CN113837666B - 一种基于改进作物水分指数的农业干旱评估方法 - Google Patents
一种基于改进作物水分指数的农业干旱评估方法 Download PDFInfo
- Publication number
- CN113837666B CN113837666B CN202111393790.0A CN202111393790A CN113837666B CN 113837666 B CN113837666 B CN 113837666B CN 202111393790 A CN202111393790 A CN 202111393790A CN 113837666 B CN113837666 B CN 113837666B
- Authority
- CN
- China
- Prior art keywords
- irrigation
- soil
- water
- crop
- drought
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003973 irrigation Methods 0.000 claims abstract description 212
- 230000002262 irrigation Effects 0.000 claims abstract description 212
- 239000002689 soil Substances 0.000 claims abstract description 171
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000013210 evaluation model Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 91
- 230000008569 process Effects 0.000 claims description 38
- 239000003621 irrigation water Substances 0.000 claims description 34
- 239000000126 substance Substances 0.000 claims description 18
- 238000001556 precipitation Methods 0.000 claims description 13
- 238000011160 research Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000003442 weekly effect Effects 0.000 claims description 10
- 239000013589 supplement Substances 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 5
- 230000005068 transpiration Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000006735 deficit Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- BOJKULTULYSRAS-OTESTREVSA-N Andrographolide Chemical compound C([C@H]1[C@]2(C)CC[C@@H](O)[C@]([C@H]2CCC1=C)(CO)C)\C=C1/[C@H](O)COC1=O BOJKULTULYSRAS-OTESTREVSA-N 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000003306 harvesting Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 24
- 241000282414 Homo sapiens Species 0.000 abstract description 20
- 238000011161 development Methods 0.000 abstract description 13
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000007246 mechanism Effects 0.000 abstract description 6
- 238000009313 farming Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000007123 defense Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 abstract 1
- 230000008859 change Effects 0.000 description 15
- 238000009826 distribution Methods 0.000 description 9
- 241000209140 Triticum Species 0.000 description 6
- 235000021307 Triticum Nutrition 0.000 description 6
- 240000008042 Zea mays Species 0.000 description 5
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 5
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 5
- 235000005822 corn Nutrition 0.000 description 5
- 241000167847 Koelreuteria paniculata Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 235000013339 cereals Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008020 evaporation Effects 0.000 description 3
