排序方式: 共有61条查询结果,搜索用时 703 毫秒
11.
[目的]研究喷灌模式下冬小麦耗水规律及喷灌水量与产量的关系。[方法]在冬小麦不同时期喷灌,探讨喷灌条件下冬小麦的分蘖动态及日耗水量、水分生产率的变化。[结果]各处理返青期到收割期的土壤水分变化最大,各处理拔节期后的土壤水分差异较大。各处理冬小麦的日耗水量在拔节期到灌浆期达到最大值,为4.25mm。各处理的冬小麦分蘖大体上都呈"几"字形变化,并验证了小麦分蘖动态与产量的关系。拔节-抽穗和抽穗-扬花期为冬小麦的需水关键期,此时多灌10mm水可提高产量400kg/hm2。产量最高处理的水分生产率为1.98kg/m3,不是最高但最经济。[结论]喷灌条件下需水关键期灌水和灌水量是影响冬小麦产量的主要原因。灌水量相同时拔节-抽穗期灌水更能提高小麦产量和水分利用效率。 相似文献
12.
新型抗堵塞地下灌溉系统技术方案 总被引:1,自引:0,他引:1
地下灌溉(渗灌)不仅在机理上、技术上、经济上,而且在生态环境、水资源保护上都被认为是最有发展前途的节水灌溉技术。但由于堵塞问题没有解决,限制了该技术的推广应用。本文根据地下灌溉的特点,提出了通过采用单片机、变频调速技术,以动态恒压的方式控制地下灌溉系统运行压力、在预选根据土壤渗透特性设定的不产生负压的时间-压力波形上运行,清洗脉冲与割纵缝塑料管灌水器弹性出水口相配合,管道末端设置排污冲洗阀,自动完成灌溉和整个系统的清洗过程的抗堵塞地下灌溉系统技术方案。构思新颖,可供有关人员参考。 相似文献
13.
14.
15.
16.
区域地下水系统是一个受多种因素影响的复杂的非线性动态系统,应用遗忘因子的递归最小二乘(RLS)算法进行训练,采用通过减少网络节点间的连接权值,进而裁减冗余节点来选择适宜的网络拓扑结构,建立了非线性自回归滑动平均神经网络(NNARMAX)模型,地下水位预报结果表明:通过对网络结构的优化达到了自动确定非线性自回归模型阶数和影响因素的选择,能有效地表示区域地下水动态系统内部及其外部诸多影响因素间的不确定关系,是预测区域地下水动态变化较为有效的方法之一。 相似文献
17.
18.
为探索滴灌条件下棉花优质高效灌溉指标,在新疆石河子研究了地下滴灌(SSDI)和膜下滴灌(SDI)条件下不同灌水控制下限对棉花耗水量、品质以及水分利用率的影响.结果表明,相同滴灌模式,棉花蕾期耗水量随灌水控制下限的提高而增加,花铃期水分胁迫处理的棉花阶段耗水量普遍低于对照处理;蕾期适度水分胁迫(灌水控制下限为60% FC)花铃期充分供水(灌水控制下限为75% FC)处理(SDI-7和SSDI-7)有利于籽棉产量的提高,与对照处理相比,籽棉产量提高了14.48%(SDI-7)和11.60%(SSDI-7);水分处理对棉花衣分、棉纤维整齐度的影响不明显,蕾期和花铃期水分胁迫对棉纤维上半部平均长度的影响随水分胁迫程度的加重而加剧,蕾期适度水分胁迫(灌水控制下限为60% FC)有利于棉纤维断裂比强度的提高.相同水分处理,地下滴灌棉花产量和灌溉水利用率均高于膜下滴灌棉花.与对照处理相比,蕾期和花铃期灌水控制下限分别为60% FC和75% FC,灌水定额为30 mm处理在节约灌溉水的同时提高了籽棉产量并改善了棉纤维品质,可作为石河子垦区滴灌棉花适宜的灌水指标. 相似文献
19.
20.
基于高光谱遥感的冬小麦叶水势估算模型 总被引:2,自引:0,他引:2
【目的】采用高光谱技术,建立快速、无损与准确获取冬小麦叶水势的估算模型,为小麦灌溉的精确管理提供科学依据。【方法】利用不同水分处理的大田试验,于小麦主要生育期同步测定冠层光谱反射率、叶水势、土壤水分等信息,并探讨高光谱植被指数与冬小麦叶水势之间的定量关系。通过相关性分析、回归分析等方法,基于不同水分处理,构建4种植被指数与冬小麦叶水势的估算模型。【结果】不同水分处理和不同生育期的冬小麦,其冠层光谱反射率具有显著的变化特征。在可见光波段,冬小麦冠层反射率随着水分含量的增加而逐渐降低,而在近红外波段,其冠层反射率则随着土壤水分含量的增加而升高。随着小麦生育期的推进,在近红外波段,抽穗期的冠层反射率比拔节期的高,在灌浆期之后,红波段(670 nm)、蓝波段(450 nm)的反射率上升加快;4种植被指数与叶水势显著相关(P0.05),相关系数|r|均在0.711以上,四者均可用于冬小麦叶片水势的定量监测。在充分供水条件下(70%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.75和0.771)均低于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.808和0.896),而在重度水分亏缺条件下(50%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.857和0.853)均高于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.711和0.792);所建模型对45个未知样的预测结果与实测值相似度较高,其回归模型R~2、验证模型MRE、RMSE的范围分别为0.616—0.922、-17.50%—-12.52%、0.102—0.133。在70%FC水分处理下,基于EVI2(enhanced vegetation index)所得叶水势估算模型的R~2最高,为0.922,而在60%FC和50%FC水分处理下,由于考虑了土壤背景的影响,基于OSAVI所建模型的R~2最高,分别为0.922和0.856。【结论】4种植被指数均可用于冬小麦叶水势的定量监测。但是,在构建不同水分处理的叶水势估算模型时,应考虑土壤背景对冠层光谱的影响。研究结果可以为小麦精准灌溉管理提供技术依据,为星载数据的参数反演提供模型支持。 相似文献