旱地作物需水量预报决策辅助系统

旱地作物需水量预报决策辅助系统是利用人工智能技术,在Penman公式的基础上结合现有西北旱区的农学知识、模型以及经验进行系统集成而建立的智能化计算机软件系统,该系统是西北地区节水农业专家系统的一个子系统。在生产实践中可为陕西关中地区的冬小麦、夏玉米的栽培作出灌溉方案的决策咨询。     

太行山山前平原区蒸散量和作物灌溉需水量的分析

应用Penman-Montieth、Priestley-Taylor和FAO-24 Blaney-Criddle 3种方法计算了太行山山前平原高产区的参考作物蒸散量并对计算结果和利用实际蒸散量计算的作物系数进行了分析,结果表明：Penman-Montieth公式和FAO-24 Blaney-Criddle公式估算的参考作物蒸散量结果相近,而Priestley-Taylor方法结果偏低;在不同公式基础上计算的作物系数也存在着明显的差异,以Penman-Montieth公式为基础计算的作物系数比较合理,FAO-24 Blaney-Criddle计算的作物系数在4月到10月之间比较合理,Priestley-Taylor公式计算的作物系数偏高;在分析了多年作物系数的基础上,对不同水分年型下的作物需水量和灌溉需水量进行了计算,冬小麦和夏玉米季的灌溉需水量分别在270～400 mm和0～330 mm之间。     

基于BP神经网络的东港灌区作物需水量预测研究

为了指导东港地区的农业生产,对影响作物参考蒸散量(ET0)的气象因子进行了分析,利用东港市1999年和2000年水稻生育期的常规气象资料,采用Matlab软件的神经网络工具箱,建立ET0三层BP神经网络预测模型,网络的输入因子为日净辐射量、日平均相对湿度和日平均风速,输出因子为利用Penman—Monteith公式计算得到的同期ET0值。结果表明:(1)当模型的隐层节点数为11,传递函数采用tansig函数,训练函数采用trainlm函数时,预测值与目标值的平均相对误差为9%,预测效果较其他情况都好,由此确定模型的最终结构为3—11—1的BP—ET0模型。(2)用BP—ET0模型预测参考作物蒸散量,预测值与目标值的变化趋势基本一致。     

参考作物潜在蒸散量的人工神经网络模型研究

根据河套灌区多年气象资料和Penman-Monteith法计算得到的参考作物蒸散量(ET0),对影响ET0的主要气象因子进行了回归分析,并比较了以4因子(平均气温、净辐射、相对湿度、2 m处风速)和3因子(平均气温、净辐射、相对湿度)为输入向量,由Penman-Monteith法计算所得ET0为输出向量的BP网络ET0预报模型.研究表明,BP网络可以用于ET0的预报计算,四因子法和三因子法均简便可行,能满足生产的需要.相比之下,四因子法的精度更高.此研究是对传统ET0计算的补充.     

未来气候变化对中国东北三省玉米需水量的影响预测

为了预测未来气候变化对中国东北三省玉米需水量的影响,该文在对中国东北三省近26 a来玉米生育期内参考作物蒸散量变化及玉米需水量分析的基础上,结合《排放情景特别报告》（Special Report on Emissions Scenarios, SRES）的两种排放情景A2（强调经济发展）和B2（强调可持续发展）预估的未来气候情景,研究探讨了未来气候情景下中国东北三省玉米需水量的变化趋势。结果表明,未来气候变化情景下,东北三省玉米需水量距平百分率大多表现为增加的趋势,最高可增加77.8%,而且不同地理环境及气候差异下,各地空间分布上也不尽相同。A2情景下,到2040年玉米需水量距平百分率平均增加27.2%,到2070年玉米需水量距平百分率平均增加34.5%,到2100年玉米需水量距平百分率平均增加42.9%;B2情景下,到2040年玉米需水量距平百分率平均增加28.6%,到2070年玉米需水量距平百分率平均增加33.3%,到2100年玉米需水量距平百分率平均增加37.3%。可见,未来中国东北三省水资源可能更趋于短缺状况。     

中国北方主要旱地作物需水量的计算与分析

论述了作物需水量的概念及其计算模式,根据作物,土壤和气候资料,计算了中国北方主要旱地作物小麦、玉米、谷子、甘薯和马铃薯的作物需水量,并对这些作物的需水规律与作物生长关系进行分析。     

作物需水量模拟计算结果有效性检验

作物需水量是确定节水高效灌溉制度、制定灌溉排水规划和水资源合理配置必不可少的重要参数。当前模拟计算作物需水量的主要方法有FAO-56双作物系数法、双涌源能量守恒模型、根系层水量平衡模型和SWAP模型,而各种方法均有利弊和使用条件。不论采用哪种方法模拟计算作物需水量,其结果必须进行有效性检验,否则不能用于上述工程项目。该文用FAO-56双作物系数法基于灌溉试验数据模拟计算了人工牧草——老芒麦、冰草的需水量,并对模拟计算的需水量采用拟合相关图法、回归分析法和残差估计误差指示法进行了有效性检验。拟合相关图法属定性检验,给出了统计相关趋势;回归分析法和残差估计误差指示法为定量检验,给出了模拟计算值与实测值间的拟合优度和残差估计误差的范围。这种定性定量相结合的方法有效地检验了需水量模拟值与其实测值间的一致性,其结果可用于工程项目中。     

鲁北地区主要作物不同生育期需水量和作物系数的试验研究

依据2006-2007年田间试验资料,利用Penman-Monteith公式计算鲁北地区主要作物(冬小麦、夏玉米、棉花、苹果和韭菜)各生育期的参考作物蒸散量,利用农田水量平衡方程及土壤水分胁迫系数计算作物不同生育期实际蒸散量,计算得到相应的作物系数.结果表明,鲁北地区目前产量状况下冬小麦、夏玉米、棉花、苹果和韭菜全生育期的需水量分别为491.2、371.0、425.8、666.8和891.8mm,作物系数分别为1.32、1.34、0.85、0.99和1.33.     

中国主要作物灌溉需水量空间分布特征

作物需水量和灌溉需水量的时空分布是科学地制定不同地区灌溉用水定额的依据。该文基于全国范围200多个气象站近30 a逐日的气象资料和不同地区作物生育阶段的调查统计资料,采用FAO推荐的Penman-Monteith方法和作物系数法,计算了30种作物的需水量和净灌溉需水量,并用各地灌溉试验站的实测资料进行了检验。利用GIS的空间分析功能,采用反距离加权插值法得到主要作物多年平均作物需水量与净灌溉需水量的等值线图。选择种植面积最广的小麦、玉米、棉花和水稻4种作物,分析其作物需水量与净灌溉需水量的空间分布特征,得到不同地区主要作物的灌溉需求指数。研究表明：中国东北区、长江中下游区、华南区、川渝区和云贵区平均灌溉需求指数小于0.5,作物对灌溉的需求比较低;华北区、蒙宁区和晋陕甘区旱作物30%～50%的需水靠灌溉补充,水稻55%～80%的需水依靠灌溉;新疆地区主要作物的灌溉需求指数均在0.7以上,农业的发展完全依赖于灌溉。     

基于GIS和地统计学的作物需水量等值线图

利用“全国灌溉试验资料数据库”中作物需水量试验数据,在ERSI的ARCGIS和微软电子表格EXCEL支持下,将GIS的空间数据管理功能和地统计学的空间分析功能有机结合,用多种插值方法进行山东省冬小麦需水量等值线图的绘制,结果表明：地统计学方法优于常规的反距离加权方法、多项式方法和径向基函数法;地统计方法中的普通克里金(Ordinary Kriging)球状模型的预测误差的均值、预测误差的均方根、平均预测标准差、平均标准差、标准均方根预测误差等5个指标均优于普通克里金指数模型、简单克里金(Simple Kriging)球状模型和简单克里金指数模型,具有较高的插值精度。     

