导读:本文包含了作物模型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,模型,西北地区,生长,评价,基质,神经网络。
作物模型论文文献综述
樊湘鹏,许燕,周建平[1]（2019）在《参照作物蒸散量计算模型在新疆干旱地区适用性研究》一文中研究指出对作物需水信息实时、准确地获取是实现智能灌溉发展精准农业的关键技术和必要条件。参照作物蒸散量(ET_0)是获取需水信息的重要依据和需水决策系统的核心,ET_0计算模型的精确与否将直接影响作物的长势以及智能灌溉的效果。选取基于温度的Hargreaves-Samani法(H-S法)、基于辐射的Priestley-Taylor以及经验公式法Irmark-Allen进行比较,选择不同的气象条件下最佳的ET_0计算模型。选择新疆地区的昭苏、乌鲁木齐、麦盖提、吐鲁番4个站点的气象数据,分别利用H-S法、经验公式法Irmark-Allen(I-A法)、Priestley-Taylor辐射公式(P-T法)、以及Penman-Monteith公式(PM-56)4种方法计算不同站点的ET_0值,以PM-56为标准对其他方法计算结果进行评价并修正。结果表明,在4个站点中Irmark-Allen的计算结果与PM-56最为接近,标准误差分别为1.215、1.020、1.311、1.065。经过回归分析得,昭苏站拟合优度最佳的是Allen,r~2为0.917,麦盖提站和吐鲁番站拟合优度最佳的是P-T法,r~2值分别为0.862和0.889,乌鲁木齐站拟合优度最佳的是H-S法,r~2值为0.926。对模型进行修正之后,昭苏站和乌鲁木齐站的最佳模型是H-S法,标准误差分别减小到了0.419和0.607,标准误差分别减少了90.6%和85.7%。麦盖提站和吐鲁番站的最佳模型是修正P-T法,标准误差分别减少到了0.670和0.439,标准误差减少了87.4%和89.8%。因此,可以在有限气象条件下将修正后的模型用于新疆地区相应站点ET_0的计算中,为农业灌溉提供便利。(本文来源于《江苏农业科学》期刊2019年20期）
吴峰峰,武威,刘涛,孙成明[2]（2019）在《虚拟作物模型的应用研究》一文中研究指出【研究背景】随着以信息学为基础的现代计算机技术、通信技术和传感技术的发展,计算机在农业上的应用的范围也日趋广泛,计算机建模理论和技术的发展已使作物生长发育模型由简单的系统发展为综合、复杂的人工智能系统。特别是虚拟现实技术的发展为农业信息的提取加工和可视化提供了强有力的工具,为农业走向智能化、精确化、数字化和可持续的方向发展奠定了基础。虚拟作物模型是目前作物模拟研究的前沿,是计算机信息技术与农业科学相互渗透应用的新发展,是对作物生长模型研究的提高。【结果与分析】虚拟作物模型的研究难点和存在的问题,主要包括如何快速叁维动态建模、作物根系模拟研究和植物形态模型与生理生态模型的耦合,虚拟作物模型在相关领域的应用继续深化。虚拟作物模型能定量、动态地描述作物生长、发育和产量形成的过程及其对环境的反应。它采用系统分析的方法,综合作物生理、农业气象、土壤和农学等学科的知识和研究成果,对作物生育和产量形成的试验结果加以理论概括与数据量化,建立作物生育动态及其环境之间关系的动态数学模型,应用计算机数值计算与模拟技术,实现描述和表达作物生产系统的运行状态和结果。我国在此领域的研究虽然起步相对较晚,但是吸引了许多研究人员参与,并在生长模型和形态结构模型等方面均取得了一定的成绩。【结论】随着对作物生理机制研究的不断深入和当代计算机的快速发展,世界各地越来越多的科学家在对作物生长、模型构建和应用研究上进行了大量的研究,并且能够运用所构建的虚拟作物模型对作物的形态发生及生理生态变化、不同环境条件下的作物生长发育、作物群体内部竞争等进行虚拟仿真,并利用模拟实验结果为深入分析和预测作物生长变化趋势提供直观的科学依据。