共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
介绍了宁夏土壤墒情监测点的分布情况及土壤墒情监测的主要工作,由监测结果进一步掌握了各区域主要种植作物的需水规律,同时对2011—2013年不同区域墒情监测数据进行了对比分析,总结了宁夏土壤墒情的变化特点,提出了下一步工作建议,为更好地指导旱作农业发展、科学种田、高效用水提供科学依据。 相似文献
3.
4.
5.
6.
7.
《云南农业科技》2017,(5)
在现代农业中,准确有效的测量土壤含水量,掌握实时信息,是推行精量灌溉技术、提高水资源利用率,科学指导农业生产的基础,以及提供信息的依据。通过对墒情监测点0~20 cm、20~40 cm土层进行墒情监测(土壤相对含水量),根据降雨量、平均温、最高温、最低温、土壤含水量、作物旱情指标等,并对2012-2016年土壤墒情实时变化资料和定期测墒数据进行对比分析,分析研究与土壤墒情变化高相关的气象因子,及土壤墒情变化特点。通过4年对本地区主栽作物玉米、马铃薯、茄果类蔬菜进行土壤墒情跟踪监测,初步掌握以上作物各生育时期对土壤墒情的要求指标并建立墒情评价指标体系,为指导大面积农业生产奠定了科学的理论基础。掲示云南雨养农业区土壤墒情变化规律和演变趋势,通过现有观测资料,定量评估局地土壤墒情变化,为减缓和预防土壤墒情对农业的不良影响及制定科学的政策提供依据和技术支持。 相似文献
8.
9.
10.
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
11.
12.
《江苏农业科学》2014,(7)
农田土壤墒情对作物的生长起到至关重要的作用,为了使作物生长在适宜含水量的土壤中,采用无线通信技术设计了分布式农田土壤墒情集中监测管理系统,监测中心与农田土壤墒情监测站采用C/S架构设计。根据规划,土壤墒情监测站部署在各地的农田内,利用土壤水分传感器FDS100采集土壤水分信息,再通过GPRS网络建立与监测中心的TCP/IP网络连接将采集到的数据上传;监测中心将接收到的数据进行解析、处理、分析,获取被监测区域农田的土壤墒情,并参照作物生长发育规律,为农田管理者提供精准的灌溉指导。系统准确实时地获取了各监测站的土壤墒情信息,实现了分布式农田土壤墒情的集中监测,能够为作物的精准灌溉管理提供强有力的数据支持。 相似文献
13.
14.
15.
根据蔬菜根层土壤对水分的需求特点分析蔬菜精准自动灌溉技术模型和灌溉指标,提出蔬菜精准自动灌溉技术的关键措施。针对蔬菜自动灌溉技术及设施装备在生产应用中存在的问题,分析了蔬菜精准灌溉技术的理论基础,提出蔬菜灌溉应该在遵循 SPAC 系统模型的水分传输理论基础上,结合蔬菜根层分布特点系统确定菜田土壤墒情监测调控的精准指标,参照蔬菜生长需求及其不同水分条件下的形态特征或生理指标,构建与菜田土壤水分管理相适应的自动灌溉管理决策;指出蔬菜灌溉需要根据蔬菜种类及其生长发育时期建立确保蔬菜优质高效生产的灌溉管理技术方案,结合根层土壤墒情和具体气候环境条件,以及蔬菜产量和品质要求等确定具体的灌溉管理指标。蔬菜自动灌溉控制技术需要建立完善的土壤墒情管理系统装置,制定精准调控土壤墒情管理的指标,建立完善的自动灌溉管理关键措施。应用蔬菜自动灌溉控制技术能适时适量满足蔬菜生长发育对水分的需求,对促进蔬菜优质高效生产、提高水分利用效率、防止水肥流失有重要作用。 相似文献
16.
17.
本文通过对吉林省土壤墒情监测工作现状及存在的主要问题分析,提出了解决问题的根本途径和办法。对开展全省土壤墒情监测、为政府指挥抗旱提供技术支撑将起到促进作用。 相似文献
18.
日光温室茄果类蔬菜滴灌高效节水技术,是按照作物需水、需肥规律,根据土壤墒情和养分状况,通过滴灌系统将水和养分以较小的流量均匀、准确直接地输送到作物根部附近的土壤表面或土层中。 相似文献
19.
准确快速得获取冬小麦地块的土壤墒情,可为高效利用水资源、实现精准灌溉提供参考。为此,特在江苏省张家港市获取返青期冬小麦种植区的无人机多光谱遥感数据,并同步测定2个深度(10 cm和20 cm)的土壤墒情,通过遥感图像提取光谱反射率,计算归一化植被指数(NDVI)、增强型植被指数(EVI)和垂直干旱指数(PDI),进行共线性分析后,分别运用逐步回归法、岭回归法和偏最小二乘法,构建针对不同深度土壤墒情的反演模型,并基于最佳反演模型绘制试验区不同深度土壤的墒情反演图。结果表明,用逐步回归法构建的模型在10、20 cm深度土壤墒情反演中的决定系数分别达到了0.885、0.782,建模精度最优,且针对10 cm深度土壤墒情的反演效果优于20 cm。研究结果可为冬小麦返青期土壤墒情监测方法的选择提供参考。 相似文献