CN111080465A - 基于气象和生物因子计算夏玉米实际作物系数的方法 - Google Patents

基于气象和生物因子计算夏玉米实际作物系数的方法 Download PDF

Info

Publication number
CN111080465A
CN111080465A CN201911217571.XA CN201911217571A CN111080465A CN 111080465 A CN111080465 A CN 111080465A CN 201911217571 A CN201911217571 A CN 201911217571A CN 111080465 A CN111080465 A CN 111080465A
Authority
CN
China
Prior art keywords
crop
coefficient
actual
crop coefficient
weather
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
Application number
CN201911217571.XA
Other languages
English (en)
Inventor
王振龙
范月
董国强
许莹莹
刘猛
胡军
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.)
Anhui & Huaihe River Institute Of Hydraulic Research (anhui Water Conservancy Project Quality Inspection Center Station)
Original Assignee
Anhui & Huaihe River Institute Of Hydraulic Research (anhui Water Conservancy Project Quality Inspection Center Station)
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 Anhui & Huaihe River Institute Of Hydraulic Research (anhui Water Conservancy Project Quality Inspection Center Station) filed Critical Anhui & Huaihe River Institute Of Hydraulic Research (anhui Water Conservancy Project Quality Inspection Center Station)
Priority to CN201911217571.XA priority Critical patent/CN111080465A/zh
Publication of CN111080465A publication Critical patent/CN111080465A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Husbandry (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及基于气象和生物因子计算夏玉米实际作物系数的方法，首先利用大型称重式蒸渗仪实测蒸散数据及系列气象资料计算出实际作物系数，将作物系数与叶面积指数利用米氏方程进行拟合得出受生物因子影响的作物系数，其次利用多元回归筛选出地表温度作为影响作物系数的气象因子，并进行了指数拟合，最后通过梯度下降法求取模型参数，并基于实测数据对计算结果进行评估，对掌握夏玉米生育期内作物系数的动态变化特征，精确估算作物实际蒸散量有重要意义。

