论文摘要
新疆有着“干旱绿洲,灌溉农业的特点”,农业用水量大。新疆的节水灌溉面积也在逐步增大自动化滴灌的应用也在逐步推广,且自动化滴灌有着提高水分利用效率,提高作物品质,增加农民收入的优点。为了发挥自动化滴灌的优点,其中重要一项任务就是掌握土壤墒情变化规律以及对士壤墒情进行预报。为此本文对自动化滴灌棉田的土壤墒情变化规律以及土壤墒情预报进行了研究。以2009年和2010年新疆石河子国家农业科技园区的自动化滴灌棉田的土壤墒情资料为基础,对自动化滴灌棉田的土壤墒情变化规律进行了分析,并对棉田土壤墒情的消退规律进行总结,建立了土壤消退系数与棉花生育时间系数之间的拟合关系,并通过该拟合关系建立了基于消退系数法的土壤墒情预报模型,并通过田间实测资料对模型进行了检验,得到以下结论:(1)在垂直方向上,土壤墒情在棉花生育期内随时间呈锯齿状变化;从土壤墒情随时间变化的剧烈程度来看,土壤分为三层,急变层(0-20cm)、活跃层(20cm-60cm)和相对稳定层(60cm-100cm);墒情变化程度随深度的增加呈递减的关系,即表层土壤变化最大,80-100cm土层变化最小;土壤墒情在苗期的变化相对平稳,在棉花蕾期的变化加剧,在棉花花铃期内的变化最大,在棉花吐絮期内的墒情变化逐步减小。(2)在水平方向上,从离滴灌带的不同距离米说,不同位置的土壤墒情大小在不同深度是不同的。从大到小顺序是:0-20cm为膜中>棉花行>膜间沟;20-40cm为棉花行>膜间沟>膜中;40-60cm为膜间沟>棉花行>膜中;60-80cm土层为膜中>膜间沟>棉花行;80-100cm为膜中>棉花行>膜间沟。(3)2009年与2010年的平均墒情随时间的变化具有一致性,都是在苗期缓慢消退变化,棉花蕾期和花铃期的土壤墒情变化剧烈,在棉花吐絮期内墒情的变化是逐渐减小的;同时两年的墒情变化也有着差异性,如2010年的土壤墒情变化在时间轴上是2009年的后移一星期以后的结果,而且在6月25日以前是2009年的墒情大于2010年的,之后由于2010年的灌水量比较大,所以土壤墒情比2009年的高,变化幅度也更大。(4)通过公式K=(1nW1-1nW2)/(t2-t1)建立了2009年1#田块土壤墒情的消退系数,并对消退系数进行了深度方向的变化分析,得出土壤墒情消退系数随土层深度的增加而减小的反比例关系,同时在0-20cm土层的消退系数变化幅度是最大的,其变化区间为0.1-0.27,最小的是80-100cm土层总体的消退系数都在0.1以下。(5)对土壤墒情消退系数与棉花生育时间系数进行了关系拟合,(0-100cm)土层的拟合关系式为:LnK=-14.867x2+16.216x-7.9426,其R2为0.8184,具有较好的拟合关系。(6)用消退系数结合土壤水分平衡方程对2009年和2010年2#田块的0-100cm内的土壤墒情进行预报,结果显示其相对误差范围分别为0.09%-12.81%和0.18%-11.14%,满足预报精度。
论文目录
相关论文文献
- [1].江苏省墒情自动监测系统的设计与应用[J]. 中国防汛抗旱 2020(03)
- [2].土壤墒情预报模型构建及应用[J]. 黑龙江水利科技 2020(01)
- [3].创新培训方式 提升服务能力——2020年全国土壤墒情监测线上培训顺利举办[J]. 中国农技推广 2020(03)
- [4].基于无线传感器的棉田土壤墒情监控系统设计[J]. 农机化研究 2020(11)
- [5].武威市灌溉农业区土壤墒情评价指标体系研究初报[J]. 农业科技与信息 2020(04)
- [6].全国农技中心举办首次土壤墒情监测线上培训班[J]. 四川农业科技 2020(04)
- [7].监测采样间隔对土壤墒情预测模型性能的影响[J]. 甘肃农业大学学报 2020(01)
- [8].基于不同干旱分区的土壤墒情自动监测站精度改进探究[J]. 水利技术监督 2020(03)
- [9].一种过滤器型土壤墒情传感器的制作及标定方法[J]. 传感器世界 2020(01)
- [10].辽宁地区土壤墒情自动监测站精度改进探讨[J]. 地下水 2020(03)
- [11].本溪地区土壤墒情预报模型方法[J]. 东北水利水电 2020(06)
- [12].丰满流域墒情自动监测系统的设计与应用[J]. 安徽农业科学 2020(15)
- [13].基于单片机的土壤墒情监测系统设计与应用[J]. 无线互联科技 2020(10)
- [14].基于云原生技术的土壤墒情监测系统设计与应用[J]. 农业工程学报 2020(13)
- [15].基于农业墒情站的多路功耗采集系统[J]. 计算机技术与发展 2020(07)
- [16].基于物联网的区域农田土壤墒情监测系统探讨[J]. 南方农业 2020(20)
- [17].济南市土壤墒情变化规律分析[J]. 山东水利 2020(10)
- [18].基于实时监测数据的温室墒情预测研究[J]. 节水灌溉 2020(10)
- [19].基于分段灰度预测模型的土壤墒情预测方法[J]. 大众科技 2020(09)
- [20].内蒙古自治区墒情监测站建设浅析[J]. 内蒙古水利 2018(12)
- [21].加强土壤墒情监测 推进农业绿色发展[J]. 江苏农村经济 2019(09)
- [22].陕西省土壤墒情监测工作现状分析及建议[J]. 陕西水利 2018(01)
- [23].土壤墒情预报研究[J]. 山西农经 2018(03)
- [24].重庆市墒情分析评价预测系统的设计与实现[J]. 水利信息化 2018(02)
- [25].青海省农田土壤墒情监测体系现状及发展对策[J]. 青海农技推广 2016(04)
- [26].基于气象因子的启东市土壤墒情预报研究[J]. 安徽农业科学 2016(34)
- [27].基于土壤墒情的云南干旱分析[J]. 安徽农业科学 2016(33)
- [28].基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用[J]. 水土保持通报 2016(06)
- [29].有效水下限在呼和浩特土壤墒情评估中的应用[J]. 内蒙古科技与经济 2016(24)
- [30].浅析土壤墒情监测预报技术[J]. 农民致富之友 2016(24)