CN117435849A - 一种农业干旱监测方法、***、设备及存储介质 - Google Patents
一种农业干旱监测方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN117435849A CN117435849A CN202311728813.8A CN202311728813A CN117435849A CN 117435849 A CN117435849 A CN 117435849A CN 202311728813 A CN202311728813 A CN 202311728813A CN 117435849 A CN117435849 A CN 117435849A
- Authority
- CN
- China
- Prior art keywords
- soil
- vegetation
- attributes
- drought
- water
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 239000002689 soil Substances 0.000 claims abstract description 145
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 86
- 230000008020 evaporation Effects 0.000 claims abstract description 19
- 238000001704 evaporation Methods 0.000 claims abstract description 19
- 238000012806 monitoring device Methods 0.000 claims abstract description 6
- 239000002344 surface layer Substances 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 11
- 239000002352 surface water Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 239000012855 volatile organic compound Substances 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000003537 Ficus benghalensis Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241001632052 Haloxylon ammodendron Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农业干旱监测方法、***、设备及存储介质，属于干旱监测技术领域。本发明首先根据土壤水分的分配规律确定植被根系所在深度的土壤含水量；再由植被凋萎含水量和所述土壤含水量确定土壤可用储水量；同时基于植被属性、气候属性和土壤属性构建土壤蒸散发模型，推导出土壤蒸散发量；最后由所述土壤蒸散发量和土壤可用储水量预测干旱发生时间。本发明技术方案综合考虑了土壤水分的分配规律和土壤植被覆盖类型实现干旱预警，为林业、生态环境部门干旱监测预警提供理论依据和技术支撑。
Description
技术领域
本发明属于干旱监测技术领域，更具体地，涉及一种农业干旱监测方法、***、设备及存储介质。
背景技术
农业干旱是指在农田和农作物生长期间，由于长时间的降雨不足或灌溉不足，导致土壤中的水分严重不足，从而影响农作物产量的现象。
近年来，开展了大量基于遥感数据、干旱指数、土壤水分等数据的农业干旱监测预报，虽然土壤表面的信息容易获取，但是深层次的土壤含水量信息依旧缺乏；对植被根系作用，土壤水分分配问题缺乏更加深入的考虑，导致评价农业干旱的时候不准确，大多数研究未考虑植被类型和土壤水分分配问题对干旱的作用过程，影响预报精度，并且不同植被类型（土地利用类型）的干旱预警方法并不明确。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种农业干旱监测方法、***、设备及存储介质，其目的在于解决现有干旱监测方法没有考虑土地植被属性和土壤水分分配规律，导致干旱预测不准的技术问题。
为实现上述目的，第一方面，本发明提供了一种农业干旱监测方法，所述方法包括：
根据土壤水分的分配规律由土壤表层含水量确定植被根系所在深度的土壤含水量；
由植被凋萎含水量和所述土壤含水量确定土壤可用储水量；
基于植被属性、气候属性和土壤属性构建土壤蒸散发模型，推导出土壤蒸散发量；
由所述土壤蒸散发量和土壤可用储水量预测干旱发生时间。
优选的，根据土壤水分的分配规律由土壤表层含水量确定植被根系所在深度的土壤含水量，具体为：
其中，为植被根系所在深度的土壤含水量；/>为土壤含水量随深度变化的斜率；为土壤表层含水量；/>为修正系数；/>为植被根系的最深长度。
优选的，由植被凋萎含水量和所述土壤含水量确定土壤可用储水量，具体为：
其中，为土壤可用储水量；/>为植被根系所在深度的土壤含水量；/>为植被凋萎含水量比例系数。
优选的，基于植被属性、气候属性和土壤属性构建土壤蒸散发模型，推导出土壤蒸散发量；具体为：
其中，为土壤蒸散发量；/>为作物系数；/>为参考蒸散量。
优选的，作物系数和参考蒸散量/>分别为：
