参考作物蒸发蒸腾量的气象因子响应模型

基于江苏省南通市2000～2004年的旬气象资料,用FAO推荐的Penman-Monteith公式计算了参考作物蒸发蒸腾量,研究了参考作物蒸发蒸腾量与最高气温、最低气温、平均气温、相对湿度、日照时数、风速和气压等气象因素间的关系,建立了参考作物蒸发蒸腾量的响应模型.结果表明,参考作物蒸发蒸腾量与"温度因子"的关系最强,其次为"湿度和日照因子","风速因子"也有一定的影响,"气压因子"影响作用则稍弱;建立的气象因子响应模型模拟精度较高,可以简化参考作物蒸发蒸腾量计算.     

气象因子的变化对参考作物蒸发蒸腾量的影响

根据东江流域1961—2005年的气象资料,利用平均影响量和气象因子缺失数值试验,分析气象因子变化对参考作物蒸发蒸腾量的影响。结果表明,日照时数的平均影响量最大,温度、相对湿度其次,二者相近,风速最小;夏季日照时数的平均影响量比其他因子大得多,冬、春季日照时数的平均影响量依然最大,但与温度、相对湿度的平均影响量差距减小...     

东北地区参考作物蒸发蒸腾量随时间变化的研究

根据选取的东北地区9个代表站1973-2003年的气象资料,应用Penman-Monteith公式计算了31年间逐月参考作物蒸发蒸腾量(ET0),对参考作物蒸发蒸腾量及气象要素的年际变化特征、月际变化特征及趋势进行了分析,应用统计检验方法分析了影响东北地区参考作物蒸发蒸腾量变化的主要气象因素。结果表明:近31年间东北地区ET0值呈现缓慢下降趋势,年内ET0值分布以5-8月份最高,1月份最低。影响ET0的主要气候要素为日照、风速和温度。     

温室环境物联网监测系统的设计

农业生产环境的物联网技术推动农业生产的发展。本文设计一种温室环境实时监测系统,该系统利用物联网技术,经传感器采集环境信息,微控制器进行控制并与网络连接,再由Android智能手机Yeelink平台读取的数据,监测温室环境的温度、湿度及光照度。最后,对系统进行测试,有效监测温室环境的温湿度及光照度,为温室作物生长的环境参数提供参考。     

滇中水稻不同灌溉模式需水规律及水分生产率研究

以滇中嵩明和大理两地水稻为例,于2015年开展了嵩明水稻间歇灌溉与淹水灌溉、大理水稻淹水灌溉下的需水规律及水分生产率试验研究。结果表明,滇中有比较突出的春旱现象,水稻日均蒸发蒸腾量在分蘖期最大,分蘖期以后持续减少,这与内地蒸发蒸腾峰值出现在拔节孕穗或抽穗开花期存在差异。大理水稻作物系数比嵩明要大,主要是品种原因,两地气象因素影响也较大。温度、风速和相对湿度3种气象要素都对作物系数变化产生较大影响,温度是主导气象因素。与淹灌相比,嵩明水稻间歇灌溉节水23.4%。间歇灌溉的节水能力主要来自于提高降雨利用率,减少渗漏量,并在一定程度上降低蒸发蒸腾量。大理水稻亩产比嵩明高出较多,相应的水分生产率也比嵩明高。     

湖北省参考作物蒸腾量时空变异特征

根据湖北省20个测站1977—2007年的气象资料,应用Penman-Monteith公式计算了31年的逐日ET0。应用GIS技术和统计检验方法分析了参考作物蒸腾量的时空变异特征和气象因子对ET0的影响。结果表明,湖北省参考作物蒸腾量的空间分布呈西低东高的特征;随多年时间变化空间分布趋于均匀;年内ET0值分布以7、8月最高,12、1月最低;影响ET0的主要气象因子为风速,平均温度次之。     

