东北部逐渐增加的变化趋势,水体、林地、湿地的平均蒸散量最高,耕地、居工地次之,草地最低。最后,将蒸散量与降水量进行对比,分析了2008年生长季水分亏缺状态,发现松嫩平原平均水分亏缺量为195.96 mm,97%以上区域的蒸散量大于降水量,蒸散过程中很大程度上还需依靠地下水、径流来弥补降水量不足,生长季蒸散强烈,而降水量相对不足,对松嫩平原生态环境的稳定发展造成了重大影响及压力。 相似文献
3.
基于MODIS产品和SEBAL模型的三江平原日蒸散量估算 总被引：4，自引：0，他引：4
在SEBAL模型的基础上,集成MODIS产品和气象数据进行了三江平原的日蒸散量估算,然后以2005年6月22日的蒸散量估算结果为例,在ArcGIS空间分析模块的支持下对不同土地覆盖类型的日蒸散量进行统计分析。结果表明:遥感估算的蒸散量与利用涡度相关系统实测的蒸散量的相对误差较小且相关性较好,平均相对误差为11.2%;不同土地利用类型的日蒸散量间差别显著。水体和林地的蒸散量较大,平均蒸散量分别为8.2mm和6.5mm;湿地和水田次之,平均分别为5.2mm和4.8mm;旱田的蒸散量最低,平均仅为3.7mm,基本符合蒸散规律。 相似文献
4.
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
5.
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
6.
夏季黑河中游绿洲样带蒸散量遥感估算 总被引：5，自引：3，他引：2
黑河中游绿洲集中了全流域95%的耕地,利用了全流域68%的水资源,绿洲农田蒸散是水资源的主要支出项。为了解绿洲生态系统不同景观单元的耗水规律,高效管理区域水资源,该文利用2011年6-8月的7期Landsat TM影像,结合地面气象、物候数据和土地覆盖类型,基于SEBAL-METRIC模型估算了夏季黑河中游样带尺度不同土地覆盖类型蒸散量,并利用涡度观测数据对卫星过境日模型估算的蒸散量进行验证,发现遥感估算值与实测值具有较好的一致性。结果表明:由于土地覆盖类型和灌溉的差异,黑河中游样带尺度内蒸散量空间变化较大,6-8月农田平均总蒸散量是340 mm,林地是328 mm,草地的平均值是214 mm,荒漠区只有97 mm;夏季不同土地覆盖类型蒸散量均保持在较高水平,农田日蒸散量在6月底达到最大值,荒漠日蒸散量于7月中旬达到最大值,草地6月和7月平均日蒸散值较8月大,林地蒸散量月际变化较小。另外,荒漠与绿洲土壤类型差异较大,在荒漠区与绿洲区分别选取"热点"可有效提高模型估算精度。研究对于干旱半干旱区域水资源利用与管理有参考价值。 相似文献
7.
2000年10月～2001年7月在西北农林科技大学灌溉实验站冬小麦田内,进行了利用作物冠层温度定量估算冬小麦田土壤含水量的试验研究。根据水分亏缺条件下作物蒸发蒸腾量计算公式及作物水分胁迫指标(CWSI)的定义,得到了基于CWSI和土壤水分修正系数Ks的不同生育阶段冬小麦田土壤含水量估算公式,其中Ks采用了康绍忠的幂函数形式(KM)及Dooreboos的线性公式(DM)。用该公式对冬小麦田土壤含水量在4个生育阶段进行了估算,并对估算值和实测值进行对比和误差分析。分析结果表明:在出苗越冬期和越冬返青期KM和DM模型对土壤水分的估算偏高,其原因是由于麦田土地裸露导致CWSI观测中出现了较大误差;在返青抽穗开花期和灌浆成熟期KM模型估算冬小麦根层土壤含水量较适宜,误差在15%以内,DM模型误差较大达到30%。 相似文献
8.
利用遥感反演干旱区大面积区域的蒸散量,对于该区域水资源的有效利用具有重要的指导意义.以鄂尔多斯高原皇甫川流域为研究区,利用遥感方法对1996年、2003年和2007年3期影像数据进行处理,基于地表能量平衡原理,结合同期气象资料,估算出流域日蒸散量,发现反演得到的日蒸散量分布与地表状况比较吻合,植被覆盖区日蒸散量较裸地区的日蒸散量大,植被密集的地方蒸散值较大,且明显高于植被稀疏的地区,阳坡的蒸散量明显高于阴坡,日蒸散量最大的对应于水体,最小的为裸地.运用实测数据和FAO推荐式进行了局部验证,证明该遥感方法具有一定的适用性.并对反演的3期蒸散量结果进行了对比分析,发现从1996年到2003年和2007年,8月份流域日蒸散量呈逐年递减的趋势. 相似文献
9.