Description

基于气象和生物因子计算夏玉米实际作物系数的方法
技术领域
本发明涉及一种基于气象和生物因子计算夏玉米实际作物系数的方法，属于农业评估技术领域。
背景技术
蒸散是植物蒸腾量与植株间土壤蒸发量之和，是土壤—植物—大气系统(SPAC)中重要的水交换过程。其对作物的生长发育情况有重要影响，在大气循环中扮演重要角色，还能进一步调节气候。构建精准的作物系数模型对准确预测蒸散量及进一步制定精准的灌溉计划有重要意义。
目前针对作物蒸散量计算方法，主要途径是作物系数法。世界粮农组织(FA0)提出了一种估算作物实际蒸散量的标准方法(参考作物蒸散量乘以作物系数)，其中参考蒸散通过修正的P-M模型计算得到，目前该方法已得到广泛运用，而其中的关键问题就是确定作物系数。然而，根据FAO推荐的四个生长阶段的作物系数计算得到的蒸散量与实际蒸散存在较大偏差，因此国内外学者建立了多种作物系数模型。尽管这些模型取得了一定成果，但全面考虑作物系数影响要素的具体计算模型较少，且大多都是通过传统方法计算拟合。
发明内容
本发明的目的是提供一种基于气象和生物因子计算夏玉米实际作物系数的方法，通过综合考虑气象和生物因子的共同影响，建立夏玉米作物系数估算模型，其计算结果误差小，精度较高。
本发明针对现有技术存在的不足，提供了基于气象和生物因子计算夏玉米实际作物系数的方法，具体技术方案如下：
基于气象和生物因子计算夏玉米实际作物系数的方法，包括以下步骤：
步骤一、采用多元逐步回归在影响作物系数的各气象因子中筛选出解释程度较高的因子，并选取同期生物因子数据；
步骤二、采用蒸渗仪实测蒸散及气象数据，将作物系数与筛选出的气象因子、叶面积指数分别进行指数拟合和米氏方程拟合，以建立乘法模型；
步骤三、利用梯度下降法求解模型中的未知参数，使计算作物系数与实际作物系数的误差达最小。
上述技术方案的进一步优化，步骤一中的气象因子包括日平均气温、日最高气温、日最低气温、日照时数、风速、绝对湿度、相对湿度、饱和差、水汽压力差及0cm、5cm、10cm、20cm、40cm、80cm、160cm和320cm地温。
上述技术方案的进一步优化，在步骤一中，所述生物因子是指叶面积指数。
上述技术方案的进一步优化，所述实际作物系数具体计算方法为：
ET＝ET0·Ks·Kc；
其中，ET为实际蒸散量，单位为mm·d-1；
ET0为参考作物蒸散量，单位为mm·d-1；
Kc为作物系数；
Ks为土壤水分胁迫系数；
其中，ET0和Ks具体计算方法为：
Figure BDA0002299908750000031
其中，ET0为参考作物蒸散量，单位为mm·d-1；
Rn为地表净辐射，单位为MJ·m-2·d-1；
G为土壤热通量，单位为MJ·m-2·d-1；
U2为冠层上方2m处的风速，单位为m/s；
es为饱和水汽压，单位为kPa；
ea为实际水汽压，单位为kPa；
Δ为饱和水汽压随温度变化曲线的斜率，单位为kPa·℃-1；
γ为干湿球常数，单位为kPa·℃-1；
T为2m高处日平均气温，单位为℃，由日最高气温和最低气温的平均值计算得到；
Figure BDA0002299908750000032
其中，Ks为土壤水分胁迫系数；
θ(0～40)为0～40cm的平均土壤质量含水率，由蒸渗仪内10cm和30cm体积含水率的平均值计算所得，土壤容重为1.4；
θw为凋萎含水率，取值10％；
θf为田间持水率，取值28％。
上述技术方案的进一步优化，在步骤二中的乘法模型为：
Kc＝f(e)·f(LAI)；
其中，Kc为作物系数，f(e)为由环境因素构成的作物系数函数，f(LAI)为由作物生理因素构成的作物系数函数；
其中，f(LAI)为：
Figure BDA0002299908750000041
其中，m、n为待拟合参数；LAI为叶面积指数；KLAI为仅受生物因子影响时的作物系数；
f(e)为：
Figure BDA0002299908750000042
其中，a、b、c为未知参数；x为筛选出的气象因子；Ke为受气象因子影响的作物系数。
上述技术方案的进一步优化，所述作物生理因素为叶面积指数LAI。
