共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
作物冠层或叶片温度的变化可以反映作物的水分状况[1]。为此,根据能量平衡原理分析了作物的冠层(叶片)—空气温差变化的影响因素,并采用模糊推理技术,以叶片—空气温差及相关的环境因素(空气水汽压差、光照强度、空气温湿度和风速等)为输入变量,以CWSI为输出变量,探讨基于植物叶片—空气温差的作物水分亏缺诊断的智能化方法,实现了作物水分亏缺指标的动态分析,有效地解决了环境因素对CWSI计算结果的影响。采用温室生长的黄瓜为对象进行试验,试验表明:该诊断方法可有效地反映作物水分亏缺程度,克服了传统诊断的局限性。 相似文献
3.
温室内黄瓜叶温变化特性的试验研究 总被引:1,自引:0,他引:1
考察了充分供水和水分亏缺条件下温室内黄瓜叶温变化的差异及其与相关作物生理信息的关系。结果表明.叶温与叶面蒸腾的Pearson相关系数R^2达到了0.7以上.叶面蒸腾是影响叶温变化的内在因素.供水条件的不同影响了作物蒸腾的变化。从而导致作物叶温变化的差异。采用通径分析的方法。分析了气温、饱和水汽压差(VPD)和光量子通量(PAR)等主要气象因子对叶温的影响。结果表明,叶温与各环境因子的相关系数R^2≥0.86.气温的变化直接作用于叶温.饱和水汽压差(VPD)和光量子通量(PAR)都通过气温的间接作用影响着叶温的变化.3个环境因子对叶温影响程度依次为气温〉VPD〉PAR。 相似文献
4.
叶温是反映冬小麦健康状况的关键指标,但获取麦田叶温动态变化过程及廓线分布存在着较大困难。本文以河南省商丘市为研究区,引入表达土壤-植被-大气能量传输的SHAW模型,对其进行本地化标定,在垂直方向上0~60cm高度以10cm为间隔进行分层,模拟冬小麦拔节期至抽穗期间的叶温时序曲线及廓线,并结合田间同期不同高度的叶温实测数据,对模拟结果进行分析。结果表明:SHAW模型可有效地用于麦田叶温时序曲线和廓线模拟,决定系数达0.8476,夜间模拟效果显著优于白天,决定系数分别为0.8622和0.7602。对叶温日平均值、最低值和最高值的分析表明,均方根误差范围为1.36~4.09℃,且最低温模拟效果最好,平均值次之,最高温误差最大。叶温廓线模拟分析表明,各高度决定系数均达到0.82以上,且随高度的增加而增大,均方根误差范围为2.41~3.35℃,平均误差均小于0℃;叶温总体上呈现出夜间随高度增加而降低的趋势,而白天随高度增加而升高的趋势。 相似文献
5.
应用传质传热理论,建立了绿茶揉捻叶烘干机干燥工序的叶温-含水率模型。对6CH-20A型茶叶烘干机在不同干燥条件(进叶厚3~4cm,进风温91~116℃,转速2.0~5.1r/min)下出叶含水率的模型预测值与实测值之间的差异均值为2.43%(w.b.)。 相似文献
6.
【目的】探寻玉米叶温对不同深度土壤含水率、气象因素的响应关系。【方法】采用不同供水条件下的滴灌玉米土箱试验,基于叶温、气象和土层含水率数据设计3种输入项结合线性回归模型和神经网络模型,研究了玉米叶温与环境因素的数据驱动模型及模型的不确定性。【结果】(1)在叶温变化模拟中,与线性模型相比神经网络模型具有优势,在40%和60%滴灌湿润比处理下的全因素模型的决定系数由0.8提升到了0.9;80%湿润比处理下全因素模型的决定系数由0.5提升到0.7;(2)单因素不确定性分析中,与叶温变化最密切的气象因素是空气温度,其次是空气湿度和净辐射;在土层含水率的不确定性分析中,30~40 cm土层含水率与叶温变化的响应关系最密切。【结论】结合MC(Monte Carlo method)设计的模型不确定性分析,以d-factor指标量化单影响因素与叶温的响应关系,不同深度土层含水率与叶温的响应关系存在差异,30~40 cm土层是水分响应关键土层。 相似文献
7.
应用Phytalk植物生理生态监测系统和Globelog土壤水分温度监测系统,研究了江西省赣抚平原灌区棉花在不同水分条件下的茎流、叶温及茎粗变化规律。结果表明:棉花茎流呈明显的昼夜变化规律,晴天呈双峰曲线,多云天呈单峰曲线,阴天值较低且稳定,高的土壤含水率下峰值更高;棉花叶温变化与茎流类似,不过有滞后现象,叶温达到33℃左右时保持稳定;棉花茎粗与茎流和叶温变化规律相反,茎直径最大值出现在9点左右,最小值出现在18点左右,在中午12点左右会出现萎缩现象。 相似文献
8.
9.
教师压力问题是一个世界性的研究课题。国内外的众多研究证明,教师职业是一个高压力职业。从四个方面对国内外教师压力研究进行总结与分析,发现目前教师压力研究存在的若干问题,提出未来研究的几点建议。 相似文献
10.
11.
13.
14.
16.
17.
18.
19.
20.