河南省冬小麦年均需水量空间插值研究

解决冬小麦的需水信息通常采用水量的空间插值方法,而在众多空间插值方法中,没有绝对最优的空间插值方法,只有特定条件下的最优方法。对河南省的25个灌溉站点的冬小麦年均需水量数据,采用4种空间插值方法对各站点冬小麦年均需水量进行研究,综合分析得到,4种插值方法都能很好地反映25个站点的冬小麦年均需水量,无明显的系统误差,比较而言,整体多项式插值法最优。     

基于RBF神经网络与BP神经网络的核桃作物需水量预测

采用RBF网络与BP网络的方法,利用MATLAB工具箱并结合气象资料中的相对湿度、平均气温和太阳日辐射量,建立了预测核桃作物需水量的神经网络预测模型.两种预测模型通过实例证实了预测的准确性,并且将这两种网络模型进行了比较分析.RBF神经网络预测作物需水量的绝对误差平均值为0.254 7 mm/d、相对误差平均值为5.47％,BP神经网络预测作物需水量的绝对误差平均值为0.320 6mm/d、相对误差平均值为6.97％,由此可见,RBF网络预测的精度比BP网络高.并且,通过程序记时显示RBF网络训练用时0.063 0 s,比BP网络训练所需的时间要短的多,因此RBF神经网络具有较好的实用价值,实现了精度与实用性的统一.     

河南省主粮作物需水量变化趋势与成因分析

河南省是我国粮食主产区,研究河南省主粮作物的灌溉需水变化规律可为水分高效管理和节水增粮提供实践参考。基于河南省18个气象站点1958—2013年逐日气象观测资料,根据FAO推荐的Penman-Monteith公式计算参考作物蒸发蒸腾量及冬小麦和夏玉米各生育期需水量,利用时间序列分析法和Arc GIS普通克里金插值法研究需水量时空变化特征,采用通径分析法研究作物需水量的变化成因。结果表明:河南省近56 a来年均参考作物蒸发蒸腾量为807.0 mm/a,日均蒸发蒸腾量为2.2 mm/d,呈波动减少趋势,其中西北和东南地区参考作物蒸发蒸腾量最大,豫西地区的参考作物蒸发蒸腾量跨度较大。冬小麦和夏玉米的净灌溉需水量分别为350~525 mm和243~368 mm,灌溉需求指数随经度和纬度的增加而增大,冬小麦生长对灌溉的依赖程度高于夏玉米。影响河南省主粮作物需水量的气象因子主要为气温、水汽压、日照、最高气温和风速。     

基于遥感修正作物系数的冬小麦需水量预测

作物需水量是确定灌溉制度和灌溉用水的重要依据。为准确预测冬小麦的需水量，以河北邯郸漳滏河灌区为例，利用sentinel-1A雷达影像反演灌区的土壤墒情以修正作物系数，并结合未来15 d的气象预报数据计算的参考蒸散发(ET₀)，预测漳滏河灌区重要灌水期的冬小麦需水量。结果表明：通过遥感反演的土壤含水量与实测值相近，平均相对误差为4.60%；经气象预报数据预测研究区12月11-25日ET₀预测值为15.32 mm；结合土壤水分修正系数与预测ET₀数据，计算冬小麦平均需水量预测值为12.64 mm，其中，磁县需水量最大，为14.23 mm，广平县冬小麦需水量最小，为12.04 mm；由MOD16A2产品计算研究期平均需水量为10.65 mm，较预测值相对误差为18.69%。该方法可以有效地预测作物需水量及其空间分布，可为灌区作物生育期用水预测与管理提供理论参考。     

基于灰色神经网络的作物需水量预测模型研究

采用灰色系统理论与神经网络,通过多维度气象因子和参考作物需水量的相关分析,来确立灰色神经网络拓扑结构及网络流程,建立了预测作物需水量的灰色神经网络模型。以海南省儋州市1979~2014年的气候数据为输入,作物需水量为输出数据,运用Matlab工具,仿真表明预测曲线与参考作物需水量曲线拟合度较高,灰色神经网络模型预测结果绝对相对误差均值为5.28%,预测精度高,为节水灌溉提供了一种新的有效方法。     

