排序方式: 共有37条查询结果,搜索用时 15 毫秒
1.
通过田间试验,建立了膜下滴灌棉花CWSI和水汽饱和差VPD的定量关系,确定了棉花各生育阶段CWSI下基线的特定表达形式。对膜下滴灌条件下棉花生长发育、光合动态与根系分布规律以及不同水分处理的耗水量、产量与品质指标进行了观测。对不同水分处理棉花的CWSI进行了定期观测,得到了棉花CWSI与棉花耗水量的关系。 相似文献
2.
基于叶片空气温差的温室黄瓜水分胁迫指数的应用分析 总被引:1,自引:0,他引:1
针对温室的小气候条件,以生长期的黄瓜作为测试对象,分析了太阳净辐射(Rv)和水汽饱和差(VPD)对叶片温度的影响。结果表明:叶片空气温差(dT)与Rv和VPD呈显著正相关,Pearson相关系数r=0.78~0.86。此外,在作物充分供水条件下,当Rv≥250~300 W/m2时,黄瓜叶片的温度通常大于空气温度,此时,Idso模型下基线的计算误差较大。因此,根据实验分析,建立了基于Rv和VPD的温室作物水分胁迫指标下基线线性回归方程:dTl=0.254 3-0.004 6Rv-0.488 7VPD,回归方程的计算值与测量值均方误差(MSE)为0.24,小于Idso经验模型中的下基线公式的计算误差。 相似文献
3.
将作物水分胁迫指数(CWSI)与作物水分生产函数相结合,得到了用CWSI表示的作物水分生产 函数,进而推导出基于作物水分生产函数和CWSI的作物产量估算模式。该估算模式利用了易于获取的红外遥感 数据,克服了水分生产函数中作物蒸发蒸腾量准确资料难于获取的限制,并且通过CWSI和作物水分生产函数的 耦合使该估产方法具有一定的物理意义。经大田膜下滴灌棉花实测资料检验表明,该模型计算值的相对误差基本 保持在10%左右。 相似文献
4.
5.
在作物水分胁迫指标(CWSI)的计算中,需要确定Idso经验模型的下基线,下基线的精度影响着CWSI的计算结果。本文以设施温室内处于生长期的黄瓜幼苗作为测试对象,分析了太阳净辐射(Rn)和水汽饱和差(VPD)对叶气温差的影响,结果表明:在充分供水条件下,当Rn≥580~600μmol/m2s时,黄瓜的叶温通常高于气温,造成Idso模型下基线的计算误差较大。叶气温差与Rn和VPD的线性相关,相关系数R2分别为0.73和0.61。因此,文中以Rn和VPD为参数,建立了温室作物水分胁迫指标的下基线线性回归方程:dTl=1.8148-0.0033Rn-0.7778VPD。试验表明对比Idso经验模型中下基线的计算结果,该方程的计算值与测量值相关系数R2达到0.8以上,有效提高了经验模型的计算精度。 相似文献
6.
不同供水条件下冬小麦冠气温差、叶片水势和水分亏缺指数的变化及其相互关系 总被引:10,自引:1,他引:9
为了给以作物高效灌溉制度提供理论依据,对不同供水条件下冬小麦冠层温度进行了多年田间观测,模拟了以土壤水分条件为主导的冠气温差、叶水势、水分亏缺指数等的变化规律及其对影响因素的响应。结果表明,冬小麦各生育阶段不同供水处理冠层温度(T c)受土壤水分影响明显,处理间冠气温差(ΔT)差异极显著。叶水势(LW P)与ΔT、作物水分胁迫指数(CW S I)相关显著。LW P=-1.8M Pa,CW S I=0.40是指示冬小麦发生水分胁迫的关键性指标。综合各指标,为了达到节水目的,使ΔT维持在0~-4℃,可获得冬小麦产量最优值,此时冬小麦灌溉量下限应使土壤相对含水量达到58.7%。 相似文献
7.
[目的]分析棉花冠层水分胁迫指数(CWSI)与光合参数的相关关系,建立CWSI与光合参数的相关模型,为CWS1用于定量监测新疆棉花冠层水分胁迫状况的研究提供依据.[方法]在棉花生长的花铃期,利用Fluke热像仪获取2个棉花品种4水平水分处理冠层的红外热图像,运用图像处理技术,提取棉花冠层受光叶片的温度,并将湿人工参考表面(WARS)的温度运用到Jones定义的作物水分胁迫指数(CWSI)的经验公式中,计算CWSI;同时,采用LI-6400便携式光合仪测得棉花叶片净光合速率(Pn)、气孔导度(Gs)和蒸腾速率(Tr),并探索棉花水分胁迫指数与其光合参数的定量关系.[结果]水分胁迫下CWSI值升高,而Pn、Gs和Tr值相应降低.花铃期的4个关键生育时期CWSI分别与Pn、Gs和Tr呈极显著的线性负相关关系,CWSI与Pn、Gs和Tr的平均相关系数分别为rCWSI-Pn=-0.8823**、rCWSI-GS=-0.9073**和rCWSI-Tr,=-0.9356**.[结论]棉花水分胁迫指数CWSI与光合参数Pn、Gs和Tr同步反映棉花冠层的水分状况. 相似文献
8.
Automated canopy temperature estimation via infrared thermography: A first step towards automated plant water stress monitoring 总被引:1,自引:0,他引:1
Canopy temperature estimation is an important process for plant water status monitoring. In this paper the problem for measurement data of the scene acquired via an infrared (IR) thermography system is considered. An optical image taken from the plant canopy is aligned with the underlying IR image, so that plant leaf area can be extracted via simple colour identification techniques and then the temperature distribution of the leaf area is obtained. The success of this procedure relies on the assumption that both optical-IR image alignment and leaf area extraction are perfect. In practice, such assumptions are rarely justifiable and the computed result can often be found undesirable. Particularly, the simple colour identification technique fails when temperatures of reference leaves, which are embedded in the canopy and provide known conductance to water vapour, are required to be estimated. In this paper, we address this issue and propose a novel algorithm to solve the problem. The underlying plant leaf temperature distribution is considered to be the fusion of two temperature densities separable via a combination of colour identification and Gaussian mixture distribution extraction techniques. A N-average method is tested with moderate success to estimate reference leaf temperatures from the estimated leaf temperature distribution. Our experimental results demonstrate the effectiveness and consistency of the proposed algorithm. 相似文献
9.
10.