CN114647820A - 一种三七栽培设施内参考作物蒸散量的估算方法 - Google Patents
一种三七栽培设施内参考作物蒸散量的估算方法 Download PDFInfo
- Publication number
- CN114647820A CN114647820A CN202210266131.9A CN202210266131A CN114647820A CN 114647820 A CN114647820 A CN 114647820A CN 202210266131 A CN202210266131 A CN 202210266131A CN 114647820 A CN114647820 A CN 114647820A
- Authority
- CN
- China
- Prior art keywords
- formula
- evapotranspiration
- irm
- pseudo
- irmak
- 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
- 244000131316 Panax pseudoginseng Species 0.000 title claims abstract description 46
- 235000003181 Panax pseudoginseng Nutrition 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 9
- 230000005855 radiation Effects 0.000 claims description 12
- 235000013399 edible fruits Nutrition 0.000 claims description 6
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 5
- 241000180649 Panax notoginseng Species 0.000 claims description 5
- 235000003143 Panax notoginseng Nutrition 0.000 claims description 5
- 230000004907 flux Effects 0.000 claims description 5
- 229920006395 saturated elastomer Polymers 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 3
- 238000012614 Monte-Carlo sampling Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 235000002791 Panax Nutrition 0.000 description 1
- 241000208343 Panax Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
Images
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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种三七栽培设施内参考作物蒸散量的估算方法,该方法通过马尔可夫链蒙特卡罗抽样方法率定Irmak公式中的参数,在小样本情况下提高了公式的估算精度,改进Irmak公式的计算值与FAO‑56PM公式的计算值接近,相比FAO‑56PM公式减少了气象参数数量;利用改进Irmak公式计算设施外的参考作物蒸散量,根据设施内外参考作物蒸散量之间的关系,进一步计算三七栽培设施内的参考作物蒸散量,节省了在设施内安装测量仪器的成本。本发明方法能够利用少量气象参数实现高精度估算三七栽培设施内参考作物蒸散量,为三七栽培设施内的水资源管理提供一种新方法。
Description
技术领域
本发明涉及农业节水灌溉技术领域,具体为一种三七栽培设施内参考作物蒸散量的估算方法。
背景技术
三七是五加科人参属多年生草本植物,其根、茎、叶、花均可入药,主要分布于低纬度、海拔较高地区,生长条件苛刻,不喜严寒、酷暑、潮湿,因此三七通常种植在特定设施内,四周及顶部覆盖有遮阳网,因生长环境的特殊性,使准确估算三七需水量成为难题。
参考作物蒸散量是计算作物需水量的重要参数,联合国粮农组织(FAO)推荐Penman-Monteith模型(FAO-56PM)的计算结果为标准值,该模型所需参数种类多且计算复杂,许多简易模型应运而生,主要分为3类:基于温度的模型、基于辐射的模型和多气象参数融合的模型。但各地区影响参考作物蒸散量的因素存在差异,导致简易模型在部分地区的适应性较差,为提高简易模型的精度,需要率定模型中的参数。
通常率定模型参数需要大量样本,能避免因样本量太少带来的偶然性,使率定参数后的模型精度提升,这也导致利用小样本数据率定模型参数存在困难。
