一、降水对徐州地区冬小麦生产的影响（论文文献综述）
沙慧敏[1]（2021）在《灌浆期增温、干旱复合胁迫对江苏省冬小麦影响的模拟研究》文中研究表明
余梦[2]（2021）在《种植模式和播期对冬小麦生长及土壤水氮利用的影响》文中提出冬小麦是我国北方干旱半干旱农业区主要粮食作物,但该区农业近几十年来接连受到干旱和全球变暖的叠加影响,常规栽培方式及播期会导致冬小麦产量及水氮利用效率偏低、农时操作时间紧迫,使得粮食作物种植积极性受到很大影响。为解决该区缺水、水氮利用效率低及农时紧张的问题,有必要针对该区当前种植制度问题进行研究。本研究以正常播期下传统平作种植模式作对照,研究了垄沟全覆膜及平作全覆膜的保墒种植方式和推迟播期对冬小麦生长发育、氮素吸收、产量与经济效率、水氮利用效率及土壤水、肥、热等环境状况的影响,探讨了覆膜与集雨保墒种植模式在我国北方干旱半干旱农业区的保水增产效应,并结合通径分析,确定了我国北方干旱半干旱农业区冬小麦适宜的播期及配套种植模式,为保障该区冬小麦的产量及提高水氮利用效率提供理论依据。主要研究结论如下:（1）与正常播期相比,推迟播期（晚播和最晚播）会抑制冬小麦越冬前的生长、分蘖,不利于冬小麦全生育期内对自然降水及土壤水分的吸收利用,最晚播还会影响穗的发育,显着降低了千粒重;缩短营养生长时间,延缓冠层发育及衰老进度,因此提高了开花至成熟期的光合作用;提高了成熟期0-40 cm的土壤水分含量、硝态氮及铵态氮含量和氮素利用效率。（2）与平作不覆膜种植模式相比,垄沟全覆膜及平作全覆膜种植模式均能促进冬小麦全生育期的生长发育及越冬前的分蘖,穗部发育更好;增加冬小麦全生育期0-20cm土层的含水率、0-200cm土层耗水量及20cm处土壤温度（垄沟全覆膜种植模式增温和降温均较平作全覆膜种植模式更快）;显着增加了氮素收获指数、氮素利用效率和产量。其中垄沟全覆膜种植模式较平作全覆膜种植模式对冬小麦孕穗至成熟期的生长发育促进更明显,对冬小麦氮素收获指数、氮素利用效率的增幅更大,且能减弱推迟播期带来的不利影响,而平作全覆膜种植模式对冬小麦返青至孕穗期的生长发育的促进作用更显着;降低成熟期深层（80-200cm）土壤水分、硝态氮和铵态氮含量,降低了养分流失和污染地下水的风险。（3）由通径分析可知,穗长是影响产量最大的因素,在本研究的播期范围内,冬小麦生育期的有效积温对产量呈现出正效应。因此,当前气候条件下,在我国北方干旱半干旱地区,冬小麦播种推迟的时间与传统时间相比不应超过7天。（4）与当地正常播期下传统平作种植相比,最晚播处理下垄沟全覆膜种植的冬小麦产量有较大增长,平作全覆膜种植的产量有小幅度增长,表明垄沟全覆膜种植和平作全覆膜种植均能补偿推迟播期带来的减产效应,可以在一定程度上解决当地因为气象、农忙等因素导致冬小麦无法按时播种的问题。
李轲,张利华,吴世明,张仁祖,张会云[3]（2020）在《不同播期对江苏徐州地区冬小麦土壤水分、生长发育及产量的影响》文中研究表明以徐麦33号为材料,于2017年10月—2018年6月在徐州农业科学研究所试验场内进行冬小麦分期播种试验,播期为10月10日、10月20日、10月30日和11月9日,研究不同播期条件下土壤水分和产量的差异。研究结果,适当推迟播期有利于改善0～30 cm土壤墒情,在小麦生育后期尤为明显,但对30～50 cm土壤墒情无明显影响。推迟播期对小麦叶面积指数和干物质累积均有较为明显的抑制作用,产量随播期的推迟而递减,播期为10月10日与10月20日、10月30日、11月9日播种的比较产量分别降低9.7%、18.0%、26.1%。但从水分利用效率方面来看,10月20日播种比10月10日播种提高了1.5%,比其他2个播期则分别降低9.0%和17.0%。结果表明,适当推迟播期有利于改善土壤墒情,提高冬小麦水分利用效率,但过晚播种不仅降低产量,水分利用效率也随之降低。
徐向英[4]（2019）在《江苏小麦综合气象指数构建与产量变化预测和分析》文中指出气候变化问题是世界各国广泛关注的焦点,农业生产在全球变暖、隐形气象灾害频发的环境下将面临更大的风险。冬小麦生产受气象条件的影响较大,近年来,渍害、干旱、高温逼熟等气象灾害及其发生频率增大,对小麦的稳产高产造成了严重威胁。随着联合国粮食及农业组织（FAO）“气候智能型”农业概念的提出,农业生产的气候适应性和智能生产研究正在各国和地区间不断开展。本研究拟在前人研究的基础上,通过对江苏省苏北、苏中和苏南三个农业生态区域1979-2014年小麦生长期内多种气象因子和小麦产量进行分析,探索以机器学习模型为核心、适用于该地区小麦产量评估的气象条件综合评价指数,并在此基础上分析江苏小麦的敏感气象因子、年型气候适应性以及未来气候变暖环境下的产量变化趋势,期望能够为今后江苏小麦产量预测提供参考,为农业灾害预警提供理论依据,同时可为农业种植灾害保险提供技术支持。主要研究结果如下:1.江苏近35年冬小麦生长季气象条件时空分布特征汇集了江苏地区10个气象站点1979-2014年小麦生长季的平均气温、累计降水量、日太阳辐射量和日照时数的空间分布数据,使用Mann-kendall趋势检测和Sen斜率分析了各气象因子的演变,并对小麦四个生育阶段（播种至越冬始期S1、越冬始至返青期S2、返青至开花期S3、开花至成熟期S4）的气象条件变化特征进行了分析。结果显示,10个站点的小麦全生育期平均气温和平均旬累计降水量在空间上均呈现北低南高特征,而平均日太阳辐射和平均旬累计日照时数均表现为由北向南逐步减少的特征。10个站点的小麦全生育期平均气温在时间上均呈现显着上升趋势,上升的幅度在0.04℃/yr～0.07℃/yr之间。四个关键生育阶段中,S2有近一半站点呈现显着的升温趋势,S1和S4有9个站点温度上升趋势达显着水平,而S3所有站点的升温趋势均达到了显着水平。经比较,S3的平均升温幅度是四个生育期中最高的,且以吴江站点的升温幅度最大,达到了 0.092℃/yr。除了平均温度呈现升高趋势,小麦生长季的日最高和最低气温也呈现不同程度的增长。赣榆、铜山、东台、江宁4个站点1979-2014年日最低气温的增长接近或超过了日最高气温的增长幅度,四个关键生育阶段中,除S2外,其余时期四站点的最低气温均出现了显着上升趋势,反映了小麦生长季昼夜增温不平衡的现象。小麦全生育期旬降水量均值在35年间并无显着的上升或下降趋势,四个关键生育阶段中,仅溧阳和吴江两站S2的降水量上升趋势达到显着水平,均达0.3mm/yr以上。使用旬值标准化降水蒸散指数（SPEIx）分析江苏小麦生长季水分条件和产量的关系,结果表明,S4的1旬、2旬、3旬尺度的SPEIx值均与一阶差分产量呈极显着负相关关系,表明江苏小麦开花至成熟期的降水量偏多,不利于小麦产量的提升。35年间,各站点小麦全生育期平均日太阳辐射量的Sen斜率均为正值,但均未达到显着上升趋势。10个站点中9个站点的S3日太阳辐射均呈现显着上升趋势,且苏中和苏南地区共有5个站点达到了极显着上升的趋势。其余三个关键生育阶段的日太阳辐射变化趋势均未达到显着水平。大部分站点冬小麦全生育期日照时数的Sen斜率为负值,仅盱眙站点的下降趋势达到了极显着的水平。