论文部分内容阅读
本文通过新乡地区2012-2014年冬小麦田间试验,将日常天气预报信息进行解析定量化后代入修正的参考作物蒸发蒸腾量(ET0)预测模型,并与实测气象资料FAO56 Penman-Monteith公式计算值比较,筛选出精度较高的ET0预报模型。利用天气预报中的气温预报值建立了基于积温的作物系数模拟模型并和ET0预报模型一起耦合到水量平衡方程中,预报未来时段的土壤含水率。利用SIMDual_Kc双作物系数模型模拟了2012-2014年冬小麦生育期内的土壤含水率,模型拟合度较好,当实测数据缺失时可将该模型拟合的数据进行插补。基于.NETFramework4.5开发了面向用户的可视化程序界面,为灌溉管理者和决策者提供直观的可视化决策依据,指导灌区做到适时适量灌溉。本文的主要结论如下:(1)通过天气预报各要素的预报精度统计分析发现,最高、最低气温、日照时数的预报精度均随预见期的增加呈逐渐下降趋势,同一预见期下,最低气温预报的精度稍高于最高气温。(2)基于天气预报信息解析的ET0预报模型中,PMT1模型在短期预报中精度最高,在中期预报中P-T、HG-M两种模型的预报值既能满足精度要求,又能简化计算程序,可以视天气预报的精度情况和预报周期的长短选择精度满足要求的ET0预报模型。采用随机预测模型中的BP神经网络和主成分BP神经网络分别预测冬小麦生育期内的参考作物蒸发蒸腾量,与P-M公式计算的参考作物蒸发蒸腾量比较发现,主成分分析神经网络模型对训练样本外的预测样本的预测精度较高,稳定性较高。(3)基于播后天数建立了冬小麦株高和LAI的六次多项式模拟模型,总体拟合效果较好,拟合曲线可以较好的反映出株高和叶面积指数的大体变化趋势,但对于一些较大或较小值,拟合效果不是很理想。同时,对叶面积指数和有效积温进行归一化处理,进而建立基于相对有效积温的LAI六次多项式模拟模型。用修正的Logistic模型基于相对有效积温模拟相对LAI,LAI的模拟预测优选修正的Logistic模型。将修正的Logistic模型代入LAI和作物系数线性方程中得到基于有效积温的作物系数模拟模型,用2013-2014年冬小麦实测作物系数对模型进行验证,并根据每天实测气温对作物系数预报值进行实时修正,Kc预报修正值与Kc预报值相比,其相关系数r提高了1.1%,一致性指数d提高了1.1%,可见对Kc的预报值进行实时修正可以提高模型的预报精度。(4)将筛选出的基于天气预报信息建立的ET0预报模型和作物系数预报模型耦合到水量平衡方程中,对2013-2014年冬小麦进行土壤水分的实时预报。利用SIMDual_Kc双作物系数模型模拟了2012-2014年冬小麦生育期间的土壤含水率,用2012-2013年的实测土壤含水率进行模型参数的率定,2013-2014年的实测土壤含水率进行模型的验证,统计结果表明,SIMDual_Kc双作物系数模型可以用于新乡地区冬小麦土壤含水率的模拟,且模拟精度较高。(5)基于.NETFramework4.5,使用Access建立后台数据库和Access Database Engine数据库引擎,开发面向用户的灌溉预报系统,整个预报系统界面友好,预报方便快捷,系统实现了天气预报信息的自动抓取,省去了人工输入的繁琐,该系统可为灌溉决策指导提供基本依据。