CN112540992A - 夏玉米水分亏缺指数数据综合显示系统 - Google Patents
夏玉米水分亏缺指数数据综合显示系统 Download PDFInfo
- Publication number
- CN112540992A CN112540992A CN202011488482.1A CN202011488482A CN112540992A CN 112540992 A CN112540992 A CN 112540992A CN 202011488482 A CN202011488482 A CN 202011488482A CN 112540992 A CN112540992 A CN 112540992A
- Authority
- CN
- China
- Prior art keywords
- data
- summer
- radiation
- water
- water deficit
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 92
- 240000008042 Zea mays Species 0.000 title claims abstract description 87
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 87
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 81
- 235000005822 corn Nutrition 0.000 title claims abstract description 81
- 230000005855 radiation Effects 0.000 claims abstract description 55
- 230000006735 deficit Effects 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000011160 research Methods 0.000 claims abstract description 8
- 208000003643 Callosities Diseases 0.000 claims description 22
- 206010020649 Hyperkeratosis Diseases 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 13
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 claims description 6
- 238000010835 comparative analysis Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000002262 irrigation Effects 0.000 claims description 6
- 238000003973 irrigation Methods 0.000 claims description 6
- 235000009973 maize Nutrition 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 241000209140 Triticum Species 0.000 claims description 3
- 235000021307 Triticum Nutrition 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000008020 evaporation Effects 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 230000008672 reprogramming Effects 0.000 claims description 3
- 239000004575 stone Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012271 agricultural production Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明公开了夏玉米水分亏缺指数数据综合显示系统,包括,一、采用Envi软件进行石家庄17市县的卫图拼接、掩膜处理以及夏玉米种植区的监督分类,完成研究区域背景概述图的绘制;二、采用宏编程完成各类辐射模型、潜在蒸散量模型、需水量模型以及水分亏缺指数的批处理运算;三、将水分亏缺指数的计算结果保存在Access数据库;四、以ArcGIS10.2为基础,完成各类空间插值图的绘制。本发明中,用含有DEM数字高程的底图数据作为背景图,绘制出下玉米生长期不同要素的空间分布;用Excel宏编程作为基础数据的运算软件,方便以后业务运行的数据运算,用VB编程软件对所有数据进行项目的软件化管理。
Description
技术领域
本发明涉及夏玉米水分亏缺指数数据综合显示系统。
背景技术