其中，为植被的叶面指数；/>为比例系数；/>为饱和水汽压曲线的斜率；/>为作物表面上的净辐射；/>为土壤热通量；/>为湿度计常数；/>为预设高度处的日平均气温；/>为预设高度处的风速；/>为饱和水汽压；/>为实际水汽压。
优选的，由所述土壤蒸散发量和土壤可用储水量预测干旱发生时间，具体为：
其中，为干旱发生所需时间；/>为土壤可用储水量；/>为土壤蒸散发量。
优选的，基于卫星数据获取所述土壤表层含水量：
其中，为地表水量，从重力卫星实验数据中获取；/>为转换系数；/>为土壤表层含水量。
第二方面，本发明提供了一种农业干旱监测装置，所述装置包括以下部分：
定深土壤含水量获取模块，用于根据土壤水分的分配规律由土壤表层含水量确定植被根系所在深度的土壤含水量；
土壤可用储水量获取模块，用于由植被凋萎含水量和所述土壤含水量确定土壤可用储水量；
土壤蒸散发量获取模块，用于基于植被属性、气候属性和土壤属性构建土壤蒸散发模型，推导出土壤蒸散发量；
干旱监测模块，用于由所述土壤蒸散发量和土壤可用储水量预测干旱发生时间。
第三方面，本发明提供一种电子设备，包括：存储器，用于存储程序；处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面中任一所述的方法，或执行第二方面中所述的方法。
第四方面，本发明提供一种存储介质，存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面中任一所述的方法，或执行第二方面中所述的方法。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
（1）与现有的干旱监测方法相比，本发明技术方案增加了由土壤水分分配规律推导深层土壤含水量，再结合植被属性定义干旱临界点和土壤蒸散发量，由此得到干旱的预测时间；因此本发明干旱监测方法相较现有方法更有针对性且监测精度更高；
（2）本发明干旱监测方法不局限于用土壤表层含水量进行干旱监测，将植被根系可触及的土壤深层含水量也做为预测变量，由此增加了监测精度；
（3）本发明干旱监测方法基于植被属性、气候属性和土壤属性构建了一种新的土壤蒸散发模型，该模型较现有模型增加了更多的参考因素，因此土壤蒸散发计算精度更高；
（4）本发明利用重力卫星对地表水监测，获取地表水的分布情况，进一步推导得到土壤表层含水量，该方法实时性高，数据准确的高。
附图说明
图1是本发明实施例中提供的一种农业干旱监测方法的流程图；
图2是本发明实施例中提供的土壤水分随深度分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本文中的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一区域和第二区域等是用于区别不同的区域，而不是用于描述区域的特定顺序。
在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本发明实施例的描述中，除非另有说明，“多个”的含义是指两个或者两个以上，例如，多个区域是指两个或者两个以上的区域等。
接下来，对本发明实施例中提供的技术方案进行介绍。
如图1所示，实施例中包括以下步骤：
（1）通过GRACE重力卫星科学数据***的官方处理中心下载地球地表水分布数据：
重力恢复及气候实验 GRACE 卫星是由美国国家航空航天局与德国航空航天中心共同研发，由距离地面500km，相距 220km左右的两颗完全相同卫星以及 GPS 定位***组成。不同于传统遥感卫星通过主被动发射信号然后接收获取信息的方式，其基本原理是万有引力定律。
通过连续监测两颗卫星之间的距离以及距离的变化，从而获得地球重力场的变化数据。GRACE 卫星设计寿命5年，但其超额完成任务，一直持续工作到 2017 年10 月，详细记录了地球重力场异常情况。通过地球重力场月值数据，监测其随时间的变化情况，并转化为以等效水柱高的形式表示陆地总水储量变化。
GRACE 科学数据***有三个官方处理中心，即美国德克萨斯州奥斯汀的空间研究中心，德国波茨坦的地球研究中心，美国加州帕萨迪纳喷气推进实验室，根据 GRACE 任务的测量结果经过校准和时间标记后编制生产 1 级和 2 级数据产品。
GRACE重力卫星反演水储量的基本原理是通过测量地球重力场的微小变化，推算出地球表面上的水储量变化。该技术利用两颗飞行高度相近、距离约200公里的卫星，通过对它们之间的微小距离变化进行观测和计算，可以得到地球重力场的微小变化情况。由于地球重力场与地下水位、土壤含水量等因素有关，因此可以通过分析这些数据来推断地球表面上的水储量变化。
（2）将待监测区域的地表水量带入下式，得到待监测区域的土壤表层含水量；
其中，为通过步骤（1）中获取的待监测区域地表水量，通过卫星数据获取；/>为转换系数；/>为土壤表层含水量。
土壤表层含水量和所在区域地表水量是正相关的，地表水丰沛的区域土壤表层的含水量也是充盈的，因此，可以通过转换系数进行相互推导。
（3）根据土壤地表含水量数据，结合土壤水分分配机制，依照下式推求待预测区域植被根系所在深度的土壤含水量，具体为：
其中，为植被根系所在深度的土壤含水量；/>为土壤含水量随深度变化的斜率；为土壤表层含水量；/>为修正系数；/>为植被根系的最深长度。将干旱影响对象预设为植被，故将研究对象设定为植被根系所在深度的土壤含水量。
如图2所示，是第一区域、第二区域和第三区域的土壤含水量的空间分布，第一区域植被是草，第二区域植被是农作物，第三区域植被是灌木，可以看出在在植被不同的情况下，不同区域土壤含水量的空间分布区别很大。
