CN107607692B - 基于土壤最大储水容量的土壤水分监测优化布点方法 - Google Patents

基于土壤最大储水容量的土壤水分监测优化布点方法 Download PDF

Info

Publication number
CN107607692B
CN107607692B CN201711084921.0A CN201711084921A CN107607692B CN 107607692 B CN107607692 B CN 107607692B CN 201711084921 A CN201711084921 A CN 201711084921A CN 107607692 B CN107607692 B CN 107607692B
Authority
CN
China
Prior art keywords
soil
water storage
storage capacity
maximum water
sampling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711084921.0A
Other languages
English (en)
Other versions
CN107607692A (zh
Inventor
张宝忠
王珊
魏征
王蕾
周青云
杜丽娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN201711084921.0A priority Critical patent/CN107607692B/zh
Publication of CN107607692A publication Critical patent/CN107607692A/zh
Application granted granted Critical
Publication of CN107607692B publication Critical patent/CN107607692B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

基于土壤最大储水容量的土壤水分监测优化布点方法,本发明基于农田土壤最大储水容量数据,结合经典统计学和地统计学方法,分别分析了其在不同深度的变异规律、合理的采样数目及具体布设位置。以国家节水灌溉工程技术研究中心大兴试验基地附近大约3.645km2为实例,研究表明土壤最大储水容量在0‑40cm与0‑80cm深度均满足正态分布,其变异系数分别是14.96%、13.56%,表现为中等程度的变异;运用经典统计方法获得在置信区间90%,采样误差10%的情况下0‑40cm的合理采样数6个,0‑80cm的合理采样数5个。在地统计分析方法基础上,借助软件Arcgis、surfer可知土壤最大储水容量在0‑40cm和0‑80cm深度均具有中等程度的空间相关性,得到相应的空间相关域,在等值线图中确定采样点的具体坐标,并通过误差分析验证所选的采样点满足采样精度。