上述技术方案的进一步优化，步骤三中的梯度下降法为：
其中目标损失函数定义为：
Figure BDA0002299908750000043
其中，J(θ)为损失函数；y(i)为实际作物系数构成的向量；hθ(x(i))为对应预测值构成的向量；
具体过程如下：
第一步，对θ赋初值，这个值随机选取或为一个全零的向量，其初始值为零向量；
第二步，更新θ的值，使得目标损失函数按梯度下降的方向减少，通过下式迭代：
Figure BDA0002299908750000051
式中，α为学习率；对多元函数的参数求偏导，将求得的各个参数的偏导数以向量的形式表示就是对应的梯度，本式中
Figure BDA0002299908750000052
为对应的梯度，梯度计算结果如下：
Figure BDA0002299908750000053
第三步，当每次更新后的结构都能让损失函数变小，最终达到最小则停止下降。
上述技术方案的进一步优化，θ值的初始值为零向量，α的取值为0.001。
本发明的有益效果：
本发明首先利用大型称重式蒸渗仪实测蒸散数据及系列气象资料计算出实际作物系数，将作物系数与叶面积指数利用米氏方程进行拟合得出受生物因子影响的作物系数，其次利用多元回归筛选出地表温度作为影响作物系数的气象因子，并进行了指数拟合，最后通过梯度下降法求取模型参数，并基于实测数据对计算结果进行评估，对掌握夏玉米生育期内作物系数的动态变化特征，精确估算作物实际蒸散量有重要意义。
附图说明
图1为本发明所述基于气象和生物因子计算夏玉米实际作物系数的方法的流程图。
图2为全生育期计算Kc与实际值比较图；
图3为全生育期不同方法ET计算值与实际值比较图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
如图1所示，所述基于气象和生物因子计算夏玉米实际作物系数的方法，包括以下步骤：
步骤1：采用多元逐步回归在影响作物系数的各气象因子中筛选出解释程度较高的因子，并选取同期生物因子数据；
步骤2：采用蒸渗仪实测蒸散及气象数据，将作物系数与筛选出的气象因子、叶面积指数分别进行指数拟合和米氏方程拟合，以建立合适的乘法模型；
步骤3：利用梯度下降法求解模型中的未知参数，使计算作物系数与实际作物系数误差达最小。
实施例2
实施例1中所提到的气象因子包括日平均气温、日最高气温、日最低气温、日照时数、风速、绝对湿度、相对湿度、饱和差、水汽压力差及0cm、5cm、10cm、20cm、40cm、80cm、160cm和320cm地温等，生物因子为叶面积指数。
实施例3
实际作物系数具体计算方法为：
ET＝ET0·Ks·Kc；
其中，ET为实际蒸散量，单位为mm·d-1；
ET0为参考作物蒸散量，单位为mm·d-1；
Kc为作物系数；
Ks为土壤水分胁迫系数。
其中，ET0和Ks具体计算方法为：
Figure BDA0002299908750000071
其中，ET0为参考作物蒸散量，单位为mm·d-1；
Rn为地表净辐射，单位为MJ·m-2·d-1；
G为土壤热通量，单位为MJ·m-2·d-1；
U2为冠层上方2m处的风速，单位为m/s；
es为饱和水汽压，单位为kPa；
ea为实际水汽压，单位为kPa；
Δ为饱和水汽压随温度变化曲线的斜率，单位为kPa·℃-1；
γ为干湿球常数，单位为kPa·℃-1；
T为2m高处日平均气温，单位为℃，由日最高气温和最低气温的平均值计算得到。
Figure BDA0002299908750000072
其中，Ks为土壤水分胁迫系数；
θ(0～40)为0～40cm的平均土壤质量含水率，由蒸渗仪内10cm和30cm体积含水率的平均值计算所得，土壤容重为1.4；
θw为凋萎含水率，取值10％；
θf为田间持水率，取值28％。
实施例4
构建的乘法模型为：
Kc＝f(e)·f(LAI)；
其中，Kc为作物系数，f(e)为由环境因素构成的作物系数函数，f(LAI)为由作物生理因素构成的作物系数函数。
其中，f(LAI)为：
Figure BDA0002299908750000081
