Please wait a minute...
歡迎您訪問《智慧農業(中英文)》官方網站! English

當期目錄

    2021年 第3卷 第2期    刊出日期:2021-06-30
    《智慧農業(中英文)》2021年第2期導讀 |
    2021, 3(2):  0-1. 
    摘要 ( 141 )  
    相關文章 | 計量指標

    本期共出版12篇文章,分布于“空間信息技術農業應用”專題,“作物模型與可視化”專題,以及“信息處理與決策”欄目。本期內容涵蓋了衛星/無人機遙感等在作物生長、病害、災害監測應用,以及作物模型模擬和產量監測等。每篇文章都具特色,希望本期的出版能為領域研究人員帶來新觀點、新思路、新啟發。

    “空間信息技術農業應用”專題刊出5篇文章。中國農業大學王鵬新教授團隊闡述了基于衛星遙感的農業干旱監測研究進展,并簡述了以干旱指數方法和作物生長模型方法為主的農業干旱預測研究進展。北京農業信息技術研究中心李振海博士團隊構建了冬小麥籽粒蛋白質含量多層線性預測模型,解決了模型在年際擴展和空間擴展存在偏差的問題,并實現了冬小麥蛋白質含量預報。美國北達科他州立大學Paulo Flores和張昭博士提出了一種基于無人機圖像處理的自動數據集生成方法,并用多種機器學習模型和深度學習算法對小麥倒伏檢測情況進行分類,最終確定了最佳算法和無人機飛行高度。在農業災害應用研究方面,中國農業科學院農業信息研究所李世娟研究員團隊利用冬小麥葉片及冠層高光譜遙感數據,結合植被指數、歸一化均值距離和光譜微分差信息熵等方法實現了冬小麥澇漬脅迫識別及其脅迫程度判別分析。中國熱帶農業科學院科技信息研究所戴聲佩副研究員等構建了基于衛星遙感的海南島大面積橡膠林葉面積指數LAI估算模型并分析了其變化規律。

    “作物模型與可視化”專題刊出3篇文章。塔里木大學白鐵成教授等提出了基于校正WOFOST模型的棗樹生長和水分運移模擬方法,為土壤、氣象、灌溉管理和棗樹生長耦合影響的定量化分析提供了新思路。為提高黃淮海和江淮地區小麥高產優質主產區的冬小麥產量,中國農業科學院農業信息研究所胡亞南副研究員等利用DSSAT CERES-Wheat模型分別開展基準時段和未來40年模型模擬試驗,明確了未來冬小麥生育期內氣候要素和最適播期變化特征。在群體尺度作物模型轉入個體尺度作物模型方面,中國科學院自動化研究所康孟珍副研究員團隊探索了作物不同空間尺度與時間模型建立接口的方法,發現GreenLab模型可以復現DSSAT系統的模擬數據,并進行了三維可視化展示。

    最后,“信息處理與決策”欄目為讀者報道了以下內容。北京農業信息技術研究中心樊江川博士團隊通過構建不同光照條件下的玉米出苗過程圖像數據集,使用ResNet50作為新特征提取網絡對Faster R-CNN進行優化,實現了玉米幼苗準確識別和出苗動態連續監測。中國農業大學鄭永軍教授團隊提出了一種蘋果樹原位測產模型,融合產量擬合網絡和改進型YOLOv5果實檢測算法,模型具有較好的精度和魯棒性。仲愷農業工程學院尹航副教授等提出了一種基于經驗模態分解、隨機森林和長短時記憶神經網絡的組合預測模型EMD-RF-LSTM,對于對蝦養殖塘溶解氧濃度具有較高預測精度。農業農村部規劃設計研究院孫麗高級工程師團隊基于中國東北三省Sentinel-2玉米空間分布數據和氣象數據,對比分析了多時間尺度的標準化降水指數(SPI)和標準化降水蒸散指數(SPEI)與旱澇受災率的關系,分析了旱澇狀況對春玉米產量的影響。