（4）根据植被根系所在深度的土壤含水量，以植被凋萎含水量为界限，根据下式推求土壤实际可用水总量：
其中，为土壤可用储水量；/>为植被根系所在深度的土壤含水量；
为植被凋萎含水量比例系数，和植被的种类有关，比如榕树等对水需求量大的植被其/>值就小，梭梭树等对水需求量小的植被其/>值就大。
（5）基于由植被属性、气候属性和土壤属性构建蒸散发模型，具体参见下式：
其中，为土壤蒸散发量；/>为作物系数，待监测区域植被属性对土壤蒸散的影响；/>为参考蒸散量，待监测区域气候及土壤属性对土壤蒸散的影响；/>为植被的叶面指数；/>为比例系数；/>为饱和水汽压曲线的斜率；/>为作物表面上的净辐射；/>为土壤热通量；/>为湿度计常数；/>为预设高度处的日平均气温；/>为预设高度处的风速；/>为饱和水汽压；/>为实际水汽压。
本实施例中，预设高度设置为2米。
（6）基于下式由所述土壤蒸散发量和土壤可用储水量预测干旱发生时间：
其中，为干旱发生所需时间；/>为土壤可用储水量；/>为土壤蒸散发量。
由此得出待监测区域在没有降雨条件下，发生干旱的预计时间。
本发明可以应用于农业领域，为提高农田灌溉效率、合理规划水资源利用、预防干旱灾害等提供了重要的技术手段。与现有技术相比，本发明不仅提高了监测的精度和准确性，更能够为决策者提供更科学的依据，实现对土壤可用水量的精确判定，再通过计算植被潜在的蒸散发情况，计算出干旱时间，实现对干旱的监测，从而为社会经济发展和生态环境保护做出重要贡献。
本发明还实现了一种农业干旱监测装置；
应当理解的是，上述装置用于执行上述实施例中的方法，装置中相应的模块，其实现原理和技术效果与上述方法中的描述类似，该装置的工作过程可参考上述方法中的对应过程，此处不再赘述。
基于上述实施例中的方法，本发明实施例提供了一种电子设备。该设备可以包括：用于存储程序的存储器和用于执行存储器存储的程序的处理器。其中，当存储器存储的程序被执行时，处理器用于执行上述实施例中所描述的方法。
基于上述实施例中的方法，本发明实施例提供了一种存储介质，存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行上述实施例中的方法。
可以理解的是，本发明的实施例中的处理器可以是中央处理单元(centralprocessing unit，CPU)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件，硬件部件或者其任意组合。通用处理器可以是微处理器，也可以是任何常规的处理器。
本发明的实施例中的方法步骤可以通过硬件的方式来实现，也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read-only memory，ROM)、可编程只读存储器(programmable rom，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在存储介质中，或者通过所述存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
可以理解的是，在本发明的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本发明的实施例的范围。
以上内容本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种农业干旱监测方法，其特征在于，所述方法包括：
根据土壤水分的分配规律由土壤表层含水量确定植被根系所在深度的土壤含水量；
由植被凋萎含水量和所述土壤含水量确定土壤可用储水量；
基于植被属性、气候属性和土壤属性构建土壤蒸散发模型，推导出土壤蒸散发量；
由所述土壤蒸散发量和土壤可用储水量预测干旱发生时间。
2.根据权利要求1所述的方法，其特征在于，根据土壤水分的分配规律由土壤表层含水量确定植被根系所在深度的土壤含水量，具体为：
其中，为植被根系所在深度的土壤含水量；/>为土壤含水量随深度变化的斜率；/>为土壤表层含水量；/>为修正系数；/>为植被根系的最深长度。
3.根据权利要求1所述的方法，其特征在于，由植被凋萎含水量和所述土壤含水量确定土壤可用储水量，具体为：
其中，为土壤可用储水量；/>为植被根系所在深度的土壤含水量；/>为植被凋萎含水量比例系数。
4.根据权利要求1所述的方法，其特征在于，基于植被属性、气候属性和土壤属性构建土壤蒸散发模型，推导出土壤蒸散发量；具体为：
其中，为土壤蒸散发量；/>为作物系数；/>为参考蒸散量。
5.根据权利要求4所述的方法，其特征在于，作物系数和参考蒸散量/>分别为：
其中，为植被的叶面指数；/>为比例系数；/>为饱和水汽压曲线的斜率；/>为作物表面上的净辐射；/>为土壤热通量；/>为湿度计常数；/>为预设高度处的日平均气温；/>为预设高度处的风速；/>为饱和水汽压；/>为实际水汽压。
6.根据权利要求1所述的方法，其特征在于，由所述土壤蒸散发量和土壤可用储水量预测干旱发生时间，具体为：
其中，为干旱发生所需时间；/>为土壤可用储水量；/>为土壤蒸散发量。
7.根据权利要求1所述的方法，其特征在于，基于卫星数据获取所述土壤表层含水量：
其中，为地表水量，从重力卫星实验数据中获取；/>为转换系数；/>为土壤表层含水量。
8.一种农业干旱监测装置，其特征在于，所述装置包括以下部分：
定深土壤含水量获取模块，用于根据土壤水分的分配规律由土壤表层含水量确定植被根系所在深度的土壤含水量；
土壤可用储水量获取模块，用于由植被凋萎含水量和所述土壤含水量确定土壤可用储水量；
