CN110501761B - 一种不同预见期区域作物ETc预测预报方法 - Google Patents

一种不同预见期区域作物ETc预测预报方法 Download PDF

Info

Publication number
CN110501761B
CN110501761B CN201910783921.2A CN201910783921A CN110501761B CN 110501761 B CN110501761 B CN 110501761B CN 201910783921 A CN201910783921 A CN 201910783921A CN 110501761 B CN110501761 B CN 110501761B
Authority
CN
China
Prior art keywords
day
crop
eto
forecast
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910783921.2A
Other languages
English (en)
Other versions
CN110501761A (zh
Inventor
陈鹤
魏征
韩信
李益农
张宝忠
蔡甲冰
彭致功
潘岩
谢天慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN201910783921.2A priority Critical patent/CN110501761B/zh
Publication of CN110501761A publication Critical patent/CN110501761A/zh
Application granted granted Critical
Publication of CN110501761B publication Critical patent/CN110501761B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G25/00—Watering gardens, fields, sports grounds or the like
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Ecology (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Medicinal Chemistry (AREA)
  • Botany (AREA)
  • Wood Science & Technology (AREA)
  • Food Science & Technology (AREA)
  • Water Supply & Treatment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种不同预见期区域作物ETc预测预报方法，基于气象数据采用标准方法彭曼公式计算ET0、根据涡度相关仪获得作物ETc，进而在FAO‑56单作物系数法的基础上，获得作物系数Kc。因此ETc的1d预见期是根据第n天的ET0和第n‑1天的作物系数Kc获取第n‑1天的ETc，第n+1天的ET0和第n天的Kc，获取第n天的ETc；ETc的2d预见期是根据第n天的ET0和第n‑2天的作物系数Kc获取第n‑2天的ETc，第n+2天的ET0和第n天的Kc，获取第n天的ETc，以此类推获取不同预见期作物ETc预测值。随后，利用遥感数据进行区域尺度提升，该方法减少了天气预报数据不确定性对ET0预测的影响，且可较精确获得区域作物的ETc的异质性。