    專題--空間信息技術農業應用
    農業干旱衛星遙感監測與預測研究進展 | Open Access
    韓東, 王鵬新, 張悅, 田惠仁, 周西嘉
    2021, 3(2):  1-14.  doi:10.12133/j.smartag.2021.3.2.202104-SA002
    摘要 ( 298 )   HTML ( 59)   PDF (1255KB) ( 188 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    干旱是影響農業生產的主要氣候因素。傳統的農業干旱監測主要是基于氣象和水文數據,雖然能提供監測點上較為精確的干旱監測結果,但是在監測面上的農業干旱時,仍存在一定的局限。遙感技術的快速發展,尤其是目前在軌的衛星傳感器感測的電磁波段涵蓋了可見光、近紅外、熱紅外和微波等波段,為區域尺度農業干旱監測提供了新的手段。充分利用衛星遙感數據獲得的豐富地表信息進行農業干旱監測和預測具有重要的研究意義。本文從遙感指數方法、土壤含水量方法和作物需水量方法三個方面闡述了基于衛星遙感的農業干旱監測研究進展。農業干旱預測是在干旱監測的基礎上進行時間軸的預測,本文在總結干旱監測進展的基礎上,進一步簡述了以干旱指數方法和作物生長模型方法為主的農業干旱預測研究進展。

    基于遙感與氣象數據的冬小麥主產區籽粒蛋白質含量預報 | Open Access
    王琳, 梁健, 孟范玉, 孟煬, 張永濤, 李振海
    2021, 3(2):  15-22.  doi:10.12133/j.smartag.2021.3.2.202103-SA007
    摘要 ( 231 )   HTML ( 37)   PDF (1605KB) ( 125 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    開展小麥籽粒蛋白質含量的監測預報研究對于指導農戶調優栽培、企業分類收儲、期貨小麥價格、進口政策調整等具有重要意義。本研究以冬小麥主產區(河南省、山東省、河北省、安徽省和江蘇?。檠芯繀^域,構建了冬小麥籽粒蛋白質含量多層線性預測模型,并實現了2019年冬小麥蛋白質含量預報。為了解決預測模型在年際擴展和空間擴展存在偏差的問題,在蛋白質含量估算模型中考慮了氣象因素(溫度、降水、輻射量)、冬小麥筋型、抽穗—開花期增強型植被指數(EVI)等因素。結果表明,融合3個氣象因素的蛋白質含量估算模型建模集精度(R2 = 0.39,RMSE = 1.04%)與驗證集精度(R2 = 0.43、RMSE = 0.94%)均高于融合2個氣象因子的估算模型和單個氣象因子的估算模型。將蛋白質含量估算模型應用冬小麥主產區的蛋白質含量遙感估算,得到了2019年冬小麥主產區品質預報圖,并形成黃淮海地區冬小麥品質分布專題圖。本研究結果可同時為后續小麥種植區劃和實現綠色、高產、優質、高效糧食生產提供數據支撐。

    基于無人機圖像以及不同機器學習和深度學習模型的小麥倒伏率檢測 | Open Access
    2021, 3(2):  23-34.  doi:10.12133/j.smartag.2021.3.2.202104-SA003
    摘要 ( 299 )   HTML ( 41)   PDF (1857KB) ( 284 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    小麥在生長過程中發生倒伏會嚴重影響其產量,因此實時且準確地對小麥倒伏狀況監測有很重要的意義。傳統的方法采用手工方式生成數據集,不僅效率低、易出錯,而且生成的數據集不準確。針對這一問題,本研究提出了一種基于圖像處理的自動數據集生成方法。首先利用無人機在15、46和91 m三個高度采集圖像數據;采集完數據后,根據無倒伏、倒伏面積<50%和倒伏面積>50%的標準對每一塊地的小麥倒伏情況進行人工評估;采用三種機器學習(支持向量機、隨機森林、K近鄰)和三種深度學習(ResNet101、GoogLeNet、VGG16)算法對小麥倒伏檢測情況進行分類。結果顯示,ResNet101的分類結果優于隨機森林,并且在91 m高度采集的數據分類精度并不低于在15 m高度采集的數據。本研究證明了針對在91 m高度采集的無人機圖像,采用ResNet101對小麥倒伏率檢測是一種有效的替代人工檢測的方法,其檢測精度達到了75%。