土壤蒸散发量获取模块，用于基于植被属性、气候属性和土壤属性构建土壤蒸散发模型，推导出土壤蒸散发量；
干旱监测模块，用于由所述土壤蒸散发量和土壤可用储水量预测干旱发生时间。
9.一种电子设备，其特征在于，包括：
存储器，用于存储程序；
处理器，用于执行所述存储器存储的程序，当所述存储器存储的程序被执行时，所述处理器用于执行权利要求1-7中任一所述的方法，或执行权利要求8中所述方法。
10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，当所述计算机程序在处理器上运行时，使得所述处理器执行权利要求1-7中任一所述的方法，或执行权利要求8中所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311728813.8A CN117435849B (zh) | 2023-12-15 | 2023-12-15 | 一种农业干旱监测方法、***、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311728813.8A CN117435849B (zh) | 2023-12-15 | 2023-12-15 | 一种农业干旱监测方法、***、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117435849A true CN117435849A (zh) | 2024-01-23 |
| CN117435849B CN117435849B (zh) | 2024-03-29 |
Family
ID=89546414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311728813.8A Active CN117435849B (zh) | 2023-12-15 | 2023-12-15 | 一种农业干旱监测方法、***、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117435849B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
| CN106570627A (zh) * | 2016-11-02 | 2017-04-19 | 河海大学 | 一种未来气候条件下作物灌溉需水量计算方法 |
| CN110456684A (zh) * | 2019-07-12 | 2019-11-15 | 北京大学 | 农田干旱过程监测方法及装置 |
| CN112362693A (zh) * | 2020-10-13 | 2021-02-12 | 华中科技大学 | 一种基于土壤热通量推求蒸散发量的测算方法和*** |
| WO2021068540A1 (zh) * | 2019-10-12 | 2021-04-15 | 中国水利水电科学研究院 | 农业灌溉需水量预测方法 |
| CN112990615A (zh) * | 2021-05-24 | 2021-06-18 | 长江水利委员会长江科学院 | 干旱预警方法、装置、计算机设备和存储介质 |
| CN113095621A (zh) * | 2021-03-09 | 2021-07-09 | 武汉大学 | 一种基于土壤水分对气象时滞的农业干旱监测方法 |
| CN113406305A (zh) * | 2021-06-29 | 2021-09-17 | 吉林大学 | 一种农业干旱监测指数确定方法及*** |
| US20210341454A1 (en) * | 2020-04-30 | 2021-11-04 | Institute Of Geochemistry, Chinese Academy Of Sciences | Method and System for Estimating Surface Runoff Based on Pixel Scale |
| CN113919146A (zh) * | 2021-09-28 | 2022-01-11 | 河北地质大学 | 一种基于土壤速效水的农业干旱指数构建方法 |
| US20230162296A1 (en) * | 2021-11-23 | 2023-05-25 | Changjiang River Scientific Research Institute Of Changjiang Water Resources Commission | Method for evaluating agricultural drought based on improved crop moisture index (cmi) |
| CN116910684A (zh) * | 2023-06-07 | 2023-10-20 | 中国科学院空天信息创新研究院 | 一种区域干旱遥感综合指数构建和监测方法 |
-
2023
- 2023-12-15 CN CN202311728813.8A patent/CN117435849B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
| CN106570627A (zh) * | 2016-11-02 | 2017-04-19 | 河海大学 | 一种未来气候条件下作物灌溉需水量计算方法 |
| CN110456684A (zh) * | 2019-07-12 | 2019-11-15 | 北京大学 | 农田干旱过程监测方法及装置 |
