CN116090914B - 微咸水用于农业灌溉的矿化度安全阈值识别方法及系统 - Google Patents
微咸水用于农业灌溉的矿化度安全阈值识别方法及系统 Download PDFInfo
- Publication number
- CN116090914B CN116090914B CN202310050198.3A CN202310050198A CN116090914B CN 116090914 B CN116090914 B CN 116090914B CN 202310050198 A CN202310050198 A CN 202310050198A CN 116090914 B CN116090914 B CN 116090914B
- Authority
- CN
- China
- Prior art keywords
- irrigation
- brackish water
- crops
- yield
- water
- 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 255
- 230000002262 irrigation Effects 0.000 title claims abstract description 156
- 238000003973 irrigation Methods 0.000 title claims abstract description 156
- 230000033558 biomineral tissue development Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000012010 growth Effects 0.000 claims abstract description 69
- 230000015784 hyperosmotic salinity response Effects 0.000 claims abstract description 39
- 230000004044 response Effects 0.000 claims abstract description 26
- 239000002689 soil Substances 0.000 claims description 30
- 238000004088 simulation Methods 0.000 claims description 20
- 150000003839 salts Chemical class 0.000 claims description 17
- 239000013505 freshwater Substances 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 12
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 11
- 230000008020 evaporation Effects 0.000 claims description 9
- 238000001704 evaporation Methods 0.000 claims description 9
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 229920006395 saturated elastomer Polymers 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 7
- 230000018109 developmental process Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000009331 sowing Methods 0.000 claims description 6
- 230000005068 transpiration Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 208000005156 Dehydration Diseases 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 8
- 241000209140 Triticum Species 0.000 description 79
- 235000021307 Triticum Nutrition 0.000 description 79
- 239000003673 groundwater Substances 0.000 description 14
- 238000011160 research Methods 0.000 description 11
- 241001081179 Litsea Species 0.000 description 5
- 235000012854 Litsea cubeba Nutrition 0.000 description 5
- 239000003621 irrigation water Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010899 nucleation Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 206010054949 Metaplasia Diseases 0.000 description 3
- 230000003698 anagen phase Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002386 leaching Methods 0.000 description 3
- 230000015689 metaplastic ossification Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000009933 burial Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 244000241257 Cucumis melo Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 241000219146 Gossypium Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000012267 brine Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 235000006286 nutrient intake Nutrition 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Animal Husbandry (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Quality & Reliability (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Cultivation Of Plants (AREA)
