排序方式： 共有4条查询结果，搜索用时 218 毫秒
1
1.
研究了2014-10—2015-06生长季内6个不同熟性冬小麦品种全生育期内叶片形状系数的变化规律,将小麦生育期划分为出苗、返青、拔节、抽穗、开花、成熟等6个不同生长阶段,依次采样计算各个阶段的α均值,同时考虑α值在单个植株不同叶片之间的差异,以及不同冬小麦品种之间的差异。结果表明:α值总体在0.59到0.71之间,随冬小麦生育期的变化而变化,自苗期到开花期波动增大,开花后缓慢下降;在单个植株之内,α值变异性较大,开花期最为稳定,开花后变异性增加;不同熟性冬小麦品种之间,α值在拔节、抽穗和开花期表现出显著差异,而在出苗、返青和成熟期,差异不显著。因此,建议最好在不同的作物生长阶段采用不同的叶片性状系数,以提高叶面积模拟和预测精度。对全生育期3种熟性6个冬小麦品种的1 485个叶片的面积和长宽乘积进行线性回归分析,可知总体的冬小麦叶片形状系数值约为0.66。以叶面积模型LA=0.66×L×W来估算冬小麦叶片面积,其总体的相对均方根误差(RRMSE)约为4.40%,绝对相对误差(absolute relative error,ARE)约为13.05%,在5种不同叶面积估算模型中精度最高,因此推荐该模型用于估算田间小麦叶片面积。 相似文献
2.
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
3.
【目的】叶片形状系数(α)为测量作物的叶面积和叶面积指数提供了简单快捷的方法。然而,以往研究表明对作物叶片形状系数的选取存在很大的随意性,缺乏统一标准,且通常将其视为常数,不考虑它的时间和空间变异性。为解决这一问题,文章对陕西关中地区夏玉米不同生长阶段和不同叶位叶片形状系数的时间和空间变异性进行了深入研究。【方法】选取2015年6—10月生长季6个夏玉米品种,将玉米生育期划分为三叶、拔节、抽雄、开花、吐丝、成熟等6个不同生长阶段,每6天采样一次,测量叶片面积(LA)、叶片长度(L)和宽度(W),计算各个阶段的α值,同时对比α值在单个玉米植株不同叶位之间的差异。然后分别建立线性、二次、对数等3类共5个叶面积估算模型,以RMSE、RRMSE和ARE 3个统计量作为评价指标,对各叶片面积估算模型的精度进行评价。【结果】对全生育期6个夏玉米品种的760个叶片的面积和长宽乘积进行线性回归分析,夏玉米叶片形状系数均值约为0.78;在被验证的5种叶面积估算模型中,叶面积模型LA=α×L×W,其中α=0.78时精度最高,其相对均方根误差(RRMSE)约为9.50%,绝对相对误差(ARE)约为6.96%。α值范围为0.72—0.87,并随玉米生育期的变化而变化,自三叶期到开花期逐渐增大到全生育期最大值0.87,开花后缓慢下降至0.78,其中开花期叶片的α值与开花前各阶段的α值存在显著差异,而与开花后各阶段的α值不存在显著差异。不同熟性的夏玉米品种之间叶片α值也只在开花、吐丝期表现显著差异。不同叶型叶片α值表现出不同的变化规律,三叶期到拔节前,短宽型叶片的α值大于细长型叶片,此后一直到成熟期,细长型叶片的α值则大于短宽型叶片。在单个植株不同叶位叶片之间,α值变异性明显,开花期、吐丝期、成熟期均呈现出两头大中间小的规律,其中植株中部棒三叶位置α均值最为稳定,为0.78,对应的标准差在0.05以内,而植株上部和下部α均值约为0.84,对应的标准差在0.03—0.10。其中拔节、抽雄期不同叶位叶片的α值不存在显著差异,而在开花、吐丝、成熟期则表现出显著差异。【结论】叶面积模型LA=0.78×L×W更适于估算田间夏玉米叶片面积,较一般采用叶片性状系数0.75时提高模拟精度(ARE)3.86%。应在不同的生长阶段和不同叶位分别采用不同的叶片形状系数,这样才能进一步提高玉米叶面积估算的精度。 相似文献
4.
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
1