CN114092807A - 一种基于时段累计蒸散发的实际灌溉面积识别方法 - Google Patents
一种基于时段累计蒸散发的实际灌溉面积识别方法 Download PDFInfo
- Publication number
- CN114092807A CN114092807A CN202111339877.XA CN202111339877A CN114092807A CN 114092807 A CN114092807 A CN 114092807A CN 202111339877 A CN202111339877 A CN 202111339877A CN 114092807 A CN114092807 A CN 114092807A
- Authority
- CN
- China
- Prior art keywords
- irrigation
- evapotranspiration
- accumulated
- pixels
- actual
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于时段累计蒸散发的实际灌溉面积识别方法,步骤1、计算农田范围内像元逐日灌溉蒸散发量;步骤2、分析不同时长的累计灌溉蒸散发量概率分布直方图,确定灌溉识别的最短时长窗口T*;步骤3、利用T*对应的时段累计灌溉蒸散发量概率分布直方图,分析确定灌溉与非灌溉像元的阈值ET*;步骤4、用选定的阈值ET*对按T*时长累加的灌溉蒸散发数据进行划分,累计灌溉蒸散发量大于ET*的像元为灌溉像元,否则为非灌溉像元;步骤5、当时长窗口T大于T*时,重复步骤3、4,得到T时长内的实际灌溉面积。本发明提供高植被覆盖和降水影响实际灌溉面积影响识别精度,给出确定基于蒸散发量识别灌溉面积的最短时长窗口的方法。
Description
技术领域
本发明涉及农业实际灌溉面积识别技术领域,特别涉及一种基于时段累计蒸散发的实际灌溉面积识别方法。
背景技术
在全球气候变化和社会经济发展的双重影响下,水资源短缺问题日益凸显,成为社会经济可持续发展的主要瓶颈之一。农业用水占我国用水总量的62%,灌溉用水占农业用水的90%以上。实际灌溉面积是农业用水统计和现代农业管理的重要支撑信息,对监测灌区灌溉系统、优化灌区水资源利用、预防干旱、优化作物种植结构和水资源调控配置都具有重要意义。传统的灌溉面积监测方法存在着信息获取困难,监测站点少获取信息不全面,费时耗力,更新时间长,不能按灌溉轮次及时提供灌溉面积数据的问题,不能满足现代化农业灌区管理所需的数据支撑。卫星遥感技术作为地球信息科学的前沿技术,被认为是现阶段最有效的对地观测技术以及最全面的获取地面信息的手段之一。具有监测覆盖范围广、时效性高、数据客观、经济效益高等优势。应用遥感数据进行灌溉面积识别可以改善识别的时效性和可获取性。
现行的基于遥感技术的灌溉面积识别方法大体可以分为两类,一类是基于遥感种植结构的灌溉面积识别方法,一类是基于遥感土壤含水量的灌溉面积识别方法。前者是基于种植结构与灌溉的相关性进行分析识别。适用于特定的气候条件(干旱条件),主要田间水分补给由灌溉提供的区域,通过结合种植结构与作物长势进行分析可以得到精度较高的的实际灌溉面积识别结果,但是时效性较差,不能分析出灌溉的灌次。
基于遥感土壤含水量的灌溉面积识别方法,是基于土壤含水量变化对灌溉的响应。虽然土壤含水量变化对灌溉的响应过程迅速、精度较高,但是响应过程容易受到其它水分补充(如降水)的影响,且土壤含水量反演精度受到植被生长的影响。这些因素都影响了基于土壤含水量变化识别灌溉面积的方法的精度。
蒸散发是全球水循环中的重要环节,区域的大部分水资源都会通过蒸散发消耗进入大气。对于农田水量平衡,大部分农田的补充水量都会以蒸散发的形式消耗。故在农业节水管理中蒸散发通常被认为是重要的管理支撑数据。遥感技术的发展使得利用遥感数据反演区域蒸散发量得以实现,估算的区域蒸散发量通常被认为是作物的耗水量(需水量),被用于推算灌溉需水量、评价灌溉效率和作物水分监测与估产。蒸散发在农田节水管理中的应用都基于蒸散发对灌溉有较为显著的响应过程。蒸散发对灌溉的响应有潜力应用于实际灌溉面积识别。
发明内容
本发明针对现有技术的缺陷,提供了一种实际灌溉面积识别方法。对灌溉引起的田间实际蒸散发进行时段累加,根据区域灌溉蒸散发累加结果的概率分布直方图体现的聚类特征,获得灌溉识别的最短时长窗口。通过对最短时长窗口对应的累计灌溉蒸散发概率分布直方图的聚类特征分析,得到灌溉与未灌溉的判别阈值,使用该阈值识别可判别最短时长窗口期内农田区域的实际灌溉面积与空间分布。类似的,可用本方法判别任何大于最短时长窗口期的农田实际灌溉面积与空间分布。
为了实现以上发明目的,本发明采取的技术方案如下:
一种基于时段累计蒸散发的实际灌溉面积识别方法,包括以下步骤:
步骤1、利用遥感影像反演得到农田范围内像元逐日总蒸散发量。将站点实测日降水量插值匹配到蒸散发像元网格,得到像元网格日降水量,再计算由降水产生的像元逐日蒸散发量即有效降水。从农田逐像元总蒸散发中扣除由降水产生的蒸散发量,得到农田灌溉产生的蒸散发量。
