豫北砂质壤土地区不同尺度农田土壤含水率空间变异性研究

【目的】揭示豫北地区农田0～1 m土层土壤含水率空间分布与变异状况。【方法】在中国农业科学院新乡综合试验基地玉米田选取一个50 m×50 m的区域,然后在其内部选取10 m×10 m、2 m×2 m的区域,共形成3种采样尺度,分别标记为L、M、S尺度,并于2016年8月和9月,在各尺度内分别等间距选取36个取样点。基于地统计学理论,对0～1 m土层土壤平均含水率进行分析。【结果】各尺度土壤含水率正态分布置信水平高于对数正态分布,尺度越大,土壤含水率分布属于正态分布置信水平越低;对于土壤含水率均值,L尺度与M尺度差异较大,M尺度与S尺度差异较小;总体上,土壤含水率的置信区间、标准差以及变异系数均随尺度的减小而减小;L尺度内变异函数值总体上随着滞后距的增大而增大,而M尺度和S尺度变异函数值没有明显的变化趋势,相对比较稳定;总体上相同置信水平与估算精度条件下,估算样本均值所需的样本数量随尺度的减小而减小;与置信水平相比,估算精度对合理取样数量的影响大。【结论】不同尺度土壤含水率的概率分布与大部分统计特征值均会随着尺度的变化而产生有规律的变化,尺度越大,土壤含水率分布越偏离正态分布,其空间变异性也越强。     

参考作物蒸散量对气象要素的敏感性分析

为了研究参考作物蒸散量(ET_0)对气象要素的敏感性,利用新乡地区1951―2003年逐日气象资料,由Penman-Manteith公式计算参考作物蒸散量,采用敏感曲线和敏感系数方法分析了参考作物蒸散量对气象要素的敏感性。结果表明,温度、风速和日照时间3种气象要素与ET_0正相关,相对湿度与ET_0负相关。1―12月,相对湿度和风速的敏感系数表现为"先减小后增大"趋势,而日照时间和温度敏感系数表现为"先增大后减小"趋势。在全年中,ET_0对气象要素的敏感程度表现为相对湿度风速日照时间温度;第一、四季度各气象要素在季尺度中的敏感性均为相对湿度风速日照时间温度,第二季度表现为相对湿度日照时间风速温度,第三季度表现为相对湿度日照时间温度风速;冬小麦生育期典型时段内各气象要素敏感性在1、3、10月份均表现为相对湿度风速日照时间温度,5月则表现为相对湿度日照时间风速温度。     

辽西地区潜在蒸散发敏感性分析及变化成因研究

【目的】了解辽西地区潜在蒸散发敏感性及蒸散发变化成因。【方法】基于辽西地区13个气象台站1965—2015年的基础气象资料,依据FAO-56 Penman-Monteith法估算了辽西地区近50 a的蒸散发(ET_0),采用Mann-Kendall检验法对ET_0及各气象要素的变化趋势进行了检验,同时基于敏感性系数法探讨了ET_0对各气象要素的敏感性,并定量揭示了引发ET_0变化的主导因子。【结果】1965—2015年,辽西地区年均ET_0以12.5 mm/10 a的速率显著降低,均值为1 007.6 mm/a,空间上由西南向东北呈低—高—低的分布格局;最低温度和最高温度表现为极显著升高趋势,风速和太阳辐射表现为极显著降低趋势,相对湿度未发生明显变化;辽西地区ET_0对各气象要素的敏感性依次为:相对湿度最高温度风速太阳辐射最低温度,且ET_0与相对湿度变化呈负相关,而与其他要素变化均为正相关;最低温度、最高温度的升高和相对湿度的降低引发区域ET_0变动为正贡献,而太阳辐射和风速的降低则为负贡献,且贡献率最大的为风速,最小的为相对湿度。【结论】风速的降低是引发辽西地区ET_0降低的主导因子。     

