排序方式: 共有16条查询结果,搜索用时 125 毫秒
1.
通过对新疆石河子市148团膜下滴灌棉花灌区实验地各行棉花叶片温度及土壤含水率的测定、各行棉花发育情况的调查和当地气象资料的收集,利用Origin7.5的函数拟合功能,分析了棉花叶温与当地气象资料的关系。并且分析了棉花叶温与土壤含水率和棉花生长发育情况的关系,以便讨论在本研究种植模式下如何提高棉花产量。结果表明:棉花叶温与气象因素的相关性从高到低排列顺序依次为气温、空气饱和水汽压差、空气相对湿度、日照时数、风速。其中,棉花叶温与气温的相关系数为0.91327,其拟合方程可以用来预测棉花叶片温度。另外,棉花叶片的温度会随土壤含水率的增高而降低,在本研究“一膜两管,一管三行”,“66+10”的种植模式下,棉花叶片温度较低的那行生长发育情况较好,且产量也较高。建议在本研究种植模式下将中行棉花适当向滴灌管附近移动,以此来提高棉花产量。 相似文献
2.
为考察不同调亏灌溉模式对冬小麦产量形成的影响,进行了防雨棚下的人工控水试验。结果表明,与不亏水处理CK相比,所有调亏处理均使得籽粒灌浆期显著缩短,达到最大灌浆速度的时间提前,最大灌浆速率和平均灌浆速率增加。拔节期亏水降低有效穗数,拔节期重度亏水有效穗数最小;抽穗期及灌浆成熟期亏水降低千粒质量,灌浆成熟期重度亏水千粒质量最小;拔节期亏水减少穗粒数,拔节期重度亏水穗粒数最小。综合本文研究结果,冬小麦产量较高的适宜调亏模式依次为:返青期轻度亏水、返青期重度亏水、灌浆成熟期轻度亏水、抽穗期轻度亏水、拔节期轻度亏水、拔节期重度亏水。研究结果可以为相关区域冬小麦高产栽培水分调控提供参考。 相似文献
3.
介绍采用GPRS模块实现远程水资源数据监控的系统.各监控点的数据采集终端将采集到的数据信息传输到系统的监控中心,监控中心对传榆回来的数据进行记录、存储、分析,并把需要的控制信息传送到监控点,从而实现水资源数据实时采集.处理和控制. 相似文献
4.
为节约灌溉用水,采用垄沟集雨覆盖种植技术与滴灌技术相结合(MFR-DI),并对使用该技术种植的青椒进行作物需水量预测.根据多年气象资料、青椒冠层温度以及逐日作物需水量资料,构建了以冠层温度、气象因素为输入因子的预测MFR-DI种植模式下青椒作物需水量的GA-SVM模型,使用2017年的数据对模型进行了测试,结果表明:在输入相同气象因子时,GA-SVM1(RMSE=0.9010 mm/d,MAE=0.6735 mm/d,NS=0.9718)比SVM(RMSE=0.9607 mm/d,MAE=0.7691 mm/d,NS=0.9680)预测模型具有更高的精度性能.此外,在输入相同数量的因子时,将冠层温度作为GA-SVM的输入因子之一,比仅输入气象因子的GA-SVM模型预测精度更高,其RMSE,MAE,NS值分别为0.7817 mm/d,0.5838 mm/d,0.9788.结果说明采用GA优化的SVM预测模型,提高了模型的收敛速度,使模型的精确度更高.另外,在作物需水量预测模型中引入冠层温度,可以提高模型的预测准确性,为实现高效智能节水提供参考. 相似文献
5.
采用RBF网络与BP网络的方法,利用MATLAB工具箱并结合气象资料中的相对湿度、平均气温和太阳日辐射量,建立了预测核桃作物需水量的神经网络预测模型.两种预测模型通过实例证实了预测的准确性,并且将这两种网络模型进行了比较分析.RBF神经网络预测作物需水量的绝对误差平均值为0.254 7 mm/d、相对误差平均值为5.47%,BP神经网络预测作物需水量的绝对误差平均值为0.320 6mm/d、相对误差平均值为6.97%,由此可见,RBF网络预测的精度比BP网络高.并且,通过程序记时显示RBF网络训练用时0.063 0 s,比BP网络训练所需的时间要短的多,因此RBF神经网络具有较好的实用价值,实现了精度与实用性的统一. 相似文献
6.
膜下滴灌棉花叶温变化规律及其与气象因素关系的研究 总被引:1,自引:0,他引:1
通过对新疆石河子市148团膜下滴灌棉花灌区实验地各行棉花叶片温度及土壤含水率的测定、各行棉花发育情况的调查和当地气象资料的收集,利用Origin7.5的函数拟合功能,分析了棉花叶温与当地气象资料的关系。并且分析了棉花叶温与土壤含水率和棉花生长发育情况的关系,以便讨论在本研究种植模式下如何提高棉花产量。结果表明:棉花叶温与气象因素的相关性从高到低排列顺序依次为气温、空气饱和水汽压差、空气相对湿度、日照时数、风速。其中,棉花叶温与气温的相关系数为0.91327,其拟合方程可以用来预测棉花叶片温度。另外,棉花叶片的温度会随土壤含水率的增高而降低,在本研究“一膜两管,一管三行”,“66+10”的种植模式下,棉花叶片温度较低的那行生长发育情况较好,且产量也较高。建议在本研究种植模式下将中行棉花适当向滴灌管附近移动,以此来提高棉花产量。 相似文献
7.
在2014—2018年,采用垄沟集雨覆盖种植滴灌技术与调亏灌溉技术相结合(MFR-RDI)对青椒进行试验研究,选取灌溉水利用效率最高的试验处理(即青椒结果后期重度亏水)进行灌水量预测。根据试验期间搜集的各项资料,在MFR-RDI种植方式下,以作物需水量、青椒生育期天数、作物生育期内的降水量、土壤含水率、前一天的灌水量作为模型输入因子,构建青椒作物灌水量的深度学习人工神经网络(DNN)预测模型。通过模型试验得到最佳DNN预测模型,该模型的隐含层包括4层,各隐含层神经元个数分别为:32、16、8、4。模型的激活函数采用“ReLU”,优化函数为“adam”,迭代次数为300。模型使用2018年的数据进行了测试。测试结果表明DNN模型的RMSE为0.898 mm,MAE为0.257 mm,NS为0.758,R2为0.7635,说明该预测模型具有较高的精度性能。通过预测结果可以得到此种植方式下青椒的灌溉制度,为实现高效智能节水灌溉提供参考。 相似文献
8.
9.
径向基函数人工神经网络在棉花耗水量预测中的应用 总被引:4,自引:0,他引:4
采用径向基函数人工神经网络的方法,利用MATLAB工具箱,以气象资料中的平均气温、日照时数、平均风速作为输入变量,建立了预测新疆石河子地区棉花耗水量的RBF神经网络预测系统,并通过实测数据的检验得出此预测系统网络模型的绝对误差最大为0.0962mm/d,最小为0.0008mm/d,平均为0.0519mm/d;相对误差最大为1.7995%,最小为0.0165%,平均为0.9664%,可见网络模型预测的准确度较高,较以往的线性模型更合理,并且此网络训练花费的时间短,仅需0.0780s。 相似文献
10.