Description

一种不同预见期区域作物ETc预测预报方法
技术领域
本发明实施例涉及农业灌溉预报领域，更具体地说，本发明涉及一种不同预见期区域作物ETc预测预报方法。
背景技术
作物需水信息是灌溉管理与农业高效用水评价中不可缺少的基本数据。不同时空尺度范围内，气候、地形、作物生长、土壤水分等影响作物叙事的主要因子具有随机性和不确定性，使得作物需水表现出较强的空间异质性。因此如何利用现有作物需水信息监测资料，采用新的理论或方法研究作物需水的空间分布、揭示作物需水空间的不同形式，寻求不同空间尺度的转折点，进行作物需水信息监测站点的代表性分析，探索不同尺度之间作物需水信息的传递规律及由点到面的尺度转换技术对于提供区域作物需水量的估算精度，优化区域灌溉制度，因此合理的灌溉制度是保障农作物有效、及时供水并且节约水资源的关键，实现区域农业的可持续发展有着重要的理论和实际意义。
作物需水(ETc)是影响区域水热平衡的主要因素，也是水循环中的重要环节，对ETc问题的研究一直是水文、气象、农业、林业、土壤等相关学科共同感兴趣的问题。随着气象预报数据准确性和及时性的提高，借助气象预报数据和已有的ETo计算方法预先估算作物需水量，对实行“按需灌水”、合理利用未来降雨提高农业灌溉管理水平和农业用水效率具有重要意义，也可为多雨地区提高农田蓄雨、减少排水及其面源污染输出借鉴。迄今为止，已经存在多种直接计算点尺度ETc的方法，通过ETo和FAO中推荐的作物系数Kc进行间接获得点尺度ETc预测值，即ETc＝ETo*Kc，该方法对气象资料的完备性和质量要求比较严格，实际中预报气象资料很难满足，该间接预测方法精度和理论基础均具有一定测定差距，因此该方法难以大范围推广。且目前直接获得区域尺度ETc的方法为空间差值方法及应用、区域ET空间差值研究、分布式水文模型方法估算区域ET、遥感估算区域ET。
但是目前已有的区域方法值仅限于估算方法，对区域作物的ETc预测方法并没有，基于气象预报数据的ETc预测具有不确定性，可靠度低。
发明内容
为此，本发明实施例提供一种不同预见期区域作物ETc预测预报方法，以解决现有技术中由于直接获得区域尺度ETc的方法为空间差值方法及应用、区域ET空间差值研究、分布式水文模型方法估算区域ET、遥感估算区域ET而导致的预测具有不确定性，可靠度低的问题。
为了实现上述目的，本发明实施例提供如下技术方案：
根据本发明实施例的第一方面：一种不同预见期区域作物ETc预测预报方法，具体步骤如下：
步骤一：基于历史气象数据利用PM法计算ETo，并将计算得到的ETo作为标准值；
步骤二：利用涡度相关***获得实测的研究区点尺度ETct；
步骤三：基于FAO-56单作物系数法，根据步骤一中获得的ETo和步骤二中获得的ETct，获得作物系数Kc，作物系数Kc的计算公式具体如下：
Figure GDA0002661502000000021
步骤四：将预测日第n天的ETo和第n-1天的Kc相乘获得1d预见期的作物ETc，将预测日第n天和ETo和第n-2天的Kc相乘获得2d预见期的作物ETc，逐渐取值，以此类推，可获得多种不同预见期的作物ETc；
步骤五：将预测得到的不同预见期的作物ETc与涡度相关***直接获得的点尺度ETct进行实时校正；
步骤六：利用MODIS数据，基于SEBS模型，获得研究区整个区域的区域ETc′t；
步骤七：结合研究区已有气象站获得ETo，并采用空间插值法，获得整个区域ETo′；
步骤八：根据步骤六和步骤七中获得的区域ETc′t和ETo′，计算得到区域作物系数Kc′；
步骤九：重复循环步骤四即可预测区域ETc’。
进一步地，所述PM法为彭曼公式计算法，具体公式如下：
Figure GDA0002661502000000022
其中，PE为可能蒸发量，Δ为饱和水气压曲线斜率，Rn为地表净辐射，G为土壤热通量，γ为干湿表常数，Tmean为日平均温度，u2为2米高处风速，es为饱和水气压，ea为实际水气压，PE与ETo数值相匹配。
进一步的，所述步骤五中模型检验指标为决定系数R2和均方根误差RMSE，其具体公式如下：
Figure GDA0002661502000000023
Figure GDA0002661502000000024
其中，n为预测日开始后的天数，yi为第n天的ETc值，
Figure GDA0002661502000000025
为n天的ETc中值，
Figure GDA0002661502000000026
为n天的ETc平均值。
进一步的，所述步骤八中区域作物系数Kc′的计算公式具体如下：
Figure GDA0002661502000000031
经反向计算得到ETc′＝Kc′*ETo′。
根据本发明实施例的第二方面：方法包括采用模型构建***和模型应用***，所述模型构建***用于采集MODIS数据，并构建SEBS模型，所述模型应用***用于根据SEBS模型，获得区域ETc′t。
进一步地，所述SEBS模型构建时基于地面反射率、地表温度、植覆指数和叶面积指数。
进一步地，所述涡度相关***设置为涡度相关仪，所述涡度相关仪的连接端设有大孔径闪烁仪，所述涡度相关仪的连接端还设有卫星遥感，所述涡度相关仪、大孔径闪烁仪和卫星遥感配合获得区域气象信息并验证点尺度。
本发明实施例具有如下优点：
1.本发明中作物ETc预测方法，基于历史气象数据，利用PM方法预测的ETo，并结合作物系数Kc，获得作物ETc，将获得的不同预见期的ETc预测值与涡度相关***实测的ETct进行实时验证，并利用该方法的理论基础，利用遥感数据进行区域尺度提升，该方法减少了天气预报数据不确定性对ETo预测的影响，且可较精确获得区域作物的ETc的异质性，与现有技术相比，本方法预测准确性更高；