- 238000001704 evaporation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 235000007631 Cassia fistula Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000009411 base construction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000004087 circulation Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241000167834 Koelreuteria Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于改进CMI指数的农业干旱评估方法,包括:步骤S1,构建基础数据信息库;步骤S2,改进土壤水量平衡方程;步骤S3,灌溉设计;步骤S4,构建CMI干旱评估模型;步骤S5,采用构建的CMI干旱评估模型估算作物湿度指数值,对照CMI干旱等级划分标准,对区域历史及当前旱情进行评估。本发明综合气象信息和农业灌溉活动对干旱发展进行动态评价,提高了农业干旱评价的准确性和监测的时效性,在高频度灌溉农作区的干旱评估具有优势,从而为深入了解强人类活动影响下的农业干旱机制,指导大型农作区的干旱风险管理及防御具有重要意义。
Description
技术领域
本发明涉及农业干旱监测和预警技术领域,具体涉及一种基于改进CMI指数的农业干旱评估方法。
背景技术
干旱是最常见的灾害之一。受气候变化等因素的影响,在过去的十年里,干旱的频率和严重程度都有显著的增加趋势,一直受到国内外相关领域专家的密切关注。传统定义认为干旱是一种自然现象,是由于气象条件变化造成的特定系统的水分持续亏缺。实际上,当任何系统的水量低于正常水平时,系统就会被认为处于干旱状态,无论水量亏缺是否由于何种(气象或人为)原因造成的。在人类活动干预强烈的地区,干旱已不再是纯粹的自然现象,而是自然因素和人为因素双重驱动作用下产生的复合效应。人类对水资源的开发利用活动显著影响了水文循环演进方向,改变了河流、土壤、地下含水层蓄存状态与水力联系,引起河流、土壤、地下水系统调蓄功能变化,从而对干旱的形成与发展过程产生深刻影响。这种对自然系统的反馈作用改变着干旱的发生时间、发展过程和严重程度。
人类活动对干旱的影响已经成为国际干旱研究学者共同关注的研究热点,考虑自然和社会水循环之间复杂的相互作用过程,将人工驱动因素纳入干旱定义和分析方法,揭示人类活动对干旱形成与发展的影响是干旱研究的重要发展方向。Anne F. Van Loon等(2018)认为在当今时代,干旱灾害已经不再是严格意义上的自然灾害,而成为自然-人为复合灾害,并在此基础上提出了人类世干旱的概念:
(a) 在高强度人类活动对地球系统产生全方位深刻影响的当今时代(人类世),干旱是由于自然气候和人类活动之间的相互作用造成的特定系统异常缺水;
(b)干旱是由气候因素和人类因素驱动引起的;
(c)人类的干预活动能够改变干旱的严重程度;
(d)干旱的影响取决于干旱的严重程度和人类系统的脆弱性;
(e)人类对干旱的长期反馈改变了评估干旱发生的阈值(一个地区特定系统的正常水分条件),这决定了干旱的发生时间和严重程度。
作为干旱类型的一种,农业干旱与气象条件、土壤湿度、灌溉活动、作物生育阶段等因素息息相关,其产生机理与演进机制同样也受到自然因素和人为因素之间的综合作用。其中,灌溉在农业生产活动中扮演着着至关重要的角色,它可以保障土壤水分、提高粮食的单位面积产量。灌溉用地面积只占全球耕地总面积的20%,但粮食产量却占到了全球总产量的40%。在中国,灌溉已经成为保障粮食生产的一种常规的农业管理行为。根据制定的灌溉计划,人们在特定的时期(作物的关键生长期)进行定量灌溉。这种具有特定时间和定量灌溉的农业管理制度,能够将处于作物关键生长期的农田土壤湿度控制在合理范围内。通气候变化一样,灌溉对土壤水分循环的长期反馈会改变农业干旱发生的阈值,极大地影响的干旱的产生和发展机制。农业灌溉活动增加了某些月份(作物生育期)的土壤水分供应(可以视为降水量增加),改变了农田土壤水分的时空分布,进而影响农业干旱发生的频次与强度,如推迟干旱发生的时间、减弱干旱发生的强度、提前结束干旱等。这是人类针对当地气候条件及其变化的一种适应机制。
由于灌溉活动的干预,农田土壤含水量保持在适合作物生长的土壤湿度范围内,一些以水平衡基础的传统干旱评价方法可能会误判干旱的实际严重程度,导致监测结果与实际情况不一致,这就迫切需要一个兼顾自然和人为因素的干旱评价指数,以识别灌溉农业区实际的干旱状况,判别其实际严重程度。
作物水分指数(CMI 指数,Crop Moisture Index)是1968年W. C. Palmer在PDSI指数(Palmer Drought Severity Index)的基础上提出一个基于每周平均温度和降水的农业干旱指数。CMI指数是基于早期所提出的“适应当前情况气候上的降水”(CAFEC,Climatically Appropriate for Existing Condition Precipitation)的概念,引出了“适应当前情况气候上的蒸散发”概念,通过该期望值与实际蒸散发量的差值(蒸散发异常亏缺)来反映当前的土壤干湿状况,从而建立了一套分析农业干旱严重程度和确定干旱持续时间的系统方法。相比起其它干旱指数,CMI指数具有较严密的系统性,综合考虑了蒸散发、径流、土壤水分交换等因素,还考虑了前期土壤湿度对干旱的影响,采用水平衡原理导出干旱指数,具有清晰明确的物理意义,能对干旱的各项特征进行合理地描述,且具有较好的时空对比性。时至今日,CMI指数仍然被美国农业部采用并在其天气和作物周报(WWCB)上作为满足短期作物水分需求的指标发布。
从干旱成因角度分析,虽然降水量、温度等气象因素是农业干旱形成的主要原因,但是农业灌溉也是影响到农业旱情的变化的一项极为重要的因素。灌溉或降水都要先转化为土壤水然后才能被作物吸收,作物通过根系吸收土壤水分来获取生长发育所需的水分,并极大地影响着土壤水分的动态和转化。这在传统的CMI上并没有很好地反映出来。
发明内容
针对现有技术存在的上述问题,本发明提供一种基于改进CMI指数的农业干旱评估方法,基于人类世干旱的定义和CMI指数的构建原理,结合农业干旱发生的特征和灌溉农业的基本特点,修改原模式中的水量平衡模型,在计算土壤水分的过程中引入灌溉项,以提高对农田土壤干湿动态变化的敏感度,提高对农业干旱评价的准确性和农业干旱监测的时效性,使整个旱情变化监测结果更为符合实际情况,对农业干旱的评价和监测具有实际意义。
本发明采用如下技术方案实现:
一种基于改进CMI指数的农业干旱评估方法,包括如下步骤:
步骤S1、构建基础数据信息库,所述基础数据信息库包括研究区气象站点信息、气象观测数据、气象站点所在地区的土壤特性信息、作物特性信息、灌溉制度信息、及灌溉相关信息;
