一、作物模拟研究的进展（论文文献综述）
马宁[1]（2021）在《塑料大棚越冬莴笋生长发育模拟模型研究》文中研究说明塑料大棚越冬栽培可以实现莴笋跨季节供应,满足市场需求。莴笋是甘肃省天水市武山县支柱农业产业,建立适用于甘肃省天水地区的塑料大棚越冬莴笋生长发育模型是指导当地越冬莴笋优品优质、及时上市的有力工具,对提高越冬莴笋种植水平、增加经济效益具有重要意义。本研究于2019-2020年间在天水市武山县蔬菜产业示范基地进行越冬莴笋栽培试验,通过观测莴笋生长过程中天气状况、塑料大棚内气温及相关指标的动态变化,构建了适用于天水地区的塑料大棚越冬莴笋生长发育模拟预测模型,该模型可用于预测越冬莴笋不同发育阶段、外观品质、干物质积累及分配量和产量的动态变化,模型参数少且易获取,在实际生产中具有较高的实用性和普适性。主要研究成果如下:1.塑料大棚越冬莴笋生育期模型通过观测越冬莴笋到达各生育时期的具体时间,分别以发育时间和有效积温为尺度,对越冬莴笋从播种至出苗、莲座、产品器官膨大、采收四个物候期进行量化描述。模拟结果表明:莴笋从播种至采收期所需的生理发育时间为48.6 d、累积有效积温为1204.8℃。采用独立试验数据对所建模型进行检验,结果表明:塑料大棚越冬莴笋从播种到达采收期的模拟时长与实测时长之间的相关决定系数（R2）为0.99、回归估计标准误差（RMSE）为0.71 d,预测精度高于以有效积温为尺度的生育期模拟模型（RMSE为3.74 d）。2.塑料大棚越冬莴笋外观品质模型为研究塑料大棚越冬莴笋外观品质随生育期推进的变化过程,通过连续观测莴笋相关外观品质指标,以生理发育时间为尺度,建立了塑料大棚越冬莴笋外观品质模拟模型。利用独立试验数据对模型进行检验,结果表明:塑料大棚越冬莴笋的茎长、茎粗、茎鲜重、出叶数和叶面积的模型模拟结果与实测值之间的R2分别为0.965、0.991、0.933、0.986和0.985,RMSE分别为2.571cm、0.221cm、6758 kg·hm-2、2.48片和0.506,模型预测精度较高。3.塑料大棚越冬莴笋干物质生产模型基于甘肃省天水市历史气象统计数据,建立适用于当地的太阳辐射模型;测定越冬莴笋不同生育时期的光响应曲线,采用非直角双曲线法拟合得到光响应参数,建立越冬莴笋叶面积指数模型。结合所建太阳辐射模型与越冬莴笋叶面积指数模型,构建适用于甘肃省天水地区的越冬莴笋干物质生产的动态模型。通过独立试验数据对模型进行检验,模型对越冬莴笋总干物质积累量的模拟结果较好,模拟值与实测值之间的R2和RMSE分别为0.965和477.7kg·hm-2。4.塑料大棚越冬莴笋干物质分配模型以塑料大棚越冬莴笋干物质生产模型为基础,采用器官分配指数定量描述越冬莴笋干物质在地下部、地上部及各器官间的分配,建立以生理发育时间为尺度的越冬莴笋干物质分配模拟模型。通过独立试验数据对模型进行检验,结果表明,越冬莴笋地下部分、地上部分、茎和叶干重的模型模拟值与实测值之间的符合度较好,模拟值与实测值之间的R2分别为0.952、0.960、0.965和0.912,RMSE分别为499.7kg·hm-2、60.3kg·hm-2、167.9kg·hm-2和420.1kg·hm-2。5.塑料大棚越冬莴笋产量预测模型根据越冬莴笋干物质生产量及其在不同器官中的分配比例确定莴笋采收的干物质量,利用莴笋肉质茎和叶片中干物质量所占比例,构建塑料大棚越冬莴笋产量预测模型。利用独立试验数据对所建模型进行检验,结果表明,模型模拟值与实测值间的RMSE为7619 kg·hm-2,模型预测精度较高。此外,该模型参数少、易获得,便于在当地实际生产中应用。
韩智博[2]（2021）在《未来气候变化对西北农牧交错带玉米生产的影响及适应性措施研究》文中认为如何应对气候变化对粮食安全的影响是目前二十一世纪人类面临的最重要的挑战之一。西北农牧交错带是我国预防沙漠化、确保生态系统服务和粮食生产的重要生态屏障,也是气候变化影响下的敏感区。玉米作为我国三大粮食作物之一,在西北农牧交错带广泛种植,占播种面积的50%以上,同时也是当地农业收入的主要来源。因此,准确评估气候变化对当地玉米生产的影响并制定相应的适应性措施,对降低气候变化的影响、保障当地农业可持续发展有重要理论和实践价值。本研究于2017～2018年在西北农牧交错带盐池及鄂尔多斯站开展了玉米田间试验,获取了玉米物候期、叶面积指数（LAI,Leaf Area Index）、玉米产量、土壤数据及气象数据,基于实测数据对CERES-Maize模型进行参数校准和验证,评估该模型在当地的适用性;随后利用CMIP5（Coupled Model Intercomparison Project Phase 5）提供的20个气候模式,采用集合模拟的方法,评估未来不同RCP（Representative Concentration Pathway scenarios）排放情景下气候变化对该地区玉米产量、生育期以及水分利用效率的影响,并分析其变化原因;针对未来气候变化对当地玉米带来的负面影响,本研究分析了3种适应性措施（调整玉米播种期、补充灌溉以及改进玉米品种）对减缓气候变化的效果,并制定了当地玉米适应未来气候变化的最佳对策,揭示了不同适应性措施及其耦合对玉米产量和水分利用效率的影响。主要结论如下:（1）本研究利用GLUE（Generalized Likelihood Uncertainty Estimation）方法对CERES-Maize模型进行参数校准和验证,校正后的模型对玉米物候期（出苗、开花和成熟期）、LAI、产量和土壤水分的模拟均表现出很好的一致性。其中,在校正期和验证期玉米产量的标准化偏差n RMSE分别为2.37%和2.84%;同时模型对土壤水含量的动态变化过程模拟值与实测值也达到了较好的一致性,各层R2、RMSE和n RMSE分别介于0.57～0.91、0.016～0038和16.5%～41.7%之间。验证结果表明,校正后的CERES-Maize模型适用于西北农牧交错带,能够精准模拟作物根部土壤水分的动态变化,可以用于模拟不同气候条件对玉米的产量影响。（2）基于CMIP5未来不同时期和情景下的模拟结果表明,雨养玉米在RCP4.5中排放情景下在未来三个时期2030s、2060s和2090s的产量变化幅度分别为+21.7%、+16.4%和+12.6%;在RCP8.5高排放情景下三个时期变化幅度分别为+25.1%、+4.8%和-12.3%。灌溉玉米产量在RCP4.5中排放情景下在未来三个时期2030s、2060s和2090s变化幅度分别为+3.9%、-16.3%和-20.4%;在RCP8.5高排放情景下三个时期变化幅度分别为+0.1%、-31.2%和-53.1%。未来CO2浓度的提升对玉米产量形成具有促进作用,可使雨养和灌溉玉米平均产量分别提高1.3%～4.8%和0.6%～5.7%,尽管CO2浓度的增加对玉米产量有正效应,但升温对玉米产量的产生负效应远大于CO2浓度提高带来的正效应,这主要由于未来气候变暖将会缩短灌溉玉米生育期,其缩短幅度分别在15 d～36 d之间,从而造成干物质量的形成和积累周期缩短,干物质积累量越少,产量则越低。统计分析表明,升温是导致灌溉玉米减产的主要原因,未来气温每升高1℃,玉米将减产11.3%。而未来气候变化将有利于雨养玉米增产,这主要由于未来该地区降水的增加,减少了土壤水分胁迫对玉米的影响。未来气候变化将导致玉米水分利用效率降低,未来三个时期,雨养和灌溉玉米水分利用效率变化幅度分别在-31.1%～1.7%和-36.7%～0.6%。未来CO2浓度的提升对水分利用效率提高有一定促进作用,可使雨养和灌溉玉米水分利用效率分别提高1.6%～18.7%和0.1%～5%。（3）利用CERES-Maize模型模拟了不同播种日期对玉米产量的影响,与当地传统播种期相比,将玉米播种期延后可显着提高玉米产量,雨养玉米的最佳播种期在4月25日至5月25日之间,而灌溉玉米的最佳播种期在5月5日至5月25日之间。西北农牧交错带雨养和灌溉玉米在采用最佳播种期后产量可分别提升3.5%～22.5%和14.4%～51.1%。西北农牧交错带玉米生育期内降水分配与玉米需水关键期匹配度不高,因此,在玉米关键期进行补充灌溉可以有效提高雨养玉米产量。针对玉米生长的5个关键期:播种期、发芽期、拔节期、抽雄期和灌浆期,本研究设定了六种灌溉方案,共产生32种不同灌溉组合处理。模拟结果表明,在玉米抽雄期和灌浆期各补充灌溉50 mm,是最适宜经济的补灌策略。采用该灌溉方案,可以使雨养玉米产量在未来三个时期提高15.3%～28.2%。通过组合CERES-Maize模型中决定玉米生长发育的6个参数:P1、P2、P5、G2、G3和PINT,可设计玉米虚拟品种。本研究基于各参数的阈值范围,共设计了4096个玉米待选品种,通过筛选,结果表明培育具有吐丝至成熟期较长和潜在灌浆速率大特性的玉米品种是西北农牧交错带适应未来气候变化的最佳品种,在未来采用该玉米品种不仅可以使玉米产量提高32.2%～49.2%,还可以使玉米水分利用效率提高15.9%～33%。（4）本研究基于CERES-Maize模型,分析了未来三个时期不同RCP排放情景下不同适应性措施耦合对西北农牧交错带灌溉和雨养玉米产量和水分利用效率的影响。结果表明单一适应性措施很难完全抵消未来气候变化对灌溉玉米的负面影响,其中最佳播期和最佳品种耦合情景下的玉米产量和水分利用效率提高幅度最大,采用该耦合措施下可使西北农牧交错带灌溉玉米产量和水分利用效率分别提升29.4%～73.2%和16.3%～48.7%。对于雨养玉米,若只考虑两种适应性措施耦合的情景,则最佳补灌方案与最佳品种耦合情景下的玉米产量最高,可使雨养玉米产量提升60.9%～95.5%。而补灌措施会导致玉米水分利用效率降低,因此最佳播期和最佳品种的耦合情景下的玉米水分利用效率提升最大,可使雨养玉米水分利用效率提升15.4%～28.8%。三种适应性措施耦合对灌溉玉米产量增幅最大,该耦合情景下可使灌溉玉米产量和水分利用效率分别提高87.5%～101.1%和18.9%～28.9%。本研究为西北农牧交错带玉米适应气候变化及农业可持续发展提供参考和理论依据。