青海东部农业区ET_0变化特征及气候影响因子分析

利用FAO-56推荐的Penman-Monteith公式计算了青海省东部农业区12个气象站47年(1960—2006)逐月参考作物蒸发蒸腾量(ET0),对参考作物蒸发蒸腾量、气象因子随时间变化特征进行了分析。结果显示,ET0年内呈单峰型分布,月际变化较大,最大值出现在7月份,最小值出现在12月份;近47年ET0随时间呈极显著下降趋势变化;风速是影响ET0的最主要影响因子,最高温度对该地区ET0的影响也较为显著;海拔与ET0具有明显的相关性,R2为0.68,且ET0随海拔的增高具有明显下降的趋势。研究表明,在高寒高海拔区,风速是影响ET0的最主要气候影响因子,海拔与ET0呈负相关关系。     

日光温室膜下滴灌番茄作物系数试验研究

作物系数是在没有实测需水量资料情况下,用参考作物蒸发蒸腾量来估算实际作物蒸发蒸腾量方法中重要的参数之一。根据实测气象数据计算出的参考作物蒸发蒸腾量和时域反射仪测得的番茄需水量,利用单作物系数法得到番茄作物系数Kc。通过对作物需水量和作物系数Kc的变化及影响因素进行分析,结果表明：温室膜下滴灌番茄作物需水量与温度、辐射呈正相关,而作物系数Kc与温度、辐射的线性关系不明显。对已求作物系数的可靠性进行验证,结果表明模型预测值和实测值的相对误差为8.2%,模型有效性指数达到89.3%,模型合理有效。研究成果对日光温室膜下滴灌作物需水量的计算及其灌溉制度的制定具有一定的参考价值。     

基于基质含水率的作物蒸腾量估算与预测模型研究

作物蒸腾作用是基质水分传输的主要驱动力,建立了基于基质含水率变化量的温室番茄作物蒸腾量估算模型和预测模型,并进行对比分析。使用校准后的EC5基质含水率传感器,记录第1次灌溉后与第2次灌溉前基质实时含水率变化量,使用称量法测量作物实时蒸腾量。通过基质含水率变化量与基质栽培槽体积的多元线性回归运算,建立番茄单株日蒸腾量估算模型;将基质含水率变化量、空气温度、空气湿度和光照强度作为输入,利用GABP神经网络算法,建立番茄单株日蒸腾量预测模型。将试验所得温室作物日蒸腾量估算模型和预测模型分别与温室作物实际日蒸腾量进行线性回归分析,结果表明,基于基质含水率变化量建立的估算模型在苗期、花期的预测精度分别为0. 972 9、0. 979 6,预测模型的预测精度分别为0. 991 5、0. 989 0,两者之间差异不大,但估算模型运算速度远高于预测模型的运算速度,估算模型对于温室灌溉管理具有推广应用价值。     

四湖流域参考作物腾发量的变化特征分析

根据四湖工程管理局排灌实验站2001-2010年逐日气象资料.利用Penman-Monteith公式计算逐日参考作物腾发量,分析其变化特征和各气象因子对其的影响程度.结果表明,各气象因子对日参考作物腾发量的影响程度顺序为:日最高温度＞日最低温度＞日平均温度＞饱和差＞平均风速＞日照时数.同时考虑日最高气温、日最低气温、日平均气温、饱和差、平均风速及日照时数6个气象因子,对日参考作物腾发量的模拟效果最好.     

日光温室作物蒸发蒸腾量的计算方法研究及其评价

对FAO推荐计算参考作物蒸发蒸腾量的Penman-Monteith(缩写为P-M)公式,在日光温室微气候的条件应用作了详细的分析。将P-M公式分为2个部分,即辐射项(ETrad)和空气动力学项(ETaero),推导出了计算温室内参考作物蒸发蒸腾量的P-M修正公式,解决了P-M公式假定温室内风速为“0”所引起的一系列问题。并根据2004年和2005年温室内实测气象数据和水面蒸发对其进行了验证,通过相关分析得出用修正后的P-M公式计算作物蒸发蒸腾量比FAO推荐的P-M公式计算值误差小、精度高。建议在日光温室里使用修正后的P-M公式计算参考作物的蒸发蒸腾量。     

