基于實(shí)時(shí)監(jiān)測數(shù)據(jù)的溫室墑情預(yù)測研究
發(fā)布時(shí)間:2021-06-29 09:46
為實(shí)現(xiàn)實(shí)時(shí)準(zhǔn)確的墑情預(yù)報(bào),以山西省中心灌溉試驗(yàn)站大棚內(nèi)2018年和2019年黃瓜、茄子土壤墑情,建立實(shí)時(shí)墑情預(yù)測模型。該試驗(yàn)包括正常灌水和減半灌水兩個(gè)處理,通過傳感器實(shí)時(shí)監(jiān)測膜內(nèi)、膜外土壤含水率;利用水量平衡的基本原理以時(shí)段初的土壤含水率為自變量,以及利用泰勒級數(shù)對地下水補(bǔ)給量和蒸發(fā)蒸騰量做線性化處理,得到了以日為時(shí)段的墑情預(yù)測模型;利用膜內(nèi)一點(diǎn)含水率數(shù)據(jù)和膜外、膜內(nèi)兩點(diǎn)含水率數(shù)據(jù)平均值分別建立了墑情預(yù)測模型,分別稱為模型1和模型2,對其預(yù)測精度進(jìn)行了對比分析,驗(yàn)證了模型的精度和適用性。結(jié)果表明:(1)模型1的擬合精度和預(yù)測精度均高于模型2;(2)預(yù)測精度隨建模系列長度(5、10、15 d)的增加而提高,以15 d建模系列長度預(yù)測精度最高;(3)該模型對于不同作物和不同的受旱程度均具有較好的適應(yīng)性。該實(shí)時(shí)墑情預(yù)測模型適用性強(qiáng)、精度高,可用于墑情預(yù)測。
【文章來源】:節(jié)水灌溉. 2020,(10)北大核心
【文章頁數(shù)】:7 頁
【部分圖文】:
起壟方式示意圖
為了展示實(shí)時(shí)墑情預(yù)測模型參數(shù)a、b隨時(shí)間的變化過程,給出了2018年黃瓜5、10、15 d 3種建模系列下的參數(shù)a、b值隨時(shí)間的變化過程,見圖2、圖3。圖3 2018年黃瓜膜內(nèi)3種建模系列實(shí)時(shí)模型參數(shù)b隨時(shí)間變化過程
圖2 2018年黃瓜膜內(nèi)3種建模系列實(shí)時(shí)模型參數(shù)a隨時(shí)間變化過程從圖2中可以看出5 d建模系列的參數(shù)a隨時(shí)間的變化較為劇烈,特別是黃瓜生長初始階段,到10月7日之后幅度變得較為平緩;10 d建模系列下參數(shù)a變化幅度變得較穩(wěn)定;15 d建模系列時(shí),參數(shù)a最為穩(wěn)定,變化幅度最小。從表2、表3也可看出參數(shù)a、b的變化范圍隨建模系列長度的增加有減小的趨勢。對比圖3,參數(shù)b的變化幅度隨建模系列的變化與參數(shù)a具有類似的變化規(guī)律,變化幅度隨建模系列長度增大而減小,參數(shù)b的變化范圍具有趨于減小的趨勢,與表2、表3結(jié)果一致;分析結(jié)果表明:3種建模系列的實(shí)時(shí)模型參數(shù)a、b隨時(shí)間變化規(guī)律一致,參數(shù)a、b變化幅度由大到小順序?yàn)?5 d建模系列>10 d建模系列>15 d建模系列,即在15 d建模系列下參數(shù)最為穩(wěn)定。
【參考文獻(xiàn)】:
期刊論文
[1]土壤墑情預(yù)報(bào)模型構(gòu)建及應(yīng)用[J]. 蔣穎. 黑龍江水利科技. 2020(01)
[2]淺談土壤墑情的及時(shí)監(jiān)測預(yù)報(bào)對農(nóng)業(yè)生產(chǎn)的意義[J]. 孫繼梅. 農(nóng)業(yè)與技術(shù). 2019(23)
[3]基于水量平衡的長序列農(nóng)田灌溉定額測算方法[J]. 詹同濤,洪成,孟偉,趙凱,李瑞杰. 人民黃河. 2018(12)
[4]基于貝葉斯最大熵和多源數(shù)據(jù)的作物需水量空間預(yù)測[J]. 王景雷,康紹忠,孫景生,陳智芳,宋妮. 農(nóng)業(yè)工程學(xué)報(bào). 2017(09)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的土壤墑情預(yù)測精度研究——以肥東縣為例[J]. 李小剛,王靜,馬友華,林坡,張益,汪宗陽. 土壤通報(bào). 2017(02)
[6]土壤墑情預(yù)報(bào)模型研究與應(yīng)用[J]. 徐加林,徐寶林. 水利發(fā)展研究. 2017(03)
[7]淺析土壤墑情監(jiān)測預(yù)報(bào)技術(shù)[J]. 郭淑珍. 農(nóng)民致富之友. 2016(24)
[8]基于人工神經(jīng)網(wǎng)絡(luò)土壤墑情動(dòng)態(tài)預(yù)測模型應(yīng)用研究[J]. 侯曉麗,馮躍華,吳光輝,何印興,常東明,楊會(huì)明. 節(jié)水灌溉. 2016(07)
[9]新安江模型在土壤墑情預(yù)報(bào)中的應(yīng)用[J]. 鄧海鷹,張建立,李紀(jì)人. 中國水利水電科學(xué)研究院學(xué)報(bào). 2012(01)
[10]基于網(wǎng)格化信息的北京地區(qū)土壤墑情預(yù)報(bào)服務(wù)系統(tǒng)[J]. 劉勇洪,吳春艷,葉彩華,高燕虎,權(quán)維俊. 中國農(nóng)業(yè)氣象. 2011(02)
本文編號(hào):3256221
【文章來源】:節(jié)水灌溉. 2020,(10)北大核心
【文章頁數(shù)】:7 頁
【部分圖文】:
起壟方式示意圖
為了展示實(shí)時(shí)墑情預(yù)測模型參數(shù)a、b隨時(shí)間的變化過程,給出了2018年黃瓜5、10、15 d 3種建模系列下的參數(shù)a、b值隨時(shí)間的變化過程,見圖2、圖3。圖3 2018年黃瓜膜內(nèi)3種建模系列實(shí)時(shí)模型參數(shù)b隨時(shí)間變化過程
圖2 2018年黃瓜膜內(nèi)3種建模系列實(shí)時(shí)模型參數(shù)a隨時(shí)間變化過程從圖2中可以看出5 d建模系列的參數(shù)a隨時(shí)間的變化較為劇烈,特別是黃瓜生長初始階段,到10月7日之后幅度變得較為平緩;10 d建模系列下參數(shù)a變化幅度變得較穩(wěn)定;15 d建模系列時(shí),參數(shù)a最為穩(wěn)定,變化幅度最小。從表2、表3也可看出參數(shù)a、b的變化范圍隨建模系列長度的增加有減小的趨勢。對比圖3,參數(shù)b的變化幅度隨建模系列的變化與參數(shù)a具有類似的變化規(guī)律,變化幅度隨建模系列長度增大而減小,參數(shù)b的變化范圍具有趨于減小的趨勢,與表2、表3結(jié)果一致;分析結(jié)果表明:3種建模系列的實(shí)時(shí)模型參數(shù)a、b隨時(shí)間變化規(guī)律一致,參數(shù)a、b變化幅度由大到小順序?yàn)?5 d建模系列>10 d建模系列>15 d建模系列,即在15 d建模系列下參數(shù)最為穩(wěn)定。
【參考文獻(xiàn)】:
期刊論文
[1]土壤墑情預(yù)報(bào)模型構(gòu)建及應(yīng)用[J]. 蔣穎. 黑龍江水利科技. 2020(01)
[2]淺談土壤墑情的及時(shí)監(jiān)測預(yù)報(bào)對農(nóng)業(yè)生產(chǎn)的意義[J]. 孫繼梅. 農(nóng)業(yè)與技術(shù). 2019(23)
[3]基于水量平衡的長序列農(nóng)田灌溉定額測算方法[J]. 詹同濤,洪成,孟偉,趙凱,李瑞杰. 人民黃河. 2018(12)
[4]基于貝葉斯最大熵和多源數(shù)據(jù)的作物需水量空間預(yù)測[J]. 王景雷,康紹忠,孫景生,陳智芳,宋妮. 農(nóng)業(yè)工程學(xué)報(bào). 2017(09)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的土壤墑情預(yù)測精度研究——以肥東縣為例[J]. 李小剛,王靜,馬友華,林坡,張益,汪宗陽. 土壤通報(bào). 2017(02)
[6]土壤墑情預(yù)報(bào)模型研究與應(yīng)用[J]. 徐加林,徐寶林. 水利發(fā)展研究. 2017(03)
[7]淺析土壤墑情監(jiān)測預(yù)報(bào)技術(shù)[J]. 郭淑珍. 農(nóng)民致富之友. 2016(24)
[8]基于人工神經(jīng)網(wǎng)絡(luò)土壤墑情動(dòng)態(tài)預(yù)測模型應(yīng)用研究[J]. 侯曉麗,馮躍華,吳光輝,何印興,常東明,楊會(huì)明. 節(jié)水灌溉. 2016(07)
[9]新安江模型在土壤墑情預(yù)報(bào)中的應(yīng)用[J]. 鄧海鷹,張建立,李紀(jì)人. 中國水利水電科學(xué)研究院學(xué)報(bào). 2012(01)
[10]基于網(wǎng)格化信息的北京地區(qū)土壤墑情預(yù)報(bào)服務(wù)系統(tǒng)[J]. 劉勇洪,吳春艷,葉彩華,高燕虎,權(quán)維俊. 中國農(nóng)業(yè)氣象. 2011(02)
本文編號(hào):3256221
本文鏈接:http://sikaile.net/kejilunwen/nykj/3256221.html
最近更新
教材專著