导读:本文包含了作物生长模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:作物,模型,遥感,生长,叶面积,生物量,冬小麦。
作物生长模型论文文献综述
孙扬越,申双和[1]（2019）在《作物生长模型的应用研究进展》一文中研究指出作物生长模型不仅能够进行单点尺度上作物生长发育的动态模拟,而且能够从系统角度评价作物生长状态与环境要素的关系。本文通过梳理当前作物生长模型应用的诸多研究成果,剖析模型在气候变化对农业生产影响研究、作物生长模型区域应用中的关键问题,总结了当前以作物生长模型为核心的农业决策支持系统开发的研究情况,意在促进作物生长模型在生态、农业、区域气候资源和气候变化等研究中更广泛地应用。结果表明,作物生长模型在国内外的研究与应用广泛而深入,在气候变化背景下,应用作物生长模型进行历史时期气候条件和农业气象灾害对作物生产状况和产量的影响研究已相当广泛且相对成熟。利用全球气候模式(GCM)或区域气候模式(RCM)构建未来气候变化情景,再与作物生长模型耦合已发展成为评估未来气候变化对农业生产影响的重要手段。通过集成与整合多作物生长模型、多气候模式集合模拟、优化气候模拟数据订正方法可有效降低气候变化对农业生产影响评估的不确定性。遥感数据同化技术能够将站点模型运用到区域尺度上评价不同环境因子对农业生产的影响,拓宽了作物生长模型的应用尺度范围并有效提高作物产量估算的精度。以作物生长模型为核心的农业决策支持系统的研究与应用越来越多元化,是辅助农业生产管理和决策的重要工具。然而,由于作物生态系统的复杂性,作物生长模型模拟结果仍存在很大的不确定性,今后对作物生长机理及过程间耦合机制的探索还需加强,以便进一步完善和改进模型,促进作物生长模型更广泛地应用。(本文来源于《中国农业气象》期刊2019年07期）
樊莉[2]（2019）在《设施作物生长模型及其在设施环境调控中的应用》一文中研究指出作物生长模型可定量描述设施、作物、环境及管理技术措施之间的关系,是设施环境调控和作物管理研究的重要组成部分。文章将对设施作物生长模型研究现状、主要结构以及在环境调控中的应用等方面进行综述。(本文来源于《农业技术与装备》期刊2019年05期）
李卫国,顾晓鹤,王尔美,陈华,葛广秀[3]（2019）在《基于作物生长模型参数调整动态估测夏玉米生物量》一文中研究指出针对如何利用作物生长模型定量解析区域夏玉米生物量动态变化的热点问题,该文在沿东海岸的江苏省盐城市大丰区设置大田夏玉米生物量估测试验,在构建夏玉米生物量过程模拟模型的基础上,对夏玉米多个生育阶段的生物量(指地上部生物量)及其变化特征进行分析,并结合试验实测数据探讨利用实测叶面积指数和生物量数据调整生物量模拟模型参数的可行性。结果表明:夏玉米生物量过程模拟模型可以对夏玉米从出苗到灌浆期间的多个生育阶段生物量动态变化进行估测。出苗到拔节前的生长阶段,生物量积累主要来源于叶片形成,模拟模型可以对生物量进行有效预测,预测值与实测值之间的均方根差(root mean square error,RMSE)为18.31 kg/hm~2,相对误差为3.35%。拔节到抽雄前的生长阶段,由于茎节伸长与节数增加,生物量积累加快,预测值与实测值之间的差异较大。拔节初期生物量预测值为535.5 kg/hm~2,实测值为480 kg/hm~2,相对误差11.56%。抽雄前生物量预测值为7 036.46 kg/hm~2,实测值为5 794 kg/hm~2,相对误差21.44%。拔节到抽雄前生长阶段预测值与实测值之间的RMSE为825.94 kg/hm~2。