本文關(guān)鍵詞：基子AqoaCrop模型與多源遙感數(shù)據(jù)的北方冬小麥水分利用效率估算，由筆耕文化傳播整理發(fā)布。

【摘要】：在作物灌溉管理上,水資源是作物生長的一個重要限制因子。隨著人口的不斷增加,人們對生活用水和工業(yè)用水的需求也不斷增加,進(jìn)而導(dǎo)致農(nóng)業(yè)水資源使用的競爭不斷加大。在灌溉農(nóng)業(yè)區(qū)域,對于農(nóng)業(yè)來說,水資源變得越來越缺乏。水分生產(chǎn)力(WP)或水分利用效率(WUE,它被作為分析水資源利用效率的一個指標(biāo))用來改善灌溉農(nóng)業(yè)地區(qū)的水資源管理。在灌溉農(nóng)業(yè)區(qū)域,通過改善該地區(qū)作物的WUE,從而解決當(dāng)前該地區(qū)水資源嚴(yán)重短缺和需要更多作物產(chǎn)量的問題。合理的田間灌溉管理措施,可以提高作物的WUE和增加作物的產(chǎn)量,進(jìn)而解決灌溉農(nóng)業(yè)地區(qū)水資源嚴(yán)重不足的問題。然而,當(dāng)前傳統(tǒng)的WUE測量方法,需要研究人員花費(fèi)大量的人力物力和時(shí)間。隨著遙感技術(shù)在農(nóng)業(yè)水分管理上的應(yīng)用,使遙感影像數(shù)據(jù)在區(qū)域尺度上估算作物的WUE成為可能。在本研究中,在冬小麥的整個生長階段獲得田間的ASD高光譜數(shù)據(jù)、衛(wèi)星影像數(shù)據(jù)(光學(xué)和雷達(dá)影像數(shù)據(jù))、氣象數(shù)據(jù)、冬小麥的葉面積指數(shù)(LAI),冠層覆蓋度(CC)、生物量(BY)和產(chǎn)量(GY)等數(shù)據(jù)�；贏quaCrop模型和多源遙感數(shù)據(jù)對研究區(qū)域的冬小麥WUE進(jìn)行估算研究主要包括五個方面：1)應(yīng)用全局敏感性分析方法對AquaCrop模型的產(chǎn)量和相關(guān)的動態(tài)輸出變量進(jìn)行敏感性分析；2)在華北平原,應(yīng)用AquaCrop模型對不同灌溉和不同播種日期的冬小麥CC、BY和GY進(jìn)行模擬分析；3)整合田間ASD高光譜數(shù)據(jù)和AquaCrop模型,對冬小麥的WUE進(jìn)行了估算；4)使用環(huán)境衛(wèi)星和RADARSAT-2影像數(shù)據(jù)構(gòu)建新的光學(xué)-雷達(dá)整合植被指數(shù)對冬小麥的CC和生物量進(jìn)行估算；5)基于粒子群優(yōu)化算法,將AquaCrop模型與光學(xué)和雷達(dá)影像數(shù)據(jù)整合,對陜西楊凌地區(qū)的冬小麥WUE進(jìn)行估算。一些重要的結(jié)論歸結(jié)為：1)作物參數(shù)敏感性隨著作物參數(shù)變化范圍的變化而變化。對于一階敏感性指數(shù)來說,當(dāng)設(shè)置作物參數(shù)的變化范圍在正常值±10%變化時(shí),作物參數(shù)對冬小麥最大干生物量從最高到最低的重要性順序?yàn)閣p、cc、stbio和mmcc,作物參數(shù)對春小麥最大干生物量從最高到最低的重要性順序?yàn)閟tbio、cc、wp和mcc。與上面的研究結(jié)果類似,當(dāng)設(shè)置作物參數(shù)的變化范圍在正常值±30%變化時(shí),作物參數(shù)對冬小麥和春小麥最大干生物量的重要性及選擇的順序是相同的。