共查询到19条相似文献，搜索用时 281 毫秒
1.
全面比较和分析了春玉米全生育期内土壤墒情的时空分布特征。结果表明,土壤墒情数据为非平稳时间序列,具有周期性;降水量是影响土壤墒情的重要环境因素,其影响规律具有较大随机性。以不同土层深度（10、30cm,〖JP2〗分别代表2种墒情变化情况）和春玉米不同生育期（4个）交叉组合的土壤墒情作为模型对象,〖JP〗基于GM(1,1)预测方法构建农田土壤墒情短期预测模型群。预测结果表明该子模型的预测精度均较高,平均相对误差均小于2%,其中以苗期10cm处土壤含水率预测效果最佳。考虑降水量的影响,对模型群中参数u进行优化,使得所建土壤墒情短期预测模型群的预测更为准确有效。 相似文献
2.
土壤墒情是农业生产的重要参数,高效、精确地监测土壤墒情是保证农业生产安全的重要环节。在基于植被指数的土壤墒情监测方法中,如何根据地域和植物生育期的差异,选定最优的植被指数是问题的关键。利用2015年2-6月河南省中东部黄淮海平原冬小麦主产区的实测农田墒情数据和MODIS遥感数据,对归一化植被指数(NDVI)、增强型植被指数(EVI)、植被供水指数(VSWI)、温度植被干旱指数(TVDI)与土壤含水量进行相关性分析,对比不同植被指数对不同深度土壤含水量的响应,并分别建立四种植被指数与土壤墒情的回归模型,进行预测精度分析。结果表明:本研究中,TVDI与土壤墒情的相关性最好,预测精度最高;每一种指数皆与10～20 cm深度土壤墒情相关性最好,预测精度最高。因此,TVDI为最优响应指数,10～20 cm深度土壤为最优响应深度。 相似文献
3.
大区域农田墒情遥感定量监测对当代精准农业应用意义重大,但如何提高监测精度一直是该领域的关键问题.融合多源遥感的方法可以充分发挥各种遥感的优势,是提高监测精度的重要技术手段.以河南省中东部为研究区域,利用MODIS、Sentinel数据,结合实测土壤含水量,根据植被覆盖、地表粗糙度和不同湿度的土壤对后向散射的贡献,利用BP神经网络模型构建上述参数的关系,分别对研究区2016年3-6月冬小麦高植被覆盖时期0～10 cm、0～20 cm深度土壤墒情反演.根据地表粗糙度参数的性质,提出了地表粗糙度不变假设,并结合遗传算法优化BP神经网络方法(GA-BP),进行对比实验.结果显示:①植被茂盛期,后向散射系数(σ)及其差值(?σ)与土壤墒情均具有一定的相关性,VV极化优于VH极化,差值优于原值;②在反演0～10 cm与0～20 cm深度土壤墒情时,BPσ、BP?σ、GA-BP?σ模型得到的结果精度均依次提高,其中GA-BP?σ模型的均方根误差0～10 cm为4.07％,0～20cm为3.42％;③3种BP神经网络模型皆与0～20 cm深度土壤墒情相关性较好,预测精度较高.研究表明:中原地区冬小麦全生育期地表粗糙度不变假设是成立的,后向散射系数差值(?σ)与土壤墒情的相关性更好,0～20 cm的根部墒情的遥测敏感度更高, 相似文献
4.
青岛市自然条件适宜花生生长,常年种植面积150万亩左右,占全市农作物播种面积的14%,年产量55万吨左右。一、花生收获的现状1.花生种植收获的主要农艺特点视土壤墒情,青岛市花生播种时间在五一前后,如果土壤墒情好,一般五一前完成播种;土壤墒情不好的话,每年5月15日前完成播种。青岛市主要以春播花生为主,春播花生采用起垄覆膜双行播种,垄宽75cm～85cm,垄高10cm,垄上种植行距25cm～30cm,花生播种深度 相似文献
5.