步骤2、自小向大设定不同时长T,分析不同时长窗口下,像元灌溉蒸散发累加结果的概率分布直方图。随着时长T的增大,当灌溉蒸散发量的概率直方图表现为两个聚类时,选定该时长T*为灌溉识别的最短时长窗口。
步骤3、在T*对应的时段累计灌溉蒸散发量概率分布直方图中,选取两个聚类分界点对应的累计灌溉蒸散发量ET*,作为判别灌溉与非灌溉像元的阈值。
步骤4、用选定的阈值ET*对按T*时长累加的灌溉蒸散发数据进行划分,累计灌溉蒸散发量大于ET*的像元为灌溉像元,否则为非灌溉像元。灌溉像元的面积总和为T*时长内的实际灌溉面积。
步骤5、当时长窗口T大于T*时,可重复步骤3,得到T对应的灌溉判别阈值ET*。重复步骤4,得到T时长内的实际灌溉面积。
进一步地,所述步骤1包括以下子步骤:
步骤11、利用卫星遥感影像,反演得到农田范围内的像元逐日总蒸散发量;
步骤12、将农田区域的雨量站实测日降水量进行空间插值,得到与步骤11蒸散发像元网格匹配的网格日降水量,再选取适合当地农田的有效降水计算公式,计算有降水产生的像元逐日蒸散发量;
步骤13、从农田像元逐日总蒸散发量中扣除降水产生的蒸散发量,得到农田像元逐日灌溉产生的蒸散发量。
进一步地,所述步骤2包括以下子步骤:
步骤21、设定时长T为1、2、3至n日,对步骤13得到逐日灌溉蒸散发量,分别进行T时长的累加,对每个T时长对应的累计蒸散发量ET,统计得到像元累计蒸散发量的概率直方图。
步骤22、对比T为1、2、3至n日的累计蒸散发量概率直方图,当随着T的增大,概率直方图变为两个聚类时,T为灌溉识别的最短时间窗口T*。
进一步地,所述步骤3包括以下子步骤:
步骤31、基于步骤22得到的最短时间窗口T*,选取对应的累计蒸散发概率直方图,用来分析判别像元是否灌溉的阈值;
步骤32、在步骤31选定的概率直方图中,选取两个聚类之间的波谷,波谷处对应的蒸散发量为判别像元是否灌溉的阈值ET*。
进一步地,所述步骤4包括以下子步骤:
步骤41、利用步骤32中选定的阈值ET*,对农田区域按T时长累加的灌溉蒸散发量进行判别,当像元的累计灌溉蒸散发量大于ET*时,判定像元在T时长中有灌溉,否则,无灌溉;
步骤42、对步骤41识别的灌溉像元进行统计分析,可得到该农田区域在T时段内的实际灌溉面积及空间分布。
进一步地,所述步骤5包括以下子步骤:
步骤51、当时长窗口T大于T*时,重复步骤31、32,得到T时长对应的灌溉判别阈值ET*;
步骤52、重复步骤41、42,可得到该农田区域在T时段内的实际灌溉面积及空间分布。
与现有技术相比,本发明的优点在于:
1、利用遥感反演的农田蒸散发来识别像元灌溉情况,可以考虑作物生长的影响,结果受植被覆盖的影响较小,在植被茂密的时期也能保证较好的识别精度;
2、利用蒸散发量的时空可累加性,可结合区域特点选取有效降水的计算方法,通过有效降水的扣除,解决降水影响识别精度的问题。
3、本发明给出了利用累计蒸散发量可识别像元是否灌溉的最短时长窗口的分析方法。
附图说明
图1是本发明实施例区域农田实际灌溉面积识别的流程图;
图2a是本发明实施例区域灌溉蒸散发空间分布计算结果示意图之一;
图2b是本发明实施例区域灌溉蒸散发空间分布计算结果示意图之二;
图3a是本发明实施例区域时段累计5日灌溉蒸散发量概率分布直方图;
图3b是本发明实施例区域时段累计10日灌溉蒸散发量概率分布直方图;
图3c是本发明实施例区域时段累计15日灌溉蒸散发量概率分布直方图;
图3d是本发明实施例区域时段累计20日灌溉蒸散发量概率分布直方图;
图3e是本发明实施例区域时段累计25日灌溉蒸散发量概率分布直方图;
图3f是本发明实施例区域时段累计30日灌溉蒸散发量概率分布直方图;
图4是本发明实施例区域灌溉识别结果空间分布图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下根据附图并列举实施例,对本发明做进一步详细说明。
如图1所示,一种基于时段累计蒸散发的实际灌溉面积识别方法,包括以下步骤:
步骤1、利用遥感影像反演得到农田范围内像元逐日总蒸散发量。将站点实测日降水量插值匹配到蒸散发像元网格,得到像元网格日降水量,再计算由降水产生的像元逐日蒸散发量。从农田逐像元总蒸散发中扣除由降水产生的蒸散发量,得到农田灌溉产生的蒸散发量。
步骤2、自小向大设定不同时长T,分析不同时长窗口下,像元灌溉蒸散发累加结果的概率分布直方图。随着时长T的增大,当灌溉蒸散发量的概率直方图表现为两个聚类时,选定该时长T*为灌溉识别的最短时长窗口。
步骤3、在T*对应的时段累计灌溉蒸散发量概率分布直方图中,选取两个聚类分界点对应的累计灌溉蒸散发量ET*,作为判别灌溉与非灌溉像元的阈值。
步骤4、用选定的阈值ET*对按T*时长累加的灌溉蒸散发数据进行划分,累计灌溉蒸散发量大于ET*的像元为灌溉像元,否则为非灌溉像元。灌溉像元的面积总和为T*时长内的实际灌溉面积。
