共查询到19条相似文献,搜索用时 687 毫秒
1.
土壤墒情(旱情)监测与预测预报系统的设计与开发 总被引:4,自引:1,他引:4
以组件式GIS软件为开发平台,建立了北京地区土壤墒情监测与预测预报系统。该系统包括土壤墒情信息采集、土壤墒情站信息管理、土壤墒情空间分布显示、土壤墒情监测、土壤墒情预报及土壤墒情信息输出等功能模块,可对土壤墒情进行实时监测,做出土壤墒情分布图、等值面图等,直观反映北京地区土壤墒情趋势。同时,系统还可利用增退墒模型、人工神经网络模型和时间序列模型进行土壤墒情预测和预报。现该系统已有38个墒情固定站和120个墒情巡测站,并已投入使用。实际应用结果表明,该系统解决了目前墒情固定站投资过高且数量不足的问题,能够满足北京市土壤墒情预测预报要求,可为北京地区防旱、抗旱提供可靠的科学依据。 相似文献
2.
3.
《甘肃农业大学学报》2020,(1):221-228
【目的】为了实现准确的农田土壤墒情预测,以茶园不同深度的土壤墒情为对象,对不同的监测采样间隔下的多种茶园土壤墒情预测模型进行了对比研究.【方法】经相关性分析,确定了时段初始湿度、光照、空气温度、空气湿度、土壤温度、土壤电导率和降雨量7种影响因子,对土壤墒情分别建立了多元二次回归、BP神经网络和LSTM深度学习模型.研究了10、30、60、90、120 min等不同监测采样间隔下土壤墒情的预测精度,同时对3种模型的预测结果进行了对比分析.【结果】LSTM深度学习模型的平均相对误差为0.399%,在3种模型中最小.多元二次回归模型的预测误差随着采样间隔的增大而增大,BP神经网络与LSTM深度学习模型在采样间隔为30 min时预测误差最小,平均相对误差<0.5%.研究认为,最合适的监测采样间隔为30 min,且LSTM深度学习模型具有稳定性好、精度高的特点,适用于土壤墒情预测.【结论】本研究结果为土壤墒情监测采样间隔的设定和建模方法的运用提供依据,对土壤墒情预测模型的研究和应用具有重要意义. 相似文献
4.
5.
结合沧州市实际情况,以冬小麦和夏玉米为典型作物分析沧州市土壤墒情变化特点,揭示沧州区域土壤墒情变化规律和演变趋势;对捷地旱情试验站土壤墒情监测资料进行分析研究,利用P—ρ0—Δρ增墒相关法建立增墒预报方案,利用退墒系数法以及ρt—T—ρ0相关法建立退墒预报方案,探讨适合沧州区域的土壤墒情预报方法,对类似地区相关研究具有重要的推广价值。 相似文献
6.
7.
农田土壤墒情是农业生产管理最重要的农情信息,对农业生产具有重要意义。介绍了农田土壤墒情监测技术要求,对2011年宁夏不同监测区域及全区的农田土壤墒情进行了分析,并总结了影响农田土壤墒情变化的主要因素,提出了墒情监测和旱情预报工作在未来农业生产管理中的发展对策。 相似文献
8.
9.
为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。 相似文献
10.
尚松浩 《沈阳农业大学学报》2004,(6)
土壤墒情预报是在土壤水分模拟模型的基础上对农田耕作层土壤水分的增长和消退程度所进行的预报.墒情预报是灌溉预报的基础,对于水资源短缺条件下农田水分的合理调控具有重要意义.墒情预报模型可以分为确定性模型与随机性模型两大类,其中确定性模型包括水量平衡模型、土壤-植物-大气连续体(SPAC)水分传输模型、SPAC水热耦合传输模型等,随机性模型包括数理统计模型(包括回归模型、时间序列模型、人工神经网络模型等)、随机水量平衡模型与随机土壤水动力学模型等.本文对各类墒情预报模型进行比较,并对其发展趋势进行了展望. 相似文献
11.
12.
