Effects of drip and flood irrigation on carbon dioxide exchange and crop growth in the maize ecosystem in the Hetao Irrigation District,China

Drip irrigation and flood irrigation are major irrigation methods for maize crops in the Hetao Irrigation District,Inner Mongolia Autonomous Region,China.This research delves into the effects of these irrigation methods on carbon dioxide(CO_(2))exchange and crop growth in this region.The experimental site was divided into drip and flood irrigation zones.The irrigation schedules of this study aligned with the local commonly used irrigation schedule.We employed a developed chamber system to measure the diurnal CO_(2)exchange of maize plants during various growth stages under both drip and flood irrigation methods.From May to September in 2020 and 2021,two sets of repeated experiments were conducted.In each experiment,a total of nine measurements of CO_(2)exchange were performed to obtain carbon exchange data at different growth stages of maize crop.During each CO_(2)exchange measurement event,CO_(2)flux data were collected every two hours over a day-long period to capture the diurnal variations in CO_(2)exchange.During each CO_(2)exchange measurement event,the biological parameters(aboveground biomass and crop growth rate)of maize and environmental parameters(including air humidity,air temperature,precipitation,soil water content,and photosynthetically active radiation)were measured.The results indicated a V-shaped trend in net ecosystem CO_(2)exchange in daytime,reducing slowly at night,while the net assimilation rate(net primary productivity)exhibited a contrasting trend.Notably,compared with flood irrigation,drip irrigation demonstrated significantly higher average daily soil CO_(2)emission and greater average daily CO_(2)absorption by maize plants.Consequently,within the maize ecosystem,drip irrigation appeared more conducive to absorbing atmospheric CO_(2).Furthermore,drip irrigation demonstrated a faster crop growth rate and increased aboveground biomass compared with flood irrigation.A strong linear relationship existed between leaf area index and light utilization efficiency,irrespective of the irrigation method.Notably,drip irrigation displayed superior light use efficiency compared with flood irrigation.The final yield results corroborated these findings,indicating that drip irrigation yielded higher harvest index and overall yield than flood irrigation.The results of this study provide a basis for the selection of optimal irrigation methods commonly used in the Hetao Irrigation District.This research also serves as a reference for future irrigation studies that consider measurements of both carbon emissions and yield simultaneously.

设施生菜光合和蒸腾速率影响因素分析与预测模型构建

光合速率及蒸腾速率是植物的2个重要生理指标。在全人工环境下,选取意大利生菜作为对象,设计并开展多环境变量对生菜光合速率及蒸腾速率影响的嵌套实验,得到环境因子对生菜光合速率及蒸腾速率的影响规律,应用神经网络构建生菜幼苗期光合速率及蒸腾速率预测模型。针对幼苗期生菜,选择温度、相对湿度、光子通量密度(Photosynthetic photon flux density, PPFD)及CO_(2)浓度共4个环境影响因素,采用随机森林方法对数据进行相关性分析。结果表明,与蒸腾速率相关性由大到小的因素依次为CO_(2)浓度、温度、相对湿度、PPFD,与光合速率相关性由大到小的因素依次为CO_(2)浓度、PPFD、温度、相对湿度;采用枚举法确定隐藏层节点数和训练函数,通过遗传算法优化BP神经网络的初始权值和阈值,构建GA-BP神经网络生理指标预测模型。应用测试数据对模型进行验证,光合速率及蒸腾速率预测值与实测值的决定系数分别为0.962 12、0.979 44,均方根误差(RMSE)分别为2.983 2μmol/(m^(2)·s)、0.001 435 8 mol/(m^(2)·s),表明GA-BP神经网络在模型精度和迭代次数方面性能显著提高。研究结果可为设施生菜生产环境调控提供有效依据。

