导读:本文包含了作物模拟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,神经网络,西北地区,叶面积,卡尔,产量。
作物模拟模型论文文献综述
娄忠秋,李桢[1]（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）
刘思源[2]（2019）在《基于DNDC模型的稻田作物施肥生命周期评价与施肥方案模拟优化研究》一文中研究指出稻田作物的生产对于我国农业及国民经济发展具有重要的支撑作用。而我国大部分稻田生产区过于片面地追求高产、不适当的施肥管理,导致了稻田作物化肥施用量的不断增加,在产量攀升的同时也引发了一系列环境污染问题。在农业部化肥零增长行动背景下,寻找一种既能够保证作物产量,同时又能减少环境排放的科学施肥方案对于区域农业可持续发展具有重要意义。本研究以湖北省鄂州市稻田作物为研究对象,对稻-稻、油-稻两种典型种植模式下的稻田施肥状况进行统计分析与环境风险评价,采用DNDC模型测算了稻田作物环境排放情况,并以此为基础构建了稻田作物施肥的生命周期评价体系,分别测算了不同稻田作物、不同轮作体系下的资源消耗与环境排放情况;最后通过对施肥量进行梯度情景模拟确定了一种既能保证粮食安全,同时又能降低环境污染的施肥方案。结论如下:1、按照播种面积来看,鄂州市油菜、早稻、中稻、晚稻单季施肥量分别为252.15 kg/hm2、266.93 kg/hm2、293.03 kg/hm2、315.53kg/hm2,均超过了生态县建设化肥施用负荷标准250 kg/hm2,且除油菜的总化肥污染环境风险级别多为安全之外,早稻、中稻、晚稻的总化肥污染环境风险级别大多处于低度风险状态,表明鄂州市存在一定程度的过量施肥现象。2、稻田作物环境排放方面,油菜CH4排放量显着区别于水稻,平均值为-1.21 kg/hm2,属于碳汇,而水稻CH4排放量均在60 kg/hm2以上;油菜N2O排放量平均值1.78kg/hm2,高于水稻平均排放量1.43 kg/hm2;油菜NH3排放量平均值38.38 kg/hm2,低于水稻NH3排放量57.11 kg/hm2;油菜、水稻氮流失量均超过1OkgN/hm2。3、生产1t油菜籽粒的综合环境影响指数高于生产1t水稻籽粒,生产1hm2油-稻的综合环境影响指数小于生产1hm2稻-稻。稻田作物施肥环境影响最大的类型为富营养化、环境酸化,其中富营养化贡献占比超过80%,而对富营养化贡献最大的是NO3-流失及NH3挥发,表明降低综合环境影响指数的关键是减少NH3挥发以及NO3-流失。4、对鄂州市稻田作物进行施肥量梯度模拟后,得出了“产量平衡施肥点”、“施肥量阈值”两种施肥方案,前者能保证鄂州市稻田作物产量在2010～2030年间达到最大,但环境排放最为严重;后者能保证作物产量在2010～2030年间维持2007～2009年平均水平而施肥量相对基准值有所降低,环境排放最少,可以作为区域推荐施肥方案。在推荐施肥方案基础上对施肥管理措施进行优化,其中化肥深施可以增加作物产量同时减少氮损失;有机肥配施化肥也能够通过代替一部分化肥从而降低化肥的氮流失。(本文来源于《浙江大学》期刊2019-05-01）
孙擎,杨再强,杨世琼,王琳,赵和丽[3]（2019）在《多种格点作物模型对中国区域水稻产量模拟能力评估》一文中研究指出基于部门间影响模型比较计划(The Inter-Sectoral Impact Model Intercomparison Project,ISIMIP)FAST-TRACK轮模拟中由5种国际耦合模式比较计划第五阶段(CMIP5)全球气候资料驱动下的6种水稻格点作物模型模拟水稻产量的结果,评估了格点作物模型模拟中国区域水稻历史产量(1980-2004年)的时空分布模拟效果,并基于多种作物模型等权重集合平均(Multi-Crop Models Ensemble,MCME)对未来(2020-2099年)4种不同典型浓度路径(Recommended Concentration Pathways,RCPs)情景下的中国区域水稻产量进行预估。