根据农田环境的应用需求,为快速、准确地获取农田中土壤体积含水率和水分变化信息,研究一种基于STC90C51单片机的土壤水分检测系统的硬件结构及功能设计。该系统采用基于FDR(Frequency Domain Reflectometry)的传感器作为土壤温湿度的采集端,可实现对土壤水分含量的自动采集、显示、存储和监测。对于土壤水分的监测试验结果表明,该系统性能稳定,工作可靠,为农田监测、节水灌溉等提供了有效、可靠的监测手段。 相似文献
13.
[目的]建立土壤含水量遥感监测模型。[方法]选取陕西省横山县作为研究区,以野外原位光谱测量数据和实验室内测得的土壤含水量为基础,进行高光谱数据处理,分析土壤含水量的光谱特征;对实测土壤光谱反射率进行倒数、对数、均方根及其一阶导数微分等光谱变化换,计算高光谱指数,并与土壤样本含水量进行相关性分析,筛选对土壤含水量敏感的光谱特征波段,利用多元线性回归分析建立土壤含水量监测模型。[结果]随着土壤含水量的增加,土壤光谱反射率呈减小趋势。土壤含水量与光谱指数的特征波段呈良好的线性关系,所有模型均通过了0.01水平的显著性检验。模型精度验证表明,预测值与实测含水量相关系数较高,特别是反射率倒数一阶微分模型,在0.01显著性水平下,相关系数为0.886。[结论]该研究建立的土壤含水量遥感反演模型可行有效,通过了有效性检验,在一定程度上可以用来反演研究区土壤含水量。 相似文献
14.
日光温室内土壤温度对土壤含水率变化的影响 总被引:1,自引:0,他引:1
为探究土壤表层的含水率随土壤温度变化的规律,以呼和浩特地区的日光温室室内土壤为研究对象,利用土壤水分-温度传感器测试土壤含水率和土壤温度,采用Gaussian函数多峰拟合和线性拟合方法对土壤温度与含水率的关系进行拟合分析。结果表明:在3个试验区域的不同深度土层内,土壤含水率随土壤温度的变化均呈现线性变化规律,且越接近土壤表层,线性关系越显著。通过拟合方程得到的含水率计算值与实测值相对误差小于5%。本研究对日光温室内土壤环境的监测与控制具有指导意义。 相似文献
15.
16.
农田不同粒级土壤含水量光谱特征及定量预测 总被引:3,自引:1,他引:2
【目的】土壤含水量是土壤属性的关键参数。摸清不同机械组成条件下土壤水分的光谱变化并实现土壤含水量的定量预测,为农田水分的快速监测及土壤其他属性的定量获取提供依据。【方法】通过人为控制获得不同粒级和不同含水量的土壤样品,确定室内土壤光谱测定的几何条件,采集不同土样的光谱特征并进行比较,按粒径等级利用最小二乘法(PLSR)建立农田土壤含水量的光谱定量预测模型。【结果】土壤光谱反射率总体趋势是随含水量增加而降低,其差异随着波长的增加和含水量的降低而增加,在1 400 nm和1 900 nm的水分敏感波段随含水量增加光谱吸收深度也增加。但当含水量大于40%时,通过孔径为0.15 mm 筛子的土壤样品(处理D-1),在350-1 240 nm光谱反射率随含水量增加而升高,而1 240 nm以后随含水量增加而降低。相对于将所有样本数据混合建立模型,分粒级建立的模型在细颗粒土壤中预测效果得到了明显改善,并且样品越细模型在预测效果和稳定性也越好:最优模型均方根误差RMSE=4.13%,决定系数R2=0.90。同时,数据归一化处理后所建立的模型在一定程度上降低了噪声的影响,从而在预测效果和稳定性上也有所改善。【结论】土壤光谱随含水量的变化而变化,但并不都表现随含水量增加光谱反射率降低的特点,当含水量大于40%时,细颗粒土壤样本表现为在350-1 240 nm波段光谱反射率随含水量增加而升高;土壤含水量预测模型的精度和稳定性随着土壤粒径变小、样本量增大以及光谱数据归一化预处理而得到改善。 相似文献
17.
帽儿山地区典型地表可燃物含水率动态变化及预测模型 总被引:1,自引:1,他引:0
18.