新疆焉耆盆地主要作物需水量特征及影响因素分析

【目的】探究新疆焉耆盆地主要作物需水量特征及影响因素,为干旱区农业水资源利用和作物种植结构优化提供参考。【方法】基于2000～2020年焉耆盆地3个气象站点的逐日气象观测资料,采用Penman-Monteith公式和作物系数法,计算焉耆盆地主要作物生育期内需水量、有效降水量和灌溉需水量,并用Mann-Kendall检验、线性分析法和通径分析法对以上数据的分布特征、变化趋势及影响因素进行定量研究。【结果】(1)近21年参考作物蒸散量呈逐年增加趋势,变化率为6.90 mm a^-1,分布范围为960.20～1264.50 mm,年均值为1154.70 mm。(2)全生育期主要作物需水量为374.94～713.37 mm,不同生育阶段作物需水量、有效降水量和灌溉需水量的峰值均出现在生育中期,分别为247.32～497.92 mm、7.14～21.94 mm和240.18～475.99 mm,高于生育初期、快速发育期和成熟期。(3)主要作物需水量和灌溉需水量呈增加趋势,平均变化率分别为3.86 mm a^-1和4.09 mm a^-1...     

基于地统计学的作物需水量空间变异性分析

依据宝鸡峡灌区11个站1981-2008年各月的气象资料,基于ArcGIS 9.2平台,运用地统计学分析了灌区三种主要作物多年平均需水量在空间上的变化规律.通过反距离权插法与克里格插值的比较,显示了地统计插值较确定性插值的优越性.分析结果表明:灌区不同作物需水量差异较大,冬小麦多年平均需水量459.5～559.6mm,玉米454.6～528.3mm,棉花609.2～681.3mm.但是,各种作物多年平均需水量的空间分布呈现出类似规律,均在西南-东北方向上变程最大,眉县附近需水量最小,往东北方向逐渐增大.     

参考作物腾发量主成分神经网络预测模型

为解决采用神经网络模型预测参考作物蒸发蒸腾最Eto研究中预测能力不足的问题,将气象因子包括最高、最低和日平均温度、日照时数、气压、水汽压、相对湿度和风速进行主成分分析,提取主成分,建立了基于主成分的三层BP神经网络模型.选取崇川水利科学试验站2001年到2004年的旬气象资料,采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模犁作为对照.结果表明,主成分网络模型能够很好地反映诸多影响因子与Eto之间的关系,尤其对训练样本以外的验证样本,主成分网络模型具有显著优于传统BP网络模型的识别能力,取得更为可靠的预测结果.     

基于灰色GM(1,1)模型的闽西红壤农田灌溉需水量预测研究

龙岩地处闽西,是典型的红壤丘陵区,其农田灌溉用水量占用水总量的比重较大,高达60.6%,科学合理地预测未来农田灌溉的需水量,对水资源的合理开发与管理尤为重要。本文在论述了灰色预测模型在农田灌溉需水量预测中的原理、方法与步骤的基础上,利用灰色预测GM(1,1)模型,依据龙岩市2001~2011年农田灌溉用水资料对实际农田灌溉用水量进行了模拟分析,经检验模型精度达到98.45%,准确度高;并用该模型对龙岩市2012~2020年农田灌溉需水量进行了预测。预测结果表明,该模型用于农田灌溉需水量预测,符合其灰色特性,可检验,适用性好,可为龙岩市水资源规划与管理提供必要的参考。     

基于小波分析理论组合模型的农业需水量预测

为了提高农业需水量（非平稳时间序列）的预测精度,该文运用小波分析理论,将农业需水量这一时间序列用小波分解到不同尺度上以减少原始序列的随机性,然后用灰色预测法和时间序列预测法对重构后的时间序列进行预测。将小波分析理论、灰色预测理论和时间序列预测法组合进行需水量的预测,为原始非平稳时间序列的预测应用拓展了空间。以鄂尔多斯市的农业需水量预测为例对该方法作了验证,2009年数据检验结果表明该组合预测模型精度较高,相对误差小于3%,为农业需水量的预测提供了一种新方法,对鄂尔多斯市的水资源合理地利用、规划和管理以及促进区域社会经济的可持续发展具有重要的意义。     

陕西关中地区参考作物蒸发蒸腾量变化及原因

根据关中地区30个气象站41年的气象资料,采用FAO推荐的Penman-Monteith公式计算参考作物蒸发蒸腾量（ET0）,分析了陕西关中地区ET0的变化及原因,结果表明,从长期来看,关中地区ET0在减少趋势的基础上表现出周期性变化,从阶段性来看,1980年之前和之后则主要表现为增加趋势。关中地区年内ET0的最大值在1980年前主要出现在6月,1980年以后则主要出现在6月和7月,且以7月为多;1980年后5～8月ET0所占比值在减少,但仍在全年中占50%以上。关中地区平均气温、最高气温和最低气温表现为增加趋势,风速、日照时数和相对湿度表现为减少趋势。关中地区ET0与平均气温、最高气温和最低气温表现为不显著正相关,与风速和日照时数表现为显著正相关,与水汽压表现为显著负相关,与年降水量表现为不显著负相关,近一半地区的ET0与年蒸发量显著正相关。对关中地区ET0影响显著的气象因子的顺序为：风速〉日照时数〉水汽压〉年蒸发量。即风速和日照时数的减少趋势是引起关中地区ET0降低趋势的主要原因。     

东北地区参考作物蒸散量对主要气象要素的敏感性分析

利用国家气象局提供的地面气候资料日值数据集,通过FAO推荐的Penman-Monteith公式计算了东北地区1961-2008年生长季(5-9月)逐日的参考作物蒸散量(ET0),分析了ET0及主要气象要素的变化趋势,并通过响应曲线、敏感矩阵、敏感系数等方法分析了ET0对气温、日照时数、平均风速、平均相对湿度的敏感性。结果表明:(1)近50a来,东北地区的气温呈极显著上升趋势(P0.01),日照时数、平均风速、平均相对湿度呈极显著下降趋势(P0.01);东北地区生长季平均日ET0在以3.60mm.d-1为平均值、±0.3mm.d-1的范围内波动,总体上比较稳定,最大值出现在2001年(3.87mm.d-1),最小值出现在1990年(3.28mm.d-1);(2)当气温、日照时数、平均风速的变化量从-20%变化到20%时,ET0表现为逐渐增加的趋势,当平均相对湿度的变化量从-20%增加到20%时,ET0则逐渐减小;(3)气温、日照时数、平均风速、平均相对湿度的生长季平均日敏感系数均具有较强的空间分异特性,其中气温变化对ET0的影响最为明显,其次是平均相对湿度,日照时数、平均风速对ET0的影响较小。     

湛江地区适宜参考作物蒸发蒸腾量计算模型分析

用湛江市日平均、旬平均、月平均气象资料,以6种方法计算参考作物蒸发蒸腾量,并以FAO56 Penman-Monteith公式计算结果为标准,评价其他方法在湛江的适用性.结果表明:Hargreaves-Samani方法的年平均参考作物蒸发蒸腾量与FAO56 Penman-Monteith没有显著差异;月平均参考作物蒸发蒸腾量,除个别月份外,其他5种方法与FAO56 Penman-Monteith方法都有显著差异;不同方法计算结果与FAO56 Penman-Monteith法的均方偏差不同的时间尺度表现不同,日值计算,1948 Penman方法最小,Irmark-Allen次之;旬值计算,1948 Penman方法最小,Hargreaves-Samani、Irmark-Allen次之;月值计算Hargreaves-Samani最小,1948 Penman次之.1948 Penman、FAO24 Penman与FAO56 Penman-Monteith法的相关系数较大,Priestley-Taylor、Irmark-Allen次之,Hargreaves-Samani法的较小.     

基于L-M优化算法的BP神经网络的作物需水量预测模型

应用L-M优化算法BP神经网络，通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析，来确定网络的拓扑结构，建立作物需水量的人工神经网络模型。用美国田纳西州大学高原实验室所测的100 d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络，仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性，模型的预测精度较高，同时通过一组非样本天气环境参数和作物需水量来验证该神经网络，也得到了较好的预测结果，能够满足灌溉的精度要求。