把农业的基本数据(土地类型、栽培品种、气象条件、灌溉方式等)全部输入计算机作为基础资料,进行施肥、灌溉、病虫害防治、田间作业等技术的智能化管理,是现代农业信息技术的发展方向。虚拟作物模型的研究随着不同专业领域及技术的发展应用和研究的深化,将会促进其理论、方法和技术的发展。以虚拟作物模型为基础的农作生产方式必将推动农业信息化进程。(本文来源于《2019年中国作物学会学术年会论文摘要集》期刊2019-10-27）
兰玉廷[3]（2019）在《基于熵权-TOPSIS模型的干旱区典型作物灌溉制度综合评价》一文中研究指出开展滴灌灌溉制度综合评价,对于实现农作物节水、丰产、优质与高效意义重大。为探讨不同灌溉制度对马铃薯产量及水分利用的影响,本文构建了灌溉制度评价体系,并采用熵权-TOPSIS模型对其进行综合评价。结果表明:穗粒数、产量、水分生产效率与总糖是影响控水模式综合评价的主要因素;单株产量、公顷产量与抗旱系数是影响评价结果的主要因素;对马铃薯采用亏缺灌溉,可提高其水分利用效率,达到以水增效的目的。研究结果对干旱绿洲区农业生产具有重要指导意义。(本文来源于《地下水》期刊2019年05期）
娄忠秋,李桢[4]（2019）在《不同简化算法模型模拟都江堰灌区参考作物蒸散量》一文中研究指出为找出适用于都江堰灌区参考作物蒸散量(ET_0)的简化计算模型,以灌区附近成都、都江堰、乐山、遂宁和雅安5个站点1961—2017年的逐日气象资料为基础,计算Penman-Monteith(PM)模型、极限学习机(ELM)模型、广义回归神经网络(GRNN)模型、Priestley-Taylor(PT)模型、Makkink(MK)模型、Ritchie(RC)模型的逐日ET_0数据,以相对均方根误差(RMSE)、决定系数(R~2)和模型效率系数(E_(ns))为评价指标体系比较不同模型计算精度,分析得出在仅有温度资料和辐射资料情况下适用于都江堰灌区的简化计算模型。结果表明:在计算ET_0时,GRNN模型和ELM模型表现出了较高的计算精度和一致性,ELM模型R~2,RMSE,E_(ns)分别为0.852 4～0.911 0,0.363～0.413 mm/d和0.856～0.903,GRNN模型R~2,RMSE,E_(ns)分别为0.835 7～0.886 3,0.366～0.497 mm/d和0.832～0.879,同时比较输入辐射前后2个模型的模拟精度可知,辐射是ET_0计算的关键因素。综上所述,ELM模型在计算ET_0日值和月值时的计算精度均较高,可作为都江堰灌区在气象资料缺失情况下的ET_0标准计算模型。(本文来源于《水土保持研究》期刊2019年05期）
刘琦,塔娜,焦巍,康宏源,赵志勇[5]（2019）在《日光温室作物冠层温湿度时空分布及预测模型》一文中研究指出为了研究日光温室内部作物冠层区域温湿度分布及变化规律,以内蒙古呼和浩特市内保温型日光温室西芹作物冠层为研究对象,采用传感器密集布点的方式测试作物冠层处温湿度,针对日光温室作物冠层不同位置温湿度变化规律相似的情况,通过Elman神经网络预测作物冠层不同位置的温湿度情况。结果表明:作物冠层垂直温湿度差可达10.24℃,12.97%。在有光照(起帘)时期,作物冠层不同位置温湿度差异相对较大,温度由上到下总体呈现从高到低、湿度由低到高的分布,在无光照(闭帘)时期则温湿度差异较小,基本与启帘时期呈现相反分布。优化后的Elman神经网络能够较准确预测作物冠层处温湿度。该预测模型可在保证温度、湿度均方根误差分别小于0.8、1.5的情况下预测未来一周的作物冠层温湿度,该研究对日光温室内作物冠层部分温湿度监测与控制具有指导意义。(本文来源于《北方园艺》期刊2019年17期）
周彦丽[6]（2019）在《作物蒸散量计算模型研究进展》一文中研究指出从作物需水量与蒸散量关系出发,对目前国内外计算作物蒸散量的不同模型,包括单一模型、互补相关模型、红外遥感模型、SWAP模型等进行了总结,初步探讨了这些模型各自的优势和存在的问题,并预测了作物蒸散量计算模型的发展趋势。(本文来源于《农业灾害研究》期刊2019年04期）
陈士旺,李莉,杨成飞,李文军,孟繁佳[7]（2019）在《基于基质含水率的作物蒸腾量估算与预测模型研究》一文中研究指出作物蒸腾作用是基质水分传输的主要驱动力,建立了基于基质含水率变化量的温室番茄作物蒸腾量估算模型和预测模型,并进行对比分析。使用校准后的EC5基质含水率传感器,记录第1次灌溉后与第2次灌溉前基质实时含水率变化量,使用称量法测量作物实时蒸腾量。通过基质含水率变化量与基质栽培槽体积的多元线性回归运算,建立番茄单株日蒸腾量估算模型;将基质含水率变化量、空气温度、空气湿度和光照强度作为输入,利用GABP神经网络算法,建立番茄单株日蒸腾量预测模型。将试验所得温室作物日蒸腾量估算模型和预测模型分别与温室作物实际日蒸腾量进行线性回归分析,结果表明,基于基质含水率变化量建立的估算模型在苗期、花期的预测精度分别为0. 972 9、0. 979 6,预测模型的预测精度分别为0. 991 5、0. 989 0,两者之间差异不大,但估算模型运算速度远高于预测模型的运算速度,估算模型对于温室灌溉管理具有推广应用价值。(本文来源于《农业机械学报》期刊2019年S1期）
孙扬越,申双和[8]（2019）在《作物生长模型的应用研究进展》一文中研究指出作物生长模型不仅能够进行单点尺度上作物生长发育的动态模拟,而且能够从系统角度评价作物生长状态与环境要素的关系。本文通过梳理当前作物生长模型应用的诸多研究成果,剖析模型在气候变化对农业生产影响研究、作物生长模型区域应用中的关键问题,总结了当前以作物生长模型为核心的农业决策支持系统开发的研究情况,意在促进作物生长模型在生态、农业、区域气候资源和气候变化等研究中更广泛地应用。结果表明,作物生长模型在国内外的研究与应用广泛而深入,在气候变化背景下,应用作物生长模型进行历史时期气候条件和农业气象灾害对作物生产状况和产量的影响研究已相当广泛且相对成熟。利用全球气候模式(GCM)或区域气候模式(RCM)构建未来气候变化情景,再与作物生长模型耦合已发展成为评估未来气候变化对农业生产影响的重要手段。通过集成与整合多作物生长模型、多气候模式集合模拟、优化气候模拟数据订正方法可有效降低气候变化对农业生产影响评估的不确定性。遥感数据同化技术能够将站点模型运用到区域尺度上评价不同环境因子对农业生产的影响,拓宽了作物生长模型的应用尺度范围并有效提高作物产量估算的精度。以作物生长模型为核心的农业决策支持系统的研究与应用越来越多元化,是辅助农业生产管理和决策的重要工具。然而,由于作物生态系统的复杂性,作物生长模型模拟结果仍存在很大的不确定性,今后对作物生长机理及过程间耦合机制的探索还需加强,以便进一步完善和改进模型,促进作物生长模型更广泛地应用。(本文来源于《中国农业气象》期刊2019年07期）