经过模型参数调整,抽雄前生物量预测值为6 036 kg/hm~2,与实测值较为接近,RMSE为219.43 kg/hm~2,相对误差4.18%。利用参数调整后的模拟模型继续对抽雄到灌浆前生长期间生物量进行预测,预测值与实测值较为一致,灌浆期生物量预测值为11 156 kg/hm~2,实测值为10 785 kg/hm~2,相对误差3.44%,而参数调整前预测值为12 492 kg/hm~2,相对误差15.83%。在玉米拔节期进行模型参数调整,对拔节到抽雄和抽雄到灌浆2生长阶段的生物量预测效果较好。该研究可为县域夏玉米不同生长阶段生物量及其动态变化预测提供参考,可辅助县域农业管理部门进行适时生产措施调整。(本文来源于《农业工程学报》期刊2019年07期）
诸叶平,李世娟,李书钦[4]（2019）在《作物生长过程模拟模型与形态叁维可视化关键技术研究》一文中研究指出针对作物产量形成、品种适应性分析的数字化解析和可视化表达需求,以提高作物模拟模型的时效性、协同性和真实感为目标,结合物联网技术与作物模拟模型,进行了田间数据实时采集;应用多智能体技术进行了作物协同模拟方法研究与框架设计;开展了作物生长过程模拟模型及基于作物模型的形态叁维可视化关键技术研究,以小麦作物为例,进行了田间试验,阐述了小麦叁维形态模拟可视化系统的设计实现并进行了试验验证;构建了Logistic方程模拟小麦叶长、最大叶宽、叶片高度、株高等的生长变化,采用基于曲线、曲面的参数化建模方法和3D图形库OpenGL构造了小麦器官几何模型。结果表明小麦叶长、最大叶宽、叶片高度和株高模拟模型R2值在0.772～0.999之间,回归方程的F值在10.153～4359.236之间,且Sig.小于显着水平0.05,模型显着性较好,模型的拟合度较高。本研究将作物模拟模型结果和形态结构模型有效结合,实现了以小麦为代表的作物在不同管理措施条件下的生长过程形态叁维可视化表达,为作物生产数字化系统应用提供了更有效的途径,该技术体系与方法同样适用于玉米、水稻等作物。(本文来源于《智慧农业》期刊2019年01期）
宋一潇,黄介生,曾文治,雷国庆,朱姜旭[5]（2018）在《基于光合特性的作物生长模型在盐渍农田的适用性分析与评价》一文中研究指出为探索盐分和施氮量对作物光合特性及干物质累积的定量影响,以向日葵为研究对象,开展了不同盐分和施氮量处理的大田实验,分别使用高斯积分和群体光合积分公式量化了冠层每日总光合同化量,建立向日葵光合作用干物质累积模型,并对其模型精度进行了分析和评价。结果表明:(1)土壤盐分抑制了向日葵的净光合速率(Pn)和气孔导度(Gs),但增施氮肥能够在一定程度上缓解盐分对Pn和Gs的胁迫;(2)向日葵干物质累积量随土壤盐分的增加而减少,随施氮量的增加而增加,增施氮肥使轻、中、重度盐渍土壤的向日葵干物质累积量分别增长4.7%、12.6%和20.1%;(3)土壤盐分水平是作物生长的重要胁迫因素,基于光合作用的干物质模型模拟精度均随着土壤盐分的升高而降低;(4)群体光合积分模型(GIM)对盐渍农田向日葵干物质累积量的模拟精度高于高斯积分模型(PPIM)(RRMSEGIM>RRMSEPPIM)。本研究所建立的光合作用干物质累积模型在一定条件下能够准确的预测盐渍农田向日葵干物质累积量,其中所建立的PPIM模型以及针对盐渍土壤提出的改进措施能够为盐渍土地区的作物生长模拟和水肥管理提供技术支持,有助于促进粮食增产和农业的可持续发展。(本文来源于《中国农村水利水电》期刊2018年12期）