棉花膜下滴灌墒情监测点的定位 总被引：1，自引：0，他引：1
结合田间观测,研究了棉花膜下滴灌墒情监测点的定位问题。试验于2009年6月至9月在新疆库尔勒市包头湖农场进行,试验区采取1膜1带4行棉花的种植形式,距滴灌带0、20、45、70 cm处布置4根TDR观测管,采用TDR观测0~100 cm深度土壤剖面水分分布。结果表明,滴头处的监测点与距滴灌带20、45 cm处的土壤含水率垂直分布无显著性差异,与距滴灌带70 cm处的土壤含水率垂直分布有显著性差异。因此,墒情监测点布置于距滴灌带0、20、45 cm处均可,不宜布置在更远处。 相似文献
6.
《灌溉排水学报》2019,(Z2)
【目的】准确获取区域土壤墒情,有效提升农业用水管理水平,支撑现代农业发展。【方法】基于经典统计学和地统计学方法,以土壤最大有效持水率为关键参数,构建土壤墒情监测点的优化布设方法,并以北京市大兴区冬小麦田为例进行验证。【结果】试验区土壤最大有效持水率在土层深度为0～20、20～40、40～60、60～80 cm以及0～40、0～80 cm的均值都表现为中等程度变异;0～40、0～80 cm土层深度的空间区域合理监测数分别为6个和4个,且确定了监测点的位置坐标;优化布设点监测值与全区域61个监测点实测平均土壤墒情相比,误差均在10%以内。【结论】基于最大有效持水率的区域土壤墒情监测点布设方法能够在保证区域土壤墒情监测精度的情况下,大幅减少监测点布设数量。 相似文献
7.
蓄水坑灌条件下果树水分测定探头布设优化研究 总被引：1，自引：0，他引：1
为了在准确把握土壤墒情信息的前提下,简化土壤剖面水分的测量,减少传感器的埋设数量,对蓄水坑灌果园水分测点优化布设进行研究。结果表明:不过坑且距离果树30cm处监测点(b30)的体积含水率和整个试验区10个监测点体积含水率的加权平均值有着显著的相关性,并且两者之间的关系可用线性公式表示,进一步利用相同处理的不同果树的相关数据进行验证,结果表明所建立的线性公式具有较高的预测精度。因此,可以利用b30测点的体积含水率来估算蓄水坑灌条件下整个果树周边土壤的含水率情况。 相似文献
8.
番茄根系层土壤水分变化规律及标定方法研究 总被引：1，自引：1，他引：1
研究了番茄根系层土壤含水率的变化规律及番茄根系在土层的分布状况,从而准确确定根系层耗水最强烈的区域。结果表明,番茄根系层土壤含水率及波动幅度随距植株水平距离的增加而递减。距植株5cm处土壤含水率最小值从苗期的10cm土层下降到开花结果期的20cm土层。苗期一个灌水周期内,距植株15cm处苗期土壤含水率随土层深度的变化随灌水后时间推移趋于平缓,开花结果期10~20cm土层土壤含水率达到最小。苗期和开花结果期,距植株25cm处土壤含水率均表现为10cm以上土层变化较大,10cm以下土层土壤含水率随深度变化不大。苗期到开花结果期,土壤水分低值区域范围水平方向扩大,竖直方向扩大并下移。苗期可用距植株5cm处0~10cm土层含水率,开花结果期可用距植株5cm处0~30cm土层含水率计算作物蒸腾量。 相似文献
9.
不同灌水量对南疆棉花墒情及长势的影响研究 总被引：2，自引：0，他引：2
通过棉花膜下滴灌大田试验,研究了不同灌水量情况下作物长势与产量影响及土壤墒情变化与分布规律的影响。试验共设了3 300、3 000、2 700、2 400m3/hm2等不同灌溉定额的处理,在各处理试验小区内装土壤墒情传感,并其传感器探头埋在地下10、20、40cm处实时监测不同层面土壤含水量和温度变化,以及同时在相应处取土样采用烘干法测土壤含水率和田间持水量。结果表明:3 300、3 000m3/hm2灌溉定额下,作物长势、土壤含水率和温度变化规律比较好,并与产量的相关性显著最佳状态,灌溉定额对土壤水分与温度灌水前后和灌水周期内变化的影响有明显显著。 相似文献
10.