基于温湿度的ET_0估算模型应用研究

针对大面积灌区作物蒸发蒸腾量(ET0)分布式监测所需参数较多的问题,开展利用易获取的少量气象参数估算ET0的研究对我国灌区的作物需水量监测和灌区水资源的管理有重要意义。利用人工神经网络技术建立基于温、湿度的ET0月份估算模型,对作物蒸发蒸腾量进行了估算;在此基础上,针对ET0的季节性特征,将估算模型由月份尺度拓展到季节尺度;最后运用陕西省6个基本站点的气象数据对该优化模型进行普适性分析。结果表明,优化后的季节估算模型,在春夏二季的平均相对误差在10%以内,在秋冬二季的平均绝对误差在0.20mm以下,且每对基准站点和邻近站点得到的估算结果具有很好的一致性和稳定性,表明该模型在作物需水估算方向上较强的实用推广价值。     

基于SEBAL模型和环境卫星的区域蒸散发量及灌溉水利用系数估算研究

【目的】探索基于遥感技术建立准确快捷评估区域蒸散发量和灌溉水利用系数的方法。【方法】以河套灌区义长灌域为研究区,基于SEBAL(Surface Energy Balance Algorithm for Land)模型和较高时空分辨率的环境卫星影像,建立了SEBAL遥感蒸散发估算模型,并与降水量、灌水量和地下水位数据结合,计算了研究区的灌溉水利用系数。【结果】SEBAL模型反演的作物蒸散发量的平均绝对误差在5%以内;2013—2017年研究区灌溉水利用系数在0.427～0.572之间,平均值0.492,高于河套灌区的平均水平。人民支渠区的灌溉水利用系数在0.447～0.688之间,均值为0.516。研究区地下水补给量均值为52.13 mm,约占灌水量的3%～7%,忽略地下水补给量会对灌溉水利用系数准确计算带来0.03～0.08的误差。【结论】基于SEBAL遥感蒸散发模型快速测算了灌溉水利用系数,计算结果具有较好的精度和可信度。模型尺度差异性较小,在不同空间尺度的适用性较好。     

新疆艾比湖流域潜在蒸散变化特征与成因分析

【目的】寻找新疆艾比湖蒸散主要影响因子。【方法】根据新疆艾比湖流域内6个代表气象站1960―2015年逐日气象数据,采用辐射校正的Penman-Monteith模型计算了潜在蒸散量(ET0),采用气候倾向率、Mann-Kendall法、Morlet小波分析等方法分析了ET0周期变化规律,同时基于通径分析原理的指标敏感性方法分析了ET0的变化成因。【结果】1960―2015年艾比湖流域年ET0多年平均值为956.1 mm,气候倾向率为-29.89 mm/10 a,呈显著下降趋势(p0.001);四季ET0表现为夏季春季秋季冬季,各季随年份序列均呈下降趋势,其中夏季ET0下降趋势最为显著,夏、春二季ET0对全年潜在蒸散的相对贡献最大;年ET0在1986年发生下降突变,降幅为10.52%。ET0在28 a的周期振荡最强烈,为时序变化的第一主周期,第二、三主周期分别为15 a和8 a;风速对ET0的通径系数为0.736,对回归方程估测可靠程度E的总贡献为0.577。【结论】风速下降是艾比湖流域ET0下降的主要因子,其次为相对湿度、净辐射、降水和最高气温。     

基于非线性多尺度模型的黄河三角洲降水量预测

【目的】提高降水量的预测精度,反映降水量的实际特征。【方法】基于经验模态分解对非线性时间序列的分析和处理的优势,对黄河三角洲气象站点1954—2018年连续65 a月均降水量数据进行经验模态分解(Empirical Mode Decomposition, EMD),得到了系列本征模态函数(Intrinsic Mode Function,IMF),对IMF进行Hilbert变换,在此基础上建立了2种黄河三角洲降水量多尺度预报模型。【结果】黄河三角洲降水量存在着9、13、23、76、135月左右的周期,并以9个月的波动为主;65 a月均降水量数据预测结果显示:模型一的相对误差在0.9%～9.8%之间,模型二的相对误差在1.6%～11.8%之间,在建模时不考虑初相位的模型一平均预测误差为2.70%,整体预测精度要优于考虑初相位的模型二。【结论】2种模型的拟合精度及显著性均符合要求。     