Description

基于土壤最大储水容量的土壤水分监测优化布点方法
技术领域
本发明属于土壤水分分析技术领域,尤其与一种基于土壤最大储水容量的土壤水分监测优化布点方法。
背景技术
水资源紧缺已经是现今社会备受关注的问题之一,为了解决水资源浪费问题,实现可持续发展,在农业方面必须推进节水灌溉农业技术的发展,而土壤墒情监测研究对节水农业的发展、水资源的高效利用具有着重大意义。通过研究作物田间土壤墒情监测点及变化规律,根据作物不同时期及降雨信息建立土壤墒情预测模型,为制定科学合理的灌溉制度、调整农田灌溉用水计划、对作物进行适时适量灌溉提供理论依据,从而提高农业用水的利用效率。
在田间土壤墒情监测过程中,土壤测墒点的数量及位置对监测精度有着一定的影响,由于农田土壤含水率存在空间变异性,必须考虑它的变异规律,并且空间变异研究也成为了现今农业研究的理论基础。近年来,国内外许多学者在土壤水分空间变异和测墒点的合理数目以及优化布设方面做出了大量的研究。张继光、杨贵羽等研究发现在确定合理取样数时应同时考虑统计特征和土壤的空间结构性;龚邵琦等在太湖利用地统计学研究水质参数空间变异特征研究,并确定每项参数所必需的合理取样数目;杨风亮、李芳松等研究发现在棉花膜下滴灌田墒情监测点应布置在距滴灌带47cm范围内即可,不宜布置在更远处;谢恒星等以烟台苹果园为例研究发现土壤含水量分布状况是影响其合理取样数目的最主要的因素;姜城、孙永健、赵倩倩等利用地统计学方法研究土壤合理采样数目;陈坤等研究发现在120m×90m的膜下滴灌加工番茄区域内,其平均地块全方向的变程值为23.81m,在置信水平95%,采样误差5%μ的条件下,合理的采样数目为18~20个。
现今关于土壤合理采样数目的研究多以土壤含水率数据为基础,因为土壤含水率具有时空变异性,在不同时期总会有差异,每一次的数据仅能代表这段时期的土壤墒情,导致计算不同时期的合理采样点总有变化。
发明内容
针对上述背景技术存在的问题,本发明旨在提供一种基于土壤最大储水容量的土壤水分监测优化布点方法,本发明以土壤的最大储水容量数据为基础,结合经典统计方法和地统计分析方法共同研究优化土壤测墒点的布设。
为此,本发明采用以下技术方案:基于土壤最大储水容量的土壤水分监测优化布点方法,包括以下步骤:
步骤一:将实验田均匀划分为多个小区,每个小区内取4层样点土样,其深度分别为0-20cm、20-40cm、40-60cm、60-80cm;
步骤二:采用烘干法获取土壤含水率。将样点土样进行风干破碎过筛后,进行土壤颗粒分级分析,激光粒度仪测定样品的粒径范围为0.02-2000μm,在土壤粒径分析的基础上,借助SPAW软件,输入土样的粘粒及砂粒含量获得土样的土壤类型、土壤容量和土壤最大储水容量;
步骤三:将步骤二中所获取的土壤最大储水容量数据,输入软件SPSS19.0进行正态检验,并对不同深度土壤最大储水容量进行描述性统计分析;
步骤四:运用软件surfer12.0绘制空间等值线图,了解土壤最大储水容量的空间分布情况;
步骤五:借助Arcgis软件对步骤二中所获取的土壤最大储水容量数据进行半方差函数分析,得到最优拟合的半方差函数模型及其参数值;
步骤六:基于步骤三的正态检验基础上,运用经典统计方法确定采样数目,计算获得在置信区间90%,采样误差10%的情况下合理采样数;
步骤七:在步骤三和四的组合条件下,在土壤最大储水容量的空间等值线图上确定采样点的具体坐标。
步骤八:基于步骤七确定的具体坐标,对每个点进行插值,将采样点的土壤含水率与区域含水率进行误差分析。
可选的,步骤二中所述的输出结果包括:土壤类型、土壤容重、土壤最大储水容量。
可选的,步骤三中所述的正态检验是通过QQ正态图与QQ趋势图来检验的。描述性统计分析输出的参数包括极大值、极小值、均值、标准差、方差、偏度与峰度值。根据公式
Figure GDA0002433055300000031
计算变异系数,描述实测数据的规律性。
可选的,步骤五中所述的半方差函数模型,根据公式表示如下:
Figure GDA0002433055300000032