2.通过设置模型构建***和模型应用***，采集MODIS数据，并构建SEBS模型，获得区域ETc′t，利用精确的气象数据获得ETo，结合作物系数Kc，获取精确的作物ETc，运用公式计算和验证过程，精确数值，根据精确的已有的ETct获得未来短期内的作物ETc，该方法减弱了基于气象预报数据的ETc预测的不确定性，与现有技术相比，本方法预测的时效性得到了突破性进展。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例1提供的区域作物ETc预测预报方法的流程图；
图2为本发明实施例2提供的2014年冬小麦生长期不同预见期ETc预测值比较；
图3为本发明实施例2提供的2014年夏玉米生长期不同预见期ETc预测值比较；
图4为本发明实施例2提供的2015年冬小麦生长期不同预见期ETc预测值比较；
图5为本发明实施例2提供的2015年夏玉米生长期不同预见期ETc预测值比较；
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
如图1所示一种不同预见期区域作物ETc预测预报方法，包括模型构建***和模型应用***，所述模型构建***用于采集MODIS数据，并构建SEBS模型，所述模型应用***用于根据SEBS模型，获得预测区域ETc′t，所述SEBS模型构建时基于地面反射率、地表温度、植覆指数和叶面积指数，所述涡度相关***设置为涡度相关仪，所述涡度相关仪的连接端设有大孔径闪烁仪，所述涡度相关仪的连接端还设有卫星遥感，所述涡度相关仪、大孔径闪烁仪和卫星遥感配合获得区域气象信息并验证点尺度，该预测预报方法具体步骤如下：
步骤一：基于历史气象数据利用PM法计算ETo，所述PM法为彭曼公式计算法，具体公式如下：
Figure GDA0002661502000000041
其中，PE为可能蒸发量，Δ为饱和水气压曲线斜率，Rn为地表净辐射，G为土壤热通量，γ为干湿表常数，Tmean为日平均温度，u2为2米高处风速，es为饱和水气压，ea为实际水气压；
PE与ETo数值相匹配，并将计算得到的ETo作为标准值；
步骤二：利用涡度相关***获得实测的研究区点尺度ETct；
步骤三：基于FAO-56单作物系数法，根据步骤一中获得的ETo和步骤二中获得的ETct，获得作物系数Kc，Kc的计算公式具体如下：
Figure GDA0002661502000000042
步骤四：将预测日第n天的ETo和第n-1天的Kc相乘获得1d预见期的作物ETc，将预测日第n天和ETo和第n-2天的Kc相乘获得2d预见期的作物ETc，逐渐取值，以此类推，可获得多种不同预见期的作物ETc，具体如下：
表1.不同预见期作物ETc预测
Figure GDA0002661502000000051
步骤五：将预测得到的不同预见期的作物ETc与涡度相关***直接获得的点尺度ETct进行实时校正；
模型检验指标为决定系数R2和均方根误差RMSE，其具体公式如下：
Figure GDA0002661502000000052
Figure GDA0002661502000000053
其中，n为预测日开始后的天数，yi为第n天的ETc值，
Figure GDA0002661502000000055
为n天的ETc中值，
Figure GDA0002661502000000056
为n天的ETc平均值；
步骤六：利用MODIS数据，基于SEBS模型，获得研究区整个区域的区域ETc′t；
步骤七：结合研究区已有气象站获得ETo，并采用空间插值法，获得整个区域ETo′；
步骤八：根据步骤六和步骤七中获得的区域ETc′t和ETo′，计算得到区域作物系数Kc′，Kc′的计算公式具体如下：
Figure GDA0002661502000000054
经反向计算得到ETc′＝Kc′*ETo′；
步骤九：重复循环步骤四即可预测区域ETc’；
本方法基于历史气象数据，利用PM方法预测的ETo，并结合作物系数Kc，获得作物ETc，将获得的不同预见期的ETc预测值与涡度相关***实测的ETct进行实时验证，并利用该方法的理论基础，利用遥感数据进行区域尺度提升，减少了天气预报数据不确定性对ETo预测的影响，运用公式计算和验证过程，精确数值，能够根据精确的已有的ETct获得未来短期内的作物ETc。
实施例2：
如图2-5所示，本实施例中取北京市大兴区2014-2015年冬小麦和夏玉米历史数据进行模型建模与预测演算，针对该数据选段中的数据进行处理，分别取1d、7d和15d的实测ETc与本方法下的ETc预测值进行记录并绘制波形图，结果显示：
2014年冬小麦生长期ETc的实际值基本与不同预见期ETc预测值相符，且该时间段内ETc的实际值全部落在预测值内；
2014年夏玉米生长期ETc的实际值基本与不同预见期ETc预测值相符，且该时间段内ETc的实际值全部落在预测值内；
2015年冬小麦生长期ETc的实际值基本与不同预见期ETc预测值相符，且该时间段内ETc的实际值全部落在预测值内；
2015年夏玉米生长期ETc的实际值基本与不同预见期ETc预测值相符，且该时间段内ETc的实际值全部落在预测值内；
本方法与传统的预测相比，本发明需水预测方法能够有效进行预测，该预测方法得到的ETc与涡度相关***实测ETct拟合程度高，表明该预测方法具有更好的稳定性和可靠性。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (7)