三江源地区作物参考蒸散量的时空分布特征变化及未来趋势预测北大核心

基于1979-2014年三江源地区ET_(0)计算值结合NCEP再分析数据建立统计降尺度模型SDSM,通过模型验证发现该方法在三江源地区ET_(0)预测具有较好的适用性;然后通过率定的模型将2015-2100年CanESM5模式中ssp1-2.6,ssp2-4.5和ssp5-8.5情景模式下的预测数据降尺度处理为站点数据,最终分析计算出了三江源地区13个气象站点近36年来作为基准期的ET_(0)变化特征,以及ET_(0)值在未来不同情景下相对于基准期的变化。结果表明:(1)基准期空间分布上呈现南部和东北部高,西北和中部地区低的分布格局,其中年平均ET_(0)为855 mm,以0.043 mm/a的增长率增加;(2)2015-2100年夏季和冬季的季节平均ET_(0)在空间分布上与基准期一致,但春季、秋季都以五道梁为低值区中心,存在低值区范围缩小、扩散的分布变化;年平均ET_(0)在3种情景模式下均呈现显著增长趋势,ssp5-8.5增幅最多,其次是ssp2-4.5,ssp1-2.6增幅最少;(3)ssp1-2.6和ssp2-4.5情景模式下的ET_(0)增量秋季大于春季,与ET_(0)值春季高于秋季的季节分布特征存在差异。总体来看,2015-2100年年平均ET_(0)空间分布特征和基准期保持一致,ET_(0)值均有明显上升趋势,但区域增量存在地区差异,玛多、班玛可能成为未来ET_(0)高值区。ET_(0)的不断上升可能导致区域水资源短缺进一步加剧,干旱发生频率增加,需要加强区域生态需水指标构建、作物气候生产潜力以及干旱分布研究等工作,以便提前做好应对措施。     

1983―2015年中国西南地区干旱综合损失率与SPI的关系研究

【目的】揭示1983―2015年中国西南地区干旱综合损失率与SPI的关系。【方法】利用1983―2015年西南地区旱灾资料研究了西南地区旱灾在1983―2015年的变化规律及发生概率;利用40个代表站点1960—2015年的月降水量资料计算月、季和年尺度SPI值,进一步研究了1983―2015年不同时间尺度的干旱综合损失率与SPI的相关关系。【结果】1983―2015年西南地区干旱的受灾率、成灾率、绝收率和综合损失率的多年平均值分别为11.79%、5.84%、1.30%和4.86%,除云南的旱灾呈不显著上升趋势外,其他省份和整个西南地区的旱灾呈下降趋势,各省旱灾情况较为接近,其中云南和贵州的旱灾情况比广西和四川严重,西南地区干旱综合损失率大于6%的概率为29.8%。【结论】除云南省干旱综合损失率与5月SPI值最为相关外,其他省份和西南地区干旱综合损失率都与8月、夏季和年尺度的SPI值的相关性最大。     