就四个关键生育阶段而言,S1和S2分别有4个和1个站点呈现了显着下降趋势,S3有3个站点呈现显着上升趋势,其余站点的变化趋势均不显着。2.影响小麦气候产量的关键气象因子筛选与提取方法比较按照种植区及气候条件的差异,将研究区域以苏北灌溉总渠和长江划分为苏北、苏中和苏南三个亚区,并采用不同方法分析了小麦四个关键生育阶段的气象因子与气候产量的关系,筛选获得三个亚区中影响小麦产量的关键气象因子。四种不同气候产量的提取方法（去线性趋势法、去3年滑动平均趋势法、一阶差分法、相对差分法）,结果表明,在气候条件相近的三个亚区内,去3年滑动平均法所得气候产量的站点间平均相关系数在苏北和苏中地区较低,在苏南地区较高;去线性趋势气候产量的相关性在苏北地区较高,苏南地区较低;一阶差分和相对差分法相关性结果较为接近,在三个亚区内的结果均比较稳定。对四个关键生育阶段的四种气象因子进行相关分析显示,一阶差分和相对差分的相关因子数以及Spearman相关系数值均优于去线性趋势和去3年滑动平均趋势产量。将三个亚区内气候产量数值最低的20个值认定为严重减产,比较严重减产时气象因子与四种方法计算的气候产量的拟合情况,结果显示去3年滑动平均产量和相对差分产量在苏中地区拟合较好,而去线性趋势产量在苏北和苏南地区拟合较好,一阶徐向英 江苏小麦综合气象指数构建与产量变化预测和分析 Ⅲ差分产量在苏南地区的拟合较好。鉴于一阶差分产量具有计算简单、解释性强等优点,确定了一阶差分法作为气候产量的计算方法。采用相关分析法、逐步回归模型的赤池准则（AIC）以及随机森林模型的%IncMSE指标对影响小麦气候产量的气象因子进行筛选,对比分析表明,3种方法筛选所得气象因子并不完全相同,但苏北地区T2,苏中地区S4和苏南地区P3在三种方法中均表现出较高的重要性,因而结合三种方法选择相应的气象因子能获得更加可靠的产量影响因子,将其作为气候产量拟合模型的输入参数,以便获得更准确的综合气象指数。3.评估小麦气候产量的综合气象指数构建研究对同时段、不同站点间的气候产量预测（空间预测）和不同时段、相同站点的气候产量预测（时间预测）两种气候产量预测模式以满足实际应用需求。通过将气象和产量数据划分为训练集和测试集,在训练集上利用随机森林（RF）和支持向量机（SVM）分别对苏北、苏中、苏南三个亚区的气候产量建立回归模型,并在测试集测试模型精度,结果显示,RF和SVM模型的R2值在苏北地区达到0.5以上,但在苏中和苏南地区均在0.4以下。通过Kolmogorov-Smirnov拟合优度检验明确了气候产量分布符从三参数T分布,根据分布特征,将回归模型输出值进行标准化处理,转化为时间和空间可比较的综合气象指数值,并依据气候产量分布的上下侧20%分位数（分别为388kg/ha和-267kg/ha）,设置分类阈值,即按20%,60%和20%的概率将指数值划分为三类（分类阈值为±0.84）,分别对应气候产量减产、平产和增产三种等级。分类后的指数对气候产量类别预测的精度得到了提升,结果显示,基于RF和SVM的指数预测正确率均在50%到97%之间;SVM的指数预测正确率高于RF模型的指数。通过ROC曲线进一步比较了两分类情况下两种模型计算得到的指数对气候产量为减产和不减产（或增产和不增产）类别的预测能力。结果显示,苏北地区,RF和SVM计算的指数在减产占比达40%阈值下预测正确率均较高,最高AUC值达0.98;苏中地区,RF和SVM模型计算的指数对减产和增产的预测正确率偏低;苏南地区,SVM空间模型的指数预测正确率较高,RF时间模型的指数预测正确率较高。4.综合气象指数预测气候产量的精度评价为分析综合气象指数在气候产量评估方面的精度,使用标准化降水蒸散指数（SPEI）计算了江苏小麦生长季11月至次年5月间1、2、3、4个月尺度的SPEI指数,探讨了 SPEI与小麦气候产量间的关系,并在相同数据集上与综合气象指数对气候产量的预测正确率进行了对比。结果显示,苏北和苏中的空间预测中,两种指数正确率相当,但苏南的预测中基于RF模型和SVM模型的综合气象指数预测正确率均高于SPEI指数;时间预测方面,基于SVM模型的综合气象指数在苏北的预测正确率和SPEI指数相同,但在苏中和苏南均高于SPEI指数,而基于RF模型的综合气象指数除苏中预测正确率高于SPEI指数外,其余两地区的预测正确率均低于SPEI指数。利用多个反映光、温和水分条件的气象因子直接构建气候产量逐步回归模型,进行了产量预测,并与综合气象指数的气候产量预测结果比较,结果显示,基于RF和SVM模型的综合气象指数在苏北、苏中和苏南地区的空间和时间预测正确率均高于多气象因子的逐步回归模型。利用不同于原训练集和测试集的全新测试数据,验证了 2015～2017年间苏北、苏中、苏南共6个站点的综合气象指数预测精度。结果显示:指数在三区域汇总的预测正确率达61%以上,但在苏南地区,指数预测正确率较低。在两种调整阈值下,指数预测正确率有所下降。反映了综合气象指数在原阈值下具有一定的实际应用价值。5.江苏小麦生产的气候适应性及不同生态区影响小麦产量的敏感气象因子分析采用综合气象指数分析了江苏小麦的敏感气象因子、不同年代小麦的气候适应性以及未来变暖气候环境下的小麦产量变化。综合气象指数的RF时间预测模型获得了苏北、苏中和苏南地区小麦气候产量的全局敏感性指数。结果显示:苏北地区最敏感的气象因子为越冬始至返青期日太阳辐射,苏中地区为开花至成熟期日太阳辐射,苏南地区为返青至开花期太阳辐射。分析了 1981年-1990年、1991年-2000年以及2001年-2014年三个年代江苏10个站点的小麦综合气象指数值变化情况,结果显示:苏北、苏中和苏南地区在上世纪九十年代的减产年比例是三个年代中最高的。本世纪初的14年,江苏北部、中部、南部地区小麦的气候适应性普遍提高,减产年比例均为三个年代中最低,均降至20%以下,体现了江苏小麦生产的气候适应性正在逐步增强;平产年比例达到了三个年代中的最高值,苏北、苏中、苏南分别为820%、69%和68%;三个地区增产年比例均达14%以上,反映了 2001年以来江苏小麦产量总体处于稳定增长的态势。利用综合气象指数的RF时间预测模型分析了未来变暖环境下小麦产量变化。根据江苏10个站点35年小麦生育期平均温度上升Sen斜率为0.05℃/yr,分别设置了小麦生育期平均气温增加0.025℃/yr、0.05℃/yr和0.1℃/yr三个水平,比较综合气象指数值的变化。结果显示:苏北地区三个水平下的指数变化较为接近,均表现为平产年比例下降,增减产年比例上升;苏中和苏南地区三个水平的增温均导致指数值的平产年比例下降,增产年比例上升。反映了综合气象指数能够在未来不确定的气候条件下为小麦生产辅助决策提供参考。