式中:γ(h)为区域化变量Z(x)的样本变异函数;h为两样本点空间分隔距离,Z(Xi)和Z(Xi+h)分别是区域化变量Z(x)在空间位置Xi和Xi+h的观测值,为间距为的样本对数。
可选的,步骤五中利用交叉验证法选择所述最优拟合的半方差函数模型,符合以下标准的模型最优:误差平均值、误差标准平均值最接近0,均方根预测误差最小,平均标准误差最接近于均方根预测误差,标准均方根预测误差,最接近于1。
可选的,半方差函数理论模型为指数模型。
可选的,步骤五中所述的计算合理样本数目的步骤包括:
根据公式:
N=(λα·S)22
其中:λa为正态分布特征值,可由统计表查到;S为样本标准方差;△为采样误差,通常取Δ=kμ,k可取5%、10%、15%、20%,
如果计算所得出的合理采样数大于样本容量的10%,则应将计算公式转换为不等重复抽样公式再计算抽样数N';
Figure GDA0002433055300000033
式中:N为样本总数,N为等重复抽样时计算的抽样数。
本发明可以达到以下有益效果:本发明基于农田土壤最大储水容量数据,结合经典统计学和地统计学方法,分别分析了其在不同深度的变异规律、合理的采样数目及具体布设位置。
附图说明
图1a为0-40cm的土壤最大储水容量正态分布检验正态图。
图1b为0-40cm的土壤最大储水容量正态分布检验趋势图。
图1c为0-80cm的土壤最大储水容量正态分布检验正态图。
图1d为0-80cm的土壤最大储水容量正态分布检验趋势图。
图2a为0-40cm的土壤最大储水容量等值线图。
图2b为0-80cm的土壤最大储水容量等值线图。
图3a为0~40cm土层土壤最大储水容量空间分布及等值线图。
图3b为0~80cm土层土壤最大储水容量空间分布及等值线图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细描述。
具体实施例
1材料与方法
1.1研究区概况
试验在国家节水灌溉工程技术研究中心大兴试验基地进行。北京市大兴区位于北京南边郊区。该区属于半干旱大陆性暖湿季风气候,这里四季分明,春季少雨多风,夏季炎热多雨,秋季天高气爽,冬季寒冷少雨,多年平均气温为12.1℃,极端温度最高为39.5℃,最低为-25℃。区内年际间降雨量变化较大,降雨量最大为971mm,最小为206mm,年内降雨量分布不均,多年平均降雨为540mm,降雨多集中在汛期的6~9月份,其降雨量占全年降雨量的80%以上。该区光热自然条件丰富,适合多种作物生长,包括小麦、玉米、花生等。
试验主要是在野外进行,范围是基地内LAS塔的接收端与2km外发射端的周边地区,大约3.645km2,均匀划分为162个小区,每个小区150m×150m,每个样点取4层,深度为0-20cm、20-40cm、40-60cm、60-80cm。在本文中采用土壤最大储水容量分析确定土壤测墒点数目及位置。
1.2项目测定
土壤质地测定
将田间采集的样点土样进行风干破碎过筛后,采用马尔文激光粒度仪(MS2000)进行土壤颗粒分级分析,再利用美国土壤质地分类三角表进行土壤质地类型的确定。
土壤最大储水容量
在土壤粒径分析的基础上,借助软件SPAW,输入土样的粘粒及砂粒含量获得土样的一些基础属性值,包括土壤类型、土壤容重、土壤最大储水容量等。
1.3研究方法
传统的统计学方法只能确定该置信条件下的合理取样数目,并不能确定样点的空间位置,而地统计学方法能够弥补此缺点,通过变程决定了取样点的间隔,变程越大取样间隔就越大,则取样数目就越少。因此需要同时考虑土壤最大储水容量的统计特征和空间结构性。
经典统计法
在样本数量较多的情况下,可以用样本的数学期望和方差代替总体的数学期望和方差。根据Cochran提出的计算公式:
N=(λα·S)22
其中:λa为正态分布特征值,可由统计表查到;S为样本标准方差;△为采样误差,通常取Δ=kμ,k可取5%、10%、15%、20%等。
如果计算所得出的合理采样数大于样本容量的10%,则应将计算公式转换为不等重复抽样公式再计算抽样数N'。
Figure GDA0002433055300000051