基于神经网络算法的广东省典型代表站点ET_0简化计算模型研究

【目的】探讨BP、极限学习机、小波神经网络算法在广东典型气候代表站点的适用性,建立ET_0简化计算模型。【方法】以韶关、深圳、广州、揭西、湛江站为研究对象,收集各站1981—2010年逐日平均、最高、最低气温、相对湿度、日照时间、风速观测数据,以FAO-56Penman-Monteith ET_0计算值为基准,对比3种算法计算效结果,确定最优算法,并结合因子敏感性分析建立了ET_0简化计算模型。【结果】①P<0.05显著水平下,广州、韶关站各气象因子均差异显著;湛江、广州、揭西、深圳4站除日最高气温差异显著,其他气象因子差异均不显著;②ET_0因子敏感性分析中,韶关、广州、深圳3站日最低、最高气温、日照时间敏感系数较大,韶关站为0.040、0.113、0.223,广州站为0.043、0.101、0.208,深圳站为0.054、0.105、0.181;揭西和湛江站日最高气温、相对湿度、日照时间敏感系数较大,分别为:0.105、-0.040、0.216和0.098、-0.072、0.197,综合各站来看,日最高气温、日照时间最为敏感;③全因子输入条件下,ET_0计算精度表现为BP>极限学习机>小波神经网络;④ET_0简化计算精度表现为BP(全因子输入)>BP-1(日最高、最低气温,相对湿度,日照时间作输入)>BP-2(日最高气温、日照时间输入),但差值不大。【结论】因此,基于日最高气温、日照时间2因素的BP算法一定程度能简化计算ET_0。     

气候变化背景下榆林市参考作物需水量多时间尺度特征分析

【目的】研究气候变化背景下榆林市参考作物需水量的多时间尺度变化特征及其与各气象因子的相关性,便于衡量气候变化背景下榆林市水热资源的演变特征。【方法】根据榆林气象站1959—2014年逐日气象资料(平均地表温度、平均气温、蒸发量、平均气压、平均相对湿度、日照时间和平均风速等),采用彭曼公式、Mann-Kendall突变检验、小波分析及相关分析法研究了榆林市参考作物需水量多时间尺度变化特征。【结果】1959—2014年榆林站全年及四季参考作物需水量均呈增加趋势,线性倾向率分别为30.7、11.4、6.7、5.7、6.9 mm/10 a。全年参考作物需水量突变年份为1995年,春、夏、秋三季参考作物需水量均在1998年发生突变,冬季在1989年发生突变;全年及四季参考作物需水量的第一主周期分别为26、28、27、28、26 a,第二主周期分别为8、7、9、8、4 a,第三主周期分别为4、2、4、4、12 a;参考作物需水量与平均相对湿度、日照时间、平均气温、平均风速以及年平均地表温度的相关系数分别为-0.128、0.223、0.935、0.271、0.940。【结论】榆林站1959—2014年不同时间尺度的参考作物需水量均呈增加趋势,平均气温、日平均地表温度是影响榆林气象站ET_0的主要因素。     

1959-2017年安徽省夏季降水的时空变化及其影响因素研究

【目的】探究安徽省区域水热动态变化趋势,对区域水旱灾害发生的夏季降水时空分布变化特点、分配特征及变化规律进行分析。【方法】利用1959―2017年安徽省16个气象站逐月降水资料,采用气候倾向率法、滑动平均法、Mann-Kendall突变检验法并基于克里金插值法,对安徽省1959-2017年夏季降水的时空分布特征及影响因素进行分析。【结果】研究区年均夏季降水540.1 mm,占年均降水总量45.9%,夏季降水量变幅为275.7~1 137.0 mm;1959-2017研究区年均降水量和夏季降水量总体上都呈增加趋势,其中夏季降水量变化率为23.01 mm/10 a,略高于年均降水变化速率(21.31mm/10a);夏季降水作为年降水极值的重要构成,在1975年存在显著突变点,20世纪70年代末到20世纪90年代中期突变情况复杂多变,存在多个突变年份,突变年份与厄尔尼诺年具有较强关系。安徽省夏季降水与年降水在空间分布上都呈现出南多北少的同步趋势;年降水量呈现237.0~753.2 mm的降水梯度,夏季降水出现426.4~1 045 mm的降水梯度。【结论】安徽省夏季降水变化特点表现为集中性和突变性共存的特点,降水呈现增多趋势是全球气候变暖背景下复杂的水热响应关系以及以厄尔尼诺现象为代表的异常气候事件共同作用的结果;安徽省区域气候过渡性和复杂下垫面地形条件造成了区域降水显著分异。     

