导读:本文包含了作物系数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:作物,系数,无人机,土壤,水分,叶面积,需水量。
作物系数论文文献综述
王树鹏,段琪彩,韩焕豪,黄英[1]（2019）在《云南省典型区水稻作物系数及其变化规律》一文中研究指出选择云南省水稻种植和气候典型区域,开展水稻作物系数及其规律观测试验研究。依据气象数据计算参考作物蒸发蒸腾量(ET_0),同时基于田间实测水层数据建立田间水量平衡关系,分析计算水稻需水量(ET_c),进而推求各典型区水稻作物系数K_c并研究其变化规律。结果可知,云南省各典型区水稻全生育期K_c值在0.99～1.18之间;各生育期呈现初期和末期较小、中期偏大的单峰曲线。K_c空间差异性没有明显规律,湿润、半湿润气候区略偏大,温凉气候区稍偏小;随海拔升高而减小但两者之间的关系并不密切;同一典型区K_c年际变化不大。研究结果可为今后云南水稻K_c取值和ET_c计算提供重要参考和应用支持。(本文来源于《中国农村水利水电》期刊2019年11期）
王小军,易小兵[2]（2019）在《樱花灌溉用水中真实作物系数的计算方法》一文中研究指出在通过对兴宁2017—2018年"中国红"樱花完整生育期内试验观测基础上,利用逐时动态连续的土壤含水量数据和气象资料,结合Penman-Monteith公式计算逐日真实作物系数。结果表明樱花的真实作物系数年变化呈单峰特征,具有年初和年末小、年中大的规律,同时受土壤质地、生长状况及降水等变量因素的影响。研究以期为樱花具体灌溉生产中确定作物系数提供一种切合实际且方便的途径。(本文来源于《水利技术监督》期刊2019年05期）
张仔罗,文雯,曹硕,王娜,李鲁华[3]（2019）在《滴灌灌溉量和频次对小麦—青贮玉米复播体系蒸发蒸腾量和作物系数的影响》一文中研究指出为了探索不同灌溉量和滴灌频次处理对北疆地区滴灌小麦—青贮玉米复播体系蒸发蒸腾量(ET值)和作物系数(K值)的影响,以新春6号和新饲玉13号为试验材料,整个复播体系设置3个灌溉量(660、520、320 mm)、3个滴灌频次(10次、8次、6次)互作条件下的9个滴灌处理,结合当地气象数据,对不同处理滴灌小麦—青贮玉米复播体系的ET值及K值进行分析。结果表明,滴灌小麦—青贮玉米复播体系4、5、9、10月份参考作物蒸发蒸腾量(ET_0值)较小,6、7、8月份ET_0值较大;灌溉量对滴灌小麦—青贮玉米复播体系ET值及K值影响显着,灌溉量越高,ET值和K值越大;灌溉频次对复播体系ET值和K值在不同灌溉量下的影响各不相同,在中灌溉量中频次下作物产量最高。建议北疆地区滴灌小麦—青贮玉米复播体系的灌溉方案以小麦灌溉量300 mm滴灌5次、青贮玉米灌溉量220 mm滴灌3次为宜。(本文来源于《江苏农业科学》期刊2019年13期）
张瑜[4]（2019）在《大田玉米作物系数机地协同估算方法研究》一文中研究指出快速准确获取大田作物系数K_c是旱区作物日蒸散量估算的关键。本文以2017-2018年内蒙古达拉特旗昭君镇精准灌溉试验站内大田玉米为对象,通过调节中心支轴式喷灌机转速来实现各扇形区域内不同水分的处理,利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取大田玉米冠层光谱影像并同步采集地面数据,实现不同水分处理下玉米作物系数无人机遥感与地面传感器协同监测。同时,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与4种植被指数(比值植被指数SR、归一化差值植被指数NDVI、土壤调节植被指数SAVI、增强型植被指数EVI)、叶面积指数(leaf area index,LAI)和表层土壤水分含量(soil water content,SWC)的相关关系,分析了不同气候条件和不同水分胁迫条件下玉米作物系数无人机遥感与地面传感器协同估算的可行性。