步骤S2、改进土壤水量平衡方程,所述土壤水量平衡方程的改进包括蒸散发计算考虑作物系数和对土壤失水计算公式和蒸散发计算公式添加灌溉参数;
步骤S3、设定灌溉启动阈值,采用步骤S2改进的土壤水量平衡方程计算每周的土壤水亏缺情况,再根据灌溉制度信息,将单位面积灌溉用水量进行年内分配;
步骤S4、基于构建的基础数据信息库和改进的土壤水平衡方程,在土壤水量平衡计算的基础上,计算蒸散发异常指数,再根据CMI指数的相关计算公式,计算超湿指数,最终构建CMI干旱评估模型;
步骤S5、采用构建的CMI干旱评估模型估算作物水分指数值,对照CMI干旱等级划分标准,对区域历史及当前旱情进行评估。
进一步的,所述步骤S1构建基础数据信息库包括:
收集研究区气象站点信息,包括气象站的经纬度坐标、海拔高程;
收集气象观测数据,包括降水、日照时数、辐射、风速、相对湿度、平均气温、最高气温和最低气温;
收集气象站点所在地区的土壤特性信息,包括土壤厚度、粒径组成、田间持水率、凋萎系数;
收集作物特性信息,包括气象站点所在地区的主要种植作物类型、种植日期、收获日期、各生育期的开始和结束日期以及各生育期的作物系数;
收集灌溉制度信息,包括作物灌溉定额、灌溉时间、灌溉次数、单次灌水量;
收集灌溉相关信息,包括地区历年实际灌溉用水量、实际灌溉面积信息、灌溉水有效利用系数。
进一步的,所述步骤S2中蒸散发计算考虑作物系数具体为:
调用构建的基础数据信息库,获取作物系数K c ,计算农田作物在不同生育期的作物潜在蒸散值ET c ,取代原CMI指数中的潜在蒸散量PE,且采用FAO提供的Penman-Monteith公式计算潜在蒸散发,计算公式如下:
式中,ET c 表示计算时段内的作物潜在蒸散值,单位为mm;PE表示计算时段内潜在蒸散发量,也即是参考作物腾发量,单位为mm;K c 表示作物系数;
所述步骤S2中对土壤失水计算公式和蒸散发计算公式添加灌溉参数具体为:
所述添加灌溉参数的计算公式包括上层土壤失水量Ls计算公式、下层土壤失水量Lu计算公式和实际蒸散发ET计算公式,修改后的计算公式如下:
其中,P表示降水量,单位为mm;I表示灌溉量,单位为mm;PSs、PSu分别表示土壤上层和下层的初始含水量,单位为mm;AWC表示土壤有效含水量,单位为mm,由当前土壤含水量减去凋萎含水量获得;R、RO分别表示土壤补水量和径流量,单位为mm,R、RO的表达式如下:
其中,Ss、Su分别表示时段末的土壤上层和下层含水量。
进一步的,所述步骤S3包括:
调用构建的基础数据信息库,获取历年的实际灌溉用水量、灌溉面积、灌溉水有效利用系数,计算单位面积灌溉用水量;
灌溉启动阈值是保证作物正常生长所需的最低土壤水分含量与田间持水量的比值,用于判定灌溉发生的临界条件,灌溉启动阈值根据作物生长对土壤水分的要求设定,仅当土壤含水量低于阈值时,才启动灌溉,对某个指定的生育期,则第j周的单次灌水量表示为:
其中,m为某个指定的生育期的周数,j表示作物生育期的第j周,j=1,2,…,m;I j 表示第j周的单次灌水量,单位为mm;T表示灌溉启动阈值,单位为mm;SW j 表示第j周的初始土壤含水量,单位为mm;FC表示土壤田间持水量,单位为mm;Iq表示作物生育期内的灌水定额,单位为mm; W irr 表示单位面积灌溉用水量,单位为mm;D j 表示第j周的土壤水分亏缺,单位为mm,表达式如下:
根据灌溉启动阈值、土壤水分亏缺状态、灌溉时间、单次灌水定额以及灌溉次数,将单位面积灌溉用水量分配到作物各生育期,计算流程如下:
首先根据基础数据信息库中的灌溉制度信息,识别当前计算时段是否位于灌溉期内,如果不在灌溉期,则本计算时段不发生灌溉,返回土壤水量平衡计算流程,继续进行土壤水文过程计算;如果位于灌溉期,则程序进入灌溉启动阈值识别流程;
通过土壤水量平衡计算结果,计算土壤含水量与田间持水量的比值,如果比值未达到灌溉启动阈值,则本计算时段不发生灌溉,返回土壤水量平衡计算流程,继续进行土壤水文过程计算;如果达到灌溉启动阈值,则进入生育期灌水次数识别流程;
如果本次灌溉次数未达到该生育期灌水总次数,则本计算时段不发生灌溉,返回土壤水量平衡计算流程,继续进行土壤水文过程计算;如果达到该生育期灌水总次数,则进入作物灌水总次数识别流程;
如果本次灌溉次数达到作物灌溉总次数,则启动灌溉,本计算时段的灌水量等于单位面积灌溉用水量减去历次灌水累计量,程序将信息返回土壤水量平衡模块,如果本次灌溉次数未达到作物灌溉总次数,程序进入灌溉量计算流程;
根据水量平衡计算结果,计算土壤水分亏缺量D,如果土壤水分亏缺量高于作物灌水定额Iq,启动灌溉,本计算时段的灌水量等于作物灌水定额,返回土壤水量平衡计算流程,继续进行土壤水文过程计算;如果土壤水分亏缺量低于作物灌水定额,启动灌溉,本计算时段的灌水量等于土壤水分亏缺量,返回土壤水量平衡计算流程,继续进行土壤水文过程计算。
进一步的,所述步骤S4中蒸散发异常指数的计算公式如下:
其中,α j 表示第j周的蒸散发系数; QUOTE 、 QUOTE 分别表示第j周的实际蒸散发和潜在蒸散发的期望值(mm),通过计算其多年平均值求得;CET j 表示第j周的期望蒸散发量; DE j 表示第j周的蒸散发异常值;
超湿指数计算的相关公式如下:
其中,G j 表示第j周的超湿指数;H j 表示第j周的回归因子;R j 和RO j 分别表示第j周的土壤补水量和径流量,单位为mm;
作物水分指数为蒸散发异常指数与超湿指数之和,表达式如下:
其中,CMI j 表示第j周的作物水分指数,
组合公式(1)-(19),最终构建CMI干旱评估模型。
进一步的,所述步骤S5具体包括:在Windows平台应用程序开发环境VisualStudio中根据公式(1)-(19)编译CMI干旱评估模型的计算程序,对研究区各气象站点的作物水分指数值进行计算,对照CMI干旱等级划分标准,实现对研究区历史及当前旱情的评估。
与现有技术相比,本发明具有如下有益效果:
本发明通过改进CMI模型中的土壤水量平衡方程,在计算土壤水分时考虑了灌溉活动的影响,能够更准确地反映土壤水分的实际变化,提高了对农田土壤短期及干湿动态变化的敏感性,使监测干旱条件变化的全过程更符合实际情况,提高了干旱评价及预测的准确性,弥补了以往的农业干旱指数评价模型应用于强人类活动地区效果较差的不足,使其更加适用于灌溉农作区,对农业干旱评价、监测和预警等实践应用具有现实意义。
附图说明
图1为本发明实施例基于改进CMI指数的农业干旱评估方法的流程图;
图2为本发明实施例灌溉模块运行流程及与土壤水量平衡模块关系图;
图3为本发明实施例海河流域气象站的分布图;
图4为基于改进前后的土壤水量平衡方程模拟栾城站2007年4月-2012年10月土壤湿度结果对比;
图5为2002年栾城站的两种CMI指数的时间序列对比;
图6为采用本发明实施例海河流域2002年夏秋季干旱空间分布(改进CMI指数);