土壤基质势调控对温室滴灌番茄土壤水分分布和产量的影响

【目的】指导设施蔬菜生产中科学合理地利用滴灌技术进行灌溉。【方法】采用小区试验的方法,以冬春茬番茄为研究对象,布置了7个不同土壤基质势阈值的试验,在番茄开花坐果期和结果期分别控制滴头正下方20 cm深度土壤基质势在-15和-15 kPa(S1)、-15和-30 kPa(S2)、-15和-45 kPa(S3)、-25和-25 kPa(S4)、-30和-15 kPa(S5)、-30和-30 kPa(S6)以及-30和-45 kPa(S7),研究了日光温室滴灌土壤基质势调控下土壤水分随时间变化及空间分布的规律,以及番茄产量、畸形果率和灌溉水利用效率等。【结果】①控制滴头正下方20 cm深度土壤基质势可以明显影响0～100 cm深度土壤水分状况。②在番茄开花坐果期,当土壤基质势阈值控制在-30 kPa或更高时,番茄根系主要吸收利用0～60 cm深度以上范围的土壤水分,70 cm深度以下土壤水分基本不变,0～60 cm深度土壤体积含水率平均为28.6%,为田间持水率的84%,60～100 cm土壤体积含水率平均为36.2%,为田间持水率的90%。③番茄进入结果期后,当土壤基质势阈值控制在-25～-15 kPa时,整个土体土壤含水率基本保持在田间持水率的77%～91%,根系主要吸收利用0～60 cm深度以上范围的土壤水分,70 cm深度以下土壤水分消耗缓慢;当土壤基质势阈值降低到-45～-30 kPa时,根系吸收利用到80～100 cm深度的土壤水分,整个土体土壤含水率不断降低,降低到田间持水率的60%～66%。④不同处理番茄产量、畸形果率和灌溉水利用效率有明显差异,其中S3和S7处理番茄产量高,S5处理产量低;S1、S3和S4处理的畸形果率大,S6和S7处理的畸形果率低;S1处理的灌溉水利用效率最低,S7处理的灌溉水利用效率最高。【结论】日光温室少量高频滴灌条件下,当滴头正下方20 cm深度土壤基质势阈值开花坐果期控制在-30 kPa、结果期控制在-45 kPa时,整个土体土壤水分状况基本良好,番茄的产量高,畸形果率低,灌溉水利用效率高。     

考虑“蒸发悖论”的洱海灌区逐日参考作物蒸散发预测

【目的】为估算参考作物蒸散发(ET₀)和灌溉实时预报调度、区域农业干旱评估提供依据。【方法】以滇中高原上洱海湖滨灌区的大理气象站为例,探究“蒸发悖论”现象出现的时期,采用气象因子线性回归模型、蒸发皿折算系数K_p模型、气象因子+蒸发皿蒸发(E_pan)多元回归模型、Normal Copula模型等4种方法计算逐日ET₀进行预测对比,并与Penman-Monteith公式计算所得的ET₀进行对比。【结果】①1954—2018年大理站20 cm蒸发皿蒸发量呈下降趋势,ET₀和气温呈上升趋势,但ET₀的上升趋势更平缓;虽然在长时间序列上ET₀和蒸发皿蒸发量有相反的变化趋势,但在年代际存在显著的差异性,1960年和2000全年以及四季均出现“蒸发悖论”,1970年则是全年以及夏、秋、冬三季出现“蒸发悖论”,1990年仅夏季出现“蒸发悖论”,2010年秋季出现“蒸发悖论”。②在未出现“蒸发悖论”时期,加入E_pan后的气象因子多元回归模型法(ET_0,Epan+Metr)所得逐日ET₀预测结果与标准值的误差最小,其次为单纯的气象因子多元线性回归模型法(ET₀,Metr),最差为K_p模型法(ET₀,K_p);加入E_pan后的气象因子多元回归模型(ET₀,ET_0,Epan+Metr)逐日ET₀预测的相对误差(ERR)小于15%、20%、25%的样本数达到了79.18%~90.16%、89.32%~97.23%、94.79%~98.36%。③出现“蒸发悖论”时,蒸发皿蒸发与ET₀的变化趋势相反,只能采用Copula联合分布函数模型预测,构建T-T_max二维Normal Copula模型的精度更高,ERR小于15%、20%、25%的样本数为73.70%~86.56%,82.51%~92.95%,89.89%~98.52%。【结论】通过M-K检验判别是否处于“蒸发悖论”期,以决策选用加入E_pan后的气象因子多元回归模型,还是T-T_max二维Normal Copula模型,二者均可显著提高逐日ET₀预测模拟的精度。     

