基于CROPWAT模型水稻需水量及灌溉制度研究

为研究黑龙江松嫩平原南部地区气候变化对水稻需水量影响及水稻不同灌溉制度,基于黑龙江省庆安县1966～2015年气象、土壤数据和水稻作物参数,采用Mann-Kendall趋势检验法分析水稻生育期内需水量变化规律,利用CROPWAT模型计算水稻各生育期需水量、有效降雨和灌溉需水量,对不同典型年份水稻需水量和有效降雨作耦合度分析,制定水稻灌溉制度。结果表明,生育期内水稻需水量在气象因素共同作用下以13.68 mm·10年-1速率下降,变化范围为410.8～574.6 mm;该地区特枯水年、枯水年、平水年和丰水年水稻需水量分别为521.0、484.9、451.8、410.8 mm;水稻在拔节和抽穗期需水量较大,两个时期需水量在不同水文年下差异明显;不同水文年下6、7、8月主要需水时期,需水量与有效降雨耦合度均小于1;同一水文年下灌溉定额均为淹水灌溉>"浅、湿"灌溉>干湿交替灌溉>控制灌溉,淹水灌溉灌溉次数最多,干湿交替灌溉模式灌溉次数最少;不同水文年下与淹水灌溉灌溉定额相比水稻"浅、湿"灌溉、干湿交替灌溉和控制灌溉节水效果明显,分别可节水6.3%～13.4%、29.1%～39.4%、30.6%～42.6%。有效降雨量难以满足水稻需水要求,在水稻生育期内应根据不同典型年选择合适灌溉制度灌溉,并在拔节孕穗、抽穗开花两个高耗水时期加强灌溉。     

不同灌溉方式对水稻产量及水分利用率的影响

为缓解贵州省农田灌溉工程性缺水的矛盾,达到水资源总体平衡与优化配置,通过连续的水稻节水灌溉试验,总结了适宜本省水稻灌溉的模式,分析了不同灌溉处理对水稻农艺性状、灌溉水量及水分生产率的影响。结果表明,科蓄灌溉模式能有效提高降雨利用率、减少人工灌溉,适宜在贵州大力推广。     

水稻节水灌溉试验研究

水稻是贵州省的主要粮食作物,也是用水大户。为了缓解贵州省农田灌溉工程性缺水的矛盾,达到水资源总体平衡与优化配置,通过进行连续的水稻节水灌溉试验,总结适宜贵州省水稻灌溉的模式,为贵州省水稻灌溉定额的编制提供基础数据,给农民生产提供必要的灌水依据。分析了不同灌溉处理对水稻农艺性状、灌溉水量、水分生产率的影响。结果表明:"科蓄"有效地提高了降雨利用率,减少了人工灌溉,适宜大面积推广。     

水稻节水栽培技术

节水种稻主要内容有两个方面:一是水稻旱种,或称旱作水稻。主要是选择地势高、灌溉困难的地块,将水稻进行旱种,然后靠自然降雨进行生长。二是常规栽培的水稻,采取旱育苗、旱整地、浅湿干交替灌溉等方法达到节水的目的。     

水稻节水高产栽培间歇灌溉技术

通过对稻田不同水分管理模式和间歇灌溉的对比试验研究表明,水稻间歇灌溉水分管理模式最节水、灌水次数及田间排水量最少,且可明显减少病虫危害和增加水稻单产;由此提出了提高降雨利用率、减少稻田渗漏量及适当减少蒸发量的间歇灌溉水分管理模式,可适合我国南方大部分水稻作物种植区推广应用。     

淠史杭灌区水稻节水灌溉制度试验研究

依据实测资料,通过对水稻控制灌溉、旱作覆膜和浅湿间歇灌溉制度在耗水总量、灌水总量、灌溉次数、降雨利用率等不同技术指标的对比分析论证,研究其在江淮丘陵地区的适宜性。     

水稻生长期间降雨及利用情况分析

以淠史杭灌区作为研究对象,利用六安市气象站和淠史杭灌溉试验站多年的气象资料和水稻需水量试验资料,对水稻本田期降雨量、降雨利用量和降雨利用率进行分析。结果表明,淠史杭灌区多年平均降雨量为1 119.1 mm,年际间变幅较大,最大月与最小月相差较大,雨热同季,有利于水稻种植。水稻生长期间降雨量平均为499.9 mm,年际间差异大,规律性差;降雨利用量平均为275.9 mm,随着降雨量的增加而增加;降雨利用率平均为55.2%,降雨量越大,利用率越低。     

