不同灌溉方式下无花果需水规律及作物需水量预报

探究不同灌溉方式下无花果需水规律及作物需水量的预报对无花果生产具有重要的研究和指导意义。根据广东省水利重点科研基地2022年5月至2023年12月的无花果种植数据,分析不同灌水方式下无花果需水规律,推求作物系数曲线,结合Hargreaves-Samani模型和单作物系数法,基于公共天气预报进行无花果需水量预报。结果表明:不同灌水方式中沟灌的需水量最大,2023年日均需水量为2.44mm/d,其次是喷灌和地面滴灌,日均需水量分别为2.23mm/d和2.04mm/d,地下滴灌需水量最小,为1.92mm/d,5-9月为无花果需水旺盛期。采用联合国粮农组织(FAO)推荐的单作物系数法推求出试验站无花果Kc作物系数曲线,作物系数地下滴灌<地面滴灌<喷灌<沟灌。气温预报精度较高,最低气温的预报精度优于最高气温的预报精度。经过率定的Hargreaves-Samani模型具有良好的ET0预报精度,相关系数平均值可达0.86。4种灌溉方式无花果作物需水量预报精度低于ET0预报,相关系数范围为0.68~0.74。无花果作物需水量预报模型可以提供未来两周内的无花果需水量,为灌溉决策者提供信息,有利于农民提前安排水资源的分配。

江西省水稻需水量预报与网络发布系统开发

为了促进江西省灌区技术现代化及灌溉用水管理现代化的发展,为实时灌溉决策提供较为精确和及时的作物需水量预报数据支持,开发了江西省逐日水稻需水量预报与网络发布系统。系统通过关系型数据管理系统MySQL来获取水稻需水量预报模型计算所需的参数及基本信息,分别使用率定了的Hargreaves-Samani(HS)模型、Blaney-Criddle(BC)模型、McCloud(MC)模型和作物系数来预测江西省未来7天26个气象站点的作物腾发量ETc值。用户可登陆网址查询任意站点、任意水稻生长阶段、任意模型预报的ETc数值,页面简洁,易于操作。总体而言,率定后的4种模型均具有较高的预报精度,可用于全省的水稻需水量预报,为灌溉决策和节约灌溉用水提供科学依据。

灌区作物需水量预报的时间序列分析

介绍了基于周期性变化时间序列的分析预报方法 ,针对灌区需水量变化规律 ,通过消除其趋势项和周期项 ,对残差序列进行模拟 ,经变换后建立灌区需水预报模型。分析表明 ,该法用于灌区作物需水预报有效。

智慧灌溉大数据管理平台设计与应用

以粗放型为主的漫灌方式浪费水资源,探索高效节水农业灌溉意义重大。本研究研制了集数据采集、数据管理、数据可视化、分析决策和远程管理为一体的智慧灌溉大数据管理平台,旨在以数字化管理与智能化控制方式提升水资源利用效率。平台利用嵌入式、物联网、互联网、3S(GIS、GPS、RS)等技术,采取“1+1+N”的设计模式,构建作物需水预报模型与灌溉决策模型,基于B/S构架和Java语言,设计了1个灌溉数据中心、1个灌溉数据管理系统、4个应用系统,打造了智慧灌溉大数据管理平台。平台在河北、河南、山东、江苏等地区设有多个示范基地,汇聚了8个科研小组、24个试验基地的有关多种作物的生长、灌溉、气象、土壤等数据,平均采集数据18829条/天,帮助管理人员摸清家底;集成了多个团队的软件系统和62套物联网设备,及时、定量地呈现了农作物生长状况及环境状态,实现了农作区动态监测,助力生产决策;生成农作物需水预报和灌溉决策方案,完成了远程灌溉目标,并且经过实地试验,验证了自动灌溉的有效性,将灌溉水有效利用系数最高提升了31%以上;形成了大田产业、温室中心、数字科研和区域灌溉等不同专题可视化布局,满足多种农业场景应用需求。为农业生产和跨区域管理提供了便捷工具,为农业灌溉数字化系统搭建和应用提供了参考。

基于公共天气预报的三江平原ET_(0)预报模型比较及敏感性分析

为了提出适合我国三江平原的高精度ET0预报方法,基于该区6个气象站点的天气预报数据和实测气象数据,以FAO56-Penman-Monteith(FAO56-PM)公式计算值为基准,比较Hargreaves-Samani(HS)、Thornthwaite(TH)和Blaney-Criddle(BC)3个ET_(0)预报模型的效果,对最优模型进行敏感性分析。结果表明:3个模型1~7 d预见期平均绝对误差均值分别为0.66、0.65、0.65 mm/d,均方根误差分别为0.93、0.96、0.95 mm/d,相关系数分别为0.857、0.828、0.840。1~5 d预见期最优预报模型为HS模型,6~7 d为TH模型。总体上预报精度由高到低为HS、TH、BC模型,建议采用HS模型在三江平原开展ET_(0)预报,HS模型预报对最高温预报的敏感性大于最低温。其预报值在夏季受温度预报误差影响最大,冬季最小,4季整体误差较小。研究可为灌溉预报提供较准确的数据基础。

基于GRNN神经网络的参考作物腾发量预测

参考作物腾发量是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水预报精度具有十分重要的意义。由于参考作物腾发量与各气象因子呈非线性关系,将GRNN神经网络引用于参考作物腾发量预测中,并以铁岭市为例,对比分析了GRNN模型与BP模型的预测结果。分析表明:GRNN模型不仅训练速度快,还具有比BP模型更高的预测精度、逼近性和稳定性。

水库群供调水系统实时调度研究

以大连市复杂水库群供、调水系统为背景,在对系统特性分析的基础上,提出了系统实时调度框架及二层耦合结构模式,设计了以"总量控制、耦合嵌套、多维决策、滚动修正"为核心的实时调度流程。在径流预报方面,提出了基于超越概率的水库群供、调水系统长期入库径流预报方法,结合中期GFS(Global Forecasting System)数值预报技术对不同时段入库径流进行滚动预报。在调度模型方面,采用基于动态规划的建模求解新方法和常规调度方法,为调度决策提供参考。实例研究表明,建立的实时调度系统实现了滚动预报和滚动调度,具备了实时性;实现了宏观总控与局部调整相结合的调度目标,具备了调度决策不同时间尺度耦合嵌套特性,证明了系统的适用性。研究成果对于同类系统实时调度具有重要参考价值。