Abstract
提供一种微咸水用于农业灌溉的矿化度安全阈值识别方法及系统，步骤为，S1.在农作物不同生长阶段设置多种微咸水灌溉方案；S2.基于S1的微咸水灌溉方案构建农作物灌溉‑产量响应模型；S3.模拟S1输出的多种微咸水灌溉方案，以农作物目标产量作为模型终止条件，模拟得到农作物微咸水逐时段安全灌溉的矿化度阈值；其中S2包括：S21.输入模型边界和初始条件；S22.率定模型基本参数；S23.构建农作物灌溉‑产量响应关系式。发明针对农作物全生命周期不同生长阶段差异化的耐盐特性，通过构建农作物灌溉‑产量响应模型，分析不同生长阶段差异化微咸水灌溉方案下农作物产量响应结果，能有效解决目前开展灌溉试验的耗时耗力以及对农作物耐盐阈值识别不够精细化的问题。
Description
技术领域
本发明涉及一种微咸水用于农业灌溉的矿化度安全阈值识别方法及系统，属于非常规水安全利用领域。
背景技术
微咸水指矿化度为2～5g/L的水，主要分布在沿海地带以及易发生干旱的华北、西北地区，微咸水主要用于农田灌溉，少量用于生活、工业及养殖等。微咸水用于农业灌溉，可有效替代淡水资源，在一定程度上也能促进农作物抗旱增产，但与此同时，不合理的微咸水利用方式也会带来一定的安全问题。
目前，国内外关于微咸水在农业灌溉方面安全利用的研究，主要集中在以下四个方面：(1)微咸水安全灌溉对象研究，主要包括番茄、甜瓜、小麦、棉花、玉米等耐盐作物；(2)微咸水用于农业灌溉的安全隐患研究，主要包括长期灌溉微咸水可能造成土壤盐分积累，导致土壤盐渍化，进一步造成农作物产量下降或品质降低；(3)微咸水安全灌溉模式研究，主要包括微咸水直接灌溉、咸淡水混灌、咸淡水交替轮灌等；(4)微咸水安全灌溉矿化度阈值研究，通过将微咸水矿化度降低到某一个水平来降低土壤盐渍化程度，从而确保农作物产量，在农作物生长期间这个微咸水矿化度阈值通常是一个固定的值。
现有技术的微咸水灌溉矿化度阈值研究，需要开展灌溉试验获取灌溉土壤数据以及农作物产量数据，从而进一步通过数据分析来识别微咸水安全灌溉阈值。该技术存在以下两点不足：一是开展灌溉试验比较耗时、耗力，且对试验条件的设置要求较高，试验能否成功存在着较大的不确定性，试验的某个环节出现问题将很大程度影响阈值识别结果；二是通过实验数据的进一步分析得到的微咸水灌溉矿化度阈值是一个值，未考虑农作物在不同生长阶段的耐盐特性不同去区分不同阶段的耐盐阈值，缺乏注重精细化过程的逐时段矿化度阈值研究。
发明内容
发明的目的是提供一种识别农作物全生命周期不同生长阶段耐盐阈值的方法思路及机理模型，以确保农作物能更好地适应微咸水的水质特性进行科学地、安全地灌溉。
本发明的微咸水用于农业灌溉的矿化度安全阈值识别方法，包括以下步骤：
S1.在农作物不同生长阶段设置多种微咸水灌溉方案；
S2.基于S1的微咸水灌溉方案构建农作物灌溉-产量响应模型；
其中，S2的具体步骤包括：
S21.输入模型边界和初始条件；
S22.率定模型基本参数；
S23.构建农作物灌溉-产量响应关系式；
S3.模拟S1输出的多种微咸水灌溉方案，以农作物目标产量作为模型终止条件，模拟得到农作物微咸水逐时段安全灌溉的矿化度阈值。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，S1在农作物不同生长阶段设置多种微咸水灌溉方案，根据S0.划分农作物全生命周期的主要生长阶段，并分析微咸水的可灌时段的结果得到。
作为一种可实施的方案，S0划分农作物全生命周期的主要生长阶段，并分析微咸水的可灌时段，可以通过以下方法获得。
农作物全生命周期的主要生长阶段T，包括播种、出苗、分蘖、越冬、返青、拔节、抽穗、开花、灌浆、成熟等n个阶段，不同农作物生长阶段有所差异，可结合农作物生长特性进行划分。
分析微咸水的可灌时段方法如下：若某一生长阶段农作物所处土壤环境中的盐分影响了农作物正常的生长、发育，则表明该生长阶段农作物不耐盐，即为农作物耐盐敏感时段。农作物耐盐敏感时段以外的生长阶段，即为微咸水的可灌时段Ti，其中，i＝1,2,…,m，m为微咸水的可灌时段总数，m≤n。其中，具体某种农作物耐盐敏感时段，可以根据现有技术的文献获得，也可以根据实验获得。
当某种农作物的耐盐敏感时段现有技术未公开，实验时间较长尚未获得时，根据多数农作物耐盐敏感段，设置播种期、幼苗期为该农作物耐盐敏感时段，则播种期、幼苗期以外的时段即为该农作物微咸水的可灌时段。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，其中，农作物的目标产量，可以通过以下方法确定。
作为一种可实施的方案，确定农作物目标产量的方法为，通过现有技术的某种农作物的历史实际产量确定。例如，根据现有技术的某种农作物近20年逐年的实际产量，以当年实际产量的90％作为当年来水条件下该农作物的目标产量。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S1所述微咸水灌溉方案包括：极端灌溉方案W1，定义为农作物微咸水可灌时段Ti均灌溉矿化度为5g/L的微咸水，表示为W1＝(T1-5g/L,T2-5g/L,…,Tm-1-5g/L,Tm-5g/L)；其他灌溉方案W2,W3,…,Wj，定义为在极端灌溉方案W1基础上，从农作物第一个微咸水可灌时段T1开始依次降低微咸水矿化度，每次降低幅度为1g/L，直至降低到微咸水矿化度最低值2g/L，且后一时段微咸水矿化度始终要比前一阶段高或者相等，则W2＝(T1-4g/L,T2-5g/L,…,Tm-1-5g/L,Tm-5g/L)，W3＝(T1-4g/L,T2-4g/L,…,Tm-1-5g/L,Tm-5g/L)，…，Wm＝(T1-4g/L,T2-4g/L,…,Tm-1-4g/L,Tm-5g/L)，Wm+1＝(T1-3g/L,T2-4g/L,…,Tm-1-4g/L,Tm-5g/L)，以此类推至Wj＝(T1-2g/L,T2-2g/L,…,Tm-1-2g/L,Tm-2g/L)。其中，Ti为微咸水的可灌时段，i＝1,2,…,m，m为微咸水的可灌时段总数，n为农作物全生命周期的主要生长阶段数，j为微咸水灌溉方案总数。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S2所述农作物灌溉-产量响应模型是基于SWAP-WOFOST模型对农作物光合作用和作物发育模拟的功能，通过加入所构建的农作物灌溉-产量响应关系式，改变不同生长阶段灌溉水中的水盐比例来模拟水分、盐分胁迫下农作物的潜在产量。