當(dāng)設(shè)置作物參數(shù)的變化范圍在正常值±50%變化時(shí),作物參數(shù)對冬小麥和春小麥最大干生物量的重要性及選擇的順序存在一定的差異。對于總的敏感性指數(shù)來說,當(dāng)設(shè)置作物參數(shù)的變化范圍在正常值±10%變化時(shí),作物參數(shù)的重要性和選擇的作物參數(shù)對冬小麥最大干生物量(wp、cc、stbio、rootdep、polmn、mcc,和psto)和春小麥最大干生物量(stbio、cc,wp和mcc)之間存在一些差異。然而,當(dāng)設(shè)置作物參數(shù)的變化范圍在正常值±30%變化時(shí),作物參數(shù)的重要性和選擇的作物參數(shù)對冬小麥最大干生物量(wp、cc,stbio和mcc)和春小麥最大干生物量(wp、cc,stbio和mcc)之間是相同的。當(dāng)設(shè)置作物參數(shù)的變化范圍在正常值±50%變化時(shí),作物參數(shù)的重要性和選擇的作物參數(shù)對冬小麥最大干生物量(wp、cc,stbio和mcc)和春小麥最大干生物量(stbio、cc、wp、dcc、rmexup、 pstoshp、hilen、anaer、hi、mcc、remd, eme和psto)之間存在較大差異。時(shí)間序列敏感性分析結(jié)果表明,作物參數(shù)ssc、stbio、plomn、wp、cc,mcc和num的時(shí)間序列一階敏感性對冬小麥或春小麥的冠層覆蓋度和干生物量最敏感。作物參數(shù)總的敏感性指數(shù)和時(shí)間序列總的敏感性指數(shù)比作物參數(shù)一階敏感性指數(shù)和時(shí)間序列一階敏感性指數(shù)更加敏感。北京的冬小麥和加拿大的春小麥之間一階敏感性指數(shù)和時(shí)間序列一階敏感性指數(shù)具有較好的一致性。然而,冬小麥和春小麥之間總的敏感性指數(shù)和時(shí)間序列總的敏感性指數(shù)存在較大差異。2)本研究證明AquaCrop模型可以較好的模擬不同播種日期和不同灌溉策略的冬小麥冠層覆蓋度(CC),生物量(BY),產(chǎn)量(GY)。通過4年的研究表明AquaCrop模型模擬的CC與實(shí)測的CC具有較好的一致性。冬小麥模擬的CC與實(shí)測的CC的R2,RMSE和E值變化范圍分別為0.89到0.98,3.18%到7.19%和0.90到0.96。模擬的BY與實(shí)測的BY具有較好的關(guān)系。實(shí)測的BY用來校正AquaCrop模型,它的預(yù)測統(tǒng)計(jì)誤差為0.92R20.98,1.12RMSE1.84 ton ha-1和0.92E0.96。模擬的GY也與實(shí)測的GY具有較好的一致性, AquaCrop模型模擬的GY也與實(shí)測的GY的R2,RMSE和E值分別為0.93,0.52 tonha-1和0.92。同時(shí)研究結(jié)果也證明,在2010/2011年冬小麥,通過頻繁少量的多次灌溉可以顯著地改善BY,GY,生物量和籽粒的水分利用效率。這些結(jié)果表明AquaCrop模型模擬值和實(shí)際測量值具有較高的一致性和穩(wěn)定性,它可以用來模擬華北平原(NCP)不同播種日期和不同灌溉策略的冬小麥CC,BY和GY。因此,我們可以得出這樣的結(jié)論,AquaCrop模型是一個有用的決策工具,用它可以有效的優(yōu)化冬小麥的播種日期和灌溉策略。