图7为采用现有技术的海河流域2002年夏秋季干旱空间分布(CMI指数)。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
如图1所示,本发明实施例提供一种基于改进CMI指数的农业干旱评估方法,
包括如下步骤:
步骤S1:构建基础数据信息库。基础数据信息库包括气象站点分布图、气象观测数据、气象站点所在地区的土壤特性信息、作物参数信息、灌溉制度信息、以及灌溉相关信息,其中灌溉相关信息包括地区历年实际灌溉用水量、实际灌溉面积信息、灌溉水有效利用系数等。
基础数据信息库构建包括以下内容:
(1)收集研究区气象站点信息,包括气象站的经纬度坐标、海拔高程等;
(2)收集长系列气象观测数据,包括降水、日照时数、辐射、风速、相对湿度、平均气温、最高气温和最低气温等;
(3)收集土壤特性信息,包括气象站点所在地区的土壤厚度、粒径组成、田间持水率、凋萎系数等;
(4)收集作物特性信息,包括气象站点所在地区的主要种植作物类型、种植日期、收获日期、各生育期的开始和结束日期以及各生育期的作物系数;
(5)收集灌溉制度信息,包括作物灌溉定额、灌溉时间、灌溉次数、单次灌水量等;
(6)收集灌溉相关信息,包括地区历年实际灌溉用水量、实际灌溉面积信息、灌溉水有效利用系数等步骤S2:改进土壤水量平衡方程。所述土壤水量平衡方程的改进包括两项内容,一是蒸散发计算考虑作物系数;二是添加灌溉参数。
所述步骤S2具体包括:
(1)蒸散发计算考虑作物系数
调用构建的基础数据信息库,获取作物系数K c ,计算农田作物在不同生育期的作物潜在蒸散值ET c ,取代原CMI指数中的潜在蒸散量PE。并且,采用FAO提供的Penman-Monteith公式计算潜在蒸散发,不再采用Thornthwaite公式。计算公式如下:
式中,ET c 表示计算时段内的作物潜在蒸散值,mm;PE表示计算时段内潜在蒸散发量,也即是参考作物腾发量,mm;K c 表示作物系数。
(2)对土壤失水公式和蒸散发公式添加灌溉参数
涉及修改的计算公式包括上层土壤失水量Ls计算公式、下层土壤失水量Lu计算公式和实际蒸散发ET计算公式。修改后的计算公式如下:
其中,P表示降水量,mm;I表示灌溉量,mm;PSs、PSu分别表示土壤上层和下层的初始含水量,mm;AWC表示土壤有效含水量(mm),由当前土壤含水量减去凋萎含水量获得;R、RO分别表示土壤补水量(mm)和径流量(mm),其表达式如下:
其中,Ss、Su分别表示时段末的土壤上层和下层含水量(mm)。
用Fortran语言在Windows平台应用程序开发环境Visual Studio 2012中,根据公式(1)-(8)采用编译计算程序,设计土壤水量平衡模块。
步骤S3:灌溉设计。设定灌溉启动阈值,采用步骤S2改进的土壤水量平衡方程计算每周的土壤水亏缺情况,再根据灌溉定额、单次灌水量等灌溉制度信息,将单位面积灌溉用水量进行年内分配。
所述步骤S3具体包括:
(1)确定单位面积灌溉用水量:
调用构建的基础数据信息库,获取历年的实际灌溉用水量、灌溉面积、灌溉水有效利用系数等数据,计算单位面积灌溉用水量;
(2)设定灌溉启动阈值:
灌溉启动阈值是保证作物正常生长所需的最低土壤水分含量与田间持水量的比值,用于判定灌溉发生的临界条件,灌溉启动阈值根据作物生长对土壤水分的要求设定,仅当土壤含水量低于阈值时,才启动灌溉,对某个指定的生育期(共m周),则第j周(j=1,2,…,m)的单次灌水量表示为
其中,m为某个指定的生育期的周数,j表示作物生育期的第j周;I j 表示第j周的单次灌水量,mm;T表示灌溉启动阈值,mm;SW j 表示第j周的初始土壤含水量,mm;FC表示土壤田间持水量,mm;Iq表示作物生育期内的灌水定额,mm; W irr 表示单位面积灌溉用水量,mm;D j 表示第j周的土壤水分亏缺(mm),表达式如下:
(3)设计灌溉计算方法
用Fortran语言在Windows平台应用程序开发环境Visual Studio 2012中设计灌溉计算程序,根据灌溉启动阈值、土壤水分亏缺状态、灌溉时间、单次灌水定额以及灌溉次数,将单位面积灌溉用水量分配到作物各生育期,程序运行流程(图2)如下:
1)灌溉期识别
首先通过调用基础数据信息库中的灌溉制度信息,识别当前计算时段是否位于灌溉期内,如果不在灌溉期,则本计算时段不发生灌溉,程序将信息返回土壤水量平衡模块;如果位于灌溉期,则程序进入灌溉启动阈值识别流程;
2)灌溉启动阈值识别
通过水量平衡模型计算结果,计算土壤含水量与田间持水量的比值,如果比值高于灌溉启动阈值,则本计算时段不发生灌溉,程序将信息返回土壤水量平衡模块;如果低于灌溉启动阈值,则程序进入生育期灌水次数识别流程;
3)生育期灌水次数识别
如果本次灌溉次数高于该生育期灌水总次数,则本计算时段不发生灌溉,程序将信息返回土壤水量平衡模块;如果不高于该生育期灌水总次数,则程序进入作物灌水总次数识别流程;
4)作物灌水总次数识别
如果本次灌溉次数高于作物灌溉总次数,则本计算时段不发生灌溉,程序将信息返回土壤水量平衡模块;如果不高于作物灌溉总次数,启动灌溉,本计算时段的灌水量等于单位面积灌溉用水量减去历次灌水累计量,之后,程序进入土壤水分亏缺识别流程;
5)灌溉量计算
根据水量平衡模型计算结果,计算土壤水分亏缺量D,如果土壤水分亏缺量高于作物灌水定额Iq,启动灌溉,本计算时段的灌水量等于作物灌水定额,程序将信息返回土壤水量平衡模块;如果土壤水分亏缺量低于作物灌水定额,启动灌溉,本计算时段的灌水量等于土壤水分亏缺量,程序将信息返回土壤水量平衡模块。本次灌溉计算流程结束。
步骤S4:CMI干旱评估模型构建。基于构建的基础数据信息库和改进的土壤水平衡方程,在土壤水量平衡计算的基础上,计算蒸散发异常指数,再根据CMI指数的相关计算公式,计算超湿指数,最终构建CMI干旱评估模型。
所述步骤S4中各指数计算过程如下:
(1)蒸散发异常指数计算
根据CMI指数原理,蒸散发异常指数计算的相关公式如下:
其中,α j 表示第j周的蒸散发系数; QUOTE 、 QUOTE 分别表示第j周的实际蒸散发和潜在蒸散发的期望值(mm),通过计算其多年平均值求得;CET j 表示第j周的期望蒸散发量;DE j 表示第j周的蒸散发异常值。
(2)超湿指数计算
根据作物水分指数原理,超湿指数计算的相关公式如下:
其中,G j 表示第j周的超湿指数;H j 表示第j周的回归因子;R j 和RO j 分别表示第j周的土壤补水量和径流量,单位为mm。
(3)作物水分指数计算
根据作物水分指数原理,作物水分指数为蒸散发异常指数与超湿指数之和,表达式如下:
其中,CMI j 表示第j周的作物水分指数。
组合公式(1)-(19),最终构建CMI干旱评估模型。
步骤S5:农业干旱评估。采用构建的CMI干旱评估模型估算作物水分指数值,对照CMI干旱等级划分标准,实现对区域历史及当前旱情的评估。