步骤5、当时长窗口T大于T*时,可以T为累计时长,重复步骤3,得到T对应的灌溉判别阈值ET*。重复步骤4,得到T时长内的实际灌溉面积。
以下是对上述流程的具体分析:
步骤1、利用遥感影像反演得到农田范围内像元逐日总蒸散发量。将站点实测日降水量插值匹配到蒸散发像元网格,得到像元网格日降水量,再计算由降水产生的像元逐日蒸散发量。从农田逐像元总蒸散发中扣除由降水产生的蒸散发量,得到农田灌溉产生的蒸散发量。
步骤11、利用MODIS和Sentinel-2卫星遥感影像联合,以实施例研究区农田范围为掩膜,选用改进的PML蒸散发反演模型计算得到农田范围内的像元逐日总蒸散发量ET总;
步骤12、将农田区域的雨量站实测日降水量进行空间插值,得到与步骤11蒸散发像元网格匹配的网格日降水量,对实施例研究区选用公式(1)计算计算有降水产生的像元逐日蒸散发量:
其中,ETC为根据气象数计算得到区域作物需水量;
步骤13、从农田像元逐日总蒸散发量中扣除降水产生的蒸散发量,得到农田像元逐日灌溉产生的蒸散发量ET灌。示例见图2a和图2b。
ET灌=ET总-P有效 (2)
步骤2、自小向大设定不同时长T,分析不同时长窗口下,像元灌溉蒸散发累加结果的概率分布直方图。随着时长T的增大,当灌溉蒸散发量的概率直方图表现为两个聚类时,选定该时长T*为灌溉识别的最短时长窗口。具体包括:
步骤21、设定时长T为1、2、3至n日,对步骤13得到逐日灌溉蒸散发量,分别进行T时长的累加,对每个T时长对应的累计灌溉蒸散发量ET灌,统计得到像元累计蒸散发量的概率直方图。T为5、10、15、20、25、30日的示例见图3a到图3f;
步骤22、对比T为1、2、3至n日的累计ET灌概率直方图,以图3a到图3f为例,当T增大到20日时,概率直方图变为两个聚类,则20日为实施例农田区域灌溉识别的最短时间窗口。
步骤3、在实施例农田区域20日累计灌溉蒸散发量概率分布直方图中,选取两个聚类分界点对应的累计灌溉蒸散发量ET*,作为判别灌溉与非灌溉像元的阈值。
步骤31、基于步骤22得到的最短时间窗口T*,选取20日累计蒸散发概率直方图,用来分析判别像元是否灌溉的阈值;
步骤32、在步骤31选定的概率直方图中,选取两个聚类之间的波谷,波谷处对应的累计蒸散发量(61mm)为判别像元是否灌溉的阈值ET*。
步骤4、用选定的阈值ET*对按T*时长累加的灌溉蒸散发数据进行划分,累计灌溉蒸散发量大于ET*的像元为灌溉像元,否则为非灌溉像元。灌溉像元的面积总和为T*时长内的实际灌溉面积。
步骤41、以61mm为阈值,对实施例农田区域20日累计灌溉蒸散发量进行判别,当像元的累计灌溉蒸散发量大于61mm时,判定像元在此20日内有灌溉,否则,无灌溉;
步骤42、对步骤41识别的灌溉像元进行统计分析,可得到该实施例农田区域在此20日内的实际灌溉面积及空间分布。
步骤5、当时长窗口T大于T*时,可以T为累计时长,重复步骤3,得到T对应的灌溉判别阈值ET*。重复步骤4,得到T时长内的实际灌溉面积。
步骤51、当时长窗口T大于T*时,重复步骤31、32,得到T时长对应的灌溉判别阈值ET*。以图3为例,T为25日时,ET*为79mm;T为30日时,ET*为105mm;
步骤52、重复步骤41、42,可得到该农田区域在T时段内的实际灌溉面积及空间分布。图4为实施例3月1日-30日内的实际灌溉面积空间分布图。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的实施方法,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.一种基于时段累计蒸散发的实际灌溉面积识别方法,其特征在于,包括以下步骤:
步骤1、利用遥感影像反演得到农田范围内像元逐日总蒸散发量;
将站点实测日降水量插值匹配到蒸散发像元网格,得到像元网格日降水量,再计算由降水产生的像元逐日蒸散发量即有效降水;从农田逐像元总蒸散发中扣除由降水产生的蒸散发量,得到农田灌溉产生的蒸散发量;
步骤2、自小向大设定不同时长T,分析不同时长窗口下,像元灌溉蒸散发累加结果的概率分布直方图;随着时长T的增大,当灌溉蒸散发量的概率直方图表现为两个聚类时,选定该时长T*为灌溉识别的最短时长窗口;
步骤3、在T*对应的时段累计灌溉蒸散发量概率分布直方图中,选取两个聚类分界点对应的累计灌溉蒸散发量ET*,作为判别灌溉与非灌溉像元的阈值;
步骤4、用选定的阈值ET*对按T*时长累加的灌溉蒸散发数据进行划分,累计灌溉蒸散发量大于ET*的像元为灌溉像元,否则为非灌溉像元;灌溉像元的面积总和为T*时长内的实际灌溉面积;
步骤5、当时长窗口T大于T*时,重复步骤3,得到T对应的灌溉判别阈值ET*;重复步骤4,得到T时长内的实际灌溉面积。
2.根据权利要求1所述的一种基于时段累计蒸散发的实际灌溉面积识别方法,其特征在于,所述步骤1包括以下子步骤:
步骤11、利用卫星遥感影像,反演得到农田范围内的像元逐日总蒸散发量;