    專題--空間信息技術農業應用
    基于高光譜遙感的冬小麥澇漬脅迫識別及程度判別分析 | Open Access
    楊菲菲, 劉升平, 諸葉平, 李世娟
    2021, 3(2):  35-44.  doi:10.12133/j.smartag.2021.3.2.202105-SA001
    摘要 ( 154 )   HTML ( 17)   PDF (1233KB) ( 74 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    冬小麥澇漬脅迫頻發不僅嚴重影響區域糧食安全和生態安全,還威脅社會經濟穩定和可持續發展。為識別冬小麥澇漬脅迫及判別其脅迫程度,本研究設置冬小麥澇漬脅迫梯度盆栽試驗,采用ASD地物光譜儀和Gaiasky-mini2推掃式成像光譜儀分別測定葉片及冠層高光譜數據,結合植被指數、歸一化均值距離和光譜微分差信息熵等方法,監測冬小麥是否遭受澇漬脅迫并判別其澇漬脅迫程度。試驗結果顯示,簡單比值色素指數SRPI是識別澇漬脅迫冬小麥的最優植被指數。紅光吸收谷(RW:640~680 nm)是識別冬小麥澇漬脅迫程度的最優波段,在RW波段內,抽穗、開花和灌漿期的光譜微分差信息熵可判別冬小麥澇漬脅迫程度,脅迫程度越大,光譜微分差信息熵越大。本研究為澇漬脅迫監測提供了一種新方法,在澇漬脅迫精確防控中具有較好的應用前景。

    海南島橡膠林葉面積指數遙感估算模型比較研究 | Open Access
    戴聲佩, 羅紅霞, 鄭倩, 胡盈盈, 李海亮, 李茂芬, 禹萱, 陳幫乾
    2021, 3(2):  45-54.  doi:10.12133/j.smartag.2021.3.2.202106-SA003
    摘要 ( 125 )   HTML ( 7)   PDF (2387KB) ( 52 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    葉面積指數(LAI)是描述植被生長狀況和冠層結構的一個重要參數,快速獲取大面積植被與作物LAI對于生態系統科學研究、農林業生產指導具有十分重要的理論和實踐意義。本研究選取海南島典型熱帶作物——橡膠樹為研究對象,構建基于衛星遙感植被指數的橡膠林LAI估算模型并分析其變化規律。結果表明,相較于歸一化植被指數(NDVI)、綠色歸一化植被指數(GNDVI)、比值植被指數(RVI)和寬動態范圍植被指數(WDRVI)四個指數,增強植被指數(EVI)、土壤調節植被指數(SAVI)、差值植被指數(DVI)和改良土壤調節植被指數(MSAVI)四個指數同LAI之間的相關性較高。構建的基于不同植被指數的橡膠林LAI估算模型(一元線性、指數和對數模型)中,基于EVI指數的橡膠林LAI一元線性估算模型效果最佳,其決定系數R2為0.69。經驗證,該模型估算的橡膠林LAI精度較高,觀測和模擬的橡膠林LAI線性擬合R2為0.67,均方根誤差RMSE為0.16,平均相對誤差RE為-0.25%,但在橡膠林LAI中值區存在低估現象,同時在LAI高值區和低值區存在一定的高估現象。從空間分布來看,海南島橡膠林LAI高值區(4.40~6.23)主要分布在海南島西部儋州、白沙等市縣,LAI中值區(3.80~4.40)主要分布在海南島中部澄邁、屯昌、瓊中等市縣,LAI低值區(2.69~3.80)主要分布在海南島東部和南部的定安、瓊海、萬寧、樂東、三亞等市縣??傊?,構建的基于EVI指數的橡膠林LAI一元線性估算模型精度較高,克服了NDVI、GNDVI、RVI等植被指數容易出現指數飽和問題,具有較好的科學性和良好的推廣應用價值。