余婷,崔宁博,张青雯,胡笑涛[9]（2019）在《中国西北地区日参考作物腾发量模型适用性评价》一文中研究指出为推荐适宜中国西北地区参考作物腾发量(ET_0)简化计算模型,应用9个代表性站点近50 a逐日气象资料,以FAO-56 Penman-Monteith(PM)模型计算的ET0为标准值,选取5种基于综合法的Kimberly Penman(K-P),FAO 1979 Penman(PM 17),FAO 24 Penman(PM 24),FAO1948 Penman(PM 48),FAO 79 Penman(PM 79)模型,3种基于温度法的Hargreaves-Samani(HS),Mc Cloud (M-C),Hargreaves (Har)模型,5种基于辐射法的Priestley-Taylor-1 (PT-1),Priestley-Taylor-2(PT-2),FAO-24 Radiation(FAO-Ra),Makkink(Mak),Irmark-Allen(I-A),Irmark(Irm)模型,对其在西北地区ET_0进行适用性评价.结果表明:14种模型在中国西北地区计算精度差异明显.全区模拟精度最高的PM 48(综合法),H-S(温度法),PT-1(辐射法)模型的平均R2,MAE,RMSE和nRMSE分别为0.978,0.767 3 mm/d,0.842 3 mm/d和25.622%; 0.735,0.920 0mm/d,1.187 0 mm/d和36.556%; 0.736,1.392 0 mm/d,1.826 0 mm/d和57.992%.(本文来源于《排灌机械工程学报》期刊2019年08期）
来守芳[10]（2019）在《基于PCSE作物模型与敏感性分析的模型参数本地化校准研究》一文中研究指出中国作为一个农业历史悠久的大国,农业发展是祖国繁荣昌盛的重要保证。农作物的产量稳定,关系到国内社会稳定的维护、军事上的战略布控以及新能源科学技术的发展。随着科学技术的进步,计算机技术应用也逐渐普及到了农业生长模拟系统中,作物生长过程的模拟研究也成为了当前技术应用的研究热点。PCSE是一种常用的植物生长过程模拟模型,其具有大量的参数配置,涉及到地球生态的众多生物和物理演变过程。PCSE的参数包括四种,分别是气候、土壤、作物和管理参数。其中,作物参数尤为重要,由于内部结构的不确定性,参数提取中的多样性,以及驱动因子的不确定性等诸多因素,使得生长模型在进行逐日生长预测时产生误差累积,这可能会对最终的预测结果造成比较大的误差。所以,如何建立参数调整策略对农作物生长模型预测的误差降低有着很重要的影响。因此,作物参数的调参策略是当前农作物生长模拟与作物模型应用的关键性方向问题。本文对PCSE生长模型中的作物参数做了具体研究。首先确定各作物参数区域性范围,在整个参数取值样本空间内创新性的采用EX-SMOTE方法进行作物参数样本生成,得到5000组在各参数范围内有效样本参数。然后,采用EFAST和GBDT两种方法相互校验的方式进行不同气候下对5000组样本参数进行敏感度分析,通过分析结果选出四个敏感度较高的参数,分别是平均敏感度指数为0.216的SPAN(在35℃时叶面积的生命周期)、平均敏感度指数为0.096的SLATB078(生育期为0.78时的比叶面积)、平均敏感度指数为0.288的TBASE(叶龄的低温阈值)、平均敏感度指数为0.08的CVO(储存器官的同化物转换效率)。其次,结合历史数据与模拟数据的方差、第二步所计算出的平均敏感度值以及四年模拟值与真实值的计算方差值,选择最小值作为初始迭代点进行敏式梯度下降迭代计算,获得PCSE生长模型本地化最优参数组合。最后利用生长模型对长春市区域玉米的生长过程进行模拟实验,采用不同实验的方法来预测模拟预测值。实验结果分别为:不做校准的平均误差值为1609.3 kg/ha;用基准类型值作为初始校准值的平均误差为1353.6 kg/ha;采用不同气候条件下的均方误差最小原则所挑选的样本点作为初始校准点的平均误差降低至857.4 kg/ha。本文实验证明此误差是可以通过该试验流程进行合理的参数本地化校准,从而得到校准后的有效参数组,缩小区域性的农作物产量预测误差。(本文来源于《吉林大学》期刊2019-06-01）