杨楠[3]（2020）在《不同耕作措施下旱地小麦产量形成过程对光温的响应》文中进行了进一步梳理为了探索光照和温度因子对旱地小麦生育期、叶面积指数以及产量的影响,本文以APSIM模型为平台,在田间定位试验的基础上调试APSIM模型参数,对模型进行检验。然后运用APSIM模型模拟三种不同耕作方式下,不同光照、温度条件对小麦生育期叶面积指数及产量的变化规律和影响,并运用多元回归及通径分析等方法进行分析。结果表明:（1）APSIM模型可以对研究区不同耕作措施下的旱地小麦进行有效模拟。根据对试验站2002～2012年不同耕作方式的定位试验研究,对模型的参数进行反复的校正:不同耕作方式下小麦叶面积、生物量和产量的模拟值与实测值的吻合度较好,误差较小,决定系数（R2）均达到0.92以上。（2）温度升高导致旱地小麦生育期缩短。温度每升高1℃,整个生育期（出苗—成熟）缩短了3d,但是随着温度持续升高3℃时,生育期天数相对于温度上升2℃时无变化;太阳辐射的逐日升高对小麦生育期影响不明显。（3）不同耕作措施下小麦LAI应对光照增加均表现为相似的单峰曲线,LAI在苗期缓慢增长,拔节之后增长加快,直至抽穗期小麦LAI达到一生最大值,随后开始逐渐下降,直至成熟。不同耕作措施下在孕穗期出现的最大LAI均表现为:NTS>T>NT,即免耕覆盖LAI大于传统耕作大于免耕方式,且在相同光照条件下,免耕覆盖方式相对于其他两种耕作方式在全生育期均保持较高的LAI。光照增大对小麦LAI的变化在抽穗期表现为负效应,即光照越大,LAI增加的幅度越缓慢,且此阶段出现的最大LAI也表现为光照越大,最大LAI越小。（4）不同耕作措施下小麦LAI应对温度增加均表现单峰态,且不同温度下,抽穗期最大叶面积指数均表现为:NTS>T>NT。温度升高一方面导致LAI出现时间和到达最大值的时间提前,另一方面对峰值即最大LAI的高低造成影响,表现为:温度升高,最大LAI增大,但是当温度升高到一定程度时,如继续升高,最大LAI不再升高反而有略微下降,即随着温度增高最大LAI表现为先增大后减小。（5）不同耕作措施条件下,小麦产量随年平均光照、温度升高呈二次抛物线下降型变化,且免耕覆盖（NTS）的减产效应大于传统耕作（T）和免耕（NT）。相同光照下,年平均温度每上升1℃,三种差异耕作处理的小麦减收量高达16.2%,平均减产量7.6%。当温度不变时,年平均光照每增加1 MJ/M2,不同处理的小麦最大减产量可达到13.8%,平均减产量3.9%。三种耕作方式中,免耕覆盖（NTS）的主效应均大于传统耕作（T）和免耕（NT）,表明光照或者温度升高相同的值时,免耕覆盖（NTS）耕作措施下的小麦产量减产效应大于其他两种耕作方式。
闫玲[4]（2020）在《基于CERES-Wheat模型的小麦生长发育过程模拟研究》文中研究指明作物模型是农业生产过程中重要的工具,其能一定程度上模拟不同水分条件下作物的生长状况及作物对水分响应的特点,但仍存在不足。为了提高模型对小麦生长过程的模拟效果,本研究以我国西北半干旱半湿润地区的杨凌地区冬小麦为研究对象,首先对CERES（Crop Environment Resource Synthesis）-Wheat模型在不同水分条件下的模拟能力进行评估,分析模型参数不确定性与水分胁迫参数化方法对模拟结果的影响,在此基础上建立冬小麦物候期对水分胁迫的响应函数并验证其适用性,以及构建和验证新的冬小麦叶面积指数参数化方法,最终比较不同叶面积指数方法模拟长时间序列不同水分利用效率水平。得到如下如下结论:（1）评估不同土壤水分条件下CERES-Wheat模型的模拟水平基于连续两个冬小麦生长季的不同受旱处理试验,利用CERES-Wheat模型进行模拟研究,通过评估各处理的物候期（开花期和成熟期）、叶面积指数、地上部生物量、土壤水含量和产量的模拟结果,发现CERES-Wheat模型对冬小麦物候期的模拟没有考虑水分胁迫的影响,其模拟结果与充分灌水条件下的模拟结果一致;而对叶面积指数、生物量和产量的模拟效果较差。通过分析发现,造成模拟误差的主要源于不真实的水分胁迫参数化,因此,即使对充分灌水条件下小麦产量、叶面积指数和地上生物量等主要变量,模型模拟也存在一定误差。（2）探明参数不确定性和水分胁迫参数化对小麦生长模拟的影响通过系统的模拟试验,分析了CERES-Wheat模型参数的不确定性和水分胁迫参数化对小麦生长模拟的影响,结果表明,在水分胁迫条件下,通过GLUE（Generalized Likelihood Uncertainty Estimation）方法校准的参数值与观测值有显着差异。在不考虑水分胁迫方法的条件下,GLUE校准参数与观测值吻合较好,进一步说明模拟的水分胁迫条件存在问题。因此,不真实的水分胁迫参数化严重影响了GLUE算法对校准参数的定位。此外,参数敏感性分析表明,水分胁迫参数化产生的模拟误差主要由对冬小麦生长和产量模拟最敏感的参数来弥补,如叶热间距和籽粒大小。因此,若这些参数的取值存在异常,则能够说明模型结构存在缺陷。此外,通过分析参数不确定性对模型输出的影响,可知物候相关模拟在考虑和不考虑水分胁迫方法的条件下使用多组参数时,都能较好地捕捉到观测结果。而对于产量、最大叶面积指数和最终地上部生物量来说,由于不现实的水分胁迫参数化,该模型在不考虑水分胁迫方法条件下产生的偏差通常小于考虑水分胁迫方法条件下的偏差。（3）建立水分胁迫下冬小麦物候期响应函数通过对水分胁迫下冬小麦物候期响应机制的理论研究,建立了物候期对土壤水分胁迫的响应函数,即冬小麦的生长速率会随着土壤相对有效含水率的逐渐降低出现先急速增加后缓慢增加的过程,再到减速直至停止的过程,该过程是连续的。对建立的冬小麦物候期算法进行校准和验证,6个品种两个生长季拔节期和开花期的最大一致性指标分别为0.84和0.75。将新方法耦合至CERES-Wheat模型中进行模型验证,模拟的开花期期与成熟期的一致性指标能达到0.87。结果表明新方法能够较准确地预测土壤水分胁迫引起的冬小麦物候期变化。优化后的响应函数可以更为合理地解释土壤水分胁迫对冬小麦物候期的影响。（4）建立叶面积指数新方法根据叶面积指数相对增长速率与作物生物量相对增长速率之间的相关关系,建立了叶面积指数新方法,考虑到叶片中碳水化合物是在一定叶片氮含量的基础上合成的,并且氮是叶片重量的重要组成部分之一,该新方法考虑了叶片氮含量的影响。将该方法耦合至CERES-Wheat模型中并将原模型的生物量方法进行简单修正,即计算生物量时也同时加入叶片氮含量。修正后的模型对冬小麦叶面积指数、生物量及产量的模拟表现良好。叶面积指数和生物量模拟结果的一致性指标最大能达到0.95和0.99。建立的叶面积指数新方法能够直接模拟出叶面积指数并且参数较少,增加了模型的适用性。（5）比较不同叶面积指数方法对水分利用效率的影响研究首先汇总了多个主流作物模型中多种叶面积指数方法,将这些叶面积指数方法置于同一模型框架下模拟分析其对水分利用效率的影响。不同的方法包括CERESWheat、WOFOST、FASSET、STICS、DAISY中的叶面积指数方法以及叶面积指数新方法,结果表明,所有方法能够抓住产量的时间序列变化,且多方法的平均值表现最优。DAISY模型和WOFOST模型分别低估和高估了产量,这与它们分别模拟的较低与较高的累积叶面积指数有关。对于多站点长时间序列的水分利用效率模拟来说,WOFOST方法总能产生最大的产量水分利用效率,而不同方法的产量水分利用效率与群体水分利用效率大致呈相反趋势。累积的叶面积指数越大,产量越高,产量水分利用效率越高,群体水分利用效率越低,反之亦然。本文主要通过试验与模型相结合的手段,探究小麦生长过程的模拟,并对模型的不足进行改进。研究结果提高了模型对小麦生长发育过程的模拟水平,对作物模型的应用具有很重要的理论和现实意义,并且对构建作物种植管理决策系统有积极作用。
王晓文[5]（2020）在《北方冬小麦水分利用及其应对气候变化的灌溉模式研究》文中提出水资源短缺使得亏缺灌溉逐渐成为主要的灌溉模式。探究不同水分供应条件对作物水分利用过程,特别是根系吸水的影响至关重要。然而由于取样困难等原因,有关水分胁迫及复水后,根系吸水的变化规律尚不明确。随着未来气候的变化,作物生长的水、热、光等环境条件发生了改变。量化这些因素对区域农业生产的影响,并通过调整栽培策略减少气候变化的不利作用,对于保障粮食安全和水资源高效利用十分关键。本研究以蒸渗仪实测的蒸发蒸腾量（evapotranspiration,ET）为标准,在冬小麦不同生长阶段,设置了无胁迫（100%ET）、中度胁迫（80%ET）和重度胁迫（60%ET）3种灌溉水平的田间试验。在此基础上,首先分析了农业水文模型SWAP（soil-water-atmosphere-plant）参数的敏感性,探究了其参数估计的顺序和方向;然后利用率定好的模型,在田间尺度上模拟了冬小麦根系吸水以及农田水分消耗途径,研究了SPAC（soil-plant-atmosphere continuum）系统中土壤水分被吸收及转化为蒸发蒸腾的过程;其次通过SWAP模型与参数自动优化程序PEST（parameter estimation）的耦合,实现了模型大量参数的自动估计,并结合Arc GIS软件将模型的应用从田间尺度提升到了区域尺度;最后以CMIP5（the fifth phase of the climate model intercomparison project）提供的未来气象数据驱动SWAP模型,分析了两种RCP（representative concentration pathway）情景下,气候变化对中国北方冬麦区内小麦生长、水分利用及产量的影响,提出了适宜的灌溉模式。得到的主要成果如下:（1）揭示了水分胁迫及复水对冬小麦根系吸水的影响规律,得出了根系吸水的主要影响因子,构建了根系吸水估算模型。0～60 cm土层的累积根系吸水占总根区吸水量的89.4%,是冬小麦根系吸收水分的主要来源。冬小麦在生殖生长阶段的累积根系吸水占总生长季吸水量的56.3%,略高于营养生长阶段。根系吸水存在一定的补偿效应,出苗～拔节期的水分胁迫以及复水后能够促进根系吸水,但其他生长阶段的水分胁迫会抑制根系吸水。根系吸水的恢复具有滞后效应,其恢复时间为2～11 d。冬小麦在生殖生长阶段对水分胁迫的耐受程度高于营养生长阶段,但水分胁迫对生殖生长阶段根系吸水的影响程度更大,使得根系吸水降低更多,恢复时间更长,有必要确保这一生长阶段的土壤含水量维持在65%的田间持水量以上。