失真健康信息预先干预对个体感知与行为意愿影响的实证研究

本研究旨在分析预先干预对个体感知与行为意愿两个维度的相关变量的作用机制,并比较不同预先干预方式的效果差异。借助双盲实验法,构建对照组VS.事实接种VS.逻辑接种的组间对照实验,共回收182份有效数据,并通过问卷采集用户感知与行为意愿数据。通过单因素方差分析检验预先干预的影响机制,以及多重比较分析不同干预方式的作用效果。研究结果表明,失真健康信息的预先干预对个体感知和行为意愿有显著影响。在感知维度,预先干预能够显著降低个体的感知威胁、失真健康信息的感知共识、感知可信度;在行为维度,预先干预能够有效降低个体的失真健康信息分享意愿,但对新冠疫苗的接种意愿影响不大。此外,事实接种与逻辑接种的作用效果无显著差异。本研究拓展了预先干预的应用场景与作用机制,可为确定预先干预在失真健康信息治理中的可行性与有效性提供依据。

考虑绿色研发结果不确定性的供应链渠道模式选择研究

本文研究了绿色技术研发结果不确定时制造商与零售商在传统线上平台以及区块链平台进行销售时的渠道模式选择问题。同时考虑服务水平差异性和营销努力水平,运用斯塔克伯格博弈和卡特尔模型,分析了研发结果不确定时基于传统线上平台和区块链平台四种不同决策模式下的最优绿色技术研发水平、营销水平、服务水平、定价与利润,并对四种情形进行了比较分析。研究结果表明:(1)不论是传统线上平台还是区块链平台,绿色技术研发成功时的制造商与零售商的利润均高于研发失败时的利润。(2)制造商与零售商选择何种渠道模式主要取决于区块链平台带来的间接收益水平。(3)零售商的利润随着区块链平台带来的间接收益的下降而下降,当间接收益下降到一定程度时,零售商倾向于采取传统线上平台。

基于改进AdvSemiSeg的半监督遥感影像作物制图方法

作物精准遥感制图对于农业资源调查与管理具有重要意义。深度学习为实现精准高效作物制图提供了技术支持。为了缓解深度学习对标记样本的依赖,本文提出了一种改进AdvSemiSeg的半监督遥感影像作物制图方法。所提方法引入STMF-DeepLabv3+作为对抗学习中的生成网络,通过Swin Transformer(ST)和多尺度特征融合(Multi-scale fusion, MF)模块提高生成网络特征编码能力和语义表达能力,改善遥感影像作物分割效果;此外,在判别网络中引入通道注意力(Efficient channel attention, ECA)模块,对不同通道特征图的表征信息进行自适应学习,增强判别网络对不同通道特征的感知能力。模型训练过程中,判别网络为生成网络提供高质量的伪标签和对抗损失,有效提高生成网络的泛化能力。采用所提方法与几种先进的半监督语义分割方法对内蒙古河套灌区遥感影像种植信息进行提取,本文方法性能最优。

基于梯度提升树算法的夏玉米叶面积指数反演

为了快速、准确、大范围获取大田夏玉米的叶面积指数(Leaf area index,LAI),基于实地采集的夏玉米LAI和株高,结合同时期的无人机多光谱影像,选择与夏玉米LAI相关性较强的8种植被指数以及株高作为反演LAI的输入变量,采用梯度提升树(Gradient boosting decision tree,GBDT)算法建立植被指数及株高与叶面积指数之间的预测模型,并与支持向量机(Support vector machine,SVM)和随机森林(Random forest,RF)算法建立的模型进行预测精度对比。结果表明,GBDT算法在3个样本组中的LAI预测值与实测值R^2分别为0. 571 0、0. 755 8、0. 644 1,均高于SVM算法(0. 547 2、0. 679 1、0. 616 8)和RF算法(0. 550 5、0. 697 3、0. 629 5);对应的RMSE分别为0. 002 7、0. 001 5、0. 001 6,均低于SVM算法(0. 211 7、0. 152 3、0. 159 7)和RF算法(0. 244 7、0. 214 7、0. 208 0)。该研究为快速准确的大田夏玉米LAI遥感监测提供了技术和方法。