3)研究結(jié)果表明,蒸滲儀獲取的ET數(shù)據(jù)與Aquacrop模型模擬的ET數(shù)據(jù)具有較好的一致性(R2=0.96和RMSE=0.47 mm)。植被指數(shù)NDMI與冬小麥生物量存在較好的關(guān)系,對應(yīng)的R2和RMSE值分別為0.84 and1.43 ton/ha。所有的植被指數(shù)與水分利用效率(WUE)具有較高的相關(guān)性,我們的研究結(jié)果說明植被指數(shù)TBWI為最好的WUE估算回歸方程,對應(yīng)的R2和RMSE值分別為0.73和0.15 kg/m3。用AquaCrop模型模擬的冬小麥生物量和產(chǎn)量與實(shí)測的冬小麥生物量和產(chǎn)量存在較好的關(guān)系。本研究結(jié)果說明數(shù)據(jù)整合方法(R2=0.79和RMSE=0.12 kg/m3)優(yōu)于經(jīng)驗(yàn)統(tǒng)計(jì)植被指數(shù)方法(R2=0.72和RMSE=0.15 kg/m3)對冬小麥WUE的估算精度。4)LAI和BY與光學(xué)光譜植被指數(shù)(OSVIs;增強(qiáng)型植被指數(shù),EVI；改善三角植被指數(shù)2,MTVI2)和雷達(dá)極化植被指數(shù)(RPVIs;雷達(dá)植被指數(shù),RVI；雙向反射特征值相對差異,DERD)存在較好的關(guān)系。光學(xué)雷達(dá)植被指數(shù)(ORVIs) [MTVI2×DERD (R2=0.67)和MTVI2×RVI (R2=0.68)]與LAI有較高的相關(guān)性。但是,ORVIs[優(yōu)化土壤調(diào)節(jié)植被指數(shù)(OSAVI)×DERD (R2=0.79)和EVI×RVI (R2=0.80)]與生物量有較高的相關(guān)性。ORVIs優(yōu)于單獨(dú)用OSVIs和RPVIs對LAI和BY的估算精度。研究結(jié)果表明,ORVIs對改善冬小麥LAI和BY的估算精度有很大潛力。5)使用粒子群優(yōu)化算法將光學(xué)和雷達(dá)影像數(shù)據(jù)與AquaCrop模型進(jìn)行整合,用來估算楊凌的冬小麥產(chǎn)量和WUE。以CC或BY分別作為狀態(tài)變量,預(yù)測的CC(R2=0.66和RMSE=10.45%)和BY(R2=0.79和RMSE=1.53 ton/ha)與實(shí)測的CC和BY之間有很好的一致性。當(dāng)以CC作為狀態(tài)變量時(shí),預(yù)測的GY(R2=0.31和RMSE=0.94 ton/ha)和WUE(R2=0.34和RMSE=0.29 kg/m3)與實(shí)測的GY和WUE有較好的一致性。當(dāng)以BY作為狀態(tài)變量時(shí),預(yù)測的GY(R2=0.42和RMSE= 0.81 ton/ha)和WUE(R2=0.43和RMSE=0.25kg/m3)與實(shí)測的GY和WUE也有較好的一致性。研究結(jié)果表明,以BY作為狀態(tài)變量優(yōu)于以CC作為狀態(tài)變量對冬小麥GY和WUE的估算結(jié)果。
【關(guān)鍵詞】：冬小麥 AquaCrop模型 全局敏感性分析 植被指數(shù) 遙感 水分利用效率
【學(xué)位授予單位】：揚(yáng)州大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：S512.11
【目錄】：

