CN117709590A - 基于产量和种植面积的农作物生长过程水足迹的计算方法 - Google Patents
基于产量和种植面积的农作物生长过程水足迹的计算方法 Download PDFInfo
- Publication number
- CN117709590A CN117709590A CN202311723922.0A CN202311723922A CN117709590A CN 117709590 A CN117709590 A CN 117709590A CN 202311723922 A CN202311723922 A CN 202311723922A CN 117709590 A CN117709590 A CN 117709590A
- Authority
- CN
- China
- Prior art keywords
- water
- crop
- footprint
- blue
- yield
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 247
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000004364 calculation method Methods 0.000 title claims abstract description 22
- 230000008020 evaporation Effects 0.000 claims abstract description 35
- 238000001704 evaporation Methods 0.000 claims abstract description 35
- 238000001556 precipitation Methods 0.000 claims abstract description 19
- 239000010797 grey water Substances 0.000 claims description 30
- 239000003337 fertilizer Substances 0.000 claims description 12
- 238000002386 leaching Methods 0.000 claims description 3
- 238000012272 crop production Methods 0.000 abstract description 4
- 244000025254 Cannabis sativa Species 0.000 description 10
- 240000003183 Manihot esculenta Species 0.000 description 8
- 235000016735 Manihot esculenta subsp esculenta Nutrition 0.000 description 8
- 235000008697 Cannabis sativa Nutrition 0.000 description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 4
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 4
- 235000009120 camo Nutrition 0.000 description 4
- 235000005607 chanvre indien Nutrition 0.000 description 4
- 239000011487 hemp Substances 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 3
- 244000068988 Glycine max Species 0.000 description 3
- 235000010469 Glycine max Nutrition 0.000 description 3
- 235000007201 Saccharum officinarum Nutrition 0.000 description 3
- 240000000111 Saccharum officinarum Species 0.000 description 3
- 240000008042 Zea mays Species 0.000 description 3
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 3
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 3
- 235000005822 corn Nutrition 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000218236 Cannabis Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002551 biofuel Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Analytical Chemistry (AREA)
- Crystallography & Structural Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Agronomy & Crop Science (AREA)
Abstract
本发明公开了基于产量和种植面积的农作物生长过程水足迹的计算方法,包括:获取目标地区的气象数据;根据所述气象数据,获取农作物蒸散发量和有效降水;根据所述农作物蒸散发量和所述有效降水,获取农作物耗水量,其中所述农作物耗水量包括作物绿水耗水量和作物蓝水耗水量;根据农作物产量和所述农作物耗水量,获取农作物生长过程中的水足迹系数;基于所述水足迹系数、农作物的产量和种植面积,构建农作物生长过程水足迹计算模型,获取农作物生长过程水足迹。本发明能够简化作物生产过程水足迹的计算。
Description
技术领域
本发明属于作物生产过程水资源的使用及消耗测算技术领域,尤其涉及基于产量和种植面积的农作物生长过程水足迹的计算方法。
背景技术
水对于生物质能源生产至关重要,评估生物质能源对水源的总体影响可为生物质能源的发展和水源的保护提供指导。当前计算农作物生长过程水足迹的方法主要为CROPWAT方法,但是该方法计算过程较为复杂,对条件的要求较为苛刻。若要得到某一农作物的生长过程的水足迹,需要作物生长地区的气候参数,如温度、湿度、风速、日照时间和降雨量等。此外,还需要此种作物在该地区的生长参数,如生长周期与生长的月份。另外,还需要此种作物在该地区的种植参数,如年种植面积和年产量等。需要太多参数计算水足迹,计算过程和收集、获取数据难度大,计算时间长,工作量的投入大。因此,本发明提出基于产量和种植面积的农作物生长过程水足迹的计算方法,能够解决水足迹计算过程复杂的问题。
发明内容
为解决上述技术问题,本发明提出了基于产量和种植面积的农作物生长过程水足迹的计算方法,目的在于简化作物生产过程水足迹的计算,通过计算农作物的水足迹,有益于评价作物种植对水质的影响。
为实现上述目的,本发明提供了基于产量和种植面积的农作物生长过程水足迹的计算方法,包括:
获取目标地区的气象数据;
根据所述气象数据,获取农作物蒸散发量和有效降水;
根据所述农作物蒸散发量和所述有效降水,获取农作物耗水量,其中所述农作物耗水量包括作物绿水耗水量和作物蓝水耗水量;
根据农作物产量和所述农作物耗水量,获取农作物生长过程中的水足迹系数;
基于所述水足迹系数、农作物的产量和种植面积,构建农作物生长过程水足迹计算模型,获取农作物生长过程水足迹。
可选的,根据所述气象数据,获取农作物蒸散发量和有效降水包括:
根据所述目标地区的气温数据、湿度数据、风速数据和日照时间数据,获取所述农作物蒸散发量;
根据所述目标地区的降雨量数据,获取所述有效降水。
可选的,获取农作物耗水数据包括:
通过所述农作物蒸散发量和所述有效降水,获取绿水蒸散发量和蓝水蒸散发量;
根据所述绿水蒸散发量和所述蓝水蒸散发量,获取所述作物绿水耗水量和所述作物蓝水耗水量。
可选的,获取绿水蒸散发量和蓝水蒸散发量的方法为:
ETgreen=min(ETc,Peff)
ETblue=max(0,ETc-Peff)
其中,ETgreen为绿水蒸发量,ETblue为蓝水蒸发量,ETc为作物蒸散发量,Peff为有效降水。
可选的,获取所述作物绿水耗水量和所述作物蓝水耗水量方法为:
其中,CWUgreen为作物绿水耗水量,CWUblue为作物蓝水耗水量,ETgreen为绿水蒸发量,ETblue为蓝水蒸发量。
可选的,根据农作物产量和所述农作物耗水量,获取农作物生长过程中的水足迹系数包括:
根据所述农作物产量和所述农作物耗水量,获取绿水足迹、蓝水足迹、灰水足迹和总水足迹;
基于预设时间内的平均所述绿水足迹、所述蓝水足迹、所述灰水足迹、所述总水足迹和预设时间内平均农作物产量,获取所述水足迹系数。
可选的,获取绿水足迹、蓝水足迹、灰水足迹和总水足迹包括:
根据所述作物绿水耗水量与所述农作物产量之比,获取绿水足迹;
根据所述作物蓝水耗水量与所述农作物产量之比,获取蓝水足迹;
获取农作物的化肥施用量,根据所述化肥施用量和所述农作物产量,获取灰水足迹;
根据所述绿水足迹、所述蓝水足迹和所述灰水足迹之和,获取农作物总水足迹。
可选的,获取灰水足迹的方法为:
WFgrey=(α*AR)/(cmax-cnat)/Y
其中,WFgrey为灰水足迹,α为淋溶率,AR为每公顷土地的化肥施用量,cmax为水质标准浓度,cnat为受纳水体的自然本底浓度,Y为农作物产量。