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S21所述模型边界条件包括上边界条件和下边界条件，其中模型上边界条件为区域的气象条件，主要指标为日均辐射量、日最低气温、日最高气温、日均相对湿度、日均风速、日降雨量、日蒸发量，通过现有技术获得，本发明的数据来自于区域气象局网站；下边界条件为区域地下水排水条件，分为完全排水、部分排水或不排水，通过现有技术获得，根据研究区域以往地下水观测资料中地下水流与周围环境是否互通来选择；模型初始条件包括农作物资料和土壤水力参数，其中农作物资料主要指标为生长阶段划分情况、最大株高、幼苗期叶面积指数、最大根层深度，通过现有技术获得，本发明的数据来自于区域历年种植实测资料，土壤水力参数主要指标为土层深度划分情况以及不同土层的残余含水率、饱和含水率、饱和导水率、经验系数，数据来自于研究区域地下水资料以及模型数据库中已有的参数值。通过编辑“*.swp”文件，输入模型上述基础数据。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S22所述模型基本参数包括不同土层的饱和含水率、残余含水率、形状系数、饱和导水率、容重、农作物从出苗到开花所需积温、从开花到成熟所需积温、盐分临界值、产量反应系数。步骤S22所述率定过程为：设置农作物淡水灌溉方案W0＝(T1-0g/L,T2-0g/L,…,Tm-1-0g/L,Tm-0g/L)，通过依次改变上述基本参数后运行“SWAP.exe”文件来模拟运算近20年逐年淡水灌溉方案下农作物潜在产量，直至模拟得到的逐年潜在产量与对应年份实际产量一致，此时模型各参数即为率定好的参数。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S23所述灌溉-产量响应关系式构建如下：
其中：
式中：Ya和YP分别为淡水灌溉时的实际产量和模拟得到的农作物潜在产量，kg/hm2；n为农作物的总生长阶段；Yak和YPK为第k生长阶段获得的最大产量和潜在产量，kg/hm2；Kyk为第k生长阶段的产量反应系数，通过步骤S22率定得到；Tak和TPK为第k生长阶段实际蒸腾量和潜在蒸腾量，kg/hm2；Droot为农作物根系深度，cm；arw、ars分别为水分胁迫导致作物根系吸水的折减系数、盐分胁迫导致作物根系吸水的折减系数；pk为第k生长阶段的作物截留降雨量，cm；为湿润状态下作物潜在蒸散量；ETp、Ep分别为作物潜在蒸散量、土壤潜在蒸发量，通过SWAP-WOFOST模型内置的Penman-Monteith公式计算。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S3所述模拟S1输出的多种微咸水灌溉方案，是指基于S22率定好的基本参数，通过编辑“.irg”文件下各时段微咸水矿化度，模拟得到各方案下农作物潜在产量。所述以S2输出的农作物目标产量为模型终止条件，是指当模型模拟微咸水灌溉方案Wi后的潜在产量大于或等于当年该农作物的目标产量时，则模型停止模拟Wi+1至Wj方案。此时，方案Wi各个生长阶段的矿化度即为该农作物不同生长阶段的微咸水矿化度阈值。
需要说明的是，考虑到不同降雨条件下，降水多少对土壤的淋洗效果不同，所以不同降雨条件下同一种农作物的耐盐阈值也会有所不同。因此，本发明可选择不同降雨条件的典型年进行灌溉-产量响应模拟，从而得到不同降雨条件下农作物的逐时段耐盐阈值，典型年根据水文水资源领域水文年的划分方式，包括：枯水年、偏枯水年、平水年、丰水年。
一种微咸水用于农业灌溉的矿化度安全阈值识别系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现前述的方法。
本发明通过上述技术方案，取得如下技术效果。
本发明针对农作物全生命周期不同生长阶段差异化的耐盐特性，通过构建农作物灌溉-产量响应模型，模拟分析不同生长阶段差异化微咸水灌溉方案下农作物产量响应结果，给出了一套识别农作物全生命周期不同生长阶段耐盐阈值的方法思路及机理模型，能够有效解决目前开展灌溉试验的耗时耗力以及对农作物耐盐阈值识别不够精细化的问题，对于农作物安全且高效利用微咸水、弥补部分地区淡水资源不足以及提升供水安全保障能力具有重要意义。
附图说明
图1为本发明技术路线图。
图2为实施例中馆陶县冬小麦全生命周期流程划分图。
图3为实施例中馆陶县冬小麦逐年实际产量、目标产量变化趋势图(2001-2017年)。
图4为实施例中馆陶县年降雨量变化情况(2001-2017年)。
图5为实施例中枯水年馆陶县冬小麦在微咸水灌溉方案下产量模拟结果。
图6为实施例中偏枯水年馆陶县冬小麦在微咸水灌溉方案下产量模拟结果。
图7为实施例中平水年馆陶县冬小麦在微咸水灌溉方案下产量模拟结果。
图8为实施例中丰水年馆陶县冬小麦在微咸水灌溉方案下产量模拟结果。
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，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
本发明的微咸水用于农业灌溉的矿化度安全阈值识别方法，包括以下步骤：
S1.在农作物不同生长阶段设置多种微咸水灌溉方案；
S2.基于S1的微咸水灌溉方案构建农作物灌溉-产量响应模型；
S2的具体步骤包括：
S21.输入模型边界和初始条件；
S22.率定模型基本参数；
S23.构建农作物灌溉-产量响应关系式；
S3.模拟S1输出的多种微咸水灌溉方案，以农作物目标产量作为模型终止条件，模拟得到农作物微咸水逐时段安全灌溉的矿化度阈值。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，S1在农作物不同生长阶段设置多种微咸水灌溉方案，根据S0.划分农作物全生命周期的主要生长阶段，并分析微咸水的可灌时段的结果得到。
作为一种可实施的方案，S0划分农作物全生命周期的主要生长阶段，并分析微咸水的可灌时段，可以通过以下方法获得。
农作物全生命周期的主要生长阶段T，包括播种、出苗、分蘖、越冬、返青、拔节、抽穗、开花、灌浆、成熟等n个阶段，不同农作物生长阶段有所差异，可结合农作物生长特性进行划分。
分析微咸水的可灌时段方法如下：农作物耐盐敏感时段为：若某一生长阶段农作物所处土壤环境中的盐分影响了农作物正常的生长、发育，则表明该生长阶段农作物不耐盐，即为农作物耐盐敏感时段。农作物耐盐敏感时段以外的生长阶段，即为微咸水的可灌时段Ti，其中，i＝1,2,…,m，m为微咸水的可灌时段总数，m≤n。其中，具体某种农作物耐盐敏感时段，可以根据现有技术的文献获得，也可以根据实验获得。
当某种农作物的耐盐敏感时段现有技术未公开，实验时间较长尚未获得时，根据多数农作物耐盐敏感段，设置播种期、幼苗期为该农作物耐盐敏感时段，则播种期、幼苗期以外的时段即为该农作物微咸水的可灌时段。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，其中，农作物的目标产量，可以通过以下方法确定。
作为一种可实施的方案，确定农作物目标产量的方法为，通过现有技术的某种农作物的历史实际产量确定。例如，根据现有技术的某种农作物近20年逐年的实际产量，以当年实际产量的90％作为当年来水条件下该农作物的目标产量。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S1所述微咸水灌溉方案包括：极端灌溉方案W1，定义为农作物微咸水可灌时段Ti均灌溉矿化度为5g/L的微咸水，表示为W1＝(T1-5g/L,T2-5g/L,…,Tm-1-5g/L,Tm-5g/L)；其他灌溉方案W2,W3,…,Wj，定义为在极端灌溉方案W1基础上，从农作物第一个微咸水可灌时段T1开始依次降低微咸水矿化度，每次降低幅度为1g/L，直至降低到微咸水矿化度最低值2g/L，且后一时段微咸水矿化度始终要比前一阶段高或者相等，则W2＝(T1-4g/L,T2-5g/L,…,Tm-1-5g/L,Tm-5g/L)，W3＝(T1-4g/L,T2-4g/L,…,Tm-1-5g/L,Tm-5g/L)，…，Wm＝(T1-4g/L,T2-4g/L,…,Tm-1-4g/L,Tm-5g/L)，Wm+1＝(T1-3g/L,T2-4g/L,…,Tm-1-4g/L,Tm-5g/L)，以此类推至Wj＝(T1-2g/L,T2-2g/L,…,Tm-1-2g/L,Tm-2g/L)。其中，Ti为微咸水的可灌时段，i＝1,2,…,m，m为微咸水的可灌时段总数，n为农作物全生命周期的主要生长阶段数，j为微咸水灌溉方案总数。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S2所述农作物灌溉-产量响应模型是基于SWAP-WOFOST模型对农作物光合作用和作物发育模拟的功能，通过加入所构建的农作物灌溉-产量响应关系式，改变不同生长阶段灌溉水中的水盐比例来模拟水分、盐分胁迫下农作物的潜在产量。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S21所述模型边界条件包括上边界条件和下边界条件，其中模型上边界条件为区域的气象条件，主要指标为日均辐射量、日最低气温、日最高气温、日均相对湿度、日均风速、日降雨量、日蒸发量，通过现有技术获得，本发明的数据来自于区域气象局网站；下边界条件为区域排水条件，分为完全排水、部分排水或不排水，通过现有技术获得，根据研究区域以往地下水观测资料中地下水流与周围环境是否互通来选择；模型初始条件包括农作物资料和土壤水力参数，其中农作物资料主要指标为生长阶段划分情况、最大株高、幼苗期叶面积指数、最大根层深度，通过现有技术获得，本发明的数据来自于区域历年种植实测资料，土壤水力参数主要指标为土层深度划分情况以及不同土层的残余含水率、饱和含水率、饱和导水率、经验系数，数据来自于研究区域地下水资料以及模型数据库中已有的参数值。通过编辑“*.swp”文件，输入模型上述基础数据。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S22所述模型基本参数包括不同土层的饱和含水率、残余含水率、形状系数、饱和导水率、容重、农作物从出苗到开花所需积温、从开花到成熟所需积温、盐分临界值、产量反应系数。步骤S22所述率定过程为：设置农作物淡水灌溉方案W0＝(T1-0g/L,T2-0g/L,…,Tm-1-0g/L,Tm-0g/L)，通过依次改变上述基本参数后运行“SWAP.exe”文件来模拟运算近20年逐年淡水灌溉方案下农作物潜在产量，直至模拟得到的逐年潜在产量与对应年份实际产量一致，此时模型各参数即为率定好的参数。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S23所述灌溉-产量响应关系式构建如下：
其中：
式中：Ya和YP分别为淡水灌溉时的实际产量和模拟得到的农作物潜在产量，kg/hm2；n为农作物的总生长阶段；Yak和YPK为第k生长阶段获得的最大产量和潜在产量，kg/hm2；Kyk为第k生长阶段的产量反应系数，通过步骤S22率定得到；Tak和TPK为第k生长阶段实际蒸腾量和潜在蒸腾量，kg/hm2；Droot为农作物根系深度，cm；arw、ars分别为水分胁迫导致作物根系吸水的折减系数、盐分胁迫导致作物根系吸水的折减系数；pk为第k生长阶段的作物截留降雨量，cm；为湿润状态下作物潜在蒸散量；ETp、Ep分别为作物潜在蒸散量、土壤潜在蒸发量，通过SWAP-WOFOST模型内置的Penman-Monteith公式计算。
本发明的一种微咸水用于农业灌溉的矿化度安全阈值识别方法，步骤S3所述模拟S2输出的多种微咸水灌溉方案，是指基于S22率定好的基本参数，通过编辑“.irg”文件下各时段微咸水矿化度，模拟得到各方案下农作物潜在产量。所述以S2输出的农作物目标产量为模型终止条件，是指当模型模拟微咸水灌溉方案Wi后的潜在产量大于或等于当年该农作物的目标产量时，则模型停止模拟Wi+1至Wj方案。此时，方案Wi各个生长阶段的矿化度即为该农作物不同生长阶段的微咸水矿化度阈值。
需要说明的是，考虑到不同降雨条件下，降水多少对土壤的淋洗效果不同，所以不同降雨条件下同一种农作物的耐盐阈值也会有所不同。因此，本发明可选择不同降雨条件的典型年进行灌溉-产量响应模拟，从而得到不同降雨条件下农作物的逐时段耐盐阈值，典型年根据水文水资源领域水文年的划分方式，包括：枯水年、偏枯水年、平水年、丰水年。
一种微咸水用于农业灌溉的矿化度安全阈值识别系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现前述的方法。
实施案例：
实施案例提供一种基于微咸水安全灌溉的馆陶县冬小麦的逐时段矿化度阈值识别方法，从而支撑馆陶县微咸水的安全灌溉。
馆陶县隶属于河北省邯郸市，位于华北平原南部，河北省南端偏东，地处河北省地下水超采最严重的黑龙港流域，总面积456.3km2。馆陶县天然水资源量匮乏，多年平均降水量561.8mm，年降水总量仅为2.61亿m3。多年平均地下水资源量为6499万m3，其中淡水资源量(矿化度M≤2g/L)为4579万m3，微咸水资源量为1920万m3，微咸水资源量占地下水资源量的30％左右。其中矿化度为2g/L＜M≤3g/L的微咸水资源量为1515万m3，矿化度为3g/L＜M≤5g/L的微咸水资源量为405万m3。馆陶县近年用水量中，农田灌溉用水量约占用水总量的70％左右，其中地下水用水量约占农田灌溉用水量的50％左右，可见馆陶县农田灌溉是用水大户，而其中地下水源为农田灌溉提供了较大的支撑。
2014年初，国家将河北省黑龙港流域作为地下水超采治理试点区，馆陶县也在其中。经过近十年的治理，馆陶县地下水位已得到很大程度回升，但随着工农业的快速发展，水资源供需矛盾日益突出，现有的供水结构中地下水供水压力较大。馆陶县微咸水资源较为充足，但利用量却不足，且目前区域内微咸水与浅层地下水混合开发利用，未充分发挥微咸水替代淡水资源的价值，也未充分考虑微咸水用于农田灌溉的安全性。因此，选择馆陶县作为研究区域具有一定的典型性与代表性。
以下提供一种基于微咸水安全灌溉的馆陶县冬小麦的逐时段矿化度阈值识别方法
S0.划分冬小麦全生命周期的主要生长阶段，并分析微咸水的可灌时段。
具体的，冬小麦的生命周期受生态条件和栽培条件的影响很大，一般为230～270d。根据小麦的形态特征、生理特征等发生的一系列变化，可以把小麦的全生命周期划分为播种、出苗、分蘖、越冬、返青、拔节、抽穗、开花、灌浆和成熟等10个时段，即n＝10。冬小麦全生命周期流程如附图中图2所示。
通过大量国内外现有技术文献得知，冬小麦从播种到返青期是低耐盐阶段，在冬小麦苗经过冬眠后的返青期，冬小麦苗体内养分消耗过大，抗寒及抗盐能力较低，此时灌溉微咸水使地温下降，冬小麦苗受抑制易死亡；后期由于冬小麦接近成熟，土壤盐分过高容易抑制水分的补给与吸收。因此，根据前述关于耐盐敏感时段的定义，冬小麦耐盐敏感时段主要有：早期的播种期、出苗期、分蘖期、越冬期，以及后期的开花期、灌浆期、成熟期。冬小麦微咸水可灌时段为：返青期(T1)、拔节期(T2)、抽穗期(T3)，即m＝3。
S1.在馆陶县冬小麦不同生长阶段设置多种微咸水灌溉方案。
馆陶县冬小麦一般灌三次水，灌水日期一般在2月28日、3月30日、4月30日前后，分别处于冬小麦返青期、拔节期、抽穗期。
设置冬小麦极端灌溉方案W1＝(T1-5g/L,T2-5g/L,T3-5g/L)，其他灌溉方案W2＝(T1-4g/L,T2-5g/L,T3-5g/L)，W3＝(T1-4g/L,T2-4g/L,T3-5g/L)，W4＝(T1-3g/L,T2-4g/L,T3-5g/L)，W5＝(T1-3g/L,T2-4g/L,T3-4g/L)，W6＝(T1-3g/L,T2-3g/L,T3-4g/L)，W7＝(T1-3g/L,T2-3g/L,T3-3g/L)，W8＝(T1-2g/L,T2-3g/L,T3-3g/L)，W9＝(T1-2g/L,T2-2g/L,T3-3g/L)，W10＝(T1-2g/L,T2-2g/L,T3-2g/L)，见表1。
表1馆陶县冬小麦微咸水灌溉方案单位：mm
| 灌溉方案 | 02.28 | 03.30 | 04.30 |
| W1 | 60(5g/L) | 50(5g/L) | 50(5g/L) |
| W2 | 60(4g/L) | 50(5g/L) | 50(5g/L) |
| W3 | 60(4g/L) | 50(4g/L) | 50(5g/L) |
| W4 | 60(3g/L) | 50(4g/L) | 50(5g/L) |
| W5 | 60(3g/L) | 50(4g/L) | 50(4g/L) |
| W6 | 60(3g/L) | 50(3g/L) | 50(4g/L) |
| W7 | 60(3g/L) | 50(3g/L) | 50(3g/L) |
| W8 | 60(2g/L) | 50(3g/L) | 50(3g/L) |
| W9 | 60(2g/L) | 50(2g/L) | 50(3g/L) |
| W10 | 60(2g/L) | 50(2g/L) | 50(2g/L) |
注：表中60(5g/L)代表灌水量为60mm，灌溉微咸水矿化度为5g/L，其余同。
S2.基于S1的微咸水灌溉方案构建馆陶县冬小麦灌溉-产量响应模型；
S21.输入模型边界和初始条件。
从馆陶县气象局获得2001-2017年逐日气象数据，主要包括日均辐射量、日最低气温、日最高气温、日均相对湿度、日均风速、日降雨量、日蒸发量。馆陶县多年平均地下水埋深在24m左右，埋深较大，故模型下边界选择自由排水边界。根据馆陶县历年冬小麦种植情况获得农作物资料，其中冬小麦生长阶段划分为10个阶段，见S1；冬小麦最大株高设置为175mm，幼苗期叶面积指数设置为0.04836，最大根层深度设置为100mm。根据研究区域地下水资料，本次模拟土柱长1m，并划分为5层，每层划分成10个单元格，每层土壤初始水力参数见表2。编辑“*.swp”文件，输入模型上述基础数据。
表2馆陶县馆陶县冬小麦SWAP-WOFOST模型初始土壤水力参数
S22.率定模型基本参数。
通过模拟冬小麦淡水灌溉方案W0＝(T1-0g/L,T2-0g/L,…,Tm-1-0g/L,Tm-0g/L)，使得模拟得到的冬小麦逐年潜在产量与对应年份实际产量一致，得到率定好的模型基本参数值，见表3。
表3馆陶县冬小麦SWAP-WOFOST模型参数率定结果
S23.构建农作物灌溉-产量响应关系式。
馆陶县冬小麦灌溉-产量响应关系式中，任何生长阶段产量反应系数均取值为12，即Kyk＝12；和、和为SWAP-WOFOST模拟过程的中间变量；冬小麦总生长阶段n＝10；Yp为S2中得到的冬小麦逐年实际产量；Ya为需要模拟得到的冬小麦逐年潜在产量，在S5中进行分析。
S3.模拟S1设置的10种微咸水灌溉方案，以冬小麦逐年目标产量为终止条件，模拟得到馆陶县冬小麦微咸水逐时段安全灌溉的矿化度阈值。
其中，馆陶县冬小麦目标产量获得方法为，根据邯郸市2001-2017年统计年鉴(2018-2022年统计年鉴暂未公开)，筛选出馆陶县冬小麦逐年产量，每年以当年实际产量的90％作为当年来水条件下的目标产量，并绘制逐年冬小麦实际产量、目标产量变化趋势图，见附图中图3。
一定量的降雨淋洗盐分能够降低耕作层土壤含盐量，降低作物盐害，提高农作物产量，因此考虑到不同降雨量条件下农作物耐盐性可能有所不同，有必要将所选年份划分成不同的水文年型。
根据馆陶县多年降雨量情况(见图4)，将2001-2017年分为四种年型，分别为枯水年(p＝90％)、偏枯水年(p＝75％)、平水年(p＝50％)和丰水年(p＝25％)。其中2001年、2002年、2006年、2012年为枯水年，2008年、2017年为偏枯水年，2004年、2007年、2011年、2013年、2014年、2015年为平水年，2003年、2005年、2009年、2010年、2016年为丰水年。
基于S22率定好的基本参数，通过编辑“.irg”文件下各时段微咸水矿化度，模拟逐年10种微咸水灌溉方案并得到各方案下冬小麦的潜在产量。为便于分析不同水文年型下冬小麦的逐时段微咸水安全灌溉矿化度阈值，将根据上述水文年型划分结果进行结果展示。
(1)枯水年
枯水年冬小麦在不同微咸水灌溉方案下的模拟产量如图5所示。可以看出，在2002年、2006年和2012年，当采用微咸水灌溉方案W8＝(T1-2g/L,T2-3g/L,T3-3g/L)时，模拟得到的冬小麦潜在产量高于目标产量，达到预期要求，矿化度在此以上均会导致冬小麦产量不达标。
因此，枯水年来水条件下，冬小麦在三个灌水时段，即返青期(2月底)、拔节期(3月底)、抽穗期(4月底)均可灌微咸水，矿化度阈值依次为：2g/L、3g/L和3g/L。
(2)偏枯水年
偏枯水年冬小麦在不同微咸水灌溉方案下的模拟产量如图6所示。可以看出，在2008年，当采用微咸水灌溉方案W6＝(T1-3g/L,T2-3g/L,T3-4g/L)时，模拟得到的冬小麦潜在产量高于目标产量，达到预期要求，矿化度在此以上均会导致冬小麦产量不达标；在2017年，当采用微咸水灌溉方案W7＝(T1-3g/L,T2-3g/L,T3-3g/L)时，模拟得到的冬小麦潜在产量高于目标产量，达到预期要求。从安全性角度出发，推荐2017年结果作为偏枯水年冬小麦微咸水灌溉的参考方案。