其中，m、n为待拟合参数；LAI为叶面积指数；KLAI为仅受生物因子影响时的作物系数。
f(e)为：
Figure BDA0002299908750000082
其中，a、b、c为未知参数；x为筛选出的气象因子；Ke为受气象因子影响的作物系数。
实施例5
梯度下降法为：其中目标损失函数定义为：
Figure BDA0002299908750000083
其中，J(θ)为损失函数；y(i)为实际作物系数构成的向量；hθ(x(i))为对应预测值构成的向量。
具体过程如下：
第一步，对θ赋初值，这个值可以随机选取，也可以让其为一个全零的向量，本发明令其初始值为零向量；
第二步，更新θ的值，使得目标损失函数按梯度下降的方向减少，通过下式迭代：
Figure BDA0002299908750000091
式中，α为学习率，需人为指定，本发明取值0.001，α若过大会导致震荡无法收敛，若过小收敛速度会很慢；对多元函数的参数求偏导，将求得的各个参数的偏导数以向量的形式表示就是对应的梯度，本式中
Figure BDA0002299908750000092
为对应的梯度，梯度计算结果如下：
Figure BDA0002299908750000093
第三步，当每次更新后的结构都能让损失函数变小，最终达到最小则停止下降。
图2为根据实测数据及本发明模型所得全生育期夏玉米实际作物系数与计算作物系数变化过程图。两者均值分别为0.42和0.40，仅相差0.02，平均绝对误差为0.12，均方根误差为0.15，相关系数为0.91。准确率(误差<0.2)为81％，准确率(误差<0.3)为97％，准确率(误差<0.4)为100％。
本发明采用相同数据并根据FAO推荐作物系数及P-M模型计算了全生长季的玉米蒸散量。将计算结果与本发明作物系数模型计算的玉米蒸散量分别与其实际蒸散量进行了对比(图3)，发现三者的趋势基本一致，但根据FAO推荐作物系数计算的ET值整体偏高，计算精度明显低于本发明所建作物系数模型，基于本发明模型计算所得蒸散值与实际值均值仅相差0.07mm·d-1，平均绝对误差为1.0mm·d-1，均方根误差为4.5mm·d-1，相关系数为0.75，准确率(误差<2mm·d-1)为81％，准确率(误差<3mm·d-1)为95％，准确率(误差<4mm·d-1)为99％。根据FAO推荐作物系数计算所得蒸散值与实际值存在较大偏差，两者均值相差5.0mm·d-1，平均绝对误差为5.07mm·d-1，均方根误差为6.09mm·d-1，相关系数为0.75，准确率(误差<2mm·d-1)为23％，准确率(误差<3mm·d-1)为30％，准确率(误差<4mm·d-1)为36％。利用本发明模型计算的蒸散值准确率(误差在2mm·d-1及3mm·d-1以内)均提高了3倍以上，且误差几乎都在4mm·d-1以内。因此本发明构建的气象-生理双函数模型，综合反应了气象和生物因子对玉米生长的共同影响，可以更高精度估算玉米作物系数和蒸散量。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于气象和生物因子计算夏玉米实际作物系数的方法，包括，其特征在于包括以下步骤：
步骤一、采用多元逐步回归在影响作物系数的各气象因子中筛选出解释程度较高的因子，并选取同期生物因子数据；
步骤二、采用蒸渗仪实测蒸散及气象数据，将作物系数与筛选出的气象因子、叶面积指数分别进行指数拟合和米氏方程拟合，以建立乘法模型；
步骤三、利用梯度下降法求解模型中的未知参数，使计算作物系数与实际作物系数的误差达最小。
2.根据权利要求1所述的基于气象和生物因子计算夏玉米实际作物系数的方法，其特征在于：步骤一中的气象因子包括日平均气温、日最高气温、日最低气温、日照时数、风速、绝对湿度、相对湿度、饱和差、水汽压力差及0cm、5cm、10cm、20cm、40cm、80cm、160cm和320cm地温。
3.根据权利要求1所述的基于气象和生物因子计算夏玉米实际作物系数的方法，其特征在于：在步骤一中，所述生物因子是指叶面积指数。