所述步骤S5具体包括:用Fortran语言在Windows平台应用程序开发环境VisualStudio 2012中,设计程序实现土壤水量平衡模块与灌溉模块的信息交互,完成涵盖公式(1)-(19)的CMI干旱评估模型计算程序后,对研究区各气象站点的作物水分指数值进行计算,对照CMI干旱等级划分标准,实现对研究区历史及当前旱情的评估。
下面结合具体的模型应用实例对本发明的有益效果进行说明:
1、研究区概况
本次以海河流域为案例进行说明。海河流域平原区地处华北平原的北部,地处东经113°27′~119°50′,北纬36°05′~42°40′之间,平均海拔约200m。西以太行山脉接界,北以燕山山脉接界,东北与辽河流域接界,南界黄河,东临渤海。燕山山脉和太行山山脉从东北至西南,形成一道高耸的屏障,环抱着海河平原。山地与平原几成直接相交,丘陵过渡地区甚短。平原的地势,由西南、西、北三个方面向渤海倾斜,按其成因大致可分为山前平原,中部平原和滨海平原。平原面积12.7万km2,约占海河流域总面积的40%。海河流域地跨8省(市、自治区),包括、北京、天津两市,河北省中南部,山东、河南两省北部,包括海河、滦河、徒骇-马颊河等水系。
海河流域平原地区人口稠密,经济发达,农业开垦历史悠久,耕地面积在1.5亿亩
以上,占全国耕地的10%,是中国小麦、玉米等粮食作物种植面积最大的农业区。种植形式为
冬小麦夏玉米一年两熟,一般情况下,小麦于10月初播种,次年6月上旬收获,玉米于6月
中下旬播种,当年9月下旬收获。其中小麦整个生长发育期需要灌溉4-5次,玉米整个生长发
育期需要灌溉2-3次,耗水量较大。但是,由于受大陆性季风气候影响,该地区降水量并不充
沛,年降水量为仅400~900mm,北部一带降水量最少,平均500~600mm。且年际变化甚大,时
空分布不均。夏季降雨量较大,为全年的2/3,春季正处于冬小麦生长关键期,降水量还不到
100mm,远不足小麦生长所需水分量,干旱灾害频发,又以春旱频率最高。所以农业灌溉成为
了保证作物正常生长发育用水,达到粮食稳产的目的的必不可缺少的措施。
2、基础数据信息库构建
模型构建所需要的数据有气象站及气象观测数据、土壤信息数据、作物信息数据、灌溉制度数据、灌溉用水数据、历史灾情统计数据等。
(1)收集海河流域气象站点分布图,见图3所示;
(2)从中国气象科学数据共享服务网(http://data.cma.cn/)收集长系列气象观测数据,包括海河流域内及邻近的48个气象站的1990~2012年气象数据,包括日降水量、日最高及最低气温、相对湿度、日照时数风速等气象要素;
(3)通过查询中国土壤数据库(http://vdb3.soil.csdb.cn/)获取土壤厚度、粒径组成等主要参数,应用SPAW模型计算并获得田间持水率、凋萎系数等土壤参数;
(4)通过查询相关文献收集作物参数信息,包括气象站点所在地区的主要种植作物类型、种植制度,各生育期的作物系数等内容(表1);
(5)收集灌溉制度信息,包括作物灌溉定额、灌溉时间、灌溉次数、单次灌水量等(表2);
(6)收集地区历年实际灌溉用水量、实际灌溉面积信息、灌溉水有效利用系数等。
表1
表2
3、土壤水平衡方程校验
利用河北省栾城地区2007-2012年的逐日气象资料和灌溉资料模拟农田土壤湿度变化情况,用以校验改进的土壤水平衡方程。
通过将计算的农田土壤干湿情况与实测作对比,和农业干旱发生的实际情况做相应对比。结果见图4所示。模拟结果表明,改进后的土壤水平衡方程更能准确地反映土壤水分实际变化,提高了对短期农田土壤干湿动态变化的敏感度,可以农业旱情评估更为符合实际情况。
4、干旱评价效果对比分析
利用上述建立的CMI模型,首先完整模拟1990-2013年期间海河流域的干湿更替过程。在此基础上,选取具有历史记录的一次代表性干旱过程(2002年),计算了2002年期间海河流域农业旱情发生、发展直至结束的全过程,对比前进前后两种CMI指数的评价结果。模型输出为CMI指标表示的旱情等级分布图,时间尺度为周。
参照CMI指数的干旱等级表(表3),以栾城站为代表(图5),验证两个CMI指标的评价效果。根据历史记录,2002年7月山东中部发生夏秋干旱,8 - 9月由东南向西北迅速蔓延至河南、北京、天津以及河北东南部和东部,12月结束。历史记录显示,2002年7月和9月,由于山西中部和河北西部的及时降雨,土壤相对湿度变化范围在60%-70%之间。而在8月份,由于降雨量少,冀西地区土壤含水量有所下降。河北省西部7 - 9月为正常到湿润级别。由图5(1)可知,改进的CMI评价结果与历史记录较为接近,而CMI指数呈现出由正常向轻度干旱级别转化,显示出了干旱的发生和恶化的渐变过程。此外,历史记录显示,2002年10 - 12月,河北省中西部地区土壤相对湿度在60% ~ 70%之间变化,属于正常或偏湿等级。栾城站10月初和12月有两次灌溉,改进的CMI指数显示为正常或偏湿润等级,而CMI显示为轻度干旱等级。可见,改进的CMI指数对农业干旱评价效果更好。
两种CMI指数的海河流域2002年农业干旱分布空间对比见图6-图7所示。根据农业灾害旬报,2002年7-8月,华北地区降水偏少、气温偏高,旱情迅速加重,由东南向西北扩展至河北、河南等地。改进的CMI指数显示,8月份河北省东南部和山东省北部出现中度干旱,并在9月-10月持续。而CMI指数显示,河北省东北部8月份是中度、甚至重度干旱,并且在10月份,山东河北地区还出现了极端干旱,这与实际情况不符。根据实测资料,11-12月,河北、山东大部分地区土壤含水量变化在60% ~ 70%之间,属于轻度湿润或正常范畴。改进的CMI指数显示12月份干旱明显减弱,与历史记录比较接近,CMI指数显示12月份整个海河流域地区仍存在干旱,与实际情况存在差别。
通过两种CMI指数的比较可以看出,改进的CMI指数的农业干旱评价结果与文献记载的实际情况更为相符。
表3
本发明提供一种基于改进CMI指数的农业干旱评估方法,针对CMI指数在农业灌溉活动频繁的地区干旱评价准确性较弱的不足,基于人类世干旱的概念和CMI指数构建原理,采用结合当地灌溉制度的灌溉启动阈值法对CMI指数中的水平衡模型进行改进,建立了一个考虑灌溉过程的农业干旱指数来评估灌溉农作区的干旱情况。本发明综合气象信息和农业灌溉活动对干旱发展进行动态评价,提高了农业干旱评价的准确性和监测的时效性,在高频度灌溉农作区的干旱评估具有优势,从而为深入了解强人类活动影响下的农业干旱机制,指导大型农作区的干旱风险管理及防御具有重要意义。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种基于改进作物水分指数的农业干旱评估方法,其特征在于,包括如下步骤:
步骤S1、构建基础数据信息库,所述基础数据信息库包括研究区气象站点信息、气象观测数据、气象站点所在地区的土壤特性信息、作物特性信息、灌溉制度信息、及灌溉相关信息;
