排序方式: 共有10条查询结果,搜索用时 0 毫秒
1
1.
燕麦为西藏自治区典型牧草之一,由于种植区地域辽阔,灌溉试验结果受限,西藏燕麦主要种植区的灌溉定额尚不明确。本文在西藏燕麦主要种植区内选取28个典型站点进行资料收集,遵循农业气候相似原则进行区域划分,基于水量平衡法揭示了西藏燕麦主要种植区灌溉定额的空间分布特征,并根据统计学原理分析了其影响因素。研究表明:燕麦主要种植区的灌溉定额呈由西藏中部至东部呈现先递增后递减的趋势,50%水文年下的燕麦灌溉定额在56~265 mm之间变化。降雨量是影响研究区内燕麦灌溉定额的主要因素(R2为0.515),ET0次之(R2为0.152);其它气象因素中,日照时数对研究区燕麦灌溉定额影响较大(R2为0.462),且呈正相关关系;相对湿度对燕麦灌溉定额影响较小。西藏燕麦主要种植区的灌溉定额及其空间分布可为西藏自治区灌溉用水管理提供支撑。 相似文献
2.
低温融雪水是高寒区重要的灌溉水源,青稞是一种很重要的高原谷类作物。为明确高寒区融雪水灌溉春青稞根层水分运移,进一步阐明低温融雪水灌溉对春青稞根系生长影响。通过低温水灌溉对照试验定量分析了灌水温度降低对地温及青稞生长变化,基于氢氧稳定同位素示踪方法,对比分析了关键生育期灌水前后作物根区水分来源变化,明晰低温融雪水灌溉春青稞根层水分稳定氢氧同位素分布特征。通过关键生育期水分贡献率的研究得到了低温水灌溉春青稞用水策略。在低温融雪水灌溉条件下,青稞根系对灌溉水利用效果随温度降低而降低。随灌水温度的上升,青稞主要吸水根深对应的土层土壤水分贡献比例增加。随灌水温度梯度的上升,主要吸水根深对应的土层水分贡献比例越大,建议尽量在18时(相当于WT3处理)进行融雪水灌溉,从灌水时间角度避免低温水灌溉产生的寒害影响。 相似文献
3.
本文提出了一种工作在太赫兹频段的双频圆极化手性吸波和异常反射手性超表面,通过合理组合两种手性结构,实现在两个频段相互独立的圆极化手性吸收和异常角度的圆极化转换功能.该双频太赫兹手性超表面在2.53 THz处对左旋圆极化波的吸收率为96.3%,对右旋圆极化波实现同极化的反射;在3.43 THz处对右旋圆极化波的吸收率为90.9%,而对左旋圆极化波表现为同极化反射功能.本文进一步通过连续旋转单元图案引入几何相位,实现了2π反射相位全覆盖.组阵后的手性超表面在两个工作频点各自吸收特定旋向的圆极化波,而对正交极化的圆极化波分别发生约±20°的保手性异常反射.这种基于手性超表面的双频太赫兹多功能器件有望应用于电磁能量收集、极化转换器、手性传感等领域. 相似文献
4.
5.
6.
针对西藏牧区海拔高、日温差大、太阳辐射强、空气干湿变化大的特点,在田间试验基础上,分析了燕麦叶水势(ΨL)的日变化规律及其与西藏典型气象因子——大气温度(T)、太阳辐射(Rs)、空气相对湿度(RH)的关系,并建立了回归模型。结果表明,燕麦不同生育期ΨL的日变化差异显著,其中幼苗期和抽穗期呈"V型"变化趋势,分蘖期和拔节期呈"W型"变化趋势,最高日变幅可达6MPa。经回归分析判定气象因子对燕麦各生理指标影响显著性的先后关系为ΨL:T>RH>Rs。研究结果对探求灌溉草地水文循环规律,制定科学灌溉制度,提高高寒牧区人工草地的水分利用效率具有重要意义。 相似文献
7.
在土壤根区水分运动规律的研究中,通常以土壤水热耦合模型来定量描述和预测土壤水分变化规律,以根系吸水模型来模拟作物根区根系吸水机理及过程。西藏高寒地区低压低氧、强辐射、近地层冷热交换频繁,加之土层稀薄,浅层土壤水转化过程复杂,作物生长受水热胁迫影响较为明显,作物根区的水热耦合作用对根系吸水及能量传输和物质运移影响显著。为了进一步探求西藏地区特殊水热条件下的根区水热运移机理,摸清西藏高寒区作物根系吸水规律,就国内外土壤水热耦合模型和根系吸水模型的相关研究做了综述,针对西藏地区特有的水热条件,建议将水热耦合模型与根系吸水模型结合应用,构建考虑水热耦合因素的根系吸水模型,以更好地适应当地实际,揭示根系土壤水分运动规律。 相似文献
8.
9.
西藏高海拔地区低氧低压(平均不足海平面的2/3)、太阳辐射强(年太阳辐射6 000~8 000 MJ/m2)、近地层空气湿度变化大,加之西藏地区气象资料系列短、站点少,该地区ET_0计算具有特殊性及不便性。本研究基于西藏地区9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,旨在得到一种少参、准确的高海拔地区ET_0简易计算方法。结果表明,海拔2 000 m以上地区Hargreaves-Elevation(HS-E)改进模型在不同时间尺度条件下的修正结果均明显优于HS模型且避免了原HS模型在高海拔地区ET_0计算出现负值的情况,提升了ET_0计算值的实用性与精度。以PM模型ET_0计算值为标准进行误差分析,HS-E模型逐日ET_0计算的纳什效率系数(NSE)、均方根误差(RMSE)和平均相对误差(MRE)分别为0.8、0.53mm/d和13.80%,逐月ET_0计算的NSE、RMSE和MRE分别为0.84、11.90 mm/month和12.50%;对比不同时间尺度条件下(日、月)误差分析结果可知,计算时间尺度越大HS-E模型结果越优。HS-E改进模型在高海拔地区适应性较强,具有较高的计算精度,可作为西藏海拔2000 m以上地区气象数据缺失条件下ET_0计算的推荐模型。 相似文献
10.
1