张超[6]（2018）在《基于高光谱数据与SAFY-FAO作物模型同化的冬小麦生长监测与模拟研究》一文中研究指出准确的获取作物长势信息、产量预报以及需水量等对于农田生产管理、农业灌溉决策和保障粮食安全具有重要的意义。基于遥感数据与作物模型的同化框架系统,能够在两者进行优势互补的基础上,一方面能够提供作物信息“真值”以辅助修正模拟偏差,也有效的降低模型在初始条件和模型参数上区域性获取的难度。另一方面综合考虑到了作物生长发育过程中的内在机理性,是目前作物生长监测发展的重要方向。本研究以冬小麦为研究对象,以连续两生长季度不同灌溉场景试验为依托,全面分析了光谱特征参量、植被指数、偏最小二乘法和两种机器学习方法对叶面积指数的反演能力,建立了叶面积指数估算模型;对原SAFY-FAO模型水分胁迫响应过程进行了改进,并利用扩展傅里叶幅度法(Extended Fourier Amplitude Sensitivity Test,EFAST)对模型中关键参数对叶面积指数变化影响进行敏感性分析,筛选敏感性参数作为待优化参数。通过SCE-UA(Shuffled Complex Evolution)优化算法同化冠层光谱反演叶面积指数和作物模型,确定参数最优值,建立田间尺度的光学遥感与作物模型的同化系统框架。利用两个生长季冬小麦实测数据验证与评价同化系统对于叶面积指数、干物质累积量、产量、蒸发蒸腾量以及土壤水分含量等指标在不同灌水场景和全局条件下的准确性、可靠性和鲁棒性。主要研究内容和取得的结论如下:(1)系统性地评价了23种光谱特征参量、12种植被指数、偏最小二乘法、人工神经网络和支持向量机对叶面积指数的估算与反演能力。结果表明,在光谱特征参量中,红谷反射率(ρ_(rb))对叶面积指数的估算和预测精度最高(RMSE=0.744);在植被指数中,MTVI2拥有较高预测精度的同时也具有较强的抗饱和性(RMSE=0.683);在偏最小二乘法回归中,通过交叉验证选定前10个主成分因子时模型具有最高精度(RMSE=0.450);在利用人工神经网络时,构建叁层神经网络并通过试错法确定隐含层节点为9个时,模型精度较高(RMSE=0.476);基于高斯核函数的支持向量回归机对叶面积指数估算的精度为RMSE=0.499。综合分析,偏最小二乘回归法具有最高的叶面积指数估算精度,适合作为叶面积指数反演的首选方法。(2)研究引入了新的非线性水分胁迫过程方程代替了原始SAFY-FAO模型中的简单线性胁迫方程,并同时引入叁个水分胁迫参数(p_u、p_l和f)使得模型能够对不同作物、品种对水分胁迫响应的敏感性得到调整与调节。同时利用与作物生长发育密切相关的8个参数Pl_a、Pl_b、S_(TT)、R_s、LUE、p_u、p_l和f对5种叶面积指数和干物质的表征量进行了全局性敏感性分析。对于叶面积指数最大值、最大值出现的时间、生育期内平均值以及最大干物质量指标,全局敏感性指数较高的参数为Pl_a和Pl_b。综合考虑各参数的作用及其敏感性,确定需要优化的参数为Pl_a、Pl_b、S_(TT)、R_s和LUE。(3)以冠层光谱反演的叶面积指数为同化目标变量,通过SCE-UA优化算法调整与优化所确定的5个重要的参数值以实现光谱反演叶面积指数值和模型模拟叶面积指数值之间代价函数的全局最小化。结果表明,SCE-UA优化算法能够实现参数优化与调整,但参数解的组合并不唯一。采用多次重复的优化过程,通过分析各参数最优解的分布和出现的频次,可以有效避免因最优化过程可能陷入局部最优解和最优解不唯一对模型模拟结果带来的不确定性。(4)基于所构建同化耦合系统,模拟9种灌溉场景下冬小麦的叶面积指数、干物质累积量、籽粒产量的动态变化规律和蒸发蒸腾量,以及各水分场景下土壤表层含水量和根区可利用储水量动态变化规律特征。利用田间实测数据验证模型在不同灌水场景下以及全局条件下的准确性和适用性。