丘陵地区蓝莓园智能灌溉决策系统设计

针对丘陵地区蓝莓园灌溉过程中水资源浪费严重、劳动力严重短缺的问题,基于物联网技术,研究并设计了一套智能灌溉决策系统。系统包括信息采集模块、无线通信模块、智能决策模块和灌溉执行模块。信息采集模块通过布设的土壤水分传感器和小型气象站实时采集蓝莓园土壤墒情信息和环境信息（风速、降雨量、温度、湿度）;无线传输模块将信息采集模块采集到的数据实时发送到服务器端进行分析处理,并将智能决策模块的计算结果传送给灌溉执行模块;智能决策模块中,基于前期采集的历史数据使用彭曼公式和土壤水平衡公式建立灌溉决策模型,实现蒸腾量和灌溉量的计算以及实时监控与报警,该模型可根据实时获取的数据,确定是否需要灌溉及最优的灌溉量;灌溉执行模块根据接收到的灌溉信息及实际的灌溉速度计算灌溉时间,进行远程灌溉;以Visual Studio软件为平台,设计了系统上位机的监控界面,可实现土壤和环境参数的实时检测和存储、作物需水状况的分析管理以及实时预警和灌溉决策。试验结果表明,该智能灌溉决策系统可在无人干预的情况下,根据传感器采集的信息自行判断作物需水情况,当系统认为作物需要灌溉时自行驱动灌溉装置完成灌溉,从而实现蓝莓园的远程精确灌溉,节省了人力物力,有效提高了灌溉水的利用率。     

地市级移动气象计量检定系统现场核查要点和问题探讨

通过分析地市级移动气象计量检定系统在实际工作应用,整理出气温、湿度、气压、风向、风速和雨量传感器在现场核查工作中需要注意的要点,并收集问题,以供交流同行们交流探讨。     

泾惠渠灌区作物需水量特征及影响因素分析

通过CROPWAT模型分析泾惠渠灌区冬小麦和玉米蒸发蒸腾量及灌溉需水量的变化,同时运用SPSS软件,计算灌区作物需水量与气象因子的相关系数,分析结果表明:冬小麦整个生育期蒸发蒸腾量平均值为634.04 mm,蒸发蒸腾量最高峰出现在4月中旬—5月中旬,灌区各分区蒸发蒸腾量趋势基本一致;玉米蒸发蒸腾量平均值为525.22 mm,蒸发蒸腾量高峰期出现在7月中旬—8月下旬,其中三原最大为535.97 mm,富平最小为514.68 mm;灌区冬小麦在播种—越冬期灌溉需水量最低,返青—拔节期需水量增加;灌区玉米在拔节—抽雄期需水量增加,灌溉平均需水量为133.04 mm;7月—8月为籽粒形成乳熟期,需水量为359.15 mm,至9月下旬,玉米灌溉需水量下降;灌区作物需水量与气温呈正相关,与降水呈负相关,与风速和相对湿度相关性较小,气温、日照时数和相对湿度是影响作物需水量的主要因素.     

基于CROPWAT的泾惠渠灌区玉米和棉花灌溉需水量时空分布研究

基于泾惠渠灌区30a的气象资料,采用CROPWAT模型分析了泾惠渠灌区作物蒸发蒸腾量及灌溉需水量的变化,并运用SPSS软件,计算了灌区作物需水量与气象因子的相关系数。分析表明:玉米蒸发蒸腾量平均值为524.33mm,蒸发蒸腾量高峰期出现在7月中旬到8月下旬;棉花蒸发蒸腾量平均值为869.13mm,峰值出现时间与玉米一致;灌区玉米在抽雄-开花期灌溉需水量为130.12mm,籽粒形成-乳熟期灌溉需水量为359.32mm,9月下旬以后,灌溉需水量下降;棉花生育期需水量空间分布比较均匀,平均值为869 mm,整个灌区灌溉需水量平均值为453.6mm,棉花苗床期灌溉需水量开始增加,花铃期达到最大值,吐絮期灌溉需水量减小;灌区作物需水量与气温呈正相关,与降水呈负相关,与风速和相对湿度相关性较小,与日照时数相关性较大。     

大漠温室模糊控制系统设计

依托温度传感器Wzppt100、湿度传感器HS1101以及单片机MC68HC705C8等硬件,设计了针对中卫沙坡头地区果蔬温室的智能控制系统,在采集与处理温室温度、湿度和光照度等参数的基础上,采用模糊算法,实现对温室卷帘机、换气扇、供暖器和微管喷滴灌等系统的实时控制。     

泾惠渠灌区作物需水量特征及影响因素

通过CROPWAT模型分析泾惠渠灌区冬小麦和玉米蒸发蒸腾量及灌溉需水量的变化,同时运用SPSS软件,计算灌区作物需水量与气象因子的相关系数,分析结果表明:冬小麦整个生育期蒸发蒸腾量平均值为634.04 mm,蒸发蒸腾量最高峰出现在4月中旬—5月中旬,灌区各分区蒸发蒸腾量趋势基本一致;玉米蒸发蒸腾量平均值为525.22 mm,蒸发蒸腾量高峰期出现在7月中旬—8月下旬,其中三原最大为535.97 mm,富平最小为514.68 mm;灌区冬小麦在播种—越冬期灌溉需水量最低,返青—拔节期需水量增加;灌区玉米在拔节—抽雄期需水量增加,灌溉平均需水量为133.04 mm;7月—8月为籽粒形成乳熟期,需水量为359.15 mm,至9月下旬,玉米灌溉需水量下降;灌区作物需水量与气温呈正相关,与降水呈负相关,与风速和相对湿度相关性较小,气温、日照时数和相对湿度是影响作物需水量的主要因素.     

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。     

用茎流计研究冬小麦蒸腾规律

通过田间试验及理论计算 ,验证了对茎流计在测量作物蒸腾方面的实用价值。试验观测表明 ,白天的作物蒸腾变化与太阳辐射值有很强的相关关系 ,太阳辐射是白天作物蒸腾的主要影响因素 ;作物夜晚的蒸腾变化主要受气温、风速、空气饱和差等因素的影响。通常 ,作物夜晚没有蒸腾 ,但在气温较高 ,风速较大的夜晚 ,作物就会产生很小的蒸腾 ,在天气晴朗的夜晚 ,作物夜晚蒸腾速率的变化遵循着一定的规律     

土默特右旗ET0对气象因子和相关参数的响应

【目的】研究ET0与气象因子和相关参数的响应性。【方法】以内蒙古包头市土默特右旗为研究区,采用ENVI5.3软件,遥感反演相关参数,分析了参考作物腾发量(ET0)与气象因素和相关参数的相关性和主成分。【结果】(1)在年尺度上,气象因素对ET0的相关性排序为:净辐射日照时间最高温度相对湿度最低温度风速。在月尺度上,ET0在7月对最高温度和日照时间最敏感;4月ET0对相对湿度最敏感;5月对风速最敏感;净辐射与ET0相关性在4—10月都很显著;ET0与最低温度相关性不显著。在作物生长季,ET0主要受净辐射、日照时间、最高温度的影响。(2)3种相关参数NDVI、植被覆盖度、地表温度和ET0均显著正相关,NDVI的相关性最显著。(3)利用主成分分析得到主成分变量Z1、Z2代替了原始数据(最高温度、最低温度、相对湿度、日照时间、风速、NDVI、植被覆盖度、地表温度、净辐射),使复杂的研究变得简单。【结论】在作物生长季,ET0主要受净辐射、日照时间、最高温度的影响;在相关参数中,与NDVI的相关性最好。