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
10.
基于植被遥感信息的作物蒸散量估算模型--以华北平原冬小麦为例 总被引：5，自引：2，他引：3
本文基于作物系数法并结合植被遥感信息(MODIS/NDVI),提出一种能反映作物空间分布和土壤供水差异信息的作物蒸散量估算模型。利用该模型得到2000—2013年华北平原冬小麦的蒸散量,模拟结果与遥感蒸散产品吻合度较高(R2=0.952,RMSE=1.3×107 m3),并分析了冬小麦蒸散量和灌溉耗水量的时空变化。结果表明:1华北平原冬小麦蒸散量呈南高北低的格局。基于250 m空间分辨率上来看,山东省、河南省的黄河灌区以及太行山前平原的冬小麦蒸散量可达400 mm以上,中部平原区冬小麦蒸散量350 mm,滨海一带蒸散量200 mm。2冬小麦灌溉耗水量与其蒸散量格局相一致。在太行山前平原、河南省和山东省的引黄灌区,灌溉耗水量可达250 mm以上;河北平原北部由于冬小麦种植比例较低,灌溉耗水量100 mm。3近14年河北平原北部冬小麦播种面积下降明显,区域灌溉耗水量减少,地下水位下降趋势得到明显缓解。本文提出的作物蒸散量估算模型能够较好地用于确定较大区域作物蒸散耗水量,并可应用于区域作物灌溉量的评估与管理中。 相似文献
11.
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
12.
基于Dualex氮平衡指数测量仪的作物叶绿素含量估算模型 总被引：1，自引：1，他引：1
作物叶绿素含量的实时、无损及快速的监测,对及时掌握作物的胁迫状况、营养水平及环境适应性,进而对农田管理进行科学指导具有重要的意义。该研究论证是否可以通过Dualex氮平衡指数测量仪构建通用的叶绿素含量估算模型,以期实现叶绿素含量的快速及无损监测和估算。结果表明：1）Dualex估测叶绿素质量分数（Chl-M）和单位面积的叶绿素质量（Chl-S）具有较好的精度（决定系数R2分别为0.77和0.88）,与SPAD叶绿素仪的估算模型（R2分别为0.66和0.79）相比,模型精度更高;2）Dualex估测Chl-S的精度明显高于Dualex对Chl-M的估测精度,Dualex与Chl-M的关系需要考虑叶片厚度的影响,而Dualex与Chl-S的线性关系更加一致;3）构建的Chl-S通用模型的R2,均方根误差和标准均方根误差分别为0.88,4.80 mg/dm2和8.33%,模型的精度较高,并且通用模型的数据范围为12.2～105.6 mg/dm2,较大的数据范围适用于冬小麦和玉米各关键生育期Chl-S的估算。该研究为Dualex实现冬小麦和玉米叶绿素含量监测和估算提供校准模型,为及时了解作物养分状况及作物营养诊断提供了参考。 相似文献
13.
农田蒸散(ET)及其组分的模拟是精准灌溉及准确估算生产力的基础。基于2013-2015年的涡度相关通量观测及辅助观测资料,利用Shuttleworth-Wallace模型(S-W模型)对盘锦水稻的蒸散及其组分进行模拟,并利用结构方程模型分析土壤蒸发占蒸散比例(ES/ET)的控制机制。结果表明:(1)S-W模型模拟蒸散值在生长季前期偏低,在生长旺季总体偏高;而在生长季后期与观测蒸散基本吻合。(2)就季节变化过程而言,水稻蒸散模拟值呈现明显的日间波动(0.5~10.4mm·d-1),但季节总体变化趋势不明显;蒸腾(TR)则先增大后降低,变化范围为0.1~8.4mm·d-1;土壤蒸发(ES)呈U型曲线,变化范围为0.1~4.7mm·d-1。(3)模拟水稻蒸散3a均值为892mm。在年尺度上,TR与ES各占ET的50%;但在生长季,TR是ET的主要消耗方式:在移栽分蘖期,水稻的植物蒸腾与土壤蒸发较接近,而在其它各生育期及全生育期,水稻的植物蒸腾均达土壤蒸发的2倍以上。(4)结构方程模型分析结果表明,气温是ES/ET最重要的影响因子,ES/ET随气温上升而下降(总影响系数为-0.82)。气温不仅对ES/ET有显著的直接影响(直接影响系数为-0.50),还通过叶面积指数(LAI)对ES/ET产生显著的间接影响(间接影响系数为-0.32)。除气温外,LAI和风速也是ES/ET的重要影响因子,ES/ET随LAI增大而下降(总影响系数为-0.39),随风速增大而增大(总影响系数为0.38)。 相似文献
14.