步骤12、将农田区域的雨量站实测日降水量进行空间插值,得到与步骤11蒸散发像元网格匹配的网格日降水量,再选取适合当地农田的有效降水计算公式,计算有降水产生的像元逐日蒸散发量;
步骤13、从农田像元逐日总蒸散发量中扣除降水产生的蒸散发量,得到农田像元逐日灌溉产生的蒸散发量。
3.根据权利要求2所述的一种基于时段累计蒸散发的实际灌溉面积识别方法,其特征在于,所述步骤2包括以下子步骤:
步骤21、设定时长T为1、2、3至n日,对步骤13得到逐日灌溉蒸散发量,分别进行T时长的累加,对每个T时长对应的累计蒸散发量ET,统计得到像元累计蒸散发量的概率直方图;
步骤22、对比T为1、2、3至n日的累计蒸散发量概率直方图,当随着T的增大,概率直方图变为两个聚类时,T为灌溉识别的最短时间窗口T*。
4.根据权利要求3所述的一种基于时段累计蒸散发的实际灌溉面积识别方法,其特征在于,所述步骤3包括以下子步骤:
步骤31、基于步骤22得到的最短时间窗口T*,选取对应的累计蒸散发概率直方图,用来分析判别像元是否灌溉的阈值;
步骤32、在步骤31选定的概率直方图中,选取两个聚类之间的波谷,波谷处对应的蒸散发量为判别像元是否灌溉的阈值ET*。
5.根据权利要求4所述的一种基于时段累计蒸散发的实际灌溉面积识别方法,其特征在于,所述步骤4包括以下子步骤:
步骤41、利用步骤32中选定的阈值ET*,对农田区域按T时长累加的灌溉蒸散发量进行判别,当像元的累计灌溉蒸散发量大于ET*时,判定像元在T时长中有灌溉,否则,无灌溉;
步骤42、对步骤41识别的灌溉像元进行统计分析,得到该农田区域在T时段内的实际灌溉面积及空间分布。
6.根据权利要求5所述的一种基于时段累计蒸散发的实际灌溉面积识别方法,其特征在于,所述步骤5包括以下子步骤:
步骤51、当时长窗口T大于T*时,重复步骤31、32,得到T时长对应的灌溉判别阈值ET*;
步骤52、重复步骤41、42,得到该农田区域在T时段内的实际灌溉面积及空间分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111339877.XA CN114092807B (zh) | 2021-11-12 | 2021-11-12 | 一种基于时段累计蒸散发的实际灌溉面积识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111339877.XA CN114092807B (zh) | 2021-11-12 | 2021-11-12 | 一种基于时段累计蒸散发的实际灌溉面积识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114092807A true CN114092807A (zh) | 2022-02-25 |
CN114092807B CN114092807B (zh) | 2022-04-22 |
Family
ID=80300312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111339877.XA Active CN114092807B (zh) | 2021-11-12 | 2021-11-12 | 一种基于时段累计蒸散发的实际灌溉面积识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114092807B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115376016A (zh) * | 2022-08-16 | 2022-11-22 | 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 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991003156A1 (en) * | 1989-08-28 | 1991-03-21 | Townsend Controls Pty. Ltd. | Irrigation management control |
US20080091307A1 (en) * | 2003-10-29 | 2008-04-17 | Hydro Point Data Systems, Inc. | Calculating an ET value for an irrigation area |
CN104424390A (zh) * | 2013-09-06 | 2015-03-18 | 中国水利水电科学研究院 | 灌溉面积监测方法及装置 |
CN107818238A (zh) * | 2017-09-28 | 2018-03-20 | 河海大学 | 一种确定蒸散发变化主因及判别因素间耦合作用的方法 |
CN108955620A (zh) * | 2018-02-13 | 2018-12-07 | 中国科学院遥感与数字地球研究所 | 一种农田灌区面积遥感提取的方法及系统 |