基于GA-BP神经网络的果园需水量预测

为解决果园需水量预测精度低、鲁棒性差等问题,提出了遗传算法(GA)优化BP神经网络的果园需水量预测模型.选取空气温度、土壤含水率、光照强度3个主要环境因子作为BP神经网络的输入量,利用遗传算法的全局搜索能力优化神经网络权值和阈值,建立GA-BP神经网络模型预测果园需水量.仿真结果表明:GA-BP预测模型的预测值比BP模型更加趋近期望需水量,模型评价指标平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE),均优于单一BP神经网络模型.与传统的BP神经网络算法相比,GA-BP神经网络模型能较好的表达果园需水量与主要环境因子的非线性关系,具有较高的预测精度和适应性.     

非参数统计理论与人工智能技术在水土空间变异中的应用研究

采用非参数统计理论中的指示克立格与BP神经网络技术,以河套灌区内一典型实验区的土壤水盐预测为例,在一条采样基线上比较了指示克立格与BP神经网络技术的优劣,发现指示克立格与BP神经网络技术在一维空间的土壤水盐预测中能改进普通克立格平滑效应,具有条件模拟的仿真功能,可用于空间水盐插值与预测。     

基于主成分分析的参考作物腾发量预测研究

为准确估算作物需水量,提高水分利用效率,采用RBF神经网络预测参考作物腾发量,由于参考作物蒸发蒸腾量的影响因子很多,且各影响因子间的相关性很大,运用主成分分析的原理,将影响参考作物蒸发蒸腾量的因子降低维数.以山西省某灌区的参考作物腾发量为例,运用DPS软件找出了3个综合因子来代表众多因子并作为RBF人工神经网络的输入,运用Matlab7.0进行编程,对参考作物腾发量进行预测.结果发现其预测结果与用Pen-man-Monteith公式算得的值具有很高的一致性,与BP神经网络相比,RBF神经网络具有学习速度快等优点,将此方法用于参考作物腾发量的预测可以收到理想的效果.     

山丘区流域暴雨空间插值方法的比较

降雨分布研究是一类经典的空间插值问题,但是在山丘区暴雨分布研究中,由于地形复杂性的影响,传统空间插值方法难以有效地获取暴雨的空间分布。以浏阳河流域为例,结合GIS技术,在传统空间插值方法的基础上,考虑高程因素的影响改进原有的插值方法,并采用统一的交叉验证方法和精度验证模型,对插值结果进行验证比较。结果表明考虑高程因素的插值结果优于传统的插值方法,其中考虑高程因素的反距离权重法插值效果最好,验证了考虑地形因素的空间插值方法在进行暴雨分析方面的有效性。     

滴灌大棚茄子需水量计算模型的定量分析比较

分析了彭曼公式在大棚内的失效性,引入了大棚内修正风速项彭曼公式(陈新明等)以及BP神经网络模型,并利用在湖北省鄂州节水示范基地获得的试验资料,采用上述3种方法对滴灌大棚茄子需水量进行数值模拟与比较分析。分析结果表明,大棚环境内,彭曼公式误差较大,具有失效性;大棚内修正彭曼公式实用性较好;神经网络模型的预测结果精度最高,适应性最好。试验结果对大棚作物需水量模型研究的进一步发展,具有一定参考价值。     

山西省小麦需水量空间变化规律分析研究

结合山西省10个小麦试验站多年需水量的试验数据及邻近气象站近50年的气象资料,分析了山西省小麦需水量在空间上的变化特点及其对气象因子变化的响应。结果表明:从全生育期小麦需水量来看,以山西长治地区为最大,其他地区较为接近;从阶段作物需水量来看,尤其是拔节到收获的阶段,小麦的需水量呈现出自北向南逐渐递减的变化规律。另外,小麦的生长天数也呈现出自北向南逐渐减少的趋势。小麦生育期内日平均需水量与日平均参考作物蒸发蒸腾量关系非常密切。     

BP神经网络与GA-BP农作物需水量预测模型对比

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.     