步骤S2、改进土壤水量平衡方程,所述土壤水量平衡方程的改进包括蒸散发计算考虑作物系数和对土壤失水计算公式和蒸散发计算公式添加灌溉参数;
步骤S3、设定灌溉启动阈值,采用步骤S2改进的土壤水量平衡方程计算每周的土壤水亏缺情况,再根据灌溉制度信息,将单位面积灌溉用水量进行年内分配;
步骤S4、基于构建的基础数据信息库和改进的土壤水平衡方程,在土壤水量平衡计算的基础上,计算蒸散发异常指数,再根据作物水分指数的相关计算公式,计算超湿指数,最终构建作物水分指数干旱评估模型;
步骤S5、采用构建的作物水分指数干旱评估模型估算作物水分指数值,对照作物水分指数干旱等级划分标准,对区域历史及当前旱情进行评估;
所述步骤S1构建基础数据信息库包括:
收集研究区气象站点信息,包括气象站的经纬度坐标、海拔高程;
收集气象观测数据,包括降水、日照时数、辐射、风速、相对湿度、平均气温、最高气温和最低气温;
收集气象站点所在地区的土壤特性信息,包括土壤厚度、粒径组成、田间持水率、凋萎系数;
收集作物特性信息,包括气象站点所在地区的主要种植作物类型、种植日期、收获日期、各生育期的开始和结束日期以及各生育期的作物系数;
收集灌溉制度信息,包括作物灌溉定额、灌溉时间、灌溉次数、单次灌水量;
收集灌溉相关信息,包括地区历年实际灌溉用水量、实际灌溉面积信息、灌溉水有效利用系数
所述步骤S2中蒸散发计算考虑作物系数具体为:
调用构建的基础数据信息库,获取作物系数K c ,计算农田作物在不同生育期的作物潜在蒸散值ET c ,取代原作物水分指数中的潜在蒸散量PE,且采用FAO提供的Penman-Monteith公式计算潜在蒸散发,计算公式如下:
式中,ET c 表示计算时段内的作物潜在蒸散值,单位为mm;PE表示计算时段内潜在蒸散发量,也即是参考作物腾发量,单位为mm;K c 表示作物系数;
所述步骤S2中对土壤失水计算公式和蒸散发计算公式添加灌溉参数具体为:
所述添加灌溉参数的计算公式包括上层土壤失水量Ls计算公式、下层土壤失水量Lu计算公式和实际蒸散发ET计算公式,修改后的计算公式如下:
其中,P表示降水量,单位为mm;I表示灌溉量,单位为mm;PSs、PSu分别表示土壤上层和下层的初始含水量,单位为mm;AWC表示土壤有效含水量,单位为mm,由当前土壤含水量减去凋萎含水量获得;R、RO分别表示土壤补水量和径流量,单位为mm,R、RO的表达式如下:
其中,Ss、Su分别表示时段末的土壤上层和下层含水量;
所述步骤S3包括:
调用构建的基础数据信息库,获取历年的实际灌溉用水量、灌溉面积、灌溉水有效利用系数,计算单位面积灌溉用水量;
灌溉启动阈值是保证作物正常生长所需的最低土壤水分含量与田间持水量的比值,用于判定灌溉发生的临界条件,灌溉启动阈值根据作物生长对土壤水分的要求设定,仅当土壤含水量低于阈值时,才启动灌溉,对某个指定的生育期,则第j周的单次灌水量表示为:
其中,m为某个指定的生育期的周数,j表示作物生育期的第j周,j=1,2,…,m;I j 表示第j周的单次灌水量,单位为mm;T表示灌溉启动阈值,单位为mm;SW j 表示第j周的初始土壤含水量,单位为mm;FC表示土壤田间持水量,单位为mm;Iq表示作物生育期内的灌水定额,单位为mm; W irr 表示单位面积灌溉用水量,单位为mm;D j 表示第j周的土壤水分亏缺,单位为mm,表达式如下:
根据灌溉启动阈值、土壤水分亏缺状态、灌溉时间、单次灌水定额以及灌溉次数,将单位面积灌溉用水量分配到作物各生育期,计算流程如下:
首先根据基础数据信息库中的灌溉制度信息,识别当前计算时段是否位于灌溉期内,如果不在灌溉期,则本计算时段不发生灌溉,返回土壤水量平衡计算流程,继续进行土壤水文过程计算;如果位于灌溉期,则程序进入灌溉启动阈值识别流程;
通过土壤水量平衡计算结果,计算土壤含水量与田间持水量的比值,如果比值未达到灌溉启动阈值,则本计算时段不发生灌溉,返回土壤水量平衡计算流程,继续进行土壤水文过程计算;如果达到灌溉启动阈值,则进入生育期灌水次数识别流程;
如果本次灌溉次数未达到该生育期灌水总次数,则本计算时段不发生灌溉,返回土壤水量平衡计算流程,继续进行土壤水文过程计算;如果达到该生育期灌水总次数,则进入作物灌水总次数识别流程;
如果本次灌溉次数达到作物灌溉总次数,则启动灌溉,本计算时段的灌水量等于单位面积灌溉用水量减去历次灌水累计量,程序将信息返回土壤水量平衡模块,如果本次灌溉次数未达到作物灌溉总次数,程序进入灌溉量计算流程;
根据水量平衡计算结果,计算土壤水分亏缺量D,如果土壤水分亏缺量高于作物灌水定额Iq,启动灌溉,本计算时段的灌水量等于作物灌水定额,返回土壤水量平衡计算流程,继续进行土壤水文过程计算;如果土壤水分亏缺量低于作物灌水定额,启动灌溉,本计算时段的灌水量等于土壤水分亏缺量,返回土壤水量平衡计算流程,继续进行土壤水文过程计算;
所述步骤S4中蒸散发异常指数的计算公式如下:
超湿指数计算的相关公式如下:
其中,G j 表示第j周的超湿指数;H j 表示第j周的回归因子;R j 和RO j 分别表示第j周的土壤补水量和径流量,单位为mm;
作物水分指数为蒸散发异常指数与超湿指数之和,表达式如下:
其中,CMI j 表示第j周的作物水分指数,
组合公式(1)-(19),最终构建CMI干旱评估模型。
2.根据权利要求1所述一种基于改进作物水分指数的农业干旱评估方法,其特征在于,所述步骤S5具体包括:在Windows平台应用程序开发环境Visual Studio中根据公式(1)-(19)编译作物水分指数干旱评估模型的计算程序,对研究区各气象站点的作物水分指数值进行计算,对照作物水分指数干旱等级划分标准,实现对研究区历史及当前旱情的评估。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111393790.0A CN113837666B (zh) | 2021-11-23 | 2021-11-23 | 一种基于改进作物水分指数的农业干旱评估方法 |
US17/992,996 US20230162296A1 (en) | 2021-11-23 | 2022-11-23 | Method for evaluating agricultural drought based on improved crop moisture index (cmi) |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111393790.0A CN113837666B (zh) | 2021-11-23 | 2021-11-23 | 一种基于改进作物水分指数的农业干旱评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837666A CN113837666A (zh) | 2021-12-24 |