基于赤池信息准则的冬小麦植株氮含量高光谱估算 总被引：4，自引：2，他引：2
为了快速、准确地测定冬小麦植株氮含量,利用2014?2015年的冬小麦冠层反射光谱数据构建了16种氮素或叶绿素敏感光谱指数,基于变量投影重要性(variable importance projection,VIP)-偏最小二乘(partial least squares,PLS)-赤池信息准则(Akaike’s information criterion,AIC)整合模型构建了不同生育期植株氮含量最佳回归模型,并用2012?2013年挑旗期数据对模型进行了验证。结果表明:在AIC下,拔节期以4个植被指数为自变量的模型最优;挑旗期以5个植被指数为自变量的模型最优;开花期以4个植被指数为自变量的模型最优;灌浆期以6个植被指数为自变量的模型最优。4个生育期建模的决定系数(R2)和均方根误差(RMSE)分别为0.71、0.86、0.75、0.46和0.23%、0.13%、0.12%、0.15%,以挑旗期决定系数为最大。挑旗期验证集的R2和RMSE分别为0.81和0.41%,预测模型和验证模型均具有较高的估算精度和可靠性,研究结果为选择小麦合适的生育期估算小麦植株氮营养状况提供参考。 相似文献
15.
川中丘陵区紫色土冬小麦/夏玉米轮作氨挥发研究 总被引：4，自引：3，他引：4
大气中过量的氨会造成诸多环境问题并危害人类健康。我国农田氮肥施用后的氨挥发是一个重要的氨排放源。紫色土的土壤性质以及该区的气候条件导致其氨挥发潜力较大。与其他集约化农作区相比,该区农田氨挥发研究相对较少。本文探讨了川中丘陵区紫色土冬小麦/夏玉米轮作体系氨挥发情况,为开展陆地生态系统大气碳氮气体交换研究提供基础数据,同时也为氨排放清单的编制及农田氨减排措施研究提供依据。选取川中紫色土丘陵区典型的坡耕地作为研究对象,采用风洞法研究了紫色土冬小麦/夏玉米轮作体系的氨挥发动态过程。每次试验设置1个施肥处理,3次重复。风速、风向、大气温湿度、土壤温湿度等气象数据由试验田微型气象站获取。每隔2~3 d采集土壤样品用以测定土壤NH4+-N含量。两年的田间试验结果表明,受氮肥深施及低温的影响,冬小麦季氨挥发损失率明显低于夏玉米季;2013年和2014年冬小麦季氨挥发损失率分别为7.4%和8.8%;2013年夏玉米季三叶期氮肥撒施的氨挥发速率为34.1%;2014年夏玉米季三叶期氮肥条施覆土降低了氨挥发损失,损失率为21.4%;2014年夏玉米季十叶期出现极端干旱的气候条件,撒施氮肥后立即灌水使氨挥发损失率高达46.6%,这是由于干旱条件下施肥灌水提供了利于氨挥发的土壤水分条件。因此在极端干旱的气候条件下,应避免采用此施肥方式。综合分析两年的数据可得:紫色土冬小麦季氨挥发损失占施氮量的(8.1±1.0)%,夏玉米氨挥发损失占施氮量的(32.8±1.8)%。 相似文献
16.
