Stacking集成模型模拟膜下滴灌玉米逐日蒸散量和作物系数

为准确模拟膜下滴灌玉米逐日蒸散量和作物系数,该研究以4个经典机器学习模型:随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)、BP神经网络(Back Propagation Neural Network,BP)和Adaboost集成学习模型(Adaboost,ADA)为基础,基于Stacking算法建立了集成学习模型(Linear Stacking Model,LSM)对膜下滴灌玉米逐日蒸散量和作物系数进行模拟。并将LSM的模拟精度与RF、SVM、BP和ADA模型的模拟精度相比较,结果表明:1)RF、SVM、BP和ADA模型模拟膜下滴灌玉米的逐日蒸散量和作物系数时的相对均方根误差均大于0.2;2)相比RF、SVM、BP和ADA模型,LSM模型提高了玉米逐日蒸散量和作物系数模拟精度。LSM模拟的膜下滴灌玉米的作物系数相比于FAO推荐值更接近实测值;3)日序数、平均温度、株高、叶面积指数和短波辐射5个特征对玉米膜下滴灌玉米日蒸散量和作物系数影响最高,基于这5个特征建立的LSM模型模拟膜下滴灌玉米的蒸散量和作物系数的R2分别为0.9和0.89,相对均方根误差分别为0.23和0.16。因此,建议在该研究区使用日序数、平均温度、株高、叶面积指数和短波辐射5个特征参数建立LSM模型模拟膜下滴灌玉米蒸散量和作物系数。该研究可为高效节水条件下作物蒸散量和作物系数的精准模拟和合理制定灌溉制度提供参考。

地下水埋深对辽宁中部地区玉米根系和干物质积累的影响

为探明地下水埋深对玉米干物质积累和根系生长的影响,在辽宁省灌溉试验中心站利用地下水模拟系统设置了1.0 m(D1.0)、1.5 m(D1.5)、2.0 m(D2.0)、2.5 m(D2.5)、3.0m(D3.0)、3.5 m(D3.5)和4.0 m(D4.0)7个地下水埋深处理,分析了地下水埋深对春玉米干物质积累、根系和产量性状等的影响。结果表明:(1)在不同地下水埋深条件下根长、根表面积、根体积随着生育期推进呈增大趋势,且在各处理之间差异显著(P<0.05),而根粗在灌浆成熟期先增大后减小。(2)在拔节期和灌浆成熟期,茎叶干物质积累量随地下水埋深增加先减小后增大,D2.0处理最低,较其他处理减少7.2%~19.5%;在灌浆成熟期,D2.5处理下穗部干物质积累量最低,较其他处理减少9.8%~24.8%;在抽雄吐丝期,D2.0处理下根部干物质最高,比其他处理高出7.2%~54.2%。(3)产量随地下水埋深增加而先减小后增大,D1.0处理产量最大,D3.0处理产量最低,D1.0处理比其他处理高出365~1790 kg·hm-2。(4)将不同处理下干物质和根系各指标与产量进行多元回归和通径分析,结果表明,地下水埋深通过影响根系生长和干物质积累来影响产量,玉米产量与抽雄吐丝期的根长和根粗呈显著正相关,与根表面积、抽雄吐丝期茎叶干物质积累量和灌浆成熟期的根表面积呈显著负相关。研究成果可为辽宁平原及类似地区不同地下水埋深条件下玉米稳产高产提供依据。