本文的主要研究内容及结论如下:(1)由不同深度土壤含水率与作物系数的相关性分析发现,在不同水分胁迫处理下,表层土壤水分(30cm)均处于强相关水平且在水分胁迫程度最严重的情况下相关性最高达到0.72(P<0.01)。在强降雨天气下,浅层土壤含水率与作物系数的相关性大小排序为:10 cm SWC>20 cm SWC>30 cm SWC。(2)在不同水分胁迫条件下,作物叶面积指数LAI与作物系数相关性无明显规律性差异且均处于较高水平(r=0.45~0.60,P<0.05)。但在强降雨条件下,LAI相关系数较低(r=0.04~0.27)。(3)4种植被指数与作物系数在不同水分处理以及不同气候条件下的相关性大小排序为:SR>NDVI>EVI>SAVI。而且随着水分胁迫程度加重,相关性逐渐降低,这是由于植被指数生长后期有一定的滞后性,对于水分胁迫响应程度不高。(4)基于比值植被指数、叶面积指数和表层土壤水分3个指标建立的2017年K_c逐步回归模型且经验证,其决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21和23.35%,表明利用无人机监测的比值植被指数和地面监测的叶面积指数以及表层土壤含水率建立的K_c估算模型在干旱区不同水分胁迫下具有较好的估算精度。然而在2018年强降雨条件下该模型经验证,其决定系数、均方根误差和归一化的均方根误差分别为0.24、0.16和15.5%,可见该模型叁个变量对于作物系数的解释度不够高且在强降雨条件下精度不够,但RMSE减少,说明估计量与被估计量之间差异程度较稳定。(5)基于FAO-56双作物系数法计算的实际蒸散量ET和根据模型建立的模拟蒸散量进行对比发现,随着水分胁迫程度加重,模拟值会逐渐高估作物实际蒸散量。然而在强降雨条件下,虽然各生育阶段内两者平均值差异不显着但在每日蒸散量估算上差异显着,说明该模型在强降雨条件下估算精度较低。(本文来源于《中国科学院大学(中国科学院教育部水土保持与生态环境研究中心)》期刊2019-06-01）
肖然,朱永华,吕海深[5]（2019）在《改进FAO双作物系数法估算夏玉米蒸散量》一文中研究指出为了更加准确地估算淮北平原夏玉米(Zea mays L.)蒸散量,基于安徽省蚌埠市五道沟水文试验站实测的叶面积指数数据,对FAO双作物系数法中的基础作物系数(K_(cb))和土面蒸发系数(K_e)的计算方法进行改进;并以2016、2017两年基于蒸渗仪实测的夏玉米蒸散量对FAO双作物系数法和改进双作物系数法的估算结果的准确性进行评估。结果表明,改进双作物系数法在夏玉米各生长阶段及全生育期的估算结果准确性都高于FAO双作物系数法;改进双作物系数法在夏玉米拔节期至抽雄期的蒸散量计算中改进效果最为明显。说明改进双作物系数法更适用于淮北平原夏玉米蒸散量的估算。(本文来源于《湖北农业科学》期刊2019年09期）
侯裕生,王振华,李文昊,窦允清,张继峯[6]（2019）在《水肥耦合对极端干旱区滴灌葡萄耗水规律及作物系数影响》一文中研究指出为探讨水肥耦合对极端干旱区滴灌葡萄耗水规律的影响,探明不同水肥组合下滴灌葡萄耗水在各生育期内分布规律,以及在整个生育期的动态变化规律,确定区域内滴灌葡萄作物系数,利用水量平衡法和彭曼—蒙特斯公式,以试验区内成龄无核白葡萄为研究对象开展大田小区试验,设置灌水、施肥2因素,其中设灌水处理4个水平(600,675,750,825 mm,分别标记为W1、W2、W3、W4);施肥处理3水平(450,750,1 050 kg/hm~2,分别标记为F1、F2、F3)。结果表明:全生育期平均土壤含水率随灌溉定额增大而增大,其中W3、W4处理含水率分别为13.35%和14.04%,均高于12.80%(田间持水率的80%),水分供应充足。