為實現(xiàn)實時準確的墑情預報,以山西省中心灌溉試驗站大棚內(nèi)2018年和2019年黃瓜、茄子土壤墑情,建立實時墑情預測模型。該試驗包括正常灌水和減半灌水兩個處理,通過傳感器實時監(jiān)測膜內(nèi)、膜外土壤含水率;利用水量平衡的基本原理以時段初的土壤含水率為自變量,以及利用泰勒級數(shù)對地下水補給量和蒸發(fā)蒸騰量做線性化處理,得到了以日為時段的墑情預測模型;利用膜內(nèi)一點含水率數(shù)據(jù)和膜外、膜內(nèi)兩點含水率數(shù)據(jù)平均值分別建立了墑情預測模型,分別稱為模型1和模型2,對其預測精度進行了對比分析,驗證了模型的精度和適用性。結(jié)果表明:（1）模型1的擬合精度和預測精度均高于模型2;（2）預測精度隨建模系列長度（5、10、15 d）的增加而提高,以15 d建模系列長度預測精度最高;（3）該模型對于不同作物和不同的受旱程度均具有較好的適應性。該實時墑情預測模型適用性強、精度高,可用于墑情預測。 

【文章來源】：節(jié)水灌溉. 2020,(10)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

起壟方式示意圖

為了展示實時墑情預測模型參數(shù)a、b隨時間的變化過程,給出了2018年黃瓜5、10、15 d 3種建模系列下的參數(shù)a、b值隨時間的變化過程,見圖2、圖3。圖3 2018年黃瓜膜內(nèi)3種建模系列實時模型參數(shù)b隨時間變化過程

圖2 2018年黃瓜膜內(nèi)3種建模系列實時模型參數(shù)a隨時間變化過程從圖2中可以看出5 d建模系列的參數(shù)a隨時間的變化較為劇烈,特別是黃瓜生長初始階段,到10月7日之后幅度變得較為平緩;10 d建模系列下參數(shù)a變化幅度變得較穩(wěn)定;15 d建模系列時,參數(shù)a最為穩(wěn)定,變化幅度最小。從表2、表3也可看出參數(shù)a、b的變化范圍隨建模系列長度的增加有減小的趨勢。對比圖3,參數(shù)b的變化幅度隨建模系列的變化與參數(shù)a具有類似的變化規(guī)律,變化幅度隨建模系列長度增大而減小,參數(shù)b的變化范圍具有趨于減小的趨勢,與表2、表3結(jié)果一致;分析結(jié)果表明:3種建模系列的實時模型參數(shù)a、b隨時間變化規(guī)律一致,參數(shù)a、b變化幅度由大到小順序為:5 d建模系列>10 d建模系列>15 d建模系列,即在15 d建模系列下參數(shù)最為穩(wěn)定。

【參考文獻】：
期刊論文
[1]土壤墑情預報模型構(gòu)建及應用[J]. 蔣穎.  黑龍江水利科技. 2020(01)
[2]淺談土壤墑情的及時監(jiān)測預報對農(nóng)業(yè)生產(chǎn)的意義[J]. 孫繼梅.  農(nóng)業(yè)與技術(shù). 2019(23)
[3]基于水量平衡的長序列農(nóng)田灌溉定額測算方法[J]. 詹同濤,洪成,孟偉,趙凱,李瑞杰.  人民黃河. 2018(12)
[4]基于貝葉斯最大熵和多源數(shù)據(jù)的作物需水量空間預測[J]. 王景雷,康紹忠,孫景生,陳智芳,宋妮.  農(nóng)業(yè)工程學報. 2017(09)
[5]基于BP神經(jīng)網(wǎng)絡的土壤墑情預測精度研究——以肥東縣為例[J]. 李小剛,王靜,馬友華,林坡,張益,汪宗陽.  土壤通報. 2017(02)
[6]土壤墑情預報模型研究與應用[J]. 徐加林,徐寶林.  水利發(fā)展研究. 2017(03)
[7]淺析土壤墑情監(jiān)測預報技術(shù)[J]. 郭淑珍.  農(nóng)民致富之友. 2016(24)
[8]基于人工神經(jīng)網(wǎng)絡土壤墑情動態(tài)預測模型應用研究[J]. 侯曉麗,馮躍華,吳光輝,何印興,常東明,楊會明.  節(jié)水灌溉. 2016(07)
[9]新安江模型在土壤墑情預報中的應用[J]. 鄧海鷹,張建立,李紀人.  中國水利水電科學研究院學報. 2012(01)
[10]基于網(wǎng)格化信息的北京地區(qū)土壤墑情預報服務系統(tǒng)[J]. 劉勇洪,吳春艷,葉彩華,高燕虎,權(quán)維俊.  中國農(nóng)業(yè)氣象. 2011(02)



本文編號：3256221