基于涡度相关的春玉米逐日作物系数及蒸散模拟

作物系数是计算作物蒸散量的关键参数。利用2006—2008年和2011年辽宁锦州玉米农田生态系统的涡度相关、气象、作物发育期及叶面积指数观测数据,分析不受水分胁迫条件下玉米逐日作物系数特征及其与叶面积指数的关系。研究表明:作物系数与玉米农田实际蒸散均呈单峰型变化,约在7月末至8月初达到最大值 (玉米开花吐丝期)。在此基础上,建立了不受水分胁迫条件下玉米逐日作物系数与叶面积指数关系 (达到0.01显著性水平), 同时,采用积温表示的标准化生育期方法模拟相对叶面积指数,并建立了逐日作物系数与相对叶面积指数关系 (达到0.01显著性水平),解决了无叶面积观测地区玉米逐日实际蒸散量的计算。研究结果可为玉米农田用水管理以及灌溉措施的制定提供参考。     

WOFOST模型在东北春玉米产区的验证与适应性评价

校准与验证春玉米WOFOST模型,为模型本地化、区域化应用提供研究依据。采用东北春玉米田间观测数据,使用全局敏感性分析EFAST方法对WOFOST模型参数进行敏感性分析,结合土壤数据和同期气象数据等资料对模型进行参数校正与优化,确定春玉米的作物参数;利用独立的观测数据,对春玉米生育期、叶面积指数、各生物量等指标进行详细的验证与适应性评价。结果表明:1)针对不同区域进行作物模型敏感性分析筛选出的作物参数有一定差异,但对产量影响最敏感的前5位总敏感参数相同。2)模型对春玉米生育期的模拟较好,开花期和乳熟期的相对模拟平均误差在1 d左右,在成熟期的平均误差在3 d左右。3)模型对各生物量模拟的回归系数α与确定系数R2较好,均通过显著性检验,从模型整体模拟效果来看,地上部分总生物量和叶面积指数为89%和86%,整体模拟性能较好;残差聚集指数(CRM)为14%和4%,表明模型对地上生物量和叶面积指数的模拟值略偏低。4)通过校准模型作物参数值,WOFOST模型能够较好地模拟东北春玉米生长发育及其生物量的动态积累过程,能够应用于东北地区春玉米生产。     

基于作物系数与水分生产函数的向日葵产量预测

利用河套灌区向日葵2012年田间水分、分期播种试验数据和两个站点的农业气象历史资料,研究基于向日葵作物系数和水分生产函数的产量预测方法。结果表明:向日葵标准作物系数在生育期内的变化规律是前期小、中期大、后期小, 最高值为1.21, 出现在开花期。标准作物系数与出苗后日数和大于0℃积温有很好的二次和三次多项式关系,拟合优度在0.93以上。在分析相对叶面积指数和作物系数关系的基础上,提出标准作物系数的相对叶面积指数订正方法,得出河套灌区向日葵作物系数的动态计算式,为水分生产函数中实际蒸散量的计算提供支撑。建立以Jensen模型为基础的向日葵水分生产函数,得到对水分亏缺的敏感顺序从高到低是开花期、花序形成期、成熟期、苗期。综合应用向日葵作物系数方程和水分生产函数模型计算分期播种产量,与实际产量分别相差4.4%和4.1%,初步证明该文提出的方法对产量预测较为理想,在该地区具有很好的适用性。     

新疆玉米趋势产量几种处理方法的比较

本文利用和田、喀什、阿克苏、哈密地区,沙湾县和莎车县的玉米单产资料,对调和权重法、正交多项式、线性不等权滑动平均、均值订正、分段直线和逻辑斯蒂曲线等趋势产量处理方法进行比较。结果表明调和权重法和正交多项式法最好;线性不等权滑动平均和分段直线平均法尚可应用;均值法和逻辑斯蒂法则不能应用。     

二氧化碳浓度增加对冬小麦生长发育影响的数值模拟

根据国内外小麦生长模拟研究成果,借鉴荷兰学者的模拟思路,从作物生长的主要生理过程人手,综合考虑气候变暖与大气中CO2浓度增加等因素对作物生长发育和产量形成的影响,修正了在一级生产水平下冬小麦生长模拟模式,使得模式能够对CO2浓度的变化做出相应的反应。经资料检验,在当前CO2浓度下,冬小麦总干重和穗干重的模拟平均相对误差小于10％,其它器官干重及叶面积指数的模拟也取得了较好的结果。运用改进后的模式模拟试验了未来气候变暖和CO2倍增对冬小麦生长发育的可能影响。     

高光谱遥感在农作物长势监测中的应用

该研究是加拿大Saskatchewan Scott农作物轮作系统(ACS)研究的一部分。研究始于1994年,历时18a,评价9个可耕种农作物产量系统的可靠性。由3种处理水平(organic,reduced,high)和3种作物多样性水平(low,diversified annual grains,diversified annual perennials)结合而产生的9个农作物产量系统,被用于监测和评价加拿大牧场不同处理和不同作物种植轮作下可耕种农作物的产量。在2003年生长季共收集了3次叶面积指数和光谱反射率的数据:生长季前期(6月)、生长季旺盛期(7月)、生长季后期(8月)。叶面积指数是由LAI-2000植物冠层分析仪监测的,光谱测量是由覆盖了350-2500 nm波长范围共2215个波段的ADS便携式高光谱仪完成的。结果显示,光学测量可以用于监测农作物生长状况的差异。从生长季的早期到中期,光谱和叶面积指数在不同处理下有显著差异。7月中期是用遥感资料监测农作物长势的最佳季节;红光波段与近红外波段反射率的比值和基于这两个波段构造的归一化植被指数,是检测农作物长势的最佳植被指数。     

高光谱遥感在农作物长势监测中的应用

该研究是加拿大Saskatchewan Scott农作物轮作系统(ACS)研究的一部分.研究始于1994年,历时18 a,评价9个可耕种农作物产量系统的可靠性.由3种处理水平(organic,reduced,high)和3种作物多样性水平(low,diversified annual grains,diversified annual perennials)结合而产生的9个农作物产量系统,被用于监测和评价加拿大牧场不同处理和不同作物种植轮作下可耕种农作物的产量.在2003年生长季共收集了3次叶面积指数和光谱反射率的数据:生长季前期(6月)、生长季旺盛期(7月)、生长季后期(8月).叶面积指数是由LAI-2000植物冠层分析仪监测的,光谱测量是由覆盖了350～2500 nm波长范围共2215个波段的ADS便携式高光谱仪完成的.结果显示,光学测量可以用于监测农作物生长状况的差异.从生长季的早期到中期,光谱和叶面积指数在不同处理下有显著差异.7月中期是用遥感资料监测农作物长势的最佳季节;红光波段与近红外波段反射率的比值和基于这两个波段构造的归一化植被指数,是检测农作物长势的最佳植被指数.     

黄土高原多沙粗沙区作物水分供需状况评价

采用最大可能蒸散、作物实际蒸散、水分盈亏、水分订正系数评价了黄土高原多沙粗沙区主要作物(春小麦、冬小麦、春玉米、夏玉米和棉花)和草地生长季水分供需状况,结果表明,需水量:冬小麦>棉花>春玉米>春小麦>夏玉米;水分订正系数:春玉米>夏玉米>棉花>春小麦>冬小麦。草地需水量为350～450mm,水分订正系数0.95以上,水分供需矛盾小,实施退耕还牧无论对缓解水资源短缺,还是改善生态环境,在黄土高原多沙粗沙区都是十分有效的措施。     

地表反照率动态参数化对陆-气通量模拟的影响：以东北玉米农田为例

利用考虑了生物因子(叶面积指数)和环境因子(太阳高度角、表层土壤湿度)影响的地表反照率α动态参数化方案对BATS1e模型进行改进,基于2008年玉米农田生态系统的通量、气象及生物因子的连续观测资料,研究α动态参数化对玉米农田生态系统与大气间通量交换的影响.结果表明,引入α动态参数化方案后,模型实现了地表反照率α的日、季动态模拟,模型效率系数提高0.65,误差明显减小,使陆气通量交换热力作用的模拟准确性有所提高,其中,净入射短波辐射模拟改进最为明显,全年改进量为81772 kJ/m2,占年总辐射的1.7％;表层土壤温度的年均改进量为0.62 K,多数月份的改进量在1 K以上.另外,模型改进实现了叶面积指数和植被覆盖度等决定下垫面性质各参数的动态变化,使各种通量交换过程更接近于实际,感热和潜热模拟的模型效率系数分别提高0.516和0.1,模拟值对实测值的解释能力在生长季分别提高6％和9％,大于非生长季.     

关于“S”型生长曲线数学模拟模型的讨论

引言“S”型生长曲线的数学模拟模型在农业气象和农业气候分析和研究中得到了日益广泛的应用。韩湘玲等(1984)应用 Y_((N))=(C)/(1-e~(a-bN))函数方程进行了玉米干物质积累动态模拟,并定义系数 b 为斜率。肖淑招等(1986)应用 W_((t))=(A)/(1 Be~(kt))函数方程探讨了小麦千粒重的变化,赵月珍等(1986)应用上式研究了鸭梨果实生长的变化。王信理(1986)应用 X =(X_m)/(1 e~(at2 bt_c))(作者称为作物普适生长函数)进行了杂交稻干物质积累的动态模拟。     

华北地区玉米田实际蒸散量的计算

以简化农田实际蒸散的计算过程为目的，利用1999年河北定兴县中国气象科学研究院农业气象试验基地的玉米田0~300 cm土壤湿度和气象要素的实测资料以及华北地区5个站1991~1995年0~50 cm土壤湿度和气象资料，探讨由简化参考蒸散模式计算玉米田实际蒸散的可能性；对比了Priestley-Taylor模式和FAO（1998）Penman-Menteith模式的计算结果，以农田试验资料为基础，采用叶面积系数和平均土壤相对湿度为因子，建立了实际蒸散的计算模式。并以华北地区8个站1999~2000年0~50 cm土壤湿度和气象资料进行验证，平均误差一般为10%~15%.     

冬小麦主要生育阶段水分指标的生态分析

作物水分指标是进行干旱气候分析的基础，也是农业上合理用水的依据。本文从试验资料出发，对水分-生理生态关系进行了模拟，运用数学方法和最优分割理论确定了冬小麦主要生育阶段适宜的水分指标和干旱指标。在此基础上，就相对蒸散与叶面积系数和土壤湿度的关系进行了分析，并用Penman公式加以生态订正，确定出冬小麦耗水量指标。     

气象干旱指数在东北春玉米干旱监测中的改进

利用土壤相对湿度数据和县级春玉米单产数据,在气象干旱指数SWAP（standardized weighted average of precipitation）的基础上,研究我国东北地区春玉米受干旱影响的界限指标,结果表明:SWAP在春玉米播种-出苗期低于-0.9,出苗-拔节期低于-1.0,拔节-抽穗期低于-1.2,抽穗-乳熟期低于-0.7时,土壤相对湿度偏低,即气象干旱一般为中旱时,不利于春玉米生长。以此构建春玉米干旱指数,对比我国东北地区春玉米干旱指数与省级农作物干旱受灾面积的关系,发现两者相关关系显著,尤其在典型干旱年份,两者对应关系更好,说明构建的东北地区春玉米干旱指数能够较好地反映干旱对春玉米的实际影响。利用东北地区县级春玉米单产数据对春玉米干旱指数进行等级划分,划分结果可为东北地区春玉米防旱减灾和安全生产提供参考。     

基于概念模型的麦田土壤水分动态模拟研究

农田土壤水分模拟是农业用水管理的重要依据。以根区土体水量平衡方程为依据,考虑根区下界面水分通量,构建了农田土壤水分变化模拟模型,该模型由作物蒸散量模型、根区下界面水分通量模型以及水量平衡方程等组成。采用山西水利职业技术学院试验基地2007年和2008年2个年度冬小麦试验资料,确定了模型参数。结果表明,土壤储水量模拟计算值与实测值有较好的一致性,其相关系数达到0.9555;F检验结果达到极显著水平,所建立的麦田土壤水分动态模型可用于作物蒸散量、根区下界面水分通量和田间土壤水分的模拟计算;计算精度平均达到3%～11%。表明该模型可较好地描述农田士壤水分转化过程。     

相对湿润度指数在农业干旱监测业务中的应用

该文介绍相对湿润度指数在逐日滚动的农业干旱监测业务中应用的处理方法。文中采用联合国粮农组织推荐的方法进行潜在蒸散的计算和作物系数订正,提出了作物根区可吸收土壤总有效含水量的概念,并替代作物根区土壤总有效含水量进行水分胁迫条件下的作物系数订正,观察济南站2008年1—5月冬小麦实际蒸散量的计算结果,发现在蒸发强烈的春季,水分胁迫效果明显;提出了复合相对湿润度指数、区域综合相对湿润度指数等概念,对相对湿润度指数进行应用上的演化,解决了干旱演变过程中存在的前期土壤水分盈亏的累积影响问题,实现了县域内农业干旱状况的综合评定,并突破单种作物生长季的局限,实现了农业干旱的周年监测。通过对山东省114个测墒站2008年2月28日—12月8日人工测墒与区域综合相对湿润度指数的干旱等级对比,3048组有效数据中,2012组数据吻合,总吻合率为66%,其中,黄河、东平湖、微山湖灌溉区及鲁西北大部吻合率在50%以下;中东部地区多在70%以上;从全年情况来看,春季吻合率较低,夏季吻合率较高。     

夏玉米不同生育期叶片和冠层含水量的遥感反演

高光谱遥感技术监测作物含水量是了解作物生长状况的重要技术。为实现夏玉米不同生育期叶片和冠层含水量的快速、精细化、无损监测,本文基于2014年和2015年的6—10月华北夏玉米不同生育期不同灌水量干旱模拟试验数据构建了植被水分指数（W_I,M_SI,G_VMI）、复比指数（W_NV和W_CG）和红边反射率曲线面积（D_area）的夏玉米冠层等效水厚度（E_WTC）和叶片可燃物含水量（F_MC）的反演模型。结果表明:6个指标反演夏玉米三叶期的E_WTC模型均未达到0.05显著性水平,三叶期后各指标反演E_WTC模型均达到0.01的显著性水平,且总体而言模型精度从高到低为抽雄期、拔节期、灌浆期、成熟期和七叶期。6个指标反演七叶期和拔节期的F_MC均达到0.01显著性水平。因此,同一光谱指标反演夏玉米不同生育期叶片和冠层含水量的精度差异较大。光谱指标反演夏玉米叶片和冠层含水量指标的精度与夏玉米生育期有很大关系,进而提出了夏玉米不同生育期含水量反演模型。研究结果可为准确模拟夏玉米不同生育期含水量提供技术支撑。     

WOFOST模型蒸散过程改进对玉米干旱模拟影响

分别利用优化蒸散计算（PM方案）、作物系数（CC方案）和二者同时优化（PMCC方案）改进WOFOST模型,基于降水适宜年（2012年）和干旱年（2015年和2018年）在辽宁省锦州开展的玉米分期（4月20日、4月30日和5月10日）播种试验资料评价模型改进效果。结果表明:2012年,PM方案可增大潜在蒸散,CC方案在作物系数小（大）于1时使潜在蒸散减小（增大）;3个方案对叶面积指数、地上生物量和土壤湿度模拟几乎不产生影响。2015年,PM方案的拔节后叶面积指数、地上生物量、产量和土壤湿度较原模型明显减小,蒸腾速率在喇叭口期之前增大,之后减小;CC方案在喇叭口期之前蒸腾速率小于原模型,之后大于原模型,其他4个变量略大于原模型。PMCC方案的各变量模拟值介于PM方案和CC方案之间,3个播期模拟精度叶面积指数分别提高6%,21%和3%,地上生物量分别提高8%,8%和14%,产量分别提高66%,63%和66%。2018年,PMCC方案前两播期地上生物量模拟精度分别提高5%和1%,产量模拟精度分别提高32%和5%。PMCC方案可改善模型在干旱条件下的模型性能。     

中国农业气象模式(CAMM1.0)构建与应用

为发展适宜中国区域农业种植特点的农业气象模式,基于国外作物生长模拟方法,通过模式机理过程改进或重构以及应用方式革新,建立了中国农业气象模式（Chinese AgroMeteorological Model version 1.0,CAMM1.0）。CAMM1.0利用平均温度和土壤水分改进了作物发育进程模式,利用土壤水分改进了作物叶片光合作用、干物质分配和叶面积扩展过程模式,通过蒸发比法扩展了作物蒸散过程模式;自主建立了基于发育进程的冬小麦株高、基于遥感信息的作物灌溉、遥感数据同化、作物长势与灾害评价等模式。基于互联网技术构造了实时运转平台,主要功能包括作物生长过程实时常规模拟与用户个性化定制模拟。CAMM1.0的部分子模式采用多种方法构造,便于多模式集成。CAMM1.0对作物发育进程、光合过程、株高的模拟效果较好,但对土壤水分变化过程的拟合略差,模拟产量略偏低。CAMM1.0评价淮河流域夏玉米年际干旱减弱而涝渍增加的趋势与实际基本相符。     

Study of crop coefficient and the ratio of soil evaporation to evapotranspiration in an irrigated maize field in an arid area of Yellow River Basin in China

A field experiment was conducted in a maize field in 2006 in an arid area of the Yellow River Basin in China. The daytime evapotranspiration (ET_c) and soil evaporation beneath the maize canopy (E _g) were measured by Bowen ratio energy balance method and micro-lysimeters, respectively. The results showed that the total ET_c during maize growth season was 696 mm, and the maximum values occurred at about 90–140 days after sowing. The crop coefficient (K _c), which was calculated from the ratio of ET_c to reference evapotranspiration (ET₀), was quite different from the values reported by other researchers in similar climate areas, with average values of 0.34, 0.47, 1.0 and 0.9 for initial, development, mid-season and late-season stages, respectively. High correlations between leaf area index (LAI) and average K _c for every 4 days were obtained. The total E _g was 201.4 mm with average values ranged from 0.92 to 2.05 for four growth stages of maize; and accounted for around 28.9 % of ET_c. The ratio E _g/ET_c showed high negative relationship with LAI. These results were very important in precise management of irrigation for maize in Yellow River Basin areas.