干旱作为一种发生频繁、持续时间长、影响范围广的气象灾害,已对世界各地人民生活、经济发展和农业生产等造成严重影响,是人类面临的一个重大环境问题。干旱频率和强度受气候变化影响,IPCC AR5报道全球气候变暖仍将继续,此背景下,干旱仍有加重的趋势。干旱对我国的农业生产影响极大。据相关统计,由于干旱造成的减产粮食比例自20世纪50年代占总产量的2.0%左右增加到80年代的5.0%,呈逐步上升态势。因此,在农业生产领域,对于干旱的监测就显得尤为必要。
农业干旱由作物水分供需不平衡引起,致灾原因是降水持续异常缺乏,受气候、作物本身、土壤性质和人类活动等多方面因素影响。
夏玉米是石家庄地区普遍种植的大田作物,而目前,针对该地区夏玉米干旱的研究还很少,因此,在农业生产信息化的今天,对夏玉米的作物水分亏缺指数进行一次系统的计算分析就显得尤为必要。
发明内容
本发明的目的是提供夏玉米水分亏缺指数数据综合显示系统,解决了石家庄地区的夏玉米水分亏缺指数的系统分析问题。
为了实现上述目的,本发明采用了如下技术方案:
夏玉米水分亏缺指数数据综合显示系统,包括如下技术方法:
一、利用中科院遥感与数字地球研究所的对地观测数据共享网站下载landset8星遥感数据,利用地理空间数据云网站下载GDEMV2 30M分辨率数字高程数据,采用Envi软件进行石家庄17市县的卫图拼接、掩膜处理以及夏玉米种植区的监督分类,完成研究区域背景概述图的绘制,同时,以此底图作为各类空间图的底图模板;
二、采用宏编程完成各类辐射模型、潜在蒸散量模型、需水量模型以及水分亏缺指数的批处理运算,并将计算程序集合至最终的检索查询软件中,方便随时查阅及计算;
三、将17市县近30年水分亏缺指数的计算结果保存在Access数据库,以VB为基础开发软件检索查询工具;
四、以ArcGIS10.2为基础,完成各类空间插值图的绘制,并将绘制结果集合至最终的检索查询软件中,方便随时调阅比对。
作为上述技术方案的进一步描述:
所采用的技术路线为:
一、以参考文献“河北省太阳总辐射经验系数两种气候学计算方法的比较分析”进行辐射经验系数的本地修正;
二、以行业标准“小麦干旱灾害等级(QX/T 81-2007)”为基础,完成彭曼蒙蒂斯蒸散量的计算;
三、以“北方夏玉米干旱等级(QX/T260-2015)为基础,完成近30年夏玉米逐旬水分亏缺指数的计算。
作为上述技术方案的进一步描述:
完成辐射模型、彭曼蒙蒂斯需水量模型、水分亏缺指数模型的vba数据编程,利用数据共享平台下载的石家庄17站1989-2018年逐日最高、最低、平均气温、日照、风速、湿度、降水数据,完成上述要素的处理运算,再次编程完成数据的汇总入库。
作为上述技术方案的进一步描述:
关于数据运算准确性的判断方式如下:
一、蒸散量
蒸散量ETO采用彭曼蒙蒂斯模型(Penman-Monteith),计算结果与学者高歌的研究“1956-2000年中国潜在蒸散量变化趋势”中的数据对比,计算结果符合在800-1100mm的年值范围。
五、辐射
辐射采用经验辐射模型,计算结果与学者袁淑杰的研究“河北省水平面太阳总辐射时空分布及太阳能资源评估研究”对比,数据在其研究结果“河北省除邯郸以南少数地区,其他地区的水平面太阳总辐射平均年总量>5040MJ·m-2”范围内;省信息中心共享平台的“辐射数据集”只有唐山乐亭有较长时间序列的数据,其总辐射范围在4800MJ·m-2-5300MJ·m-2之间,本计算结果亦在该范围之内;
天文辐射:
晴天辐射:
Rso=(0.75+2×10-5h)Ra
总辐射:
经验系数参考文献“河北省太阳总辐射经验系数两种气候学计算方法的比较分析”,逐月取值;
六、需水量:
需水量模型采用分段单值平均法,计算结果与学者李春强的研究“河北省近35年农作物需水量变化趋势分析”对比,数据在其研究结果“河北省中南部地区夏玉米在近35年的平均需水量为416mm”范围内,与学者赵聚宝的著作《干旱与农业》一书中数据对比,计算结果在其结论“我国北方地区夏玉米生育期需水量为360-450mm”范围之内;分段单值平均法:
ET=K·ET
ETc=Kc·ETo
七、夏玉米水分亏缺指数
夏玉米逐旬水分亏缺指数严格按照下述公式进行数据编程及处理,并编程完成逐县逐年单旬的排列汇总。
作为上述技术方案的进一步描述:
夏玉米逐旬辐射、需水量、水分亏缺指数数据集:以市县名称为关键字,建立数据表结构格式,将计算得到的各类辐射数据、需水量数据、水分亏缺指数数据以及各县的夏玉米种植面积数据集合在Access数据库中,完成历史数据的数据库构建。
作为上述技术方案的进一步描述:
近30年夏玉米逐旬水分亏缺指数时间序列变化:对石家庄地区17市县的近30年逐旬夏玉米水分亏缺指数进行区域平均,进行时间序列的变化趋势分析,石家庄地区近30年逐旬夏玉米水分亏缺指数在6月中旬、7月中旬、7月下旬、8月上旬的变化呈增加的趋势,其余旬的年变化呈减少的趋势,但所有变化不明显,随时间的变化趋势没有通过任何信度的显著性检验。
作为上述技术方案的进一步描述:
底图及各类空间图:
以DEM数字高程科学数据集、ENVI5.1、ArcGis10.2等软件建立完成石家庄及周边的数字底图,用以各类空间插值的底图;
以ArcGIS10.2为工具,采用最优插值法,完成近30年石家庄地区夏玉米生长季逐旬作物水分亏缺指数、需水量、辐射的空间分布图。
作为上述技术方案的进一步描述:
市县夏玉米遥感数据监督分类:通过夏玉米监督分类计算得到17个市县夏玉米最新的种植面积,用“种植面积×(需水量-降雨量)=灌溉量”的方式定量求出某一市县全域某阶段夏玉米的灌溉量。运用ENVI5.1、ArcGis10.2软件,利用Landset8星遥感影像的12433/12434两景数据,完成辐射定标和大气校正后拼接、裁剪出石家庄区域的遥感影像资料,利用支持向量机分类SVM进行夏玉米耕地的监督分类,用分类转向量技术将玉米的监督分类转成EVF格式文件后再利用EVF转SHP文件技术将矢量文件转成SHP文件,之后导入至ArcGis10.2进行区域面积的统计,得到石家庄区域及各县市的玉米种植面积,写入数据库。
本发明至少具备以下有益效果:
(1)用含有DEM数字高程的底图数据作为背景图,绘制出下玉米生长期不同要素的空间分布。
(2)用Excel宏编程作为基础数据的运算软件,将当季夏玉米生长期水分亏缺指数数据的运算集合到Excel宏编程中,方便以后业务运行的数据运算。
(3)用VB编程软件对所有数据进行项目的软件化管理,将各类数据、空间图表、当前需水量的计算以及夏玉米分布的监督分类进行集约化管理,用软件完成项目所有内容的查看。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明实施例提供的技术路线图。
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。
实施例一
参照图1,夏玉米水分亏缺指数数据综合显示系统,包括如下技术方法:
一、利用中科院遥感与数字地球研究所的对地观测数据共享网站下载landset8星遥感数据,利用地理空间数据云网站下载GDEMV230M分辨率数字高程数据,采用Envi软件进行石家庄17市县的卫图拼接、掩膜处理以及夏玉米种植区的监督分类,完成研究区域背景概述图的绘制,同时,以此底图作为各类空间图的底图模板;
底图及各类空间图:
以DEM数字高程科学数据集、ENVI5.1、ArcGis10.2等软件建立完成石家庄及周边的数字底图,用以各类空间插值的底图;
以ArcGIS10.2为工具,采用最优插值法,完成近30年石家庄地区夏玉米生长季逐旬作物水分亏缺指数、需水量、辐射的空间分布图;
二、采用宏编程完成各类辐射模型、潜在蒸散量模型、需水量模型以及水分亏缺指数的批处理运算,并将计算程序集合至最终的检索查询软件中,方便随时查阅及计算;夏玉米逐旬辐射、需水量、水分亏缺指数数据集:以市县名称为关键字,建立数据表结构格式,将计算得到的各类辐射数据、需水量数据、水分亏缺指数数据以及各县的夏玉米种植面积数据集合在Access数据库中,完成历史数据的数据库构建;
三、将17市县近30年水分亏缺指数的计算结果保存在Access数据库,以VB为基础开发软件检索查询工具;
四、以ArcGIS10.2为基础,完成各类空间插值图的绘制,并将绘制结果集合至最终的检索查询软件中,方便随时调阅比对;
所采用的技术路线为:
一、以参考文献“河北省太阳总辐射经验系数两种气候学计算方法的比较分析”进行辐射经验系数的本地修正;
二、以行业标准“小麦干旱灾害等级(QX/T 81-2007)”为基础,完成彭曼蒙蒂斯蒸散量的计算;
三、以“北方夏玉米干旱等级(QX/T260-2015)为基础,完成近30年夏玉米逐旬水分亏缺指数的计算;
完成辐射模型、彭曼蒙蒂斯需水量模型、水分亏缺指数模型的vba数据编程,利用数据共享平台下载的石家庄17站1989-2018年逐日最高、最低、平均气温、日照、风速、湿度、降水数据,完成上述要素的处理运算,再次编程完成数据的汇总入库;
关于数据运算准确性的判断方式如下:
一、蒸散量
蒸散量ETO采用彭曼蒙蒂斯模型(Penman-Monteith),计算结果与学者高歌的研究“1956-2000年中国潜在蒸散量变化趋势”中的数据对比,计算结果符合在800-1100mm的年值范围。
八、辐射
辐射采用经验辐射模型,计算结果与学者袁淑杰的研究“河北省水平面太阳总辐射时空分布及太阳能资源评估研究”对比,数据在其研究结果“河北省除邯郸以南少数地区,其他地区的水平面太阳总辐射平均年总量>5040MJ·m-2”范围内;省信息中心共享平台的“辐射数据集”只有唐山乐亭有较长时间序列的数据,其总辐射范围在4800MJ·m-2-5300MJ·m-2之间,本计算结果亦在该范围之内;
天文辐射:
晴天辐射:
Rso=(0.75+2×10-5h)Ra
总辐射:
经验系数参考文献“河北省太阳总辐射经验系数两种气候学计算方法的比较分析”,逐月取值;
九、需水量:
需水量模型采用分段单值平均法,计算结果与学者李春强的研究“河北省近35年农作物需水量变化趋势分析”对比,数据在其研究结果“河北省中南部地区夏玉米在近35年的平均需水量为416mm”范围内,与学者赵聚宝的著作《干旱与农业》一书中数据对比,计算结果在其结论“我国北方地区夏玉米生育期需水量为360-450mm”范围之内;分段单值平均法:
ETc=Kc·ETo
十、夏玉米水分亏缺指数
夏玉米逐旬水分亏缺指数严格按照下述公式进行数据编程及处理,并编程完成逐县逐年单旬的排列汇总。
近30年夏玉米逐旬水分亏缺指数时间序列变化:对石家庄地区17市县的近30年逐旬夏玉米水分亏缺指数进行区域平均,进行时间序列的变化趋势分析,如下表,石家庄地区近30年逐旬夏玉米水分亏缺指数在6月中旬、7月中旬、7月下旬、8月上旬的变化呈增加的趋势,其余旬的年变化呈减少的趋势,但所有变化不明显,随时间的变化趋势没有通过任何信度的显著性检验