节水灌溉对农田土壤温室气体排放的影响

农田是温室气体的重要排放源,如何通过有效的管理措施降低农田温室气体的排放成为当前应对气候变化研究的热点之一。不同灌溉方式导致土壤水分差异较大,进而引起温室气体排放的差异。[目的]系统总结分析不同节水灌溉方式对温室气体排放的影响效果有助于对节水灌溉方式优化选择及未来研究方向的聚焦。[方法]在前人研究基础上,进行文献搜集和整理,综述分析了节水灌溉方式对稻田和旱作农田温室气体排放的影响。[结果]与长期淹水相比,现有的水稻节水灌溉方式增加了稻田土壤CO2排放,增幅为20.83%~104.00%,平均增加48.40%,对N2O排放的影响有增加也有降低,其影响率范围为-41.30%~3078.41%,平均增加269.10%,但却显著降低了CH4的排放,降幅为14.19%~78.92%,平均降低51.66%。综合考虑稻田的全球净增温潜势(GWP),节水灌溉较长期淹水降低了稻田的GWP。与漫灌/沟灌相比,滴灌可改变旱作农田CO2和N2O排放及对CH4的吸收,其变化率范围分别为-31.19%~2.81%、-46.51%~52.56%和-150.00%~43.39%,平均分别降低12.84%、18.63%和24.93%。综合考虑旱作农田的GWP,由于N2O是旱作农田的主要温室气体,因此,滴灌降低了旱作农田的GWP。[结论]节水灌溉在节水的同时,还可降低农田温室气体排放的全球净增温潜势。基于研究现状,亟须对不同节水灌溉方式的温室排放效应及其机制开展定量研究。     

不同灌水条件下施氮量对滴灌夏棉冠层指标的影响

[目的]揭示施氮量对滴灌夏棉冠层指标的调控作用。[方法]设置3个灌水水平(滴灌,灌水定额30、22.5、15mm,分别记为I1、I2、I3)和5个氮素水平(0、60、120、180、240kg/hm2,分别记为N0、N1、N2、N3、N4),研究了不同灌水条件下施氮量对株高、叶面积指数、叶片含氮量和比叶重的影响。[结果]I2条件下,株高和叶面积指数随施氮量增加呈不断增加趋势,施氮量为240kg/hm2时达到最大。I1和I3条件下,增加施氮量,株高和叶面积指数先增加后减小,在施氮量为60或120kg/hm2的处理达到最大。夏棉比叶重和叶片含氮量随着生育期推进分别呈不断上升和不断下降趋势,5个施氮水平下夏棉叶片比叶重均表现为I1相似文献   

