CN110472186A - 一种大田玉米蒸发蒸腾量计算方法及系统 - Google Patents
一种大田玉米蒸发蒸腾量计算方法及系统 Download PDFInfo
- Publication number
- CN110472186A CN110472186A CN201910636631.5A CN201910636631A CN110472186A CN 110472186 A CN110472186 A CN 110472186A CN 201910636631 A CN201910636631 A CN 201910636631A CN 110472186 A CN110472186 A CN 110472186A
- Authority
- CN
- China
- Prior art keywords
- field corn
- water content
- tatol evapotranspiration
- evapotranspiration
- segmented
- 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.)
- Pending
Links
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 103
- 241000482268 Zea mays subsp. mays Species 0.000 title claims abstract description 93
- 238000004364 calculation method Methods 0.000 title claims abstract description 17
- 239000002689 soil Substances 0.000 claims abstract description 80
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 64
- 238000001556 precipitation Methods 0.000 claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 240000008042 Zea mays Species 0.000 claims abstract description 10
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims abstract description 10
- 235000005822 corn Nutrition 0.000 claims abstract description 10
- 208000000509 infertility Diseases 0.000 claims abstract description 9
- 230000036512 infertility Effects 0.000 claims abstract description 9
- 231100000535 infertility Toxicity 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000001066 destructive effect Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 238000001704 evaporation Methods 0.000 description 3
- 230000008020 evaporation Effects 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000010977 jade Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000010025 steaming Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大田玉米蒸发蒸腾量计算方法及系统,根据晴天分段0‑10cm、10‑20cm、20‑30cm土壤体积含水率与大田玉米蒸发蒸腾量函数计算出各分段土层对大田玉米蒸发蒸腾量权重;根据大田玉米蒸发蒸腾量与雨天降水量函数计算出雨天大田玉米蒸发蒸腾量;将基于0‑30cm土壤水分数据计算的晴天大田玉米蒸发蒸腾量ETc值与基于降雨的雨天大田玉米蒸发蒸腾量ETc值进行日期合并,计算出全生育期玉米的蒸发蒸腾量。本发明通过对大田玉米0‑30cm分段土壤体积含水率和雨天降水量进行实时无损检测,实现了对大田玉米蒸发蒸腾量的有效估计,测量结果精确,并且能够在实际生产中大规模应用,并弥补智墒产品无法估算雨天ETc的系统缺陷。