作物高度、净辐射和0～60 cm土壤含水量是影响冬小麦根系吸水的关键因子,基于此建立的模型能够较好地估算根系吸水（R2=0.836,P<0.01）。（2）探究了不同水分供应条件下冬小麦农田水分消耗规律,量化了各因子对蒸发蒸腾的影响,构建了蒸发蒸腾估算模型。亏缺灌溉条件下,土壤贮水的消耗占冬小麦总耗水量的15.99～35.58%。不同灌溉模式中,冬小麦田间存在一定程度的深层渗漏,100 cm处土层的平均水分通量为14.54mm。最大蒸发蒸腾出现在灌浆～成熟期,为6.21～7.75 mm d-1。植物蒸腾占总蒸发蒸腾的88.40%,是冬小麦农田的主要耗水途径。灌溉对植物蒸腾的影响较大,而对土壤蒸发的影响有限。拔节前的水分胁迫对冬小麦蒸发蒸腾的影响较小,复水后往往能恢复到正常水平;而抽穗～灌浆期的水分胁迫复水后蒸发蒸腾难以恢复。基于作物系数和水分胁迫系数构建的模型,能够利用少数易测参数,对冬小麦蒸发蒸腾进行准确估算（R2=0.727,P<0.01）。（3）分析了SWAP模型参数的敏感性,并利用PEST程序完成了模型参数的自动估计,实现了模型应用尺度的提升。在进行土壤含水量和蒸发蒸腾模拟时,SWAP模型对Van Genuchten模型参数中的土壤饱和含水量?s和土壤水分特征曲线形状系数n更敏感;而对土壤残余含水量?r,土壤水分特征曲线形状系数?和饱和导水率Ks较不敏感。将参数自动优化程序PEST与SWAP模型耦合后,能够完成模型大量参数的自动估计。率定后的模型可以对区域内各站点的土壤含水量、冬小麦生育期以及产量进行准确模拟,平均相对误差（mean relative error,MRE）为0.99～20.87%,归一化均方根误差（normalized root mean square error,NRMSE）为1.33～25.83%,实现了模型应用尺度的提升。（4）明确了未来气候对区域冬小麦水分利用和产量的影响,提出了适应气候变化的冬小麦品种优化和灌溉调整策略。CMIP5中MRI-CGCM3气候预测模型的RCP4.5和RCP8.5情景下,中国北方冬麦区小麦生长季内的净辐射、累积降水和气温均显着增加（P<0.05）。净辐射和气温呈现周期为10年的波动性变化。在空间分布上,各站点的净辐射、累积降水和气温变化存在显着差异（P<0.05）。气温升高5.39～7.26°C使冬小麦生育期缩短,且主要体现为出苗～抽穗天数减少了23.9～33.7 d。两种RCP情景下冬小麦蒸发蒸腾和产量分别显着增加41.39%和减少41.71%（P<0.05）。通径分析结果表明,降水量的增加和最低气温的升高分别是导致蒸发蒸腾上升和产量下降的主要原因。基于多个品种优化和灌溉调整情景的模拟结果,建议在未来气候条件下,种植收获日期推迟约30 d的冬小麦品种,井灌区和渠灌区的灌水定额可以为60 mm和90 mm。各区域在湿润年和正常年,分别进行一次灌溉（拔节期）和两次灌溉（拔节期和抽穗期）,能使产量增加38.21%,水分利用效率提高44.30%。而对于干旱年,有必要增加灌溉次数和灌水定额来避免减产。本研究探明了北方冬小麦从田间到区域尺度的水分利用规律,提出了未来气候变化条件下保障其产量和水分利用效率的品种优化及灌溉调整策略。但仍有必要在后续的研究中继续比较多种气候预测模型的差异,进一步增强结果的可靠性。
严振宁[6]（2020）在《不同栽培要素对几种水培绿叶菜生长模型参数变异的研究》文中研究说明我国绿叶菜消费量巨大,为突破传统生产模式,工厂化栽培应运而生。工厂化栽培可通过控制模型对环境条件进行精准调控,因此模型中输入参数的准确性显得尤为关键。本研究以散叶莴苣（Lactuca sativa L.）、不结球白菜（Brassica campestris ssp.chinensis）的杭白菜和青菜多个品种为试验材料,进行不同栽培要素涵盖全季节多茬口栽培试验、品种试验和营养液浓度试验。通过基本生长方程的建立,总结出季节、品种以及营养液浓度等要素变化对绿叶菜生长及模型参数的变异规律,得到如下结论:1)三种绿叶菜生长模型符合y=aebt的指数型模型。其中散叶莴苣基本生长模型为y=0.242e0.192t,杭白菜基本生长模型为y=0.362e0.191t,青菜基本生长模型为y=0.410e0.137t。通过参数比较,发现参数b的变化与季节变化显着相关。2)季节对绿叶菜生长模型参数b具有显着的影响。总体上,三种叶菜周年生长模型参数b的变化趋势相似。周年前期符合三角函数规律,随时间变化而增加;中期则符合二次函数规律,随时间变化b值先下降后增加。后期依旧符合与前期表达式相同的三角函数规律,而随时间变化降低。最终拟合出的绿叶菜生长模型参数b随季节的变化模型为分段函数。3)工厂化栽培过程中,绿叶菜新品种的选择,可根据该种类绿叶菜生长模型参数b最终聚类中心与新品种生长模型参数b之间的关系,将品种分为“冬季叶数型”、“夏季叶重型”和“春秋型”共三种类型。将新品种适时应用于生产,可在最大程度上发挥其生长潜力,满足品质和丰产要求。4)营养液浓度与绿叶菜生长模型参数b之间为二次函数关系,即随营养液浓度（0-100%）升高,参数b呈现先增加后减小的趋势。不同季节的营养液最适浓度可减少营养液原料投入且获得更高产量,达到绿色农业和经济效益最大化要求。
李明[7]（2020）在《基于WOFOST模型的春小麦产量预测方法研究》文中研究指明小麦是世界最主要的粮食作物之一,具有分布范围广、种植面积大、收获产量高的特点。最近几年由于耕地减少、生态环境恶化等原因引发的粮食安全问题已经成为国家和社会关注的一个重点,准确、及时、定量地利用作物生长模型预测出粮食的产量将对国家制定相关政策、实现乡村振兴、提高农民收入起着举足轻重的作用。作物生长模型虽然可以很好地描述作物生长的动态过程,但是,由于地域的不同、作物品种的差异、田间人为管理水平的高低等因素,导致模型的参数获取困难,使得作物模型的模拟精度存在较大的误差。本文以宁夏为研究区域,由于宁夏地区降雨量南多北少,且差异明显,因此考虑利用WOFOST模型分别模拟潜在条件和水分限制条件下的作物生长状况,从而对两种生产条件下的产量进行了预测。选择宁夏地区具有代表性的永宁、同心、泾源三个实验站点的春小麦数据,模拟了2011年-2015年春小麦的生长发育情况,利用扩展傅里叶幅度灵敏度检验法（Extended Fourier Amplitude Sensitivity Test,EFAST法）和参数优化（Parameter Estimation,PEST法）进行了参数的敏感性分析与优化,并将实测值与模拟值进行了对比验证,从而评估WOFOST模型在宁夏地区的模拟精度。具体研究结果如下:（1）潜在生产条件下,无论是基于总地上部分干物重（Total Above Ground Production,TAGP）产量指标还是总储存器官干物重（Total dry Weight of Stored Organs,TWSO）产量指标,气温为0℃时总同化CO2光能利用率（Light-Use Effic.Sing Leaf,EFFTB0）、出苗到开花的积温（Temperature Sum from Emergence to Anthesis,TSUM1）、叶片在35℃时的生命周期（Life Span of Leaves Growing at 35 Celsius,SPAN）、储存器官同化物转化效率（Efficiency of Conversion into Storage Org,CVO）等这4个参数都表现出较强的敏感性。水分限制条件下,无论是基于TAGP产量指标还是TWSO产量指标,出苗到开花的积温（TSUM1）、蒸散速率修正因子（Correction Factor Transpiration Rate,CFET）、生育期为0时的比叶面积（Specific Leaf Area,SLATB0）、储存器官同化物转化效率（CVO）、叶同化物转化效率（Efficiency of Conversion into Leaves,CVL）等这5个参数都表现出了较强的敏感性。（2）利用2011年-2015年的实测产量与模拟产量对比得到:潜在生产条件下,TAGP误差值在-403kg/hm2375kg/hm2;TWSO误差值在-178kg/hm2283kg/hm2之间;水分限制条件下,TAGP误差值在-538kg/hm2509kg/hm2之间,TWSO误差值在-269kg/hm2377kg/hm2之间。对于发育期天数:实测值与模拟值的误差较小,潜在生产条件下,最好的模拟结果出现在出苗期,误差多集中在02d,开花期和成熟期的误差在05d之内波动;在水分限制条件下,也是出苗期模拟结果最好,误差为02d,开花期的模拟误差为39d,成熟期的模拟误差为26d。结合以上实测值与模拟值得对比,可以认为模型对小麦得产量和发育期天数的模拟效果较好,误差在合理范围之内。（3）WOFOST模型在潜在生产条件下基于TWSO指标的精度为:平均相对误差（Average Relative Error,AE）在-133.8kg/hm2169.8kg/hm2之间,均方根误差（Root Mean Square Error,RMSE）在264kg/hm2694kg/hm2之间,一致性指数（Consistency Index,d）在0.9220.975之间;WOFOST模型在水分限制生产条件下基于TWSO的精度分析为:AE在-161kg/hm2157.2kg/hm2之间,RMSE在103kg/hm2639kg/hm2之间,d在0.9390.978之间,均在合理范围之内。本文选择WOFOST模型对宁夏春小麦的产量进行了预测,并利用EFAST方法结合PEST方法对参数进行了敏感性分析和优化,实验结果表明,优化后的参数能明显提高WOFOST模型的模拟精度。