可选的,基于所述水足迹系数、农作物的产量和种植面积,构建农作物生长过程水足迹计算模型包括:
其中,WFi为农作物的水足迹,λi为水足迹系数,y为作物在目标地区的年产量,S为作物在目标地区的种植面积,i分别为蓝水、绿水、灰水和总水。
本发明技术效果:本发明提出基于产量和种植面积的农作物生长过程水足迹的计算方法,极大简化了作物生产过程水足迹的计算,只需要知道作物的产量和种植面积,带入公式即可得到生长过程蓝水、绿水和灰水足迹。通过计算农作物的水足迹,有益于评价作物种植对水质的影响,进而指导用水安全,为农作物的种植、生物燃料的发展和水质的保护提供决策和指导。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例基于产量和种植面积的农作物生长过程水足迹的计算方法的流程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,本实施例中提供基于产量和种植面积的农作物生长过程水足迹的计算方法,包括:
获取目标地区的气象数据;
实施例中,通过巴马政府和巴马气象局得到巴马地区近几年的日照时间、每月的降雨量,风速、湿度和降雨量数据等气象数据。
根据气象数据,获取农作物蒸散发量和有效降水;
具体的,利用CROPWAT模型,对近五年的气象数据进行计算。通过种植地区的气温、湿度、日照数和风速等数据来估算蒸散量,利用CROPWAT8.0,通过对种植地区的气温,湿度、风速和日照时间等数据的处理得到ETc,通过对种植地区的降雨量数据的处理得到Peff。其中,ETc为作物蒸散发(mm/d),有效降水Peff是总降水的一部分,它留存在土壤中,为作物提供潜在的可利用水分。灌溉需求蓝水量由作物需水和有效降水之间的差值算出。若有效降水大于作物需水量,灌溉需求为0。
根据农作物蒸散发量和有效降水,获取农作物耗水量,其中农作物耗水量包括作物绿水耗水量和作物蓝水耗水量。
具体的,通过ETc与Peff,利用公式(1)与(2)计算ETgreen与ETblue。其中,ETgreen(mm/d)为绿水蒸散发量,ETblue为蓝水蒸散发量。总和是从种植日期到收获日期的积累量(lgp表示生长期的长度,以日计量)。
ETgreen=min(ETc,Peff) (1)
ETblue=max(0,ETc-Peff) (2)
作物耗水CWU(m3/hm2)的作物绿水耗水量和作物蓝水耗水量等于整个生长期每日蒸散发ETc(mm/d)的积累,如公式(3)和(4):
其中,10为常量因子,是将水的深度(mm)转化为单位陆地面积的水量(m3/hm2)的转换系数。
根据农作物产量和农作物耗水量,获取农作物生长过程中的水足迹系数;
具体的,获取巴马县火麻、玉米、黄豆、甘蔗和木薯五种作物的化肥施用量。
计算蓝水,绿水和灰水足迹,并求和得到作物总水足迹WFproc(m3/t)。
作物的总水足迹WFproc(m3/t)是其绿水、蓝水和灰水足迹之和:
WFproc=WFgreen+WFblue+WFgrey (5)
绿水足迹:
WFgreen=CWUgreen/Y (6)
蓝水足迹:
WFblue=CWUblue/Y (7)
灰水足迹:
WFgrey=(α*AR)/(cmax-cnat)/Y (8)
其中,CWU为作物耗水中的水量(m3/hm2),Y为作物产量(t/hm2),AR为每公顷土地的化肥施用量(kg/hm2),α为淋溶率(即进入水体的污染量占总化学物质施用量的比例)取10%,cmax(kg/m3)水质标准浓度,cnat为受纳水体的自然本底浓度,0mg/L。水质的真实值不为0,因而所得的灰水足迹偏低。污染物通常包括化肥(氮、磷等)、除草剂、杀虫剂。计算时仅考虑进入淡水体的“废水流”,通常指土地中施用化肥或杀虫剂进入水体的比例。只计算产生最大灰水足迹的污染物。使用时可接受的最大污染物氮元素浓度(2mg/L)作为环境水质标准。
公式(6)、(7)、(8)均与Y有关,Y为作物产量(t/hm2),作物产量计算公式如下:
通过近五年巴马农作物的平均绿水、蓝水、灰水、总水足迹分别除以近五年平均作物产量,得到巴马县农作物(如火麻、玉米、黄豆、甘蔗和木薯等)生长过程的绿水足迹系数λgreen、蓝水系数λblue、灰水系数λgrey和总水足迹系数λproc。五种作物生长过程水足迹系数λ如表1所示。
表1
作物名称 | 绿水系数λgreen | 蓝水系数λblue | 灰水系数λgrey | 总水足迹系数λproc |
火麻 | 7340.4 | 1854.0 | 26500.0 | 35694.4 |
玉米 | 4017.4 | 680.6 | 21750.0 | 26448.1 |
黄豆 | 5011.8 | 1287.6 | 12750.0 | 19049.4 |
甘蔗 | 6793.8 | 1644.6 | 42000.0 | 50438.4 |
木薯 | 7835.4 | 2890.8 | 7500.0 | 18226.2 |