Description
技术领域
本发明属于土壤水分参数及降水量检测分析技术领域,具体涉及一种大田玉米蒸发蒸腾量计算方法及系统。
背景技术
目前,在研发基于玉米日耗水量的自动灌溉过程中,土壤水分状况和大田积累日蒸发蒸腾量是衡量是否启动灌溉的重要参数,测量大田玉米群体蒸发蒸腾量对研究大田作物需水量过程及特征具有重大意义。目前估算作物蒸发蒸腾量的方法主要有基于土壤贮水量变化(ΔW)的水量平衡法、彭曼公式法和涡度相关法。所述彭曼公式法通过将气象因子代入,计算出参考作物蒸发蒸腾量(ET0),然后乘以玉米不同时期的作物系数(Kc),估算出玉米蒸发蒸腾量;彭曼公式法所取的气象因子较多,获取较难,且作物系数随着品种、灌溉技术、种植区域的变化而变化,较难准确估算农田尺度玉米耗水量,该方法主要用监测农田小气候条件下的作物蒸发蒸腾量。
发明内容
本发明解决的技术问题是提供了一种操作过程简单且测量结果精确的大田玉米蒸发蒸腾量计算方法及系统,该方法基于智墒产品0-30cm水分数据及降水数据实时计算黄淮南部大田玉米的蒸发蒸腾量。
本发明为解决上述技术问题采用如下技术方案,一种大田玉米蒸发蒸腾量计算方法,其特征在于具体过程为:
步骤S1:根据晴天分段0-10cm、10-20cm、20-30cm土壤体积含水率与大田玉米蒸发蒸腾量函数计算出各分段土层对大田玉米蒸发蒸腾量权重;
分段0-10cm土壤体积含水率与大田玉米蒸发蒸腾量函数关系式为:
ETc1=exp(0.6330+0.0123θ1+0.0011θ1 2)R1 2=0.528**
分段10-20cm土壤体积含水率与大田玉米蒸发蒸腾量函数关系式为:
ETc2=exp(4.5292-0.3271θ2+0.0077θ2 2)R2 2=0.413**
分段20-30cm土壤体积含水率与大田玉米蒸发蒸腾量函数关系式为:
ETc3=exp(4.6705-0.3151θ3+0.0069θ3 2)R3 2=0.323**
其中,ETc1、ETc2、ETc3分别为分段0-10cm、10-20cm、20-30cm大田玉米的蒸发蒸腾量,θ1、θ2、θ3分别为分段0-10cm、10-20cm、20-30cm土壤体积含水率;
θ1、θ2、θ3分别对ETc1、ETc2、ETc3贡献所占权重的算法为:
分段0-10cm土壤体积含水率θ1对ETc1的权重为:
Wt1=R1 2/(R1 2+R2 2+R3 2)
分段10-20cm土壤体积含水率θ2对ETc2的权重为:
Wt2=R2 2/(R1 2+R2 2+R3 2)
分段20-30cm土壤体积含水率θ3对ETc3的权重为:
Wt3=R3 2/(R1 2+R2 2+R3 2)
其中,Wt1、Wt2、Wt3分别为分段0-10cm、10-20cm、20-30cm土壤体积含水率对ETc1、ETc2、ETc3的权重;R1、R2、R3分别为决定系数,则大田玉米晴天的蒸发蒸腾量函数关系式为:.
ETc=ETc1×Wt1+ETc2×Wt2+ETc3×Wt3
根据分段0-10cm、10-20cm、20-30cm土壤体积含水率对大田玉米蒸发蒸腾量的权重计算出基于根层0-30cm土壤体积含水率的大田玉米蒸发蒸腾量;
步骤S2:根据大田玉米蒸发蒸腾量与雨天降水量函数计算出雨天大田玉米蒸发蒸腾量,大田玉米蒸发蒸腾量与雨天降水量函数式为:
ETc=5.720×Pre-0.606R2=0.878**
其中,Pre为天圻所测量当日00:00至24:00实际测量的降水量,单位为mm;
步骤S3:将基于0-30cm土壤水分数据计算的晴天大田玉米蒸发蒸腾量ETc值与基于降雨的雨天大田玉米蒸发蒸腾量ETc值进行日期合并,计算出全生育期玉米的蒸发蒸腾量。
优选的,步骤S1中根据大田玉米根部0-10cm、10-20cm、20-30cm土壤体积含水率分别拟合出其与当天ETc值的函数关系,根据SPSS软件Levenberg–Marquardt算法拟合出最优的拟合方程为指数方程与二次方程的结合方程,根据分段土壤体积含水率与ETc的决定系数计算出其对大田玉米蒸发蒸腾量ETc的权重。
优选的,步骤S1中晴天分段0-10cm、10-20cm、20-30cm土壤体积含水率通过智墒土壤水分传感器进行测量,该智墒土壤水分传感器安装于玉米行同行中间,测量半径15cm范围内外进行隔离处理,函数计算的大田玉米田间ETc值长度均为1d。
本发明所述的大田玉米蒸发蒸腾量计算系统,包括测量模块和计算模块,其中测量模块用于获取大田玉米0-30cm各分段土壤体积含水率和雨天降水量;计算模块用于根据大田玉米各分段土壤体积含水率和ETc的函数、土壤体积含水率对ETc的权重及雨天降水量与ETc的函数关系计算出大田玉米全生育期各种天气情况的蒸发蒸腾量;测量模块通过智墒水分传感器、天圻气象站分别获取0-30cm各分段体积含水率数据、雨天有效降水量数据,计算模块通过权重累加等方法对测量的数据进行运算分析,最终实现了对大田玉米在各种天气状况下的蒸发蒸腾量的有效计算,能够大规模应用在实际生产中。
本发明与现有技术相比具有以下有益效果:本发明提供的一种黄淮南部基于智墒产品0-30cm水分数据及降水数据的大田玉米蒸发蒸腾量计算方法,通过对大田玉米0-30cm分段土壤体积含水率和雨天降水量进行实时无损检测,实现了对大田玉米蒸发蒸腾量的有效估计,测量结果精确,并且能够在实际生产中大规模应用,并弥补智墒产品无法估算雨天ETc的系统缺陷。
附图说明
图1是本发明大田玉米蒸发蒸腾量计算方法的流程图;
图2是本发明大田玉米蒸发蒸腾量计算方法及系统流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例
图1为根据本发明的大田玉米蒸发蒸腾量计算方法的流程图,如图1所示,一种大田玉米蒸发蒸腾量计算方法,包括:S1,根据晴天或多云天气0-30cm土壤各分段体积含水率,得到0-10cm、10-20cm和20-30cm含水量与ETc函数,通过函数计算出基于0-30cm的平均日ETc值。本研究选取0-30cm土层土壤水分是基于相关试验的前期拟合得出的(表1);S2,基于天圻所测当日降水量,拟合出降水量与蒸渗仪ETc的函数关系,用于计算雨天大田玉米的ETc值;S3,根据所求的晴天与雨天的ETc,将其合并累计,计算大田玉米全生育期的蒸发蒸腾量,弥补智墒产品在雨天没有ETc值的缺陷。
表1称重式蒸渗仪ETc值与对应的智墒水分仪分段土层水分的相关系数
注:**表示P<0.01水平显著相关。
上述实施例提供的一种大田玉米蒸发蒸腾量计算方法,通过对大田0-30cm各分段体积含水率和雨天降水量进行实时无损检测,实现了对黄淮南部大田玉米蒸发蒸腾量的有效估计,测量结果精确,并且能够在实际生产中大规模应用。
基于上述实施例的内容,大田玉米根部土壤体积含水量根据智墒水分传感器的测量值计算得到。所述S1具体包括:根据大田玉米根部0-10cm、10-20cm、20-30cm土壤体积含水率分别拟合出其与当天ETc值的函数关系。根据SPSS软件Levenberg–Marquardt算法拟合出最优的拟合方程为指数方程与二次方程的结合方程。根据分段体积含水率与ETc的决定系数R2计算出其对大田玉米ETc的权重。所述S2具体包括:根据雨天的降水量与ETc函数关系,计算得到所述大田玉米雨天的ETc。所述S3具体包括:将晴天和雨天的ETc合并得出大田玉米全生育期的ETc。
具体地,将0-30cm分段的长度均为10cm,水分监测深度依次为10cm、20cm、30cm,土壤体积含水率依次为θ1、θ2、θ3,则大田玉米蒸发蒸腾量ETc与各分段土壤含水率函数为:
则分段0-10cm土壤体积含水率与ETc的关系函数式为:
ETc1=exp(0.6330+0.0123θ1+0.0011θ1 2)R1 2=0.528**
则分段10-20cm土壤体积含水率与ETc的关系函数式为:
ETc2=exp(4.5292-0.3271θ2+0.0077θ2 2)R2 2=0.413**
则分段20-30cm土壤体积含水率与ETc的关系函数式为:
ETc3=exp(4.6705-0.3151θ3+0.0069θ3 2)R3 2=0.323**