结果表明,同化系统能够很好的模拟中后期亏水条件下叶面积指数动态变化(RRMSE<10%);重度水分亏缺场景下干物质量模拟结果较差,RRMSE值均大于30%;两季度冬小麦籽粒产量模拟综合结果优秀(RMSE=0.48 t?ha~(-1),RRMSE=9.5%,MRE=8.4%);土壤表层20cm土层含水量在两年生长季节内各灌水处理的模拟结果与实测结果一致,模拟精度良好(RRMSE<20%);土壤1-m土层深度土壤储水量模拟结果总体精度良好(RRMSE<20%),但从拔节期开始表现出可见的低估偏差特征;模拟两年生长季内累积蒸发蒸腾量值均基本高于实测值,总体模拟精度良好(RMSE=43.4mm,RRMSE=17.1%,MRE=17.9%),能够基本适用于区域性冬小麦需水量的估算和预报。(本文来源于《西北农林科技大学》期刊2018-12-01）
黄健熙,黄海,马鸿元,卓文,黄然[7]（2018）在《遥感与作物生长模型数据同化应用综述》一文中研究指出遥感是获取大面积地表信息最有效的手段,在农业资源监测、作物产量预测中发挥着不可替代的重要作用;作物生长模型能够实现单点尺度上作物生长发育的动态模拟,可对作物长势以及产量变化提供内在机理解释。遥感信息和作物生长模型的数据同化有效结合二者优势,在大尺度农业监测与预报上具有巨大的应用潜力。该文系统综述了遥感与作物生长模型的同化研究,概述了遥感与作物生长模型数据同化系统的构建,在归纳国内外研究进展的基础上,总结了当前主流同化方法的特点以及在不同条件下的同化效果。进而具体分析影响同化精度的关键环节,明确了相关科学概念,并相应指出改善精度的策略或者方向。最后从多参数协同、多数据融合、动态预测、多模型耦合以及并行计算环境5个方面展望了遥感与作物生长模型数据同化的未来研究重点和发展趋势,同时结合农业应用现实需求,介绍一种数据同化与集合数值预报结合的应用框架,为大区域、高精度同化研究提供新的思路与借鉴。(本文来源于《农业工程学报》期刊2018年21期）
金晨,蔡福,张慧,常君德,高全[8]（2018）在《基于作物模型的干旱胁迫对玉米生长和产量影响机制及评估研究》一文中研究指出在众多作物模型中,WOFOST模型注重作物生长发育及产量形成的生理生态过程机制,对光合作用、呼吸作用、叶片生长等进行了比较深入的生理生态过程模拟,着重强调其在定量评价土地生产力、区域产量预报、风险分析和年际间产量变化及气候变化影响量化等研究中的应用,可针对叁种不同的生产水平模拟作物生长变化过程,即模拟潜在作物生长、水分限制条件下的作物生长和养分限制条件下的作物生长,应用十分广泛。目前,利用WOFOST模型研究干旱对作物生长及产量影响的模拟研究较少,一些研究通过在模型中人为给出干旱条件来分析干旱对作物生长及产量形成的影响,没能利用实测资料对模拟结果进行检验,所得出结论的准确性无法确定。真正结合试验资料对干旱影响的研究更是鲜有报道,研究表明,WOFOST模型仅能对轻度干旱有较好的模拟效果,而对于中重度干旱的模拟则误差很大,说明模型在水分限制条件下的耗水过程参数化方案还存在缺陷,有待进一步完善。因此,为了更为科学和系统地开展干旱对玉米生长及产量影响研究,采取作物模型与干旱胁迫试验相结合的方式,既可以通过试验观测资料改进模型参数化过程,促进作物模型不断完善,反过来又可以利用改进的作物模型更为准确地对多个发育期干旱的影响进行定量化评估。(本文来源于《第35届中国气象学会年会 S5 气候变暖背景下干旱灾害形成机制变化与监测预测及其影响评估》期刊2018-10-24）
