作物水文模型AquaCrop---用于評估作物對水的需求、灌溉計劃和管理策略

AquaCrop是由世界糧食及農業組織(FAO)開發的一個先進模型,旨在研究和優化農作物的水分生產效率。這個模型在全球范圍內被廣泛應用于農業水管理,特別是在制定農作物灌溉計劃和應對水資源限制方面顯示出其強大的實用性。AquaCrop 不僅包含一個全面的數據庫,還提供了用戶友好的接口,使得它在實際應用中極為便捷。

模型的核心優勢在于其獨特的水分管理能力,能夠精確模擬作物生長過程中水分的需求與消耗,幫助農業工作者制定更為科學和高效的灌溉策略。通過對作物的水分需求和供應的精確計算,AquaCrop 能夠幫助提高水資源的使用效率,優化作物產量和質量。

一、基于AquaCrop模型的玉米需水和降水匹配度變化特征研究

雨熱同期為我國大部分地區農業生產提供了充足的水熱資源,但從需水機理的角度評估作物生長和降水過程匹配度的變化特征還有待深入。基于AquaCrop模型模擬了關中地區1978-2017年夏玉米生育期內需水量、灌溉需水量、有效降水量和產量的變化特征,并在充分考慮玉米不同生育階段對水分需求程度差異的基礎上,分析了作物需水與降水匹配度的變化特征。結果表明:關中地區玉米生育期內累積降雨量變化幅度相對較小,但降水過程明顯后移,且更多的以暴雨的形式發生;玉米生育期內需水量和灌溉需水量均呈現明顯的增加趨勢,增加幅度分別為4.10 mm/10a和13.38 mm/10a,而有效降水量則以-10.28 mm/10a的速率減小;玉米生育期內需水與降水的平均匹配度為58%,且整體以-2.7%/10a的速率下降。上述結果表明關中地區降水模式越來越難以滿足夏玉米的水分需求,延遲播種可作為提高作物需水與降水匹配度的應對措施之一

作者:高爽 丁一民 朱磊 萬愉快 柴明堂 丁朋朋 鄒業斌

二、AquaCrop模型在西北胡麻生物量及產量模擬中的應用和驗證

為了預測水分和養分對胡麻籽粒產量、生物量與水分生產率的影響,使用FAO研發的水分驅動作物模型AquaCrop對胡麻在不同灌溉與氮磷水平下的生長情況進行模擬和驗證。試驗分別于2011年、2012年在甘肅省榆中縣良種場進行,試驗設置4個灌溉水平,3個氮水平,3個磷水平。模型性能的評價采用模型效率(E)、決定系數(R2)、均方根誤差(RMSE)和平均絕對誤差(MAE)等統計指標。分析結果表明:AquaCrop模型校正的籽粒產量和生物量在不同灌溉與氮磷水平處理下的預測誤差統計值為:0.97<E<0.99,0.11<RMSE<0.33,0.11 t·hm 2<MAE<0.42 t·hm 2,與2012年的試驗觀察數據(0.96<E<0.99,0.11<RMSE<0.42,0.11 t·hm 2<MAE<0.39 t·hm 2)基本一致;同時,群體覆蓋(CC)與生物量的模擬結果與測定值也非常擬合。AquaCrop模型在充分灌溉處理下預測胡麻產量,比非充分灌溉處理下具更高的準確性。因而,水分驅動模型AquaCrop在西北胡麻區不同的灌溉與田間管理措施下有較高的模擬精確性,具有廣闊的應用前景和價值。

作者:李玥 牛俊義 郭麗琢 高珍妮 孫小花

三、基于AquaCrop模型評估氣候變化下棉花生產的可持續性

運用2017-2018年南疆綠洲區膜下滴灌棉花土壤水分、冠層覆蓋度、生物量、蒸散量(ET)及產量(Y)數據,校準和驗證AquaCrop模型中作物參數,將數據輸入AquaCrop模型氣象、作物、灌溉、田間管理模塊模擬了6種灌溉水平(18、24、30、36、45和54mm)和5個播期(3月23日、4月3日、4月13日、4月23日和5月3日)共30種情景下南疆綠洲區膜下滴灌棉花的生物量和產量,并分析1988-2017年連續30a棉花產量的穩定性和可持續性。結果表明,AquaCrop模型能夠較好地模擬不同灌溉和播期下棉花冠層蓋度、地上生物量和土壤水分,歸一化均方根誤差(NRMSE)均小于20%,協同指數(d)和相關系數(R~2)均接近1。AquaCrop模型低估了棉花蒸散量和產量,相對誤差(RE)分別為-4.5%~1.2%和-8.6%~-6.8%,但證明了AquaCrop模型可以進行情景模擬。模型預測表明,棉花生產穩定性和可持續性受播期影響較小,而隨灌水定額的增大而提高。播期相同時,棉花生物量和產量隨灌溉定額的增大而增加,在495mm的灌溉定額下獲得了較高的灌溉用水效率,并確保棉花產量無顯著下降。同時,在495mm灌溉定額下適當推遲播期至4月13日,可以節約用水36.78mm,如運用早熟棉種于4月23日播種,可以節約用水65.34mm。因此,對于水資源富裕地區可考慮早播獲得高產,而水資源匱乏地區在品種與栽培模式配套下,晚播是一種適應現在和未來氣候變化下水資源短缺的經濟、有效的策略。

作者:王洪博 李國輝 徐雪雯 黃維雄 趙澤藝 高陽 王興鵬

四、不同灌溉方式和灌水定額對夏玉米生長的影響及AquaCrop模型的適應性研究

【目的】探明不同灌溉方式和灌水定額對夏玉米生長的影響及AquaCrop模型的適應性。【方法】設置4個試驗處理:常規滴灌10 mm(N1)、常規滴灌20 mm(N2)、膜下滴灌10 mm(M1)和膜下滴灌20 mm(M2),研究不同灌溉方式和灌水定額對夏玉米生長的影響,并基于2 a的試驗數據對AquaCrop模型進行率定、驗證,利用率定、驗證后的模型預測平水年不同灌溉方案下的夏玉米產量,以產量最大為目標篩選最優的灌溉方案。【結果】N2處理下的0~40 cm土層土壤含水率(SWC)均高于N1處理和M2處理;各處理的生物量平均值和產量表現為:M2處理>M1處理>N2處理>N1處理。各處理SWC模擬值與實測值的R2、EF和RMSE分別為0.645~0.907、0.461~0.779和0.021~0.034,冠層覆蓋度模擬值與實測值的R2、EF和RMSE分別為0.942~0.992、0.964~0.990和0.463~0.781,生物量模擬值與實測值的R2、EF和RMSE分別為0.959~0.984、0.969~0.986和0.507~0.614 t/hm2,產量模擬值與實測值的RMSE為0.180~0.890 t/hm2,水分利用效率模擬值與實測值的RMSE為0.001~0.003 t/(hm2·mm)。【結論】常規滴灌下高水相比低水處理可提高0~40 cm土層SWC,灌水20 mm條件下,常規滴灌處理在0~40 cm土層的SWC高于膜下滴灌處理;覆膜與提高灌水量均能提高夏玉米的生物量和產量,AquaCrop模型能較好地模擬天津市夏玉米的生長過程;夏玉米最優灌溉方案為苗期灌溉20 mm、抽穗期和灌漿期各灌溉10 mm。

作者:常梅 周青云 尹林萍

五、基于AquaCrop模型的水稻多目標灌溉制度優化研究

【目的】優化現有水稻灌溉制度,節約灌溉用水量,減少稻田氮磷流失量以降低面源污染風險。【方法】構建了基于AquaCrop模型和NSGA-Ⅱ算法的水稻灌溉制度模擬優化模型,利用水稻田間試驗數據,開展以產量最大、氮磷流失量最小、灌水次數最少的3種目標組合(產量-氮磷流失量(Y-TNP)、產量-灌水次數(Y-N)、產量-氮磷流失量-灌水次數(Y-TNP-N))下的灌溉制度優化模型研究,提出適應不同生育期降水年型的穩產-控污-提效灌溉制度。【結果】(1)與常規灌溉相比,Y-TNP灌溉制度優化水稻產量下降2.14%,氮磷流失量減少23.09%;Y-N灌溉制度優化水稻產量下降1.76%,灌水次數減少53%;Y-TNP-N灌溉制度優化水稻產量下降2.64%,氮磷流失量減少22.83%,灌水次數減少2次。(2)不同典型年以Y-TNP-N為目標優化的穩產-控污-提效灌溉制度水稻產量介于7.74~7.78 t/hm2,同時大幅度減少灌水量進而降低氮磷流失量。【結論】AquaCrop模型可模擬試驗區水稻的生長發育過程,本文構建的模擬-優化耦合模型可用于優化不同生育期降水年型下穩產-控污-提效的灌溉制度。

作者:馬超 吳天傲 章偉忠 李江 繳錫云

AquaCrop模型農業水資源管理及代碼解析培訓班:課程內容簡要

專題一??模型原理與數據要求

1. AquaCrop模型的應用范圍

2. 模型基本原理與計算框架

3.模型輸入數據要求

4.模型應用實例簡介

圖片

專題二 模型數據準備

1.氣象數據準備:包括溫度、降水量、蒸發量等。

2.土壤數據制備:土壤類型、含水量、水分保持能力

3.農作物數據制備:作物類型、生長周期、水分需求

4.管理措施的輸入:灌溉方式、施肥計劃、病蟲害管理

圖片

圖片

專題三??模型運行及結果分析

1.模型運行步驟

2.模型輸出

3.模型結果分析(在線版)

圖片

圖片

專題四??參數分析

1.敏感性分析方法

2.模型敏感參數

3.參數的不確定性分析方法

4.參數的不確定性分析

5.參數調優建議

圖片

專題五? ?源代碼分析

1.現代Fortran基礎

2.模型Fortran代碼編譯

3.模型代碼結構

4.模型入口分析

5.模型主要計算功能分析

圖片

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/13986.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/13986.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/13986.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

如何在海豚調度器自動監測報表是否跑出數據

在數據倉庫報表開發時,有的報表依賴的表多,雖然在海豚調度任務上是跑成功,但實際上沒有跑出數據來。開發人員負責的任務和表越來越多,每天去手動檢查費時費力,不去理睬默認是成功的,等到業務或產品發現問題時,又給人一種不專業不負責的感覺。 比較好的方式是用代碼進行自…

Python知識點復習

文章目錄 Input & OutputVariables & Data typesPython字符串重復&#xff08;字符串乘法&#xff09;字符串和數字連接在一起print時&#xff0c;要強制類型轉換int為str用input()得到的用戶輸入&#xff0c;是str類型&#xff0c;如果要以int形式計算的話&#xff0c…

SkyWalking 介紹及部署

1、SkyWalking簡介2、SkyWalking的搭建 2.1 部署Elasticsearch2.2 部署SkyWalking-Server2.3 部署SkyWalking-UI3、應用接入 3.1 jar包部署方式3.2 dockerfile方式3.3 DockerFile示例4、SkyWalking UI 界面說明 4.1 儀表盤 4.1.1 APM &#xff08;1&#xff09;全局維度&#x…

UBUNTU22.04無法安裝nvidia-driver-550 依賴于 nvidia-dkms-550 (<= 550.54.15-1)

類似的報錯信息&#xff0c;就是卡在了nvidia-dkms-550無法安裝 Loading new nvidia-550.40.07 DKMS files… Building for 6.5.0-15-generic Building for architecture x86_64 Building initial module for 6.5.0-15-generic ERROR: Cannot create report: [Errno 17] File e…

前端canvas項目實戰——在線圖文編輯器(十):小地圖MiniMap(上)

目錄 前言一、 效果展示二、 實現步驟0. 行動前的思考1. 為小地圖更新「背景圖」2. 為小地圖更新「滑動窗口」2.1 獲取新的滑動窗口「寬高」2.2 獲取新的滑動窗口「位置」3. 為小地圖更新「遮罩」后記前言 上一篇博文中,我們引入了「邏輯畫布」的概念,讓整個工具的頁面看起來…

JPA 3萬字面試寶典

目錄 什么是JPA? JPA和Hibernate有什么區別? 什么是ORM(對象關系映射)? 什么是Entity?

【機器學習】在電子商務(淘*拼*京*—>抖)的應用分析

機器學習與大模型&#xff1a;電子商務的新引擎 一、電子商務的變革與挑戰二、機器學習與大模型的崛起三、機器學習與大模型在電子商務中的應用實踐個性化推薦精準營銷智能客服庫存管理與商品定價 四、總結與展望 隨著互聯網的飛速發展&#xff0c;電子商務已經成為我們生活中不…

NDIS小端口驅動(四)

NDIS中斷相關 1. 注冊和取消注冊中斷&#xff1a; 微型端口驅動程序調用 NdisMRegisterInterruptEx 來注冊中斷。 驅動程序分配并初始化 NDIS_MINIPORT_INTERRUPT_CHARACTERISTICS 結構&#xff0c;以指定中斷特征和函數入口點&#xff0c;驅動程序將結構傳遞給 NdisMRegister…

【三劍客和正則表達式】

文章目錄 學習目標一、什么是三劍客1.三劍客grep2.三劍客sed3.三劍客awk4.正則過濾例子15.正則過濾例子2 總結 學習目標 1.學會使用 grep 2.學會使用 sed 3.學會使用 awk 4.學會使用正則表達式一、什么是三劍客 正則三劍客&#xff1a;grep sed awk 1.三劍客grep # 擅長過濾…