| WO2021068540A1 (zh) * | 2019-10-12 | 2021-04-15 | 中国水利水电科学研究院 | 农业灌溉需水量预测方法 |
| US20210341454A1 (en) * | 2020-04-30 | 2021-11-04 | Institute Of Geochemistry, Chinese Academy Of Sciences | Method and System for Estimating Surface Runoff Based on Pixel Scale |
| CN112362693A (zh) * | 2020-10-13 | 2021-02-12 | 华中科技大学 | 一种基于土壤热通量推求蒸散发量的测算方法和*** |
| CN113095621A (zh) * | 2021-03-09 | 2021-07-09 | 武汉大学 | 一种基于土壤水分对气象时滞的农业干旱监测方法 |
| CN112990615A (zh) * | 2021-05-24 | 2021-06-18 | 长江水利委员会长江科学院 | 干旱预警方法、装置、计算机设备和存储介质 |
| CN113406305A (zh) * | 2021-06-29 | 2021-09-17 | 吉林大学 | 一种农业干旱监测指数确定方法及*** |
| CN113919146A (zh) * | 2021-09-28 | 2022-01-11 | 河北地质大学 | 一种基于土壤速效水的农业干旱指数构建方法 |
| US20230162296A1 (en) * | 2021-11-23 | 2023-05-25 | Changjiang River Scientific Research Institute Of Changjiang Water Resources Commission | Method for evaluating agricultural drought based on improved crop moisture index (cmi) |
| CN116910684A (zh) * | 2023-06-07 | 2023-10-20 | 中国科学院空天信息创新研究院 | 一种区域干旱遥感综合指数构建和监测方法 |
Non-Patent Citations (6)
| Title |
|---|
| GUOQING CAI等: "Using multiple indexes to analyze temporal and spatial patterns of precipitation and drought in Xinjiang, China", THEORETICAL AND APPLIED CLIMATOLOGY, 2 July 2020 (2020-07-02), pages 177 - 190, XP037265637, DOI: 10.1007/s00704-020-03302-4 * |
| HUAIWEI SUN等: "Different types of meteorological drought and their impact on agriculture in Central China", JOURNAL OF HYDROLOGY, 11 November 2023 (2023-11-11), pages 1 - 10 * |
| HUAIWEI SUN等: "Revisiting the role of transpiration in the variation of ecosystem water use efficiency in China", AGRICULTURAL AND FOREST METEOROLOGY, 11 February 2023 (2023-02-11), pages 1 - 16 * |
| 吴泽棉等: "基于土壤水分的农业干旱监测研究进展", 地理科学进展, 31 October 2020 (2020-10-31), pages 1758 - 1769 * |
| 孙勋来等: "标准化降水实际蒸散指标的构建及其适用性分析", 农业工程学报, 31 December 2022 (2022-12-31), pages 142 - 151 * |
| 陈家宁等: "综合气象干旱指数改进及其适用性分析", 农业工程学报, 31 August 2020 (2020-08-31), pages 71 - 77 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117435849B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kroon et al. | Uncertainties in eddy covariance flux measurements assessed from CH4 and N2O observations | |
| Ding et al. | Evaluating eddy covariance method by large-scale weighing lysimeter in a maize field of northwest China | |