CN109726698A (zh) * | 2019-01-07 | 2019-05-07 | 中国水利水电科学研究院 | 基于遥感数据进行季度灌溉面积识别的方法 |
CN110990988A (zh) * | 2018-09-28 | 2020-04-10 | 华北水利水电大学 | 一种分析蒸散发影响因子及建立多元回归模型的方法 |
US20210169025A1 (en) * | 2019-12-09 | 2021-06-10 | Valmont Industries, Inc. | System, method and apparatus for integration of field, crop and irrigation equipment data for irrigation management |
CN113065090A (zh) * | 2021-04-07 | 2021-07-02 | 中国水利水电科学研究院 | 一种区域农田灌溉用水量分析计算方法 |
CN113570273A (zh) * | 2021-08-03 | 2021-10-29 | 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 |
-
2021
- 2021-11-12 CN CN202111339877.XA patent/CN114092807B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991003156A1 (en) * | 1989-08-28 | 1991-03-21 | Townsend Controls Pty. Ltd. | Irrigation management control |
US20080091307A1 (en) * | 2003-10-29 | 2008-04-17 | Hydro Point Data Systems, Inc. | Calculating an ET value for an irrigation area |
CN104424390A (zh) * | 2013-09-06 | 2015-03-18 | 中国水利水电科学研究院 | 灌溉面积监测方法及装置 |
CN107818238A (zh) * | 2017-09-28 | 2018-03-20 | 河海大学 | 一种确定蒸散发变化主因及判别因素间耦合作用的方法 |
CN108955620A (zh) * | 2018-02-13 | 2018-12-07 | 中国科学院遥感与数字地球研究所 | 一种农田灌区面积遥感提取的方法及系统 |
CN110990988A (zh) * | 2018-09-28 | 2020-04-10 | 华北水利水电大学 | 一种分析蒸散发影响因子及建立多元回归模型的方法 |
CN109726698A (zh) * | 2019-01-07 | 2019-05-07 | 中国水利水电科学研究院 | 基于遥感数据进行季度灌溉面积识别的方法 |
US20210169025A1 (en) * | 2019-12-09 | 2021-06-10 | Valmont Industries, Inc. | System, method and apparatus for integration of field, crop and irrigation equipment data for irrigation management |
CN113065090A (zh) * | 2021-04-07 | 2021-07-02 | 中国水利水电科学研究院 | 一种区域农田灌溉用水量分析计算方法 |
CN113570273A (zh) * | 2021-08-03 | 2021-10-29 | 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 |
Non-Patent Citations (7)
Title |
---|
P.DROOGERS 等: "Estimating actual irrigation application by remotely sensed evapotranspiration observations", 《AGRICULTURAL WATER MANAGEMENT》 * |
ZHEN HAO 等: "Detecting Winter Wheat Irrigation Signals Using SMAP Gridded Soil Moisture Data", 《REMOTE SENSING》 * |
卢诗卉 等: "基于多源遥感数据和水量平衡原理的灌溉用水量分析", 《水利学报》 * |
段浩 等: "考虑地表反照率时域重建的海河流域蒸散发模拟研究", 《中国水利水电科学研究院学报》 * |
段浩 等: "遥感Penman-Monteith模型中土壤含水量与土壤蒸发的关系", 《南水北调与水利科技》 * |
赵静: "变化环境下黄土高原流域水热平衡动态变化与驱动力研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
高瑞睿: "基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115376016A (zh) * | 2022-08-16 | 2022-11-22 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN114092807B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934515B (zh) | 一种作物精量灌溉决策方法及系统 | |
CN110288647B (zh) | 一种基于高分辨率卫星数据监测灌区灌溉面积方法 | |
Conrad et al. | Satellite based calculation of spatially distributed crop water requirements for cotton and wheat cultivation in Fergana Valley, Uzbekistan | |
Dalezios et al. | Agricultural drought indices: Combining crop, climate, and soil factors | |
CN111368736B (zh) | 基于sar和光学遥感数据的水稻精细化估产方法 | |
CN113040034B (zh) | 一种节水灌溉控制系统及控制方法 | |
CN109726698B (zh) | 基于遥感数据进行季度灌溉面积识别的方法 | |
CN110516943B (zh) | 一种基于地表温度的春灌期灌溉面积动态监测遥感方法 | |
CN111507646A (zh) | 一种基于遥感et的农业节水规划方法 | |
CN114092807B (zh) | 一种基于时段累计蒸散发的实际灌溉面积识别方法 | |
CN104951986A (zh) | 流域农业面源污染物入湖负荷估算方法 | |
CN114897423B (zh) | 基于作物水分指示线的农田灌溉概率指数计算方法 | |
Serra et al. | Two Mediterranean irrigation communities in front of water scarcity: A comparison using satellite image time series | |
Lorite et al. | Assessing irrigation scheme water use and farmers’ performance using wireless telemetry systems | |
CN117652267A (zh) | 一种用于园林绿化维护的监测管理方法及系统 | |
Pelosi | Performance of the Copernicus European Regional Reanalysis (CERRA) dataset as proxy of ground-based agrometeorological data | |
CN116843164A (zh) | 基于图像分析的农业机械智能化控制系统 | |
CN110009149B (zh) | 基于物联网技术的茶树开采期预测方法 | |
CN115081952A (zh) | 一种地区农业干旱识别方法及系统 | |
CN113470175A (zh) | 基于光学梯形模型的灌溉区域制图方法 | |
Huntington et al. | Remote sensing estimates of evapotranspiration from irrigated agriculture, Northwestern Nevada and Northeastern California | |
CN111737876A (zh) | 一种具有时空分布特征的茶叶开采期及采摘时长预测方法 | |
Taghvaeian | Water and energy balance of a riparian and agricultural ecosystem along the Lower Colorado River | |
CN117314019B (zh) | 一种农业面源污染产生量评估方法 | |
CN115410053B (zh) | 一种基于随机森林模型和迁移学习cdl知识的作物识别方法 |
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 |