沟灌夏玉米棵间土壤蒸发规律研究

采用两种规格的微型棵间蒸发皿(Micro-Lysimeter)分别测定沟灌夏玉米田沟、垄土面蒸发,对沟灌条件下夏玉米棵间土壤蒸发与作物蒸腾变化规律进行了试验研究,分析了相对土面蒸发强度与土壤含水量的关系以及土面蒸发强度与作物叶面积指数的关系.结果表明,沟灌条件下夏玉米田棵间土壤蒸发量占全生育总耗水量的33.0%～34.5%,棵间土面相对蒸发强度与表层土壤含水率和作物叶面积指数之间均呈现良好的指数函数关系,灌溉或降雨后2～3d内土面蒸发强度较大,受大气蒸发力影响明显.     

覆盖免耕土壤棵间蒸发的研究

本文以翻耕、铁茬等常规耕作为对照,采用Micro-1ysimeter对覆盖免耕夏玉米田的土壤棵间蒸发进行了较为系统地研究。同翻耕、铁茬等相比,免耕有效地减少土壤棵间蒸发,免耕土壤日蒸发量最低,铁茬其次,翻耕最高;从阶段土壤棵间蒸发量变化看,翻耕的蒸发量较高,前期与免耕和铁茬差异较大,后期差异减小,免耕最低;从蒸发占蒸散的比例看,翻耕蒸发比例高,免耕比例最低。免耕可以有效地减少土壤蒸发量,增加作物蒸腾耗水。     

耕作方式对冬小麦棵间蒸发及水分利用效率的影响

通过田间试验研究了华北平原的山前平原区不同耕作方式下,冬小麦田间水分变化规律及对产量的影响,分析了不同耕作方式在节水中的作用。结果表明耕作方式对田间土壤水分动态变化的影响是显著的:传统深耕(CT),旋耕(RT),全免耕(NT),秸秆粉碎免耕(SNT)四种耕作方式对棵间蒸发的影响显著;秸秆覆盖免耕对抑制小麦棵间蒸发效果明显,其日蒸发强度仅为传统耕作的59%和旋耕的74%。耕作方式对土壤蓄水的作用差异主要发生在作物生育前期,对于不同土层主要影响耕层50 cm深的土壤剖面。免耕条件下冬小麦植株高度降低,生物量增加,但产量偏低;而深耕和旋耕的田间植株密度高,最终产量也最高。从水分利用效率综合考虑,旋耕是比较理想的耕作方式。     

夏玉米冠气温差及其影响因素关系探析

测定了夏玉米主要生育期四个不同水分处理的冠层温度、气温、土壤含水率、叶面积指数和株高,分析了冠气温差与土壤含水率、叶面积指数及株高间的关系。结果表明:不同的灌溉水质和灌溉量措施对夏玉米冠气温差有显著的影响;中午12~14时左右H1高度(2/3株高)处的冠气温差较H2高度(H1 50 cm)更能反映作物和土壤的水分特征,可以用此时刻的卫星遥感冠层温度结合地面气象站数据监测作物和土壤的旱情;80~100 cm土层的土壤体积含水率与节水灌溉处理的冠气温差之间存在良好关系(α=0.05),0~80 cm四个土层中以中午20 cm和40 cm处的土壤体积含水率与冠气温差相关关系最好且稳定,可以利用此关系评价作物的缺水状况;充足灌溉下的夏玉米主要生育期的叶面积指数与冠气温差也有显著的相关关系,节水灌溉下二者关系不显著,说明水分充足条件下叶面积指数对冠气温差的影响更大;株高与不同水分处理的冠气温差也有一定的相关关系,冠层2/3高度处二者的相关系数分别为:0.7027(淡水节水处理)、0.4150(淡水充足处理)、0.3683(咸水节水处理)、0.3062(咸水充足处理)。这为区域上遥感反演夏玉米冠气温差进而监测农田蒸散和土壤含水率提供了试验依据。     

基于BP神经网络的夏玉米多生育期叶面积指数反演研究

叶面积指数（Leaf Area Index,LAI）是生物地球化学循环中重要的植被结构参数。针对目前基于我国GF-1 WFV卫星影像的夏玉米多生育期LAI反演研究较少的问题,基于不同隐含层构建BP神经网络模型（BP1模型和BP2模型）,对比分析BP1模型、BP2模型和6种统计模型（NDVI、RVI、DVI、EVI、SAVI、ARVI）反演之间的精度差异,并根据实测数据绘制BP1模型和BP2模型的夏玉米多生育期LAI动态变化图。结果表明:LAI与6种常用的统计模型均有良好相关性,其中NDVI指数方程式回归模型拟合度最优;BP神经网络模型整体R ²略小于统计模型,而RMSE则小于统计模型,取得了与实测值差异更小的结果,统计模型与BP神经网络模型各有优劣之处;BP2模型在R ²和RMSE均优于BP1模型,能获得更为精确的反演值,BP2整体预测精度更高;基于BP神经网络模拟夏玉米生育期反演,LAI值呈现缓慢升高—快速增长—逐渐减小的S型变化过程,基本符合作物生长规律。该研究结合不同隐含层建立的BP神经网络模型,为GF-1卫星在作物叶面积指数多生育期反演的应用推广提供了方法支撑。     