4.根据权利要求1所述的基于气象和生物因子计算夏玉米实际作物系数的方法，其特征在于：
所述实际作物系数具体计算方法为：
ET＝ET0·Ks·Kc；
其中，ET为实际蒸散量，单位为mm·d-1；
ET0为参考作物蒸散量，单位为mm·d-1；
Kc为作物系数；
Ks为土壤水分胁迫系数；
其中，ET0和Ks具体计算方法为：
Figure FDA0002299908740000021
其中，ET0为参考作物蒸散量，单位为mm·d-1；
Rn为地表净辐射，单位为MJ·m-2·d-1；
G为土壤热通量，单位为MJ·m-2·d-1；
U2为冠层上方2m处的风速，单位为m/s；
es为饱和水汽压，单位为kPa；
ea为实际水汽压，单位为kPa；
Δ为饱和水汽压随温度变化曲线的斜率，单位为kPa·℃-1；
γ为干湿球常数，单位为kPa·℃-1；
T为2m高处日平均气温，单位为℃，由日最高气温和最低气温的平均值计算得到；
Figure FDA0002299908740000022
其中，Ks为土壤水分胁迫系数；
θ(0～40)为0～40cm的平均土壤质量含水率，由蒸渗仪内10cm和30cm体积含水率的平均值计算所得，土壤容重为1.4；
θw为凋萎含水率，取值10％；
θf为田间持水率，取值28％。
5.根据权利要求1所述的基于气象和生物因子计算夏玉米实际作物系数的方法，其特征在于：
在步骤二中的乘法模型为：
Kc＝f(e)·f(LAI)；
其中，Kc为作物系数，f(e)为由环境因素构成的作物系数函数，f(LAI)为由作物生理因素构成的作物系数函数；
其中，f(LAI)为：
Figure FDA0002299908740000031
其中，m、n为待拟合参数；LAI为叶面积指数；KLAI为仅受生物因子影响时的作物系数；
f(e)为：
Figure FDA0002299908740000032
其中，a、b、c为未知参数；x为筛选出的气象因子；Ke为受气象因子影响的作物系数。
6.根据权利要求5所述的基于气象和生物因子计算夏玉米实际作物系数的方法，其特征在于：所述作物生理因素为叶面积指数LAI。
7.根据权利要求1所述的基于气象和生物因子计算夏玉米实际作物系数的方法，其特征在于：
步骤三中的梯度下降法为：
其中目标损失函数定义为：
Figure FDA0002299908740000033
其中，J(θ)为损失函数；y(i)为实际作物系数构成的向量；hθ(x(i))为对应预测值构成的向量；
具体过程如下：
第一步，对θ赋初值，这个值随机选取或为一个全零的向量，其初始值为零向量；
第二步，更新θ的值，使得目标损失函数按梯度下降的方向减少，通过下式迭代：
Figure FDA0002299908740000041
式中，α为学习率；对多元函数的参数求偏导，将求得的各个参数的偏导数以向量的形式表示就是对应的梯度，本式中
Figure FDA0002299908740000042
为对应的梯度，梯度计算结果如下：
Figure FDA0002299908740000043
第三步，当每次更新后的结构都能让损失函数变小，最终达到最小则停止下降。
8.根据权利要求7所述的基于气象和生物因子计算夏玉米实际作物系数的方法，其特征在于：θ值的初始值为零向量，α的取值为0.001。
CN201911217571.XA 2019-12-03 2019-12-03 基于气象和生物因子计算夏玉米实际作物系数的方法 Pending CN111080465A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911217571.XA CN111080465A (zh) 2019-12-03 2019-12-03 基于气象和生物因子计算夏玉米实际作物系数的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911217571.XA CN111080465A (zh) 2019-12-03 2019-12-03 基于气象和生物因子计算夏玉米实际作物系数的方法