水肥耦合对产量及品质指标的影响均达极显着水平(P<0.01),产量、可溶性固形物在W3F2处理达最高值,可滴定酸和维生素C分别在W4F2和W4F3处理达到最优,但与W3F2处理均无显着性差异(P>0.05)。不同水肥处理下,灌水对总耗水量和各生育期内耗水量、耗水强度影响显着(P<0.05),施肥对总耗水量和各生育期内耗水量、耗水强度未达显着水平(P>0.05),水肥耦合效应对各生育期内耗水强度影响显着(P<0.05);不同水肥处理下葡萄全生育期总耗水量维持在665.96～902.90 mm;各处理耗水量、耗水强度随生育期的推进总体呈先增大再减小的趋势,且耗水强度和时间存在显着的二次曲线关系。各处理在浆果生长期和浆果成熟期耗水模数均值为27.01%～27.36%,为葡萄需水高峰期;其中W3F2处理下的耗水规律可视为区域内葡萄需水规律。葡萄作物系数随生育期的推进总体呈先增大再减小的趋势,与时间存在显着的二次曲线关系。研究可为吐哈盆地及类似地区无核白葡萄农田水肥管理与滴灌技术的推广提供科学依据,对区域水资源高效利用及实现区域内社会经济的可持续发展具有重要意义。(本文来源于《水土保持学报》期刊2019年02期）
曹永强,李晓瑞,朱明明[7]（2019）在《河北省主要作物系数时空分布特征》一文中研究指出为进一步提高农田蒸散量和灌溉量计算的准确性以及优化农业灌溉水资源配置,基于河北省1955—2014年逐日气象数据,借助分段单值平均作物系数法分析河北省冬小麦、夏玉米和棉花作物系数的时空分布特征。结果表明:1955—2014年冬小麦、夏玉米和棉花作物系数均呈不显着下降趋势,全生育期内年际间平均作物系数分别为0.86、0.85和0.83;不同生育期内,3种作物系数变化区间分别为[0.40,1.29],[0.49,1.24],[0.30,1.29]。全生育期内,冬小麦和夏玉米作物系数均呈以邢台为低值中心向四周逐渐增大的空间分布特征,棉花则是由西向东逐渐增大;不同生育期内,冬小麦和棉花的大部分生育期作物系数呈由西向东逐渐增大的空间分布特征,而夏玉米则是由邢台向四周逐渐增大。风速和日照时数的降低是引起3种作物系数减小的主要原因。(本文来源于《水利水电科技进展》期刊2019年02期）
汤鹏程[8]（2019）在《西藏高海拔地区ET_0计算公式试验率定与青稞作物系数推求》一文中研究指出ET_0(参考作物腾发量)是全球范围内普遍认可的计算作物田间耗水量及评价区域水资源用水效率的基础参数,同时其也是支撑国际上水资源分配、国内水法制定的理论依据,在有效计算ET_0的前提下通过作物系数(K。)进行需水量计算是水利工程规划、设计、水资源管理评估及前瞻性科研中最普遍、最基础的工作。西藏平均海拔4000m以上,素有“世界屋脊”之称,气压低(不足海平面的2/3)、辐射强(年太阳辐射6000-8000MJ/m2)、日照时间长(多在3000h以上)、空气温湿度变化大,独特的气象与地理条件导致西藏地区ET_0与Kc推求具有特殊性。PM方程(FA056 Penman-Monteith方程)被联合国粮农组织(FAO)推荐作为缺少实测数据区域的ET_0计算的规范方法,但西藏受复杂气象、地理等条件影响,这种建立在一定假设条件基础上的半理论-半经验公式在高海拔地区的适用性需要进一步验证。我国西藏乃至世界范围内高海拔地区(特别是海拔4000m以上地区)基于实测资料的ET_0计算方法及参数的率定研究长期滞后。为此,本研究基于Lysimeter实测ET_0(修剪苜蓿)、ETc(青稞),验证FAO推荐的PM方程在西藏地区的适用性并确定青稞各生育阶段的适宜作物系数,研究成果充实了高海拔地区ET_0实测研究的薄弱领域,对今后高海拔地区制定合理灌溉制度与用水计划具有重大指导意义和应用价值。主要结论如下:1、能量转化公式Angstrom方程中as、bs回归常数以及冠层反射系数(α)是PM公式计算ET_0过程中估算能量转化的重要参数。本研究针对a动态变化属性,分别确定了月际间及一天内的反射率修正值(0.16-0.19)。同时本研究发现西藏as取值(旱季0.12,雨季0.03)较FAO推荐值0.25偏低,其物理意义表示当高海拔地区日照时数为零时,大气顶层太阳辐射到达地面的部分很小,低于同纬度低海拔地区的平均值;bs取值(旱季0.66,雨季0.72)较FAO推荐值0.5偏高,其物理意义表示同等日照时间条件下高海拔地区地球大气层顶端太阳辐射到达地表的量高于国内同纬度低海拔地区平均值。2、基于修剪苜蓿实测称重数据(ET_0实测称重)分别对日尺度及小时尺度ET_0进行对比分析后发现:基于日照时数计算得到的ET_0日照时数(利用PM方程及日照时数计算)及ET_0日照时数修正(利用修正后的PM方程及日照时数计算)曲线更为平滑,不会随气象要素变化出现剧烈波动;基于实测辐射数据计算得到的ET_0辐射变化趋势与ET_0实测称重最为接近。同时为更精确在西藏地区计算ET_0,当采用实测辐射数据计算得到ET_0辐射时应乘以0.82的缩小系数;当采用日照时数计算得到ET_0日照时数与ET_0日照时数修正时应分别乘以1.49与1.37的放大系数。3、本研究基于西藏地区15个典型站点20年逐日气象资料,通过引入海拔因子与修正温度常数对Hargreaves(HS)模型进行改进,得到一种少参数、较准确的高海拔地区ET_0 简易计算方法:ET_0 HSE=1.49 × 10-5(aH2+bH+c)(Tmean+36.6)(Tmax-Tmin)0.5Ra,提升了ETo简化计算的实用性与精度,其中在西藏海拔2000m以上的大部分地区经验系数a为-8 × 10-6;b为0.07;c为5;1.49为放大系数。4、在全球气候变暖的大背景下,西藏全区气温呈现显着上升趋势,;降水量呈现较为显着的下降趋势;拉萨等6个地区ET_0呈现上升趋势,仅有日喀则地区ET_0表现为不显着的下降趋势。西藏高海拔地区年累计ET_0除自西向东整体呈现递减的趋势外,存在叁个较为突出的高值区域,分别是:西藏东部,以左贡和八宿为中心;西藏中南部,以日喀则泽当为中心;西藏南部,雅鲁藏布江中游以拉孜县为中心。5、基于西藏高海拔地区Lysimeter实测青稞称重试验,分别给出基于辐射数据及日照时数数据计算ET_0时对应青稞不同生长期作物系数:(1)采用修订后PM方程计算ET_0:①基于辐射数据计算ET_0时:Kc ini=0.63,Kc mid=1.15,Kc end=0.83。②基于日照时数数据计算ET_0时:Kc ini=0.56,Kemid=0.97,Kc end=0.62。(2)采用修订前PM方程计算ET_0:①基于辐射数据计算ET_0时:Kc ini=0.51,Kc mid=0.95,Kc end=0.69。②基于日照时数数据计算ET_0时:Kc ini=0.83,Kc mid=1.44,Kc end=0.93。(本文来源于《中国水利水电科学研究院》期刊2019-03-01）
王振龙,顾南,吕海深,胡永胜,朱永华[9]（2019）在《基于温度效应的作物系数及蒸散量计算方法》一文中研究指出准确估算作物蒸散量对于制定合理的灌溉计划和提高水资源利用效率至关重要。为反映逐日需水量的动态变化,考虑温度对作物生长状态的影响,采用叁基点温度(最适温度、上限温度、下限温度)计算作物系数及蒸散量,并对不同时间尺度上计算精度进行评价。利用五道沟水文实验站大型称重式蒸渗仪实验资料及气象资料,建立了全生育期冬小麦和夏玉米蒸散量模型,结果表明:通过温度模拟冬小麦和夏玉米作物系数变化拟合度均较高,相关系数均达0.80以上,平均绝对误差均约为0.10;不同时间尺度(1、3、5 d),蒸散量模型均具有良好的预报能力,冬小麦预测值与实测值相关系数分别为0.95、0.98、0.98,夏玉米为0.90、0.94、0.97。随着时间尺度由1 d升至5 d,冬小麦绝对误差由0.67 mm·d-1降至0.41 mm·d-1,预报准确率(<1 mm·d-1)由73%升至90%,夏玉米绝对误差由0.94 mm·d-1降至0.37 mm·d-1,预报准确率(<1 mm·d-1)由67%升至90%,预报精度提高。(本文来源于《水利学报》期刊2019年02期）