市县夏玉米遥感数据监督分类:通过夏玉米监督分类计算得到17个市县夏玉米最新的种植面积,用“种植面积×(需水量-降雨量)=灌溉量”的方式定量求出某一市县全域某阶段夏玉米的灌溉量。
运用ENVI5.1、ArcGis10.2软件,利用Landset8星遥感影像的124 33/124 34两景数据,完成辐射定标和大气校正后拼接、裁剪出石家庄区域的遥感影像资料,利用支持向量机分类SVM进行夏玉米耕地的监督分类,用分类转向量技术将玉米的监督分类转成EVF格式文件后再利用EVF转SHP文件技术将矢量文件转成SHP文件,之后导入至ArcGi s10.2进行区域面积的统计,得到石家庄区域及各县市的玉米种植面积,写入数据库。
以上显示和描述了本发明的基本原理、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的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (8)
1.夏玉米水分亏缺指数数据综合显示系统,其特征在于,包括如下技术方法:
一、利用中科院遥感与数字地球研究所的对地观测数据共享网站下载landset8星遥感数据,利用地理空间数据云网站下载GDEMV230M分辨率数字高程数据,采用Envi软件进行石家庄17市县的卫图拼接、掩膜处理以及夏玉米种植区的监督分类,完成研究区域背景概述图的绘制,同时,以此底图作为各类空间图的底图模板;
二、采用宏编程完成各类辐射模型、潜在蒸散量模型、需水量模型以及水分亏缺指数的批处理运算,并将计算程序集合至最终的检索查询软件中,方便随时查阅及计算;
三、将17市县近30年水分亏缺指数的计算结果保存在Access数据库,以VB为基础开发软件检索查询工具;
四、以ArcGIS10.2为基础,完成各类空间插值图的绘制,并将绘制结果集合至最终的检索查询软件中,方便随时调阅比对。
2.根据权利要求1所述的夏玉米水分亏缺指数数据综合显示系统,其特征在于,所采用的技术路线为:
一、以参考文献“河北省太阳总辐射经验系数两种气候学计算方法的比较分析”进行辐射经验系数的本地修正;
二、以行业标准“小麦干旱灾害等级(QX/T 81-2007)”为基础,完成彭曼蒙蒂斯蒸散量的计算;
三、以“北方夏玉米干旱等级(QX/T260-2015)为基础,完成近30年夏玉米逐旬水分亏缺指数的计算。
3.根据权利要求1所述的夏玉米水分亏缺指数数据综合显示系统,其特征在于,完成辐射模型、彭曼蒙蒂斯需水量模型、水分亏缺指数模型的vba数据编程,利用数据共享平台下载的石家庄17站1989-2018年逐日最高、最低、平均气温、日照、风速、湿度、降水数据,完成上述要素的处理运算,再次编程完成数据的汇总入库。
4.根据权利要求1所述的夏玉米水分亏缺指数数据综合显示系统,其特征在于,关于数据运算准确性的判断方式如下:
一、蒸散量
蒸散量ETO采用彭曼蒙蒂斯模型(Penman-Monteith),计算结果与学者高歌的研究“1956-2000年中国潜在蒸散量变化趋势”中的数据对比,计算结果符合在800-1100mm的年值范围。
二、辐射
辐射采用经验辐射模型,计算结果与学者袁淑杰的研究“河北省水平面太阳总辐射时空分布及太阳能资源评估研究”对比,数据在其研究结果“河北省除邯郸以南少数地区,其他地区的水平面太阳总辐射平均年总量>5040MJ·m-2”范围内;省信息中心共享平台的“辐射数据集”只有唐山乐亭有较长时间序列的数据,其总辐射范围在4800MJ·m-2-5300MJ·m-2之间,本计算结果亦在该范围之内;
天文辐射:
晴天辐射:
Rso=(0.75+2×10-5h)Ra
总辐射:
经验系数参考文献“河北省太阳总辐射经验系数两种气候学计算方法的比较分析”,逐月取值;
三、需水量:
需水量模型采用分段单值平均法,计算结果与学者李春强的研究“河北省近35年农作物需水量变化趋势分析”对比,数据在其研究结果“河北省中南部地区夏玉米在近35年的平均需水量为416mm”范围内,与学者赵聚宝的著作《干旱与农业》一书中数据对比,计算结果在其结论“我国北方地区夏玉米生育期需水量为360-450mm”范围之内;分段单值平均法:
ETc=Kc·ETo
四、夏玉米水分亏缺指数
夏玉米逐旬水分亏缺指数严格按照下述公式进行数据编程及处理,并编程完成逐县逐年单旬的排列汇总。
5.根据权利要求1所述的夏玉米水分亏缺指数数据综合显示系统,其特征在于,夏玉米逐旬辐射、需水量、水分亏缺指数数据集:以市县名称为关键字,建立数据表结构格式,将计算得到的各类辐射数据、需水量数据、水分亏缺指数数据以及各县的夏玉米种植面积数据集合在Access数据库中,完成历史数据的数据库构建。
6.根据权利要求1所述的夏玉米水分亏缺指数数据综合显示系统,其特征在于,近30年夏玉米逐旬水分亏缺指数时间序列变化:对石家庄地区17市县的近30年逐旬夏玉米水分亏缺指数进行区域平均,进行时间序列的变化趋势分析,石家庄地区近30年逐旬夏玉米水分亏缺指数在6月中旬、7月中旬、7月下旬、8月上旬的变化呈增加的趋势,其余旬的年变化呈减少的趋势,但所有变化不明显,随时间的变化趋势没有通过任何信度的显著性检验。
7.根据权利要求1所述的夏玉米水分亏缺指数数据综合显示系统,其特征在于,底图及各类空间图:
以DEM数字高程科学数据集、ENVI5.1、ArcGis10.2等软件建立完成石家庄及周边的数字底图,用以各类空间插值的底图;
以ArcGIS10.2为工具,采用最优插值法,完成近30年石家庄地区夏玉米生长季逐旬作物水分亏缺指数、需水量、辐射的空间分布图。
8.根据权利要求1所述的夏玉米水分亏缺指数数据综合显示系统,其特征在于,市县夏玉米遥感数据监督分类:通过夏玉米监督分类计算得到17个市县夏玉米最新的种植面积,用“种植面积×(需水量-降雨量)=灌溉量”的方式定量求出某一市县全域某阶段夏玉米的灌溉量。
运用ENVI5.1、ArcGis10.2软件,利用Landset8星遥感影像的124 33/12434两景数据,完成辐射定标和大气校正后拼接、裁剪出石家庄区域的遥感影像资料,利用支持向量机分类SVM进行夏玉米耕地的监督分类,用分类转向量技术将玉米的监督分类转成EVF格式文件后再利用EVF转SHP文件技术将矢量文件转成SHP文件,之后导入至ArcGis10.2进行区域面积的统计,得到石家庄区域及各县市的玉米种植面积,写入数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011488482.1A CN112540992A (zh) | 2020-12-16 | 2020-12-16 | 夏玉米水分亏缺指数数据综合显示系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011488482.1A CN112540992A (zh) | 2020-12-16 | 2020-12-16 | 夏玉米水分亏缺指数数据综合显示系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112540992A true CN112540992A (zh) | 2021-03-23 |
Family
ID=75018220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011488482.1A Pending CN112540992A (zh) | 2020-12-16 | 2020-12-16 | 夏玉米水分亏缺指数数据综合显示系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112540992A (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110079A (zh) * | 2007-06-27 | 2008-01-23 | 中国科学院遥感应用研究所 | 一种数字地球原型系统 |
CN101187630A (zh) * | 2007-12-05 | 2008-05-28 | 北京大学 | 一种农田干旱监测方法 |
CN101419219A (zh) * | 2008-12-09 | 2009-04-29 | 中国农业科学院农业资源与农业区划研究所 | 一种确定参考作物蒸散量的方法 |
CN102176002A (zh) * | 2010-12-30 | 2011-09-07 | 中国科学院地理科学与资源研究所 | 基于地表水热通量遥感反演的干旱监测方法及系统 |
CN103308665A (zh) * | 2013-05-30 | 2013-09-18 | 北京市园林科学研究所 | 一种城市绿地植物-土壤水分传输分析的方法及装置 |
CN103886392A (zh) * | 2014-03-26 | 2014-06-25 | 中国农业科学院农田灌溉研究所 | 一种基于天气预报信息的冬小麦耗水量预测方法 |
CN104010676A (zh) * | 2011-02-02 | 2014-08-27 | 陶锴 | 自动iv监测与控制系统的图像处理、频率估算、机械控制、以及照明 |
CN104597526A (zh) * | 2014-12-30 | 2015-05-06 | 中国南方电网有限责任公司 | 基于电网地理信息系统的气象干旱监测预警系统及方法 |
CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及系统 |
CN105528734A (zh) * | 2015-11-27 | 2016-04-27 | 中国科学院寒区旱区环境与工程研究所 | 一种多层水资源管理的水量分配方法 |
CN108876005A (zh) * | 2018-05-07 | 2018-11-23 | 中国农业科学院农田灌溉研究所 | 基于天气信息的冬小麦灌溉预报方法 |
CN109696539A (zh) * | 2018-05-08 | 2019-04-30 | 西北农林科技大学 | 一种水分监测装置及利用该装置确定作物蒸散量的方法 |
AU2018317494A1 (en) * | 2017-08-14 | 2019-10-31 | Rubicon Research Pty Ltd | Method and system for water distribution and soil moisture determination |
CN110896761A (zh) * | 2019-09-18 | 2020-03-24 | 北京农业信息技术研究中心 | 一种温室的灌溉决策方法及系统 |