Publications (1)

Publication Number Publication Date
CN111080465A true CN111080465A (zh) 2020-04-28

Family

ID=70312505

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911217571.XA Pending CN111080465A (zh) 2019-12-03 2019-12-03 基于气象和生物因子计算夏玉米实际作物系数的方法

Country Status (1)

Country Link
CN (1) CN111080465A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113378381A (zh) * 2021-06-09 2021-09-10 水利部交通运输部国家能源局南京水利科学研究院 基于气温分布和地表热量计算冬小麦作物系数的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103645295A (zh) * 2013-12-03 2014-03-19 中国科学院遥感与数字地球研究所 一种多层土壤水分模拟方法和系统
CN107103040A (zh) * 2017-03-27 2017-08-29 西北大学 一种灌区基础数据采集系统
CN107950324A (zh) * 2017-12-15 2018-04-24 上海应用技术大学 基于玉米分阶段灌溉需水量计算的灌溉管理系统及灌溉方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103645295A (zh) * 2013-12-03 2014-03-19 中国科学院遥感与数字地球研究所 一种多层土壤水分模拟方法和系统
CN107103040A (zh) * 2017-03-27 2017-08-29 西北大学 一种灌区基础数据采集系统
CN107950324A (zh) * 2017-12-15 2018-04-24 上海应用技术大学 基于玉米分阶段灌溉需水量计算的灌溉管理系统及灌溉方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
王振龙: "基于温度效应的作物系数及蒸散量计算方法", 《水利学报》 *
王晓晨: "几种蒸散计算方法在怀来地区的适用性研究", 《气象》 *
郭跃东: "梯度下降法的分析和改进", 《科技展望》 *
高磊: "水稻蒸散特征及日尺度作物系数估算", 《中国农业气象》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113378381A (zh) * 2021-06-09 2021-09-10 水利部交通运输部国家能源局南京水利科学研究院 基于气温分布和地表热量计算冬小麦作物系数的方法
CN113378381B (zh) * 2021-06-09 2022-01-28 水利部交通运输部国家能源局南京水利科学研究院 基于气温分布和地表热量计算冬小麦作物系数的方法

Similar Documents

Publication Publication Date Title
Grattan et al. New crop coefficients estimate water use of vegetables, row crops
Irmak et al. Hourly and daily single and basal evapotranspiration crop coefficients as a function of growing degree days, days after emergence, leaf area index, fractional green canopy cover, and plant phenology for soybean
Thorpe et al. Responses of apple leaf stomata: a model for single leaves and a whole tree
KR102342392B1 (ko) 작물의 수분스트레스 진단을 이용한 관개 시스템 및 방법
Mhizha et al. Use of the FAO AquaCrop model in developing sowing guidelines for rainfed maize in Zimbabwe
Raes et al. AquaCrop-The FAO crop model to simulate yield response to water
CN107037090A (zh) 一种基于叶片紧张度变化的光合作用预测方法
Shuttleworth Towards one-step estimation of crop water requirements
Acquah et al. Application and evaluation of Stanghellini model in the determination of crop evapotranspiration in a naturally ventilated greenhouse.
Nikolaou et al. Modelling transpiration of soilless greenhouse cucumber and its relationship with leaf temperature in a mediterranean climate
Smith et al. Physiological and environmental control of transpiration by trees in windbreaks
CN110533287A (zh) 夏玉米干旱灾损定量测评模型的构建与应用
Liu et al. Comparison of evapotranspiration measurements between eddy covariance and lysimeters in paddy fields under alternate wetting and drying irrigation
CN114365682A (zh) 一种设施栽培土壤水分预测方法、装置及电子设备
CN111080465A (zh) 基于气象和生物因子计算夏玉米实际作物系数的方法
Tunalı et al. Estimation of actual crop evapotranspiration using artificial neural networks in tomato grown in closed soilless culture system
CN105993720B (zh) 一种日光温室基质袋培作物灌水量的模拟计算方法
CN116380708B (zh) 灌溉量预测方法、装置、系统、设备及介质
Lovelli et al. Water use assessment in muskmelon by the Penman–Monteith “one-step” approach
Baille et al. Some comparative results on evapotranspiration of greenhouse ornamental crops, using lysimeter, greenhouse H2O balance and LVDT sensors
Leach et al. Photosynthesis, respiration and evaporation of a field‐grown potato crop
CN115308368A (zh) 农田作物水分胁迫诊断方法、装置及电子设备
CN115423155A (zh) Co2浓度升高影响下的植被变化径流响应评估方法
CN114186425A (zh) 一种冠层导度与气象变量相关性评估方法及系统
Kempkes et al. Control and modelling of vertical temperature distribution in greenhouse crops

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200428