卢必慧,于堃[9]（2018）在《遥感信息与作物生长模型同化应用的研究进展》一文中研究指出卫星遥感技术能大面积、周期性地实时获取地表农作物信息,并且通过适当的反演方法能够定量地提供作物在区域尺度上的状况;作物生长模型应用物理数学方法从机制上定量地描述作物生长过程及其与环境因素之间的关系,在单点上对叶面积指数、生物量和产量等具有很好的模拟准确性。利用数据同化算法,将作物生长模型与遥感信息进行同化,已经成为当前农作物长势监测和产量预算研究中的重要手段。在简要回顾遥感数据和作物模型2种经典耦合方法的基础上,重点综述了连续同化和顺序同化2种不同同化方式的研究进展,并对数据同化算法进行了简单介绍,最后提出存在的一些问题并探讨了未来的研究方向。(本文来源于《江苏农业科学》期刊2018年10期）
张宁,张庆国,于海敬,程梦笛,董世杰[10]（2018）在《作物生长模拟模型的参数敏感性分析》一文中研究指出对小麦作物模型WOFOST(world food studies)的参数进行辨析,并利用OAT(one-at-a-time)分析方法对WOFOST模型的作物和土壤参数进行敏感性分析,同时对小麦生长模拟结果进行解析。结果表明,从出苗到开花的积温(TSUM1)、根干物质分配系数(FRTB)、储存器官的同物质转换效率(CVO)、茎的同化物转换效率(CVS)、初始发展阶段因子(DVSI)、在35℃时叶的生命周期(SPAN)、生育期的比叶面积(SLATB)参数的相对敏感度都大于0.5,表现为强敏感性,对模型模拟结果影响较大。基于不同产量指标和不同生产水平条件下对WOFOST模型影响较大的参数基本一致,其相对敏感度差异不大。小麦叶面积指数(leaf area index,LAI)的模拟结果表明,小麦从播种到开花的时间为137 d,而从开花到成熟的时间为66 d,与实际情况基本吻合。本研究结果可为WOFOST模型的应用和模型调参提供依据。(本文来源于《浙江大学学报(农业与生命科学版)》期刊2018年01期）
作物生长模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
作物生长模型可定量描述设施、作物、环境及管理技术措施之间的关系,是设施环境调控和作物管理研究的重要组成部分。文章将对设施作物生长模型研究现状、主要结构以及在环境调控中的应用等方面进行综述。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
作物生长模型论文参考文献
[1].孙扬越,申双和.作物生长模型的应用研究进展[J].中国农业气象.2019
[2].樊莉.设施作物生长模型及其在设施环境调控中的应用[J].农业技术与装备.2019
[3].李卫国,顾晓鹤,王尔美,陈华,葛广秀.基于作物生长模型参数调整动态估测夏玉米生物量[J].农业工程学报.2019
[4].诸叶平,李世娟,李书钦.作物生长过程模拟模型与形态叁维可视化关键技术研究[J].智慧农业.2019
[5].宋一潇,黄介生,曾文治,雷国庆,朱姜旭.基于光合特性的作物生长模型在盐渍农田的适用性分析与评价[J].中国农村水利水电.2018
[6].张超.基于高光谱数据与SAFY-FAO作物模型同化的冬小麦生长监测与模拟研究[D].西北农林科技大学.2018
[7].黄健熙,黄海,马鸿元,卓文,黄然.遥感与作物生长模型数据同化应用综述[J].农业工程学报.2018
[8].金晨,蔡福,张慧,常君德,高全.基于作物模型的干旱胁迫对玉米生长和产量影响机制及评估研究[C].第35届中国气象学会年会S5气候变暖背景下干旱灾害形成机制变化与监测预测及其影响评估.2018
[9].卢必慧,于堃.遥感信息与作物生长模型同化应用的研究进展[J].江苏农业科学.2018
[10].张宁,张庆国,于海敬,程梦笛,董世杰.作物生长模拟模型的参数敏感性分析[J].浙江大学学报(农业与生命科学版).2018
论文知识图