基于无人机多光谱遥感的土壤含水率反演研究 总被引：6，自引：0，他引：6
为研究无人机多光谱遥感技术对裸土土壤含水率的大范围快速测定和最佳监测深度的确定,以杨凌地区粘壤土为试验材料,分别配制成2种不同深度(5 cm和10 cm)、含水率为3%~30%的土壤样本。用无人机搭载多光谱相机对土样连续监测3 d,监测时刻均为15:00。采集6个波段(490、550、680、720、800、900 nm)处的土壤光谱反射率,同时对2种不同深度的土壤样本表层(约1 cm)含水率和整体含水率进行测定。分别采用偏最小二乘回归法、逐步回归法和岭回归法,建立不同波段光谱反射率因素反演土壤含水率的回归模型,并分析其定量关系。试验结果表明,逐步回归预测精度最佳,决定系数(R2)分别为0.775、0.764、0.798、0.694,而预测均方根误差(RMSE)分别为0.028、0.042、0.037、0.038;其次为岭回归法;偏最小二乘法的预测精度最低。综合比较得最佳回归方法为逐步回归法,最佳监测深度为土壤表层(约1 cm),其次为5 cm深度,最后为10 cm深度。 相似文献
11.
12.
不同深度秸秆覆盖对滴灌棉田土壤水盐运移的影响 总被引：2，自引：1，他引：2
为探索滴灌条件下秸秆覆盖对棉田土壤水盐运动的影响,设置表层覆盖、地表下30cm覆盖和无覆盖3种处理,进行对比试验研究,结果表明,秸秆覆盖通过对土壤水分的影响间接影响了土壤盐分的运移和分布。在30cm处覆盖秸秆主要对30cm以上土壤的水分和盐分产生影响,对35cm以下的影响和表层覆盖比较接近。采用秸秆覆盖对土壤水分和盐分水平方向的运移具有一定影响,无覆盖在前期、中期和后期土壤表层盐分均最高。30cm处覆盖秸秆阻碍了35cm以下土壤毛管水的上升,从而阻止了盐分的上升。采用秸秆覆盖后,特别是在30cm深度采用秸秆覆盖,对于调控土壤水、盐变化,抑制土壤盐分上移具有积极作用。 相似文献
13.
《Agricultural Water Management》1999,41(2):91-113
Using the neutron scattering technique, with separate calibration for each measuring depth and temperature corrections, an over-sampling experiment with a worst case analysis was conducted in tenant irrigated fields under arid conditions. The purpose was to better understand actual on-farm soil moisture distribution as well as to determine minimum sampling density requirements for water use efficiency calculations in the heavy cracking clay soils of the Gezira irrigation scheme, central Sudan, under inhomogeneous watering conditions. Results show that actual soil moisture inhomogeneities can seriously distort the moisture distribution and water use pictures if the sampling density is too low. In a 2.1 ha end field under Gezira conditions 20 equally spaced neutron probe samples had to be collected from the 30 cm soil depth if the total experimental errors were to be kept within 12.5% of the average moisture content being measured. Sampling density requirements increased to 24, 28 and 33 samples for worst case error limits of 10%, 7.5% and 5% at 30 cm depth. At the agronomically more important lower depths, at or below 70 cm, less than 10 samples only could be afforded with an error of 10% at 70 cm, of 15% at 50 cm and of 20% at 30 cm, the errors typically becoming smaller at larger depths throughout. Credible soil water averages were obtained with this sampling. Field moisture patterns were well recognized when averaging several days of measurements. 相似文献
14.