发明内容
为解决上述背景技术中提出的问题,本发明提供了一种三七栽培设施内参考作物蒸散量的估算方法,利用马尔可夫链蒙特卡罗方法率定模型参数,提高模型精度,解决了利用小样本率定参数的偶然性问题。
本发明三七栽培设施内参考作物蒸散量的估算模型,步骤如下:
(1)从气象站网站下载三七栽培设施所在区域的任意两年3月-11月的日值气象数据,数据包含日照时数n、平均气温T、最高气温Tmax、最低气温Tmin、平均相对湿度RH、平均风速u;根据日值气象数据计算每日的太阳净辐射量Rn、土壤热通量G、地表以上2m处风速u2、饱和水汽压es、实际水汽压ea、饱和水汽压与温度关系曲线的斜率Δ、干湿温度计常数γ、太阳辐射量Rs(参照Allan R G,Pereira L S,Raes D,et al.Crop evapotranspiration-guidelines for computing crop water requirements[R].FAO Irrigation andDrainage Paper 56,Rome,1998.中方法计算);然后通过如下公式计算设施外的每日的参考作物蒸散量:
式中ET0为参考作物蒸散量,mm/d;Rn为太阳净辐射量,MJ/(m2·d);G为土壤热通量,MJ/(m2·d);T为平均气温,℃;u2为地表以上2m处风速,m/s;es为饱和水汽压,kPa;ea为实际水汽压,kPa;Δ为饱和水汽压与温度关系曲线的斜率,kPa/℃;γ为干湿温度计常数,kPa/℃;
将每日的参考作物蒸散量、太阳辐射量、平均气温作为一组数据,形成两年3月-11月的若干条样本数据,同时统计每年3-11月中参考作物蒸散量的最大值、最小值,将最大值与最小值的差值大的一年数据作为率定集,另一年数据作为测试集;率定集和测试集数据分别根据苗期3~5月、花期6~8月和果期9~11月分为3组数据;
(2)基于Irmak公式,采用python语言构建参数率定模型;在参数率定模型中,将Irmak 公式中的aIRM、bIRM和cIRM定义为服从正态分布的随机性变量,初始值分别为-0.611、0.149 和0.079,其中Irmak公式如下:
ET0′=aIRM+bIRM×Rs+cIRM×T
其中ET0′为Irmak公式计算得到的参考作物蒸散量,mm/d;
(3)将率定集的3组数据分别导入参数率定模型中作为3个观测样本,采用马尔可夫链蒙特卡罗方法在服从正态分布的随机性变量的状态空间中构建一个马尔可夫链,以随机变量的初始值为起点,基于观测样本随机游走,同时满足平稳分布π(x),在马尔可夫链上每个时刻获得一个随机变量样本,得到不同生育期的aIRM、bIRM和cIRM的后验分布样本,将aIRM、 bIRM和cIRM后验分布样本的均值作为Irmak公式中的aIRM、bIRM和cIRM的率定值,即分别得到三七苗期、花期和果期的改进Irmak公式;
平稳分布π(x)满足以下条件:
式中:S为状态空间,xt和xt+1分别为t和t+1时刻的随机变量,π(xt)和π(xt+1)分别为t 和t+1时刻的平稳分布,pt,t+1为马尔可夫链从π(xt)到达π(xt+1)的转移概率;
(4)利用改进Irmak公式计算测试集3组数据的参考作物蒸散量,然后计算三七3个不同生育期的率定后公式的均方根误差RMSE;再利用Irmak公式计算测试集3组数据的参考作物蒸散量,进一步计算三七3个不同生育期的率定前公式的均方根误差RMSE,当率定后公式的RMSE小于率定前公式的RMSE,则将改进Irmak公式用于计算三七栽培设施外的参考作物蒸散量;
RMSE计算公式如下:
式中ET0i为步骤(1)公式计算的每日参考作物蒸散量,ET'0i为改进Irmak公式计算的每日参考作物蒸散量,n表示数据量,i为1,2,3,4....;
(5)采用改进Irmak公式计算三七栽培设施外的参考作物蒸散量,根据三七栽培设施内外参考作物蒸散量之间的关系,计算获得三七栽培设施内的参考作物蒸散量;
三七栽培设施内参考作物蒸散量ET0in与三七栽培设施外参考作物蒸散量ET0out的关系如下:ET0in=0.178ET0out-0.256。
与现有的技术相比,本发明的有益效果是:
1、本发明利用改进的Irmak公式计算参考作物蒸散量,相比FAO-56PM模型,减少了所需气象参数的数量;
2、本发明通过气象站的气象参数估算三七栽培设施内的参考作物蒸散量,节省了在设施内安装测量仪器的成本;
3、本发明通过马尔可夫链蒙特卡罗方法根据三七生育期率定模型参数,解决了利用小样本率定参数的偶然性问题,提高了模型的估算精度。
附图说明
图1为率定集3~5月样本的后验分布采样图,其中左图为参数后验分布图,右图为参数采样值,a为aIRM,b为bIRM,c为cIRM;
图2为率定集3~11月样本的后验分布均值及置信区间,其中a为aIRM,b为bIRM,c为cIRM,1为3~5月,2为6~8月,3为9~11月;
图3为Irmak公式参数率定前后RMSE对比图。
具体实施方式
下面通过实施例对本发明作进一步详细说明,但本发明保护范围不局限于所述内容;