BP神经网络的春小麦作物水模型的初步研究

用内蒙古河套灌区春小麦非充分灌溉试验资料 ,建立了 BP神经网络的春小麦作物水模型。经模拟分析认为该模型能正确表达春小麦的产量与水分的关系并有某些独特的优点。与当地拟合效果较好的Minhas模型的比较表明 ,二个模型所表达的春小麦各生育阶段对水分的敏感性一致 ,产量预测结果接近。初步说明 BP神经网络方法是一种可用于作物水模型新的模拟方法     

基于改进BP神经网络的农业机械数据预测研究

为提高河南省农业机械数据预测的精度,获得更可靠的预测结果,提出基于自适应粒子群算法(APSO)优化的误差方向传播(BP)神经网络预测方法,利用APSO算法优越的全局搜索能力更新BP神经网络的权值和阈值,有效结合两种算法的优势,并引用河南省1986-2017年农业机械数据进行测试。仿真结果表明,本文提出的APSO-BP算法比同等条件下BP神经网络算法和PSO-BP算法预测误差平均可降低2.4%和1.35%,可以有效提高预测的速度和精度。     

基于田间实际耗水的作物生产水足迹

为了衡量田间尺度粮食生产对资源的真实利用,基于水足迹及作物耗水理论,提出基于作物实际耗水的农作物生产水足迹计算方法,并以陕西关中的小麦、玉米为研究对象,对1998,2005及2010年的生产水足迹进行了计算.结果显示：同一年份同一作物不同地区间耗水量具有较大差异,同时,关中地区3个代表年份平均小麦、玉米耗水量分别比需水量小16.2%和12.4%;小麦、玉米生产水足迹有减小趋势,代表年平均值分别为0.96,0.77 m^3/kg;各地区小麦虚拟水中蓝水比例在10%-40%,玉米则在20%-50%范围内变化,且年际、地区间的蓝水占有比例均无明显变化趋势;3个代表年小麦、玉米的总水足迹之和分别为70.1,59.8及60.7亿m3,均大于当地的水资源总量,其中蓝水所占比例均值为29.1%.基于作物实际耗水的作物生产水足迹的计算对基于水足迹和虚拟水贸易的科学研究及政策制定均有重要意义.     

鲁西南地区冬小麦非充分灌溉模式

经过1995～1998年的田间试验，在摸清了鲁西南地区冬小麦需水特性的基础上，结合当地降水及其分布特点，提出了冬小麦非充分灌溉的灌水指标及优化运行模式，该灌溉模式与充分灌溉相比，在单产接近的条件下，减少了灌水次数，节省了灌溉水量，提高了灌溉水的生产效率，使有限的水资源得到充分利用。     

基于“星陆双基”的冬小麦叶面积指数反演研究

为建立准确、方便的叶面积指数监测方法,运用MODIS数据光学模型反演和星陆双基协同反演法分别对2015和2016年3月中旬鹤壁市冬小麦叶面积指数反演分析。结果表明,2种LAI反演方法均能较好地反映全市冬小麦长势差异性的空间分布特征;MODIS光学模型反演法稳定性较好,但其反演值明显偏低;星陆双基协同反演法估算值与观测值吻合性较好,反演精度优于MODIS反演法。     

基于DEM的作物需水量估算方法

以ARCG IS8.3为技术平台,以“全国灌溉试验数据库”为主要数据源,以DEM为基础,通过ARCG IS的空间分析工具获取经度、纬度、海拔高度、坡度、坡向和遮蔽度等主要地形因子。在分析山东省冬小麦需水量与主要地形因子之间关系的基础上,利用趋势面分析方法建立了冬小麦需水量空间分布的数学模型,生成了山东省冬小麦需水量栅格图,所得结果与当地冬小麦实际用水分布状况较为吻合。     

基于遥感DSI指数的干旱与冬小麦产量相关性分析

利用2000—2012年MODIS ET/PET和NDVI数据集构建干旱指数(DSI),监测山东省和河南省冬小麦主产区的农业干旱,并在地级市尺度上进一步评估冬小麦关键生育期干旱对冬小麦产量的影响。结果表明:2010年9月—2011年2月山东省特大干旱过程显示的DSI不仅能监测气象干旱,还能较好地反映农业干旱在空间上的差异性以及时间上的演变。不同冬小麦生育期干旱对冬小麦产量影响不同,灌浆期干旱对冬小麦产量的影响最大,干旱致使土壤水分亏缺,影响了作物正常的灌浆强度,进而导致作物减产;其次是拔节期;返青期干旱对产量基本没有影响。