US20200323156A1 (en) * | 2019-04-11 | 2020-10-15 | Nrg Holdings, Llc | Irrigation system |
-
2020
- 2020-12-16 CN CN202011488482.1A patent/CN112540992A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110079A (zh) * | 2007-06-27 | 2008-01-23 | 中国科学院遥感应用研究所 | 一种数字地球原型系统 |
CN101187630A (zh) * | 2007-12-05 | 2008-05-28 | 北京大学 | 一种农田干旱监测方法 |
CN101419219A (zh) * | 2008-12-09 | 2009-04-29 | 中国农业科学院农业资源与农业区划研究所 | 一种确定参考作物蒸散量的方法 |
CN102176002A (zh) * | 2010-12-30 | 2011-09-07 | 中国科学院地理科学与资源研究所 | 基于地表水热通量遥感反演的干旱监测方法及系统 |
CN104010676A (zh) * | 2011-02-02 | 2014-08-27 | 陶锴 | 自动iv监测与控制系统的图像处理、频率估算、机械控制、以及照明 |
CN103308665A (zh) * | 2013-05-30 | 2013-09-18 | 北京市园林科学研究所 | 一种城市绿地植物-土壤水分传输分析的方法及装置 |
CN103886392A (zh) * | 2014-03-26 | 2014-06-25 | 中国农业科学院农田灌溉研究所 | 一种基于天气预报信息的冬小麦耗水量预测方法 |
CN104597526A (zh) * | 2014-12-30 | 2015-05-06 | 中国南方电网有限责任公司 | 基于电网地理信息系统的气象干旱监测预警系统及方法 |
CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
CN105528734A (zh) * | 2015-11-27 | 2016-04-27 | 中国科学院寒区旱区环境与工程研究所 | 一种多层水资源管理的水量分配方法 |
CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及系统 |
AU2018317494A1 (en) * | 2017-08-14 | 2019-10-31 | Rubicon Research Pty Ltd | Method and system for water distribution and soil moisture determination |
CN108876005A (zh) * | 2018-05-07 | 2018-11-23 | 中国农业科学院农田灌溉研究所 | 基于天气信息的冬小麦灌溉预报方法 |
CN109696539A (zh) * | 2018-05-08 | 2019-04-30 | 西北农林科技大学 | 一种水分监测装置及利用该装置确定作物蒸散量的方法 |
US20200323156A1 (en) * | 2019-04-11 | 2020-10-15 | Nrg Holdings, Llc | Irrigation system |
CN110896761A (zh) * | 2019-09-18 | 2020-03-24 | 北京农业信息技术研究中心 | 一种温室的灌溉决策方法及系统 |
Non-Patent Citations (5)
Title |
---|
K KSAL 等: "Estimation of green bean yield, water deficiency and productivity using spectral indexes during the growing season", 《IRRIGATION AND DRAINAGE SYSTEMS》, vol. 22, 4 October 2008 (2008-10-04), pages 209, XP019677705 * |
尤新媛 等: "基于作物水分亏缺指数的江苏省冬小麦生长季干旱时空特征", 《江苏农业科学》, vol. 47, no. 2, 29 January 2019 (2019-01-29), pages 243 - 249 * |
方锋 等: "西北干旱监测预警评估业务系统开发与应用", 《水土保持通报》, vol. 30, no. 3, 15 June 2010 (2010-06-15), pages 140 - 143 * |
陈金华 等: "安徽省土壤水分监测预测系统", 《应用气象学报》, vol. 22, no. 2, 15 April 2011 (2011-04-15), pages 249 - 256 * |
齐述华 等: "水分亏缺指数在全国干旱遥感监测中的应用研究", 《土壤学报》, no. 3, 30 June 2005 (2005-06-30), pages 367 - 372 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A regional evaluation of plastic film mulching for improving crop yields on the Loess Plateau of China | |