式中:N为样本总数,N为等重复抽样时计算的抽样数。
地统计分析
地统计分析方法以半方差函数与Kring插值法为基础,合理研究测墒点的空间分布。半方差函数(空间变异函数)是用来描述区域化变量结构性和随机性并存这一空间特征而提出的,是描述土壤特性空间变异结构的一个函数。其公式表示如下:
Figure GDA0002433055300000052
式中:γ(h)为区域化变量Z(x)的样本变异函数;h为两样本点空间分隔距离,Z(Xi)和Z(Xi+h)分别是区域化变量Z(x)在空间位置Xi和Xi+h的观测值,为间距为的样本对数。
半方差函数理论模型包含3个重要参数,分别为变程,表示区域化变量的空间自相关的尺度范围,即空间相关域;基台值,表示区域化变量在研究范围内总的空间变异强度,块金基台比,反映区域化变量的随机因素带来的空间变异程度,比值小于25%,说明具有强烈的空间相关性;比值为25%~75%,说明具有中等的空间相关性;比值大于75%,说明空间相关性较弱。
本文采用交叉验证法选择最优半方差函数模型,采用交叉验证的方式计算出各种误差,符合以下标准的模型最优:误差平均值、误差标准平均值最接近0,均方根预测误差最小,平均标准误差最接近于均方根预测误差,标准均方根预测误,最接近于1。
2土壤最大储水容量的空间变异
2.1正态分布检验因为确定合理测墒点数量的过程中要确保监测的精准程度,在应用经典统计学方法,根据土壤最大储水容量及含水率分布特征计算合理采样数目的过程中,应满足正态分布。运用软件SPSS19.0进行正态检验,Q-Q正态概率图是一种检验正态分布的统计图形,它是根据变量分布积累比和正态分布累积比来生成的图形,实测数据如果符合正态分布规律,则被检验数据应基本成一条45°斜直线,如图1a、图1b、图1c和图1d所示。
2.2描述性统计分析以田间采集的样本实测的数据为基础,应用SPSS19.0软件对不同深度土壤最大储水容量及试验期土壤含水率值进行描述性统计分析,通过样本数据的均值、变异系数等来描述实测数据的规律性。统计分析结果如下表。
表2-1不同深度田间土壤最大储水容量统计特征值
Figure GDA0002433055300000061
由表2-1中可以得知土壤最大储水容量深度0-40cm、0-80cm的变异系数分别是14.96%、13.56%,说明土壤最大储水容量的变异程度均表现为中等程度变异。
2.3空间分布图
为了弥补实测数据的不足,了解土壤最大储水容量的空间分布情况,运用软件surfer12.0绘制空间等值线图。图2a和图2b分别为0-40cm、0-80cm土壤最大储水容量的空间分布图。从图中可以看出0-40cm、0-80cm的空间分布情况基本一致,在西南-西北方向的土壤最大储水容量较大,其他地区较小;0-40cm的土壤最大储水容量在100mm/m到230mm/m之间变化,0-80cm深度的土壤最大储水容量在120mm/m到230mm/m之间变化。
2.4半方差函数理论模型
借助Arcgis软件对实测数据进行半方差函数分析,得到最优拟合的半方差函数模型及其参数值。因为在应用地统计学分析时数据必须服从正态分布,否则会影响分析结果的精度。前面已经检验了数据服从正态分布,可以直接将数据输入Arcgis软件中进行半方差函数模拟计算,获得相应的半方差理论模型及参数。
通过交叉验证法检验选择0-40cm与0-80cm最适合的半方差函数理论模型,具体结果如下表2-2。
表2-2土壤最大储水容量半方差函数模型参数
Figure GDA0002433055300000071
由表2-2可以看到通过交叉验证法选择0-40cm与0-80cm的半方差函数理论模型都是指数模型。土壤最大储水容量0-40cm块金值比0-80cm的块金值大,说明在0-40cm深度的土壤最大储水容量受随机性因素的影响大于0-80cm的。0-40cm与0-80cm深度的块金基台比分别是30.08%、25.62%,表现为中等程度的空间相关性,受随机性因素与结构性因素的共同作用影响的,0-40cm深度变程是915.61m,0-80cm深度变程是1152m,说明在变程范围内监测点之间具有相关性,在变程范围外,监测点是相互独立的。