因此，偏枯水年来水条件下，冬小麦在三个灌水时段，即返青期(2月底)、拔节期(3月底)、抽穗期(4月底)均可灌微咸水，矿化度阈值依次为：3g/L、3g/L和3g/L。
(3)平水年
平水年冬小麦在不同微咸水灌溉方案下的模拟产量如图7所示。可以看出，不同年份下模拟出来的适宜微咸水灌溉方案不同。在2004年和2014年，当采用微咸水灌溉方案W7＝(T1-3g/L,T2-3g/L,T3-3g/L)时，冬小麦的模拟产量高于目标产量；在2007年，当采用微咸水灌溉方案W6＝(T1-3g/L,T2-3g/L,T3-4g/L)时，冬小麦的模拟产量高于目标产量；在2011年，当采用微咸水灌溉方案W8＝(T1-2g/L,T2-3g/L,T3-3g/L)时，冬小麦的模拟产量高于目标产量；在2013年，当采用微咸水灌溉方案W9＝(T1-2g/L,T2-2g/L,T3-3g/L)时，冬小麦的模拟产量高于目标产量；在2015年，当采用微咸水灌溉方案W5＝(T1-3g/L,T2-4g/L,T3-4g/L)时，冬小麦的模拟产量高于目标产量。经分析，2004年、2011年、2013年和2014年，2-4月降雨量较少，因此冬小麦对灌溉水耐盐能力有所降低，导致这四个年份下冬小麦逐时段耐盐阈值降低，属于特殊情况，不作为参考年份。因此从安全性角度出发，推荐2007年结果作为平水年冬小麦微咸水灌溉的参考方案。
因此，平水年来水条件下，冬小麦在三个灌水时段，即返青期(2月底)、拔节期(3月底)、抽穗期(4月底)均可灌微咸水，矿化度阈值依次为：3g/L、3g/L和4g/L。
(4)丰水年
丰水年冬小麦在不同微咸水灌溉方案下的模拟产量如图8所示。可以看出，不同年份下模拟出来的适宜微咸水灌溉方案不同。在2003年，当采用微咸水灌溉方案W5＝(T1-3g/L,T2-4g/L,T3-4g/L)时，冬小麦的模拟产量高于目标产量；在2005年，当采用微咸水灌溉方案W8＝(T1-2g/L,T2-3g/L,T3-3g/L)时，冬小麦的模拟产量高于目标产量；在2009年，当采用微咸水灌溉方案W4＝(T1-3g/L,T2-4g/L,T3-5g/L)时，冬小麦的模拟产量高于目标产量；在2010年，当采用微咸水灌溉方案W7＝(T1-3g/L,T2-3g/L,T3-3g/L)时，冬小麦的模拟产量高于目标产量；在2016年，当采用微咸水灌溉方案W9＝(T1-2g/L,T2-2g/L,T3-3g/L)时，冬小麦的模拟产量高于目标产量。经分析，2005年、2010年、2016年的2-4月降雨量偏小，因此冬小麦对灌溉水耐盐能力有所降低，导致这三个年份下冬小麦逐时段耐盐阈值降低，属于特殊情况，不作为参考年份。因此从安全性角度出发，推荐2003年结果作为平水年冬小麦微咸水灌溉的参考方案。
因此，丰水年来水条件下，冬小麦在三个灌水时段，即返青期(2月底)、拔节期(3月底)、抽穗期(4月底)均可灌微咸水，矿化度阈值依次为：3g/L、4g/L和4g/L。
根据以上模拟结果，汇总得到馆陶县不同来水条件下冬小麦微咸水逐时段安全灌溉矿化度阈值如表4所示。
表4馆陶县冬小麦微咸水逐时段安全灌溉矿化度阈值结果单位：g/L
本发明提供的技术方案，不受上述实施例的限制，凡是利用本发明的结构和方式，经过变换和代换所形成的技术方案，都在本发明的保护范围内。
Claims (6)
1.一种微咸水用于农业灌溉的矿化度安全阈值识别方法，其特征在于：包括以下步骤，
S1在农作物不同生长阶段设置多种微咸水灌溉方案；
S2基于S1的微咸水灌溉方案构建农作物灌溉-产量响应模型；
其具体步骤包括：
S21输入模型边界和初始条件；
S22率定模型基本参数；
S23构建农作物灌溉-产量响应关系式；
S3模拟S1输出的多种微咸水灌溉方案，以农作物目标产量作为模型终止条件，模拟得到农作物微咸水逐时段安全灌溉的矿化度阈值；
S1所述微咸水灌溉方案包括：极端灌溉方案W1和其他灌溉方案W2,W3,…,Wj，其中，极端灌溉方案W1定义为农作物微咸水可灌时段Ti均灌溉矿化度为5g/L的微咸水，表示为W1＝(T1-5g/L,T2-5g/L,…,Tm-1-5g/L,Tm-5g/L)；
其他灌溉方案W2,W3,…,Wj，定义为在极端灌溉方案W1基础上，从农作物第一个微咸水可灌时段T1开始依次降低微咸水矿化度，每次降低幅度为1g/L，直至降低到微咸水矿化度最低值2g/L，且后一时段微咸水矿化度始终要比前一阶段高或者相等，则W2＝(T1-4g/L,T2-5g/L,…,Tm-1-5g/L,Tm-5g/L)，W3＝(T1-4g/L,T2-4g/L,…,Tm-1-5g/L,Tm-5g/L)，…，Wm＝(T1-4g/L,T2-4g/L,…,Tm-1-4g/L,Tm-5g/L)，Wm+1＝(T1-3g/L,T2-4g/L,…,Tm-1-4g/L,Tm-5g/L)，以此类推至Wj＝(T1-2g/L,T2-2g/L,…,Tm-1-2g/L,Tm-2g/L)，
其中，Ti为微咸水的可灌时段，i＝1,2,…,m，m为微咸水的可灌时段总数，n为农作物全生命周期的主要生长阶段数，j为微咸水灌溉方案总数；
S2所述农作物灌溉-产量响应模型是在SWAP-WOFOST模型基础上，加入农作物灌溉-产量响应关系式进行模拟；
S21中模型边界条件包括上边界条件和下边界条件，其中模型上边界条件为区域的气象条件,下边界条件为区域排水条件；
模型初始条件包括农作物资料和土壤水力参数；
S22中模型基本参数包括不同土层的饱和含水率、残余含水率、形状系数、饱和导水率、容重、农作物从出苗到开花所需积温、从开花到成熟所需积温、盐分临界值、产量反应系数；
步骤S22中的率定过程为：设置农作物淡水灌溉方案W0＝(T1-0g/L,T2-0g/L,…,Tm-1-0g/L,Tm-0g/L)，通过依次改变上述基本参数后模拟运算近年逐年淡水灌溉方案下农作物潜在产量，直至模拟得到的逐年潜在产量与对应年份实际产量一致，此时模型各参数即为率定好的参数；
S23中灌溉-产量响应关系式构建如下：
其中：
式中：Ya和YP分别为淡水灌溉时的实际产量和模拟得到的农作物潜在产量，kg/hm2；n为农作物的总生长阶段；Yak和YPK为第k生长阶段获得的最大产量和潜在产量，kg/hm2；Kyk为第k生长阶段的产量反应系数，通过步骤S22率定得到；Tak和Tpk为第k生长阶段实际蒸腾量和潜在蒸腾量，kg/hm2；Droot为农作物根系深度，cm；arw、ars分别为水分胁迫导致作物根系吸水的折减系数、盐分胁迫导致作物根系吸水的折减系数；pk为第k生长阶段的作物截留降雨量，cm；为湿润状态下作物潜在蒸散量；ETp、Ep分别为作物潜在蒸散量、土壤潜在蒸发量，通过SWAP-WOFOST模型内置的Penman-Monteith公式计算。
2.根据权利要求1所述的微咸水用于农业灌溉的矿化度安全阈值识别方法，其特征在于：
S3中模拟S1输出的多种微咸水灌溉方案，是指基于S22率定好的基本参数，通过编辑各时段微咸水矿化度改变水分、盐分胁迫下农作物根系吸水折减系数arw、ars，模拟得到各方案下农作物潜在产量YP；
以农作物目标产量作为模型终止条件，是指当模型模拟微咸水灌溉方案Wi后的潜在产量大于或等于当年该农作物的目标产量时，则模型停止模拟Wi+1至Wj方案，此时，方案Wi各个生长阶段的矿化度即为该农作物不同生长阶段的微咸水矿化度阈值。
3.根据权利要求1所述的微咸水用于农业灌溉的矿化度安全阈值识别方法，其特征在于：
S1中在农作物不同生长阶段设置多种微咸水灌溉方案，根据S0划分农作物全生命周期的主要生长阶段，并分析微咸水的可灌时段的结果得到；
其中，农作物全生命周期的主要生长阶段T，包括播种、出苗、分蘖、越冬、返青、拔节、抽穗、开花、灌浆、成熟等n个阶段；
分析微咸水的可灌时段方法为：若某一生长阶段农作物所处土壤环境中的盐分影响了农作物正常的生长、发育，则表明该生长阶段农作物不耐盐，即为农作物耐盐敏感时段；农作物耐盐敏感时段以外的生长阶段，即为微咸水的可灌时段Ti，其中，i＝1,2,…,m，m为微咸水的可灌时段总数，m≤n。
4.根据权利要求1所述的微咸水用于农业灌溉的矿化度安全阈值识别方法，其特征在于：
根据现有技术的某种农作物近20年逐年的实际产量，以当年实际产量的90％作为当年来水条件下该农作物的目标产量。
5.根据权利要求1所述的微咸水用于农业灌溉的矿化度安全阈值识别方法，其特征在于：
S3中，选择不同降雨条件的典型年进行灌溉-产量响应模拟，得到不同降雨条件下农作物的逐时段耐盐阈值。
6.一种微咸水用于农业灌溉的矿化度安全阈值识别系统，其特征在于：包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1至5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310050198.3A CN116090914B (zh) | 2023-02-01 | 2023-02-01 | 微咸水用于农业灌溉的矿化度安全阈值识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310050198.3A CN116090914B (zh) | 2023-02-01 | 2023-02-01 | 微咸水用于农业灌溉的矿化度安全阈值识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116090914A CN116090914A (zh) | 2023-05-09 |
| CN116090914B true CN116090914B (zh) | 2023-09-05 |
Family
ID=86198815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310050198.3A Active CN116090914B (zh) | 2023-02-01 | 2023-02-01 | 微咸水用于农业灌溉的矿化度安全阈值识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116090914B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117235322B (zh) * | 2023-11-14 | 2024-02-02 | 中国农业大学 | 作物耐盐高产品种筛选方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107047234A (zh) * | 2017-05-10 | 2017-08-18 | 山东理工大学 | 一种盐碱地微咸水与淡水间歇组合灌溉方法 |
| CN110063242A (zh) * | 2019-04-30 | 2019-07-30 | 济南大学 | 冬小麦微咸水灌溉方法及系统 |
| CN113221446A (zh) * | 2021-04-21 | 2021-08-06 | 兰州里丰正维智能科技有限公司 | 盐渍土水肥策略的获取方法、系统、存储介质和电子设备 |
| CN114493011A (zh) * | 2022-01-27 | 2022-05-13 | 武汉大学 | 考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法 |
| CN115530054A (zh) * | 2022-10-12 | 2022-12-30 | 河北省科学院应用数学研究所 | 灌溉控制方法、装置、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2919932B1 (fr) * | 2007-08-06 | 2009-12-04 | Inst Francais Du Petrole | Methode pour evaluer un schema de production d'un gissement souterrain en tenant compte des incertitudes |
-
2023
- 2023-02-01 CN CN202310050198.3A patent/CN116090914B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107047234A (zh) * | 2017-05-10 | 2017-08-18 | 山东理工大学 | 一种盐碱地微咸水与淡水间歇组合灌溉方法 |
| CN110063242A (zh) * | 2019-04-30 | 2019-07-30 | 济南大学 | 冬小麦微咸水灌溉方法及系统 |
| CN113221446A (zh) * | 2021-04-21 | 2021-08-06 | 兰州里丰正维智能科技有限公司 | 盐渍土水肥策略的获取方法、系统、存储介质和电子设备 |
| CN114493011A (zh) * | 2022-01-27 | 2022-05-13 | 武汉大学 | 考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法 |
| CN115530054A (zh) * | 2022-10-12 | 2022-12-30 | 河北省科学院应用数学研究所 | 灌溉控制方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 微咸水混灌对土壤理化性质及冬小麦产量的影响;吴忠东;王全九;;农业工程学报(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116090914A (zh) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Thidar et al. | Mulching improved soil water, root distribution and yield of maize in the Loess Plateau of Northwest China | |
| Abedinpour et al. | Performance evaluation of AquaCrop model for maize crop in a semi-arid environment | |
| Karlberg et al. | Low-cost drip irrigation—A suitable technology for southern Africa?: An example with tomatoes using saline irrigation water | |
| Karam et al. | Yield and water use of eggplants (Solanum melongena L.) under full and deficit irrigation regimes | |
| Fang et al. | Evapotranspiration partitioning, water use efficiency, and maize yield under different film mulching and nitrogen application in northwest China | |
| Rop | Effects of deficit irrigation on yield and quality of onion crop | |
| Abedinpour | Evaluation of Growth-Stage-Specific Crop Coefficients of Maize Using Weighing Lysimeter. | |
| Khoshravesh et al. | AquaCrop model simulation under different irrigation water and nitrogen strategies | |
| Koksal et al. | Evaluation of financial efficiency of drip-irrigation of red pepper based on evapotranspiration calculated using an iterative soil water-budget approach | |
| Chauhdary et al. | Improving corn production by adopting efficient fertigation practices: Experimental and modeling approach | |
| Tolk et al. | Sunflower water productivity in four Great Plains soils | |
| CN116090914B (zh) | 微咸水用于农业灌溉的矿化度安全阈值识别方法及系统 | |
| Soothar et al. | Evaluating the performance of SALTMED model under alternate irrigation using saline and fresh water strategies to winter wheat in the North China Plain | |
| CN115455086A (zh) | 一种灌区农业灌溉用水量的估算方法及系统 | |
| Wang et al. | Cotton growth model under drip irrigation with film mulching: A case study of Xinjiang, China | |
| Zhang et al. | Cotton responses to saline water irrigation in the Low Plain around the Bohai Sea in China | |
| Amiri et al. | Calibration and evaluation of CERES rice model under different nitrogen-and water-management options in semi-mediterranean climate condition | |
| CN114493011B (zh) | 考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法 | |
| Minhua et al. | Optimized farmland mulching improves alfalfa yield and water use efficiency based on meta-analysis and regression analysis | |
| Bai et al. | Simulating on the effects of irrigation on jujube tree growth, evapotranspiration and water use based on crop growth model | |
| Petry et al. | Modeling yield, soil water balance, and economic return of soybean under different water deficit levels | |
| Wang et al. | Modeling tomato root water uptake influenced by soil salinity under drip irrigation with an inverse method | |
| Cotera et al. | Resilient agriculture: water management for climate change adaptation in Lower Saxony | |
| Nazeer et al. | Modeling the response of onion crop to deficit irrigation | |
| Li et al. | Predicting crop growth under different cropping and fertilizing management practices |
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 |