结果表明:相对于单种水稻模型模拟的结果,采用MCME可以有效提高水稻模型在中国区域的模拟能力。MCME模拟中国区域水稻历史年平均产量相关系数R和RMSE分别为0.798和1540.6kg·hm~(-2),在空间上对东北和西南地区模拟效果较好,其它地区模拟效果一般,模拟水稻产量的空间变率较大。未来随着气温和CO_2浓度的上升,水稻产量呈增加趋势,在RCP8.5情景下中国区域平均水稻产量在21世纪末增加最多,达到22%,RCP6.0情景下约增产15%,RCP2.6和RCP4.5情景下水稻产量在21世纪上半叶增产,21世纪下半叶产量保持稳定甚至略有下滑,在21世纪末分别增产约4%和10%,在空间上东北和西南地区水稻增产较多,可达40%以上,其它水稻主产区如长江中下游地区和华南地区增产较小。(本文来源于《中国农业气象》期刊2019年04期）
诸叶平,李世娟,李书钦[4]（2019）在《作物生长过程模拟模型与形态叁维可视化关键技术研究》一文中研究指出针对作物产量形成、品种适应性分析的数字化解析和可视化表达需求,以提高作物模拟模型的时效性、协同性和真实感为目标,结合物联网技术与作物模拟模型,进行了田间数据实时采集;应用多智能体技术进行了作物协同模拟方法研究与框架设计;开展了作物生长过程模拟模型及基于作物模型的形态叁维可视化关键技术研究,以小麦作物为例,进行了田间试验,阐述了小麦叁维形态模拟可视化系统的设计实现并进行了试验验证;构建了Logistic方程模拟小麦叶长、最大叶宽、叶片高度、株高等的生长变化,采用基于曲线、曲面的参数化建模方法和3D图形库OpenGL构造了小麦器官几何模型。结果表明小麦叶长、最大叶宽、叶片高度和株高模拟模型R2值在0.772～0.999之间,回归方程的F值在10.153～4359.236之间,且Sig.小于显着水平0.05,模型显着性较好,模型的拟合度较高。本研究将作物模拟模型结果和形态结构模型有效结合,实现了以小麦为代表的作物在不同管理措施条件下的生长过程形态叁维可视化表达,为作物生产数字化系统应用提供了更有效的途径,该技术体系与方法同样适用于玉米、水稻等作物。(本文来源于《智慧农业》期刊2019年01期）
徐颖,张皓杰,崔宁博,冯禹,胡笑涛[5]（2019）在《基于不同ELM的西北旱区参考作物蒸散量模拟模型》一文中研究指出参考作物蒸散量(reference crop evapotranspiration,ET0)的精准模拟是智慧灌溉、农田水分高效利用及水资源优化调度的重要依据。为有效提高气象资料缺乏情况下对西北旱区ET0的模拟精度,在西北旱区选取4个代表性站点,并以FAO 56 Penman-Monteith(P-M)模型的ET0计算结果为标准值,基于"sin"、"radbas"和"hardlim"3种激活函数构建27种极限学习机模型(extreme learning machine,ELM,分别记为ELM-sini、ELM-radj、ELM-hardk),并将其模拟结果与Hargreaves-Samani(H-S)、Makkink(MK)、Irmark-Allen(I-A)模型进行比较。结果表明:ELM-sin7(输入u2、Tmax和Tmin)的R2和NSE均大于0.96,RMSE小于0.35 mm/d,其GPI排名第4,模型模拟精度较高; ELM-rad5(输入Tmax、Tmin和n)和ELM-sin8(输入Tmax和Tmin)的R2和NSE分别大于0.78和0.76,RMSE小于0.93 mm/d; H-S、MK和I-A模型的R2和NSE分别小于0.77和0.63,RMSE大于1.00 mm/d,可见ELM-rad5和ELM-sin8模型精度明显高于相同输入下的其他物理模型;基于ELM-sin7探究隐含层节点数对模型精度的影响发现隐含层节点数为60～100时模型精度最高;基于ELMsin7模型进行可移植性分析发现,ELM-sin7在西北旱区内各训练站点和模拟站点组合下模拟精度较高。因此,在相同气象因子组合输入下,ELM-sini和ELM-radj模型模拟精度明显高于ELM-hardk,其中ELM-sin7模拟精度较高适用于西北旱区气象因子较少时的ET0模拟;而较传统物理模型,仅有温度和日照时数时ELM-rad5模型在西北旱区适用性更好,仅有温度时ELM-sin8模型在西北旱区适用性更强。(本文来源于《中国农村水利水电》期刊2019年01期）
余婷,崔宁博,张青雯,冯禹,龚道枝[6]（2018）在《基于MEA-BP模型的西北地区参考作物腾发量模拟》一文中研究指出【目的】实现较少气象资料输入下参考作物腾发量(ET0)的精准模拟。【方法】选取西北地区5个代表性气象站点1967—2016年逐日气象数据作为输入参数,以FAO-56 Penman-Monteith(PM)模型计算的ET0作为标准值,基于思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络,构建了不同气象因子输入组合的12种MEABP模型,并将模拟结果与Penman-Monteith 24(PM 24)、Hargreaves-Samani(H-S)和Irmark-Allen(I-A)3种在西北地区ET0模拟精度较高的经验模型进行了比较。【结果】MEA-BP模型能很好地反映气象因子与ET0间复杂的非线性映射关系;MEA-BP11模型(输入气温、日照时间和风速)、MEA-BP10模型(输入气温、相对湿度和风速)和MEA-BP7模型(输入气温和风速)的R2、NSE、MAE、RMSE和nRMSE范围分别为0.978 9～0.986 5、0.977 7～0.985 6、0.172 2～0.216 6 mm/d、0.229 9～0.285 9 mm/d和3.96%～8.64%,GPI排名分别为2、3、4,精度均明显高于3种经验模型;与H-S、I-A和PM 24模型有相同气象因子输入的MEA-BP1模型(仅输入气温)的R2、NSE、MAE、RMSE和nRMSE分别为0.770 6、0.644 3、0.772 8 mm/d、1.037 2 mm/d和31.48%,MEA-BP8模型(输入气温和日照时间)的分别为0.782 4、0.669 0、0.745 2 mm/d、1.004 6 mm/d和30.47%,MEA-BP12模型(输入气温、相对湿度、日照时间和风速)的分别为0.987 5、0.986 6、0.164 8 mm/d、0.222 0 mm/d和6.71%,其GPI排名分别为8、7和1,以上3种MEA-BP模型模拟精度均明显高于相同气象因子输入下H-S、I-A及PM 24模型。【结论】在中国西北地区应用MEA-BP模型可实现较少气象参数输入下ET0精准模拟,当仅输入气温时推荐使用MEA-BP1模型,当输气温和风速时推荐使用MEA-BP7模型,当输入气温、日照时间和风速时推荐使用MEA-BP11模型。(本文来源于《灌溉排水学报》期刊2018年S2期）
张超[7]（2018）在《基于高光谱数据与SAFY-FAO作物模型同化的冬小麦生长监测与模拟研究》一文中研究指出准确的获取作物长势信息、产量预报以及需水量等对于农田生产管理、农业灌溉决策和保障粮食安全具有重要的意义。基于遥感数据与作物模型的同化框架系统,能够在两者进行优势互补的基础上,一方面能够提供作物信息“真值”以辅助修正模拟偏差,也有效的降低模型在初始条件和模型参数上区域性获取的难度。另一方面综合考虑到了作物生长发育过程中的内在机理性,是目前作物生长监测发展的重要方向。本研究以冬小麦为研究对象,以连续两生长季度不同灌溉场景试验为依托,全面分析了光谱特征参量、植被指数、偏最小二乘法和两种机器学习方法对叶面积指数的反演能力,建立了叶面积指数估算模型;对原SAFY-FAO模型水分胁迫响应过程进行了改进,并利用扩展傅里叶幅度法(Extended Fourier Amplitude Sensitivity Test,EFAST)对模型中关键参数对叶面积指数变化影响进行敏感性分析,筛选敏感性参数作为待优化参数。