CN113837666B true CN113837666B (zh) | 2022-02-11 |
Family
ID=78971634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111393790.0A Active CN113837666B (zh) | 2021-11-23 | 2021-11-23 | 一种基于改进作物水分指数的农业干旱评估方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230162296A1 (zh) |
CN (1) | CN113837666B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4138026A1 (en) * | 2021-08-16 | 2023-02-22 | Tata Consultancy Services Limited | Systems and methods for detecting disguised non-performing assets (npas) and predicting potential npas in agriculture |
CN115376016B (zh) * | 2022-08-16 | 2023-04-11 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法 |
CN116384591B (zh) * | 2023-05-23 | 2023-08-29 | 中国水利水电科学研究院 | 一种基于大数据的旱情预测方法、系统和介质 |
CN116868746B (zh) * | 2023-09-07 | 2023-12-15 | 中国农业科学院农田灌溉研究所 | 基于数据分析的智能灌溉施肥控制系统 |
CN117435849B (zh) * | 2023-12-15 | 2024-03-29 | 华中科技大学 | 一种农业干旱监测方法、系统、设备及存储介质 |
CN117421686B (zh) * | 2023-12-18 | 2024-03-05 | 山东金诺种业有限公司 | 一种水肥一体化灌溉用量数据收集方法 |
CN117828906B (zh) * | 2024-03-05 | 2024-05-17 | 长江水利委员会长江科学院 | 基于作物生长模型的干旱传递过程模拟方法、系统及介质 |
CN117992725B (zh) * | 2024-04-03 | 2024-06-11 | 南京大学 | 一种全球草地土壤水分阈值计算方法 |
Citations (5)
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 |
CN110458335A (zh) * | 2019-07-23 | 2019-11-15 | 华北水利水电大学 | 基于动态干旱预测的适应性节水灌溉方法 |
CN112906477A (zh) * | 2021-01-21 | 2021-06-04 | 中国农业科学院农田灌溉研究所 | 一种基于无人机光谱数据的灌溉处方图反演方法 |
CN112990615A (zh) * | 2021-05-24 | 2021-06-18 | 长江水利委员会长江科学院 | 干旱预警方法、装置、计算机设备和存储介质 |
CN113407897A (zh) * | 2021-08-18 | 2021-09-17 | 长江水利委员会长江科学院 | 基于多源互济供水模式的分布式水循环模型的设计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030126155A1 (en) * | 2001-12-28 | 2003-07-03 | Parker Daniel J. | Method and apparatus for generating a weather index |
US20060287896A1 (en) * | 2005-06-16 | 2006-12-21 | Deere & Company, A Delaware Corporation | Method for providing crop insurance for a crop associated with a defined attribute |
CN112837169B (zh) * | 2021-01-11 | 2024-06-04 | 黄河勘测规划设计研究院有限公司 | 一种干旱过程网格化旱情综合监测、预警与评估方法 |
-
2021
- 2021-11-23 CN CN202111393790.0A patent/CN113837666B/zh active Active
-
2022
- 2022-11-23 US US17/992,996 patent/US20230162296A1/en active Pending
Patent Citations (5)
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 |
CN110458335A (zh) * | 2019-07-23 | 2019-11-15 | 华北水利水电大学 | 基于动态干旱预测的适应性节水灌溉方法 |
CN112906477A (zh) * | 2021-01-21 | 2021-06-04 | 中国农业科学院农田灌溉研究所 | 一种基于无人机光谱数据的灌溉处方图反演方法 |
CN112990615A (zh) * | 2021-05-24 | 2021-06-18 | 长江水利委员会长江科学院 | 干旱预警方法、装置、计算机设备和存储介质 |
CN113407897A (zh) * | 2021-08-18 | 2021-09-17 | 长江水利委员会长江科学院 | 基于多源互济供水模式的分布式水循环模型的设计方法 |
Non-Patent Citations (3)
Title |
---|
"Development of Integrated Crop Drought Index by Combining Rainfall, Land Surface Temperature,vapotranspiration,Soil Moisture, and Vegetation Index for Agricultural Drought Monitoring";Soo-Jin Lee 等;《remote sensing》;20210502;全文 * |