| Baldocchi et al. | How will land use affect air temperature in the surface boundary layer? Lessons learned from a comparative study on the energy balance of an oak savanna and annual grassland in California, USA | |
| Marek et al. | Post-processing techniques for reducing errors in weighing lysimeter evapotranspiration (ET) datasets | |
| Anapalli et al. | Modeling evapotranspiration for irrigation water management in a humid climate | |
| CN108958329B (zh) | 一种滴灌水肥一体化智能决策方法 | |
| Parlange et al. | Physical basis for a time series model of soil water content | |
| Zhang et al. | Estimation of winter wheat evapotranspiration under water stress with two semiempirical approaches | |
| JP2005085059A (ja) | 農作業決定支援用予測システム | |
| CN113039908A (zh) | 一种施肥和灌溉动态决策方法及*** | |
| Hou et al. | Assessing crop coefficients for Zea mays in the semi-arid Hailiutu River catchment, northwest China | |
| CN113919146A (zh) | 一种基于土壤速效水的农业干旱指数构建方法 | |
| Li et al. | A comparison of three methods for determining vineyard evapotranspiration in the arid desert regions of northwest China | |
| Singh et al. | Inter-relationships between water depletion and temperature differential in row crop canopies in a sub-humid climate | |
| Lyra et al. | Soil water stress co‐efficient for estimating actual evapotranspiration of maize in northeastern Brazil | |
| CN117435849B (zh) | 一种农业干旱监测方法、***、设备及存储介质 | |
| Omrani et al. | Determine Sugarcane harvester field efficiency using global positioning system (GPS) data | |
| Zhang et al. | Modeling evapotranspiration and crop growth of irrigated and non-irrigated corn in the Texas High Plains using RZWQM | |
| Timm et al. | Water balance of a sugarcane crop: quantitative and qualitative aspects of its measurement | |
| Jin et al. | Evapotranspiration of xerophytic shrub Salsola passerina and Reaumuria soongorica in an arid desert ecosystem of NW China | |
| CN110956322B (zh) | 气候变暖趋势下的夏玉米花期高温灾害风险预测方法 | |
| Shang et al. | A two-parameter exponential recession model for simulating cropland soil moisture dynamics | |
| Yan et al. | Calibration and assessment of evapotranspiration methods for cucumber plants in a Venlo‐type greenhouse | |
| Subedi et al. | Preliminary performance evaluation of the Penman-Monteith evapotranspiration equation in southeastern Colorado | |
| Jiang et al. | Estimation of soil water content and evapotranspiration from irrigated cropland on the North China Plain |
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 |