夏玉米花期阴雨风险区划遥感方法研究

针对传统的连阴雨研究一般基于站点资料进行统计分析存在局限性的问题,该文提出了一种基于卫星遥感和GIS的夏玉米花期阴雨风险区划方法。基于传统的连阴雨指标,利用风云三号(FY3)卫星数据反演云覆盖率产品建立连阴雨遥感指数,以河南省为例,对夏玉米花期阴雨进行风险区划研究,获得河南省夏玉米花期阴雨风险分布图。结果表明连阴雨最重的地区发生在周口、驻马店、洛阳、开封等部分地区,其次为平顶山、许昌、商丘等部分地区。发生连阴雨不明显的地区主要分布在豫北和豫西北地区。该文利用遥感资料对夏玉米花期阴雨进行风险区划研究是可行的,可以全面了解连阴雨发生风险程度,能够为政府决策提供科学依据,同时利用当年数据研究连阴雨发生程度和区域,可以为夏玉米产量预测提供依据,为及时准确预测产量做出贡献。     

制种玉米黑束病在不同土壤生态环境下发病规律的研究

在甘肃张掖大规模制种过程,采用人工调控土壤生态环境和田间调查方法,针对不同土体温度、湿度、酸碱度、养分含量,研究了菌丝体的生长状况和对寄主侵染的规律,提出了抗病品种为主的栽培措施以外的以调控土壤环境为主的防治方法.结果表明:致病菌枝顶头孢霉Acrrmonium strictum W.Gams在土壤pH7.0-8.0时生长迅速;生长适温为28～32℃,较菌丝体在培养基上的适温高;当绝对含水量在10%或20%时生长迅速;肥力因子N、K、P素对该病的影响较大,养分有效N素含量高、有效P素含量低、有效K含量不足发病重;病菌对幼苗的侵染也具明显的规律性,高温高湿有利于病菌对幼苗的侵染,病情指数增高,感病品种较抗病品种病情指数低.     

黄淮海夏玉米物候期遥感监测研究

以黄淮海为研究区,基于MODIS EVI植被指数遥感数据,利用Logistic模型对夏玉米关键物候期(苗期、拔节期、抽雄期、成熟期)进行了监测.使用地面物候观测数据对监测结果加以检验,并与其他常见的遥感监测模型进行了比较.结果表明:研究监测结果总体误差小于士6天,误差较大的区域多出现在地势较高,种植结构较复杂的地区.研究结果可为进行全球气候变化研究提供依据.     

PAM与PG对土壤水分蒸发的影响

干旱地区地表蒸发引起土壤水的散失是造成作物低产的重要原因之一.聚丙烯酰胺(PAM)与磷石膏(PG)是效果良好的土壤结构改良剂,用于改良土壤结构,可能影响土壤水分的运动/输运及蒸发过程.本研究以不同PAM与PG用量的组合,定量研究这两种土壤结构改良剂用量对土壤水分蒸发的作用效果及其作用机理.在实验室人工气候箱内,采用不同的土柱高度(10,20,30cm)、PAM用量(0、1、2、4g m-2)、及PG用量(0、200、400、800g m-2),在温度为恒定(15、25、25℃)、相对湿度为(50±2)%的条件下,用称重法逐日测量各处理的土壤蒸发动态过程.实验结果表明,土壤结构改良剂对蒸发确有抑制作用,且随着PAM用量的增加,累积蒸发量和蒸发失水比均有所降低;而PG的作用效果则不同,表现为随着PG用量的增加,累积蒸发量有所增加,且这种差异随着用量渐趋明显,而蒸发失水比在各PG用量间差异不显著.     