"基于两种潜在蒸散发算法的SPEI对中国干湿变化的分析";刘珂 等;《大气科学》;20150131;第39卷(第1期);全文 * |
"基于植被遥感信息的作物蒸散量估算模型——以华北平原冬小麦为例";吴喜芳 等;《中国生态农业学报》;20140831;第22卷(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113837666A (zh) | 2021-12-24 |
US20230162296A1 (en) | 2023-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113837666B (zh) | 一种基于改进作物水分指数的农业干旱评估方法 | |
Pook et al. | The autumn break for cropping in southeast Australia: trends, synoptic influences and impacts on wheat yield | |
Nyakudya et al. | Water management options based on rainfall analysis for rainfed maize (Zea mays L.) production in Rushinga district, Zimbabwe | |
Ozkan et al. | Impacts of climate factors on yields for selected crops in the Southern Turkey | |
Gelcer et al. | Effects of El Niño Southern Oscillation on the space–time variability of Agricultural Reference Index for Drought in midlatitudes | |
Sadeghi et al. | Regional classification for dryland agriculture in southern Iran | |
CN112837169A (zh) | 一种干旱过程网格化旱情综合监测、预警与评估方法 | |
Wilhelmi et al. | Spatial representation of agroclimatology in a study of agricultural drought | |
Dilley | Climatic factors affecting annual maize yields in the valley of Oaxaca, Mexico | |
Cayuela et al. | An ICT-based decision support system for precision irrigation management in outdoor orange and greenhouse tomato crops | |
CN113269450B (zh) | 一种县级尺度农作物资源利用与环境效应评估方法与系统 | |
Wight et al. | Using weather records with a forge production model to forecast range forage production. | |
Molua et al. | Global climate change and vulnerability of African agriculture: implications for resilience and sustained productive capacity | |
Han et al. | Application of water-stress models to estimate the herbage dry matter yield of a permanent grassland pasture sward regrowth | |
CN110956322B (zh) | 气候变暖趋势下的夏玉米花期高温灾害风险预测方法 | |
Yan et al. | Estimation of agricultural water productivity and application | |
Shugaba et al. | Effect of Precipitation Effectiveness Indices on the Yield of Millet (Pennisetum Typhoideum) in the Sudan Savanna Zone, Jigawa State, Nigeria | |
Lin et al. | Application of Soil and Water Assessment Tool (SWAT) to evaluate the fates of nitrogenous fertilizer in subtropical mountainous watershed tea farms | |
Gupta et al. | Determination of crop evapotranspiration and partitioning of bare soil evaporation of mustard using weighing type field lysimeters | |
Yildiz et al. | Forecasting of winter wheat yield for Turkey using water balance model | |
CN115033833B (zh) | 一种农业灌溉用水定额计算系统 | |
Bhandari et al. | Study of agricultural drought and its impact on rice yield in Rupandehi district, west Nepal | |
Moktan et al. | Study of drought characteristics in Ken river basin in Bundelkhand region in India | |
Popov | Crop monitoring and forecasting | |
Pereira et al. | Water requirement and crop coefficient of sugarcane cultivated in Nicaragua |
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 |