水稻控灌中蓄灌溉模式的节水增产效应

在南京淳东灌区对水稻“控灌中蓄”灌溉新模式进行了试验研究,以水稻品种9746为试验材料,采用田间小区试验,观测了控灌中蓄、淹灌2种灌溉模式和不同晒田程度(轻晒和重晒)条件下水稻全生育期的灌水量、灌水次数、对降雨的利用率、土壤含水量和水稻产量等指标.2年的试验结果表明,控灌中蓄灌溉模式下全生育期灌水仅3 ～4次,平均灌溉定额112 mm,和淹灌处理相比,灌水次数减少5～7次,节水幅度平均达63.2％.控灌中蓄条件下重晒处理又较轻晒处理节水27.7％,且该处理对降雨的利用率和水分生产效率为最大,分别达到49.3％和1.30 kg/m3,同时控灌中蓄灌溉模式下水稻实际产量比淹灌增产23.8％ ～ 33.9％.结果表明,水稻控灌中蓄模式具有显著的节水增产效应,是一种水资源利用效率高、减排和增产潜力巨大的生态灌溉模式.     

寒地稻作不同节水灌溉模式降雨利用率潜力分析

为研究不同灌溉模式降雨利用潜力,以寒地稻作为研究对象,系统分析了灌溉站30年的试验资料,结合同时期降雨数据,分别对有无蓄雨要求的几种灌溉模式进行了理论分析。结果表明,无蓄雨要求时,控制灌溉降雨利用率最低,间歇灌溉较低,常规灌溉较高,而湿润灌溉最高;在相同的蓄雨条件下,控制灌溉降雨利用率最高,湿润灌溉居次,间灌第三,常规灌溉最低。由此可见,控制灌溉的降雨利用潜力最大,其他灌溉模式低于控灌;不同的灌排及蓄雨标准能够对降雨利用率产生较大影响。     

柳江县水稻旱直播的抗旱节水效果探讨

2007年3月播种到8月中旬成熟的生长发育阶段,柳江县在6月份田间仅有29d有水层(6月2日～6月30日),其他时间均为干旱湿润的状态.根据柳江县的气象条件,充分利用降雨规律和降雨密集高峰时段,在无水源灌溉的条件下,研究了水稻旱直播栽培技术及其在柳江县水稻生产上的应用.分析了禾苗在干旱条件下的分蘖动态、群体结构及产量构成因子,为水稻旱直播的高产稳产栽培提供了依据.     

灌区非充分灌溉条件下灌溉水量·水价和降雨量的关系

灌区调度的目的在于将适时、适量的水分分配给各种作物,使有限的水资源能产生最大的经济效益。当水量不足时,可以采用非充分灌溉,使水资源发挥最大效益。灌溉水量影响因素较多,应该与水价、降雨量预测相结合,适当分配水量。     

基于人工神经网络的井灌水稻区地下水位预测

利用带动量项学习规则的改进 BP算法 ,对三江平原创业农场井灌水稻区逐月地下水埋深进行了模似仿真 ,将人工神经网络技术 (ANN)与广大井灌水稻区生产实际相结合 ,通过网络检验与预测 ,模型精度与预测精度均达到满意效果。该网络模型对于节约地下水开采量 ,恢复该地区的地下水动态平衡、制定农作物优化灌溉制度、发展节水灌溉、促进农业及水资源的可持续发展提供参考作用     

农业灌溉用水量的LS-SVM预测模型研究

农业灌溉用水量预报是灌区制定水资源调度计划、合理高效分配水量的科学依据。针对灌溉用水量影响因素复杂非线性的特点,鉴于支持向量机算法的诸多优势,建立了基于最小二乘支持向量机的灌溉用水量预测模型,将该模型用于塔河流域T灌区灌溉用水量预测,并与人工神经网络方法预报结果比较,表明该方法具有泛化能力强、误差小等特点。     

雨量站分布不均匀流域的降雨径流预报人工神经网络模型

为解决传统方法难以可靠预报雨量站分布不均匀流域的次降雨径流量这一水文预报难题 ,探讨了人工神经网络模型用于该类水文预报问题的可能性。实例研究表明 ,以次暴雨量及其前期影响雨量为输入、次暴雨径流总量 (净雨量 )为输出的 BP网络模型 ,预报的相对误差比蓄满产流模型预报的相对误差平均低 9.2 % ,这说明 ,人工神经网络模型可作为雨量站分布不均匀等雨量观测存在系统偏差或不足流域的降雨径流预报模型。     