    專題--作物模型與可視化
    基于校正WOFOST模型的棗樹生長模擬與水分利用評價 | Open Access
    白鐵成, 王濤, 張楠楠
    2021, 3(2):  55-67.  doi:10.12133/j.smartag.2021.3.2.202103-SA008
    摘要 ( 309 )   HTML ( 13)   PDF (1931KB) ( 77 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    為實現定量化分析溫、光和水資源對果樹生長的影響,本研究以成齡駿棗樹為研究對象,提出了基于校正WOFOST模型的棗樹生長和水分運移模擬方法。利用2016和2017年的田間試驗觀測數據,重點校正WOFOST模型的物候學發育、初始化、綠葉、CO2同化、干物質分配、呼吸作用和水分利用參數。在田間尺度,完成總地上生物量(TAGP)、葉面積指數(LAI)和土壤水分含量的動態模擬和精度驗證;在縣域尺度,使用55個果園的最大LAI、單產、實際蒸散量(ETa)和水分利用效率(WUE)數據評價模型區域尺度的模擬性能。結果表明,在田間尺度,校正模型模擬不同灌溉梯度TAGP的決定系數R2范圍為0.92~0.98,歸一化均方根誤差NRMSE為8.7%~20.5%;模擬LAI的R2范圍為0.79~0.97,NRMSE為8.3%~21.1%;模擬土壤水分含量的決定系數R2范圍為0.29~0.75,NRMSE為4.1%~6.1%。在縣域尺度,兩年模擬最大LAI與實測LAI的R2分別為0.64和0.78,NRMSE分別為13.3%和10.7%;模擬單產的R2分別為0.48和0.60,NRMSE分別是12.1%和11.9%;模擬ETa均方根誤差分別為36.1 mm(7.9%)和30.8 mm(7.4%);模型也表現了較高的WUE模擬精度(10%<NRMSE<20%),均方根誤差RMSE值分別為0.23和0.28 kg/m3。WOFOST模型在田間和縣域尺度都取得了較高的棗樹生長和水分運移模擬精度,可為土壤、氣象、灌溉管理和棗樹生長耦合影響的定量化分析提供新思路。

    基于DSSAT CERES-Wheat 模型的未來40年冬小麥最適播期分析 | Open Access
    胡亞南, 梁駒, 梁社芳, 李世娟, 諸葉平, 鄂越
    2021, 3(2):  68-76.  doi:10.12133/j.smartag.2021.3.2.202104-SA005
    摘要 ( 141 )   HTML ( 14)   PDF (1378KB) ( 76 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    在適播期內播種是促進小麥高產穩產的關鍵管理技術。為應對未來氣候變化帶來的不利影響,提高小麥高產優質主產區的冬小麥產量,本研究選取黃淮海和江淮地區作為研究區,并在研究區內選擇3個代表站點,利用DSSAT CERES-Wheat模型在基準時段和未來40年分別開展了4種典型濃度路徑的溫室氣體排放氣候情景(RCPs)、51個播期處理的模型模擬試驗,以明確未來冬小麥生育期內氣候要素和最適播期變化特征,定量分析采用最適播期管理措施對冬小麥的增產效應。分析試驗結果表明:未來冬小麥生育期內氣候特征呈現暖干化的趨勢;冬小麥生育期天數隨溫度升高而縮短,縮短天數在研究區地理空間上自北向南遞增;最適播期隨溫度升高而推遲,在各時段、各情景下均隨緯度減小而推遲;相對于基準時段,3個站點2030s時段的最適播期推遲最大天數分別自北向南遞增5 d、8 d和13 d,2050s時段最適播期較2030s時段有不同程度的推遲,且各站點以2050s 時段RCP8.5情景下的推遲天數最多;采取最適播期播種的管理措施,在3個站點均有不同程度的增產效應,黃淮海北片的增產效應最小,黃淮海南片和江淮地區增產幅度相對較高,集中在2%~4%之間。因此,未來黃淮海和江淮地區可采取推遲播期、選擇適播期的管理措施來應對氣候變暖情況,提高冬小麥產量。

    從群體到個體尺度——基于數據的DSSAT和GreenLab作物模型連接探索 | Open Access
    王秀娟, 康孟珍, 華凈, DE REFFYE Philippe
    2021, 3(2):  77-87.  doi:10.12133/j.smartag.2021.3.2.202103-SA006
    摘要 ( 147 )   HTML ( 8)   PDF (2152KB) ( 77 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    作物模型的研究涉及作物生長發育的復雜過程,空間上從分子到細胞、組織、器官、個體、群體等不同尺度,時間尺度上可以從秒到年?;诓煌难芯啃枨?,切換作物模型尺度,可使得作物模型的適用性更廣泛靈活。其中,如何從群體尺度的作物模型轉入個體尺度的作物模型是本研究的內容。本研究基于四個玉米品種的兩個處理(灌溉和雨養)的已有的實驗數據和基于這些數據的DSSAT系統的模擬數據,校準功能結構模型GreenLab的參數,以計算結果一致為指標,探索不同空間尺度模型建立接口的方法,比較不同模型的特點。結果表明,GreenLab模型可以復現DSSAT系統的模擬數據和實際測量數據,進一步可以反演出各種器官之間生物量的分配并進行三維可視化展示。最后討論了不同空間尺度模型結合的優勢及應用領域。