杨小锋[8]（2020）在《氮钾及耦合对设施栽培甜瓜生长与品质影响的模拟研究》文中提出氮和钾都是影响植物生长发育、产量及品质形成的重要因素,为定量研究氮钾耦合对甜瓜生长、产量及品质的影响,本研究以海南种植面积较大的两个甜瓜品种“南海蜜”和“西州密25”为试验材料,于2012年11月-2015年9月在海南三亚（18°1′N,109°30′E）的连栋塑料大棚内进行不同氮素、钾素及氮钾耦合的栽培试验,以冠层吸收的辐热积为生长发育指标,分别定量分析了氮素、钾素对甜瓜最大总光合速率、叶面积指数、地上部各器官干物质分配指数及品质的关系,在此基础上确定了氮钾耦合方式及耦合系数,分别建立了氮素、钾素及氮钾耦合对设施大棚甜瓜生长动态、产量及品质影响的模拟模型,并用与建立模型相独立的数据对模型进行了检验。（l）氮素模型。于2012年11月-2014年9月进行,根据定植期共开展了4次氮肥试验,每次试验设4个氮素处理,分别为N7（7 mmol/L）、N10（10 mmol/L）、N13（13 mmol/L）和N16（16 mmol/L）,研究氮素对甜瓜生长动态、产量及品质的影响,定量分析了花期叶片氮含量与甜瓜叶面积指数、叶片最大总光合速率、各器官的干物质分配指数、果实鲜重、果实可溶性糖、可溶性蛋白、Vc及可溶性固形物含量的关系。结果表明,“南海蜜”和“西州密25”花期叶片氮含量临界值分别为19.8和21.0 mg/g。对应花期叶片氮含量临界值,氮肥试验1-4基质有效氮含量,“南海蜜”分别为169、178、196和145 kg·ha–1;“西州密25”分别为173、193、247和132 kg·ha–1。模型对叶面积指数、地上部干重、茎干重、叶干重、果实干重、果实鲜重、可溶性糖、可溶性蛋白、Vc及可溶性固形物含量的预测值与实测值之间基于1:1线的决定系数r2分别为0.91、0.90、0.82、0.76、0.92、0.90、0.91、0.89、0.86、0.88。相对回归估计标准误r RMSE分别为10.8%、19.6%、21.1%、30.3%、11.9%、10.1%、17.3%、13.9%、27.8%、20.6%。（2）钾素模型。于2014年1月-2014年9月进行,根据定植期共开展了2次钾肥试验,每次试验设4个钾素水平处理,分别为K3（3 mmol/L）、K6（6mmol/L）、K9（9mmol/L）和K12（12mmol/L）,研究钾素对甜瓜生长动态、产量及品质的影响,定量分析了花期叶片钾含量与叶面积指数、叶片最大总光合速率、各器官的干物质分配指数、果实鲜重、果实可溶性糖、可溶性蛋白、Vc及可溶性固形物含量的关系,结果表明,“南海蜜”和“西州密25”花期叶片钾含量临界值分别为55.0和46.0 mg/g。对应花期叶片钾含量临界值,钾肥试验1基质有效钾含量,“南海蜜”和“西州密25”分别为765和554 kg·ha–1。模型对甜瓜叶面积指数、地上部干重、茎干重、叶干重、果实干重、果实鲜重、可溶性糖、可溶性蛋白、Vc及可溶性固形物含量的预测值与实测值之间基于1:1线的决定系数r2分别为0.93、0.98、0.83、0.96、0.98、0.99、0.94、0.94、0.89、0.85;相对回归估计标准误r RMSE分别为9.3%、12.3%、27.2%、13.7%、8.8%、4.4%、18.2%、15.7%、23.1%、16.0%。（3）氮钾耦合模型。于2015年1月-2015年9月进行,根据定植期共开展了2次氮钾耦合试验,每次试验设8个氮钾比例处理,分别为N7K3、N7K6、N7K9、N7K12、N13K3、N13K6、N13K9和N13K12。研究氮钾互作对甜瓜生长动态、产量及品质的影响,在甜瓜氮素和钾素单因子研究的基础上,确定了氮素和钾素的耦合方式,即为氮素影响因子、钾素影响因子及氮钾耦合系数的乘积,进而确定了花期叶片氮含量、钾含量和甜瓜叶面积指数、叶片最大总光合速率、各器官的干物质分配指数、果实鲜重、果实可溶性糖、可溶性蛋白、Vc及可溶性固形物影响定量关系。这些定量关系结合已有的光合驱动模型可以预测氮钾耦合的甜瓜生长动态、产量及品质,并用独立的试验数据检验了模型。结果表明,甜瓜叶面积指数、地上部干重、茎干重、叶干重、果实干重、果实鲜重、可溶性糖、可溶性蛋白、Vc及可溶性固形物含量的预测值与实测值之间基于1:1线的决定系数r2分别为0.78、0.91、0.93、0.94、0.83、0.89、0.92、0.95、0.91、0.93。相对回归估计标准误r RMSE分别为9.2%、12.4%、11.8%、43.2%、6.6%、7.2%、6.85%、4.98%、6.61%、4.35%。以上模型对大棚甜瓜生长、产量及品质预测结果较好,为甜瓜生产中的氮钾管理提供理论依据和决策支持。同时,利用乘积法构建甜瓜氮钾耦合模拟模型的方法是可行的。
潘海珠[9]（2020）在《基于作物多模型遥感数据同化的区域冬小麦生长模拟研究》文中认为利用数据同化的方法融合作物模型和遥感数据,为解决区域作物生长模拟提供了可行和有效手段。目前作物模型与遥感数据同化系统大多基于单一作物模型,模型结构的误差存在被低估的问题,导致同化结果的不确定及在不同区域的适用性较差。因此,本研究结合数据同化方法和多模型集合预报方法发展多模型数据同化方法,并将其用于构建作物多模型与遥感数据同化系统,以提高区域作物生长模拟和估产的精度及稳健性。本研究从同化变量LAI遥感反演、不同作物模型的比较、多模型数据同化算法开发、作物多模型与遥感数据同化方案的构建及其在区域冬小麦生长模拟和估产的应用等方面展开深入研究和讨论。主要的研究结论包括:（1）研究利用Landsat-7 ETM+、Landsat-8 OLI和Sentinel-2 MSI数据,结合EVI时序数据变化特征,使用循环神经网络方法LSTM实现了冬小麦的自动识别,识别总体精度为93.67%,Kappa系数为0.82。利用PROSAIL辐射传输模型和人工神经网络方法,建立了冬小麦LAI反演模型,实现了区域冬小麦LAI反演,经过地面实测数据的验证,LAI反演结果的RMSE为0.45和RRMSE分别10.54%,表明反演结果满足区域冬小麦同化研究的需求。（2）研究选取3种作物模型:SAFY-WB、WOFOST和CERES-Wheat模型,进行冬小麦生长模拟,利用EFAST和GLUE分别对各模型参数进行敏感性分析和不确定性分析。然后输入模型“本地化”参数,比较不同作物模型对冬小麦LAI和产量模拟结果的不确定性。结果表明,CERES-Wheat模型在开花期至成熟期LAI模拟的不确定性较大,3种作物模型在捕捉LAI的峰值存在明显的差异;CERES-Wheat和WOFOST对产量模拟的不确定性低于SAFY-WB。经参数标定后,都获取了较准确的LAI和产量模拟结果,证明这3种作物模型在冬小麦生长模拟和估产中的可行性。（3）发展2种多模型数据同化方法4DVar+BMA和EnKF+BMA。在单点尺度上,以地面观测冬小麦LAI和产量为验证,讨论和分析多模型数据方法在冬小麦生长模拟和估产的可行性及参数设置。研究结果表明,基于多模型数据同化方法的冬小麦LAI和单产同化结果优于单一模型的同化结果,4DVar+BMA和EnKF+BMA方法获取的冬小麦LAI的RMSE分别为0.35和0.33,RRMSE分别为9.94%和9.36%;冬小麦单产模拟结果的RMSE分别为332 kg/ha和301 kg/ha,RRMSE分别为4.22%和3.93%。单点尺度试验表明,基于4DVar+BMA和EnKF+BMA方法的作物多模型数据同化方案在冬小麦生长模拟和估产中具有可行性和有效性。（4）研究基于EnKF+BMA多模型同化方案进行了区域冬小麦生长模拟和估产,利用地面观测LAI和官方统计产量数据进行验证,冬小麦LAI模拟值的RMSE为0.22,RRMSE为4.88%,各县市产量模拟值的RE均小于12%,全市RE为5%。研究还发现,同化冬小麦关键生育期（如抽穗期和开花期）的遥感观测即可明显提高模型模拟精度;同化空间分辨率越低的遥感观测数据,模拟精度也降低,但计算效率大幅提高。因此,在实际应用时,需选择合理时空分辨率的遥感观测,以满足区域作物生长监测和估产的需求。
蒲罗曼[10]（2020）在《气候与耕地变化背景下东北地区粮食生产潜力研究》文中认为粮食是关系国计民生和社会稳定的重要战略储备资源,粮食安全是国家安全的重要组成部分。多种因素均可以影响粮食产量,而气候和耕地资源是决定区域粮食产量的两个基本条件。耕地变化是通过耕地的数量和质量发生改变来影响粮食产量,而气候变化改变了粮食作物生长发育中光、温、水条件,进而对粮食产量造成影响。东北地区幅员辽阔,耕地分布集中连片,气候资源丰富,粮食生产潜力巨大,是我国的粮食主产区和商品粮生产基地,在国家粮食安全中承担重要的任务。因此,本研究以中国东北地区为研究区,通过输入气候、土壤、地形和耕地数据,利用GAEZ模型模拟了东北地区1990-2015年主要粮食作物（玉米、大豆和水稻）的生产潜力,并与作物实际产量对比得到产量差距。接下来,采用“控制变量法”进一步单独且深入研究了1990-2015年气候和耕地变化对东北地区粮食生产潜力的影响。最后,通过模拟东北地区2050年气候和耕地情景,实现对东北地区未来粮食生产潜力的模拟。研究结果可为相关的农业规划管理部门的相关政策的制定提供决策参考,对保障未来粮食作物的增产增收和粮食安全,提高农民收入,维护社会稳定,都具有十分重要的意义。本研究得到的主要结论如下:（1）通过利用GAEZ模型对东北地区粮食生产潜力进行模拟,得到东北地区三种主要粮食作物生产潜力的变化特征。1990-2015年,近一半耕地内的玉米和大豆生产潜力均有所提升,其中大部分耕地的玉米生产潜力提升1500kg/ha以上,大豆生产潜力提升500-1500kg/ha。水稻生产潜力在黑龙江省大部分地区提升1500kg/ha,而在吉林省、辽宁省和内蒙古东四盟大部分地区有所下降。通过比较三种粮食作物的实际单产与潜在单产,可知东北地区40个市中,玉米实际与潜在产量的比例大于80%的市有22个,大豆为19个,水稻高达30个,说明东北地区大部分市的旱地和水田的利用率较高,且具有较高的人为投入与先进的管理措施。但仍有个别市的粮食产量差距较大。（2）通过将GAEZ模型估算的粮食生产潜力与农业遥感技术方法估算而来的作物产量进行相关性和空间差异性分析,计算得到玉米、大豆和水稻的两种产量的决定系数R2分别为0.66、0.64与0.72,两种产量结果之间的线性相关性较强。通过空间差异性分析发现,由于2015年东北地区旱地中精确的作物种植布局是未知的,通过将2015年东北地区旱地中的NPP全部转化为玉米产量,则大部分地区YGAEZ高于YNPP;而将2015年东北地区旱地中的NPP全部转化为大豆产量,则大部分地区YGAEZ比YNPP低,尤其在三江平原区部分地区、松嫩平原区与辽河平原区,YGAEZ比YNPP低2000-4000kg/ha。将水田中的NPP转化为水稻产量后,大部分地区的YGAEZ比YNPP低2000kg/ha以内。（3）在研究气候变化对东北地区粮食生产潜力的影响时发现,玉米和大豆生产潜力的变化与太阳辐射量、相对湿度、雨天频率和降雨量的变化呈现较为明显的正相关性,但与风速、平均最高和最低气温的变化的相关系数约-0.30,呈现较为明显的负相关。水稻生产潜力的变化在前一时段也与太阳辐射量、相对湿度、雨天频率和降雨量的变化呈较为明显的正相关,但后一时段与平均最高气温和太阳辐射的变化呈正相关,与相对湿度和雨天频率呈负相关。（4）本研究分析了1990-2015年东北地区旱地和水田与其他土地利用类型的转换特征。1990-2000年,大规模的毁林毁草开垦的现象较为严重,水田和旱地的相互转化也较为剧烈。旱地面积净增加293.51万公顷,总增加431.28万公顷,其中林地与草地转化为旱地的面积占全部旱地总增加面积的77.05%。水田的面积净增加67.89万公顷,总增加138.77万公顷,主要由旱地、未利用地和草地转化而来。2000-2015年,退耕还林还草现象明显,但水田和旱地转化仍十分剧烈。旱地的面积净减少148.78万公顷。旱地总流失741.62万公顷,转化为林地、水田和草地的面积占据所有旱地流失面积的74.10%。水田的面积净增加104.38万公顷,总增加262.19万公顷,大部分水田仍由旱地转化而来。在研究耕地变化对东北地区主要粮食作物的生产潜力的影响时,发现前10年东北地区玉米和大豆潜在总产量的增加主要是由于开垦大量天然林地与草地资源,以及水田的转化导致的旱地面积的大量增加。后15年玉米和大豆潜在总产量仍有所增加的主要原因为水田、林地和草地转化成优质旱地。1990-2015年两个时段东北地区水稻潜在总产量的增加均主要归因于旱地和未利用地向水田的转化导致水田面积大量增加。（5）本研究将CMIP5中的12种大气环流模型的未来气候模拟数据利用多模式集合方法进行简单平均,得到东北地区2050年生长季内六种气候变量的模拟结果。然后,利用CA-Markov模型预测了2050年东北地区土地利用情景。最后,利用GAEZ模型模拟了东北地区2050年气候和耕地条件下三种粮食作物的生产潜力。研究发现,东北地区三种粮食作物的潜在单产和潜在总产量均有所提升,且RCP4.5情景比RCP6.0情景的气候条件更有利于粮食作物生长。因此,未来需要尽量将温室气体的排放控制在RCP4.5情景范围内,同时注重提升粮食单位面积产量,这样才能在建立环境友好型社会的基础之上,保证东北地区的粮食安全。
二、作物模拟研究的进展（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、作物模拟研究的进展（论文提纲范文）
（1）塑料大棚越冬莴笋生长发育模拟模型研究（论文提纲范文）
| 摘要 |
| SUMMARY |
| 第一章 绪论 |
| 1.1 作物生长模拟研究进展 |
| 1.1.1 国外园艺作物生长模拟研究 |
| 1.1.2 国内园艺作物生长模拟研究 |
| 1.2 设施园艺作物生长模型的研究 |
| 1.2.1 生育期的模拟 |
| 1.2.2 叶面积指数的模拟 |
| 1.2.3 外观品质的模拟 |
| 1.2.4 光合作用的模拟 |
| 1.2.5 干物质生产的模拟 |
| 1.2.6 干物质分配的模拟 |
| 1.2.7 产量预测模拟 |
| 1.3 研究目的和内容 |
| 1.3.1 研究意义 |
| 1.3.2 主要内容 |
| 第二章 材料与方法 |
| 2.1 试验地点 |
| 2.2 试验材料与设计 |
| 2.2.1 试验材料 |
| 2.2.2 试验设计 |
| 2.3 试验数据获取 |
| 2.3.1 环境数据获取 |
| 2.3.2 莴笋生长指标测定 |
| 2.4 模型建立 |
| 2.5 模型检验 |
| 2.6 数据分析 |
| 第三章 塑料大棚越冬莴笋生育期模拟模型的研究 |
| 3.1 模型的描述 |
| 3.1.1 生育期划分与观测 |
| 3.1.2 生理发育时间的计算 |
| 3.1.3 有效积温的计算 |
| 3.2 结果分析 |
| 3.2.1 完成莴笋各生育时期所需的生理发育时间及有效积温 |
| 3.2.2 模型的检验 |
| 3.3 讨论 |
| 第四章 塑料大棚越冬莴笋外观品质模拟 |
| 4.1 模型的描述 |
| 4.1.1 莴笋茎长的模拟 |
| 4.1.2 莴笋茎粗的模拟 |
| 4.1.3 莴笋茎鲜重的模拟 |
| 4.1.4 莴笋叶片展开数的模拟 |
| 4.1.5 莴笋叶面积指数的模拟 |
| 4.2 模型的检验 |
| 4.2.1 莴笋茎长模拟结果的检验 |
| 4.2.2 莴笋茎粗模拟结果的检验 |
| 4.2.3 莴笋茎鲜重模拟结果的检验 |
| 4.2.4 莴笋叶片展开数模拟结果的检验 |
| 4.2.5 莴笋叶面积指数模拟结果的检验 |
| 4.3 讨论 |
| 第五章 塑料大棚越冬莴笋干物质生产的模型研究 |
| 5.1 模型的描述 |
| 5.1.1 塑料大棚内太阳辐射强度的计算 |
| 5.1.2 云量的计算 |
| 5.1.3 莴笋干物质生产的模拟 |
| 5.2 模型的检验 |
| 5.2.1 莴笋干物质生产模拟结果的检验 |
| 5.3 讨论 |
| 第六章 塑料大棚越冬莴笋干物质分配与产量模拟 |
| 6.1 模型的描述 |
| 6.1.1 莴笋各器官干物质分配指数的计算 |
| 6.1.2 莴笋干物质分配指数的模拟 |
| 6.1.3 莴笋各器官生长的模拟 |
| 6.1.4 莴笋产量的模拟 |
| 6.2 模型的检测 |
| 6.2.1 莴笋干物质分配模拟结果的检验 |
| 6.2.2 莴笋产量模拟结果的检验 |
| 6.3 讨论 |
| 第七章 全文总结 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 导师简介 |
（2）未来气候变化对西北农牧交错带玉米生产的影响及适应性措施研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究意义与目的 |
| 1.2 国内外研究进展 |
| 1.2.1 气候变化对农业影响的研究进展 |
| 1.2.2 作物模型研究进展 |
| 1.2.3 缓解气候变化的适应性措施研究进展 |
| 1.3 研究内容、拟解决的关键问题及技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 拟解决的关键问题 |
| 1.3.4 技术路线图 |
| 第二章 研究区概况 |
| 2.1 自然地理概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候条件 |
| 2.1.3 土地利用 |
| 2.1.4 农作物分布概况 |
| 2.2 社会经济概况 |
| 第三章 DSSAT模型建立及适用性验证 |
| 3.1 DSSAT模型简介 |
| 3.1.1 模型结构 |
| 3.1.2 模型原理 |
| 3.2 CERES-Maize模型数据库建立 |
| 3.2.1 气象数据库建立 |
| 3.2.2 土壤数据库建立 |
| 3.2.3 遗传参数的建立 |
| 3.2.4 实验数据的建立 |
| 3.3 CERES-Maize校正与验证 |
| 3.3.1 评价指标 |
| 3.3.2 模型参数校正 |
| 3.3.3 模型验证 |
| 第四章 未来气候变化对西北农牧交错带玉米的影响 |
| 4.1 气候模式选取及校正 |
| 4.1.1 气候模式 |
| 4.1.2 误差订正 |
| 4.1.3 订正结果 |
| 4.2 未来气候变化趋势 |
| 4.3 未来气候变化对玉米的影响 |
| 4.3.1 玉米产量变化趋势 |
| 4.3.2 玉米生育期变化趋势 |
| 4.3.3 气候变化对玉米水分利用效率的影响 |
| 4.4 讨论 |
| 4.4.1 气候模式的不确定性 |
| 4.4.2 升温与灌溉玉米产量的关系 |
| 4.4.3 水分胁迫对雨养玉米产量的影响 |
| 4.4.4 CO_2浓度对玉米的影响 |
| 4.5 本章小结 |
| 第五章 制定适应未来气候变化的最佳措施 |
| 5.1 调整播期对玉米产量的影响 |
| 5.1.1 模拟情景设计 |
| 5.1.2 模拟结果分析 |
| 5.2 补充灌溉对玉米产量的影响 |
| 5.2.1 模拟情景设计 |
| 5.2.2 模拟结果分析 |
| 5.3 设计适应未来气候变化的最佳玉米品种 |
| 5.3.1 品种参数设计 |
| 5.3.2 品种初步筛选 |
| 5.3.3 确定最佳品种 |
| 5.4 讨论 |
| 5.5 本章小结 |
| 第六章 不同适应性措施耦合对玉米产量及WUE的影响 |
| 6.1 不同适应性措施耦合对灌溉玉米的影响 |
| 6.2 不同适应性措施耦合对雨养玉米的影响 |
| 6.3 讨论 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 主要创新点 |
| 7.3 本文不足之处 |
| 7.4 研究展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（3）不同耕作措施下旱地小麦产量形成过程对光温的响应（论文提纲范文）
| 摘要 |
| Summary |
| 前言 |
| 第一章 作物生长模拟模型研究进展 |
| 1.1 作物生长模拟模型的概念、特征及分类 |
| 1.1.1 作物生长模拟模型的概念 |
| 1.1.2 作物生长模拟模型的特征 |
| 1.2 作物生长模拟模型的研究目的及意义 |
| 1.3 作物模型的起源与发展 |
| 1.4 各国典型作物模型介绍 |
| 1.4.1 荷兰Wageningen模型 |
| 1.4.2 美国作物模型 |
| 1.4.3 澳大利亚作物模型 |
| 1.4.4 国内典型模型 |
| 1.5 小麦光合生产和物质积累模拟的研究进展 |
| 1.6 APSIM模型 |
| 1.6.1 APSIM模型概述 |
| 1.6.2 APSIM模型的结构 |
| 1.6.3 APSIM软件体系 |
| 1.6.4 APSIM模型的应用研究动态 |
| 1.7 作物生长模拟模型中存在的问题 |
| 1.8 作物生长模拟模型的展望 |
| 第二章 研究思路、内容及方法 |
| 2.1 研究思路及技术路线 |
| 2.2 研究内容 |
| 2.2.1 以APSIM为平台组建旱地小麦光合机理模型 |
| 2.2.2 以APSIM为平台组建旱地小麦物质积累机理模型 |
| 2.2.3 对模型进行验证 |
| 2.2.4 根据不同的气象条件对最终产量、生育期叶面积指数和生育期天数进行模拟,并对其进行分析 |
| 2.3 资料来源 |
| 2.4 研究区概况及供试材料 |
| 2.5 试验设计与数据处理 |
| 2.5.1 光照和温度效应的模拟设计 |
| 2.6 模型分析与建立 |
| 2.7 模型的检验 |
| 第三章 模型机理及模块组件 |
| 3.1 小麦生育期的划分 |
| 3.2 APSIM模型数据库模块的组建 |
| 3.2.1 气候模块组建 |
| 3.2.2 土壤属性模块组建 |
| 3.2.3 作物属性参数 |
| 第四章 模型检验及结果 |
| 4.1 传统耕作方式下模型模拟作物产量、叶面积、生物量与实测值的分析比较 |
| 4.2 免耕方式下模型模拟作物产量、叶面积、生物量与实测值的分析比较 |
| 4.3 免耕覆盖方式下模型模拟作物产量、叶面积、生物量与实测值的分析比较 |
| 第五章 光照对小麦生育期叶面积指数及生育期天数的影响分析 |
| 5.1 光照条件变化 |
| 5.1.1 太阳总辐射年际变化 |
| 5.1.2 生育期太阳辐射变化 |
| 5.1.3 太阳辐射月变化 |
| 5.2 光照变化对小麦生育期叶面积指数的影响 |
| 5.3 光照变化对小麦生育期天数的影响 |
| 第六章 温度对小麦生育期叶面积指数及生育期天数的影响分析 |
| 6.1 温度条件变化 |
| 6.1.1 温度年际变化 |
| 6.1.2 年际生育期温度变化 |
| 6.2 温度变化对小麦生育期叶面积指数的影响 |
| 6.3 温度变化对小麦生育期天数的影响 |
| 第七章 不同耕作措施旱地小麦产量应对光温变化的效应分析 |
| 7.1 平均光照、温度对小麦产量的影响 |
| 7.1.1 小麦产量与光照和温度的回归分析 |
| 7.1.2 光照变化对小麦产量的影响 |
| 7.1.3 温度变化对小麦产量的影响 |
| 7.1.4 不同耕作措施下改变光照、温度因子对小麦产量的影响 |
| 7.2 光照和温度对小麦产量的互作效应分析 |
| 7.2.1 传统耕作方式 |
| 7.2.2 免耕方式 |
| 7.2.3 免耕覆盖方式 |
| 第八章 结论与讨论 |
| 8.1 主要结论 |
| 8.2 讨论 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 硕士期间发表论文 |
| 导师简介 |
（4）基于CERES-Wheat模型的小麦生长发育过程模拟研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国内外作物模型研究进展及其应用 |
| 1.2.2 主要的小麦生长模型 |
| 1.2.3 主要的物候期模型 |
| 1.3 存在问题 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 第二章 材料与方法 |
| 2.1 DSSAT模型 |
| 2.1.1 气象模块 |
| 2.1.2 土壤模块 |
| 2.1.3 SPAM模块 |
| 2.1.4 通用作物模型(CROPGRO) |
| 2.1.5 单个作物模块 |
| 2.1.6 管理模块 |
| 2.1.7 虫害模块 |
| 2.1.8 模型所需数据 |
| 2.1.9 DSSAT中遗传参数的估计 |
| 2.1.10 模型源代码编译 |
| 2.2 数据来源 |
| 2.3 统计指标 |
| 第三章 不同土壤水分条件下CERES-WHEAT模型的模拟评估 |
| 3.1 CERES-Wheat模型的输入数据 |
| 3.1.1 气象数据 |
| 3.1.2 土壤数据 |
| 3.1.3 田间管理数据 |
| 3.1.4 田间观测数据 |
| 3.1.5 模型参数的确定 |
| 3.2 CERES-Wheat模型的校准和验证 |
| 3.3 CERES-Wheat模拟水分胁迫下小麦的生长发育 |
| 3.4 分析模拟误差的原因 |
| 3.5 小结 |
| 第四章 参数的不确定性和水分胁迫参数化对小麦生长模拟的影响 |
| 4.1 数据和研究方法 |
| 4.1.1 数据 |
| 4.1.2 GLUE方法 |
| 4.1.3 EFAST方法 |
| 4.2 结果 |
| 4.2.1 CERES-Wheat模型的模拟结果 |
| 4.2.2 CTL参数集在不考虑水分胁迫参数化方法的模拟结果 |
| 4.2.3 比较CTL和 GLUE参数集的模拟结果 |
| 4.2.4 参数敏感性分析 |
| 4.2.5 参数的不确定性和水分胁迫方法对模型输出的影响 |
| 4.3 小结 |
| 第五章 冬小麦物候期对水分胁迫响应函数的建立 |
| 5.1 数据来源和研究方法 |
| 5.1.1 数据来源 |
| 5.1.2 研究方法 |
| 5.2 结果分析 |
| 5.2.1 冬小麦物候期方法的校准与验证 |
| 5.2.2 CERES-Wheat模型改进物候期方法前后对比分析 |
| 5.3 小结 |
| 第六章 叶面积指数新方法的建立 |
| 6.1 数据来源与研究方法 |
| 6.1.1 数据来源 |
| 6.1.2 研究方法 |
| 6.2 结果 |
| 6.2.1 叶面积指数新方法的校准 |
| 6.2.2 叶面积指数新方法的验证 |
| 6.3 小结 |
| 第七章 不同叶面积指数方法下小麦水分利用效率对比分析 |
| 7.1 区域选取和模型校准 |
| 7.1.1 区域选取 |
| 7.1.2 模型校准与验证 |
| 7.2 水分利用效率含义和计算方法 |
| 7.3 不同LAI方法计算方法 |
| 7.3.1 CERES-Wheat模型中LAI的模拟过程 |
| 7.3.2 WOFOST模型中LAI的模拟过程 |
| 7.3.3 FASSET模型中LAI的模拟过程 |
| 7.3.4 STICS模型中LAI的模拟过程 |
| 7.3.5 DAISY模型中LAI的模拟过程 |
| 7.3.6 新方法中LAI的模拟过程 |
| 7.4 结果分析 |
| 7.4.1 模型校准与验证 |
| 7.4.2 不同LAI方法下LAI和地上部生物量的比较分析 |
| 7.4.3 不同LAI方法下产量的比较分析 |
| 7.4.4 不同LAI方法下WUE比较分析 |
| 7.5 小结 |
| 第八章 主要结论、创新点及展望 |
| 8.1 主要结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）北方冬小麦水分利用及其应对气候变化的灌溉模式研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景、意义与目的 |
| 1.2 国内外研究进展 |
| 1.2.1 根系吸水研究进展 |
| 1.2.2 亏缺灌溉研究进展 |
| 1.2.3 作物模型参数估计研究进展 |
| 1.2.4 气候变化对作物生长的影响研究进展 |
| 1.3 有待进一步解决的问题 |
| 1.4 研究思路与主要内容 |
| 1.5 技术路线 |
| 第二章 材料与方法 |
| 2.1 试验区域概况 |
| 2.2 试验设计 |
| 2.3 试验观测项目与方法 |
| 2.3.1 气象数据 |
| 2.3.2 作物指标 |
| 2.3.3 土壤指标 |
| 2.3.4 蒸发蒸腾 |
| 2.4 SWAP模型 |
| 2.4.1 基本原理 |
| 2.4.2 输入模块 |
| 2.4.3 边界条件 |
| 2.4.4 输出结果 |
| 2.5 敏感性分析 |
| 2.6 通径分析 |
| 2.7 PEST程序 |
| 2.8 统计分析 |
| 第三章 SWAP模型敏感性分析与田间尺度性能评价 |
| 3.1 SWAP模型敏感性分析 |
| 3.1.1 总参数敏感性 |
| 3.1.2 参数变化范围对敏感性分析的影响 |
| 3.2 SWAP模型田间尺度性能评价 |
| 3.2.1 模型率定与验证 |
| 3.2.2 模型性能评价结果与分析 |
| 3.3 小结 |
| 第四章 冬小麦根系吸水模拟研究 |
| 4.1 亏缺灌溉条件下冬小麦根系吸水时空分布模拟结果分析 |
| 4.1.1 根系吸水的剖面分布 |
| 4.1.2 水分胁迫对不同生长阶段根系吸水的影响 |
| 4.2 复水后根系吸水恢复模拟结果分析 |
| 4.3 根系吸水的通径分析与估算模型 |
| 4.3.1 根系吸水的通径分析 |
| 4.3.2 根系吸水估算模型的建立与验证 |
| 4.4 小结 |
| 第五章 冬小麦蒸发蒸腾规律与模拟研究 |
| 5.1 亏缺灌溉条件下农田水分消耗途径与模拟结果分析 |
| 5.2 亏缺灌溉条件下蒸发蒸腾变化规律与模拟结果分析 |
| 5.3 蒸发蒸腾的通径分析与估算模型 |
| 5.3.1 蒸发蒸腾的通径分析 |
| 5.3.2 蒸发蒸腾估算模型的建立与验证 |
| 5.4 小结 |
| 第六章 基于PEST程序的SWAP模型区域参数估计方法研究 |
| 6.1 研究区域与数据来源 |
| 6.1.1 研究区域概况 |
| 6.1.2 数据来源 |
| 6.2 PEST程序与SWAP模型耦合方法 |
| 6.3 PEST程序与SWAP模型区域尺度性能评价 |
| 6.3.1 土壤含水量验证 |
| 6.3.2 生育期验证 |
| 6.3.3 产量验证 |
| 6.4 小结 |
| 第七章 北方冬麦区对气候变化的响应及其应对策略 |
| 7.1 气候变化情景 |
| 7.2 气候要素时空变化规律 |
| 7.2.1 净辐射 |
| 7.2.2 累积降水 |
| 7.2.3 气温 |
| 7.3 气候变化对冬小麦的影响 |
| 7.3.1 生育期 |
| 7.3.2 蒸发蒸腾与产量 |
| 7.3.3 蒸发蒸腾与产量的通径分析 |
| 7.3.4 蒸发蒸腾与产量变化讨论 |
| 7.4 适应气候变化的优化情景 |
| 7.5 小结 |
| 第八章 结论与展望 |
| 8.1 主要结论 |
| 8.2 创新点 |
| 8.3 问题与展望 |
| 附录A PEST程序优化的SWAP模型参数 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）不同栽培要素对几种水培绿叶菜生长模型参数变异的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 文献综述 |
| 1.1 引言 |
| 1.2 植物生长的计量 |
| 1.2.1 生长的概念与尺度表现 |
| 1.2.2 生长的计量 |
| 1.2.3 生长过程的计算机信息化处理 |
| 1.3 作物模型的含义、分类及作用 |
| 1.3.1 作物模型的含义 |
| 1.3.2 作物模型的分类 |
| 1.3.3 作物模型的作用 |
| 1.4 作物模型的发展历程 |
| 1.5 国内外园艺作物模型研究进展 |
| 1.5.1 国外园艺作物模型研究进展 |
| 1.5.2 国内园艺作物模型研究进展 |
| 1.6 作物生长模型现存问题及研究方向 |
| 1.6.1 作物生长模型现存问题 |
| 1.6.2 作物生长模型研究方向 |
| 1.7 研究目的和意义 |
| 1.7.1 研究的目的 |
| 1.7.2 研究的意义 |
| 第二章 绿叶菜基本生长模型的建立 |
| 2.1 试验材料和设计 |
| 2.1.1 试验材料 |
| 2.1.2 试验设计 |
| 2.2 测定指标和方法 |
| 2.2.1 鲜重的测定 |
| 2.2.2 数据分析 |
| 2.3 结果与分析 |
| 2.3.1 基本生长模型的构建 |
| 2.3.2 绿叶菜的基本生长模型 |
| 2.4 讨论 |
| 2.5 本章小结 |
| 第三章 季节对绿叶菜生长模型参数的影响 |
| 3.1 试验材料和设计 |
| 3.1.1 试验材料 |
| 3.1.2 试验设计 |
| 3.2 测定指标和方法 |
| 3.2.1 鲜重、干重、叶面积和叶片数的测定 |
| 3.2.2 环境因子的监测 |
| 3.2.3 数据处理 |
| 3.3 结果与分析 |
| 3.3.1 月平均气温的动态变化 |
| 3.3.2 光照时长的动态变化 |
| 3.3.3 季节对绿叶菜叶片数的影响 |
| 3.3.4 季节对绿叶菜叶面积、干重的影响 |
| 3.3.5 季节对绿叶菜生长模型的影响 |
| 3.3.6 绿叶菜生长分析 |
| 3.4 讨论 |
| 3.4.1 季节对作物生长的影响 |
| 3.4.2 季节对参数b的影响 |
| 3.4.3 季节系数的变异规律 |
| 3.5 本章小结 |
| 第四章 品种对绿叶菜生长模型参数的影响 |
| 4.1 试验材料和设计 |
| 4.1.1 试验材料 |
| 4.1.2 试验设计 |
| 4.2 测定项目和方法 |
| 4.2.1 鲜重、干重和叶片数的测定 |
| 4.2.2 数据分析 |
| 4.3 结果与分析 |
| 4.3.1 品种对作物生长的影响 |
| 4.3.2 品种对绿叶菜生长模型参数的影响 |
| 4.4 讨论 |
| 4.5 本章小结 |
| 第五章 营养液浓度对绿叶菜生长模型参数的影响 |
| 5.1 试验材料和设计 |
| 5.1.1 试验材料 |
| 5.1.2 试验设计 |
| 5.2 测定指标和方法 |
| 5.2.1 鲜重、产量与营养液成本测算 |
| 5.2.2 数据分析 |
| 5.3 结果与分析 |
| 5.3.1 营养液浓度对作物产量的影响 |
| 5.3.2 营养液浓度对作物生长模型参数的影响 |
| 5.3.3 经济效益分析 |
| 5.4 讨论 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录1 缩略词及中英文对照 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（7）基于WOFOST模型的春小麦产量预测方法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究进展 |
| 1.3.1 作物生长过程模型 |
| 1.3.2 作物形态结构模型 |
| 1.3.3 作物模型与现代化技术结合 |
| 1.4 研究内容与论文结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构 |
| 1.5 本章小结 |
| 2 实验区与数据获取 |
| 2.1 实验区域概况 |
| 2.2 数据 |
| 2.2.1 气象数据 |
| 2.2.2 作物数据 |
| 2.2.3 土壤数据 |
| 2.3 数据处理方法 |
| 2.3.1 缺失数据处理 |
| 2.3.2 太阳辐射计算 |
| 2.3.3 风速计算 |
| 2.3.4 水汽压计算 |
| 2.4 本章小结 |
| 3 WOFOST模型与数据库的建立 |
| 3.1 WOFOST模型的理论描述 |
| 3.1.1 同化作用和呼吸作用 |
| 3.1.2 蒸腾作用 |
| 3.1.3 作物生长发育过程 |
| 3.1.4 土壤水分平衡 |
| 3.1.5 干物质积累及分配 |
| 3.2 WOFOST模型数据库的建立 |
| 3.2.1 气象数据库的建立 |
| 3.2.2 作物数据库的建立 |
| 3.2.3 土壤数据库的建立 |
| 3.3 WOFOST模型的运行 |
| 3.4 模型不确定性分析 |
| 3.4.1 模型不确定性来源 |
| 3.4.2 模型不确定性处理方法 |
| 3.5 本章小结 |
| 4 WOFOST模型对春小麦的参数率定 |
| 4.1 模型参数率定方法 |
| 4.1.1 EFAST方法 |
| 4.1.2 PEST优化方法 |
| 4.2 春小麦参数敏感性分析 |
| 4.2.1 参数敏感性分析方案 |
| 4.2.2 参数敏感性分析结果 |
| 4.3 春小麦参数优化 |
| 4.3.1 参数优化方案 |
| 4.3.2 参数优化结果 |
| 4.4 本章小结 |
| 5 WOFOST模型对春小麦产量的模拟与验证 |
| 5.1 WOFOST模型初始参数确定 |
| 5.2 春小麦生长过程的模拟与分析 |
| 5.2.1 产量的模拟与分析 |
| 5.2.2 发育期天数的模拟与分析 |
| 5.3 春小麦模拟过程的精度验证 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论 |
| 6.2 存在的问题与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表论文与研究成果 |
（8）氮钾及耦合对设施栽培甜瓜生长与品质影响的模拟研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 氮素对园艺作物生长与品质的影响 |
| 1.1.1 氮素对园艺作物生长的影响 |
| 1.1.2 氮素对园艺作物品质的影响 |
| 1.2 钾素对园艺作物生长与品质的影响 |
| 1.2.1 钾素对园艺作物生长的影响 |
| 1.2.2 钾素对园艺作物品质的影响 |
| 1.3 氮钾耦合对园艺作物生长与品质的影响 |
| 1.3.1 氮钾耦合对园艺作物生长的影响 |
| 1.3.2 氮钾耦合对园艺作物品质的影响 |
| 1.4 园艺作物模拟模型研究进展 |
| 1.4.1 国外园艺作物生长模拟模型研究进展 |
| 1.4.2 国内园艺作物生长模拟模型研究进展 |
| 1.4.3 国内园艺作物施肥模拟模型 |
| 1.4.3.1 施肥对国内园艺作物生长影响的模拟模型 |
| 1.4.3.2 施肥对国内园艺作物品质影响的模拟模型 |
| 1.4.3.3 园艺作物模型研究中存在的主要问题 |
| 1.5 本研究的主要内容和意义 |
| 1.5.1 研究的目的和意义 |
| 1.5.2 研究的主要内容 |
| 1.5.3 研究的技术路线 |
| 2 试验材料与方法 |
| 2.1 试验材料 |
| 2.2 试验设计及方法 |
| 2.2.1 氮素试验 |
| 2.2.2 钾素试验 |
| 2.2.3 氮钾耦合试验 |
| 2.3 测定项目及方法 |
| 2.3.1 叶片光合速率的测量 |
| 2.3.2 叶面积指数与各器官干重的测定 |
| 2.3.3 化学成分及当季基质供氮量的计算 |
| 2.3.4 品质测定 |
| 2.3.5 大棚环境数据的采集 |
| 2.4 模型的构建 |
| 2.5 PTI的计算 |
| 3 结果与分析 |
| 3.1 氮素对设施甜瓜生长与品质影响的模拟模型 |
| 3.1.1 氮素模型构建 |
| 3.1.1.1 氮素指标确定 |
| 3.1.1.2 叶片总光合速率的模拟 |
| 3.1.1.3 叶面积指数模拟 |
| 3.1.1.4 干物质分配模拟 |
| 3.1.1.5 果实品质模拟 |
| 3.1.1.6 干物质生产及各器官干重预测 |
| 3.1.1.7 果实产量的预测 |
| 3.1.1.8 模型检验及方法 |
| 3.1.1.9 模型检验 |
| 3.1.2 小结 |
| 3.2 钾素对设施甜瓜生长与品质影响的模拟模型 |
| 3.2.1 钾素模型构建 |
| 3.2.1.1 钾素指标的确定 |
| 3.2.1.2 叶片总光合速率的模拟 |
| 3.2.1.3 叶面积指数模拟 |
| 3.2.1.4 干物质分配的模拟 |
| 3.2.1.5 果实品质模拟 |
| 3.2.1.6 干物质生产及各器官干重预测 |
| 3.2.1.7 果实产量的预测 |
| 3.2.1.8 模型检验及方法 |
| 3.2.1.9 模型检验 |
| 3.2.2 小结 |
| 3.3 氮钾耦合对设施甜瓜生长与品质影响的模拟模型 |
| 3.3.1 氮钾耦合模型构建 |
| 3.3.1.1 氮钾耦合方式的确定 |
| 3.3.1.2 甜瓜生长与品质模拟 |
| 3.3.1.3 模型检验 |
| 3.3.2 小结 |
| 4 讨论 |
| 4.1 氮素对设施甜瓜生长与品质影响的模拟研究 |
| 4.2 钾素对设施甜瓜生长与品质影响的模拟研究 |
| 4.3 氮钾耦合对设施甜瓜生长与品质影响的模拟研究 |
| 4.4 本研究的创新点 |
| 5 结论 |
| 参考文献 |
| 缩略词 |
| 攻读博士学位期间发表学术论文情况 |
| 致谢 |
（9）基于作物多模型遥感数据同化的区域冬小麦生长模拟研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 作物生长模型研究现状 |
| 1.2.2 作物生长模型与遥感数据同化研究现状 |
| 1.2.3 作物多模型比较及集合预报研究现状 |
| 1.3 存在的科学问题 |
| 1.4 研究目标、内容和技术路线 |
| 1.5 论文结构 |
| 第二章 研究区、数据及作物模型 |
| 2.1 研究区概况 |
| 2.2 田间观测试验 |
| 2.3 模型驱动数据 |
| 2.3.1 气象数据 |
| 2.3.2 土壤数据 |
| 2.3.3 田间管理数据 |
| 2.4 遥感数据及预处理 |
| 2.4.1 遥感数据获取 |
| 2.4.2 遥感数据预处理 |
| 2.5 作物生长模型 |
| 2.5.1 SAFY-WB模型 |
| 2.5.2 WOFOST模型 |
| 2.5.3 CERES-Wheat模型 |
| 2.6 本章小结 |
| 第三章 区域冬小麦遥感信息提取及分析 |
| 3.1 基于遥感时序数据的区域冬小麦种植区提取 |
| 3.1.1 EVI时序数据SG滤波 |
| 3.1.2 冬小麦种植区提取方法循环神经网络RNN |
| 3.1.3 冬小麦种植区提取结果 |
| 3.2 基于人工神经网络的冬小麦叶面积指数反演 |
| 3.2.1 PROSAIL模型 |
| 3.2.2 人工神经网络LAI反演方法 |
| 3.2.3 冬小麦LAI反演结果验证与分析 |
| 3.3 本章小结 |
| 第四章 不同作物模型的冬小麦生长模拟结果比较分析 |
| 4.1 研究方法 |
| 4.1.1 模型参数敏感性分析方法EFAST |
| 4.1.2 模型参数不确定性研究方法GLUE |
| 4.2 结果与分析 |
| 4.2.1 作物模型参数敏感性和不确定性 |
| 4.2.2 冬小麦LAI模拟结果比较 |
| 4.2.3 冬小麦产量模拟结果比较 |
| 4.3 本章小结 |
| 第五章 基于贝叶斯模型平均的作物多模型数据同化研究 |
| 5.1 研究方法 |
| 5.1.1 四维变分算法4DVar |
| 5.1.2 集合卡尔曼滤波EnKF |
| 5.1.3 贝叶斯模型平均BMA |
| 5.1.4 多模型数据同化算法的构建 |
| 5.2 单点尺度冬小麦多模型数据同化试验 |
| 5.2.1 基于传统数据同化算法的单一作物模型同化模拟 |
| 5.2.2 基于BMA方法的作物多模型集合模拟 |
| 5.2.3 基于多模型数据同化算法的冬小麦多模型同化模拟 |
| 5.3 结果与分析 |
| 5.3.1 基于单一作物模型的冬小麦同化模拟结果评价 |
| 5.3.2 基于作物多模型的冬小麦集合预报结果评价 |
| 5.3.3 基于作物多模型的冬小麦同化模拟结果评价 |
| 5.4 本章小结 |
| 第六章 作物多模型数据同化在区域冬小麦生长模拟中的应用 |
| 6.1 数据与方法 |
| 6.1.1 区域冬小麦多模型遥感同化数据 |
| 6.1.2 作物模型 |
| 6.1.3 区域冬小麦多模型遥感同化方法 |
| 6.2 结果与分析 |
| 6.2.1 不同作物模型同化的区域冬小麦模拟结果对比 |
| 6.2.2 作物多模型集合同化的区域冬小麦模拟结果分析 |
| 6.2.3 不同生育期观测同化的区域冬小麦估产结果对比 |
| 6.2.4 不同空间尺度观测同化的区域冬小麦估产结果对比 |
| 6.3 本章小结 |
| 第七章 讨论与展望 |
| 7.1 主要研究结论 |
| 7.2 研究创新点 |
| 7.3 存在的问题与展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（10）气候与耕地变化背景下东北地区粮食生产潜力研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 粮食生产潜力估算研究进展 |
| 1.2.2 粮食产量的影响因素研究进展 |
| 1.2.3 未来气候与土地利用分布情景模拟研究进展 |
| 1.3 研究内容、技术路线与创新点 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 创新点 |
| 第2章 研究区概况和数据准备 |
| 2.1 研究区概况 |
| 2.1.1 自然环境 |
| 2.1.2 人文环境 |
| 2.2 数据收集与处理 |
| 2.2.1 气候数据 |
| 2.2.2 地形数据 |
| 2.2.3 土壤数据 |
| 2.2.4 土地利用数据 |
| 2.2.5 社会经济数据 |
| 2.2.6 自然-人文数据库集成 |
| 2.3 本章小结 |
| 第3章 全球农业生态区划模型 |
| 3.1 GAEZ模型简介 |
| 3.2 GAEZ模型的计算过程 |
| 3.2.1 农业-气候数据分析 |
| 3.2.2 生物量和产量计算 |
| 3.2.3 农业-气候限制 |
| 3.2.4 农业-土壤地形适宜性 |
| 3.2.5 农业-气候与土壤评估集成 |
| 3.2.6 作物潜在生产力 |
| 3.3 GAEZ模型的输入与输出 |
| 3.3.1 GAEZ模型的输入 |
| 3.3.2 GAEZ模型的输出 |
| 3.4 GAEZ模型估算结果验证 |
| 3.5 本章小结 |
| 第4章 粮食生产潜力变化及与实际产量的差距分析 |
| 4.1 东北地区主要粮食作物 |
| 4.2 近25 年东北地区主要粮食作物生产潜力变化 |
| 4.2.1 近25 年东北地区粮食生产潜力时间变化特征 |
| 4.2.2 近25 年东北地区粮食生产潜力空间变化特征 |
| 4.3 粮食生产潜力与实际产量的差距分析 |
| 4.3.1 粮食实际产量与生产潜力的差距 |
| 4.3.2 粮食实际产量与生产潜力的差距分析的局限性 |
| 4.4 本章小结 |
| 第5章 GAEZ模型与农业遥感估算作物产量的对比 |
| 5.1 农业遥感估算作物产量的原理 |
| 5.2 VPM模型介绍 |
| 5.3 耕地NPP及作物产量估算 |
| 5.4 GAEZ模型与农业遥感估算的作物产量结果对比 |
| 5.4.1 GAEZ模型与农业遥感估算的作物产量相关性分析 |
| 5.4.2 GAEZ模型与农业遥感估算的作物产量空间差异性分析 |
| 5.4.3 两种作物产量估算方法对比研究的局限性 |
| 5.5 本章小结 |
| 第6章 气候与耕地变化对粮食生产潜力的影响 |
| 6.1 气候变化对粮食生产潜力的影响 |
| 6.1.1 1990-2015年东北地区气候变化 |
| 6.1.2 1990-2015年气候变化条件下东北地区粮食生产潜力变化 |
| 6.1.3 1990-2015年气候变化对东北地区粮食生产潜力的影响 |
| 6.2 耕地变化对粮食生产潜力的影响 |
| 6.2.1 1990-2015年东北地区耕地面积及分布变化特征 |
| 6.2.2 1990-2015年耕地变化条件下东北地区粮食生产潜力变化 |
| 6.2.3 1990-2015年耕地变化对东北地区粮食生产潜力的影响 |
| 6.3 本章小结 |
| 第7章 未来气候与耕地情景下粮食生产潜力模拟 |
| 7.1 未来气候情景模拟 |
| 7.1.1 未来气候模型模拟结果 |
| 7.1.2 东北地区未来气候变化模拟 |
| 7.2 未来耕地情景模拟 |
| 7.2.1 CA-Markov模型 |
| 7.2.2 基于CA-Markov模型的 2050年东北地区土地利用现状模拟. |
| 7.3 未来气候及耕地情景下粮食生产潜力模拟 |
| 7.3.1 2050年东北地区主要粮食作物生产潜力模拟 |
| 7.3.2 2015- 2050年东北地区主要粮食作物生产潜力变化模拟 |
| 7.4 本章小结 |
| 第8章 结论与展望 |
| 8.1 研究结论 |
| 8.2 不足与展望 |
| 8.2.1 研究不足 |
| 8.2.2 未来展望 |
| 参考文献 |
| 附表 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
四、作物模拟研究的进展（论文参考文献）
- [1]塑料大棚越冬莴笋生长发育模拟模型研究[D]. 马宁. 甘肃农业大学, 2021(09)
- [2]未来气候变化对西北农牧交错带玉米生产的影响及适应性措施研究[D]. 韩智博. 兰州大学, 2021(09)
- [3]不同耕作措施下旱地小麦产量形成过程对光温的响应[D]. 杨楠. 甘肃农业大学, 2020(09)
- [4]基于CERES-Wheat模型的小麦生长发育过程模拟研究[D]. 闫玲. 西北农林科技大学, 2020(03)
- [5]北方冬小麦水分利用及其应对气候变化的灌溉模式研究[D]. 王晓文. 西北农林科技大学, 2020(03)
- [6]不同栽培要素对几种水培绿叶菜生长模型参数变异的研究[D]. 严振宁. 上海交通大学, 2020(01)
- [7]基于WOFOST模型的春小麦产量预测方法研究[D]. 李明. 山东农业大学, 2020(01)
- [8]氮钾及耦合对设施栽培甜瓜生长与品质影响的模拟研究[D]. 杨小锋. 海南大学, 2020
- [9]基于作物多模型遥感数据同化的区域冬小麦生长模拟研究[D]. 潘海珠. 中国农业科学院, 2020(01)
- [10]气候与耕地变化背景下东北地区粮食生产潜力研究[D]. 蒲罗曼. 吉林大学, 2020(08)