周彤[5]（2019）在《基于WOFOST模型与无人机图像同化的小麦产量估测》文中研究指明目前,在“互联网+”农业的背景下,将信息技术与现代农业融合,以达到农业生产、栽培、管理的智能化、高效化,是我国现代农业发展的必然趋势。小麦是我国分布最广、产量最高的粮食作物之一,江苏省因其地形条件和气候条件的优势,成为我国南方冬小麦的主要种植区域。因此,提高江苏省冬小麦生长监测的准确性,对冬小麦有效估产有着十分重要的意义。本研究通过WOFOST作物模型模拟了冬小麦的生长发育,并利用最小二乘优化算法,展开基于无人机图像数据与作物模型的同化研究。最后结合冬小麦LAI和产量实际测量值进行同化结果的分析与评价,为农业估产提供依据,主要研究内容与结果如下:（1）为了使模型模拟符合研究区域内冬小麦生长规律,本研究采用2015-2017年本研究区域气象站点气象数据、土壤数据、作物数据等,利用OAT方法进行模型参数敏感性分析,结合最小二乘、“试错法”并借鉴前人研究结果,基于不同密度和氮肥处理水平,针对冬小麦发育参数TSUM1（出苗到开花的积温）、TSUM2（开花到成熟的积温）以及生长参数SLATB（比叶面积）、AMAXTB（最大CO2同化速率）进行冬小麦参数调整,实现WOFOST模型本地化。结果表明,WOFOST模型能够较好的模拟研究区域冬小麦的生长发育状况,模拟冬小麦LAI的R2、RMSE、NRMSE（%）分别为0.8178、0.58、27.9,模拟生物量的 R2、RMSE（kg·hm-2）、NRMSE（%）分别为 0.7832～0.9531、315.55～986.15、10.1～29.8,模拟产量的 R2、RMSE（kg·hm-2）、NRMSE（%）分别为 0.5852、799.96、15.9。（2）为了构建最佳的无人机反演LAI模型,本研究选取利用R、G、B构建的11种颜色特征指数,从整个生育期、种植密度、施氮量、各生育期四个角度,进行颜色指数与冬小麦LAI的相关性分析,选出显着相关颜色指数构建反演模型。结果表明,通过拔节期前、拔节期、开花期、灌浆期进行模型构建效果最佳,模型构建R2分别为0.795、0.784、0.746、0.625,模型验证 R2 分别为 0.781、0.807、0.718、0.697,RMSE 分别为0.325、0.470、0.364、0.256。（3）在WOFOST模型本地化的基础上,应用最小二乘优化算法,基于无人机反演LAI数据进行模型同化研究,通过调整、修正敏感参数比叶面积（SLATBO、SLATB0.5、SLATB2）和最大CO2同化速率（AMAXTBI、AMAXTB1.3）,使得模型模拟LAI与无人机数据反演LAI误差最小。结果表明,同化后的模型能够更好地评价研究区域冬小麦的生长发育状况,同化后WOFOST模型模拟冬小麦LAI的R2、RMSE、NRMSE（%）分别为 0.8812、0.49、23.5,模拟产量的 R2、RMSE（kg.hm-2）、NRMSE（%）分别为 0.9489、327.06、6.5,模型模拟冬小麦的精度有所提高,证明了作物模型与无人机数据同化的可行性。
何斌[6]（2017）在《陕西省农业干旱风险评估方法研究》文中进行了进一步梳理干旱灾害严重制约陕西省农业经济发展,素有“十年九旱”之称,农业干旱风险评估是科学制定抗旱减灾策略措施的基础工作。本文在分析陕西省干旱特征基础之上,采用主成分分析法和专家咨询法相结合的方式确定评价指标,运用层次分析法确定指标权重,基于灾害风险理论,构建农业干旱风险综合指标评估模型,开展陕西省农业干旱风险评估研究,主要研究结果如下:（1） 1994-2013年陕西省冬小麦需水关键期水分亏缺指数呈线性上升趋势,冬小麦生长面临着越来越严重的干旱威胁。近20年来,陕西省降水距平百分率指数正负距平呈波动变化,三大自然区域（陕北、关中、陕南）变化趋势基本一致,在2003年和2011年出现2次较大正距平,但总体来看,三大区域出现负距平频率比正距平高,分别为陕北52.5%、关中65%、陕南61.7%,说明研究期间陕西省降水总量存在下降趋势,降水量下降增加了农业干旱灾害发生的风险。（2）从主成分分析的结果可以看出,前4个主成分方差累计贡献率为91.80% （大于85%）,表明前4个主成分包含了全部测量指标所具有的主要信息。提取特征向量分量值大于0.2的指标,得出第一、第二、第三、第四主成分分别反映了 9个、6个、4个和5个指标的信息。另外,主成分分析法用于指标筛选,能减少评价指标个数,体现出一定的指标筛选优势,但容易忽略指标间的相关性。而专家咨询法依靠专家丰富的理论知识和实践经验,可以准确筛选出适合当地风险评估的指标,但易受专家知识层面和个人爱好等主观因素影响。以主成分分析法和专家咨询法相结合的方式,能更为科学的选取评价指标。（3）运用自然灾害风险理论构建的综合指标农业干旱风险评估模型,能较为准确评估陕西省农业干旱风险,结果表明陕西省农业干旱风险大体呈现从南向北逐渐递增空间分布趋势。并且,2009-2013年期间,陕北地区农业干旱风险略呈下降趋势、关中地区基本稳定不变、陕南地区呈急剧升高态势。原因主要是受降水量、粮食播种面积、产水模数和经济水平4个因素共同影响。
强丽婷[7]（2017）在《小麦生长发育及产量形成与生态因子关系的研究 ——河南商丘定位观测数据分析》文中进行了进一步梳理小麦生长发育及产量形成与生态因子关系密切,其生长发育的好坏和产量的高低,除了决定于小麦本身的生物学特性外,很大程度受到气候因子、土壤因子和农艺措施的影响。本文以河南商丘农田生态系统国家野外科学观测研究站（简称商丘站）的综合观测场、关庄土壤生物长期观测采样地两地近10（2006—2015年）年的大气数据、水分数据、土壤数据和生物数据为依据,分析了小麦生长发育及产量形成与该地区生态因子之间的关系。论文采用数理统计分析方法,分析生态因子的变化情况。计算小麦的气象产量并分析气候因子变化对气象产量的影响。运用对比分析法,将主要生态因子与小麦产量间的相关性进行比较,指出影响小麦产量的关键生态因子及关键生长发育阶段。并初步提出适合该区小麦高产的发展对策。研究结果表明:（1）年际间小麦生长发育期间的降水量变化幅度较大,温度、日照变化相对平稳。在温度、降水与日照对小麦年产量的影响中,降水对产量的影响主要表现在休闲期的降水,分析数据发现,小麦单产与前一年的降水量基本正相关,这说明休闲期降水及底墒对小麦生长发育的重要性。在小麦产量和主要农艺性状间相关分析表明,千粒重与小麦的产量表现为极显着正相关,相关系数相对最大。而小麦不同生育阶段的降水量对千粒重的影响不同,小麦分蘖—返青—拔节这一时期降水与千粒重呈负相关,拔节—抽穗期间的降水量与千粒重呈正相关。（2）温度对小麦产量的影响主要表现在极端温度对小麦产量的影响较大,小麦生长发育期间,2月和5月的极低温度与小麦产量呈极显着负相关,10月和1月的极高温度与小麦产量也是显着负相关,根据分析结果,极端温度对小麦产量的影响主要表现负面效应。（3）根据对地温的数据分析发现:10—12月和1—3月各土层温度大小关系为:20 cm>15 cm>10 cm>5 cm;4—6月各层地温的大小关系为:5 cm>10 cm>15 cm>20 cm。在0—20 cm地温与冬小麦各个发育阶段持续时间的相关分析表明,10—12月、1—3月地温与小麦播种—出苗,出苗—三叶阶段的发育持续时间呈负相关关系,说明这一阶段地温高,发育时间短;地温低发育时间长。4—6地温与小麦抽穗—蜡熟发育天数为显着负相关。在地温与冬小麦产量的相关分析中得出,1—3月平均地温对冬小麦产量构成要素影响比10—12月更明显。（4）在不同时段、不同层次、土壤水分含量丰欠对冬小麦产量的影响中发现,播种—分蘖和分蘖—返青深层（40—100 cm）土壤含水量会对产量起重要作用,分蘖—返青深层土壤含水量与冬小麦产量有极显着的相关性。小麦返青后中层（20—40 cm）和深层含水量对产量影响较大,返青—拔节,拔节—抽穗深层土壤含水量与小麦产量有极显着的相关性。在产量对含水量的敏感性分析中发现小麦在不同生育时期对各土层的含水量敏感度不同,总体来说,冬小麦产量对中层土壤含水量有较强的敏感性。为了保证小麦的稳产高产,应加强小麦与生态因子关系间的研究,重视水肥高效利用协调技术的研究,加强对自然灾害的监测预报,注重肥料的安全使用,保护生态环境,提高农业对自然生态环境变化的适应能力。
陈夏[8]（2017）在《江苏省冬小麦模型模拟优化研究及应用》文中认为实时、准确地掌握农作物的长势情况以及对产量的精确预测有利于保障地区乃至国家的粮食安全,并对农业的管理和可持续发展有着至关重要的意义。卫星遥感数据具有客观、覆盖面积大、探测及时性等特点,可以为作物生长模型在农作物的长势监测和产量估算方面提供新的解决思路,因此将二者结合能够有效的发挥优势,提高作物模型监测长势和预测产量的精度。本文以江苏省冬小麦为研究对象,主要以遥感数据提取的物候期与模型模拟的物候期为连接点,采用 SCE-UA （Shuffled Complex Evolution-University of Arizona）算法对WOFOST （World Food Study）作物模型中的有关参数进行优化研究分析,并将优化后模拟结果与徐州、淮安、昆山三个气象站点有关冬小麦的实测数据进行对比,提高作物模型对冬小麦产量估算的精度以及对其生长发育状态进行模拟监测的准确性。主要结果如下:（1）遥感数据预处理。研究采用的遥感数据为MODIS的地表反射率数据和叶面积指数数据,由于星载传感器容易受到云、气溶胶、土壤背景等多种不可预测因素的影响,使得MODIS数据值会出现异常值,因此Savitzky-Golay滤波方法被用来处理本文中所使用的两种数据值的时间序列曲线,达到平滑、去除异常值的目的,并结合研究区域叶面积指数的田间实测值与Logistic方程对MODIS-LAI数据进行调整与修正,得到生育期内连续的且更符合冬小麦生长发育实际情况的叶面积指数时序曲线,为优化模型之后对冬小麦长势从叶面积指数角度进行评估做好准备。（2）基于MODISNDVI时间序列数据的冬小麦关键物候期获取。运用动态阈值法对已经过预处理的遥感数据实现冬小麦三个关键物候期（返青、抽穗和成熟期）的提取,得到江苏省冬小麦的物候期空间分布图,并使用徐州、淮安、兴化、昆山四个站点的冬小麦生育期实测数据对结果进行验证。结果表明,验证站点的返青期、抽穗期和成熟期的平均均方根误差都在5、6天左右;并且从空间分布图中可以看出,纬度越高,物候期也会随之推后,与实际规律相符。同时也为后文遥感及作物模型两方面信息的结合打好基础。（3） WOFOST作物模型的本地化。利用江苏省徐州、淮安、昆山三个代表站点2001-2010年的气象数据,结合对模型中各参数的敏感性分析结果,参考相关文献资料,对WOFOST作物模型中主要的作物参数、土壤参数等进行调整,建立了以江苏省北部、中部、南部各一个代表站点的WOFOST作物模型模拟冬小麦生长发育情况的参数体系,并对模拟结果进行验证,结果表明本地化后的模型能够基本满足模拟江苏省冬小麦生长发育进程的需求。（4）在WOFOST作物模型本地化的基础上,基于SCE-UA算法对作物模型进行优化。对WOFOST作物模型的关键性作物参数进行进一步的敏感性分析,最终将冬小麦的播种日期（SowingDate）和低温阈值（TMNFTB）这两个参数作为调整目标。对优化结果运用徐州、淮安和昆山2001-2010年的生育期观测数据、产量统计数据以及生育期内连续的经过修正的MODIS-LAI数据对比验证,比较优化前后结果与实测结果的差异。结果表明,优化后模拟效果较优化前好,并更接近实际生长发育情况,使模拟精度得到了提高。
王宏莹[9]（2016）在《基于涡度观测和遥感技术的城市碳源/汇研究》文中指出城市生态系统碳循环研究是陆地生态系统碳核查的重要组成部分,城市碳源/汇的定量和定性研究对城市碳循环解译具有重要意义。目前对碳源/汇的研究主体集中在下垫面均一的生态系统,对作为主要碳源的城市生态系统研究较少。本文以城市生态系统为研究对象,使用涡度相关技术观测徐州南部城区的实时碳通量,基于改进的陆地碳模型（Carnegie-Ames-Stanford Approach,CASA模型）和土壤呼吸地质统计模型（Geostatistical model of soil respiration,GSMSR模型）,以遥感影像数据和气象数据作为输入进行城市地区净生态系统生产力（Net Ecosystem Productivity,NEP）的反演。利用模拟的净初级生产力（Net Primary Productivity,NPP）分析徐州南部城区2014年和2015年碳源/汇情况,结合涡度观测数据研究碳通量的时空变化规律和影响因素。研究成果将为徐州生态环境质量评价、资源的合理开发及保护提供重要的理论与实践价值。主要研究内容如下:（1）给出了涡度相关技术的理论基础,综合利用坐标轴旋转、侧风向改正、夜间数据筛选等方法实现了涡度观测数据的质量控制。基于修正后的观测数据,通过分段平均检验法确定夜间摩擦风速阈值为0.22m/s。针对数据残缺的问题,基于人工神经网络插值方法对残缺数据插补。通过预处理工作获得了可靠的数据输入,足够代表观测区真实的碳通量。（2）介绍了CASA模型的基本原理,同时,针对蒸散量获取困难的特点,采用基于归一化水分指数的光能利用率水分胁迫系数的改进方法,优化了CASA模型。采用逐日太阳辐射模型计算2015年徐州地区太阳辐射量,通过模拟的太阳辐射量、归一化植被指数、温度等优化参数,基于CASA模型进行2014-2015年徐州南部城区NPP的反演,并采用土壤呼吸地质统计模型GSMSR进行异养呼吸量的模拟。基于NPP和异养呼吸量估算出NEP。（3）为了对模型进行可靠性与精度分析,以涡度站观测数据为参考,对模拟NEP数据进行相关性分析。基于通量贡献区的原则,确定涡度足迹半径1500m,验证足迹半径内的NEP均值与观测NEE值相关性,得到二者相关性较强,模型精度2014年和2015年最高相关系数分别为0.627和0.823。为了保证模拟的可靠性,采取与已有NPP研究成果对比的方法,本文中徐州南部城区2014年和2015年NPP年均值分别为508.06--12??amg C和343.735 12--??amg C,表明对基于影像和CASA模型对徐州地区的NPP反演符合众多学者对中国大陆范围NPP估算趋势。（4）研究了城市碳源/汇时空变化的特性,采用改进后的CASA模型对徐州地区的年度、季度、月度NPP变化进行时空分析。结果分析可以得到,2014年HJ-1星和Landsat8模拟NPP均值分别为672.67--12??amg C和312.06 12--??amg C;2015分别为301.72--12??amg C、346.96 12--??amg C。基于NPP月均变化确定云龙山、泉山森林公园、珠山风景区、拉犁山及城郊农用田为碳汇,徐州市中心等建筑物密集地区均为碳源。综上证明涡度相关技术可精确监测城市生态系统碳循环,结合GSMSR和改进的CASA模型对大范围的城市区域碳源/汇监测可靠性强。（5）研究了气象因素对碳通量及城市碳源/汇分布的影响。结论表明,温度与碳通量呈现二次多项式相关性,而空气湿度与碳通量呈现负相关性。从风向和风速影响因子中显示出涡度站东南方向矿大校区和西南方向山林对碳通量影响显着;另一方面,从足迹范围内的下垫面影像分类结果中,可以准确详细的解译出碳源/汇的来源。
韩波,丁永辉,张明[10]（2016）在《徐州地区小麦抗旱节水高产栽培技术》文中提出针对小麦生育期降雨量偏少、水资源浪费严重,不利于小麦高产等特点,从精细整地、品种选用、秸秆还田、科学施肥、病虫草害防治等方面总结了徐州地区冬小麦节水高产栽培技术。
二、降水对徐州地区冬小麦生产的影响（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、降水对徐州地区冬小麦生产的影响（论文提纲范文）
（2）种植模式和播期对冬小麦生长及土壤水氮利用的影响（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景 |
| 1.2 目的及意义 |
| 1.3 国内外研究进展 |
| 1.3.1 不同播期对小麦生长及土壤环境的影响 |
| 1.3.2 不同种植模式对作物生长及土壤环境的影响 |
| 1.4 存在问题 |
| 1.5 研究内容 |
| 1.5.1 冬小麦生长及生理特性 |
| 1.5.2 冬小麦氮素吸收及转运规律 |
| 1.5.3 土壤环境变化特性 |
| 1.5.4 冬小麦产量和水氮利用效率 |
| 1.6 技术路线 |
| 第二章 材料与方法 |
| 2.1 试验地概况 |
| 2.2 试验设计 |
| 2.3 测定项目与方法 |
| 2.3.1 植株生长指标的测定 |
| 2.3.2 土壤相关指标的测定 |
| 2.3.3 水氮利用效率等 |
| 2.4 数据分析 |
| 第三章 不同种植模式和播期对冬小麦生长发育的影响 |
| 3.1 生长特性 |
| 3.1.1 对株高的影响 |
| 3.1.2 对分蘖的影响 |
| 3.1.3 对叶面积的影响 |
| 3.1.4 对单株器官干物质积累的影响 |
| 3.1.5 对成熟期各器官干重占比的影响 |
| 3.2 生理特性 |
| 3.2.1 对叶绿素浓度的影响 |
| 3.2.2 对旗叶光合作用的影响 |
| 3.3 讨论 |
| 3.3.1 播期对冬小麦生长发育的影响 |
| 3.3.2 种植模式对冬小麦生长发育的影响 |
| 3.4 小结 |
| 第四章 不同种植模式和播期对土壤环境的影响 |
| 4.1 土壤水分状况 |
| 4.1.1 土壤剖面含水率动态变化 |
| 4.1.2 浅层土层储水量动态变化 |
| 4.1.3 深层土层储水量动态变化 |
| 4.2 土壤硝态氮状况 |
| 4.2.1 对土壤剖面硝态氮浓度及分布的影响 |
| 4.2.2 对浅层、深层及总土壤硝态氮含量的影响 |
| 4.3 土壤铵态氮状况 |
| 4.3.1 对土壤剖面铵态氮浓度及分布的影响 |
| 4.3.2 对浅层、深层及总土壤铵态氮含量的影响 |
| 4.4 土壤温度状况 |
| 4.4.1 越冬期20cm土壤温度日变化 |
| 4.4.2 越冬期0-25cm土壤温度日变化 |
| 4.4.3 开花期20cm土壤温度日变化 |
| 4.4.4 开花期0-25cm土壤温度日变化 |
| 4.5 讨论 |
| 4.5.1 播期对土水肥热状况的影响 |
| 4.5.2 种植模式对土壤水肥热状况的影响 |
| 4.6 小结 |
| 第五章 不同种植模式和播期对冬小麦水氮利用效率的影响 |
| 5.1 对水分利用的影响 |
| 5.1.1 对全生育期耗水量的影响 |
| 5.1.2 对水分利用效率的影响 |
| 5.1.3 对降水利用效率的影响 |
| 5.2 对氮素吸收利用的影响 |
| 5.2.1 对器官氮素积累的影响 |
| 5.2.2 对氮素转运的影响 |
| 5.2.3 对植株氮素吸收及利用的影响 |
| 5.3 对冬小麦产量及经济效率的影响 |
| 5.3.1 对产量构成因素的影响 |
| 5.3.2 对产量及经济效率的影响 |
| 5.4 讨论 |
| 5.4.1 播期对水氮利用效率及产量的影响 |
| 5.4.2 种植模式对水氮利用效率及产量的影响 |
| 5.5 小结 |
| 第六章 产量通径分析 |
| 6.1 产量的Kolmogorov-Smirnov检验 |
| 6.2 多元线性回归分析 |
| 6.3 通径系数计算 |
| 6.4 分析结果 |
| 6.5 小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 整体评价 |
| 7.3 研究的创新点 |
| 7.4 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）不同播期对江苏徐州地区冬小麦土壤水分、生长发育及产量的影响（论文提纲范文）
| 1 材料与方法 |
| 1.1 试验地基本情况 |
| 1.2 试验材料与设计 |
| 1.2.1 试验材料 |
| 1.2.2 试验设计 |
| 1.3 测定项目 |
| 1.3.1 土壤相对湿度、土壤含水率 |
| 1.3.2 群体密度 |
| 1.3.3 叶面指数及干物质量 |
| 1.3.4 产量及产量因素 |
| 1.3.5 计算方法 |
| 1.4 统计分析 |
| 2 结果与分析 |
| 2.1 不同播期内降水量的变化 |
| 2.2 相同深度在不同播期土壤含水量的变化 |
| 2.3 相同生育期内不同深度的土壤含水量变化 |
| 2.4 不同播期条件下冬小麦叶面积指数的变化 |
| 2.5 不同播期条件下对小麦生物量的影响 |
| 2.6 不同播期对产量构成因素及产量的影响 |
| 2.7 不同播期水分利用效率 |
| 3 讨论与结论 |
（4）江苏小麦综合气象指数构建与产量变化预测和分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 文献综述 |
| 1 国内外研究进展 |
| 1.1 影响冬小麦生产的主要气象因素 |
| 1.2 农业气象指数综述 |
| 1.2.1 单因子气象指数 |
| 1.2.2 多因子气象指数 |
| 1.2.3 复杂气象指数 |
| 1.3 基于气象因子的作物产量模型研究进展 |
| 1.3.1 产量去趋势分析方法 |
| 1.3.2 以气象因子为参数的作物产量拟合方法 |
| 2 研究目的及意义 |
| 3 技术路线 |
| 参考文献 |
| 第二章 江苏小麦生长季气象因子的时空变化特征 |
| 1 数据获取与处理 |
| 1.1 数据获取站点 |
| 1.2 气象数据及预处理 |
| 1.2.1 数据收集 |
| 1.2.2 数据预处理 |
| 1.3 产量数据及预处理 |
| 2 研究方法 |
| 2.1 趋势检测法 |
| 2.2 相关分析法 |
| 2.3 普通克里金插值法 |
| 3 结果与分析 |
| 3.1 江苏地区小麦生长季气象因子的空间分布 |
| 3.1.1 小麦生长季气温的空间分布 |
| 3.1.2 小麦生长季降水量的空间分布 |
| 3.1.3 小麦生长季太阳辐射的空间分布 |
| 3.1.4 小麦生长季日照时数的空间分布 |
| 3.2 江苏地区小麦生长季气温的年际变化 |
| 3.2.1 小麦生长季气温变化趋势 |
| 3.2.2 气温增加的昼夜不对称性及与小麦产量的关系 |
| 3.3 江苏地区小麦生长季降水量的年际变化 |
| 3.3.1 小麦生长季降水量趋势变化 |
| 3.3.2 基于旬尺度的SPEI指数评价江苏小麦生长季水分对产量的影响 |
| 3.4 江苏地区小麦生长季日太阳辐射的年际变化 |
| 3.5 江苏地区小麦生长季日照时数的年际变化 |
| 4 小结 |
| 参考文献 |
| 第三章 影响江苏小麦产量的关键气象因子筛选方法 |
| 1 数据获取与处理 |
| 2 研究方法 |
| 2.1 基于逐步回归模型的气象因子重要性评估方法 |
| 2.2 基于随机森林算法的变量重要性估计方法 |
| 3 结果与分析 |
| 3.1 气候产量计算方法的选择 |
| 3.1.1 不同方法计算的气候产量在气候条件近似地区的相关性比较 |
| 3.1.2 气象因子与各气候产量的相关性比较 |
| 3.1.3 气候产量在严重减产年份的拟合比较 |
| 3.2 对小麦产量影响较大的气象因子筛选 |
| 3.2.1 基于逐步回归的气象因子筛选 |
| 3.2.2 基于随机森林算法的气象因子筛选 |
| 4 小结 |
| 参考文献 |
| 第四章 表征小麦气候产量的综合气象指数构建 |
| 1 数据获取与处理 |
| 2 指数构建方法 |
| 2.1 指数构建步骤 |
| 2.2 模型选择 |
| 2.2.1 作物模型与统计模型的比较 |
| 2.2.2 统计模型选择 |
| 2.2.3 候选机器学习模型 |
| 2.3 气候产量分布的确定 |
| 2.3.1 检验方法 |
| 2.3.2 检验结果 |
| 2.4 精度评价指标 |
| 2.4.1 决定系数R~2 |
| 2.4.2 均方根误差 |
| 2.4.3 混淆矩阵 |
| 2.4.4 ROC曲线和AUC |
| 3 指数的实现 |
| 3.1 基于RF模型的指数 |
| 3.1.1 气象因子筛选 |
| 3.1.2 RF模型参数设置 |
| 3.1.3 RF拟合模型的构建 |
| 3.1.4 模型结果的标准化处理 |
| 3.1.5 指数精度提升 |
| 3.2 基于SVM模型的指数 |
| 3.2.1 SVM模型参数设置 |
| 3.2.2 SVM拟合模型的构建 |
| 3.2.3 基于SVM模型的指数 |
| 3.3 指数分类阈值研究 |
| 4 小结 |
| 参考文献 |
| 第五章 综合气象指数预测小麦气候产量的精度评价 |
| 1 数据获取与处理 |
| 2 研究方法 |
| 2.1 SPEI指数预测气候产量的方法 |
| 2.2 基于多气象因子的产量预测回归模型方法 |
| 2.3 验证测试集预测气候产量的方法 |
| 3 结果与分析 |
| 3.1 综合气象指数与SPEI指数的比较 |
| 3.1.1 SPEI指数与小麦气候产量关系 |
| 3.1.2 SPEI指数的回归模型构建及预测 |
| 3.1.3 两种指数在测试集上的预测性能比较 |
| 3.2 综合气象指数与基于气象因子的回归模型精度比较 |
| 3.2.1 苏北回归模型预测结果 |
| 3.2.2 苏中回归模型预测结果 |
| 3.2.3 苏南回归模型预测结果 |
| 3.2.4 预测精度对比 |
| 3.3 综合气象指数在全新数据集上的精度验证 |
| 3.3.1 时间预测精度 |
| 3.3.2 空间预测精度 |
| 4 小结 |
| 参考文献 |
| 第六章 江苏小麦生产对气候变化的适应性及预测分析 |
| 1 研究方法 |
| 1.1 数据获取与处理 |
| 1.2 数据分析方法 |
| 1.2.1 基于熵的全局敏感性分析法 |
| 1.2.2 正态分布检验 |
| 2 结果与分析 |
| 2.1 江苏小麦气候适应性分析 |
| 2.1.1 江苏小麦气象因子敏感性分析 |
| 2.1.2 江苏小麦的气候适应性 |
| 2.2 未来气候情景下的小麦产量变化 |
| 2.2.1 苏北地区在气候变暖情景下的小麦产量变化 |
| 2.2.2 苏中地区在气候变暖情景下的小麦产量变化 |
| 2.2.3 苏南地区在气候变暖情景下的小麦产量变化 |
| 3 小结 |
| 参考文献 |
| 第七章 结论与讨论 |
| 1 讨论 |
| 1.1 气候产量计算方法的选择与评价 |
| 1.2 气候产量预测的参数与模型 |
| 1.3 基于RF和SVM模型的综合气象指数表征气候产量的可行性与精度 |
| 1.4 江苏不同地区小麦产量变化的敏感气象因子异同性分析 |
| 1.5 江苏小麦产量变化的气候适应性 |
| 2 主要结论 |
| 3 本研究的创新点 |
| 4 尚待深入研究的问题 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）基于WOFOST模型与无人机图像同化的小麦产量估测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 文献综述 |
| 1 研究背景 |
| 2 研究进展 |
| 2.1 WOFOST模型研究进展 |
| 2.1.1 WOFOST模型的发展 |
| 2.1.2 WOFOST模型的应用 |
| 2.2 遥感在农业上的发展与应用 |
| 2.2.1 遥感在精准农业中的应用 |
| 2.2.2 无人机遥感的优势 |
| 2.2.3 无人机在农业上的应用 |
| 2.3 作物模型与遥感技术结合的研究进展 |
| 3 研究目的与意义 |
| 参考文献 |
| 第二章 材料与方法 |
| 1 研究区概况 |
| 2 田间试验设计 |
| 2.1 实验1 |
| 2.2 实验2 |
| 2.3 农学参数测定 |
| 3 WOFOST模型数据获取 |
| 4 无人机数据处理 |
| 4.1 无人机设备 |
| 4.2 无人机图像获取过程 |
| 4.3 无人机图像预处理 |
| 4.4 冬小麦数字图像颜色特征指数计算 |
| 4.5 LAI反演模型的构建与验证 |
| 5 WOFOST模型参数敏感性分析方法 |
| 6 WOFOST模型参数的验证方法 |
| 7 技术路线 |
| 参考文献 |
| 第三章 WOFOST模型本地化 |
| 1 引言 |
| 2 WOFOST模型敏感性分析 |
| 3 WOFOST模型的校准 |
| 3.1 作物参数 |
| 3.1.1 冬小麦发育参数的调整 |
| 3.1.2 冬小麦生长参数的调整 |
| 3.2 土壤参数 |
| 4 WOFOST模型的验证 |
| 4.1 WOFOST模型模拟LAI的验证 |
| 4.2 WOFOST模型模拟生物量的验证 |
| 4.3 WOFOST模型模拟产量的验证 |
| 5 本章小结 |
| 参考文献 |
| 第四章 基于无人机图像的冬小麦LAI反演 |
| 1 引言 |
| 2 LAI与无人机图像特征参数的相关性分析 |
| 3 冬小麦LAI反演模型的构建与评价 |
| 3.1 整个生育期和密度水平反演模型 |
| 3.2 各生育期反演模型 |
| 4 本章小结 |
| 参考文献 |
| 第五章 基于无人机图像数据的WOFOST模型同化 |
| 1 引言 |
| 2 无人机图像数据与模型同化方法 |
| 2.1 最小二乘法法 |
| 2.2 同化流程 |
| 2.3 无人机数据与模型同化结果 |
| 3 同化后WOFOST模型验证 |
| 3.1 同化后模型模拟LAI的验证 |
| 3.2 同化后模型模拟产量的验证 |
| 4 本章小结 |
| 参考文献 |
| 第六章 结论、讨论、创新点与展望 |
| 1 结论 |
| 2 讨论 |
| 3 本研究创新点 |
| 4 存在的问题 |
| 5 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文及科研成果目录 |
（6）陕西省农业干旱风险评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 干旱的定义及分类 |
| 1.2.2 评价指标研究进展 |
| 1.2.3 评价方法研究进展 |
| 1.3 研究内容与技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2 研究地区与研究方法 |
| 2.1 研究区域概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌特征 |
| 2.1.3 水文气象特征 |
| 2.1.4 河流水系分布 |
| 2.1.5 土壤和植被状况 |
| 2.1.6 农业概况 |
| 2.2 干旱特征分析方法 |
| 2.2.1 作物水分亏缺指数CWDI |
| 2.2.2 降水距平百分率指数pD |
| 2.2.3 Mann-Kendall检测 |
| 2.3 农业干旱风险评价指标研究方法 |
| 2.3.1 主成分分析法 |
| 2.3.2 专家咨询法 |
| 2.4 农业干旱风险评估研究方法 |
| 2.4.1 层次分析法 |
| 2.4.2 指标归一化 |
| 2.4.3 分项综合指标 |
| 2.4.4 农业干旱风险评估综合指标 |
| 3 陕西省干旱特征分析 |
| 3.1 冬小麦水分亏缺指数 |
| 3.1.1 水分亏缺指数时间序列上的特征 |
| 3.1.2 显着性检验 |
| 3.1.3 冬小麦需水关键期干旱分布特征 |
| 3.2 降水距平百分率 |
| 3.2.1 降水距平百分率时间序列上的特征 |
| 3.2.2 陕西省水文干旱分布特征 |
| 3.3 本章小结 |
| 4 陕西省农业干旱风险评价指标研究 |
| 4.1 主成分分析法筛选指标 |
| 4.1.1 气象指标 |
| 4.1.2 土地利用指标 |
| 4.1.3 作物管理指标 |
| 4.1.4 社会经济指标 |
| 4.1.5 筛选指标 |
| 4.2 专家咨询法筛选指标 |
| 4.2.1 危险性指标 |
| 4.2.2 暴露性指标 |
| 4.2.3 脆弱性指标 |
| 4.2.4 抗旱能力指标 |
| 4.3 指标体系的构建 |
| 4.4 本章小结 |
| 5 陕西省农业干旱风险评估与区划研究 |
| 5.1 风险评估基本单元和基础数据资料 |
| 5.1.1 风险评估基本单元 |
| 5.1.2 基础数据资料 |
| 5.2 陕西省农业干旱风险评估与区划 |
| 5.2.1 层次分析法确定指标权重 |
| 5.2.2 指标归一化 |
| 5.2.3 分项综合指标年际变化 |
| 5.2.4 综合指标年际变化 |
| 5.2.5 分项综合指标空间分布 |
| 5.2.6 综合指标空间分布 |
| 5.3 水资源三级区农业干旱风险评估与区划 |
| 5.3.1 水资源三级分区 |
| 5.3.2 分区权重确定 |
| 5.3.3 水资源三级区农业干旱风险评估与区划 |
| 5.4 分区风险应对策略措施 |
| 5.4.1 陕北地区抗旱策略措施 |
| 5.4.2 关中地区抗旱策略措施 |
| 5.4.3 陕南地区抗旱策略措施 |
| 5.5 本章小结 |
| 6 讨论与结论 |
| 6.1 讨论 |
| 6.2 结论 |
| 6.3 有待深入研究的问题 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）小麦生长发育及产量形成与生态因子关系的研究 ——河南商丘定位观测数据分析（论文提纲范文）
| 致谢 |
| 摘要 |
| 1 文献综述 |
| 1.1 气候因子对小麦生长发育及产量形成的影响 |
| 1.1.1 温度对小麦生长发育及产量形成的影响 |
| 1.1.2 降水对小麦生长发育及产量形成的影响 |
| 1.1.3 日照时数对小麦生长发育及产量形成的影响 |
| 1.2 土壤因子对小麦生长发育及产量形成的影响 |
| 1.2.1 土壤温度对小麦生长发育及产量形成的影响 |
| 1.2.2 土壤水分对小麦生长发育及产量形成的影响 |
| 1.3 农艺措施对小麦生长发育及产量形成的影响 |
| 1.3.1 施肥、灌溉、除草剂的使用对小麦生长发育及产量的影响 |
| 2 引言 |
| 3 研究方法 |
| 3.1 调查地点 |
| 3.2 研究内容与创新点 |
| 3.3 研究方法 |
| 4 结果与分析 |
| 4.1 气候因子对小麦生长发育及产量的影响 |
| 4.1.1 小麦生长发育期年际间气候因子概况 |
| 4.1.1.1 温度 |
| 4.1.1.2 降水 |
| 4.1.1.3 日照时数 |
| 4.1.2 气候因子对小麦主要农艺性状的影响 |
| 4.1.2.1 主要农艺性状的变化情况 |
| 4.1.2.2 小麦产量和主要农艺性状间的相关分析 |
| 4.1.2.2.1 产量的数据分析 |
| 4.1.2.2.2 产量与农艺性状间的相关分析 |
| 4.1.2.3 小麦不同生育阶段气候因子对关键农艺性状的影响分析 |
| 4.1.2.3.1 分蘖—返青—拔节期间的降雨量与千粒重的关系 |
| 4.1.2.3.2 拔节—抽穗期间降雨量与千粒重的关系 |
| 4.1.2.3.3 抽穗—乳熟期间降雨量与千粒重的关系 |
| 4.1.2.3.4 小麦生育期的日照时数与千粒重的关系 |
| 4.1.3 气候因子对小麦产量的影响 |
| 4.1.3.1 温度对小麦生长发育及产量的影响 |
| 4.1.3.2 降水对小麦生长发育及产量的影响 |