    信息處理與決策
    田間玉米苗期高通量動態監測方法 | Open Access
    張小青, 邵松, 郭新宇, 樊江川
    2021, 3(2):  88-99.  doi:10.12133/j.smartag.2021.3.2.202103-SA003
    摘要 ( 159 )   HTML ( 22)   PDF (3369KB) ( 86 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    目前對玉米出苗動態檢測監測主要是依靠人工觀測,耗時耗力且只能選擇小的樣方估算整體出苗情況。為解決人工出苗動態管理不精準的問題,實現田間精細化管理,本研究以田間作物表型高通量采集平臺獲取的高時序可見光圖像和無人機平臺獲取的可見光圖像兩種數據源構建了不同光照條件下的玉米出苗過程圖像數據集??紤]到田間存在環境背景復雜、光照不均等因素,在傳統Faster R-CNN的基礎上構建殘差單元,使用ResNet50作為新的特征提取網絡來對Faster R-CNN進行優化,首先實現對復雜田間環境下玉米出苗識別和計數;進而基于表型平臺所獲取的高時序圖像數據,對不同品種、不同密度的玉米植株進行出苗動態連續監測,對各玉米品種的出苗持續時間和出苗整齊度進行評價分析。試驗結果表明,本研究提出的方法應用于田間作物高通量表型平臺出苗檢測時,晴天和陰天的識別精度分別為95.67%和91.36%;應用于無人機平臺出苗檢測時晴天和陰天的識別精度分別91.43%和89.77%,可以滿足實際應用場景下玉米出苗自動檢測的需求。利用表型平臺可獲取時序數據的優勢,進一步進行了玉米動態出苗檢測分析,結果表明利用本模型得到的動態出苗結果與人工實際觀測具有一致性,說明本研究提出的模型的具有魯棒性和泛化性。

    基于輕量化改進YOLOv5的蘋果樹產量測定方法 | Open Access
    李志軍, 楊圣慧, 史德帥, 劉星星, 鄭永軍
    2021, 3(2):  100-114.  doi:10.12133/j.smartag.2021.3.2.202105-SA005
    摘要 ( 230 )   HTML ( 34)   PDF (3571KB) ( 189 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    果樹測產是果園管理的重要環節之一,為提升蘋果果園原位測產的準確性,本研究提出一種包含改進型YOLOv5果實檢測算法與產量擬合網絡的產量測定方法。利用無人機及樹莓派攝像頭采集摘袋后不同著色時間的蘋果果園原位圖像,形成樣本數據集;通過更換深度可分離卷積和添加注意力機制模塊對YOLOv5算法進行改進,解決網絡中存在的特征提取時無注意力偏好問題和參數冗余問題,從而提升檢測準確度,降低網絡參數帶來的計算負擔;將圖片作為輸入得到估測果實數量以及邊界框面總積。以上述檢測結果作為輸入、實際產量作為輸出,訓練產量擬合網絡,得到最終測產模型。測產試驗結果表明,改進型YOLOv5果實檢測算法可以在提高輕量化程度的同時提升識別準確率,與改進前相比,檢測速度最大可提升15.37%,平均mAP最高達到96.79%;在不同數據集下的測試結果表明,光照條件、著色時間以及背景有無白布均對算法準確率有一定影響;產量擬合網絡可以較好地預測出果樹產量,在訓練集和測試集的決定系數R2分別為0.7967和0.7982,均方根誤差RMSE分別為1.5317和1.4021 ㎏,不同產量樣本的預測精度基本穩定;果樹測產模型在背景有白布和無白布的條件下,相對誤差范圍分別在7%以內和13%以內。本研究提出的基于輕量化改進YOLOv5的果樹產量測定方法具有良好的精度和有效性,基本可以滿足自然環境下樹上蘋果的測產要求,為現代果園環境下的智能農業裝備提供技術參考。

