排序方式: 共有81条查询结果,搜索用时 15 毫秒
41.
42.
局部地形因子的剧烈变化对气温的影响会进一步影响参考作物需水量(ET0)的精确估算。以贵州省为例开展地形对气温影响下的ET0计算方法,采用符号回归的方法,构建Modis实测气温值与经度、纬度、海拔、坡度、坡向等地形因子以及插值气温之间的函数关系,并将其代入FAO56PM公式,进而得到考虑地形对气温影响的ET0计算方法。研究结果表明,计算所得的气温与Modis气温实测值之间的相关系数均大于0.49,可以有效减小气温的估算误差,具有较好的模拟效果;考虑地形对气温影响的ET0与传统插值方法所得的贵州省内日ET0空间分布特征相一致且较为连续;考虑地形对气温影响下南坡上的ET0大于北坡,且ET0随坡度的增加而减小,当坡度大于60°时,坡度对ET0的影响不容忽视。研究结果可为贵州地区农业精准灌溉和灌区水资源精准配置提供指导依据。 相似文献
43.
不同时间尺度节水灌溉水稻腾发量特征与影响因素分析 总被引:2,自引:0,他引:2
利用自制小型蒸渗仪系统在江苏省昆山市试验研究基地测定了2015年水稻生育期稻田蒸散量和土壤蒸发量,分析了节水灌溉稻田蒸散量、水稻蒸腾量和土壤蒸发量在水稻生育各期的日变化规律和稻季逐日变化趋势及分配特征,分别讨论了不同时间尺度上蒸腾量和蒸发量与净辐射(Rn)、叶面积指数(LAI)、饱和水汽压差(D)、空气温度(Ta)、风速(V)和表层土壤含水率(W)的相关关系。结果表明,节水灌溉稻田蒸散量(ET)与水稻蒸腾量(T)均呈明显的倒"U"型单峰变化趋势,变化规律也基本保持一致。土壤蒸发量(E)在水稻生育前期也呈倒"U"型单峰变化,之后没有明显的日变化特征。夜间蒸腾量正负波动,水汽凝结对蒸渗仪的测量产生了不可忽视的影响。水稻生育期的T与ET逐日变化趋势及波动状况也都基本一致,总体上为先增加后减小,高峰期出现在分蘖后期。以分蘖后期为界,之前稻田蒸散以蒸发为主,之后以蒸腾为主。从水稻移栽到乳熟,E/ET从接近1逐渐减小至0.19,黄熟期略有增加。在小时和日时间尺度上,影响节水灌溉稻田蒸腾量与蒸发量的主要因素不完全相同,影响程度也不相同。Rn和LAI分别是小时和日尺度上水稻蒸腾量最主要的影响因素,而LAI和D则分别是两尺度上土壤蒸发量最主要的影响因素。在所有因素中,LAI对两时间尺度蒸腾量和蒸发量均有显著影响(α0.001)。尺度差异的分析对田间水分管理及水转化研究都有重要的现实意义。 相似文献
44.
田块和小区尺度下节水灌溉稻田腾发量差异分析 总被引:2,自引:1,他引:1
为了揭示节水灌溉稻田腾发量在不同尺度间的差异,基于田间实测数据,对比分析了节水灌溉田块尺度与小区尺度间稻田腾发量的差异性。结果表明,节水灌溉水稻整个生育期不同尺度腾发量间存在显著差异,田块尺度的总腾发量比小区尺度小18.7%。各生育期稻田腾发量尺度间差异显著(P0.05),不同时段(旬、候)稻田腾发量尺度间差异极显著(P0.01)。节水灌溉条件下稻田下垫面状况、大气湍流状况、灌溉补水过程、土壤水分状况以及气象因子是造成不同尺度稻田腾发量差异的主要原因。气象因子中空气相对湿度和气温造成了尺度间腾发量差异的变化。稻田腾发量尺度差异的揭示可为稻田腾发量在尺度间的转换提供依据。 相似文献
45.
灌区土壤水分空间变异及监测方法研究 总被引:1,自引:0,他引:1
根据灌区田间实测资料,利用地统计学法和传统统计学方法,对灌区土壤水分的空间变异性进行了研究,得到典型斗渠土壤水分空间分布的特点,并以此为基础提出了灌区土壤水分监测分区原则、各分区取样数目的确定及取样点分布方法,为建立合理的灌区土壤水分监测系统,获得实时准确的灌区土壤水分状态,进行适宜的灌溉预报提供依据。 相似文献
46.
为了解不同机器学习算法在预测不同气候区参考作物腾发量(ET_(0))方面的表现,以中国干旱区和湿润区共计20个气象站点1960-2019年的逐日气象数据为依据,以PM和HS公式计算的ET_(0)为参考,评价了多元逐步回归(SL)、支持向量机(SVM)和高斯过程回归(GPR) 3种机器学习算法的ET_(0)预测精度及其适用性。结果表明:(1)当分别以PM和HS公式计算的ET_(0)数值为标准时,3种机器学习算法模拟ET_(0)精度大小关系均表现为:GPR>SVM>SL,且GPR算法的模拟精度最高,其相关系数(R~2)均高达0.950以上。(2)当采用同一种机器学习算法时,其在以PM公式计算的ET_(0)为参考值情况下的R~2范围为0.965~0.995、RMSE的范围为0.212~0.260 mm/d、MAE的范围为0.151~0.201 mm/d;以HS公式计算结果为参考值时,其R~2范围为0.935~0.984、RMSE范围为0.832~0.964 mm/d、MAE范围为0.596~0.745mm/d。(3)在不同气候分区,以同一参考公式计算结果为标准值时采用机器学习算法模拟干旱区的ET_(0)精度均优于湿润区,其R~2提高了0.01。(4)对比不同机器学习算法的稳健性,SL和SVM算法在分别以PM和HS公式计算结果为参考值时的稳健性最高,其训练到模拟阶段的R~2变化幅度仅为0.16%和0.11%,而GPR算法稳健性均最低。(5)对比不同机器学习算法训练时间成本,SVM和GPR算法的计算成本显著高于SL算法。综合分析3种算法的ET_(0)预测精度、稳健性和计算成本,SVM算法可推荐为中国干旱区和湿润区较为精准预测参考作物腾发量的方法。且机器学习模拟精度与气象因子的定量关系表明,日照时数(N)变化是影响各算法预测精度的主要因子。 相似文献
47.
甲烷(CH4)是一种强效温室气体,准确认识特定类型土壤CH4源汇特征及影响因子调控作用,对于提升土壤CH4吸收潜力以减缓全球气候变化具有重要意义。该研究以盐渍土为研究对象,在土壤室内培养试验中,设置了3个土壤含水率处理,分别为田间持水率(Field Capacity,FC)的50%(50%FC),75% FC和100% FC;并在每个含水率下设置了6个含盐量处理,电导率分别为0.3、1.0、2.0、3.2、4.9和6.2 dS/m,研究不同土壤含水率和含盐量条件下盐渍土CH4吸收特征。在田间测坑试验中,观测了0.3、1.0和5.0 dS/m 3种含盐量土壤的CH4吸收特征及其对水分动态的响应。室内土壤培养试验结果表明,100%FC下6种盐分水平土壤CH4累积吸收量分别是75%FC下的1.08~1.39倍和50%FC的1.27~1.72倍,表明在田间持水率范围内,含水率升高促进了土壤CH4吸收;在3种含水率下,土壤CH4累积吸收量均随着处理含盐量升高而降低,6.2 dS/m最高含盐量处理的CH4累积吸收量相比0.3 dS/m最低含盐量处理显著降低了42.6%、52.3%和55.1%;相比50%FC、100%FC含水率下高含盐量对土壤CH4吸收具有更强的抑制作用,土壤含水率和含盐量对CH4吸收的影响存在显著的交互作用。田间测坑试验在野外田间条件下进一步验证了室内培养试验的结果,试验观测期内所有含盐量处理土壤CH4吸收速率均与土壤含水率呈显著正相关关系(P<0.01);1.0和5.0 dS/m含盐量处理的累积CH4吸收量分别为0.3 dS/m非盐渍土处理的82.6%和59.8%,高含盐量抑制了土壤对CH4的吸收。研究结果表明盐渍土是CH4的汇,并受到土壤含水率和含盐量显著影响,在盐渍土开发利用中应考虑通过合理的水盐调控以提高土壤CH4汇的能力。 相似文献
48.
水稻控制灌溉对稻麦轮作农田N_2O排放的调控效应 总被引:1,自引:1,他引:1
为了揭示水稻控制灌溉对稻麦轮作农田N2O排放的调控效应,该文对稻麦轮作农田N2O排放进行原位观测,分析稻麦轮作农田N2O排放对水稻控制灌溉水分调控的动态响应。结果表明,水稻灌溉模式对后茬冬小麦田N2O排放产生了显著的后效性影响,控制灌溉稻季农田N2O排放总量较常规灌溉稻季农田平均增加了136.9%(P0.05),而稻季采用控制灌溉的麦季农田N2O排放总量较稻季采用常规灌溉的麦季农田平均减少47.1%(P0.05);稻季采用控制灌溉的稻麦轮作农田全年N2O排放总量平均为761.50 mg/m2,较稻季采用常规灌溉的轮作农田平均减少了1.0%,差异很小(P0.05)。稻季采用控制灌溉的稻麦轮作农田N2O-N损失率为1.01%,稻季采用常规灌溉的轮作农田N2O-N损失率为0.98%。麦季N2O排放通量的峰值一般出现在施肥后伴随降雨时,降雨后7~10 d是麦季N2O剧烈排放的关键时期。水稻控制灌溉较常规灌溉没有增加稻麦轮作农田的N2O排放。研究结果为准确估算中国农田N2O排放量及制定N2O减排措施提供参考。 相似文献
49.
海河流域参考作物腾发量长期变化趋势分析 总被引:2,自引:0,他引:2
收集了海河流域37个国家气象站的逐日气象资料,采用FAO-56 Penman-Monteith方法计算参考作物腾发量(ET0);采用Mann-Kendall法进行趋势检验。通过分析及各气象因素的变化趋势,揭示了气候变化对参考作物腾发量长期变化规律及对作物灌溉供需水量可能产生的影响。结果表明:自20世纪50年代至2007年末,在海河流域下游地区具有较明显的ET0下降趋势,而在各主要河流的上游地区则有明显的上升趋势;其原因是整个流域内呈现气温上升相对湿度下降趋势,风速和日照时数都有下降趋势,但在上游地区前者占主导地位,而在下游地区后者占主导地位;在整个流域降雨呈现下降趋势的情况下,ET0上升使上游地区灌溉需水量增加,而在下游地区作物生长也可能受影响;除了工业和居民用水快速增长外,气候变化也是导致近几十年来海河流域水资源紧缺的原因之一。 相似文献
50.