CN116579880B - 一种基于动态作物系数的有效绿水资源评价方法及装置 - Google Patents
一种基于动态作物系数的有效绿水资源评价方法及装置 Download PDFInfo
- Publication number
- CN116579880B CN116579880B CN202310517442.2A CN202310517442A CN116579880B CN 116579880 B CN116579880 B CN 116579880B CN 202310517442 A CN202310517442 A CN 202310517442A CN 116579880 B CN116579880 B CN 116579880B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- evaporation
- leaf area
- crop
- area index
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 36
- 238000001704 evaporation Methods 0.000 claims abstract description 118
- 230000008020 evaporation Effects 0.000 claims abstract description 102
- 238000004088 simulation Methods 0.000 claims abstract description 63
- 230000012010 growth Effects 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000005068 transpiration Effects 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 230000014509 gene expression Effects 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 239000002689 soil Substances 0.000 claims description 44
- 230000004044 response Effects 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 17
- 230000003698 anagen phase Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 230000009189 diving Effects 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 239000003673 groundwater Substances 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 230000035515 penetration Effects 0.000 claims description 4
- 238000007740 vapor deposition Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 19
- 241000196324 Embryophyta Species 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- 241000209094 Oryza Species 0.000 description 8
- 235000007164 Oryza sativa Nutrition 0.000 description 8
- 235000009566 rice Nutrition 0.000 description 8
- 240000000111 Saccharum officinarum Species 0.000 description 6
- 235000007201 Saccharum officinarum Nutrition 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003973 irrigation Methods 0.000 description 4
- 238000009331 sowing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009355 double cropping Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008635 plant growth Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000035558 fertility Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241000481604 Bolbostemma Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000002786 root growth Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及水资源评价技术领域,具体涉及一种基于动态作物系数的有效绿水资源评价方法及装置。包括:构建待测区域的SWAT模型;构建植被潜在蒸腾量的数学关系表达式,在SWAT模型中引入动态作物系数;根据预先获取的实测蒸发数据和叶面积指数监测数据对运行SWAT模型得到结果进行评价,进行作物生长参数和蒸散发参数进行率定;根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定,进行逐日模拟,得出待测区域内有效绿水资源总量。本发明示出的技术方案,在模型中引入动态作物系数,提高了蒸散发模拟和作物生长过程模拟的准确性,进行了植被覆盖度动态计算,实现了基于动态覆盖度计算的有效绿水资源划分,提高了有效绿水资源评价的准确性。
Description
技术领域
本发明涉及水资源评价技术领域,具体涉及一种基于动态作物系数的有效绿水资源评价方法及装置。
背景技术
绿水是森林、草地、湿地和农田通过蒸散消耗掉的水量,是支撑陆地生态系统和雨养农业生产的主要水源,在全球尺度上,占总降水的65%,而传统意义上的水资源(蓝水)只占35%。拓宽水资源评价范畴,将占总降水65%的绿水纳入水资源评价体系当中,会使水资源评价体系更加合理和全面,有助于保持合适的蓝水和绿水比例,为更有效地利用水资源、科学地管理水资源提供更为有效地指导。
太阳辐射、空气湿度、温度和风速是影响蒸发过程的重要因素。因此,绿水资源评价一般采用适用性较强的Penman-Monteith公式来计算蒸散发。这是分布式水文模型大都采用Penman-Monteith公式模拟蒸散发的原因。并且,分布式水文模型不仅可以充分考虑各类影响因素的空间变异性,还能够模拟植被生长过程,揭示绿水转化过程机制,使不同时空尺度的绿水模拟和定量划分成为可能。然而在现实中,植被蒸散发会因为不同植被类型的叶片结构、气孔特性、空气动力学性质、根系生长状况等因素而不同于参考蒸散发。Penman-Monteith公式仅考虑了气象条件对作物蒸散发的影响,也即是参考蒸散发,却没有考虑具体作物的特性,不能准确反映不同植被类型在各自的生育期的实际蒸散情况,这使得水文模型在绿水模拟方面尚有不足。
此外,以往的水资源评价多针对可满足社会经济系统消耗的蓝水资源,忽视了可被作物利用的绿水资源(蒸散发),传统水资源评价不能完全反映出水资源的全部内涵,造成水资源评价口径缺乏层次性,直接导致水资源评价量的巨大差异。因此,应当将绿水纳入水资源评价范畴。绿水的循环供给陆生生态系统,反映了自然界土壤-植被生态系统的用水消耗,包括有效绿水和无效绿水两部分。只有在循环过程中为人类生产活动所直接利用、直接参与了经济量和生态量的生产过程或者为相关生态主体提供了有效的环境服务的绿水资源,才是有效的。除此之外的绿水没有为人类产生经济的、社会的价值,这部分绿水是无效的。识别能够对区域产生价值的有效绿水资源,才能真正符合水资源评价的目的。
一般地,冠层截流蒸发、水面表层蒸发、植被蒸腾由于参与了植物的生理过程,全部视为有效绿水;沙地、戈壁、盐碱地、沼泽地、裸土地、裸岩砾地、稀疏草地等土地利用类型的土壤蒸发属于无效绿水。最关键是植物的棵间蒸发,依据植被覆盖度进行划分。以往的划分方法多根据植被不同的生长阶段,采用绿水数量乘以定值的覆盖度系数来计算有效绿水。但覆盖度是随着植被的生长而不断变化的,基于静态覆盖度的划分方法容易导致有效绿水划分出现较大误差。
因此,目前的水资源评价方法在绿水模拟方面尚有不足,且容易导致有效绿水划分出现较大误差,不利于绿水资源的有效利用和科学管理。
发明内容
有鉴于此,本发明的目的在于提供一种基于动态作物系数的有效绿水资源评价方法及装置,以解决现有技术中在绿水模拟方面尚有不足,且容易导致有效绿水划分出现较大误差的问题。
根据本发明实施例的第一方面,提供一种基于动态作物系数的有效绿水资源评价方法,包括:
对待测区域进行划分提取,得到流域信息,并根据流域信息划分水文响应单元;
根据水文响应单元及预先获取的气象数据、水库数据和农田管理数据,构建SWAT模型;
根据预先获取的作物信息、土壤信息以及气象信息,构建植被潜在蒸腾量的数学关系表达式,根据所述表达式对所述SWAT模型中的植被蒸腾计算公式进行优化,实现动态作物系数的模拟;
根据预先获取的实测蒸发数据和叶面积指数监测数据对运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果进行评价,根据评价结果对所述SWAT模型中的作物生长参数和蒸散发参数进行率定;
根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定;
根据判定结果,利用所述SWAT模型逐日模拟植被覆盖度,根据模拟结果得出待测区域内有效绿水资源总量。
优选的,所述对待测区域进行划分提取,得到流域信息,并根据流域信息得到水文响应单元,包括:
将待测区域的栅格DEM数据导入地理信息系统平台,得到天然子流域划分数据以及河网水系数据作为流域信息;
将所述流域信息导入初始SWAT模型,按照土地利用类型、土壤类型和坡度类型划分水文响应单元。
优选的,所述根据预先获取的作物信息、土壤信息以及气象信息,构建植被潜在蒸腾量的数学关系表达式,包括:
所述植被潜在蒸腾量的数学关系表达式为:
其中,EP表示植被潜在蒸腾量;ET0表示参考蒸散发量;Kc ini、Kc mid、Kc end分别表示植被在初始生长期、快速生长期和生长后期阶段的作物系数;phuc表示植物热累积单位百分比;frgw1和frgw2分别表示最优叶面积指数曲线上第一个点和第二个点对应的积温比。
优选的,所述根据预先获取的实测蒸发数据和叶面积指数监测数据对运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果进行评价,包括:
基于预先获取的实测蒸发数据和叶面积指数监测数据,选取相关系数和Nash-Sutcliffe效率系数评价运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果。
优选的,率定的作物生长参数,包括:最优叶面积指数曲线上第一个点对应的积温比、最优叶面积指数曲线上第二个点对应的积温比、最优叶面积指数曲线上第一个点对应的叶面积比、最优叶面积指数曲线上第二个点对应的叶面积比、潜在最大叶面积指数和叶面积指数开始衰退时对应的积温比;
率定的蒸散发参数,包括:土壤蒸发补偿系数、植物吸收补偿因子、浅层地下水再蒸发系数、浅层含水层“再蒸发”或渗透到深层含水层的阈值深度、土壤层有效水容量和植被截留能力。
优选的,所述根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定,包括:
将冠层截流蒸发、居工地建筑物截留蒸发、沼泽或水域的蒸发、潜水蒸散发、参与植被蒸腾的水分判定为有效绿水资源;
利用动态覆盖度计算方法计算疏林地、非高密度草地植被覆盖度;
根据疏林地、非高密度草地植被覆盖度计算植被之间的土壤蒸发。
优选的,所述动态覆盖度计算方法的公式为:
ai=LAIi/LAImx
其中,ai表示植被生长季第i日的植被覆盖度;LAIi表示植被生长季第i日的叶面积指数;LAImx表示植被生长期内的最大叶面积指数。
优选的,所述利用所述SWAT模型进行逐日模拟,根据模拟结果得出待测区域内有效绿水资源总量,包括:
通过如下公式得出待测区域内有效绿水资源总量:
其中,其中,Wgreena表示区域有效绿水资源总量;Wcan,i表示第i日的截留蒸发量;Wweti表示第i日的湿地蒸发量;Wwti表示第i日的水域蒸发量;Wgwi表示第i日的潜水蒸发量;Wepij表示第j种植被第i日的植被蒸腾量;Wesij表示第j种植被第i日的土壤蒸发量;Wun,i表示第i日的未利用地的土壤蒸发量;aij表示第j种植被第i日的植被覆盖度;M表示流域内植被种类;N表示年总天数。
优选的,所述的方法,还包括:
通过如下公式得出待测区域内无效绿水资源总量:
其中,Wgreenu表示区域无效绿水资源总量;Wun,i表示第i日的未利用地的土壤蒸发量。
根据本发明实施例的第二方面,提供一种基于动态作物系数的有效绿水资源评价装置,包括:
模型构建模块,对待测区域进行划分提取,得到流域信息,并根据流域信息划分水文响应单元;根据水文响应单元及预先获取的气象数据、水库数据和农田管理数据,构建SWAT模型;
优化模块,用于根据预先获取的作物信息、土壤信息以及气象信息,构建植被潜在蒸腾量的数学关系表达式,根据所述表达式对所述SWAT模型中的植被蒸腾计算公式进行优化,实现动态作物系数的模拟;
参数率定模块,用于根据预先获取的实测蒸发数据和叶面积指数监测数据对运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果进行评价,根据评价结果对所述SWAT模型中的作物生长参数和蒸散发参数进行率定;
判定模块,用于根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定;
结果生成模块,用于根据判定结果,利用所述SWAT模型逐日模拟植被覆盖度,根据模拟结果得出待测区域内有效绿水资源总量。
本发明的实施例提供的技术方案可以包括以下有益效果:
可以理解的是,本发明提供的技术方案,能够构建待测区域的SWAT模型;构建植被潜在蒸腾量的数学关系表达式,在SWAT模型中引入动态作物系数;根据预先获取的实测蒸发数据和叶面积指数监测数据对运行SWAT模型得到结果进行评价,进行作物生长参数和蒸散发参数进行率定;根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定,进行逐日模拟,得出待测区域内有效绿水资源总量。本发明提供的技术方案,引入动态作物系数,使模型在蒸散发模拟过程中充分考虑了具体植物类型的特性,准确反映了不同植被类型在各自的生育期的实际蒸散发和叶面积指数变化情况,提高了绿水模拟和作物生长过程模拟的准确性;在提高作物生长过程模拟准确性的基础上,引入动态覆盖度计算方法,提高了有效绿水资源评价的准确性,拓宽了水资源评价口径,为更有效地利用和科学管理水资源提供更为有效地指导。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种基于动态作物系数的有效绿水资源评价方法的步骤示意图;
图2是根据一示例性实施例示出的水稻和甘蔗叶面积指数模拟值与实测值对比示意图;
图3是根据一示例性实施例示出的玉林博白率定期和验证期的实测与模拟月蒸散发过程对比示意图;
图4是根据一示例性实施例示出的合浦率定期和验证期的实测与模拟月蒸散发过程对比示意图;
图5是根据一示例性实施例示出的流域有效和无效绿水资源空间分布图;
图6是根据一示例性实施例示出的一种基于动态作物系数的有效绿水资源评价装置的示意框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例一
图1是根据一示例性实施例示出的一种基于动态作物系数的有效绿水资源评价方法的步骤示意图,参见图1,提供一种基于动态作物系数的有效绿水资源评价方法,包括:
步骤S11、对待测区域进行划分提取,得到流域信息,并根据流域信息划分水文响应单元;
步骤S12、根据水文响应单元及预先获取的气象数据、水库数据和农田管理数据,构建SWAT模型;
步骤S13、根据预先获取的作物信息、土壤信息以及气象信息,构建植被潜在蒸腾量的数学关系表达式,根据所述表达式对所述SWAT模型中的植被蒸腾计算公式进行优化,实现动态作物系数的模拟;
步骤S14、根据预先获取的实测蒸发数据和叶面积指数监测数据对运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果进行评价,根据评价结果对所述SWAT模型中的作物生长参数和蒸散发参数进行率定;
所述对作物生长参数和蒸散发参数进行率定,实现对结果的校准。
步骤S15、根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定;
步骤S16、根据判定结果,利用所述SWAT模型逐日模拟植被覆盖度,根据模拟结果得出待测区域内有效绿水资源总量。
可以理解的是,本实施例提供的技术方案,能够构建待测区域的SWAT模型;构建植被潜在蒸腾量的数学关系表达式,在SWAT模型中引入动态作物系数;根据预先获取的实测蒸发数据和叶面积指数监测数据对运行SWAT模型得到结果进行评价,进行作物生长参数和蒸散发参数进行率定;根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定,进行逐日模拟,得出待测区域内有效绿水资源总量。本实施例提供的技术方案,引入动态作物系数,使模型在蒸散发模拟过程中充分考虑了具体植物类型的特性,准确反映了不同植被类型在各自的生育期的实际蒸散发和叶面积指数变化情况,提高了绿水模拟和作物生长过程模拟的准确性;在提高作物生长过程模拟准确性的基础上,引入动态覆盖度计算方法,提高了有效绿水资源评价的准确性,拓宽了水资源评价口径,为更有效地利用和科学管理水资源提供更为有效地指导。
需要说明的是,在步骤S11中,所述对待测区域进行划分提取,得到流域信息,并根据流域信息得到水文响应单元,包括:
将待测区域的栅格DEM数据导入地理信息系统平台(ArcGIS),得到天然子流域划分数据以及河网水系数据作为流域信息;
将所述流域信息导入初始SWAT模型,按照土地利用类型、土壤类型和坡度类型划分水文响应单元。
在步骤S12中,水库数据包括:水库库容、出库流量等;农田管理数据包括:作物种植类型、种植时间、收获时间等。
需要说明的是,在步骤S13中,所述根据预先获取的作物信息、土壤信息以及气象信息,构建植被潜在蒸腾量的数学关系表达式,包括:
所述植被潜在蒸腾量的数学关系表达式为:
其中,EP表示植被潜在蒸腾量,单位为mm;ET0表示参考蒸散发量,单位为mm;Kc ini、Kc mid、Kc end分别表示植被在初始生长期、快速生长期和生长后期阶段的作物系数;phuc表示植物热累积单位百分比;frgw1和frgw2分别表示最优叶面积指数曲线上第一个点和第二个点对应的积温比。
具体的,Kc ini的计算公式如下:
其中,tw表示灌溉或降雨的平均间隔时间;REW表示在大气蒸发力控制阶段蒸发的水量,单位为mm;TEW表示一次降雨或灌溉后总计蒸发的水量,单位为mm。
REW和TEW的表达式如下:
在上式中,H表示土壤蒸发层的深度,通常取值100~150mm;θFc和θWP分别为蒸发层土壤的田间持水量和凋萎点含水率;Sand和Clay分别为土壤中的砂粒含量和粘粒含量。
Kc mid和Kc end的计算公式分别如下:
其中,v2表示该生育阶段内2m高度处的平均风速;h表示该生育阶段内植被的平均高度;Kcm和Kcd分别表示FAO提供的植物生长中期和后期的作物系数参考值;RHmin表示该生育阶段内最低相对湿度的平均值。
RHmin的具体表达式如下:
其中,Tmax和Tmin分别表示日最高气温和日最低气温。
需要说明的是,在步骤S14中,所述根据预先获取的实测蒸发数据和叶面积指数监测数据对运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果进行评价,包括:
基于预先获取的实测蒸发数据和叶面积指数监测数据,选取相关系数和Nash-Sutcliffe效率系数评价运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果。
在具体实践中,运行构建完毕的SWAT模型,输出蒸散发和作物叶面积指数模拟结果,基于实测蒸发和叶面积指数监测数据,选取相关系数和Nash-Sutcliffe效率系数评价模拟效果,对模型的作物生长参数和蒸散发参数进行率定。
需要说明的是,率定的作物生长参数,包括:最优叶面积指数曲线上第一个点对应的积温比(FRGRW1)、最优叶面积指数曲线上第二个点对应的积温比(FRGRW2)、最优叶面积指数曲线上第一个点对应的叶面积比(LAIMX1)、最优叶面积指数曲线上第二个点对应的叶面积比(LAIMX2)、潜在最大叶面积指数(BLAI)和叶面积指数开始衰退时对应的积温比(DLAI);
率定的蒸散发参数,包括:土壤蒸发补偿系数(ESCO)、植物吸收补偿因子(EPCO)、浅层地下水再蒸发系数(GW_REVAP)、浅层含水层“再蒸发”或渗透到深层含水层的阈值深度(REVAPMN)、土壤层有效水容量(SOL_AWC)和植被截留能力(CANMX)。
需要说明的是,在步骤S15中,所述根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定,包括:
将冠层截流蒸发、居工地建筑物截留蒸发、沼泽或水域的蒸发、潜水蒸散发、参与植被蒸腾的水分判定为有效绿水资源;
利用动态覆盖度计算方法计算疏林地、非高密度草地植被覆盖度;
根据疏林地、非高密度草地植被覆盖度计算植被之间的土壤蒸发。
在具体实践中,不同土地覆被类型的有效绿水资源评价,具体为:
土壤水储多年平均蓄变量可认为是零,绿水资源量为零;
冠层截流蒸发、居工地建筑物截留蒸发对于维护植被适宜的生理环境和人类适宜的居住环境的是有益处的,判定为有效绿水资源;
沼泽、水域的蒸发对于维护湿地生态功能是有益处的,全部判定为有效绿水资源;
潜水蒸散发是从地下水资源转化而来,判定为有效绿水资源;
参与植被蒸腾的水分直接参与了植被的生长过程,判定为有效绿水资源;
而对于作物、林草等植被之间的土壤蒸发(棵间蒸发),只有一部分属于有效绿水,其有效性取决于植被覆盖度。一般地,若植被覆盖度很低,远远不足以遮蔽植被之间的空间,则此时土壤蒸发对植被生长基本的没有效益的,为无效绿水资源。因此,岩石裸地土壤蒸发、稀疏草地等难利用土地的蒸发全部界定为无效绿水资源。对于疏林地、非高密度草地需要考虑植被覆盖度计算有效土壤蒸发量。
需要说明的是,所述动态覆盖度计算方法的公式为:
ai=LAIi/LAImx
其中,ai表示植被生长季第i日的植被覆盖度;LAIi表示植被生长季第i日的叶面积指数;LAImx表示植被生长期内的最大叶面积指数。
具体的,对于草地、灌木地、耕地内的一年生或多年生植物,叶面积指数计算公式如下:
其中,frphu,i表示植物生长季第i天的累积热单位分数;frLm,i表示植物生长季第i天的最大叶面积指数分数,计算公式如下:
其中,r1和r2分别表示第一形状系数和第二形状系数;LAImx1和LAImx2分别表示对应于最优叶面积指数曲线上第一个点和第二个点对应的叶面积比。
对于林地内的树木,叶面积指数计算公式如下:
其中,yrc和yrf分别表示树木的当前树龄和该种树木的树龄。
需要说明的是,所述利用所述SWAT模型进行逐日模拟,根据模拟结果得出待测区域内有效绿水资源总量,包括:
通过如下公式得出待测区域内有效绿水资源总量:
其中,其中,Wgreena表示区域有效绿水资源总量;Wcan,i表示第i日的截留蒸发量;Wweti表示第i日的湿地蒸发量;Wwti表示第i日的水域蒸发量;Wgwi表示第i日的潜水蒸发量;Wepij表示第j种植被第i日的植被蒸腾量;Wesij表示第j种植被第i日的土壤蒸发量;Wun,i表示第i日的未利用地的土壤蒸发量;aij表示第j种植被第i日的植被覆盖度;M表示流域内植被种类;N表示年总天数。
需要说明的是,所述的方法,还包括:
通过如下公式得出待测区域内无效绿水资源总量:
其中,Wgreenu表示区域无效绿水资源总量;Wun,i表示第i日的未利用地的土壤蒸发量。
结合具体的模型应用实例对本实施例进行说明:
一、研究区概况:以广西南流江流域为案例进行说明,南流江流经玉林、钦州、北海三市。
二、基础数据输入:
模型构建所需要的气象观测数据、DEM数据、土地利用数据、土壤类型数据、水文、蒸散发、水库等数据资料。
气象观测数据:灵山、玉林、钦州、北海四个站点的1990-2013年逐日降水、气温、风速、太阳辐射、相对湿度;浦北、博白和合浦三个雨量站1990-2013年逐日降水数据;
遥感数据:DEM采用中国科学院遥感与数字地球研究所提供的90m网格数据;土地利用数据和土壤类型数据由资源环境科学与数据中心提供;
实测水文数据:横江、博白、合江、常乐四站1990-2013年逐月流量数据,用于径流的校验;
实测蒸发数据:横江、博白、常乐三站2000-2011逐月蒸发皿蒸发量数据,用于蒸散发的校验;
作物生长数据:合浦灌区水稻、甘蔗叶面积指数2005-2007年试验数据,用于作物生长模拟校验;
水库数据:18座大中型水库死库容、兴利库容、总库容等资料;小江水库等3座大型水库的1990-2013年逐月入、出库径流量资料;
三、参数率定与模型验证:
选取本次选取相关系数R2和Nash-Sutcliffe效率系数Ens来评价进行模拟适应性评价。一般认为R2大于0.6、Ens大于0.6时模型的模拟精度满意。
植物生长模拟:
南流江流域主要植被类型是林地和作物。林地的蒸散发几乎全部属于有效绿水,草地和灌木面积占比不高,因此,林地、草地和灌木不再率定参数;占比最大的作物类型是双季稻和甘蔗,双季稻播种面积约占作物总播种面积的90%,其次为甘蔗,播种面积占5%以上。以上作物在生长初期叶面积指数较低,有大量无效蒸散发,需要考虑参数率定;蔬菜等作物类型面积占比极少,不再考虑。校正的作物参数主要是FRGRW1、FRGRW2、LAIMX1等6个参数,均以日步长进行校正,以尽量降低作物的叶面积指数的模拟和观测残差,水稻和甘蔗主要参数率定结果参见表1。数据来自合浦灌区2005-2007年的水稻和甘蔗生长观测实验。
表1
参见图2,从图2可以看出,模拟值与实测值拟合程度较好。主要植物的叶面积指数率定和验证结果参见表2,率定期模拟值和实测值的相关系数R2和纳什效率系数Ens几乎都在在0.90以上,可以看出,水稻和甘蔗的叶面积指数模拟效果较好,验证期纳什效率系数Ens和相关系数R2也均在0.8以上,达到了要求值。
表2
蒸散发模拟:
分别选取玉林、博白和合浦站三个站点的ESCO、EPCO、SOL_K等6个参数进行率定,三个站点的月蒸散发量模拟结果评价指标参见表3,从表3和图3、图4可以看出,月蒸散发模拟值与实测值流量过程线拟合程度较好。率定期月径流模拟值和实测值的相关系数R2和纳什效率系数Ens基本上在0.70以上;验证期内各水文站的纳什效率系数Ens和相关系数R2也基本上都在0.60以上,都达到了要求值。各站点敏感性参数率定结果参见表4,表中,r表示现有参数值乘以(1+r),v表示参数值被给定值替换。
表3
表4
有效绿水资源评价:
南流江流域绿水组成结构参见表5,由表5的汇总模拟结果可知,南流江流域绿水资源总量为87.7亿m3,其中,植被蒸腾占比最高(65.4亿m3),占全流域绿水资源总量的75.9%。根据有效绿水资源划分方法,依据所划分的不同土地利用类型的绿水资源量分布,以及不同植被类型的覆盖度特征,计算出南流江流域有效绿水资源量为77.5亿m3,占流域全部绿水资源量的90.1%,无效绿水资源量为8.6亿m3,占流域全部绿水资源量的9.9%。在结构组成方面,林地、果林地和湿地的有效绿水资源量分别为46.3亿m3、1.8亿m3和1.6亿m3,分别占各自绿水资源总量的96.1%、90.8%和100%;耕地有效绿水资源量为22.4亿m3,占耕地绿水资源总量的79.7%;草地有效绿水资源量为3.3亿m3,占灌木林地绿水资源总量的86.1%。
表5
参见图5,在空间分布上,有效绿水资源主要分布在山区以及河口平原地区。无效绿水资源主要分布在南流江流域上游的玉林盆地、中游的博白盆地以及下游的河口平原地带上,这里耕地集中,作物生长初期表土裸露面积偏大,故产生较多的无效绿水。相比之下,山区的无效绿水很小,因为这里林地集中,植被覆盖度大,绿水利用效率较高。可见,增加林地面积可以有效提高有效绿水量。南流江流域耕地的无效绿水偏大,建议采取中耕,秸秆覆盖,地膜覆盖等一系列措施减轻光照直射、降低土表水分蒸发,提高农田绿水资源利用效率。
实施例二
图6是根据一示例性实施例示出的一种基于动态作物系数的有效绿水资源评价装置的示意框图,参见图6,提供一种基于动态作物系数的有效绿水资源评价装置,包括:
模型构建模块101,对待测区域进行划分提取,得到流域信息,并根据流域信息划分水文响应单元;根据水文响应单元及预先获取的气象数据、水库数据和农田管理数据,构建SWAT模型;
优化模块102,用于根据预先获取的作物信息、土壤信息以及气象信息,构建植被潜在蒸腾量的数学关系表达式,根据所述表达式对所述SWAT模型中的植被蒸腾计算公式进行优化,实现动态作物系数的模拟;
参数率定模块103,用于根据预先获取的实测蒸发数据和叶面积指数监测数据对运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果进行评价,根据评价结果对所述SWAT模型中的作物生长参数和蒸散发参数进行率定;
判定模块104,用于根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定;
结果生成模块105,用于根据判定结果,利用所述SWAT模型逐日模拟植被覆盖度,根据模拟结果得出待测区域内有效绿水资源总量。
可以理解的是,本实施例提供的技术方案,能够通过模型构建模块101构建待测区域的SWAT模型;通过优化模块102构建植被潜在蒸腾量的数学关系表达式,在SWAT模型中引入动态作物系数;通过参数率定模块103根据预先获取的实测蒸发数据和叶面积指数监测数据对运行SWAT模型得到结果进行评价,进行作物生长参数和蒸散发参数进行率定;通过判定模块104根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定;通过结果生成模块105进行逐日模拟,得出待测区域内有效绿水资源总量。本实施例提供的技术方案,引入动态作物系数,使模型在蒸散发模拟过程中充分考虑了具体植物类型的特性,准确反映了不同植被类型在各自的生育期的实际蒸散发和叶面积指数变化情况,提高了绿水模拟和作物生长过程模拟的准确性;在提高作物生长过程模拟准确性的基础上,引入动态覆盖度计算方法,提高了有效绿水资源评价的准确性,拓宽了水资源评价口径,为更有效地利用和科学管理水资源提供更为有效地指导。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种基于动态作物系数的有效绿水资源评价方法,其特征在于,包括:
对待测区域进行划分提取,得到流域信息,并根据流域信息划分水文响应单元;
根据水文响应单元及预先获取的气象数据、水库数据和农田管理数据,构建SWAT模型;
根据预先获取的作物信息、土壤信息以及气象信息,构建植被潜在蒸腾量的数学关系表达式,根据所述表达式对所述SWAT模型中的植被蒸腾计算公式进行优化,实现动态作物系数的模拟;
根据预先获取的实测蒸发数据和叶面积指数监测数据对运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果进行评价,根据评价结果对所述SWAT模型中的作物生长参数和蒸散发参数进行率定;
根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定;
根据判定结果,利用所述SWAT模型逐日模拟植被覆盖度,根据模拟结果得出待测区域内有效绿水资源总量;
所述构建植被潜在蒸腾量的数学关系表达式,包括:
所述植被潜在蒸腾量的数学关系表达式为:
其中,EP表示植被潜在蒸腾量;ET 0表示参考蒸散发量;K c ini、K c mid、K c end分别表示植被在初始生长期、快速生长期和生长后期阶段的作物系数;phuc表示植物热累积单位百分比;fr phu1和fr phu2分别表示最优叶面积指数曲线上第一个点和第二个点对应的积温比;
所述率定的作物生长参数,包括:最优叶面积指数曲线上第一个点对应的积温比、最优叶面积指数曲线上第二个点对应的积温比、最优叶面积指数曲线上第一个点对应的叶面积比、最优叶面积指数曲线上第二个点对应的叶面积比、潜在最大叶面积指数和叶面积指数开始衰退时对应的积温比;
所述率定的蒸散发参数,包括:土壤蒸发补偿系数、植物吸收补偿因子、浅层地下水再蒸发系数、浅层含水层再蒸发的阈值深度或渗透到深层含水层的阈值深度、土壤层有效水容量和植被截留能力;
所述根据模拟结果得出待测区域内有效绿水资源总量,包括:
通过如下公式得出待测区域内有效绿水资源总量:
其中,Wgreen a表示区域有效绿水资源总量;W can,i表示第i日的截留蒸发量;Wwet i表示第i日的湿地蒸发量;Wwt i表示第i日的水域蒸发量;Wgw i表示第i日的潜水蒸发量;Wep ij表示第j种植被第i日的植被蒸腾量;Wes ij表示第j种植被第i日的土壤蒸发量;a ij表示第j种植被第i日的植被覆盖度;M表示流域内植被种类;N表示年总天数。
2.根据权利要求1所述的方法,其特征在于,所述对待测区域进行划分提取,得到流域信息,并根据流域信息得到水文响应单元,包括:
将待测区域的栅格DEM数据导入地理信息系统平台,得到天然子流域划分数据以及河网水系数据作为流域信息;
将所述流域信息导入初始SWAT模型,按照土地利用类型、土壤类型和坡度类型划分水文响应单元。
3.根据权利要求1所述的方法,其特征在于,所述根据预先获取的实测蒸发数据和叶面积指数监测数据对运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果进行评价,包括:
基于预先获取的实测蒸发数据和叶面积指数监测数据,选取相关系数和Nash-Sutcliffe效率系数评价运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果。
4.根据权利要求1所述的方法,其特征在于,所述根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定,包括:
将冠层截流蒸发、建筑用地建筑物截留蒸发、沼泽或水域的蒸发、潜水蒸散发、参与植被蒸腾的水分判定为有效绿水资源;
利用动态覆盖度计算方法计算疏林地、非高密度草地植被覆盖度;
根据疏林地、非高密度草地植被覆盖度计算植被之间的土壤蒸发。
5.根据权利要求4所述的方法,其特征在于,
所述动态覆盖度计算方法的公式为:
其中,a i表示植被生长季第i日的植被覆盖度;LAI i表示植被生长季第i日的叶面积指数;LAI mx表示植被生长期内的最大叶面积指数。
6.根据权利要求1所述的方法,其特征在于,还包括:
通过如下公式得出待测区域内无效绿水资源总量:
其中,Wgreen u表示区域无效绿水资源总量;W un,i表示第i日的未利用地的土壤蒸发量。
7.一种基于动态作物系数的有效绿水资源评价装置,其特征在于,包括:
模型构建模块,对待测区域进行划分提取,得到流域信息,并根据流域信息划分水文响应单元;根据水文响应单元及预先获取的气象数据、水库数据和农田管理数据,构建SWAT模型;
优化模块,用于根据预先获取的作物信息、土壤信息以及气象信息,构建植被潜在蒸腾量的数学关系表达式,根据所述表达式对所述SWAT模型中的植被蒸腾计算公式进行优化,实现动态作物系数的模拟;所述构建植被潜在蒸腾量的数学关系表达式,包括:
所述植被潜在蒸腾量的数学关系表达式为:
其中,EP表示植被潜在蒸腾量;ET 0表示参考蒸散发量;K c ini、K c mid、K c end分别表示植被在初始生长期、快速生长期和生长后期阶段的作物系数;phuc表示植物热累积单位百分比;fr phu1和fr phu2分别表示最优叶面积指数曲线上第一个点和第二个点对应的积温比;
参数率定模块,用于根据预先获取的实测蒸发数据和叶面积指数监测数据对运行所述SWAT模型得到的蒸散发结果和作物叶面积指数模拟结果进行评价,根据评价结果对所述SWAT模型中的作物生长参数和蒸散发参数进行率定;所述率定的作物生长参数,包括:最优叶面积指数曲线上第一个点对应的积温比、最优叶面积指数曲线上第二个点对应的积温比、最优叶面积指数曲线上第一个点对应的叶面积比、最优叶面积指数曲线上第二个点对应的叶面积比、潜在最大叶面积指数和叶面积指数开始衰退时对应的积温比;
所述率定的蒸散发参数,包括:土壤蒸发补偿系数、植物吸收补偿因子、浅层地下水再蒸发系数、浅层含水层再蒸发的阈值深度或渗透到深层含水层的阈值深度、土壤层有效水容量和植被截留能力;
判定模块,用于根据土地覆被类型及动态覆盖度计算方法进行蒸发有效性判定;
结果生成模块,用于根据判定结果,利用所述SWAT模型逐日模拟植被覆盖度,根据模拟结果得出待测区域内有效绿水资源总量,包括:通过如下公式得出待测区域内有效绿水资源总量:
其中,Wgreen a表示区域有效绿水资源总量;W can,i表示第i日的截留蒸发量;Wwet i表示第i日的湿地蒸发量;Wwt i表示第i日的水域蒸发量;Wgw i表示第i日的潜水蒸发量;Wep ij表示第j种植被第i日的植被蒸腾量;Wes ij表示第j种植被第i日的土壤蒸发量;a ij表示第j种植被第i日的植被覆盖度;M表示流域内植被种类;N表示年总天数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310517442.2A CN116579880B (zh) | 2023-05-06 | 2023-05-06 | 一种基于动态作物系数的有效绿水资源评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310517442.2A CN116579880B (zh) | 2023-05-06 | 2023-05-06 | 一种基于动态作物系数的有效绿水资源评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116579880A CN116579880A (zh) | 2023-08-11 |
CN116579880B true CN116579880B (zh) | 2024-05-03 |
Family
ID=87543766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310517442.2A Active CN116579880B (zh) | 2023-05-06 | 2023-05-06 | 一种基于动态作物系数的有效绿水资源评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116579880B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102349371A (zh) * | 2011-08-07 | 2012-02-15 | 吉林省农业科学院 | 苏打盐碱水田快速脱盐碱耕整地方法 |
CN112765800A (zh) * | 2021-01-12 | 2021-05-07 | 长江水利委员会长江科学院 | 一种分布式水资源配置模型的设计方法 |
CN114578022A (zh) * | 2022-02-18 | 2022-06-03 | 中国水利水电科学研究院 | 一种基于蒸散发分量的植物水分利用效率评价方法 |
CN115455707A (zh) * | 2022-09-19 | 2022-12-09 | 中山大学 | 一种分析流域水资源工程对气象-水文干旱影响的方法 |
-
2023
- 2023-05-06 CN CN202310517442.2A patent/CN116579880B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102349371A (zh) * | 2011-08-07 | 2012-02-15 | 吉林省农业科学院 | 苏打盐碱水田快速脱盐碱耕整地方法 |
CN112765800A (zh) * | 2021-01-12 | 2021-05-07 | 长江水利委员会长江科学院 | 一种分布式水资源配置模型的设计方法 |
CN114578022A (zh) * | 2022-02-18 | 2022-06-03 | 中国水利水电科学研究院 | 一种基于蒸散发分量的植物水分利用效率评价方法 |
CN115455707A (zh) * | 2022-09-19 | 2022-12-09 | 中山大学 | 一种分析流域水资源工程对气象-水文干旱影响的方法 |
Non-Patent Citations (1)
Title |
---|
"基于二元水循环的水量-水质-水效联合调控模型开发与应用";杨明智;《水利雪豹》;第51卷(第12期);1473-1484 * |
Also Published As
Publication number | Publication date |
---|---|
CN116579880A (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Evaluating the effects of limited irrigation on crop water productivity and reducing deep groundwater exploitation in the North China Plain using an agro-hydrological model: I. Parameter sensitivity analysis, calibration and model validation | |
Immerzeel et al. | Integrating remote sensing and a process-based hydrological model to evaluate water use and productivity in a south Indian catchment | |
Kumagai et al. | Annual water balance and seasonality of evapotranspiration in a Bornean tropical rainforest | |
Montenegro et al. | Impact of possible climate and land use changes in the semi arid regions: A case study from North Eastern Brazil | |
Vazifedoust et al. | Increasing water productivity of irrigated crops under limited water supply at field scale | |
Wilk et al. | Hydrological impacts of forest conversion to agriculture in a large river basin in northeast Thailand | |
Adeboye et al. | Performance evaluation of AquaCrop in simulating soil water storage, yield, and water productivity of rainfed soybeans (Glycine max L. merr) in Ile-Ife, Nigeria | |
Wang et al. | The characteristics of evapotranspiration and crop coefficients of an irrigated vineyard in arid Northwest China | |
Guo et al. | Quantifying water and energy budgets and the impacts of climatic and human factors in the Haihe River Basin, China: 1. Model and validation | |
Miao et al. | Spatio-temporal variability of streamflow in the Yellow River: possible causes and implications | |
Masood et al. | Climate change impacts and its implications on future water resource management in the Meghna Basin | |
Mehta et al. | Simulated impacts of three decadal climate variability phenomena on dryland corn and wheat yields in the Missouri River Basin | |
Moriasi et al. | Framework to parameterize and validate APEX to support deployment of the nutrient tracking tool | |
Ghamarnia et al. | Water Requirement, Crop Coefficients of Peppermint (Mentha piperita L.) and Realizing of SIMDualKc Model | |
Wang et al. | Simulated water balance of forest and farmland in the hill and gully region of the Loess Plateau in China | |
Fontenot | An evaluation of reference evapotranspiration models in Louisiana | |
CN104933626A (zh) | 流域农业面源污染物沟渠削减系数计算方法 | |
Peng et al. | Eco-hydrological simulation of soil and water conservation in the Jinghe River Basin in the Loess Plateau, China | |
Li et al. | Modeling the impact of climate change and vegetation conversion on water budget: A case study in the Loess Plateau of China | |
Hublart et al. | Reliability of a conceptual hydrological model in a semi-arid Andean catchment facing water-use changes | |
Quan et al. | Future climate change impacts on mulched maize production in an arid irrigation area | |
CN116579880B (zh) | 一种基于动态作物系数的有效绿水资源评价方法及装置 | |
Derib | Balancing water availability and water demand in the Blue Nile: A case study of Gumara watershed in Ethiopia | |
Petpongpan et al. | Improving integrated surface water–groundwater modelling with groundwater extraction for water management | |
Pryor et al. | Integrating climate change, hydrology, and water footprint to measure water scarcity in Lesotho, Africa |
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 |