格网化小麦生长模拟预测系统设计与实现

利用作物生长模型模拟小麦区域生产力,分析气候变化对农业生产的影响是研究粮食安全的热点问题之一。拥有操作方便、计算快速特点的小麦区域生产力模拟系统,可有效提高作物生长模型区域应用能力。该研究在分解小麦生长模型WheatGrow算法基础上,利用Python语言构建了格网化小麦生长模型,实现了基于空间格网数据的小麦区域生产力模拟。验证试验结果表明:模拟产量的均方根误差为1 070 kg/hm~2,标准均方根误差小于20%,系统所集成的WheatGrow模型具有较好的预测性;同时,结合格网数据分块构建区域模拟的并行计算策略,优化了区域模拟的性能。在此基础上,采用GIS组件式开发模式,在.NET平台下开发格网化小麦生长模拟预测系统,实现作物生长模型与GIS耦合,为研究区域小麦产量潜力,评估气候变化对小麦生长影响,制定农业决策提供软件工具。     

小麦叶片氮含量与冠层反射光谱指数的定量关系

本文以3种蛋白质类型的小麦品种在不同施氮水平下的3年田间试验为基础，研究了小麦叶片氮含量与冠层反射光谱的定量关系。结果显示，不同试验中拔节后叶片氮含量均随施氮水平呈上升趋势，同时冠层光谱反射率在不同施氮水平下存在明显差异。对于低、中、高籽粒蛋白质含量的品种，叶片氮含量与冠层反射光谱的归一化植被指数NDVI (1 220, 710)和红边位置均有密切的定量关系，决定系数在0.80左右。对于不同品质类型小麦品种，均可利用统一的回归方程描述其叶片氮含量随反射光谱参数的变化，对于低蛋白类型品种，采用单独的回归系数即可提高叶片氮含量估测的准确性。本研究确立的小麦叶片氮含量与冠层反射光谱的定量关系可用于不同的小麦品种、生育时期和施氮水平，为小麦氮素营养的监测诊断与精确施肥等提供理论依据和技术途径。     

区域棉花生产系统变化趋势分析与预测

利用棉花生产系统时间序列数据,分析江苏省区域棉花单产、种植面积和总产等生产指标的变化特征及趋势,结果表明除苏南外,棉花单产呈增加趋势,苏中棉花单产减少的可能性大于苏北;种植面积呈明显减少趋势;总产变化区域间差异较大,全省棉花总产呈现减少趋势,苏南、苏中为明显减少趋势,苏北表现为增长趋势。利用综合增长率或减少率法,分别建立悲观、一般、乐观条件下的棉花生产系统预测方案,并以实际生产指标值为基数,预测未来棉花的单产、种植面积和总产。     

冷季型草坪草冬季复播的研究进展

综述了草坪冬季复播的研究,包括复播前草坪的准备、复播方法以及复播草坪建植后的管理措施等方面,并对今后的发展提出了一些建议.     

作物管理知识模型系统设计与开发框架研究

在提炼小麦栽培管理知识模型框架的基础上，通过综合不同作物管理知识模型系统的共性及软件设计与开发的特点，初步确立了作物管理知识模型系统的通用设计与开发框架，包括系统总体结构框架、软构件的基本标准、开发平台框架及系统应用框架等。其中，开发平台框架包括系统开发平台的结构和功能、模型库管理系统的功能设置和模型库管理系统的框架及构件；系统应用框架包括系统应用框架结构、应用系统开发框架、应用系统功能框架及构件、应用系统功能构件的输入输出接口框架及应用系统自定义构件中的通用算法函数框架等。研究结果对于提高作物管理知识模     

基于株型的水稻冠层光合生产模拟

利用基于冠层光分布的光合作用模型,以紧凑型和松散型2个不同株型水稻冠层为对象,通过设计不同的模型输入参数组合,定量分析了不同株型水稻冠层直接辐射消光系数的日变化特征、正午时刻直接辐射在冠层内的垂直分布特征、冠层内光合作用速率的垂直分布特征、不同辐射强度下冠层光合作用速率随叶面积指数的变化特征及其日变化等。结果表明,紧凑型的增产潜力依赖于较大的叶面积指数、叶片光合效能、太阳高度角和太阳辐射强度等。研究结果为水稻高产栽培及理想株型的优化设计提供了支撑。     

水稻冠层光分布模拟与应用

 综合已有作物模型的优点,构建了水稻冠层光分布模型,并进一步与原有光合作用和干物质生产模型相耦合,构建了水稻光合生产模型。新模型将水稻冠层按叶面积指数划分为5层,各层次水平面上的太阳辐射强度按Monsi和Saeki的指数模型进行分布;模型利用日照百分率资料推算直接辐射与散射辐射,并考虑了光合有效辐射的日变化、冠层结构和太阳位置对直接辐射消光系数的影响。利用独立的水稻田间试验资料,对主要生育期冠层内的光分布进行了初步验证,结果表明模拟值与观测值之间具有较好的一致性。最后,将基于冠层光分布模型与原有光合生产模型进行了比较,预测水稻干物质积累量的根均方差分别为0.74 t/hm2和1.26 t/hm2,建立的基于冠层光分布模型的预测性较好。研究结果将为水稻生长模型的改进完善以及生产管理调控与品种数字化设计奠定基础。     

作物生育期模拟并行调度算法的研究与设计

探明作物生育期模拟在PC集群环境下的并行调度算法,有助于提高模型的计算效率。该研究综合应用划分策略和流水线技术,具体分析了已有作物的生长发育和物候期模拟算法的输入输出参数特性,确定了作物生育期模拟通用算法框架,包括热效应、光周期效应、春化效应、有效积温、生理发育时间和物候期共6个计算单元;进一步明确了具有独立、自依赖和相互依赖关系的作物模型的计算任务划分和数据分解方法。为达到数据通讯和同步开销最小的目标,设计了多节点混合调度的优化模型。该研究提出了基于OpenMP的多处理机并行调度算法和基于MPI/OpenMP混合的多节点并行调度算法,并在Windows Compute Cluster Server2003组成的PC集群环境下,在加速比、计算缓冲区大小和计算节点个数等方面进行了性能度量与比较。结果表明:两种并行调度算法均可有效提高小麦生育期模拟的计算效率,第1种算法简单易行,平均加速比为1.55,对集群计算资源的利用率有限;第2种算法的平均加速比是3.37,当计算量较大时,具有更好的计算性能。     

不同类型土壤的光谱特征及其有机质含量预测

 【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350～2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。     

一种新的估算水稻上部叶片蛋白氮含量的植被指数

 【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580 nm及红边区域695～715 nm,其中红边区域表现最为显著。红边区域700 nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587 nm左右的波段与近红外短波段的比值组合。基于新提出的SR（770,700）及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度（R2）分别达到 0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE 分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR（770,700）、GM-2、SR705和RI-half表现为较强的估测能力。