作物模型论文开题报告
（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：
【研究背景】随着以信息学为基础的现代计算机技术、通信技术和传感技术的发展,计算机在农业上的应用的范围也日趋广泛,计算机建模理论和技术的发展已使作物生长发育模型由简单的系统发展为综合、复杂的人工智能系统。特别是虚拟现实技术的发展为农业信息的提取加工和可视化提供了强有力的工具,为农业走向智能化、精确化、数字化和可持续的方向发展奠定了基础。虚拟作物模型是目前作物模拟研究的前沿,是计算机信息技术与农业科学相互渗透应用的新发展,是对作物生长模型研究的提高。【结果与分析】虚拟作物模型的研究难点和存在的问题,主要包括如何快速叁维动态建模、作物根系模拟研究和植物形态模型与生理生态模型的耦合,虚拟作物模型在相关领域的应用继续深化。虚拟作物模型能定量、动态地描述作物生长、发育和产量形成的过程及其对环境的反应。它采用系统分析的方法,综合作物生理、农业气象、土壤和农学等学科的知识和研究成果,对作物生育和产量形成的试验结果加以理论概括与数据量化,建立作物生育动态及其环境之间关系的动态数学模型,应用计算机数值计算与模拟技术,实现描述和表达作物生产系统的运行状态和结果。我国在此领域的研究虽然起步相对较晚,但是吸引了许多研究人员参与,并在生长模型和形态结构模型等方面均取得了一定的成绩。【结论】随着对作物生理机制研究的不断深入和当代计算机的快速发展,世界各地越来越多的科学家在对作物生长、模型构建和应用研究上进行了大量的研究,并且能够运用所构建的虚拟作物模型对作物的形态发生及生理生态变化、不同环境条件下的作物生长发育、作物群体内部竞争等进行虚拟仿真,并利用模拟实验结果为深入分析和预测作物生长变化趋势提供直观的科学依据。把农业的基本数据(土地类型、栽培品种、气象条件、灌溉方式等)全部输入计算机作为基础资料,进行施肥、灌溉、病虫害防治、田间作业等技术的智能化管理,是现代农业信息技术的发展方向。虚拟作物模型的研究随着不同专业领域及技术的发展应用和研究的深化,将会促进其理论、方法和技术的发展。以虚拟作物模型为基础的农作生产方式必将推动农业信息化进程。
（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。
作物模型论文参考文献
[1].樊湘鹏,许燕,周建平.参照作物蒸散量计算模型在新疆干旱地区适用性研究[J].江苏农业科学.2019
[2].吴峰峰,武威,刘涛,孙成明.虚拟作物模型的应用研究[C].2019年中国作物学会学术年会论文摘要集.2019
[3].兰玉廷.基于熵权-TOPSIS模型的干旱区典型作物灌溉制度综合评价[J].地下水.2019
[4].娄忠秋,李桢.不同简化算法模型模拟都江堰灌区参考作物蒸散量[J].水土保持研究.2019
[5].刘琦,塔娜,焦巍,康宏源,赵志勇.日光温室作物冠层温湿度时空分布及预测模型[J].北方园艺.2019
[6].周彦丽.作物蒸散量计算模型研究进展[J].农业灾害研究.2019
[7].陈士旺,李莉,杨成飞,李文军,孟繁佳.基于基质含水率的作物蒸腾量估算与预测模型研究[J].农业机械学报.2019
[8].孙扬越,申双和.作物生长模型的应用研究进展[J].中国农业气象.2019
[9].余婷,崔宁博,张青雯,胡笑涛.中国西北地区日参考作物腾发量模型适用性评价[J].排灌机械工程学报.2019
[10].来守芳.基于PCSE作物模型与敏感性分析的模型参数本地化校准研究[D].吉林大学.2019
论文知识图
