排序方式: 共有27条查询结果,搜索用时 15 毫秒
1.
2.
3.
东北玉米生长模型中土壤水分参数的敏感性分析 总被引:4,自引:0,他引:4
为进一步改进和提高东北玉米生长模型评估干旱的能力,并使之更好的在区域尺度上应用,以吉林省为例,对该模型的土壤水分参数进行敏感度分析。通过对榆树(半湿润)和白城(半干旱)两个站点典型干旱年份(2000、2001年)和雨水较丰年份及平年(1998、2002年)的分析,得到以下初步结论:土壤含水量对凋萎湿度、田间持水量、作物系数最敏感,整个根区初始土壤有效含水量等次之;凋萎湿度、田间持水量、整个根区初始土壤有效含水量对土壤水分影响为正效应;上述结果在不同气候区、不同降水年份相对稳定,具有一定的普适性。作物生长模型在区域尺度应用时,上述敏感参数的不当估算所产生的误差将导致土壤水分模拟失真,并进一步影响整个作物生长过程的模拟和模型的区域应用;根据敏感性分析结果,有针对性地改进敏感参数,有望进一步提高土壤水分乃至作物生长的模拟精度。 相似文献
4.
基于Downhill-Simplex算法的观测数据与作物生长模型同化方法研究 总被引:1,自引:0,他引:1
以夏玉米叶面积指数(LAI)、贮存器官干重(WSO)、地上总干重(TAGP)以及土壤水分含量(SM)为结合点,建立了基于Downhill—Simplex算法的作物生长模型WOFOST同化多种地面观测数据的一般方法或流程:开展观测数据与作物生长模型同化方法的正确性验证→利用Downhill—Simplex算法进行WOFOST模型的敏感性分析一选择敏感参数组合→通过优化效果确定待优化参数→利用新的观测数据对待优化参数进行优化,从而实现了观测数据与作物生长模型的同化,提升了模型的模拟能力。同化过程中遴选出的WOFOST模型的待优化参数主要包括比叶面积、最大CO2同化速率、初始地上部总干物重、根深最大日增量和初始土壤有效水等。 相似文献
5.
基于作物生长模型的东北玉米冷害监测预测研究 总被引:7,自引:0,他引:7
在全球气候变暖背景下,东北地区的气温明显上升,但由于存在玉米相对晚熟品种越区(北扩)种植现象,区域性和阶段性的玉米低温冷害仍时有发生。因此,开展东北玉米低温冷害监测预测研究仍十分必要。本文首先利用东北玉米生长模型(NEC_MaGM)构造冷害监测指标,然后开展玉米冷害监测预测方法研究并进行个例分析。结果显示,从不利天气条件和玉米对低温响应两方面遴选的8个单项指标中,以指标2 (DC_Tas9,抽雄期到9月底的累积热量单位与同期多年平均值的差值百分率)和指标1 (DN_Tas,当年抽雄期与多年平均抽雄期的差值)对历史玉米冷害的概括能力最强;根据冷害致灾机理、单一指标的历史概括能力及其独立性等因素,构建了由指标1、2以及指标4 (DW_GrS,水分适宜条件下模拟穗重与多年平均穗重的差值百分率)和指标7 (DW_Fro,初霜冻日时模拟穗重与模拟成熟时穗重的差值百分率)组合而成的东北玉米低温冷害综合指标;基于NEC_MaGM和冷害综合指标进行单点冷害监测,确定了若45%以上站点出现玉米冷害即为区域性冷害的标准,独立样本监测检验与实际情况一致;利用NEC_MaGM在网格尺度上的监测可以得到更详细的冷害空间分布状况,有利于开展农业气象业务服务工作;根据前期天气实况加上区域气候模式预测的气象要素数据,再结合预报时效之后的多年平均气候数据,在格点尺度利用NEC_MaGM可以实现对东北玉米低温冷害的预测。预测个例表明,该方法能够反映冷害的形成过程和严重程度,但其准确性不仅与作物模型有关,还依赖于区域气候模式的模拟能力。 相似文献
6.
基于SPOT/VEGETATION数据的陕甘宁退耕还林区植被分类 总被引:4,自引:1,他引:3
以评估退耕还林/还草的气候、生态效应为目的,利用多时相SPOT/VEGETATION数据,将监督分类与非监督分类相结合,选定合适的阈值对西北地区植被及作物进行分类。整个分类过程按照紧凑的时间序列进行顺序分类。分类顺序依次是:常青林地、混合林、水体、冬小麦、草地、灌木、春小麦、水稻、湿地、其他杂粮、玉米、马铃薯、沙漠、半沙漠。①常青林:选择1月份资料,常青林的NDVI最大,其阈值一般选择140左右;②混合林:一般选择10月上旬图像。其NDVI较小,只有林、草的NDVI较大,且林地NDVI大于草地,其NDVI值一般在130~140(为便于分类,将NDVI真实值扩大1000倍,下同);③水体:选择12月中旬的图像;④沙漠:选择各种植被最好的时节,如7月下旬、8月上旬的图像。设定阈值小于50;⑤草地和灌木:选择9月下旬图像。选择分区域进行植被分类,并结合图像本身进行分区分类。阈值选取:草地北部60~65,南部80~95;灌木70~75;⑥冬小麦:选择上年11月上、中旬图像。选择阈值将冬小麦和林地共同区域分出,再除去林地,剩下的就是冬小麦的分布区域;⑦湿地、水稻:选择5~6月上旬图像;⑧春小麦:选择4月下旬的图像。这个时期生长的植被包括冬小麦、春小麦以及林地、草地,从此时相的图像中分出所有植被,然后排除冬小麦、林地、草地,即得春小麦种植区域;⑨玉米、马铃薯混合区:图像选择8月中、下旬,宁夏灌区单独分出,灌区可区分出的植物为水稻和玉米,排除水稻区域即为玉米。其他地区为玉米、马铃薯混合区其他旱地作物:主要有油料作物、山区谷类作物。时相选择和玉米、马铃薯混区相同;⑩半沙漠:以上所有植被类型都分类完成以后进行合并,空白的区域认为是半沙漠地区。黄土高原稀疏植被区域,由于植被分布十分稀疏,认为是半沙漠。上述分类结果与统计面积、实际调查结果相比,精度在85%以上。 相似文献
7.
GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价 总被引:1,自引:0,他引:1
GECROS是荷兰瓦赫宁根农业大学近些年开发的机理性更强、算法更简要的作物生长模型。本文利用黄淮海地区夏玉米试验数据进行GECROS模型的适应性评价,为模型进一步开展区域应用提供依据。结果表明,GECROS基本能够反映黄淮海地区夏玉米的发育进程。模型模拟夏玉米抽雄期的绝对偏差在6.0 d以内,平均为2.1 d;模拟成熟期的绝对偏差在8.0 d以内,平均为3.4 d。GECROS描述夏玉米干物质积累和叶面积扩展过程的准确度较高。模拟雌穗总重的归一化均方根误差在7.8%~33.8%之间,平均为18.6%;模拟植株地上总重的归一化均方根误差在11.2%~32.6%之间,平均为20.7%;模拟LAI的绝对偏差在0.28~0.55之间,平均为0.41,模拟籽粒产量的绝对偏差在20.3~229.0 g m–2之间,平均为80.9 g m–2。利用GECROS模型相对评价作物生长状况或环境影响基本可行。但GECROS模拟夏玉米发育进程仍存在低值偏高、高值偏低的现象;在土壤水分胁迫较重时,描述的生物量积累过程有偏低情况;描述LAI扩展的总体效果差于生物量累积的效果。GECROS仍需进一步完善。 相似文献
8.
9.
国外作物生长模型区域应用中升尺度问题的研究 总被引:3,自引:0,他引:3
系统研究总结了小区或田间尺度上开发的作物生长动力模拟模型应用于更大区域尺度和更高级系统水平时 ,易发生环境变量的时空变异、响应变量的空间归并以及由于空间平均、时间变异和现有模型未考虑的新特性及其新过程时所产生的偏差等升尺度问题 ,归纳并提出有效控制和减小误差的方法 相似文献
10.
基于ORYZA2000模型的湘赣双季稻气候生产潜力 总被引:4,自引:0,他引:4
应用湘赣地区1961-2006年25个气象观测站的逐日气象资料以及31个农业气象观测站1981-2006年双季稻发育期、生物量观测等资料,对水稻生长模型ORYZA2000进行参数调试和验证。以双季稻发育速率参数为主,结合地形、气候、水稻熟性分布和当地生产实际,将湘赣双季稻区划分为7个区域,实现了ORYZA2000在湘赣双季稻地区的应用。利用本地化后的ORYZA2000模型模拟湘赣地区早、晚稻的逐日生长过程,分析了湘赣地区1961-2006年双季稻气候生产潜力的时空演变规律。分析表明,赣东、赣中、湘中一带双季稻气候生产潜力较高,湘北、湘南、赣南、赣东北双季稻气候生产潜力较低,其空间分布与实际生产情况相符。从历史演变看,25个站中有18个站的双季稻气候生产潜力呈下降趋势,每年下降22-86kg/hm^2不等。初步分析表明,湘赣地区双季稻气候生产潜力下降是由于生育期天数减少、生育期内辐射(日照时数)减少和(或)积温上升3个因素的共同影响。辐射减少导致光合作用产物减少,积温上升意味着生育期内温度升高,或产生高温胁迫,或引发生育期缩短,均对水稻生长不利。 相似文献