其中,ETc为大田玉米的蒸发蒸腾量,θ1、θ2、θ3分别分段0-10cm、10-20cm、20-30cm土壤体积含水率;θ1、θ2、θ3对ETc贡献所占权重的算法为:
则分段0-10cm土壤体积含水率对ETc的权重为:
Wt1=R1 2/(R1 2+R2 2+R3 2)
则分段10-20cm土壤体积含水率对ETc的权重为:
Wt2=R2 2/(R1 2+R2 2+R3 2)
则分段20-30cm土壤体积含水率对ETc的权重为:
Wt3=R3 2/(R1 2+R2 2+R3 2)
其中,Wt为土壤体积含水率对ETc的权重;R为决定系数。
则大田玉米晴天的蒸发蒸腾量函数关系式为:
ETc=ETc1×Wt1+ETc2×Wt2+ETc3×Wt3;
大田玉米雨天蒸发蒸腾量与降水量Pre的函数关系式为:
ETc=5.720×Pre-0.606R2=0.878**
其中,Pre为实际测量00:00-24:00时间段的降水量(mm)。
具体地,所述大田玉米各分段土壤体积含水率数据为大田玉米种植区布置的智墒水分传感仪测得的数据,所述雨天降水量为天圻多要素自动气象站测定所得,用于计算晴天和雨天的ETc。所述大田玉米全生育期的ETc值为玉米整个生育期晴天和雨天所得ETc的总和。本发明所述晴天包括晴天、多云、阴天等所有无降水天数;雨天指天圻气象站所能获取的有有效降水量的天数。
本发明还提供一种大田玉米蒸发蒸腾量计算系统,包括:测量模块301,用于获取所述大田玉米0-30cm各分段体积含水率和所述雨天的降水量;计算模块302,用于根据大田玉米各分段体积含水率和ETc的函数、体积含水率对ETc的权重、雨天降水量与ETc的函数关系等计算出大田玉米全生育期各种天气情况的蒸发蒸腾速率(图2)。具体的大田玉米蒸发蒸腾量计算方法可参见上述实施例,本发明实施例在此不再赘述。
具体地,测量模块通过智墒水分传感器、天圻气象站分别获取0-30cm各分段土壤体积含水率数据、雨天有效降水量数据,计算模块通过权重累加等方法对测量的数据进行运算分析,最终实现了对大田玉米在各种天气状况下的蒸发蒸腾量的有效计算,能够大规模应用在实际生产中。
本发明提供的一种适用于黄淮南部的大田玉米蒸发蒸腾量计算方法及系统,通过对大田玉米0-30cm分段土壤体积含水率和雨天降水量进行实时无损检测,实现了对大田玉米蒸发蒸腾量的有效估计,测量结果精确,并且能够在实际生产中大规模应用。
以上显示和描述了本发明的基本原理,主要特征和优点,在不脱离本发明精神和范围的前提下,本发明还有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围。
Claims (4)
1.一种大田玉米蒸发蒸腾量计算方法,其特征在于具体过程为:
步骤S1:根据晴天分段0-10cm、10-20cm、20-30cm土壤体积含水率与大田玉米蒸发蒸腾量函数计算出各分段土层对大田玉米蒸发蒸腾量权重;
分段0-10cm土壤体积含水率与大田玉米蒸发蒸腾量函数关系式为:
ETc1=exp(0.6330+0.0123θ1+0.0011θ1 2) R1 2=0.528**
分段10-20cm土壤体积含水率与大田玉米蒸发蒸腾量函数关系式为:
ETc2=exp(4.5292-0.3271θ2+0.0077θ2 2) R2 2=0.413**
分段20-30cm土壤体积含水率与大田玉米蒸发蒸腾量函数关系式为:
ETc3=exp(4.6705-0.3151θ3+0.0069θ3 2) R3 2=0.323**
其中,ETc1、ETc2、ETc3分别为分段0-10cm、10-20cm、20-30cm大田玉米的蒸发蒸腾量,θ1、θ2、θ3分别为分段0-10cm、10-20cm、20-30cm土壤体积含水率;
θ1、θ2、θ3分别对ETc1、ETc2、ETc3贡献所占权重的算法为:
分段0-10cm土壤体积含水率θ1对ETc1的权重为:
Wt1=R1 2/(R1 2+R2 2+R3 2)
分段10-20cm土壤体积含水率θ2对ETc2的权重为:
Wt2=R2 2/(R1 2+R2 2+R3 2)
分段20-30cm土壤体积含水率θ3对ETc3的权重为:
Wt3=R3 2/(R1 2+R2 2+R3 2)
其中,Wt1、Wt2、Wt3分别为分段0-10cm、10-20cm、20-30cm土壤体积含水率对ETc1、ETc2、ETc3的权重;R1、R2、R3分别为决定系数,则大田玉米晴天的蒸发蒸腾量函数关系式为:.