• 摘要6-9
• ABSTRACT9-17
• 第一章 文獻(xiàn)綜述17-67
• 1 AquaCrop模型的研究背景、基本原理、整體框架與應(yīng)用流程18-23
• 1.1 AquaCrop模型研究背景18
• 1.2 AquaCrop模型基本原理18-20
• 1.3 AquaCrop模型的整體框架20-23
• 1.4 AquaCrop模型應(yīng)用過程23
• 2 AquaCrop模型研究進(jìn)展23-27
• 2.1 可應(yīng)用AquaCrop模型研究的作物類型和關(guān)鍵參數(shù)23-25
• 2.2 AquaCrop模型應(yīng)用的拓展25-26
• 2.3 AquaCrop模型的優(yōu)缺點(diǎn)26-27
• 2.4 深化AquaCrop模型應(yīng)用的思考27
• 3 植物水分含量監(jiān)測和水分利用效率的研究進(jìn)展27-32
• 3.1 植物水分含量監(jiān)測的研究進(jìn)展27-31
• 3.2 植物水分利用效率的研究進(jìn)展31-32
• 4 作物模型和遙感數(shù)據(jù)同化的研究進(jìn)展32-44
• 4.1 作物模型33-37
• 4.2 遙感技術(shù)和作物參數(shù)的關(guān)系37-41
• 4.3 作物模型和遙感數(shù)據(jù)同化41-44
• 5 結(jié)論與展望44-45
• 5.1 AquaCrop模型44-45
• 5.2 作物模型和遙感數(shù)據(jù)同化45
• 6 研究目的意義45-47
• 參考文獻(xiàn)47-67
• 第二章 AquaCrop模型的小麥產(chǎn)量和輸出過程變量的全局敏感性分析67-97
• 引言67-69
• 1 試驗(yàn)材料與方法69-76
• 1.1 研究地點(diǎn)介紹69-70
• 1.2 氣象數(shù)據(jù)的獲取70-71
• 1.3 土壤數(shù)據(jù)的獲取71-72
• 1.4 AquaCrop模型的介紹72-75
• 1.5 EFAST方法和敏感性分析策略75-76
• 2 結(jié)果76-91
• 2.1 參數(shù)變化范圍對作物參數(shù)一階敏感性的影響76-80
• 2.2 參數(shù)變化范圍對作物參數(shù)總的敏感性影響80-84
• 2.3 作物參數(shù)對不同時(shí)間序列輸出變量的敏感性分析84-89
• 2.4 一階敏感性指數(shù)與總敏感性指數(shù)的差異89
• 2.5 Aquacrop模型校正指導(dǎo)89-91
• 3 小結(jié)91-92
• 參考文獻(xiàn)92-97
• 第三章 AquaCrop模型參數(shù)的“本地化”研究97-115
• 引言97-98
• 1 試驗(yàn)材料與方法98-103
• 1.1 研究地點(diǎn)與試驗(yàn)設(shè)計(jì)98-99
• 1.2 氣象數(shù)據(jù)的選擇與分析99-101
• 1.3 試驗(yàn)站的土壤數(shù)據(jù)101
• 1.4 田間試驗(yàn)和作物數(shù)據(jù)獲取101-102
• 1.5 水分利用效率102
• 1.6 AquaCrop模型的介紹102
• 1.7 數(shù)據(jù)分析102-103
• 2 結(jié)果與分析103-110
• 2.1 AquaCrop模型的校正和驗(yàn)證103-108
• 2.2 生物量產(chǎn)量,籽粒產(chǎn)量和水分利用效率108-110
• 3 小結(jié)110-111
• 參考文獻(xiàn)111-115
• 第四章 比較植被指數(shù)方法和植被指數(shù)-AquaCrop模型方法對冬小麥水分利用效率的估算115-133
• 引言115-117
• 1 試驗(yàn)材料與方法117-123
• 1.1 試驗(yàn)地點(diǎn)與試驗(yàn)設(shè)計(jì)117
• 1.2 冠層光譜反射率的測量117
• 1.3 氣象數(shù)據(jù)與作物蒸騰獲取117-118
• 1.4 冬小麥生物量和籽粒產(chǎn)量數(shù)據(jù)的獲取118
• 1.5 冬小麥水分利用效率的計(jì)算118