1.一种不同预见期区域作物ETc预测预报方法，其特征在于：具体步骤如下：
步骤一：基于历史气象数据利用PM法计算ETo，并将计算得到的ETo作为标准值；
步骤二：利用涡度相关***获得实测的研究区点尺度ETct；
步骤三：基于FAO-56单作物系数法，根据步骤一中获得的ETo和步骤二中获得的ETct，获得作物系数Kc，作物系数Kc的计算公式具体如下：
Figure FDA0002661501990000011
步骤四：将预测日第n天的ETo和第n-1天的Kc相乘获得1d预见期的作物ETc，将预测日第n天和ETo和第n-2天的Kc相乘获得2d预见期的作物ETc，逐渐取值，以此类推，可获得多种不同预见期的作物ETc；
步骤五：将预测得到的不同预见期的作物ETc与涡度相关***直接获得的点尺度ETct进行实时校正；
步骤六：利用MODIS数据，基于SEBS模型，获得研究区整个区域的区域ETc′t；
步骤七：结合研究区已有气象站获得ETo，并采用空间插值法，获得整个区域ETo′；
步骤八：根据步骤六和步骤七中获得的区域ETc′t和ETo′，计算得到区域作物系数Kc′；
步骤九：重复循环步骤四即可预测区域ETc’。
2.根据权利要求1所述的一种不同预见期区域作物ETc预测预报方法，其特征在于：方法包括采用模型构建***和模型应用***，所述模型构建***用于采集MODIS数据，并构建SEBS模型，所述模型应用***用于根据SEBS模型，获得区域ETc′t。
3.根据权利要求1所述的一种不同预见期区域作物ETc预测预报方法，其特征在于：所述SEBS模型构建时基于地面反射率、地表温度、植覆指数和叶面积指数。
4.根据权利要求1所述的一种不同预见期区域作物ETc预测预报方法，其特征在于：所述涡度相关***设置为涡度相关仪，所述涡度相关仪的连接端设有大孔径闪烁仪，所述涡度相关仪的连接端还设有卫星遥感，所述涡度相关仪、大孔径闪烁仪和卫星遥感配合获得区域气象信息并验证点尺度。
5.根据权利要求1所述的一种不同预见期区域作物ETc预测预报方法，其特征在于：所述PM法为彭曼公式计算法，具体公式如下：
Figure FDA0002661501990000012
其中，PE为可能蒸发量，Δ为饱和水气压曲线斜率，Rn为地表净辐射，G为土壤热通量，γ为干湿表常数，Tmean为日平均温度，u2为2米高处风速，es为饱和水气压，ea为实际水气压，PE与ETo数值相匹配。
6.根据权利要求1所述的一种不同预见期区域作物ETc预测预报方法，其特征在于：所述步骤五中模型检验指标为决定系数R2和均方根误差RMSE，其具体公式如下：
Figure FDA0002661501990000021
Figure FDA0002661501990000022
其中，n为预测日开始后的天数，yi为第n天的ETc值，
Figure FDA0002661501990000023
为n天的ETc中值，
Figure FDA0002661501990000024
为n天的ETc平均值。
7.根据权利要求1所述的一种不同预见期区域作物ETc预测预报方法，其特征在于：所述步骤八中区域作物系数Kc′的计算公式具体如下：
Figure FDA0002661501990000025
经反向计算得到ETc′＝Kc′*ETo′。
CN201910783921.2A 2019-08-23 2019-08-23 一种不同预见期区域作物ETc预测预报方法 Active CN110501761B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910783921.2A CN110501761B (zh) 2019-08-23 2019-08-23 一种不同预见期区域作物ETc预测预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910783921.2A CN110501761B (zh) 2019-08-23 2019-08-23 一种不同预见期区域作物ETc预测预报方法