实施例1:本实施例对云南红河泸西三七栽培设施内参考作物蒸散量进行估算,方法如下 1、从中国气象数据网(http://data.cma.cn/)下载云南省泸西站(24°32′N,103°46′E, 1704.3m)2018年至2019年日值气象数据,日值气象数据包括日照时数n、平均气温T、最高气温Tmax、最低气温Tmin、平均相对湿度RH、平均风速u,部分数据如下表所示:
参照Allan R G,Pereira L S,Raes D,et al.Crop evapotranspiration-guidelines for computing crop water requirements[R].FAO Irrigation andDrainage Paper 56,Rome,1998.中的公式,根据日值气象数据计算每日的太阳净辐射量Rn、土壤热通量G、地表以上2m处风速u2、饱和水汽压es、实际水汽压ea、饱和水汽压与温度关系曲线的斜率Δ、干湿温度计常数γ、太阳辐射量 Rs;然后通过如下公式计算设施外的每日的参考作物蒸散量:
将每日的参考作物蒸散量、太阳辐射量、平均气温作为一组数据,形成两年3月-11月的若干条样本数据,部分数据如下表所示:
同时统计每年3-11月中参考作物蒸散量的最大值、最小值,将最大值与最小值的差值大的一年作为率定集,另一年作为测试集;
从表中可以看出,2019年的最大值与最小值之间的差值大,因此,将2019年数据作为率定集,将2018年数据作为测试集,率定集和测试集数据分别根据苗期3~5月、花期6~8月和果期9~11月分为3组数据;
2、基于Irmak公式,采用python语言构建参数率定模型,将率定集的3组数据分别导入,提供变量的先验分布信息,存放于模型中;
(1)在编程代码中导入以下库:numpy、pandas、pymc3、arviz和matplotlib;
(2)将步骤1率定集中3组数据分别录入Excel表格中,生成.xlsx文件;
(3)利用pymc3中的Model()函数定义模型,封装在with语句中,利用pymc3中的Normal() 函数在模型中将Irmak公式中的aIRM、bIRM和cIRM定义为服从正态分布的随机变量,初始值分别为-0.611、0.149和0.079。其中,Irmak公式如下:
ET0′=aIRM+bIRM×Rs+cIRM×T;式中ET0IRM为由Irmak公式计算得到的参考作物蒸散量,mm/d。
3、将率定集的3组数据作为观测样本,由pandas中read_excel()函数读取,采用马尔可夫链蒙特卡罗方法在随机变量的状态空间中构建一个马尔可夫链,以随机变量的初始值为起点,基于观测样本随机游走,同时满足平稳分布π(x),平稳分布π(x)满足以下条件:
其中S为状态空间,xt和xt+1分别为t和t+1时刻的随机变量,π(xt)和π(xt+1)分别为t和 t+1时刻的平稳分布,pt,t+1为马尔可夫链从π(xt)到达π(xt+1)的转移概率;
在马尔可夫链上每个时刻可获得一个随机变量样本,得到不同生育期的aIRM、bIRM和cIRM的后验分布样本,在pymc3中的sample()函数中实现,设置抽取aIRM、bIRM和cIRM后验分布样本11000次,其中预烧期为1000次,不计入后验分布结果中;由arviz中的plot_trace()函数得到后验采样图,以3~5月后验样本为例,见图1,左侧为参数后验分布图,右侧为参数采样值;由arviz中的summary()函数可获得aIRM、bIRM和cIRM的10000次样本均值及95%置信区间,见图2;将aIRM、bIRM和cIRM的10000次样本均值作为作为Irmak公式中的aIRM、bIRM和cIRM的率定值,进一步得到三七苗期(3~5月)、花期(6~8月)和果期(9~11月)的改进Irmak公式;
4、利用测试集测试改进Irmak公式在三七各生育期的均方根误差(RMSE),同时利用测试集计算Irmak公式在三七各生育期的均方根误差,RMSE计算公式如下:当率定后公式的RMSE小于率定前公式的RMSE,则将改进Irmak公式用于计算三七栽培设施外的参考作物蒸散量,结果见图3,可以看出,率定后的公式RMSE均减小,三七各生育期的改进Irmak公式确定;
5、基于三七栽培7天灌溉一次,采用ET0′=-1.568+0.167Rs+0.108T计算2018年6月三七栽培设施外的参考作物蒸散量,根据三七栽培设施内外参考作物蒸散量之间的关系,计算获得三七栽培设施内的参考作物蒸散量,三七栽培设施内参考作物蒸散量ET0in与三七栽培设施外参考作物蒸散量ET0out的关系如下:ET0in=0.178ET0out-0.256;气象参数如下:
同时以该时期的三七栽培大棚中采集的数据,用步骤1公式计算的设施内参考作物蒸散量为对照;
采用三七栽培设施内的测量气象参数的仪器,每30min采集一次,包括太阳净辐射、气温、相对湿度和风速,日值数据由仪器一天中采集的48组数据求均值得到,获得日平均太阳净辐射Rn、平均气温T、最高气温Tmax、最低气温Tmin、平均相对湿度RH和平均风速u,得到7天的实际采集数据,气象参数如下:
用步骤1公式计算设施内参考作物蒸散量,与改进Irmak公式计算的设施内参考作物蒸散量对比如下:
从表中可以看出,两种方法的计算结果接近,因此可以通过改进Irmak模型利用设施内外参考作物蒸散量的关系计算设施内参考作物蒸散量。
Claims (4)
1.一种三七栽培设施内参考作物蒸散量的估算方法,其特征在于,步骤如下:
(1)从气象站网站下载三七栽培设施所在区域的任意两年3月-11月的日值气象数据,数据包含日照时数n、平均气温T、最高气温Tmax、最低气温Tmin、平均相对湿度RH、平均风速u;根据日值气象数据计算每日的太阳净辐射量Rn、土壤热通量G、地表以上2m处风速u2、饱和水汽压es、实际水汽压ea、饱和水汽压与温度关系曲线的斜率Δ、干湿温度计常数γ、太阳辐射量Rs;然后通过如下公式计算设施外的每日的参考作物蒸散量:
式中ET0为参考作物蒸散量,mm/d;Rn为太阳净辐射量,MJ/(m2·d);G为土壤热通量,MJ/(m2·d);T为平均气温,℃;u2为地表以上2m处风速,m/s;es为饱和水汽压,kPa;ea为实际水汽压,kPa;Δ为饱和水汽压与温度关系曲线的斜率,kPa/℃;γ为干湿温度计常数,kPa/℃;
将每日的参考作物蒸散量、太阳辐射量、平均气温作为一组数据,形成两年3月-11月的若干条样本数据,同时统计每年3-11月中参考作物蒸散量的最大值、最小值,将最大值与最小值的差值大的一年数据作为率定集,另一年数据作为测试集;率定集和测试集数据分别根据苗期3~5月、花期6~8月和果期9~11月分为3组数据;
(2)基于Irmak公式,采用python语言构建参数率定模型;在参数率定模型中,将Irmak公式中的aIRM、bIRM和cIRM定义为服从正态分布的随机性变量,初始值分别为-0.611、0.149和0.079,其中Irmak公式如下:
ET0′=aIRM+bIRM×Rs+cIRM×T
其中ET0′为Irmak公式计算得到的参考作物蒸散量,mm/d;
(3)将率定集的3组数据分别导入参数率定模型中作为3个观测样本,采用马尔可夫链蒙特卡罗方法在服从正态分布的随机性变量的状态空间中构建一个马尔可夫链,以随机变量的初始值为起点,基于观测样本随机游走,同时满足平稳分布π(x),在马尔可夫链上每个时刻获得一个随机变量样本,得到不同生育期的aIRM、bIRM和cIRM的后验分布样本,将aIRM、bIRM和cIRM后验分布样本的均值作为Irmak公式中的aIRM、bIRM和cIRM的率定值,即分别得到三七苗期、花期和果期的改进Irmak公式;
(4)利用改进Irmak公式计算测试集3组数据的参考作物蒸散量,然后计算三七3个不同生育期的率定后公式的均方根误差RMSE;再利用Irmak公式计算测试集3组数据的参考作物蒸散量,进一步计算三七3个不同生育期的率定前公式的均方根误差RMSE,当率定后公式的RMSE小于率定前公式的RMSE,则将改进Irmak公式用于计算三七栽培设施外的参考作物蒸散量;
(5)采用改进Irmak公式计算三七栽培设施外的参考作物蒸散量,根据三七栽培设施内外参考作物蒸散量之间的关系,计算获得三七栽培设施内的参考作物蒸散量。
4.根据权利要求1所述的三七栽培设施内参考作物蒸散量的估算方法,其特征在于,三七栽培设施内参考作物蒸散量ET0in与三七栽培设施外参考作物蒸散量ET0out的关系如下:ET0in=0.178ET0out-0.256。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210266131.9A CN114647820B (zh) | 2022-03-17 | 2022-03-17 | 一种三七栽培设施内参考作物蒸散量的估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210266131.9A CN114647820B (zh) | 2022-03-17 | 2022-03-17 | 一种三七栽培设施内参考作物蒸散量的估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114647820A true CN114647820A (zh) | 2022-06-21 |
CN114647820B CN114647820B (zh) | 2024-06-07 |
Family
ID=81995259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210266131.9A Active CN114647820B (zh) | 2022-03-17 | 2022-03-17 | 一种三七栽培设施内参考作物蒸散量的估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114647820B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115422739A (zh) * | 2022-08-30 | 2022-12-02 | 中国核动力研究设计院 | 一种复数可选模型融合方法、装置、终端及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176072A (zh) * | 2011-01-19 | 2011-09-07 | 环境保护部卫星环境应用中心 | 确定蒸散量的方法 |
CN103778295A (zh) * | 2014-01-26 | 2014-05-07 | 南京航空航天大学 | 多失效模式下多模型集成航空发动机运行可靠性评估方法 |
CN106202353A (zh) * | 2016-07-06 | 2016-12-07 | 郑州大学 | 一种时间序列数据的可视化表示方法 |
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 |
US20190331832A1 (en) * | 2018-04-25 | 2019-10-31 | Microsoft Technology Licensing, Llc | Predicting microclimate |
CN111833202A (zh) * | 2020-07-14 | 2020-10-27 | 中国水利水电科学研究院 | 考虑作物系数动态变化与降雨的农田蒸散量短期预测方法 |
-
2022
- 2022-03-17 CN CN202210266131.9A patent/CN114647820B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176072A (zh) * | 2011-01-19 | 2011-09-07 | 环境保护部卫星环境应用中心 | 确定蒸散量的方法 |
CN103778295A (zh) * | 2014-01-26 | 2014-05-07 | 南京航空航天大学 | 多失效模式下多模型集成航空发动机运行可靠性评估方法 |
CN106202353A (zh) * | 2016-07-06 | 2016-12-07 | 郑州大学 | 一种时间序列数据的可视化表示方法 |
US20190331832A1 (en) * | 2018-04-25 | 2019-10-31 | Microsoft Technology Licensing, Llc | Predicting microclimate |
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 |
CN111833202A (zh) * | 2020-07-14 | 2020-10-27 | 中国水利水电科学研究院 | 考虑作物系数动态变化与降雨的农田蒸散量短期预测方法 |
Non-Patent Citations (3)
Title |
---|
TIANXIANG ZHANG等: "Bayesian Calibration of AquaCrop Model", 《2018 37TH CHINESE CONTROL CONFERENCE (CCC)》, 7 October 2018 (2018-10-07), pages 1934 - 1768 * |
李晓丽: "基于机器学习的三七栽培设施内参考作物蒸散量估算模型", 《中国优秀硕士学位论文全文数据库 农业科技辑》, 15 March 2023 (2023-03-15), pages 047 - 168 * |
韩信等: "考虑气象因子不确定性的参考作物蒸散量预报方法", 《中国水利水电科学研究院学报》, vol. 19, no. 1, 25 January 2021 (2021-01-25), pages 33 - 44 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115422739A (zh) * | 2022-08-30 | 2022-12-02 | 中国核动力研究设计院 | 一种复数可选模型融合方法、装置、终端及可读存储介质 |
CN115422739B (zh) * | 2022-08-30 | 2023-12-01 | 中国核动力研究设计院 | 一种复数可选模型融合方法、装置、终端及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114647820B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gong et al. | Comparison of ET partitioning and crop coefficients between partial plastic mulched and non-mulched maize fields | |
CN106570627B (zh) | 一种未来气候条件下作物灌溉需水量计算方法 | |
Payero et al. | Variable upper and lower crop water stress index baselines for corn and soybean | |