• 1.6 AquaCrop模型和ACsaV40模型(AquaCrop模型插件)的介紹118-120
• 1.7 ACsaV40模型和遙感數(shù)據(jù)的整合120-121
• 1.8 植被指數(shù)的選擇121-122
• 1.9 數(shù)據(jù)分析122-123
• 2 結(jié)果與分析123-129
• 2.1 AquaCrop模型ET數(shù)據(jù)的校正123
• 2.2 生物量估算123-124
• 2.3 植被指數(shù)估算水分利用效率(WUE)124-125
• 2.4 數(shù)據(jù)整合方法對水分利用效率(WUE)的估算125-129
• 3 小結(jié)129-130
• 參考文獻(xiàn)130-133
• 第五章 基于AquaCrop模型和主被動遙感影像數(shù)據(jù)同化對冬小麥水分利用效率的估算133-157
• 引言133-135
• 1 試驗(yàn)材料與方法135-143
• 1.1 研究區(qū)域概況135-136
• 1.2 田間數(shù)據(jù)的獲取136-137
• 1.3 衛(wèi)星影像數(shù)據(jù)的處理137-139
• 1.4 光學(xué)和雷達(dá)植被指數(shù)的選擇139-140
• 1.5 模型和整合方法140-142
• 1.6 統(tǒng)計(jì)分析方法142-143
• 2 結(jié)果與分析143-153
• 2.1 光學(xué)植被指數(shù)與LAI和生物量之間的關(guān)系143-144
• 2.2 雷達(dá)植被指數(shù)與LAI和生物量之間的關(guān)系144-146
• 2.3 整合植被指數(shù)與LAI和生物量之間的關(guān)系146
• 2.4 冠層覆蓋度和生物量的估算146-148
• 2.5 AquaCrop模型ET數(shù)據(jù)的校正148
• 2.6 數(shù)據(jù)同化方法對冠層覆蓋度和生物量的估算148-150
• 2.7 數(shù)據(jù)同化方法對產(chǎn)量和水分利用效率的估算150-151
• 2.8 區(qū)域產(chǎn)量和水分利用效率估算151-153
• 3 小結(jié)153-154
• 參考文獻(xiàn)154-157
• 第六章 討論、結(jié)論、創(chuàng)新點(diǎn)與展望157-175
• 1 討論157-166
• 1.1 AquaCrop模型全局敏感性分析157-160
• 1.2 AquaCrop模型模擬結(jié)果與冬小麥的水分利用效率160-161
• 1.3 植被指數(shù)方法與數(shù)據(jù)整合方法對冬小麥WUE的估算161-163
• 1.4 基于AquaCrop模型和多源遙感數(shù)據(jù)對冬小麥水分利用效率的區(qū)域估算163-166
• 2 結(jié)論166-168
• 2.1 Aquacrop模型的敏感性分析166
• 2.2 AquaCrop模型的應(yīng)用研究166-167
• 2.3 比較不同方法對冬小麥水分利用效率的估算167
• 2.4 多源遙感數(shù)據(jù)和AquaCrop模型對冬小麥水分利用效率區(qū)域估算167-168
• 3 本研究的創(chuàng)新點(diǎn)168-169
• 3.1 AquaCrop模型作物參數(shù)的時(shí)間序列敏感性分析168
• 3.2 AquaCrop模型參數(shù)“本地化”研究168
• 3.3 基于時(shí)間序列的光學(xué)和雷達(dá)數(shù)據(jù)的整合應(yīng)用168
• 3.4 AquaCrop模型和主被動遙感數(shù)據(jù)對冬小麥水分利用效率的估算168-169
• 4 尚待深入研究的問題169-170
• 4.1 AquaCrop模型可擴(kuò)展性的研究169
• 4.2 冬小麥水分利用效率的估算研究169
• 4.3 數(shù)據(jù)同化研究169-170
• 參考文獻(xiàn)170-175
• 致謝175-177
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及科研成果目錄177-182