Publications (2)

Publication Number Publication Date
CN110501761A CN110501761A (zh) 2019-11-26
CN110501761B true CN110501761B (zh) 2020-11-03

Family

ID=68589221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910783921.2A Active CN110501761B (zh) 2019-08-23 2019-08-23 一种不同预见期区域作物ETc预测预报方法

Country Status (1)

Country Link
CN (1) CN110501761B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461909B (zh) * 2020-04-02 2023-02-28 中国水利水电科学研究院 一种农田蒸散量短期预测方法
CN111528066B (zh) * 2020-06-22 2021-11-12 黄河勘测规划设计研究院有限公司 一种农业灌溉控制方法及***
CN111833202B (zh) * 2020-07-14 2022-06-03 中国水利水电科学研究院 考虑作物系数动态变化与降雨的农田蒸散量短期预测方法
CN115048354B (zh) * 2022-03-09 2023-07-07 中国长江三峡集团有限公司 一种水文模型的创建及径流预测方法、装置及计算机设备
CN115049126B (zh) * 2022-06-10 2024-06-21 中国水利水电科学研究院 基于温度效应和历史阈值的蒸散量预测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1324949C (zh) * 2003-12-25 2007-07-11 中国农业大学 一种非充分灌溉预报与控制方法
CN108491963A (zh) * 2018-03-13 2018-09-04 河海大学 一种考虑植被生长季节演替的蒸散发计算方法

Also Published As

Publication number Publication date
CN110501761A (zh) 2019-11-26

Similar Documents

Publication Publication Date Title
CN110501761B (zh) 一种不同预见期区域作物ETc预测预报方法
Yu et al. Impact of droughts on winter wheat yield in different growth stages during 2001–2016 in Eastern China
CN109934515B (zh) 一种作物精量灌溉决策方法及***
Stathopoulos et al. Wind power prediction based on numerical and statistical models
Vazifedoust et al. Assimilation of satellite data into agrohydrological models to improve crop yield forecasts
CN108958329B (zh) 一种滴灌水肥一体化智能决策方法
CN114462518B (zh) 考虑多要素空间依赖性的区域蒸散发变化归因分析方法
CN110390343B (zh) 一种空间气象数据的订正方法及***
CN108205718B (zh) 一种粮食作物抽样测产方法及***
CN112052559A (zh) 一种基于月水量平衡的三参数水文模型及其构建方法
CN117172037B (zh) 一种分布式水文预报方法、装置、计算机设备及介质
CN112715322B (zh) 一种农业灌溉用水获取方法和装置
CN106355264B (zh) 一种参考作物腾发量组合预测方法
CN116362402A (zh) 一种基于天气预报与表型信息监测的灌溉制度优化***
CN117010717A (zh) 一种基于全局不确定性分析的作物精准灌溉用水决策方法
Sellathurai et al. Seasonal variation of rainfall in Vadamaradchi area in Jaffna District Sri Lanka
CN109948175B (zh) 基于气象数据的卫星遥感反照率缺失值反演方法
CN115169263B (zh) 基于TVGM-Budyko耦合模型的多时间尺度径流变化归因分析方法
Alessandrini et al. An application of ensemble/multi model approach for wind power production forecasting
Gommes et al. 29 Beyond simple, one-station rainfall indices
CN113052484A (zh) 基于格点化气象数据的农产品气候品质评估方法及装置
Nemes Statistical analysis of wind speed profile: a case study from Iasi Region, Romania
CN107451691B (zh) 基于下垫面情况的冬季输电线路高度风速预报方法及***
Maatallah et al. Experimental study of solar flux energy basing on measured sun covering-rate in the gulf of Tunis, Tunisia
CN115033833B (zh) 一种农业灌溉用水定额计算***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant