智慧设施园艺旨在将现代化技术应用于设施农业生产中,实现生产的自动化、数字化、网络化和智能化。为全面了解智慧设施园艺国内外研究动向、前沿和热点议题,采用文献计量学方法,以Web of Science中核心论文集为检索平台,依据2002—2022...
详细信息
智慧设施园艺旨在将现代化技术应用于设施农业生产中,实现生产的自动化、数字化、网络化和智能化。为全面了解智慧设施园艺国内外研究动向、前沿和热点议题,采用文献计量学方法,以Web of Science中核心论文集为检索平台,依据2002—2022年智慧设施园艺领域781篇研究文献分析全球研究趋势、主要研究内容及前沿热点。结果表明,智慧设施园艺在2017年后迅速发展,2018—2022年发文量占发文总量的74.56%;总体上智慧设施园艺呈现以农学和工程学为主导的多学科交叉研究方向,发文量最多的5个国家依次为中国、美国、韩国、西班牙和意大利;我国发文量进入世界前15的机构有中国农业大学、农业农村部、中国科学院、南京农业大学和北京市农林科学院,占前15机构发文量的32.34%;聚类分析发现,智慧设施园艺研究聚焦于基于自动化技术的水肥管控和机器人作业,基于物联网监测耦合机器学习和视觉技术的作物生长监测,以及温室能源管理系统,其中计算机视觉技术作为一项涉及模式识别、图像处理和机器学习的技术,实现设施园艺作物生长监测、病虫害识别及品质监测等,是近年来智慧设施园艺研究的前沿热点。
为了检验基于干湿期的天气发生器(Weather Generator based on Dry and Wet Spells,WGDWS)在中国不同气候区的应用效果,该研究利用中国五大主要气候区16个站点57a的逐日天气数据,通过对比生成与实测气象要素统计值,及比较WGDWS与随机天...
详细信息
为了检验基于干湿期的天气发生器(Weather Generator based on Dry and Wet Spells,WGDWS)在中国不同气候区的应用效果,该研究利用中国五大主要气候区16个站点57a的逐日天气数据,通过对比生成与实测气象要素统计值,及比较WGDWS与随机天气模拟器(Daily Weather Stochastic Simulator,DWSS)生成的气象要素统计值,测试WGDWS的可用性和准确性。显著性检验表明,WGDWS产生的每个气象要素的月值和干湿期长度与实测值相比没有显著差异。月最高、最低气温绝对误差≤0.5℃的站点比例分别达93.8%和96.4%,月降水日数绝对误差≤1d的站点比例达95.8%,月降水量绝对误差有91.7%的站点在10mm之内,月太阳总辐射绝对误差2MJ/m^(2)以内的站点比例达90.1%;月最长干期、最长湿期、平均干期、平均湿期的平均绝对误差分别为4.16、0.76、1.00、0.15d。WGDWS在温带季风和亚热带季风气候下的干湿期模拟效果优于温带大陆气候和热带季风气候。比较WGDWS和DWSS生成的逐日模拟序列的误差分布,月最高气温、月最低气温和月总太阳辐射的误差分布高度一致。WGDWS对月降水日数的模拟效果优于DWSS,即等概率条件下,WGDWS相对误差更小,而DWSS对月降水量的模拟效果优于WGDWS。因此,WGDWS能够准确反映长期干旱或长期阴雨天气的实际情况,可用于生成长序列逐日天气数据,以满足气候模型、水分模型和作物生理模型的需求。
为了按不同的应用需求生成可信的任意长序列逐日天气数据,为作物天气系统研究提供数据支持,该文描述了一个以干湿期随机模型为基础,组合了日降水量、温度和辐射变量随机模型的逐日天气发生器WGDWS(Weather Generator based on Dry and W...
详细信息
为了按不同的应用需求生成可信的任意长序列逐日天气数据,为作物天气系统研究提供数据支持,该文描述了一个以干湿期随机模型为基础,组合了日降水量、温度和辐射变量随机模型的逐日天气发生器WGDWS(Weather Generator based on Dry and Wet Spells)。它分为两部分:以干湿期为独立随机变量的干湿期模型部分,和依赖第一种模型生成其余天气变量的模型部分;其天气要素的生成主要分2个步骤,即首先根据月经验分布值产生一个干期或湿期长度,然后生成干期或湿期的逐日值。利用代表中国不同地理区域的9个站点1973-2003年的逐日气象资料对天气发生器WGDWS进行了检验,并与基于干湿日开发的DWSS天气发生器进行了比较。结果表明两者性能基本相近,并且WGDWS模拟干湿期的效果更好。因此,WGDWS天气发生器用于生成逐日天气序列是可靠的,同时作为一个JAVA组件,还可以方便地嵌入作物模型系统。
暂无评论