检索结果-内蒙古大学图书馆

作物杂志 2022年第6期 145-151页

作者：张东霞秦安振河南省焦作水文水资源勘测局河南焦作454003 中国农业科学院农田灌溉研究所河南新乡453002

作物蒸散量(ET_(c))是作物水分消耗的主要途径之一,在灌溉预报中有重要作用。为研究 ET_(c)与土壤含水量(SWC)和温度(T_(s))的协同关系,以黄淮南部井灌区冬小麦-夏玉米为研究对象,设置 4 种灌溉水分下限(I1、I2、I3、I4),构建了 ET_(c)... 详细信息

作物蒸散量(ET_(c))是作物水分消耗的主要途径之一,在灌溉预报中有重要作用。为研究 ET_(c)与土壤含水量(SWC)和温度(T_(s))的协同关系,以黄淮南部井灌区冬小麦-夏玉米为研究对象,设置 4 种灌溉水分下限(I1、I2、I3、I4),构建了 ET_(c)―水分―温度协同方程。结果表明,小麦季 I1 处理 10~30cm 的 SWC 最低,为15.1%,较其他处理降低 10.5%。30~100cm 土层 SWC 为 19.5%~21.0%,差异不显著。玉米季各处理 0~100cm SWC在 24.3%~25.1%,差异不显著。冬小麦 ET_(c)在灌浆中期最大,夏玉米 ET_(c)在拔节期、大喇叭口期和抽雄吐丝期呈多峰曲线变化趋势。冬小麦―夏玉米 ET_(c)与 0~30cm T_(s)、SWC 呈多元线性相关关系(P < 0.001)。小麦季 20cm的 T_(s)对 ET_(c)的影响显著高于 10 和 30cm,表层 0cm 的 T_(s)影响最小。小麦季 20 和 30cm 的 SWC 对 ET_(c)的影响显著高于 10cm。玉米季各处理对 ET_(c)的影响以 10~30cm T_(s)为主,对 SWC 的影响较小。

关键词：作物蒸散量土壤含水量土壤温度冬小麦―夏玉米黄淮海平原

来源：评论

学校读者我要写书评

暂无评论

修正Hargreaves-Samani公式估算宁夏参考作物蒸散量适用性分析

引用

中国防汛抗旱 2021年第6期31卷 57-63页

作者：赵凡萱唐诗佳张卓周岗赵璐四川大学水利水电学院成都610065 南方丘区节水农业研究四川省重点实验室成都610066

Hargreaves-Samani(HS)公式是运用气温和太阳辐射气象数据计算参考作物蒸散量(ET0)的方法。基于贝叶斯原理(HScor公式)以及最小二乘法原理(HS_(lsq)公式),利用宁夏回族自治区(以下简称宁夏)10个代表气象站点1961—2006年逐日气象数据对H... 详细信息

Hargreaves-Samani(HS)公式是运用气温和太阳辐射气象数据计算参考作物蒸散量(ET0)的方法。基于贝叶斯原理(HScor公式)以及最小二乘法原理(HS_(lsq)公式),利用宁夏回族自治区(以下简称宁夏)10个代表气象站点1961—2006年逐日气象数据对HS公式中参数进行修正,并以2007—2016年Penman-Monteith(PM)公式的计算值(ET_(OPM))为标准,评价两种修正公式在宁夏北部引黄灌区(Ⅰ区)、中部干旱带(Ⅱ区)以及南部山区(Ⅲ区)的计算精度与适用性。评价结果表明,HScor公式各参数在3个分区差别不大,且均不大于FAO(Food andAgricultureOrganization)提出的修正值,HS_(lsq)公式各参数在3个分区的差别较大;与逐日ET_(OPM)相比,两种修正公式计算的逐日参考作物蒸散量值ET_(Ocor)和ETOlsq的归一化均方根误差值(nRMSE)在Ⅰ区从22.86%分别降至21.08%和22.16%,Ⅱ区从23.69%分别降至22.19%和22.26%,Ⅲ区从23.40%分别降至20.12%和20.22%,HScor公式的nRMSE降低幅度最大;相关性分析表明,ET_(Ocor)与ET_(OPM)相关系数最高(0.9447),达到显著相关;在7—9月,逐月HS公式计算的参考作物蒸散量值ETOHS的nRMSE最高,为7.10%,逐月ET_(Ocor)和ETOlsq的nRMSE分别降低了5.11%和1.78%。因此,HScor公式在宁夏3个分区的参考作物蒸散量计算精度较高,可作为宁夏参考作物蒸散量简化计算的推荐公式。

关键词： Hargreaves-Samani公式贝叶斯原理最小二乘法适用性评价作物蒸散量

来源：评论

学校读者我要写书评

暂无评论

基于知识流的作物蒸散量数据挖掘方法研究

引用

中国农村水利水电 2017年第3期 56-60页

作者：张帅魏正英张育斌蔚磊磊简宁西安交通大学机械制造系统工程国家重点实验室西安710054

随着信息技术的发展,采集、存储和管理数据的手段日益完善,数据挖掘学科应运而生。针对作物蒸散量(ET0)计算中参数多、噪声复杂和非线性的特点,研究一种数据挖掘方法——随机森林,在数据挖掘建模过程中引入知识流的概念,通过知识流模型... 详细信息

随着信息技术的发展,采集、存储和管理数据的手段日益完善,数据挖掘学科应运而生。针对作物蒸散量(ET0)计算中参数多、噪声复杂和非线性的特点,研究一种数据挖掘方法——随机森林,在数据挖掘建模过程中引入知识流的概念,通过知识流模型的分层,实现从不同角度、不同层次观察模型知识流的分布和流动情况,抓住建模关键环节,为更加准确、高效地建立模型提供支持。将其应用于作物蒸散量计算中,以西安的气象数据为输入参数,以FAO56Penman-Monteith公式计算的结果作为预测对比值,进行了建模与验证。结果表明,采用知识流建立的数据挖掘模型预测精度较高、稳定性好、泛化能力强,能够有效预测作物蒸散量。相比其他模型效率高,性能更优,尤其适用于大样本的作物蒸散量预测分析中,对于确定作物需水量有一定的参考价值。

关键词：作物蒸散量数据挖掘随机森林知识流

来源：评论

学校读者我要写书评

暂无评论

内蒙古东北地区作物种植结构及其蒸散量时空变化研究

内蒙古东北地区作物种植结构及其蒸散量时空变化研究

引用

作者：王建辉武汉大学

学位级别：硕士

内蒙古东北部地区是内蒙古主要粮食产区之一。该地区农业灌溉用水量占内蒙古自治区总灌溉用水量的71%,但灌溉水利用系数仅为0.521,远低于我国平均水平（0.565）,普遍存在着农业用水效率低、区域水资源浪费等问题。一方面,随着市场需求... 详细信息

内蒙古东北部地区是内蒙古主要粮食产区之一。该地区农业灌溉用水量占内蒙古自治区总灌溉用水量的71%,但灌溉水利用系数仅为0.521,远低于我国平均水平（0.565）,普遍存在着农业用水效率低、区域水资源浪费等问题。一方面,随着市场需求变化和国家政策调整,内蒙古东北部地区作物种植结构不断变化,对于精准灌溉、实现区域水资源合理配置带来了重大挑战。另一方面,蒸散量是作物耗水量的主要部分,准确快捷模拟区域作物蒸散量是估算灌溉需水量、提高灌溉水利用效率的重要环节之一。因此,在水资源日益短缺的背景下,精准掌握作物种植结构信息和作物蒸散量变化规律对于实现内蒙古东北部地区水资源合理配置、提高水土资源利用效率、保障粮食生产安全具有重要意义。本文以内蒙古东北部地区为研究区,基于1991～2020年Landsat遥感影像数据,通过Google Earth Engine遥感云计算平台,融合植被指数时间序列特征、统计特征、纹理特征、地形特征等建立随机森林分类模型,对研究区主要农作物（玉米、水稻、大豆）进行提取,分析三种作物的时空格局变化;然后构建GEE-SEBAL模型,对研究区三种主要作物蒸散量进行模拟,开展气象因子与作物蒸散量之间的相关性分析和敏感性分析工作,对GEE-SEBAL模型和MOD16模型进行了精度对比与评价;最后利用GEE-SEBAL模型模拟研究区作物蒸散量,对作物日蒸散、生育期蒸散量以及灌溉需水量时空变化特征进行分析。主要结论如下: （1）基于GEE云平台和Landsat影像数据提取出1991～2020年玉米、水稻和大豆30m分辨率分类图,完成了长序列、大范围和高分辨率的作物提取工作。通过精度验证,得到作物提取的Kappa系数为0.83,总体精度为87.42%。对提取出的1991～2020年研究区三种作物种植结构进行时空变化分析,发现研究区内水稻,玉米和大豆种植面积均呈增大趋势,其中向水稻转移的地物主要为:其它作物（33.29%）、湿地（28.15%）和草地（22.37%）,向玉米转移的地物主要为:其它作物（45.62%）、草地（34.41%）和林地（7.06%）,向大豆转移的地物主要为:其他作物（29.82%）、草地（25.70%）以及玉米（21.19%）。（2）GEE-SEBAL模型相较MOD16模型精度更高,在模拟内蒙古东北部地区作物日蒸散有着更好的适用性。内蒙古东北部地区温度与作物日蒸散之间相关性较大,尤其是日平均温度Tmean表现出最高相关性,其次是日照时数n,相对湿度RH、风速U与作物日蒸散之间相关性最小;作物日蒸散对GEE-SEBAL模型中的热点温度变化最为敏感,其次是空气温度,对相对湿度敏感度一般,对风速不敏感。（3）对研究区三种作物蒸散量ETc进行时空特征分析,发现三种作物ETc气候倾向率总体呈上升趋势,南部和北部呈增大趋势,中部呈下降趋势,其空间分布与有效降雨Pe气候倾向率变化相反。计算并分析研究区内三种作物IR的时空分布特征,发现研究区中部的水稻对当地水资源需求逐渐减小,南部和北部水稻面临相对较大的水资源压力;西辽河流域玉米种植区面临日益严峻的水资源供给压力,种植区域可适度向中部转移;大豆IR在北部的扎兰屯市和阿荣旗地区呈现减小趋势,在其它地区均呈现增大趋势,在大豆需水量不断增加的趋势下,当地农业相关部门应当根据各地区水资源现状及时调整作物种植结构。

关键词： GEE 作物识别 SEBAL模型作物蒸散量灌溉需水量

来源：评论

学校读者我要写书评

暂无评论

基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究

引用

水电能源科学 2024年第2期42卷 207-211页

作者：王娜娜毕远杰何苗郭向红雷涛太原理工大学水利科学与工程学院山西太原030024

为准确模拟苹果树逐日蒸散量,以支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)和梯度提升决策树(GBDT)为初级学习器,以多元线性回归(MLR)为次级学习器,基于Stacking策略建立集成学习模型(LSM),将LSM模型的模拟精度与MLR、SVM、MLP、R... 详细信息

为准确模拟苹果树逐日蒸散量,以支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)和梯度提升决策树(GBDT)为初级学习器,以多元线性回归(MLR)为次级学习器,基于Stacking策略建立集成学习模型(LSM),将LSM模型的模拟精度与MLR、SVM、MLP、RF、GBDT模型的模拟精度进行对比。结果表明,影响苹果树蒸散量的主要因子为日平均太阳辐射、相对湿度、风速、温度和日序数,最大互信息值分别为0.97、0.72、0.63、0.62、0.60,表层土壤温度及土壤含水率对蒸散量的影响较小。相比于MLR、SVM、MLP、RF、GBDT模型,LSM模型的模拟精度最高,MLR模型的模拟精度最低;使用日平均太阳辐射、相对湿度、风速、温度及日序数5个特征参数在准确模拟苹果树蒸散量的同时,还能降低特征的获取成本。研究结果可为苹果树逐日蒸散量的精准模拟提供有效方法。

关键词：作物蒸散量苹果树机器学习 Stacking集成学习模拟精度影响因子

来源：评论

学校读者我要写书评

暂无评论

苏南地区温室黄瓜蒸散量模拟方法的优化和评价研究

苏南地区温室黄瓜蒸散量模拟方法的优化和评价研究

引用

作者：蒋建辉江苏大学

学位级别：硕士

准确估算作物蒸散量（ETc）是农业节水理论的基础性科学问题,对于指导节水灌溉决策、判断作物受旱程度、提高灌水利用效率意义重大。苏南地区温室分布较广,温室农业发展迅速,温室作物ETc的计算是苏南地区温室灌水智能化、自动化发展的... 详细信息

准确估算作物蒸散量（ETc）是农业节水理论的基础性科学问题,对于指导节水灌溉决策、判断作物受旱程度、提高灌水利用效率意义重大。苏南地区温室分布较广,温室农业发展迅速,温室作物ETc的计算是苏南地区温室灌水智能化、自动化发展的关键问题。然而,由于温室与大田微气象环境的差异,温室作物的蒸腾机理有别于大田环境,常用于模拟大田作物ETc的Penman-Monteith（P-M）模型及关键参数需基于温室微气象环境及作物生长结构特性进行改进,以适应温室作物ETc估算。同时,随着现代测温技术的发展,基于作物冠气温差（Tc-Ta）能量平衡模型估算ETc的方法在温室智能化环境调控与灌溉决策中具有很好的应用前景,掌握作物不同生育期及时间尺度Tc-Ta的变化特征及影响因素是构建精准的Tc-Ta能量平衡模型的基础;此外,为适应温室农业智慧灌溉发展需求,应用人工神经网络模型,采用不同可利用气象数据估算温室作物ETc是温室作物智能节水灌溉决策的重要手段。本研究通过观测温室黄瓜生育期耗水规律、叶片气孔阻力（rs）、微气象因子和植株生长状况等数据,对P-M模型中冠层阻力参数（rc）的模拟方法进行优化,系统分析了rs与各环境因子的响应机制,量化了rs向冠层尺度阻力（rc）转换的影响因素,构建并验证了优化的Jarvis冠层阻力模型。通过综合分析Tc-Ta的变化规律及主要影响因素,建立了基于Tc-Ta的温室作物水分胁迫指数（Crop water stress index,CWSI）模型,比较了CWSI与土壤含水量（Soil moisture content,SMC）作为温室作物灌水时间的定量指标对温室灌水决策的影响,明确了Tc-Ta与作物ETc的响应关系,讨论了Tc-Ta在温室灌水决策中的应用价值。基于机器学习技术,通过python编程构建了使用不同参数组合的人工神经网络BP模型,分别应用基于Jarvis冠层阻力子模型的Penman-Monteith模型（P-M-J）和改进的P-M-J模型、以及基于Tc-Ta的Jackson经验模型和人工神经网络BP模型对温室黄瓜不同生育期ETc进行模拟,应用蒸渗仪实测值验证不同类型模型的模拟精度,并评价模型在温室的适用性。主要研究结论如下:（1）影响Jarvis模型对作物冠层阻力rc模拟精度的主要因素是作物叶片尺寸、空间结构分布、光合速率等的差异;通过多层分析法优化Jarvis模型中有效叶面积指数函数（LAIe）,优化的Jarvis模型对rc的模拟优于原模型,前者与实测值的相关性决定系数为0.68,略高于后者（R2=0.64）,均方根误差为1.63 s cm-1,低于后者(RMSE=1.75s cm-1)。相比于原Jarvis模型,优化模型中LAIe能更好的反应黄瓜实际生理生长状况,对温室黄瓜rc的模拟结果更好,在不同类型温室的适用性更高。（2）温室黄瓜生育期内Tc-Ta日变化特征较为明显,黄瓜不同生育期Tc-Ta均呈单峰变化,峰值均出现在13:00～14:00;14:00时刻的Tc-Ta与黄瓜ETc的相关性最高。不同生育期Tc-Ta与R_n、Ta和VPD均为负相关,与RH均为正相关;Tc-Ta与各气象因子相关性排序为:Ta>R_n>VPD>RH,决定系数依次为0.91、0.87、0.69和0.59。水分胁迫指数（CWSI）与Tc-Ta、RH均为负相关,与R_n、VPD均为正相关,相关性排序为:VPD>R_n>Tc-Ta>RH,使用CWSI作为温室作物灌水时间的定量指标,能准确反应随气象因子及作物生长生理状况变化的作物实际水分需求状况。（3）相比原P-M-J模型,改进的P-M-J模型对温室黄瓜小时尺度ETc的模拟与实测值更接近(R2=0.88,MAE=0.08 mm h-1,RMSE=0.10 mm h-1),偏差更小。随黄瓜LAI的增长,原P-M-J模型和改进模型对ETc模拟的精度均提高;两模型对ETc估算性能最优时段均为14:00～16:00,最差时段为10:00～14:00。基于Tc-Ta的Jackson经验模型对ETc的模拟结果与实测值拟合较好(R2=0.97,MAE=0.59 mm d-1,RMSE=0.74mm d-1),决定系数略高于原P-M-J模型模型(R2=0.96,MAE=1.21 mm d-1,RMSE=1.51 mm d-1),估算偏差更小。采用不同气象参数组合的人工神经网络BP模型对黄瓜ETc的模拟结果均较佳(R2>0.96,MAE<0.80 mm d-1,RMSE<0.70 mm d-1),模型ETc估算值与实测值拟合程度均高于原P-M-J模型,并且BP模型的精度随输入参数种类的增加而提高。基于本研究结果,改进的P-M-J模型基于能量平衡原理,模型对不同类型温室及作物种类的应用更加广泛,稳定性较高。基

关键词：温室黄瓜作物蒸散量 Jarvis冠层阻力模型冠气温差水分胁迫指数

来源：评论

学校读者我要写书评

暂无评论

作物蒸散量计算模型研究进展

引用

农业灾害研究 2019年第4期9卷 79-81页

作者：周彦丽张家口市气象局

从作物需水量与蒸散量关系出发,对目前国内外计算作物蒸散量的不同模型,包括单一模型、互补相关模型、红外遥感模型、SWAP模型等进行了总结,初步探讨了这些模型各自的优势和存在的问题,并预测了作物蒸散量计算模型的发展趋势。

关键词：作物蒸散量计算模型

来源：评论

学校读者我要写书评

暂无评论

计及农作物生长特性的含可再生能源农村微电网优化调度技术

计及农作物生长特性的含可再生能源农村微电网优化调度技术

引用

作者：李泽明四川大学

学位级别：硕士

近年来,由于全球人口的增长,全球气候的变化和能源的枯竭,对粮食,水,能源领域都带来了新的挑战。为了可持续发展的需要,我国在边远地区建设了大量的分布式能源发电站,但是由于分布式能源的不确定性,对电力网络的稳定运行带来了严重的不... 详细信息

近年来,由于全球人口的增长,全球气候的变化和能源的枯竭,对粮食,水,能源领域都带来了新的挑战。为了可持续发展的需要,我国在边远地区建设了大量的分布式能源发电站,但是由于分布式能源的不确定性,对电力网络的稳定运行带来了严重的不良影响,清洁能源如何合理消纳一直是一个问题。另一方面由于农村地区地处偏远,距离主网较远,且地理环境复杂,不利用大规模铺设电力线路,电力供应阻碍着当地农业生产的转型和地方经济的发展。由此考虑将清洁能源和农村农业生产供电联系起来,就地取材,就进消纳,发展适合于农村电网的清洁能源系统。在传统的农村电网优化模型中通常都忽视了农业生产的利益,其为了系统的最优运行而不顾及农业生产带来的经济效益可能会使最终方案得不偿失。本论文考虑利用被忽视的农业负荷弹性,从农业生产特性出发,研究农业生产负荷特性,并以此为基础对农村温室可再生能源系统和农村微电网运行进行优化。具体的研究内容有以下几个方面: 首先探讨了农作物生长过程中的影响因素,考虑光照和水分对作物生长的影响,明确了衡量作物水需求和光需求相关的作物蒸散量和光量子概念,探讨了作物蒸散量的各种计算方法,利用光照度量单位之间的转化方法对光照度量标准进行了统一。其次对农业生产系统进行了结构性分析,提取出农业生产用电设备用电特性,基于作物蒸散量双系数模型和日累积光照积分模型,建立了考虑农作物生长特性的农业灌溉和照明负荷模型,构建了温室可再生能源系统模型,利用农业负荷时移特性和储能装置匹配光伏发电曲线,最大化消纳本地分布式能源。利用建立的优化模型对5种作物模型在不同气候地区条件下温室系统的运行进行了优化,为不同地区选择适宜作物类型进行种植提供了参考,同时发现农业温室系统中灌溉系统的用电量相比于照明系统的用电可以忽略不计。最后基于农作物的生长特性,考虑系统购入电量和农业生产效益,建立了含可再生能源的多目标农村微电网优化模型,利用NSGA-II算法对多目标优化模型进行求解,通过TOPSIS决策方法从非劣解集中得到最优解,同时研究了分布式能源接入节点和容量配置对系统的影响,分析了分布式能源集中互联和分布互联的影响。结果表明农村微电网系统的购入电量和农业效益成反比的关系,减少微网系统的购入电量是以牺牲农业利益为基础的。在光伏总的配置容量一定时,对系统购入电量会受到光伏电站的分布和接入节点的影响,光伏电源的分布和负荷分布匹配度越高时系统经济性越好。

关键词：农村电气化农村微电网农业负荷多目标优化作物蒸散量可再生能源系统

来源：评论

学校读者我要写书评

暂无评论

1961-2020年中国北方向日葵种植区干湿变化特征及其成因分析

引用

干旱气象 2022年第6期40卷 1033-1041页

作者：王晓晨马雪晴和骅芸任思琪唐书玥赵金媛潘志华王靖潘学标胡琦中国农业大学资源与环境学院北京100193 中国气象局-中国农业大学农业应对气候变化联合实验室北京100193

中国北方向日葵种植区域主要位于干旱区和半干旱区,产量受干湿条件制约,气候变化背景下水热资源变率大,对产量形成带来一定影响。利用中国北方向日葵种植区域296个气象台站逐日观测数据,基于降水量和作物蒸散量计算的湿润指数、标准化... 详细信息

中国北方向日葵种植区域主要位于干旱区和半干旱区,产量受干湿条件制约,气候变化背景下水热资源变率大,对产量形成带来一定影响。利用中国北方向日葵种植区域296个气象台站逐日观测数据,基于降水量和作物蒸散量计算的湿润指数、标准化降水蒸散指数(SPEI),分析1961—2020年向日葵生长季干湿状况时空变化特征,并利用敏感性和贡献率法分析气候变化背景下主要气象因子对作物蒸散量的影响,探讨干湿状况变化成因。结果表明:中国北方向日葵生长季干旱频率总体表现为由西向东递减的空间分布特征,其中北疆、宁夏北部及内蒙古西部干旱频率较高。近60 a向日葵种植区生长季降水量和蒸散量均呈下降趋势,SPEI在1980年前后发生突变,较突变前(1961—1980年)相比,1981—2020年轻、中、重旱频率分别下降5.63%、4.41%、2.49%。不同区域干湿状况变化存在明显差异,其中内蒙古赤峰、辽宁南部和华北平原等地区气候呈暖干化趋势,内蒙古西部和新疆等地气候变湿。近60 a向日葵生长季温度和相对湿度变化增加了作物蒸散量,但日照时数和风速变化减少了作物蒸散量,55.39%的站点风速和日照时数对作物蒸散量的贡献率大于温度的贡献率,导致作物蒸散量减少。

关键词：中国北方向日葵种植区干湿变化湿润指数作物蒸散量敏感系数贡献率

来源：评论

学校读者我要写书评

暂无评论

改进FAO双作物系数法估算夏玉米蒸散量

引用

湖北农业科学 2019年第9期58卷 33-36页

作者：肖然朱永华吕海深河海大学水文水资源学院南京210098

为了更加准确地估算淮北平原夏玉米(Zea mays L.)蒸散量,基于安徽省蚌埠市五道沟水文试验站实测的叶面积指数数据,对FAO双作物系数法中的基础作物系数(K_(cb))和土面蒸发系数(K_e)的计算方法进行改进;并以2016、2017两年基于蒸渗仪实测... 详细信息

为了更加准确地估算淮北平原夏玉米(Zea mays L.)蒸散量,基于安徽省蚌埠市五道沟水文试验站实测的叶面积指数数据,对FAO双作物系数法中的基础作物系数(K_(cb))和土面蒸发系数(K_e)的计算方法进行改进;并以2016、2017两年基于蒸渗仪实测的夏玉米蒸散量对FAO双作物系数法和改进双作物系数法的估算结果的准确性进行评估。结果表明,改进双作物系数法在夏玉米各生长阶段及全生育期的估算结果准确性都高于FAO双作物系数法;改进双作物系数法在夏玉米拔节期至抽雄期的蒸散量计算中改进效果最为明显。说明改进双作物系数法更适用于淮北平原夏玉米蒸散量的估算。

关键词：夏玉米(Zeamays L.) 叶面积指数作物系数法作物蒸散量淮北平原

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：