夏闲覆盖和种植方式对黄土旱塬小麦产量及土壤水分的影响

【目的】充分利用夏闲期降水,提高旱地麦田土壤蓄水保墒能力,增产增收。【方法】通过3 a田间试验,研究了夏闲期秸秆残膜二元覆盖+垄膜沟播(JCLG)、夏闲期黑网膜覆盖+露地条播(HWLT)与夏闲期秸秆覆盖+露地条播(JLT)3种栽培措施对黄土旱塬冬小麦土壤水分及产量的影响。【结果】JCLG处理可显著提高小麦产量、生物量、降水生产效率,较JLT处理分别提高9.5%～35.1%,13.2%～42.2%,8.8%～35.6%。同时JCLG处理具有良好的休闲期蓄水效率,较JLT处理平均提高29.5%,平水年二者差异显著。HWLT处理也具有良好的水分休闲效率和增产效果,较JLT处理平均提高22.5%和18%。播前2 m土壤贮水量和耗水量、产量、生物量均呈极显著相关关系,一定程度上根据播前土壤贮水量来预测当地冬小麦产量。【结论】JCLG处理和HWLT处理2种覆盖种植方式均适宜在黄土旱塬乃至我国旱地麦区推广应用,且以夏闲期秸秆残膜二元覆盖+垄膜沟播(JCLG)方式效果更佳。     

1960―2018年吉安地区干旱特征分析与短期预测

【目的】深入探索吉安地区干旱的时空分布特征、演变趋势以及未来干旱状况。【方法】基于吉安地区13个区县气象站点1960―2018年降水量的不同时间尺度SPI值,利用反距离权重法对干旱频率进行空间插值,分析了年、四季干旱的空间分布特征;采用线性回归法、Mann-Kendall趋势检验法、干旱站次比和游程理论分析了干旱变化趋势、发生时序特征、影响范围和严重程度;通过加权Markov模型对降水量状态进行了预测。【结果】吉安地区年尺度干旱的频率和高频范围从轻旱到特旱逐渐减小;秋旱和冬旱较为严重,发生频率均在30%左右,夏旱地区分布差异大;多地春旱有加重倾向,夏旱呈减弱趋势;全流域干旱事件容易集中在短时间内发生,干旱范围以20 a为周期缩小明显,严重程度也有所减弱;最后,预测2019年和2020年偏枯的区县为6个和8个。【结论】吉安地区应重点做好秋冬季节的防旱工作,并且关注可能发生在21世纪20年代初期的大范围干旱事件。     

基于SOC710VP高光谱成像仪的冬小麦土壤含水率反演模型研究

【目的】实现小麦农田土壤含水率大面积快速监测。【方法】以冬小麦冠层高光谱数据为基础,计算得到8种植被指数,通过对关键生育时期(拔节期、抽穗期、灌浆期)不同水分处理下冬小麦不同土层(0～20、20～40、40～60 cm)土壤含水率与植被指数拟合状况进行分析和筛选,分别构建了基于植被指数的不同土层土壤含水率反演模型,并对模型进行检验。【结果】①各时期植被指数拟合效果有所差异,拔节期0～20 cm土层以植被指数VOG1拟合效果较好,相关系数为0.88,20～40 cm土层以植被指数mNDVI705拟合效果较好,相关系数为0.75,40～60 cm土层以植被指数VOG3拟合效果较好,相关系数为0.59;抽穗期0～20 cm土层以植被指数mNDVI705拟合效果较好,相关系数为0.70,20～40 cm土层以植被指数mNDVI705拟合效果较好,相关系数为0.72,40～60 cm土层以植被指数mSR705拟合效果较好,相关系数为0.57;灌浆期0～20 cm土层以植被指数mNDVI705拟合效果较好,相关系数为0.88,20～40 cm土层以植被指数SARVI拟合效果较好,相关系数为0.68,40～60 cm土层以植被指数SARVI拟合效果较好,相关系数为0.71;②各土层土壤含水率与植被指数拟合效果有所差异,其中利用VOG1和mNDVI705组合构建的模型反演0～20 cm土层,决定系数R2为0.743,利用mNDVI705和SARVI组合构建的模型反演20～40 cm土层,决定系数R2为0.707,利用VOG3、mSR705和SARVI组合构建的模型反演40～60 cm土层,决定系数R2为0.484;③通过建立植被指数对土壤含水率的反演模型,0～20 cm土层含水率反演效果好于20～40 cm和40～60 cm。【结论】高光谱植被指数反演模型中,以0～20 cm土层的估算模型最佳,植被指数组合为VOG1和mNDVI705。综上可知,该研究方法进行土壤含水率的反演是可行的。