基于SIMDualKc模型估算非充分灌水条件下温室番茄蒸发蒸腾量 总被引：1，自引：3，他引：1
为了探讨SIMDual Kc模型在西北地区温室环境不同水分处理的适用性,以番茄为材料,于2013-2015年在陕西省杨凌区温室内进行亏水处理试验,设置全生育期充分灌水处理、仅发育期亏水50%处理、发育期中期连续亏水50%和全部亏水50%共4种水分处理,通过2013-2014年试验数据对SIMDual Kc模型进行率定,采用2014-2015年试验数据对模型进行验证,并通过模型将土壤蒸发量和番茄蒸腾量分开,利用模拟结果分析不同水分处理对土壤蒸发量和番茄蒸腾量的影响。结果表明:模型模拟不同水分处理蒸发蒸腾量与实测值有较好的一致性,其绝对误差为0.22~0.33 mm/d,均方根误差为0.26~0.48 mm/d、决定系数为0.51~0.81。该模型可以准确的将不同水分处理土壤蒸发量和作物蒸腾量分开,且土壤蒸发量模拟值与实测值有较好的一致性,其绝对误差为0.016~0.024 mm/d,均方根误差为0.013~0.034 mm/d和决定系数为0.63~0.84;通过模拟得到的番茄蒸腾量计算不同水分处理的水分亏缺系数,研究表明水分亏缺系数随亏水时间的增加而降低,复水后水分亏缺系数有不同程度的增加,且发育期、中期和后期连续亏水50%时,后期时水分亏缺系数降到最低,为0.63。因此该模型在西北地区温室环境下非充分灌溉条件下有一定的适用性。除此之外,研究通过模拟结果分析非充分灌水下番茄的响应及复水后的补偿机制,为非充分灌水条件下番茄栽培提供理论依据。 相似文献
17.
不同水分胁迫条件下DSSAT-CERES-Wheat模型的调参与验证 总被引：5，自引：9，他引：5
作物模型为人们认识旱区农业生境过程并对其进行调控提供了一种有效的工具。为了探讨小麦生长模拟模型DSSAT-CERES-Wheat能否准确模拟水分胁迫条件下旱区冬小麦的生长发育和产量形成过程,同时确定参数估计和模型验证的最优方案,该研究进行了连续两季(2012.10-2013.06和2013.10-2014.06)的冬小麦分段受旱田间试验。试验将冬小麦整个生育期划分为越冬、返青、拔节、抽穗和灌浆5个主要生长阶段,每相邻两个生长阶段连续受旱,形成4个不同的受旱时段水平(D1-D4),根据小麦生育期的需水量,设置灌水定额分别为40和80 mm 2个水平(I1和I2),共形成8个处理,每处理3次重复,在遮雨棚内采用裂区试验布置,此外在旁边设置1个各生育期全灌水的对照处理。文中设置了5套不同的参数估计和验证方案,利用DSSAT-GLUE参数估计模块得到不同的参数估计结果。通过对比分析冬小麦物候期、单粒质量、生物量、产量、以及土壤水分含量的模拟值和实测值之间的差异,以确定利用DSSAT-CERES-Wheat模型模拟旱区冬小麦生境过程的精度。结果表明,参数P1V(最适温度条件下通过春化阶段所需天数)和G3(成熟期非水分胁迫下单株茎穂标准干质量)具有较强的变异性,变异系数分别为19.07%和16.34%,受基因型-环境互作的影响较大,而其他参数的变异性则较弱,变异系数均小于10%;DSSAT-GLUE参数估计工具具有较好的收敛性,不同参数估计方案所得的参数值具有一定的一致性;不同的参数估计方案所得的模型输出结果有较大差异,其中参数估计方案1(利用两季试验中的充分灌溉处理CK数据进行参数估计,其他不同阶段受旱处理数据进行验证)的模型校正和验证精度最高,其中模型校正的绝对相对误差(absolute relative error,ARE)和相对均方根误差(relative root mean squared error,RRMSE)分别为4.89%和5.18%。在冬小麦抽穗期和灌浆期受旱时,DSSAT-CERES-Wheat模型可以较好地模拟小麦的生长发育过程以及土壤水分的动态变化,但是在越冬期和返青期受旱时,模拟结果相对较差,并且随着受旱时段提前和受旱程度的加重,模拟精度将变得更低。此外,该模型无法模拟由不同水分胁迫造成的冬小麦物候期差异,需要对模型进行相应的改进。交叉验证表明DSSAT-CERES-Wheat模型模拟该研究中不同水分胁迫条件下冬小麦生长和产量的总体性误差在15%~18%左右。总之,DSSAT-CERES-Wheat模型在模拟旱区冬小麦生境过程时存在着一定的局限性,若要更广泛地将该模型应用在中国干旱半干旱地区的冬小麦生产管理和研究,有必要对冬小麦营养生长阶段前期的水分胁迫响应机制和模拟方法进行进一步的深入研究。 相似文献
18.
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
19.
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