基于实时监测数据的温室墒情预测研究

发布时间：2021-06-29 09:46

　　为实现实时准确的墒情预报,以山西省中心灌溉试验站大棚内2018年和2019年黄瓜、茄子土壤墒情,建立实时墒情预测模型。该试验包括正常灌水和减半灌水两个处理,通过传感器实时监测膜内、膜外土壤含水率;利用水量平衡的基本原理以时段初的土壤含水率为自变量,以及利用泰勒级数对地下水补给量和蒸发蒸腾量做线性化处理,得到了以日为时段的墒情预测模型;利用膜内一点含水率数据和膜外、膜内两点含水率数据平均值分别建立了墒情预测模型,分别称为模型1和模型2,对其预测精度进行了对比分析,验证了模型的精度和适用性。结果表明:（1）模型1的拟合精度和预测精度均高于模型2;（2）预测精度随建模系列长度（5、10、15 d）的增加而提高,以15 d建模系列长度预测精度最高;（3）该模型对于不同作物和不同的受旱程度均具有较好的适应性。该实时墒情预测模型适用性强、精度高,可用于墒情预测。 

【文章来源】：节水灌溉. 2020,(10)北大核心

【文章页数】：7 页

【部分图文】：

起垄方式示意图

为了展示实时墒情预测模型参数a、b随时间的变化过程,给出了2018年黄瓜5、10、15 d 3种建模系列下的参数a、b值随时间的变化过程,见图2、图3。图3 2018年黄瓜膜内3种建模系列实时模型参数b随时间变化过程

图2 2018年黄瓜膜内3种建模系列实时模型参数a随时间变化过程从图2中可以看出5 d建模系列的参数a随时间的变化较为剧烈,特别是黄瓜生长初始阶段,到10月7日之后幅度变得较为平缓;10 d建模系列下参数a变化幅度变得较稳定;15 d建模系列时,参数a最为稳定,变化幅度最小。从表2、表3也可看出参数a、b的变化范围随建模系列长度的增加有减小的趋势。对比图3,参数b的变化幅度随建模系列的变化与参数a具有类似的变化规律,变化幅度随建模系列长度增大而减小,参数b的变化范围具有趋于减小的趋势,与表2、表3结果一致;分析结果表明:3种建模系列的实时模型参数a、b随时间变化规律一致,参数a、b变化幅度由大到小顺序为:5 d建模系列>10 d建模系列>15 d建模系列,即在15 d建模系列下参数最为稳定。

【参考文献】：
期刊论文
[1]土壤墒情预报模型构建及应用[J]. 蒋颖.  黑龙江水利科技. 2020(01)
[2]浅谈土壤墒情的及时监测预报对农业生产的意义[J]. 孙继梅.  农业与技术. 2019(23)
[3]基于水量平衡的长序列农田灌溉定额测算方法[J]. 詹同涛,洪成,孟伟,赵凯,李瑞杰.  人民黄河. 2018(12)
[4]基于贝叶斯最大熵和多源数据的作物需水量空间预测[J]. 王景雷,康绍忠,孙景生,陈智芳,宋妮.  农业工程学报. 2017(09)
[5]基于BP神经网络的土壤墒情预测精度研究——以肥东县为例[J]. 李小刚,王静,马友华,林坡,张益,汪宗阳.  土壤通报. 2017(02)
[6]土壤墒情预报模型研究与应用[J]. 徐加林,徐宝林.  水利发展研究. 2017(03)
[7]浅析土壤墒情监测预报技术[J]. 郭淑珍.  农民致富之友. 2016(24)
[8]基于人工神经网络土壤墒情动态预测模型应用研究[J]. 侯晓丽,冯跃华,吴光辉,何印兴,常东明,杨会明.  节水灌溉. 2016(07)
[9]新安江模型在土壤墒情预报中的应用[J]. 邓海鹰,张建立,李纪人.  中国水利水电科学研究院学报. 2012(01)
[10]基于网格化信息的北京地区土壤墒情预报服务系统[J]. 刘勇洪,吴春艳,叶彩华,高燕虎,权维俊.  中国农业气象. 2011(02)



本文编号：3256221