3合理采样数目的研究
3.1经典统计学法
根据经典统计方法,取置信区间95%、90%,采样误差取5%、10%、15%、20%,通过查T分布统计表可知:置信度Pα=95%时,λα,f=1.96;置信度Pα=90%时,λα,f=1.645,由公式求得0-40cm、0-80cm深度合理的采样数目。
表3-1不同置信水平、不同采样误差条件下的合理采样数目
Figure GDA0002433055300000081
3.2地统计分析
在了解土壤最大储水容量的空间相关域的基础上,应用surfer12.0软件对土壤最大储水容量进行空间插值,绘制空间分布图,如图3a和图3b,得到试验区农田土壤的宏观分布信息。在空间分布图上以上表所知的空间相关域为基准,在其均值附近找寻符合要求的测墒点。
根据统计结果分析,试验区的土壤最大储水容量在90%置信区间,10%的采样误差水平下,0-40cm深度合理采样点数目为6个,点坐标为(1208.313,2999.225),(403,2563),(350.24,1647.608),(1291.124,1751.87),(1021.85,778.826),(261.783,267.531);0-80cm深度合理采样点数目为5个,点坐标为(1427.144,2999.901),(456.75,2375.132),(223.14,1245.831),(4.332,114.743),(1230.794,681.2223)。
3.3误差分析
根据试验区域实测的土壤含水率对经典统计分析与地统计分析方法相结合确定的0-40cm与0-80cm深度的合理采样点进行插值,并将采样点的土壤含水率与区域含水率进行误差分析。具体分析见下表;
表3-2 0-40cm六个点的插值汇总 g/g
Figure GDA0002433055300000091
Figure GDA0002433055300000101
表3-3 0-80cm五个点的插值汇总 g/g
Figure GDA0002433055300000102
Figure GDA0002433055300000111
表3-40-40cm六个点的土壤含水率与区域含水率误差分析
Figure GDA0002433055300000121
表3-4是0-40cm六个点的土壤含水率与区域含水率误差分析结果。在0-40cm深度六个点土壤含水率与区域含水率的误差值在1.64%-4.6%范围内变化,均在10%的采样误差范围内,说明0-80cm深度的五个固定监测点满足采样精度,能够代表区域的土壤墒情。
表3-50-80cm五个点的土壤含水率与区域含水率误差分析
Figure GDA0002433055300000122
表3-5是0-80cm五个点的土壤含水率与区域含水率误差分析结果。在0-80cm深度五个点土壤含水率与区域含水率的误差值在1.66%-9.84%范围内变化,均在10%的采样误差范围内,说明0-80cm深度的五个固定监测点满足采样精度,能够代表区域的土壤墒情。
4结论
(1)试验区土壤最大储水容量在0-40cm、0-80cm深度的变异程度均表现为中等程度,并且均值变大,变异系数减小,说明均值与变异系数呈负相关关系。0-40cm、0-80cm的土壤最大储水容量的空间分布情况基本一致,在西南-西北方向的土壤最大储水容量较大,其他地区较小;0-40cm的变化较大于0-80cm处。通过半方差函数分析,0-40cm与0-80cm的土壤最大储水容量均具有中等程度的空间相关性,相关域分别是915.61m、1152m,选择的理论模型均为指数模型。
(2)基于经典统计方法的基础,计算在0-40cm与0-80cm的合理采样数目,结合半方差函数参数,确定在置信区间90%,采样误差10%的条件下,0-40cm与0-80cm的合理采样数分别是6个、5个,在土壤最大储水容量等值线图中确定具体坐标。根据试验区区域土壤含水率与确定的测墒点含水率进行误差分析,结果表明均满足精度要求,说明土壤最大储水容量可以代替实测含水率值进行测墒点的优化布设。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.基于土壤最大储水容量的土壤水分监测优化布点方法,其特征在于包括以下步骤:
步骤一:将实验田均匀划分为多个小区,每个小区内取4层样点土样,其深度分别为0-20cm、20-40cm、40-60cm、60-80cm;
步骤二:采用烘干法获取土壤含水率;将样点土样进行风干破碎过筛后,进行土壤颗粒分级分析,激光粒度仪测定样品的粒径范围为0.02-2000μm,在土壤粒径分析的基础上,借助SPAW软件,输入土样的粘粒及砂粒含量获得土样的土壤类型、土壤容量和土壤最大储水容量;
步骤三:将步骤二中所获取的土壤最大储水容量数据,输入软件SPSS19.0进行正态检验,并对不同深度土壤最大储水容量进行描述性统计分析;
步骤四:运用软件surfer12.0绘制空间等值线图,了解土壤最大储水容量的空间分布情况;
步骤五:借助Arcgis软件对步骤二中所获取的土壤最大储水容量数据进行半方差函数分析,得到最优拟合的半方差函数模型及其参数值;
步骤六:基于步骤三的正态检验基础上,运用经典统计方法确定采样数目,计算获得在置信区间90%,采样误差10%的情况下合理采样数;
计算所述采样数目的步骤包括:
根据公式:N=(λα.S)22计算等重复抽样时计算的抽样数;
其中:λα为正态分布特征值,可由统计表查到;S为样本标准方差;△为采样误差,
如果计算所得出的合理采样数目大于样本容量的10%,则应将计算公式转换为不等重复抽样公式再计算抽样数N';
Figure FDA0002433055290000011
式中:N为样本总数;
步骤七:在步骤三和四的组合条件下,在土壤最大储水容量的空间等值线图上确定采样点的具体坐标;
步骤八:基于步骤七确定的采样点的具体坐标,对每个点进行插值,将采样点的土壤含水率与区域含水率进行误差分析。
2.根据权利要求1所述的基于土壤最大储水容量的土壤水分监测优化布点方法,其特征在于:步骤三中所述的正态检验是通过QQ正态图与QQ趋势图来检验的;描述性统计分析输出的参数包括极大值、极小值、均值、标准差、方差、偏度与峰度值;根据公式
Figure FDA0002433055290000021
计算变异系数,描述实测数据的规律性。
3.根据权利要求1所述的基于土壤最大储水容量的土壤水分监测优化布点方法,其特征在于:步骤五中所述的半方差函数模型,根据公式表示如下:
Figure FDA0002433055290000022
式中:γ(h)为区域化变量Z(x)的样本变异函数;h为两样本点空间分隔距离,Z(Xi)和Z(Xi+h)分别是区域化变量Z(x)在空间位置Xi和Xi+h的观测值,N(h)为间距为h的样本对数。
4.根据权利要求1所述的基于土壤最大储水容量的土壤水分监测优化布点方法,其特征在于:步骤五中利用交叉验证法选择所述最优拟合的半方差函数模型,符合以下标准的模型最优:误差平均值、误差标准平均值最接近0,均方根预测误差最小,平均标准误差最接近于均方根预测误差,标准均方根预测误差,最接近于1。
5.根据权利要求4所述的基于土壤最大储水容量的土壤水分监测优化布点方法,其特征在于:半方差函数模型为指数模型。
CN201711084921.0A 2017-11-07 2017-11-07 基于土壤最大储水容量的土壤水分监测优化布点方法 Active CN107607692B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711084921.0A CN107607692B (zh) 2017-11-07 2017-11-07 基于土壤最大储水容量的土壤水分监测优化布点方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711084921.0A CN107607692B (zh) 2017-11-07 2017-11-07 基于土壤最大储水容量的土壤水分监测优化布点方法

Publications (2)

Publication Number Publication Date
CN107607692A CN107607692A (zh) 2018-01-19
CN107607692B true CN107607692B (zh) 2020-06-09

Family

ID=61086019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711084921.0A Active CN107607692B (zh) 2017-11-07 2017-11-07 基于土壤最大储水容量的土壤水分监测优化布点方法

Country Status (1)

Country Link
CN (1) CN107607692B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286003A (zh) * 2019-06-27 2019-09-27 中煤科工集团重庆研究院有限公司 一种煤层群联合抽采瓦斯气体混源比例定量确定方法
CN113491192A (zh) * 2020-04-08 2021-10-12 雪川农业发展股份有限公司 大田马铃薯种植智能水肥一体化管理系统
CN112162014A (zh) * 2020-09-02 2021-01-01 塔里木大学 基于电磁感应数据的棉田土壤剖面水分数据处理方法
CN113570273B (zh) * 2021-08-03 2023-09-05 北京师范大学 一种灌溉耕地统计数据的空间化方法及系统
CN114880373B (zh) * 2022-04-11 2023-05-30 中国地质调查局哈尔滨自然资源综合调查中心 一种土壤采样方法、系统、存储介质和电子设备
CN116451396A (zh) * 2023-04-18 2023-07-18 南京禹顺水利环境科技有限公司 一种基于地下水要素空间相关性的监测井网优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306229A (zh) * 2011-05-30 2012-01-04 中国水利水电科学研究院 基于多重分形参数的土壤含水量空间变异性表征方法
CN104331639A (zh) * 2014-12-01 2015-02-04 中国矿业大学 一种土壤含水率间接获取及快速评价方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306229A (zh) * 2011-05-30 2012-01-04 中国水利水电科学研究院 基于多重分形参数的土壤含水量空间变异性表征方法
CN104331639A (zh) * 2014-12-01 2015-02-04 中国矿业大学 一种土壤含水率间接获取及快速评价方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
加工番茄膜下滴灌墒情监测点的数目研究;陈坤等;《节水灌溉》;20120131(第1期);第4-8页 *
北疆滴灌棉田墒情监测点优化布设及灌水下限指标研究;李彦;《中国博士学位论文全文数据库农业科技辑》;20150515(第5期);第14页2.1.2石河子145团试验点概况,第21-24页3.1.1土攘水分变异性比较,第57页5.2克里格空间插值及等值线图的绘制,第59页5.3.1经典统计学法,第59-60页5.3.2地统计学法,第62页5.4.2地统计学法 *
膜下滴灌墒情监测点布设方案研究;吴宏平等;《水利与建筑工程学报》;20150430;第13卷(第2期);第144-147页 *
黄土丘陵区小流域土壤有效水时空变异与动态模拟研究;高晓东;《中国博士学位论文全文数据库农业科技辑》;20131015(第10期);摘要,第23-26页,第110-111页 *

Also Published As

Publication number Publication date
CN107607692A (zh) 2018-01-19

Similar Documents

Publication Publication Date Title
CN107607692B (zh) 基于土壤最大储水容量的土壤水分监测优化布点方法
CN106767687B (zh) 一种利用遥感含水量测量滩涂高程的方法
CN111582755B (zh) 一种基于多维度集合信息山洪灾害综合风险动态评估方法
Li et al. Evaluation of reanalysis soil moisture simulations using updated Chinese soil moisture observations
CN103413293B (zh) 城市土地利用景观格局本征观测尺度的获取方法
Liu et al. Wind resource potential assessment using a long term tower measurement approach: A case study of Beijing in China
CN102645350B (zh) 基于高分卫星遥感数据的土壤采样方法
CN107169258B (zh) 一种多源气象信息数据同化方法及其在降雨预报中的应用
CN113742910A (zh) 基于中小流域洪水预报的水库来水量预警预报方法及系统
CN109596811B (zh) 一种基于土壤水分亏缺的农业干旱监测方法
CN101936777A (zh) 一种基于热红外遥感反演近地层气温的方法
CN108399577A (zh) 一种基于蒸散发的林地植被生态需水的定量测算方法
Hou et al. Simulating runoff generation and its spatial correlation with environmental factors in Sancha River Basin: The southern source of the Wujiang River
CN113435630A (zh) 一种产流模式自适应的流域水文预报方法及系统
Xu et al. Evaluation method and empirical application of human activity suitability of land resources in Qinghai-Tibet Plateau
Nie et al. Spatial prediction of soil moisture content in winter wheat based on machine learning model
CN117494419A (zh) 一种多模型耦合的流域水土流失遥感监测方法
CN116757357A (zh) 一种耦合多源遥感信息的土地生态状况评估方法
CN117010546A (zh) 一种云南省次季节尺度温度异常的预测方法和装置
CN115453664A (zh) 一种适用于无资料地区的降雨径流预报方法
CN114239274A (zh) 多源遥感数据驱动指数滤波模型推求根层土壤水的方法
Ye et al. Acidification sensitivity and critical loads of acid deposition for surface waters in China
Kai et al. Simulation of precipitation in monsoon regions of China by CMIP3 models
Xijun et al. Quantifying factors influencing runoff in mining areas using the SWAT model–a case of the Kuye River in Northern Shaanxi, China
Yi et al. Spatial-temporal evolution of complex urban landscape pattern based on remote sensing technology

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant