祁连山中部亚高山草地作物系数估算

利用Lysimeter蒸散仪于2011-2014年对祁连山中部黑河上游天涝池流域亚高山草地实际蒸散量进行观测。用FAO Penman-Monteith模型对草地参考蒸散量进行估算,根据草地植被高度结合气象数据,以估算日尺度作物系数,以估算的作物系数与模拟的参考蒸散量计算草地实际蒸散量,并用观测值进行验证。结果表明：FAO改进后的作物系数计算方法适合该区域草地作物系数的计算;以FAO Penman-Monteith模型估算的日蒸散量为0.50~7.26 mm,生长季日均蒸散量有年际变化,2011年 > 2014年 > 2012年 > 2013年。总体来看,土壤蒸发总量年际变化不大,影响蒸散量年际变化的主要部分是植被的蒸腾。     

环境变化对晋中市可利用水资源的影响

环境变化及其对可利用水资源的影响是复杂的,根据50年代以来的大量统计数据分析表明,近30年来,由于自然环境的变化、人类活动的增强,晋中市可利用水资源量处于减少的态势。降水量减少、气温升高是造成水资源减少的根本原因。地下水超采所引起的地下水位持续下降,不仅造成地表产流减少,而且使降水对地下水的补给量减少。作物产量水平的提高,在直接消耗大量水资源和土壤水分的同时,也使农田蒸散加强,从而造成地表径流量和地下水补给量的减少。在新一轮水资源评价中,要充分考虑环境变化对水资源的影响,加强地下水位大埋深条件下,地表产流量,地下水补给量,以及作物产量水平提高对水资源影响的实验研究,以提高新一轮水资源评价成果的精度。     

作物水分利用效率对温度和CO2浓度升高的响应研究进展

以大气CO2浓度和温度升高为主要标志的全球气候变化对作物水分利用效率产生重要影响,作物水分利用效率对CO2浓度和温度升高的响应特征与机理研究,对揭示气候变化对作物生长的影响及其机制具有重要作用和意义。本文分别介绍了作物水分利用效率对CO2浓度和温度升高的响应研究进展,CO2浓度和温度升高对作物水分利用效率的协同效应,以及CO2浓度与温度升高对作物水分利用效率影响的实验研究方法,并提出了作物水分利用效率对CO2浓度和温度升高响应研究仍需要解决的几个关键问题:①多因子协同效应;②不同品种的响应差异;③不同尺度水平的响应过程;④作物水分利用效率对气候变化的适应性。     

A review on statistical models for identifying climate contributions to crop yields

Statistical models using historical data on crop yields and weather to calibrate relatively simple regression equations have been widely and extensively applied in previous studies, and have provided a common alternative to process-based models, which require extensive input data on cultivar, management, and soil conditions. However, very few studies had been conducted to review systematically the previous statistical models for indentifying climate contributions to crop yields. This paper introduces three main statistical methods, i.e., time-series model, cross-section model and panel model, which have been used to identify such issues in the field of agrometeorology. Generally, research spatial scale could be categorized into two types using statistical models, including site scale and regional scale (e.g. global scale, national scale, provincial scale and county scale). Four issues exist in identifying response sensitivity of crop yields to climate change by statistical models. The issues include the extent of spatial and temporal scale, non-climatic trend removal, colinearity existing in climate variables and non-consideration of adaptations. Respective resolutions for the above four issues have been put forward in the section of perspective on the future of statistical models finally.     

基于典型物候特征的MODIS-EVI时间序列数据 农作物种植面积提取方法 —小区域冬小麦实验研究

利用MODIS植被指数时间序列这一特性,以北京市通州及周边为实验区,冬小麦种植面积为研究对象,提出 了农作物种植面积指数模型(Pan-CPI模型)的概念,并构造了冬小麦特征物候期植被指数与种植面积的定量函数关系, 通过样区TM影像求解关键参数,对研究区冬小麦种植面积测量方法进行了试验研究。研究结果表明：(1)Pan-CPI模 型能够很好地反映特定目标农作物种植面积状况,为基于植被指数时间序列影像识别农作物种植面积提供了新方法; (2)精度分析结果表明：Pan-CPI模型具有很高的稳定性,且不受样本变化的影响,只要达到满足模型计算的样本量(如： 5%),多次测量结果间具有很好的一致性。选取MODIS 6×6像元大小的窗口时,TM样本的复相关系数(R2)稳定在0.85 左右,与TM结果比较,窗口相对精度稳定在95%左右,区域精度稳定在92%以上,经调整的区域精度高达96%以上; (3)对于种植结构复杂、目标作物种植破碎的地区,Pan-CPI模型可以充分利用MODIS植被指数时间序列的优势,有效改 善TM单时相和多时相提取信息因时相缺失无法表征作物变化的不足。     

江汉平原旱地和水田土壤镉的吸附与解吸特征及影响因素

为揭示旱地和水田土壤镉的吸附解吸特征,以江汉平原黄豆地、棉花地以及水稻田土壤为研究对象,开展土壤镉的吸附动力学实验、等温吸附?解吸实验以及有机质的影响实验.结果表明:江汉平原土壤对镉的吸附是一个较为复杂的吸附动力学过程且以化学吸附为主,研究区土壤镉的初始吸附速率总体上表现为水田土壤大于旱地土壤;旱地土壤对Cd2+具有较...     

石英尾砂对旱地表土磁性的影响及其环境意义

对安徽省凤阳县石英尾砂、受尾砂影响的表土、旱地表土和城镇表土进行了磁学测量,结果表明这4类样品的磁性特征明显不同。尽管这4类样品的磁化率均由磁铁矿主导,但旱地表土中可能含少量磁赤铁矿,石英尾砂、受尾砂影响的表土和城镇表土中可能含少量铁的氢氧化物（如纤铁矿）,受尾砂影响的表土中还含少量赤铁矿。城镇表土中磁铁矿的含量明显高于其他3类样品,受尾砂影响的表土中的磁铁矿含量介于石英尾砂和旱地表土之间。城镇表土中磁铁矿的粒径范围较宽,小于1 μm,石英尾砂中磁铁矿的粒径大于0.1 μm,旱地表土中磁铁矿的粒径小于0.1 μm,受尾砂影响的表土中磁铁矿的粒径介于旱地表土与石英尾砂的粒径之间。城镇表土的磁化率与频率磁化率呈负相关,旱地表土的磁化率与频率磁化率呈正相关,而受石英尾砂影响的表土的磁化率与频率磁化率没有明显的相关关系。在城市工业和交通等人类活动的影响下,城镇表土的磁性较旱地表土增强。而在石英砂生产这一人类活动的影响下,受尾砂影响的表土的磁性较旱地表土减弱,这是由石英尾砂中磁性矿物的含量较旱地表土4的少所致。     

用多变量灰色预测模型模拟预测参考作物蒸散量的研究

当观测资料的数据量少而又存在多个相互影响或关联的变量时,常用的灰色预测模型GM（1,1）不能全面考虑多个变量。为此,采用自适应MGM（1,n）模型—多变量灰色预测模型,较好地解决了这一问题。针对一些地区气象数据较少甚至缺失的情况,以内蒙古正蓝旗的气象资料用Penman-Monteith计算的参考作物蒸散量（ET0）为研究对象,运用灰色系统理论建立MGM（1,3）模型,模拟预测参考作物蒸散量变化规律,并与GM（1,1）模型和BP神经网络模型比较,结果表明MGM（1,3）模型有较好的预测效果。     

参考作物蒸散量的多种计算方法及其结果的比较

分别用 FAO Penman- Monteith公式 (模型 1 )、FAO Penman 修正式 (模型 2 )和国内Penman修正式 (模型 3)计算了泰安和西峰两地的参考作物蒸散量 ,对 3种方法的计算结果进行了比较 .模型 1得到的参考作物蒸散量大于后 2种模型 ,导致不同模型计算偏差的原因是 3种模型各自选用了不同的辐射项和动力项计算式 ,且计算偏差随季节和地理条件而变 .建议计算区域参考作物蒸散量用模型 1 ,计算单站逐日参考作物蒸散量 3种模型都可用 .