Jin et al. | An analysis of spatiotemporal patterns in Chinese agricultural productivity between 2004 and 2014 | |
Yu et al. | Impact of droughts on winter wheat yield in different growth stages during 2001–2016 in Eastern China | |
Zaizhi | Landscape changes in a rural area in China | |
Xu et al. | The influences of spatiotemporal change of cultivated land on food crop production potential in China | |
CN111898922B (zh) | 一种多尺度农作物产量评估方法及系统 | |
CN110751412A (zh) | 一种农业气象灾害预警方法及系统 | |
CN113139901A (zh) | 一种流域尺度植被净初级生产力遥感精细反演方法 | |
CN102722766A (zh) | 基于修订的区域气候模式数据的小麦产量预测方法 | |
Zhou et al. | Vegetation coverage change and its response to topography in a typical karst region: the Lianjiang River Basin in Southwest China | |
Kamiyama et al. | Light interception in species with different functional groups coexisting in moorland plant communities | |
CN111445116A (zh) | 国土空间规划辅助编制系统 | |
Reddy et al. | A novel approach to analysis district level long scale seasonal forecasting of monsoon rainfall in Andhra Pradesh and Telangana | |
CN116540805A (zh) | 一种基于物联网的可控农业温室温度控制系统及方法 | |
Kocsis et al. | Estimation of the drought sensitivity of Hungarian soils based on corn yield responses | |
Pham et al. | Specifying the relationship between land use/land cover change and dryness in central Vietnam from 2000 to 2019 using Google Earth Engine | |
CN113256101B (zh) | 一种城乡湖泊蓄水量变化的关键驱动力分析方法 | |
Wang et al. | Drought vulnerability assessment for maize in the semiarid region of northwestern China | |
Rabati et al. | Qualitative and quantitative land-suitability evaluation for sunflower and maize in the north-west of Iran | |
CN112540992A (zh) | 夏玉米水分亏缺指数数据综合显示系统 | |
Lin et al. | Impacts of future climate changes on shifting patterns of the agro-ecological zones in China | |
Lin et al. | Assessing forecasting performance of daily reference evapotranspiration: A comparative analysis of updated temperature penman-monteith and penman-monteith forecast models | |
CN104102806A (zh) | 多品种农作物的农业气候区划方法 | |
CN114004442A (zh) | 一种基于多方法的宅基地利用信息获取方法 | |
Sargordi et al. | Spatio-temporal variation of wheat and silage maize water requirement using CGMS model |
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 |