基于EMD和IDAR的灌区年降水量预测研究

针对降水量这样一种非线性、非平稳序列,研究经验模态分解方法(EMD)和信息扩散近似推理方法（IDAR）在年降水量预测中的组合应用,解决资料序列不充分情况下的区域降水量预测问题。首先,通过EMD方法对具有典型非线性与非平稳特征的年降水量时间序列进行处理,分解出包含原信号不同特征尺度的分量数据系列;然后应用信息扩散近似推理技术对各降水量分量间的复杂非线性关系进行描述,建立当前趋势以及相邻年份之间的预测规则,并进行预测。以文献案例灌区长系列降水资料为样本进行实例计算,并与其它预测方法进行了对比。结果表明：基于EMD和信息扩散近似推理的预测方法效果较好,误差绝对值和为1.30,优于人工神经网络、线性自回归方法以及单纯信息扩散近似推理的统计结果。同时,为了验证该方法的适用性,将该方法应用于文峪河灌区的降雨量预测,取得了满意的效果。研究中发现：信息扩散近似推理可将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可将矛盾模式转换成兼容模式。而EMD方法可有效分解具有非线性、非平稳特征的降水序列,保留其原序列在空间（或时间）各种尺度上的分布规律。两者结合对解决样本不完备的非平稳序列的预测问题是非常有价值的。通过与其它预测方法比较,发现该模型能够很好地光滑样本数据以及能够较好地发掘知识,有较高的预测精度和推广应用价值。     

Elman反馈型神经网络模型在灌溉用水量预测中的应用

灌溉用水量的预测对灌区的灌溉管理起着重要的作用。运用神经网络中Elman反馈型神经网络建立了灌溉用水量预测模型,模型输入层神经元数目为4,输出层神经元数目为1,隐含层神经元数目确定采用试验法,最终确定为10。预测结果表明:该方法与传统的预测方法相比,具有网络稳定性高,训练误差曲线比较平滑,模型预报精度较高等优点。     

基于MATLAB7的神经网络在灌溉用水量预测中的应用研究

灌溉用水量的预测对于灌区管理工作具有重要的指导意义,使用神经网络方法预测灌溉用水量。介绍了BP网络的算法步骤,并且以铁甲灌区为例,使用软件MATLAB7对所设计的网络进行学习和训练,隐含层单元数的选取采用实验法,最终以隐单元数为13的网络预测性能最好,误差也达到精度要求。所建模型可以预测铁甲灌区的灌溉用水量。     

基于BP神经网络的土壤贮水量预报模型研究

[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站2008～2009冬小麦试验资料等建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用Trainlm算法进行模型训练,对试验田的土壤贮水量进行预测。[结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强;在冬小麦日耗水量较大的拔节、扬花、灌浆3个时期,该模型的预报精度较高,稳定性较好。[结论]基于BP神经网络的土壤贮水量预报模型在冬小麦耗水较大时期的模拟值具有较高的精度。     

宁夏南部山区初夏连阴强降雨过程的物理机制和概念模型

选取实况天气场数据、物理量诊断数据和数值预报产品等,采用统计分析、诊断分析和天气学分析方法,分析2012年6月26～ 29日连阴强降雨天气的形成机制,建立预报概念模型,并分析预报误差原因.结果表明,连阴强降雨过程是环流形势稳定少变、参与系统较多、锋前锋区和锋后均有降水发生的结果;强降雨时虽无不稳定和低空急流,但垂直上升层厚、水汽条件好;欧洲模式的形势和系统相对较好,其他模式的降水预报有优有劣;预报员过度依赖降水预报及对产品性能了解不够是误差的主要原因.     

基于多项式典型相关方法选择长江下游降雨量预报因子

非线性典型相关(NLCCA)问题是常见而又不易解决的问题,现在所用NLCCA模型的神经网络解法,编程复杂而又得不到变量间的解析表达式。分析讨论了长江下游降雨量预报因子的选择问题,提出NLCCA问题的多项式逼近模型及其2种解法:逐步选择法和主成分法。这2种方法都能很好地找到非线性典型相关的预报因子。在线性典型相关检验不通过的情况下,利用这2种方法可成功地找到非线性典型相关预报因子。