张瑜,张立元,Zhang,Huihui,宋朝阳,蔺广花[10]（2019）在《玉米作物系数无人机遥感协同地面水分监测估算方法研究》一文中研究指出该文研究不同水分胁迫条件下无人机遥感与地面传感器协同估算玉米作物系数的可行性。利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取内蒙古达拉特旗昭君镇试验站不同水分胁迫下大田玉米冠层光谱影像,计算植被指数,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与简单比值植被指数(simple ratio index,SR)、叶面积指数(leaf area index,LAI)和表层土壤含水率(surface soil moisture,SM)的相关关系,结果表明,作物系数与SR、LAI和SM的相关程度与水分胁迫程度有关,但均呈现出显着或极显着的线性关系,说明了基于这些指标建立作物系数估算模型的可能性。利用逐步回归分析方法建立了作物系数的估算模型,其估算模型,修正的决定系数、均方根误差和归一化的均方根误差分别为0.63、0.21、25.16%。经验证,模型决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21、23.35%。研究结果可为利用无人机多光谱遥感平台进行作物系数估算提供技术参考。(本文来源于《农业工程学报》期刊2019年01期）
作物系数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在通过对兴宁2017—2018年"中国红"樱花完整生育期内试验观测基础上,利用逐时动态连续的土壤含水量数据和气象资料,结合Penman-Monteith公式计算逐日真实作物系数。结果表明樱花的真实作物系数年变化呈单峰特征,具有年初和年末小、年中大的规律,同时受土壤质地、生长状况及降水等变量因素的影响。研究以期为樱花具体灌溉生产中确定作物系数提供一种切合实际且方便的途径。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
作物系数论文参考文献
[1].王树鹏,段琪彩,韩焕豪,黄英.云南省典型区水稻作物系数及其变化规律[J].中国农村水利水电.2019
[2].王小军,易小兵.樱花灌溉用水中真实作物系数的计算方法[J].水利技术监督.2019
[3].张仔罗,文雯,曹硕,王娜,李鲁华.滴灌灌溉量和频次对小麦—青贮玉米复播体系蒸发蒸腾量和作物系数的影响[J].江苏农业科学.2019
[4].张瑜.大田玉米作物系数机地协同估算方法研究[D].中国科学院大学(中国科学院教育部水土保持与生态环境研究中心).2019
[5].肖然,朱永华,吕海深.改进FAO双作物系数法估算夏玉米蒸散量[J].湖北农业科学.2019
[6].侯裕生,王振华,李文昊,窦允清,张继峯.水肥耦合对极端干旱区滴灌葡萄耗水规律及作物系数影响[J].水土保持学报.2019
[7].曹永强,李晓瑞,朱明明.河北省主要作物系数时空分布特征[J].水利水电科技进展.2019
[8].汤鹏程.西藏高海拔地区ET_0计算公式试验率定与青稞作物系数推求[D].中国水利水电科学研究院.2019
[9].王振龙,顾南,吕海深,胡永胜,朱永华.基于温度效应的作物系数及蒸散量计算方法[J].水利学报.2019
[10].张瑜,张立元,Zhang,Huihui,宋朝阳,蔺广花.玉米作物系数无人机遥感协同地面水分监测估算方法研究[J].农业工程学报.2019
论文知识图