ETc=ETc1×Wt1+ETc2×Wt2+ETc3×Wt3
根据分段0-10cm、10-20cm、20-30cm土壤体积含水率对大田玉米蒸发蒸腾量的权重计算出基于根层0-30cm土壤体积含水率的大田玉米蒸发蒸腾量;
步骤S2:根据大田玉米蒸发蒸腾量与雨天降水量函数计算出雨天大田玉米蒸发蒸腾量,大田玉米蒸发蒸腾量与雨天降水量函数式为:
ETc=5.720×Pre-0.606 R2=0.878**
其中,Pre为天圻所测量当日00:00至24:00实际测量的降水量,单位为mm;
步骤S3:将基于0-30cm土壤水分数据计算的晴天大田玉米蒸发蒸腾量ETc值与基于降雨的雨天大田玉米蒸发蒸腾量ETc值进行日期合并,计算出全生育期玉米的蒸发蒸腾量。
2.根据权利要求1所述的大田玉米蒸发蒸腾量计算方法,其特征在于:步骤S1中根据大田玉米根部0-10cm、10-20cm、20-30cm土壤体积含水率分别拟合出其与当天ETc值的函数关系,根据SPSS软件Levenberg–Marquardt算法拟合出最优的拟合方程为指数方程与二次方程的结合方程,根据分段土壤体积含水率与ETc的决定系数计算出其对大田玉米蒸发蒸腾量ETc的权重。
3.根据权利要求1所述的大田玉米蒸发蒸腾量计算方法,其特征在于:步骤S1中晴天分段0-10cm、10-20cm、20-30cm土壤体积含水率通过智墒土壤水分传感器进行测量,该智墒土壤水分传感器安装于玉米行同行中间,测量半径15cm范围内外进行隔离处理,函数计算的大田玉米田间ETc值长度均为1d。
4.一种大田玉米蒸发蒸腾量计算系统,其特征在于包括测量模块和计算模块,其中测量模块用于获取大田玉米0-30cm各分段土壤体积含水率和雨天降水量;计算模块用于根据大田玉米各分段土壤体积含水率和ETc的函数、土壤体积含水率对ETc的权重及雨天降水量与ETc的函数关系计算出大田玉米全生育期各种天气情况的蒸发蒸腾量;测量模块通过智墒水分传感器、天圻气象站分别获取0-30cm各分段体积含水率数据、雨天有效降水量数据,计算模块通过权重累加等方法对测量的数据进行运算分析,最终实现了对大田玉米在各种天气状况下的蒸发蒸腾量的有效计算,能够大规模应用在实际生产中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910636631.5A CN110472186A (zh) | 2019-07-15 | 2019-07-15 | 一种大田玉米蒸发蒸腾量计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910636631.5A CN110472186A (zh) | 2019-07-15 | 2019-07-15 | 一种大田玉米蒸发蒸腾量计算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110472186A true CN110472186A (zh) | 2019-11-19 |
Family
ID=68508601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910636631.5A Pending CN110472186A (zh) | 2019-07-15 | 2019-07-15 | 一种大田玉米蒸发蒸腾量计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472186A (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226389A (zh) * | 2017-11-29 | 2018-06-29 | 北京林业大学 | 一种活立木冠层蒸腾量计算方法及系统 |
-
2019
- 2019-07-15 CN CN201910636631.5A patent/CN110472186A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226389A (zh) * | 2017-11-29 | 2018-06-29 | 北京林业大学 | 一种活立木冠层蒸腾量计算方法及系统 |
Non-Patent Citations (8)
Title |
---|
周始威等: "春玉米生长中期灌水量差异对其蒸发蒸腾量估算精度的影响", 《排灌机械工程学报》 * |
孙景生等: "沟灌夏玉米棵间土壤蒸发规律的试验研究", 《农业工程学报》 * |
曹振凯等: "不同覆盖条件下冬小麦作物系数试验研究", 《干旱地区农业研究》 * |
梁文清等: "陕西关中地区夏玉米作物系数试验研究", 《节水灌溉》 * |
汪顺生等: "不同沟灌方式下夏玉米棵间蒸发试验", 《农业机械学报》 * |
王健等: "夏玉米田蒸发蒸腾量与棵间蒸发的试验研究", 《水利学报》 * |
王卫光等: "气候变化下长江中下游水稻灌溉需水量时空变化特征", 《水科学进展》 * |
韩雄: "低定额灌溉条件下农田土壤水蒸散模型的研究", 《华北水利水电学院学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ding et al. | Evaluating eddy covariance method by large-scale weighing lysimeter in a maize field of northwest China | |
CN102726273B (zh) | 一种作物根区土壤水分监测与智能灌溉决策方法 | |
Xu et al. | Analysis of spatial distribution and temporal trend of reference evapotranspiration and pan evaporation in Changjiang (Yangtze River) catchment | |
Huang et al. | Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation | |
Marek et al. | Post-processing techniques for reducing errors in weighing lysimeter evapotranspiration (ET) datasets | |
Han et al. | Evaluating the impact of groundwater on cotton growth and root zone water balance using Hydrus-1D coupled with a crop growth model | |
Farahani et al. | Evapotranspiration: progress in measurement and modeling in agriculture | |
Ahmad et al. | Sustainable use of groundwater for irrigation: a numerical analysis of the subsoil water fluxes | |
CN106021868B (zh) | 一种基于多规则算法的遥感数据降尺度方法 | |
CN106019408B (zh) | 一种基于多源遥感数据的高分辨率卫星遥感估算方法 | |
CN111062526B (zh) | 一种冬小麦单产预测方法及系统 | |
CN104459052A (zh) | 一种适用于复杂地表的植被蒸散监测装置及方法 | |
Gryning et al. | Regional heat flux over the NOPEX area estimated from the evolution of the mixed-layer | |
Liu et al. | Comparison of evapotranspiration measurements between eddy covariance and lysimeters in paddy fields under alternate wetting and drying irrigation | |
Li et al. | A comparison of three methods for determining vineyard evapotranspiration in the arid desert regions of northwest China | |
Bao et al. | Comparison of an improved Penman-Monteith model and SWH model for estimating evapotranspiration in a meadow wetland in a semiarid region | |
Costabile et al. | High-resolution 2D modelling for simulating and improving the management of border irrigation | |
CN110472186A (zh) | 一种大田玉米蒸发蒸腾量计算方法及系统 | |
CN113139273A (zh) | 基于热平流对非均匀下垫面蒸散发的计算方法、系统及应用 | |
Yan et al. | Evaluating the complementary relationship to calculate evapotranspiration by using multiple models in a humid lowland region, Southeast China | |
Treder et al. | An hourly reference evapotranspiration model as a tool for estimating plant water requirements | |
Guo et al. | Estimation of daily evapotranspiration in gully area scrub ecosystems on Loess Plateau of China based on multisource observation data | |
Tian et al. | Application of cosmic-ray neutron sensing to monitor soil water content in agroecosystem in North China Plain | |
Hu et al. | Evaluation of the temporal reconstruction methods for MODIS-based continuous daily actual evapotranspiration estimation | |
CN110501253A (zh) | 一种便捷测量蒸散发、土壤水及水质的综合实验装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191119 |