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 雷震宇,裴雪霞;鉀、鋅、錳配施在冬小麥上的效應(yīng)研究[J];山西農(nóng)業(yè)科學(xué);2003年04期

2 喻敏,胡承孝,王運(yùn)華;冬小麥缺鉬反應(yīng)的基因型篩選[J];華中農(nóng)業(yè)大學(xué)學(xué)報(bào);2003年04期

3 劉慶梅,劉陪軍,朱同貴,郭躍升,曲仁國,蔣慶功,崔振嶺,陳新平,張福鎖;氮素實(shí)時(shí)監(jiān)控技術(shù)在冬小麥上的示范[J];中國農(nóng)技推廣;2005年05期

4 王勇,高育鋒,樊廷錄;旱地周年覆膜條件下冬小麥的光合特性[J];麥類作物學(xué)報(bào);2005年06期

5 叢振濤,雷志棟,胡和平,楊詩秀;冬小麥生長與土壤-植物-大氣連續(xù)體水熱運(yùn)移的耦合研究Ⅰ:模型[J];水利學(xué)報(bào);2005年05期

6 千懷遂,焦士興,趙峰;河南省冬小麥氣候適宜性變化研究[J];生態(tài)學(xué)雜志;2005年05期

7 劉艷紅;徐鳳霞;張曉輝;周玉蘭;朱翠紅;;山東省濰坊市冬小麥產(chǎn)量統(tǒng)計(jì)預(yù)報(bào)的初探[J];科技創(chuàng)新導(dǎo)報(bào);2008年04期

8 鄭彩霞;張富倉;張志亮;李志軍;;限量灌溉和施磷對冬小麥生長及水分利用的影響[J];干旱地區(qū)農(nóng)業(yè)研究;2008年02期

9 陳世敏;楊瑞霞;馬步朝;;4種控制冬小麥冬前旺長措施的效果對比[J];甘肅農(nóng)業(yè)科技;2008年05期

10 孫秋生;樊景豪;;菏澤市2007～2008年冬小麥全生育期氣象條件分析[J];現(xiàn)代農(nóng)業(yè)科技;2008年15期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李德;;基于概率分布的宿州冬小麥氣候風(fēng)險(xiǎn)評估方法[A];第26屆中國氣象學(xué)會年會農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會場論文集[C];2009年

2 車少靜;高祺;劉利軍;;2009-2010年度石家莊異常低溫對冬小麥影響[A];第27屆中國氣象學(xué)會年會現(xiàn)代農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會場論文集[C];2010年

3 雷震宇;裴雪霞;;鉀、鋅、錳配施在冬小麥上的效應(yīng)研究(摘要)[A];中國地壤學(xué)會第十次全國會員代表大會暨第五屆海峽兩岸土壤肥料學(xué)術(shù)交流研討會文集（面向農(nóng)業(yè)與環(huán)境的土壤科學(xué)專題篇）[C];2004年

4 楊曉華;楊永紅;;秋季氣候變暖對冬小麥奇異生長的影響[A];中國氣象學(xué)會2007年年會氣候變化分會場論文集[C];2007年

5 方文松;朱自璽;劉榮花;王友賀;馬志紅;;河南省冬小麥干旱動態(tài)評估指標(biāo)初探[A];中國氣象學(xué)會2007年年會生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預(yù)警分會場論文集[C];2007年

6 張艷紅;呂厚荃;;2005/2006年度北方冬小麥增產(chǎn)的農(nóng)業(yè)氣象條件分析[A];中國農(nóng)學(xué)會農(nóng)業(yè)氣象分會2006年學(xué)術(shù)年會論文集[C];2006年

7 郝立生;閔錦忠;;氣候變暖對河北省冬小麥產(chǎn)量的影響[A];第26屆中國氣象學(xué)會年會農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會場論文集[C];2009年

8 李月英;柳斌輝;牛英潔;王霞;張歆婕;栗雨勤;;氣候條件對河北低平原冬小麥產(chǎn)量的影響[A];第26屆中國氣象學(xué)會年會農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會場論文集[C];2009年

9 徐臘梅;;石河子地區(qū)春季低溫對冬小麥生長影響分析[A];第26屆中國氣象學(xué)會年會農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會場論文集[C];2009年

10 唐為安;唐為安;田紅;陳曉藝;溫華洋;丁霞;徐光清;;氣候變暖背景下安徽省冬小麥產(chǎn)量對氣候要素變化的響應(yīng)[A];第27屆中國氣象學(xué)會年會現(xiàn)代農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會場論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 本報(bào)記者 王錦;冬小麥?zhǔn)芎得娣e開始減少[N];中國證券報(bào);2011年

2 記者 朱周良;聯(lián)合國警示小麥旱情 全球糧食價(jià)格高燒難退[N];上海證券報(bào);2011年

3 記者 喬林生;新麥生長現(xiàn)“南北差異” 豐歉將定糧價(jià)[N];期貨日報(bào);2011年

4 國家糧油信息中心 王曉輝;今年我國冬小麥產(chǎn)量同比下降[N];糧油市場報(bào);2003年

5 通訊員 韓文彥;禮縣冬小麥單產(chǎn)創(chuàng)新高[N];甘肅經(jīng)濟(jì)日報(bào);2010年

6 本報(bào)特約觀察員 劉正敏;冬小麥豐收在即 產(chǎn)量預(yù)計(jì)同比持平[N];糧油市場報(bào);2011年

7 記者 張麗輝;冬小麥抗旱管理要講科學(xué)[N];河北日報(bào);2009年

8 曾曉偉 陳曉藝;安徽冬小麥產(chǎn)量呈增產(chǎn)趨勢[N];中國氣象報(bào);2004年

9 記者 秦京午　張意軒;中國夏糧再獲好收成[N];人民日報(bào)海外版;2010年

10 記者 高琳;國家氣象中心：精細(xì)服務(wù)為冬小麥產(chǎn)量加分[N];中國氣象報(bào);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 徐凡;華北地區(qū)冬小麥旱災(zāi)災(zāi)損評估研究[D];中國農(nóng)業(yè)科學(xué)院;2009年

2 李永賓;冬小麥水氮高效利用專家決策系統(tǒng)的研究[D];中國農(nóng)業(yè)大學(xué);2005年

3 殷芙蓉;浮塵對冬小麥生理及產(chǎn)量和品質(zhì)的影響[D];湖南農(nóng)業(yè)大學(xué);2006年

4 劉庚山;冬小麥底墑耗失特征及高效利用研究[D];中國農(nóng)業(yè)大學(xué);2004年

5 鄭昌玲;近地層臭氧和二氧化碳濃度變化對冬小麥影響的數(shù)值模擬初步研究[D];中國氣象科學(xué)研究院;2004年

6 卜萍萍;秸稈覆蓋對關(guān)中地區(qū)冬小麥生態(tài)效應(yīng)綜合研究[D];長安大學(xué);2011年

7 李莎;不同水氮處理對冬小麥生長、產(chǎn)量及品質(zhì)影響的研究[D];西北農(nóng)林科技大學(xué);2012年

8 歐陽秋明;濟(jì)南市冬小麥干旱災(zāi)害風(fēng)險(xiǎn)分析[D];蘭州大學(xué);2012年

9 宗燕;冬小麥干旱災(zāi)害風(fēng)險(xiǎn)評估[D];南京信息工程大學(xué);2013年

10 林文;氣候變化對陜西冬小麥影響研究[D];西北農(nóng)林科技大學(xué);2013年

  本文關(guān)鍵詞：基子AqoaCrop模型與多源遙感數(shù)據(jù)的北方冬小麥水分利用效率估算，，由筆耕文化傳播整理發(fā)布。

本文編號：356475