商丘农田土壤水分测定探头埋设位置研究 总被引：1，自引：0，他引：1
利用在商丘野外生态试验站定点埋设的SWR-2型土壤水分测定探头采集的数据,通过主成分分析和因子分析,对玉米试验区不同土层深度土壤水分试验数据进行了相关分析和检验,研究了农田中不同深度层土壤水分的相互关系,结果表明,地表下30 cm土层与20 cm、40 cm、50 cm处土壤体积含水率线性相关;主要根系区70 cm土层与60 cm、80 cm9、0 cm处土壤体积含水率线性相关;130 cm、140 cm、150 cm土层之间同样存在着线性相关,初步得出本地区土壤水分测定探头合适埋设位置是地表下10 cm、30 cm7、0 cm1、00 cm、140 cm 5个深度。 相似文献
15.
16.
针对甘蔗收获机入土切割系统负载压力的预测适应性差、准确性低的问题,通过正交试验探究在不同土壤类型下切割系统的负载压力与入土切割深度、土壤含水率、甘蔗密度及土壤硬度等因素之间的关系并对各影响因素的显著性进行排序;根据试验结果搭建基于BP神经网络的负载切割压力的预测模型并进行验证。试验及验证结果表明:各土壤中入土深度、土壤含水率、甘蔗密度对切割系统负载压力影响显著,红壤的土壤硬度影响显著,而冲积壤的入土深度与土壤含水率交互作用影响较大;预测验证得出黄壤、红壤、冲击壤的平均相对误差分别为1.81%、3.46%、3.79%。研究成果可为提高甘蔗收获机入土切割负载压力预测控制系统的适应性、可靠性提供数据支持和理论依据,对其实际应用具有一定参考价值。 相似文献
17.
为了揭示电磁波信号在农田土壤中的传输特性、科学部署传感器节点,以关中地区农田土壤为研究对象,采用模块化设计思想,将传感器、无线数传、处理器和能量供应等模块集于一体,设计了无线地下传感器网络（Wireless underground sensor networks,WUSN）节点和汇聚节点。采用单因素试验方法,分析了土壤含水率、WUSN节点埋深、节点间水平距离对WUSN节点信号传输的影响,建立了接收信号强度和误码率预测模型。结果表明,当WUSN节点信号在地下垂直方向上传输时,土壤含水率增加2.5个百分点,接收信号强度降低4~6dBm,通信误码率增加3~5个百分点;WUSN节点埋深增加5cm,接收信号强度降低3~5dBm,通信误码率增加3~4.5个百分点。当WUSN节点信号在地下水平方向上传输时,土壤含水率增加2.5个百分点,接收信号强度降低5~7dBm,通信误码率增加4~5个百分点;节点间水平距离在10~90cm范围内,节点间水平距离增加10cm,接收信号强度降低6~8dBm,通信误码率增加6.5~8个百分点;节点间水平距离在90~190cm范围内,节点间水平距离增加10cm,接收信号强度降低约1dBm,通信误码率增加1~1.5个百分点WUSN节点信号在垂直、水平两种传输方向上误码率和接收信号强度预测模型拟合优度R2最高为0.982,均方根误差RMSE为1.7%,拟合优度R2最低为0.942,均方根误差RMSE为5.136dBm。WUSN节点信号在土壤中传输受到土壤含水率、WUSN节点埋深和节点间水平距离的严重影响。 相似文献
18.
基于IBAS-BP算法的冬小麦根系土壤含水率预测模型 总被引：1，自引：0，他引：1
为在节水灌溉系统中精确测量和预测根系土壤含水率,将传统天牛须算法每次迭代过程中的一只天牛改进为一个天牛种群,建立了基于改进天牛须搜索算法优化的IBAS BP预测模型,并利用实测浅层土壤含水率数据,对深度50 cm冬小麦根系土壤含水率进行预测。结果表明,与PSO BP预测模型、GA BP预测模型以及原始BAS BP模型相比,IBAS BP模型可准确预测冬小麦根系土壤含水率,有效避免了网络陷入局部极小值的可能性,且相对误差均值仅为0.0045。 相似文献