基于水足迹系数、农作物的产量和种植面积,构建农作物生长过程水足迹计算模型,获取农作物生长过程水足迹。
五种作物生长过程的水足迹计算公式如下:
其中λ为作物生长过程水足迹系数,通过查询作物生长过程水足迹系数获得;y为作物在巴马的年产量,单位为吨(t);S为作物在巴马的种植面积,单位为(亩);WFi表示作物的水足迹,单位为(m3/t),i指蓝水、绿水、灰水和总水。
通过带入作物生长过程蓝水、绿水、灰水和总水足迹系数,得到作物生长过程水足迹。
公式验证过程
(1)已知巴马在2019年火麻的种植面积为3万亩,火麻的产量为600吨,查询蓝水、绿水、灰水和总水足迹作物生长过程水足迹系数,带入公式,得到火麻在2019年的蓝水、绿水、灰水和总水足迹作物生长过程水足迹分别为24468m3/t、6180m3/t、88333m3/t和118981m3/t.
检验:巴马火麻通常在2月播种,10月收获,约240天。火麻的化肥施用量N:178kg/hm2;P2O5:178kg/hm2;K:178kg/hm2,并计算出AR为534kg/hm2。根据CROPWAT模型得到巴马火麻2019年的绿水、蓝水、灰水和总水足迹作物生长过程水足迹分别为24370m3/t、5150m3/t、75714m3/t和105234m3/t。四个数据的偏差为0.4%、20.0%、16.7%和13.1%,因为不同年份月降雨量稍有不同,对ETblue影响较大,继而影响了每年的CWUblue,最终导致蓝水足迹波动较大,其余均小于17%。2019年火麻生长过程水足迹两种计算对比结果如表2:
表2
WFgreen | WFblue | WFgrey | WFproc | |
λ公式 | 24468 | 6180 | 88333 | 118981 |
CROPWAT计算 | 24370 | 5150 | 75714 | 105234 |
偏差 | 0.4% | 20.0% | 16.7% | 13.1% |
(2)已知巴马在2020年木薯的种植面积为7.22万亩,木薯的产量为29722.5吨,查询蓝水、绿水、灰水和总水足迹作物生长过程水足迹系数,带入公式,得到木薯在2020年的蓝水、绿水、灰水和总水足迹作物生长过程水足迹分别为1269m3/t、468m3/t、1215m3/t和2952m3/t。
检验:巴马木薯通常在3月播种,12月收获,约300天。木薯的化肥施用量为N:90kg/hm2;P2O5:30kg/hm2,K:30kg/hm2。根据CROPWAT模型计算得到巴马木薯2020年的绿水、蓝水、灰水和总水足迹作物生长过程水足迹分别为1333m3/t、338m3/t、1214m3/t和3016m3/t.四个数据的偏差为4.9%、39%、0和2.1%。因为不同年份月降雨量稍有不同,对ETblue影响较大,继而影响了每年的CWUblue,最终导致蓝水足迹波动较大,其余均小于5%,2020年木薯生长过程水足迹计算结果对比如表3所示。
表3
WFgreen | WFblue | WFgrey | WFproc | |
λ公式 | 1269 | 468 | 1215 | 2952 |
CROPWAT计算 | 1333 | 338 | 1214 | 3016 |
偏差 | 4.9% | 39% | 0 | 2.1% |
由于受到不同年份的相同月份降水量稍有不同的影响,进而造成蓝水耗水量稍有不同,最终导致总蓝水足迹偏差有时达到40%。但利用λ公式计算的总水足迹偏差较小,且蓝水足迹占作物总水足迹的比例较小,蓝水足迹可以作为参考。经检验,此方法适用于计算蓝水、绿水、灰水和总水足迹作物生长过程水足迹。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.基于产量和种植面积的农作物生长过程水足迹的计算方法,其特征在于,包括:
获取目标地区的气象数据;
根据所述气象数据,获取农作物蒸散发量和有效降水;
根据所述农作物蒸散发量和所述有效降水,获取农作物耗水量,其中所述农作物耗水量包括作物绿水耗水量和作物蓝水耗水量;
根据农作物产量和所述农作物耗水量,获取农作物生长过程中的水足迹系数;
基于所述水足迹系数、农作物的产量和种植面积,构建农作物生长过程水足迹计算模型,获取农作物生长过程水足迹。
2.如权利要求1所述的基于产量和种植面积的农作物生长过程水足迹的计算方法,其特征在于,根据所述气象数据,获取农作物蒸散发量和有效降水包括:
根据所述目标地区的气温数据、湿度数据、风速数据和日照时间数据,获取所述农作物蒸散发量;
根据所述目标地区的降雨量数据,获取所述有效降水。
3.如权利要求1所述的基于产量和种植面积的农作物生长过程水足迹的计算方法,其特征在于,获取农作物耗水数据包括:
通过所述农作物蒸散发量和所述有效降水,获取绿水蒸散发量和蓝水蒸散发量;
根据所述绿水蒸散发量和所述蓝水蒸散发量,获取所述作物绿水耗水量和所述作物蓝水耗水量。
4.如权利要求3所述的基于产量和种植面积的农作物生长过程水足迹的计算方法,其特征在于,获取绿水蒸散发量和蓝水蒸散发量的方法为:
ETgreen=min(ETc,Peff)
ETblue=max(0,ETc-Peff)
其中,ETgreen为绿水蒸发量,ETblue为蓝水蒸发量,ETc为作物蒸散发量,Peff为有效降水。
5.如权利要求3所述的基于产量和种植面积的农作物生长过程水足迹的计算方法,其特征在于,获取所述作物绿水耗水量和所述作物蓝水耗水量方法为:
其中,CWUgreen为作物绿水耗水量,CWUblue为作物蓝水耗水量,ETgreen为绿水蒸发量,ETblue为蓝水蒸发量。
6.如权利要求1所述的基于产量和种植面积的农作物生长过程水足迹的计算方法,其特征在于,根据农作物产量和所述农作物耗水量,获取农作物生长过程中的水足迹系数包括:
根据所述农作物产量和所述农作物耗水量,获取绿水足迹、蓝水足迹、灰水足迹和总水足迹;
基于预设时间内的平均所述绿水足迹、所述蓝水足迹、所述灰水足迹、所述总水足迹和预设时间内平均农作物产量,获取所述水足迹系数。
7.如权利要求6所述的基于产量和种植面积的农作物生长过程水足迹的计算方法,其特征在于,获取绿水足迹、蓝水足迹、灰水足迹和总水足迹包括:
根据所述作物绿水耗水量与所述农作物产量之比,获取绿水足迹;
根据所述作物蓝水耗水量与所述农作物产量之比,获取蓝水足迹;
获取农作物的化肥施用量,根据所述化肥施用量和所述农作物产量,获取灰水足迹;
根据所述绿水足迹、所述蓝水足迹和所述灰水足迹之和,获取农作物总水足迹。
8.如权利要求7所述的基于产量和种植面积的农作物生长过程水足迹的计算方法,其特征在于,获取灰水足迹的方法为:
WFgrey=(α*AR)/(cmax-cnat)/Y
其中,WFgrey为灰水足迹,α为淋溶率,AR为每公顷土地的化肥施用量,cmax为水质标准浓度,cnat为受纳水体的自然本底浓度,Y为农作物产量。
9.如权利要求1所述的基于产量和种植面积的农作物生长过程水足迹的计算方法,其特征在于,基于所述水足迹系数、农作物的产量和种植面积,构建农作物生长过程水足迹计算模型包括:
其中,WFi为农作物的水足迹,λi为水足迹系数,y为作物在目标地区的年产量,S为作物在目标地区的种植面积,i分别为蓝水、绿水、灰水和总水。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311723922.0A CN117709590A (zh) | 2023-12-13 | 2023-12-13 | 基于产量和种植面积的农作物生长过程水足迹的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311723922.0A CN117709590A (zh) | 2023-12-13 | 2023-12-13 | 基于产量和种植面积的农作物生长过程水足迹的计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117709590A true CN117709590A (zh) | 2024-03-15 |
Family
ID=90154881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311723922.0A Pending CN117709590A (zh) | 2023-12-13 | 2023-12-13 | 基于产量和种植面积的农作物生长过程水足迹的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709590A (zh) |
-
2023
- 2023-12-13 CN CN202311723922.0A patent/CN117709590A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ayinde et al. | Evaluation of the effects of climate change on rice production in Niger State, Nigeria | |
Huang et al. | Agro-C: a biogeophysical model for simulating the carbon budget of agroecosystems | |
Cassman et al. | Meeting cereal demand while protecting natural resources and improving environmental quality | |
Zhang et al. | Estimating the volatilization of ammonia from synthetic nitrogenous fertilizers used in China | |