通过SCE-UA(Shuffled Complex Evolution)优化算法同化冠层光谱反演叶面积指数和作物模型,确定参数最优值,建立田间尺度的光学遥感与作物模型的同化系统框架。利用两个生长季冬小麦实测数据验证与评价同化系统对于叶面积指数、干物质累积量、产量、蒸发蒸腾量以及土壤水分含量等指标在不同灌水场景和全局条件下的准确性、可靠性和鲁棒性。主要研究内容和取得的结论如下:(1)系统性地评价了23种光谱特征参量、12种植被指数、偏最小二乘法、人工神经网络和支持向量机对叶面积指数的估算与反演能力。结果表明,在光谱特征参量中,红谷反射率(ρ_(rb))对叶面积指数的估算和预测精度最高(RMSE=0.744);在植被指数中,MTVI2拥有较高预测精度的同时也具有较强的抗饱和性(RMSE=0.683);在偏最小二乘法回归中,通过交叉验证选定前10个主成分因子时模型具有最高精度(RMSE=0.450);在利用人工神经网络时,构建叁层神经网络并通过试错法确定隐含层节点为9个时,模型精度较高(RMSE=0.476);基于高斯核函数的支持向量回归机对叶面积指数估算的精度为RMSE=0.499。综合分析,偏最小二乘回归法具有最高的叶面积指数估算精度,适合作为叶面积指数反演的首选方法。(2)研究引入了新的非线性水分胁迫过程方程代替了原始SAFY-FAO模型中的简单线性胁迫方程,并同时引入叁个水分胁迫参数(p_u、p_l和f)使得模型能够对不同作物、品种对水分胁迫响应的敏感性得到调整与调节。同时利用与作物生长发育密切相关的8个参数Pl_a、Pl_b、S_(TT)、R_s、LUE、p_u、p_l和f对5种叶面积指数和干物质的表征量进行了全局性敏感性分析。对于叶面积指数最大值、最大值出现的时间、生育期内平均值以及最大干物质量指标,全局敏感性指数较高的参数为Pl_a和Pl_b。综合考虑各参数的作用及其敏感性,确定需要优化的参数为Pl_a、Pl_b、S_(TT)、R_s和LUE。(3)以冠层光谱反演的叶面积指数为同化目标变量,通过SCE-UA优化算法调整与优化所确定的5个重要的参数值以实现光谱反演叶面积指数值和模型模拟叶面积指数值之间代价函数的全局最小化。结果表明,SCE-UA优化算法能够实现参数优化与调整,但参数解的组合并不唯一。采用多次重复的优化过程,通过分析各参数最优解的分布和出现的频次,可以有效避免因最优化过程可能陷入局部最优解和最优解不唯一对模型模拟结果带来的不确定性。(4)基于所构建同化耦合系统,模拟9种灌溉场景下冬小麦的叶面积指数、干物质累积量、籽粒产量的动态变化规律和蒸发蒸腾量,以及各水分场景下土壤表层含水量和根区可利用储水量动态变化规律特征。利用田间实测数据验证模型在不同灌水场景下以及全局条件下的准确性和适用性。结果表明,同化系统能够很好的模拟中后期亏水条件下叶面积指数动态变化(RRMSE<10%);重度水分亏缺场景下干物质量模拟结果较差,RRMSE值均大于30%;两季度冬小麦籽粒产量模拟综合结果优秀(RMSE=0.48 t?ha~(-1),RRMSE=9.5%,MRE=8.4%);土壤表层20cm土层含水量在两年生长季节内各灌水处理的模拟结果与实测结果一致,模拟精度良好(RRMSE<20%);土壤1-m土层深度土壤储水量模拟结果总体精度良好(RRMSE<20%),但从拔节期开始表现出可见的低估偏差特征;模拟两年生长季内累积蒸发蒸腾量值均基本高于实测值,总体模拟精度良好(RMSE=43.4mm,RRMSE=17.1%,MRE=17.9%),能够基本适用于区域性冬小麦需水量的估算和预报。(本文来源于《西北农林科技大学》期刊2018-12-01）
温永菁[8]（2018）在《基于温室环境模拟和作物模型的番茄最佳播期技术研究与应用》一文中研究指出本文以如何提高日光温室小气候资源利用率为主要问题,进行一系列研究试验。首先根据2011—2015年冬季天津市宝坻区气象数据对不同日光温室温度模拟方法的模拟效果进行对比分析,确立较准确的日光温室环境模拟模型;其次以2013—2015年天津市武清区日光温室气象资料与作物发育期资料为依据,采用设施园艺大面积推广种植的番茄品种“瑞粉882”和“普罗旺斯”为试材,通过分期播种试验模拟不同气候背景条件,基于钟模型建立日光温室番茄发育期模拟模型。结合以上两个研究的模拟结论,对2016—2017年冬季天津市宝坻区日光温室蔬菜上市时间进行模拟分析,为实际生产种植时间与管理提供决策指导,实现温室小气候资源高效利用。主要研究结果如下:1.环境模拟,为构建较准确的日光温室温度预测模型,于2011—2014年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0—8时、8—17时、17—23时)逐步回归与BP神经网络温室内温度预测模型。结果表明:温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2.作物模拟,依据环境条件准确预测作物的发育时期已成为作物生长发育模拟模型的核心内容之一。研究首次以钟模型为基础,依据番茄生长发育的光温反应特性,利用不同品种不同播期12个生长季的试验资料,建立了基于钟模型方法的温室番茄发育期模拟模型。经验证,该模型播种期—叁叶期、播种期—初花期、播种期—坐果期、播种期—成熟期、播种期—拉秧期五个发育阶段模拟值与实际观测值之间的回归估计均方根误差(RMSE)分别为8.3、14.4、16.3、23.7、28.1 d;回归估计标准均方根误差(NRMSE)分别为20.78%、20.18%、20.21%、17.35%、14.86%,模拟效果较好。将本模型与有效积温法模拟结果进行对比,本模型在各个关键发育期的模拟精度更高,结果更好。3.实际应用,先根据天津市宝坻区有记载以来的58年气象资料,计算58年冬季年平均气温、年平均气温距平值、年平均气温5年滑动平均与年日照时数、年日照时数距平值、年日照时数5年滑动平均,并对58年温度光照的变化趋势进行研究分析。分析结果显示58年宝坻区冬季温度明显升高,光照总体减弱的变化趋势,进而得出考虑温光条件的冷暖年划分法更适宜日光温室生产应用。本研究选取平均气温与日照时数两个气象因子,得出冷暖年划分标准的计算方程y=0.608x_t+0.392x_r,以y值为标准划分适宜温室生产应用的冷暖年型,划分结果2016年为日光温室暖年。选取准确率更高的BP神经网络法模拟2016—2017年冬季日光温室白天日平均温度和白天日照时数,得到的白天日平均温度和白天日照时数作物驱动因子带入番茄发育期模型,根据不同播种期得出之后发育期变化时间。本文将春节前期时段蔬菜需求量大这一实际情况为例指导规划番茄种植时间,得出番茄2017年春节前上市的最佳播种日期为2016年9月20日-2016年9月25日。(本文来源于《沈阳农业大学》期刊2018-06-01）
孙增慧,韩霁昌,毛忠安,王欢元,胡雅[9]（2018）在《砒砂岩改良风沙土对作物产量影响的RZWQM2模型模拟》一文中研究指出基于2012—2013年陕西省榆林市榆阳区小纪汗乡玉米大田试验结果,利用不同复配比例的砒砂岩改良风沙土(砒砂岩与风沙土按体积比1∶1(T1)、1∶2(T2)、1∶5(T3)混合)处理下土壤水分、地上部生物量、叶面积指数和产量数据对RZWQM2(Root zone water quality model 2)模型进行校正和验证,然后利用验证后的模型模拟不同复配比的土壤水分动态和玉米产量变化。模型校正和验证结果表明,土壤分层含水量模拟值和实测值之间的均方根误差(RMSE)分别在0.011~0.042 cm~3/cm~3和0.008~0.029 cm~3/cm~3范围内变化;地上生物量模拟值和实测值之间的RMSE分别在512~1 245 kg/hm~2和598~1 461 kg/hm~2之间变化;作物产量的模拟值与观测值之间的RMSE变化范围分别为84~249 kg/hm~2和71~485 kg/hm~2。模型模拟结果表明,RZWQM2模型能够较好地模拟砒砂岩改良风沙土对作物产量的影响,3种砒砂岩改良风沙土配比中,砒砂岩与风沙土的体积比为1∶2处理(T2)下玉米产量最高,1990—2013年的平均产量为3 527 kg/hm~2,变化范围为880~7 206 kg/hm~2。因此,砒砂岩与风沙土的体积比为1∶2复配模式下对玉米增产的效果较优,该复配模式可作为该地区砒砂岩改良风沙土复配比例的推荐选择。(本文来源于《农业机械学报》期刊2018年07期）
张阳[10]（2018）在《基于LAI的吉林春玉米作物模型与遥感的同化及灌溉模拟》一文中研究指出粮食安全问题事关国家的经济发展,是农业生产的核心。及时并精准的预测并获取作物长势与产量是保证地区和国家粮食安全、交易以及政府决策的基础。相较于传统农业信息调查存在的经济成本与时间成本过高的问题,遥感探测具备数据客观、探测及时、覆盖面积大的优势,但是作物的发育需要经历一个长时间的阶段,而遥感信息更多的是对瞬时情况的观测,因此对作物生育阶段的描述性较差。为了提高模拟产量的精确度,目前多使用同化方法将遥感数据与作物模型耦合,是遥感和信息化农业的研究热点和重点。本文以吉林省榆树和白城站多年春玉米为基础,选择叶面积指数(LAI)作为遥感信息与作物模型的结合点,根据集合卡尔曼滤波(EnKF)方法对WOFOST(World Food Study)模型与遥感信息进行同化,据此对吉林省春玉米产量模拟分析,同时利用作物需水量和有效降水量计算的灌溉需求指数确定关键灌溉生育期进一步设定灌溉方案,据此进行春玉米产量模拟以确定较优的灌溉方案。具体研究内容如下:(1)WOFOST模型本地化。作物模型输入的部分数据由于不能直接测量所以需要进行前期准备工作,随后采用初始变量扰动法确定WOFOST模型中的参数敏感度,根据敏感性分析结果并参考相关文献对参数进行调整,以确定WOFOST模型的品种和土壤参数值;以榆树和白城站的2002-2011年作物发育期资料、叶面积指数资料和产量资料对模型结果进行验证,据此确定适用于吉林省站点的WOFOST模型参数。(2)遥感数据的处理。本文选用了 MODIS叶面积指数产品,遥感数据通常会受天气、气溶胶等未知因素影响,使得遥感值容易出现异常值,所以选取Savitzky-Golay滤波方法处理MODIS遥感产品的时间序列曲线,实现数据平滑和去除异常值的目的,同时结合研究区域叶面积实测值和Logistic方程对平滑后的数据进行修正,得到与实际生育期内生长发育情况更为接近的春玉米叶面积指数连续时间序列曲线,为后面数据同化做好准备。(3)构建WOFOST-EnKF同化。利用集合卡尔曼滤波算法,以8d时间序列的MOD 15叶面积指数作为外部同化数据进行同化模拟,在榆树进行单点研究,并对比同化后模拟产量与WOFOST模型的模拟产量,结果表明基于同化方法构建的模型模拟产量值较同化前模型模拟产量值与实测值相差小。(4)吉林省春玉米主要种植区灌溉方案的设定及作物模型模拟研究。吉林省春玉米种植主要受当地水资源制约,因此玉米的需水规律和灌溉研究对当地粮食的稳产高产具有重要意义。通过计算春玉米各生育期的需水量和有效降水量得到全生育期的灌溉需求指数,以确定关键灌溉期;计算不同降水年型下生育期的灌溉量来设定灌溉模拟方案,利用WOFOST-EnKF嵌套模型实现灌溉模拟方案得到春玉米模拟产量,结果表明吉林省中西部春玉米乳熟-成熟期灌溉效率最高,其次为播种-出苗期,可根据条件增加乳熟-成熟期灌溉和关键生育期的灌溉次数。(本文来源于《南京信息工程大学》期刊2018-05-01）
作物模拟模型论文开题报告
（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：
稻田作物的生产对于我国农业及国民经济发展具有重要的支撑作用。而我国大部分稻田生产区过于片面地追求高产、不适当的施肥管理,导致了稻田作物化肥施用量的不断增加,在产量攀升的同时也引发了一系列环境污染问题。在农业部化肥零增长行动背景下,寻找一种既能够保证作物产量,同时又能减少环境排放的科学施肥方案对于区域农业可持续发展具有重要意义。本研究以湖北省鄂州市稻田作物为研究对象,对稻-稻、油-稻两种典型种植模式下的稻田施肥状况进行统计分析与环境风险评价,采用DNDC模型测算了稻田作物环境排放情况,并以此为基础构建了稻田作物施肥的生命周期评价体系,分别测算了不同稻田作物、不同轮作体系下的资源消耗与环境排放情况;最后通过对施肥量进行梯度情景模拟确定了一种既能保证粮食安全,同时又能降低环境污染的施肥方案。结论如下:1、按照播种面积来看,鄂州市油菜、早稻、中稻、晚稻单季施肥量分别为252.15 kg/hm2、266.93 kg/hm2、293.03 kg/hm2、315.53kg/hm2,均超过了生态县建设化肥施用负荷标准250 kg/hm2,且除油菜的总化肥污染环境风险级别多为安全之外,早稻、中稻、晚稻的总化肥污染环境风险级别大多处于低度风险状态,表明鄂州市存在一定程度的过量施肥现象。2、稻田作物环境排放方面,油菜CH4排放量显着区别于水稻,平均值为-1.21 kg/hm2,属于碳汇,而水稻CH4排放量均在60 kg/hm2以上;油菜N2O排放量平均值1.78kg/hm2,高于水稻平均排放量1.43 kg/hm2;油菜NH3排放量平均值38.38 kg/hm2,低于水稻NH3排放量57.11 kg/hm2;油菜、水稻氮流失量均超过1OkgN/hm2。3、生产1t油菜籽粒的综合环境影响指数高于生产1t水稻籽粒,生产1hm2油-稻的综合环境影响指数小于生产1hm2稻-稻。稻田作物施肥环境影响最大的类型为富营养化、环境酸化,其中富营养化贡献占比超过80%,而对富营养化贡献最大的是NO3-流失及NH3挥发,表明降低综合环境影响指数的关键是减少NH3挥发以及NO3-流失。4、对鄂州市稻田作物进行施肥量梯度模拟后,得出了“产量平衡施肥点”、“施肥量阈值”两种施肥方案,前者能保证鄂州市稻田作物产量在2010～2030年间达到最大,但环境排放最为严重;后者能保证作物产量在2010～2030年间维持2007～2009年平均水平而施肥量相对基准值有所降低,环境排放最少,可以作为区域推荐施肥方案。在推荐施肥方案基础上对施肥管理措施进行优化,其中化肥深施可以增加作物产量同时减少氮损失;有机肥配施化肥也能够通过代替一部分化肥从而降低化肥的氮流失。
（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。
作物模拟模型论文参考文献
[1].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
[2].刘思源.基于DNDC模型的稻田作物施肥生命周期评价与施肥方案模拟优化研究[D].浙江大学.2019
[3].孙擎,杨再强,杨世琼,王琳,赵和丽.多种格点作物模型对中国区域水稻产量模拟能力评估[J].中国农业气象.2019
[4].诸叶平,李世娟,李书钦.作物生长过程模拟模型与形态叁维可视化关键技术研究[J].智慧农业.2019
[5].徐颖,张皓杰,崔宁博,冯禹,胡笑涛.基于不同ELM的西北旱区参考作物蒸散量模拟模型[J].中国农村水利水电.2019
[6].余婷,崔宁博,张青雯,冯禹,龚道枝.基于MEA-BP模型的西北地区参考作物腾发量模拟[J].灌溉排水学报.2018
[7].张超.基于高光谱数据与SAFY-FAO作物模型同化的冬小麦生长监测与模拟研究[D].西北农林科技大学.2018
[8].温永菁.基于温室环境模拟和作物模型的番茄最佳播期技术研究与应用[D].沈阳农业大学.2018
[9].孙增慧,韩霁昌,毛忠安,王欢元,胡雅.砒砂岩改良风沙土对作物产量影响的RZWQM2模型模拟[J].农业机械学报.2018
[10].张阳.基于LAI的吉林春玉米作物模型与遥感的同化及灌溉模拟[D].南京信息工程大学.2018
论文知识图