    對蝦養殖溶解氧濃度組合預測模型EMD-RF-LSTM | Open Access
    尹航, 李祥銅, 徐龍琴, 李景彬, 劉雙印, 曹亮, 馮大春, 郭建軍, 李利橋
    2021, 3(2):  115-125.  doi:10.12133/j.smartag.2021.3.2.202106-SA008
    摘要 ( 162 )   HTML ( 20)   PDF (1929KB) ( 74 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    溶解氧(DO)濃度是對蝦養殖水質檢測的核心指標。為提高對蝦養殖溶解氧濃度的預測精度,本研究提出了一種基于經驗模態分解、隨機森林和長短時記憶神經網絡(EMD-RF-LSTM)的對蝦養殖溶解氧濃度組合預測模型。首先采用經驗模態分解(EMD)對養殖水質溶解氧濃度時序數據進行多尺度特征提取,得到不同尺度下的固有模態分量(IMF);然后分別采用長短時記憶神經網絡(LSTM)和隨機森林(RF)對高、低頻不同尺度IMF進行建模;最后結合各分量預測結果構建疊加模型,實現對溶解氧濃度時序數據的綜合預測。本研究模型在廣東省湛江市南三島對蝦養殖基地展開了試驗及應用,在基于真實數據集的性能測試中,經驗模態分解后EMD-ELM模型與極限學習機(ELM)模型對比,平均絕對誤差(MAPE)、均方根誤差(RMSE)和平均絕對誤差(MAE)分別降低了30.11%、29.60%和32.95%。在經驗模態分解基礎上用RF和LSTM對不同特征尺度的本征模態分量分別預測后疊加求和,EMD-RF-LSTM模型預測的精度指標MAPE、RMSEMAE分別為0.0129、0.1156和0.0844,其中關鍵指標MAPE較EMD-ELM、EMD-RF和EMD-LSTM分別降低了84.07%、57.57%和49.81%,預測精度顯著提高。結果表明,本研究針對經驗模態分解后高、低頻分量分別預測的策略可有效提升綜合性能,表明本研究模型具有較高的預測精度,能夠較準確地實現對蝦養殖水體中溶解氧濃度預測。

    東北三省地區生長季旱澇對春玉米產量的影響 | Open Access
    王蔚丹, 孫麗, 裴志遠, 馬尚杰, 陳媛媛, 孫娟英, 董沫
    2021, 3(2):  126-137.  doi:10.12133/j.smartag.2021.3.2.202106-SA004
    摘要 ( 164 )   HTML ( 19)   PDF (1771KB) ( 72 )  
    數據和表 | 參考文獻 | 相關文章 | 計量指標

    評估生長季旱澇對作物產量的影響有助于農民采取措施增產保收。本研究基于1988—2017年氣象站點數據和災情、產量等統計數據,以中國東北三省為研究區,通過對比多時間尺度指標——標準化降水指數(SPI)和標準化降水蒸散指數(SPEI)與旱澇受災率的關系,選擇優勢指數表征東北春玉米生長季干濕狀況,基于HP濾波構建相對氣象產量,利用距離相關分析方法選取合理時間尺度和關鍵月份的指數,分析這些指數與春玉米相對氣象產量的關系以及不同生育階段水分條件與產量之間的關系。結果表明:(1)SPI、SPEI均能表征東北地區農作物受旱和受澇狀況,整體上SPEI在表征東北地區旱澇時更具優越性,尤其在遼寧省,因旱受災率與SPI和SPEI相關系數差距明顯,因澇受災率與SPEI相關系數最大值為0.54,與SPI相關性不顯著。(2)遼寧省SPEI3-8與相對氣象產量的距離相關系數最大,吉林省和黑龍江省SPEI6-8與相對氣象產量的距離相關系數最大;各省對應的SPEI與相對氣象產量呈向下的拋物線趨勢,其中遼寧省春玉米產量受干旱和雨澇的共同影響,吉林、黑龍江兩省主要受干旱災害的影響。(3)遼寧省春玉米在拔節—抽穗期主要受干旱影響,生長季后期受洪澇災害影響較前期加重;當SPEI為1.0左右時,吉林省春玉米在出苗—拔節、拔節—抽穗期可達到最高產,抽穗—乳熟期受干旱影響嚴重;黑龍江關鍵生育期主要受旱災影響,在出苗—拔節、拔節—抽穗期正常偏濕年份可達到最高產量,但中度及以上雨澇仍會導致玉米減產,抽穗—乳熟期在輕度濕潤時可高產,重度濕潤時會因澇減產。本研究對東北三省地區預估旱澇災害對春玉米產量影響和及時采取災害防御措施具有一定的參考價值。

撸撸色在线看观看免费 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>