Dugas et al. | Carbon dioxide fluxes over bermudagrass, native prairie, and sorghum | |
CN109615148B (zh) | 一种确定玉米气象产量的方法和系统 | |
CN109800921A (zh) | 一种基于遥感物候同化和粒子群优化算法的区域冬小麦估产方法 | |
CN112598277A (zh) | 一种评估跨区域缩小冬小麦产量差与提高氮肥效率的方法 | |
Guo et al. | Crop coefficient for spring maize under plastic mulch based on 12-year eddy covariance observation in the arid region of Northwest China | |
CN114647820B (zh) | 一种三七栽培设施内参考作物蒸散量的估算方法 | |
CN110599360A (zh) | 一种干旱区农作物生长季蒸散发高分辨率遥感估算方法 | |
Jiang et al. | Modeling evapotranspiration and its components of maize for seed production in an arid region of northwest China using a dual crop coefficient and multisource models | |
CN114128608A (zh) | 一种果园灌溉管理方法及系统 | |
CN105993720B (zh) | 一种日光温室基质袋培作物灌水量的模拟计算方法 | |
Girón et al. | Limitations and usefulness of maximum daily shrinkage (MDS) and trunk growth rate (TGR) indicators in the irrigation scheduling of table olive trees | |
Geng et al. | Dynamics and environmental controls of energy exchange and evapotranspiration in a hilly tea plantation, China | |
Urban et al. | Calibration of stem heat balance sensors upon a study of water balance of the hop plantation | |
CN117953959B (zh) | 一种混交林生态系统的碳储量计算方法 | |
Ariyanto et al. | Actual evapotranspiration model based on the irrigation volume of the maize fields on Alfisols | |
Li et al. | Variability in energy partitioning and resistance parameters for a vineyard in northwest China | |
Wang et al. | Water consumption patterns and crop coefficient models for drip-irrigated maize (Zea mays L.) with plastic mulching in northeastern China | |
Liu et al. | Divergent climate feedbacks on winter wheat growing and dormancy periods as affected by sowing date in the North China Plain | |
CN116756591B (zh) | 一种基于水胁迫条件估产模型的油茶遥感估产方法 | |
Peng et al. | Coefficient correction of Ångström–Prescott equation for China and its influence on solar radiation and reference crop evapotranspiration at different temporal and spatial scales | |
CN113112081B (zh) | 一种落叶松人工林两种土壤属性的时间序列估算方法 | |
CN116050188B (zh) | 一种小麦花后冠层蒸散建模的方法、系统及装置 |
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 | ||
GR01 | Patent grant |