【MySQL精通之路】查詢優化器的使用(8)

MySQL通過影響查詢計劃評估方式的系統變量、可切換優化、優化器和索引提示以及優化器成本模型提供優化器控制。 服務器在column_statistics數據字典表中維護有關列值的直方圖統計信息&#xff08;請參閱第10.9.6節“Optimizer統計信息”&#xff09;。與其他數據字典表一樣&am…

#Ethereum 現貨ETF 問題匯總 轉

專題&#xff1a; #Ethereum 現貨ETF 問題匯總&#xff0c;包括了多數小伙伴們的疑問&#xff0c;有任何忽略請留言給我&#xff0c;我會補充。 1. #ETH 現貨ETF何時公布&#xff1f; 一般來說會在北京時間的5月24日凌晨2點至4點之間&#xff0c;不排除稍微延后到凌晨6點的可能…

基于大語言模型的應用

在AI領域&#xff0c;大語言模型已成為備受矚目的焦點&#xff0c;尤其在自然語言處理&#xff08;NLP&#xff09;領域&#xff0c;其應用愈發廣泛。BLM作為一種多任務語言建模方法&#xff0c;旨在構建一個具備多功能的強大模型。在給定文本和查詢條件下&#xff0c;該模型能…

【深度學習】YOLOv8訓練,交通燈目標檢測

文章目錄 一、數據處理二、環境三、訓練 一、數據處理 import traceback import xml.etree.ElementTree as ET import os import shutil import random import cv2 import numpy as np from tqdm import tqdmdef convert_annotation_to_list(xml_filepath, size_width, size_he…

海山數據庫(He3DB)代理ProxySQL使用詳解:(二)功能實測

讀寫分離實測 ProxySQL官方demo演示了三種讀寫分離的方式&#xff1a;使用不同的端口進行讀寫分離、使用正則表達式進行通用的讀寫分離、使用正則和digest進行更智能的讀寫分離。最后一種是針對特定業務進行的優化調整&#xff0c;也可將其歸結為第二種方式&#xff0c;下邊分…

MySQL備份與日志練習

1、創建對mysql數據庫test1的定時備份任務&#xff0c;頻率是每周一的2點 create database test1;crond -e0 2 * * 1 mysqldump -u root -pAdmin123 --databases test1 > /opt/test1.sql2、test1中有t1、t2、t3三張表&#xff0c;要求只備份t2這張表 mysqldump -u root -pA…

Python 機器學習 基礎 之 數據表示與特征工程 【單變量非線性變換 / 自動化特征選擇/利用專家知識】的簡單說明

Python 機器學習 基礎 之 數據表示與特征工程 【單變量非線性變換 / 自動化特征選擇/利用專家知識】的簡單說明 目錄 Python 機器學習 基礎 之 數據表示與特征工程 【單變量非線性變換 / 自動化特征選擇/利用專家知識】的簡單說明 一、簡單介紹 二、單變量非線性變換 三、自…

知識圖譜數據預處理筆記

知識圖譜數據預處理筆記 0. 引言1. 筆記1-1. \的轉義1-2. 特殊符號的清理1-3. 檢查結尾是否正常1-4. 檢查<>是否存在1-5. 兩端空格的清理1-6. 檢查object內容長時是否以<開始 0. 引言 最近學習知識圖譜&#xff0c;發現數據有很多問題&#xff0c;這篇筆記記錄遇到的…

軟件設計師備考筆記(九):數據庫技術基礎

文章目錄 一、基本概念二、數據模型&#xff08;一&#xff09;基本概念&#xff08;二&#xff09;E-R模型&#xff08;三&#xff09;數據模型 三、關系代數&#xff08;一&#xff09;關系數據庫的基本概念&#xff08;二&#xff09;五種基本的關系代數運算&#xff08;三&…

React hooks - forwardRef+useImperativeHandle

forwardRefuseImperativeHandle React.forwardRef用法useImperativeHandle用法第三個參數的用法 React.forwardRef與useImperativeHandle配合使用注意事項 React.forwardRef用法 1.創建一個 能夠接受到ref屬性的React 組件。 ref 用來獲取實例&#xff0c;但函數組件不存在實例…

bugku 網絡安全事件應急響應

開啟靶場&#xff1a; 開始實驗&#xff1a; 使用Xshell登錄服務器&#xff0c;賬號及密碼如上圖。 1、提交攻擊者的IP地址 WP: 找到服務器日志路徑&#xff0c;通常是在/var/log/&#xff0c;使用cd /var/log/&#xff0c;ls查看此路徑下的文件. 找到nginx文件夾。 進入ng…