CN110443504B (zh) | 一种植被净初级生产力的遥感估算方法 | |
Yin et al. | Estimation of NPK requirements for rice production in diverse Chinese environments under optimal fertilization rates | |
CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及*** | |
CN116562139A (zh) | 一种糖料蔗种植区域碳汇量计算方法 | |
CN113269450B (zh) | 一种县级尺度农作物资源利用与环境效应评估方法与*** | |
Sarangi et al. | Crop and residue management improves productivity and profitability of rice–maize system in salt-affected rainfed lowlands of East India | |
CN114418235A (zh) | 一种农作物生长状况确定方法及*** | |
Chen et al. | Analysis of factors controlling soil N 2 O emission by principal component and path analysis method | |
Mantovani et al. | Transpiration and biomass production of the bioenergy crop Giant Knotweed Igniscum under various supplies of water and nutrients | |
Shi et al. | Modeling ammonia volatilization following urea and controlled-release urea application to paddy fields | |
Keller et al. | Limits to the productivity of water in crop production | |
EP2130426A2 (de) | Verfahren und Anordnung zur Kohlendioxid-Versorgung von in einem Gewächshaus angebauten Pflanzen | |
CN117709590A (zh) | 基于产量和种植面积的农作物生长过程水足迹的计算方法 | |
Kristanti et al. | Analysis of productivity of soybean [Glycine max (L.) Merr.] for production for farmers in Indonesia | |
ROMDHONAH et al. | Averaging techniques in processing the high time-resolution photosynthesis data of cherry tomato plants for model development | |
Michalczyk et al. | Simulating in situ ammonia volatilization losses in the North China Plain using a dynamic soil‐crop model | |
CN110750896B (zh) | 不同气候区下城市绿地降温效应定量评估方法与*** | |
Darikandeh et al. | Evaluating rice yield and adaptation strategies under climate change based on the CSM-CERES-Rice model: a case study for northern Iran | |
Cha-un et al. | Short-term and long-term soil carbon sequestration in rice field with energy crop rotation | |
Liu et al. | CH4 emissions from a double-cropping rice field in subtropical China over seven years | |
Zhou et al. | Toward a general evaluation model for soil respiration (GEMSR) |
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 |