用薄层土蒸发数据计算获得萎蔫含水量和高基模吸力段持水曲线

本研究对薄层土的含水量和薄层土所含水分的蒸发率的关系进行了理论分析 ,并在实验室测定了砂土、壤土、和粘壤土的薄层样品的水分蒸发过程。蒸发率迅速降低时的转折含水量被与压力锅法测定的萎蔫含水量相联系。薄层土蒸发数据还被用于计算高吸力段的持水曲线。vanGenuchten持水曲线模型经修改后可以很好拟合所计算的持水曲线数据     

不同株型夏玉米群体冠层反射光谱特征及其应用研究

比较不同株型夏玉米在不同时期的反射光谱差异性,研究分析了红边位置(λred)、红边振幅(Dλred)、最小振幅(Dλmin)及Dλred/Dλmin与叶片全氮含量(LTN),叶绿素含量(Chl)及叶面积指数(LAI)间的相关性,并建立预测模型。结果表明,光谱差异随生育进程呈不同程度的规律性变化。在全生育期,用Dλred/Dλmin能更好地推算LTN,尤其在吐丝期,在开花前用Dλred也佳,在拔节期和喇叭口期用λred也有较高的精度。估算Chl时,在开花前用Dλred较可靠,在喇叭口期和抽雄期用λred也可考虑。估算LAI时,抽雄期后用Dλred推算有较高的可信度,在抽雄期用λred较好,在开花期和吐丝期用Dλred/Dλmin推算更为可靠。     

土壤蒸发及水热传输研究综述

土壤蒸发与水热传输是地表能量与水分平衡的重要组成部分。本文综述了几十年来土壤蒸发、水热传输以及土壤水力、热力特性基本理论及发展过程,并提出了今后进一步研究的方向。     

不同株型夏玉米群体冠层反射光谱特征及其应用研究

比较不同株型夏玉米在不同时期的反射光谱差异性,研究分析了红边位置(λred)、红边振幅(Dλred)、最小振幅(Dλmin)及Dλred/Dλmin与叶片全氮含量(LTN),叶绿素含量(Chl)及叶面积指数(LAI)间的相关性,并建立预测模型。结果表明,光谱差异随生育进程呈不同程度的规律性变化。在全生育期,用Dλred/Dλmin能更好地推算LTN,尤其在吐丝期,在开花前用Dλred也佳,在拔节期和喇叭口期用λred也有较高的精度。估算Chl时,在开花前用Dλred较可靠,在喇叭口期和抽雄期用λred也可考虑。估算LAI时,抽雄期后用Dλred推算有较高的可信度,在抽雄期用λred较好,在开花期和吐丝期用Dλred/Dλmin推算更为可靠。     

夏季填闲作物对日光温室土壤环境的影响

针对日光温室随种植年限的增加,土壤环境恶化的问题,利用温室夏季休闲期设计了4种填闲作物,研究其对温室土壤环境的影响。结果表明:夏季休闲期间种植大葱改善了土壤微生物区系,细菌和放线菌数量增多,真菌数量减少,B/F值显著升高,镰刀菌下降了69.17%,同时降低了土壤养分的积累。夏季休闲期间种植甜玉米可大量吸收土壤中多余的营养成分,但真菌数量偏高,B/F值与对照相比相差不大;种植速生叶菜虽然能降低土壤盐分含量,但对降低黄瓜致病菌数量和改善微生物区系组成方面无显著效果;豆科作物毛苕子在一定程度上降低了土壤盐分含量,但土壤微生物总量有所减少。     

Research on Using End-member Abundance to Estimate Summer Maize Planting Area

Multispectral satellite remote sensing data of low or moderate spatial resolution are widely used in large range crop planting area extraction.For those areas with complex structure,when the low or moderate spatial resolution remote sensing data sources is used to extract the planting area of target crop,mixed pixel is the main obstacle factor to restrict the area extracting precision.Extracting it on sub|pixel scale could overcome the restriction of low or moderate spatial resolution and develop the extraction precision.However,the extraction method of target crop planting area on sub|pixel scale now usually directly use the end|member abundance to instead the percentage of planting area.Therefore it may cause some errors.On the basis of previous researches,taking Hebi City,Henan Province as the study area,which located in Huang|Huai|Hai plain,has the largest summer maize planting area and the complex planting structure.Taking FY3/MERSI data as the main information source.Using the method of spectral matched adaptive best end|member combination of pixel unmixing to extract the summer maize end|member abundances.Making regression modeling in various equation forms between summer maize end|member abundances in pixel and the percentage of planting area.Then select the optimal regression equation form to build regression model,and estimate the actual summer maize ground planting area.Summing up the correlation coefficient when the model was building,significance test and the RMS errors condition of sample point verification.Then choose the cubic model to estimate the planting area of summer maize in the study area.It is proved by remote sensing estimation that the area precision of summer maize planting area is 97.1%,the position precision is 82.5%.