基于无人机遥感的玉米株高提取方法

为在玉米生长周期内,准确、快速地掌握玉米生长信息,通过无人机获取玉米生长阶段4期不同高清数码正射影像(Digital orthophoto map,DOM)及数字表面模型(Digital surface model,DSM),利用K-means算法、遗传神经网络算法和骨架算法分别对DOM中的玉米区域进行提取,生成掩膜,与DSM套和,获取玉米高度信息。与实地测量株高进行对比,3种方法的R^2分别为0. 853、0. 877、0. 923,RMSE分别为15. 886、14. 519、11. 493 cm,MAE分别为13. 743、11. 884、8. 927 cm。结果表明:结合DOM和DSM可以较好地提取生长阶段的玉米高度。与K-means算法、遗传神经网络算法相比,基于骨架算法提取玉米高度具有一定优势,且精度较高。采用DOM和DSM相结合的骨架算法提取植株骨架,为株高提取提供了一种新途径,可为无人机遥感监测作物株高状况提供参考。

基于全卷积神经网络的灌区无人机正射影像渠系提取

为快速准确获取灌区渠系分布信息,科学调配区域农业水资源、提高水资源利用率,通过基于全卷积神经网络(Fully convolutional networks,FCN)的语义分割模型进行渠系轮廓提取。利用无人机采集正射影像并进行标注,以VGG 19网络为基础,通过多尺度特征融合的方式实现FCN-8s结构,使用Tensorflow深度学习框架构建FCN渠系提取模型;对数据集进行数据增强,分割后放入FCN模型中训练、测试。实验结果显示,针对不同复杂程度的测试区域,FCN模型的提取准确度、完整度、精度均高于支持向量机方法和改进霍夫变换方法,均值分别为95.78%、92.29%、89.45%。结果表明,该方法能够实现灌区渠系轮廓的高精度提取,具有较好的泛化性和鲁棒性。

基于特征优选与机器学习的农田土壤含盐量估算研究

土壤盐渍化是影响农业可持续发展的重要制约因素,为准确及时地获取土壤中盐分含量,实现盐渍化精准监测,以内蒙古自治区巴彦淖尔市五原县境内的覆被农田为研究对象,探讨无人机多光谱遥感平台结合机器学习模型估测不同深度土壤含盐量的可行性。首先,利用无人机搭载五波段多光谱相机获取研究区域高时空分辨率遥感图像数据,并同步采集地面不同深度处土壤盐分数据,使用皮尔逊相关系数法(PCC)、极端梯度提升(XGBoost)和灰色关联分析法(GRA)对构建的光谱指数进行优选;然后,采用决策树(DT)、反向传播神经网络(BPNN)、支持向量机(SVM)和随机森林(RF)4种机器学习方法建立植被覆盖下不同深度的农田土壤含盐量反演模型。结果表明,使用方案3(XGBoost-GRA)变量优选方法可以有效地筛选出敏感光谱指数,且基于此方法优选后的光谱指数建立含盐量估算模型的精度高于仅使用PCC或XGBoost法构建的反演模型。对比不同建模方法在不同土壤深度处的反演精度,可知随机森林RF模型整体表现最优,同时另外3种反演模型也取得了较好的预测效果,0~20 cm土壤深度处的预测效果是3个土壤深度中最优的,其中精度最高模型的决定系数R2、均方根误差(RMSE)和四分位数间距性能比(RPIQ)分别为0.820、0.044%和2.273,且本文基于最佳反演模型绘制的0~20 cm土壤盐分空间分布图可以较为真实地反映研究区内的土壤盐渍化程度。本研究表明特征变量优选结合机器学习模型能够较好地基于无人机遥感平台来估算覆被农田的土壤含盐量。

基于热红外遥感影像的作物冠层温度提取

热红外影像较难直接提取作物冠层区域,因而无法获得较精准的作物冠层温度。本文以拔节期的玉米为研究对象,利用六旋翼无人机搭载热红外成像仪和大疆精灵四Pro无人机,获得热红外影像及正射影像。基于高分辨率正射影像,采用改进的Canny边缘检测算子、支持向量机(Support vector machine,SVM)和小波变换3种方法提取玉米冠层区域,将提取结果进行二值化处理后,在热红外影像中以此生成掩膜并提取玉米冠层温度。应用提取的矢量面分析提取效果并对3种提取算法的精度进行评价。实验结果表明,改进的Canny边缘检测算子提取效果最优、SVM算法次之、小波变换最差,提取精度分别为87. 3%、74. 5%、68. 2%。同时,将手持测温仪测得的玉米冠层温度与提取的冠层温度进行误差分析,结果表明,基于改进的Canny边缘检测算子提取的玉米冠层温度与地面实测值相关性最高,决定系数R^2=0. 929 5,SVM算法决定系数R^2=0. 895 7,小波变换决定系数R2=0. 876 0。改进的Canny边缘检测算子能够更好地提取玉米冠层区域,获取更加精确的玉米冠层温度,从而能够更有效地监测玉米生理状况,进行旱情预测,制定合理的灌溉、施肥措施以提高玉米产量。

基于多时相无人机遥感植被指数的夏玉米产量估算

为建立夏玉米无人机遥感估产模型,正确评价规模化农业经营管理和用水效率,以内蒙古自治区规模化种植的夏玉米为研究对象,设置了5个不同水分处理的实验区域,每个实验区域布置了3个样区,利用自主研发的多旋翼无人机多光谱遥感平台,对夏玉米进行多时相的遥感监测。采用牛顿-梯形积分和最小二乘法,构建了基于多种植被指数和多种生育期对应的夏玉米实测产量的6种线性模型,并采用阈值滤波法减少土壤噪声对模型精度的影响。结果显示,不同生育期的玉米估产模型精度存在显著差异。单一生育期中,精度由高到低依次为:抽雄期、吐丝期、蜡熟期、拔节期,最优植被指数为EVI2(决定系数R^2=0.72,均方根误差RMSE为485.46 kg/hm^2);多生育期的最优植被指数为GNDVI(R^2=0.89,RMSE为299.35 kg/hm^2)。经过土壤滤波后,拔节期和多生育期的R^2提升显著,其中基于植被指数GNDVI、MASVI2、EVI2的多生育期估产模型的决定系数R2提升到0.87以上。多生育期的无人机遥感估产优于单生育期,最优估产植被指数为GNDVI,阈值滤波法可以有效提升估产精度,优化后基于植被指数的无人机遥感估产模型可以快速有效诊断和评估作物长势和产量。

无人机遥感技术在精量灌溉中应用的研究进展

以提高农业用水效率为目标的精量灌溉是未来农业灌溉的主要模式,精量灌溉的前提条件是对作物缺水的精准诊断和科学的灌溉决策。用于作物缺水诊断和灌溉决策定量指标的信息获取技术主要基于田间定点监测、地面车载移动监测及卫星遥感。无人机从根本上解决了卫星遥感由于时空分辨率低而导致的瞬时拓延、空间尺度转换、遥感参数与模型参数定量对应等技术难题,也克服了地面监测效率低、成本高、影响田间作业等问题。近几年的研究结果表明,无人机遥感系统可以高通量地获取多个地块的高时空分辨率图像,使精准分析农业气象条件、土壤条件、作物表型等参数的空间变异性及其相互关系成为可能,为大面积农田范围内快速感知作物缺水空间变异性提供了新手段,在精量灌溉技术应用中具有明显的优势和广阔的前景。无人机遥感系统已经应用在作物覆盖度、株高、倒伏面积、生物量、叶面积指数、冠层温度等农情信息的监测方面,但在作物缺水诊断和灌溉决策定量指标监测方面的研究才刚刚起步,目前主要集中在作物水分胁迫指数(CWSI)、作物系数、冠层结构相关指数、土壤含水率、叶黄素相关指数(PRI)等参数估算的研究,有些指标已经成功应用于监测多种作物的水分胁迫状况,但对于大多数作物和指标,模型的普适性还有待进一步研究。给出了无人机遥感在精准灌溉技术中应用的技术体系,并指出,为满足不同尺度的高效率监测和实现农业用水精准动态管理的需求,今后无人机遥感需要结合卫星遥感和地面监测系统,其中天空地一体化农业水信息监测网络优化布局方法与智能组网技术、多源信息时空融合与同化技术、作物缺水多指标综合诊断模型、农业灌溉大数据等将是未来重点研究内容。

大田玉米作物系数无人机多光谱遥感估算方法

作物系数K_c快速获取是大田作物蒸散量(Evapotranspiration,ET)估算的关键,为研究无人机多光谱遥感估算玉米作物系数的可行性和适用性,以2017年内蒙古达拉特旗昭君镇实验站大田玉米、土壤、气象等数据为基础,采用经气象因子和作物覆盖度校正后的双作物系数法计算不同生长时期与不同水分胁迫玉米的作物系数,并使用自主研发的无人机多光谱系统航拍玉米的冠层多光谱(蓝、绿、红、红边、近红外,475~840 nm)影像,研究了不同生长时期(快速生长期、生长中期和生长后期)玉米的6种常用植被指数(Vegetation indices,VIs):归一化差值植被指数(NDVI)、土壤调节植被指数(SAVI)、增强型植被指数(EVI)、比值植被指数(SR)、绿度归一化植被指数(GNDVI)和抗大气指数(VARI),与作物系数K_c的关系模型及水分胁迫对其的影响。结果表明:玉米生长时期和水分胁迫是影响玉米VIs-K_c模型相关性的两个重要因素。不同生长时期玉米植被指数和K_c相关性不同:充分灌溉情况下,快速生长期玉米VIs-K_c模型的相关性(R2为0.731 2~0.940 1,p<0.05,n=25)与生长中期至生长后期VIs-K_c模型的相关性(R2为0.276 5~0.373 2,p<0.05,n=40)不同;水分胁迫情况下,快速生长期玉米VIs-K_c模型的相关性(R2为0.0002~0.0830,p<0.05,n=25)与生长中期至生长后期VIs-K_c模型的相关性(R2为0.366 2~0.848 7,p<0.05,n=40)不同。水分胁迫对VIs-K_c模型的相关性影响较大:快速生长期,充分灌溉玉米VIs-K_c模型的相关性(R2最大为0.940 1)比水分胁迫玉米VIs-K_c模型的相关性(R2最大为0.083 0)强;生长中期至生长后期,充分灌溉玉米VIsK_c模型的相关性(R2最大为0.373 2)比水分胁迫玉米VIs-K_c模型的相关性(R2最大为0.848 7)弱。部分植被指数和作物系数相关性较强;快速生长期充分灌溉玉米的VIs-K_c模型的相关性由大到小依次为:SR、EVI、VARI、GNDVI、SAVI、NDVI;生长中期至生长后期水分胁迫玉米的VIs-K_c模型的相关性由大到小依次为:SR、GNDVI、VARI、NDVI、SAVI、EVI;其中比值植被指数SR与作物系数K_c的相关性最好。结果表明采用无人机多光谱技术估算K_c具有一定的可行性。

基于无人机遥感的玉米水分利用效率与生物量监测

玉米生物量及水分利用效率是反映作物长势和作物品质的重要指标。为实现农业精准管理,本文以不同水分处理的青贮玉米为研究对象,探讨无人机多光谱遥感平台结合作物生长模型估测青贮玉米生物量及水分利用效率的可行性。首先,将基于高时空分辨率无人机多光谱图像估测的关键作物参数蒸腾系数k_t输入到简单的水分效率模型中,来拟合不同水分胁迫处理下玉米水分利用效率WUE和标准化水分利用效率WP*;然后,采用拟合的WUE、WP*估算相同水分和不同水分状况下的玉米生物量,并进行验证;基于高时空分辨的无人机多光谱遥感图像获取了大田尺度上的WUE、WP*和生物量的空间分布图。结果表明,基于无人机多光谱、气象和土壤水分数据计算的实际蒸腾量∑T_(c,adj)和∑k_(t)k_(sw)k_(st)(k_(sw)、k_(st)为环境胁迫因子)与玉米生物量具有极显著(P <0.001)的相关性,不同水分处理下WUE的决定系数R^(2)均不小于0.92,WP*的R^(2)均不小于0.93。在同一水分胁迫下,使用拟合的WUE和WP*对生物量的估测精度几乎相同,玉米V-R4生育期估测精度较高,WUE的RMSE为126 g/m^(2),WP*的RMSE为91.7 g/m^(2),一致性指数d均为0.98,但在R5-R6生育期内精度不高。在不同水分胁迫下,使用WUE和WP*估测生物量时,WUE容易受到水分胁迫影响,精度较低(RMSE为306 g/m^(2),d=0.93),而WP*的精度较高(RMSE为195 g/m^(2),d=0.97)。研究表明,将无人机遥感平台与作物生长模型相结合能够很好地估测大田玉米生物量及水分利用效率。

基于改进YOLO的玉米幼苗株数获取方法

为快速准确获取玉米幼苗株数、评估播种质量、进行查缺补苗等管理,对YOLO算法进行改进,提出了一种基于特征增强机制的幼苗获取检测模型(FE-YOLO),实现了对玉米幼苗株数的快速获取。该方法根据玉米幼苗目标尺寸和空间纹理特征,构建了基于动态激活的轻量特征提取网络,融合了多感受野和空间注意力机制。实验表明:FE-YOLO模型增强了幼苗空间特征、降低了网络复杂度,使模型的m AP和召回率分别达到87.22%和91.54%,每秒浮点运算次数和检测推理时间仅为YOLO v3的7.91%和33.76%。FE-YOLO能够实现无人机正射影像的玉米幼苗株数获取和种植密度估算,该模型复杂度低、识别精度高,能够为玉米苗期管理提供技术支持。

基于Stacking集成学习的夏玉米覆盖度估测模型研究

以基于无人机多光谱影像提取的夏玉米植被指数作为特征变量,利用皮尔森相关系数结合随机森林反向验证权重的方法进行特征选择,去除冗余特征。以随机森林、梯度提升树、支持向量机和岭回归作为初级学习器,以岭回归作为次级学习器,建立基于Stacking集成学习的夏玉米覆盖度估测模型,并通过5折交叉验证进一步提升模型泛化能力,采用随机搜索和网格搜索结合的方法对模型超参数进行优化,使用4种回归指标进行模型精度评价,并利用次年数据验证其鲁棒性。结果表明,与单一模型以及决策树、Xgboost、Adaboost、Bagging集成框架相比,Stacking集成学习模型具有更高的精度和更强的鲁棒性,R^(2)为0.9509,比单一模型平均提升0.0369,比其他集成模型平均提升0.0417;Stacking集成学习模型RMSE、MAE和MAPE分别为0.0432、0.0330和5.01%,各指标分别比单一模型平均降低0.0138、0.0130和2.14个百分点,分别比其他集成模型平均降低0.0185、0.0126和2.15个百分点。本研究为夏玉米覆盖度估测提供了新的方法。

基于RGB图像处理的烟叶水分无损检测方法研究

为探求烤烟鲜烟叶RGB图像特征与其水分的相关性,采用1 300万像素的手机采集盆栽的成熟期烟叶叶片的图像信息,用烘干法测量叶片的含水率;研究基于灰度直方图的图像处理技术,提取了叶片的颜色特征值,分析其与含水率的关系。在烟叶图像的均值、方差、歪斜度、峰态、能量和熵6组特征值中,均值、能量与含水率存在较好的相关性,可以用来预测烟叶水分;方差、歪斜度、峰态和熵与烟叶含水率没有相关性,难以预测烟叶的水分;均值与含水率的回归模型相关系数为0.801 5,含水率预测结果误差维持在±2.10%,标准差为0.012;能量与含水率的回归模型相关系数为0.659 2,预测结果误差维持在±3.50%,标准差为0.015。基于手机采集的烟叶RGB图像可以无损检测其水分。

基于无人机遥感的青贮夏玉米水分亏缺指数反演研究

为了研究不同水分胁迫和不同时间尺度对拔节期青贮夏玉米水分亏缺指数(WDI)和陆气温差监测效果的影响,利用地面数据结合无人机遥感数据建立植被指数温度梯形空间,计算WDI干旱指数,并生成WDI分布图和陆气温差分布图。在不同的时间尺度和水分胁迫梯度下分析WDI、陆气温差与土壤含水率、气孔导度的相关性。结果表明,植被指数温度梯形空间和WDI分布图对短期降雨事件反应敏感;日间尺度下WDI、陆气温差与土壤含水率、气孔导度均表现了较好的相关性(R2为0.4~0.85);旬间尺度下WDI与土壤含水率、气孔导度的相关性(R2>0.68)明显优于陆气温差(R2<0.6);旬间尺度下100%充分灌溉时,WDI、陆气温差与土壤含水率、气孔导度均无显著相关性(R2<0.12);在不同水分胁迫下,WDI与气孔导度、土壤含水率均显著相关(R2为0.7283~0.82),而陆气温差与气孔导度、土壤含水率的相关性则出现较大差异(R2为0.3566~0.8074);与陆气温差相比,采用WDI实时监测青贮夏玉米旱情更为稳定。研究结果可为大田作物干旱信息的实时监测提供参考。

农田土壤无线地下传感器网络节点设计与通信试验

为了揭示电磁波信号在农田土壤中的传输特性、科学部署传感器节点,以关中地区农田土壤为研究对象,采用模块化设计思想,将传感器、无线数传、处理器和能量供应等模块集于一体,设计了无线地下传感器网络(Wireless underground sensor networks,WUSN)节点和汇聚节点。采用单因素试验方法,分析了土壤含水率、WUSN节点埋深、节点间水平距离对WUSN节点信号传输的影响,建立了接收信号强度和误码率预测模型。结果表明,当WUSN节点信号在地下垂直方向上传输时,土壤含水率增加2.5个百分点,接收信号强度降低4~6 dBm,通信误码率增加3~5个百分点;WUSN节点埋深增加5 cm,接收信号强度降低3~5 dBm,通信误码率增加3~4.5个百分点。当WUSN节点信号在地下水平方向上传输时,土壤含水率增加2.5个百分点,接收信号强度降低5~7 dBm,通信误码率增加4~5个百分点;节点间水平距离在10~90 cm范围内,节点间水平距离增加10 cm,接收信号强度降低6~8 dBm,通信误码率增加6.5~8个百分点;节点间水平距离在90~190 cm范围内,节点间水平距离增加10 cm,接收信号强度降低约1 dBm,通信误码率增加1~1.5个百分点。WUSN节点信号在垂直、水平两种传输方向上误码率和接收信号强度预测模型拟合优度R^(2)最高为0.982,均方根误差RMSE为1.7%,拟合优度R^(2)最低为0.942,均方根误差RMSE为5.136 dBm。WUSN节点信号在土壤中传输受到土壤含水率、WUSN节点埋深和节点间水平距离的严重影响。

底墒和补灌量对冬小麦产量和水分利用的影响

在大型半自动控制防雨池栽条件下,采用裂区设计,以不同底墒(350、450、650 mm)为主处理,生育期补灌量(0、56.3、78.1、100 mm)为副处理,研究了不同土壤底墒和补灌量对冬小麦产量、产量构成和水分利用的影响。结果表明,在不补灌条件下,0~200 cm土壤有效底墒最大利用率为42.6%~74.2%,其中0~50 cm为92.2%~123.4%,50 cm以下为53.9%~65.3%,能保持到冬小麦抽穗。随着补灌量的增加,高、中、低底墒0~200 cm土层有效底墒利用率增加。高、中、低底墒高量补灌(R3)0~200 cm有效底墒利用率分别比低量补灌(R1)增加4.3%、37.2%、7.5%;各土层有效底墒利用率均大于不补灌处理。冬小麦营养生长阶段浅层耗水量大于生殖生长阶段,但深层耗水量正好相反,随着冬小麦生育期的推进,尤其在生殖生长阶段,深层土壤贮水量发挥了积极的“补偿作用”。底墒对冬小麦产量及其构成、水分利用效率有显著影响。随补灌量的增加,产量及产量构成均增大,且底墒越低增加幅度越大,但差异不显著。低底墒增产效应分别较中、高底墒提高70.9%~108.5%、389.7%~402.7%。随补灌量的增加,低底墒的水分利用效率增加1.7%~1.8%,中、高底墒的水分利用效率降低0.7%~14.2%。因此,播前底墒是保证干旱半干旱区冬小麦稳产、高产的关键所在,作物产量与土壤有效底墒供水量之间呈明显的非线性关系。