| 4.1.3.3 日照时数对小麦生长发育及产量的影响 |
| 4.2 土壤因子对小麦生长发育及产量的影响 |
| 4.2.1 土壤温度对小麦生长发育及产量的影响 |
| 4.2.1.1 近五年土壤温度变化趋势特征 |
| 4.2.1.2 土壤温度对小麦发育期的影响 |
| 4.2.1.3 土壤温度对小麦产量要素的相关分析 |
| 4.2.2 土壤水分对小麦生长发育及产量的影响 |
| 4.2.2.1 小麦生长发育期间土壤含水量的变化状况 |
| 4.2.2.1.1 小麦生长期间土壤含水量总变化 |
| 4.2.2.1.2 小麦生长发育期间各月份土壤含水率变化 |
| 4.2.2.2 土壤水分变化对小麦生长发育及产量的影响 |
| 4.2.2.2.1 小麦不同生育阶段土壤含水量的变化 |
| 4.2.2.2.2 土壤含水量变化对小麦产量的影响 |
| 4.2.2.2.3 小麦产量对土壤含水量敏感性分析 |
| 4.3 农艺措施对小麦生长发育及产量的影响 |
| 4.4 生态因子对小麦产量影响的对策初探 |
| 4.4.1 培育和选用适应性强的小麦品种 |
| 4.4.2 水肥高效利用技术研究，确保小麦单产 |
| 4.4.3 注意防灾减灾，减轻极端天气和自然灾害对小麦产量的影响 |
| 4.4.4 保护自然生态环境，促进农业持续健康发展 |
| 5 结论与讨论 |
| 参考文献 |
| ABSTRACT |
（8）江苏省冬小麦模型模拟优化研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 作物模型的相关研究 |
| 1.2.2 遥感资料与作物模型结合的研究现状 |
| 1.2.3 估产成用研究进展 |
| 1.3 研究内容 |
| 1.4 资料选取 |
| 1.4.1 WOFOST作物模型所需资料 |
| 1.4.2 遥感数据 |
| 1.4.3 农业气象数据 |
| 1.5 方法与技术路线 |
| 第二章 研究区域数据获取及预处理 |
| 2.1 研究区域概况 |
| 2.2 作物模型数据及气象数据的处理 |
| 2.2.1 风速换算 |
| 2.2.2 水汽压计算 |
| 2.2.3 太阳辐射计算 |
| 2.3 遥感数据及其处理 |
| 2.3.1 数据来源 |
| 2.3.2 预处理 |
| 2.3.3 平滑修正处理 |
| 2.4 本章小结 |
| 第三章 遥感提取冬小麦物候信息 |
| 3.1 遥感数据情况 |
| 3.2 滤波结果分析 |
| 3.3 物候期提取 |
| 3.3.1 动态阈值法 |
| 3.3.2 提取结果 |
| 3.4 本章小结 |
| 第四章 WOFOST作物模型本地化 |
| 4.1 WOFOST作物模型简介 |
| 4.2 WOFOST作物模型参数调整 |
| 4.2.1 敏感性分析 |
| 4.2.2 参数调整方案 |
| 4.2.3 土壤参数 |
| 4.3 WOFOST作物模型本地化效果验证 |
| 4.3.1 基于生育期的模拟效果检验 |
| 4.3.2 基于产量的模拟效果检验 |
| 4.4 本章小结 |
| 第五章 基于遥感信息的作物模型优化 |
| 5.1 优化算法简介 |
| 5.2 具体优化过程 |
| 5.3 优化结果分析 |
| 5.3.1 以MODIS-LAI数据为优化对象时的效果 |
| 5.3.2 以遥感提取物候期为优化对象时的效果 |
| 5.4 优化模型的初步应用 |
| 5.5 本章小结 |
| 第六章 总结与讨论 |
| 6.1 主要结论 |
| 6.2 讨论与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）基于涡度观测和遥感技术的城市碳源/汇研究（论文提纲范文）
| 致谢 摘要 Abstract 变量注释表 1 |
| 绪论 1.1 |
| 课题来源 1.2 |
| 选题背景与研究意义 1.3 |
| 国内外研究现状 1.4 |
| 主要研究内容 1.5 |
| 论文的结构 2 |
| 涡度相关技术监测城市碳源/汇 2.1 |
| 涡度相关技术原理 2.2 |
| 碳通量与辐射观测塔 2.3 |
| 涡度站数据质量分析与控制 2.4 |
| 涡度相关技术的实现 2.5 |
| 本章小结 3 |
| 基于CASA模型和GSMSR模型反演城市碳源/汇 3.1 |
| CASA原理及改进模型 3.2 |
| GSMSR模型 3.3 |
| CASA模型影像输入 3.4 |
| 模型实现 3.5 |
| 本章小结 4 |
| 基于涡度观测的模型验证 4.1 |
| 足迹半径的确定 4.2 |
| 模型验证参数 4.3 |
| 模型验证 4.4 |
| 其他验证对比 4.5 |
| 本章小结 5 |
| 城市碳源/汇时空分析 5.1 |
| 卫星反演NPP时空分析 5.2 |
| 涡度通量数据分析 5.3 |
| 碳通量影响因子变化研究 5.4 |
| 本章小结 6 |
| 结论与展望 6.1 |
| 结论 6.2 |
| 展望 参考文献 作者简历 学位论文数据集 |
（10）徐州地区小麦抗旱节水高产栽培技术（论文提纲范文）
| 1 徐州地区小麦抗旱节水高产栽培中遇到的问题 |
| 1.1 水资源利用率低 |
| 1.2 水利设施亟需改善 |
| 1.3 水资源污染严重 |
| 1.4 小麦生育期土壤水分流失 |
| 2 徐州地区小麦抗旱节水高产栽培技术 |
| 2.1 确保播种质量,适当晚播 |
| 2.2 选用节水高产优良品种 |
| 2.3 有效利用秸秆还田技术 |
| 2.4 科学施肥技术 |
| 2.5 综合防治病虫草害 |
| 2.6 有效防治冻害发生 |
四、降水对徐州地区冬小麦生产的影响（论文参考文献）
- [1]灌浆期增温、干旱复合胁迫对江苏省冬小麦影响的模拟研究[D]. 沙慧敏. 南京信息工程大学, 2021
- [2]种植模式和播期对冬小麦生长及土壤水氮利用的影响[D]. 余梦. 西北农林科技大学, 2021(01)
- [3]不同播期对江苏徐州地区冬小麦土壤水分、生长发育及产量的影响[J]. 李轲,张利华,吴世明,张仁祖,张会云. 江苏农业科学, 2020(15)
- [4]江苏小麦综合气象指数构建与产量变化预测和分析[D]. 徐向英. 扬州大学, 2019(06)
- [5]基于WOFOST模型与无人机图像同化的小麦产量估测[D]. 周彤. 扬州大学, 2019(02)
- [6]陕西省农业干旱风险评估方法研究[D]. 何斌. 西安理工大学, 2017(02)
- [7]小麦生长发育及产量形成与生态因子关系的研究 ——河南商丘定位观测数据分析[D]. 强丽婷. 河南农业大学, 2017(04)
- [8]江苏省冬小麦模型模拟优化研究及应用[D]. 陈夏. 南京信息工程大学, 2017(03)
- [9]基于涡度观测和遥感技术的城市碳源/汇研究[D]. 王宏莹. 中国矿业大学, 2016(02)
- [10]徐州地区小麦抗旱节水高产栽培技术[J]. 韩波,丁永辉,张明. 农业科技通讯, 2016(05)