分类： 生物学 >> 生态学 提交时间： 2021-04-14 合作期刊: 《干旱区地理》
摘要： 为进一步探明陇中黄土高原区旱地春小麦产量形成对不同干旱胁迫的响应机制，依据甘肃 省定西市安定区凤翔镇安家沟村 2016—2018 年大田控水试验数据以及定西市安定区 1971—2018 年气象数据，验证农业生产系统模拟（Agricultural production systems simulation，APSIM）模型模拟不 同干旱胁迫旱地春小麦产量及产量构成要素的适宜性，基于 APSIM 模型分析不同生育期、不同程 度干旱胁迫对旱地春小麦籽粒数、千粒重和产量的影响，利用多元逐步回归方程确定陇中黄土高 原区旱地春小麦最佳灌水时间和灌水量。结果表明：（1）APSIM 模型模拟陇中黄土高原区旱地春 小麦生育期、籽粒数、千粒重和产量的均方根误差（Root mean square error，RMSE)均小于 3.67 d、300.52 个·m-2、2.56 g、267.43 kg·hm-2，归一化均方根误差（Normalized root mean square error，NRMSE) 均小于 3.89%、2.86%、9.71%、11.58%，模型有效性指数（Model effectiveness index，ME)均大于 0.62、 0.78、0.60、0.66，表明 APSIM 模型对模拟干旱胁迫条件下陇中黄土高原区旱地春小麦产量形成具有 较好的适应性。（2）不同生育期干旱胁迫下，拔节期干旱胁迫对小麦籽粒数影响最大，其次由大到 小依次为出苗期、分蘖期、无胁迫、抽穗期、开花期和灌浆期；灌浆期干旱胁迫对小麦千粒重影响最 大，其次由大到小依次为开花期、抽穗期、无胁迫、拔节期、出苗期和分蘖期；拔节期干旱胁迫对小 麦产量影响最大，其次由大到小依次为灌浆期、抽穗期、开花期、出苗期、无胁迫和分蘖期。（3）不同 程度干旱胁迫下，灌水量 300.00 mm 旱地春小麦产量最大为 4866.19 kg·hm-2，与其他 4 种灌水相比 产量分别增加 283.53%、39.65%、0.46%和 15.58%。（4）出苗后第 1 d、47 d、60 d、82 d、86 d 灌水，且灌 水量达到 343.09 mm 时，旱地春小麦产量最大为 5578.91 kg·hm-2。干旱胁迫发生时间和程度对研 究区小麦产量形成具有明显的交互作用，分蘖期适度干旱胁迫有利于提高陇中黄土高原区旱地春 小麦产量，而拔节期和灌浆期为旱地春小麦田间水分管理的关键生育期，小麦生长发育过程中应 加强该生育期的水分管理以提高陇中黄土高原区粮食产量。
分类： 地球科学 >> 地理学 提交时间： 2020-06-02 合作期刊: 《干旱区地理》
摘要： 针对陇中黄土丘陵沟壑区土壤水蚀过程复杂且难以有效预测的问题，以定西市安家沟水土保持试验站2005-2016年1 }12月人工草地径流场试验数据为主要来源，将流域月降雨量、月侵蚀性降雨量、月径流量、月降雨强度、径流场面积、径流场坡度、土壤砂粒含量、土壤粘粒含量8个因子作为输入因子，月土壤水蚀量作为输出，运用偏最小二乘法(Partial Least-Squares Regression,PLSR)和长短期记忆(Long Short-Term Memory,LSTM)循环神经网络建立人工草地土壤水蚀预测模型，并利用BP ( Back Propagation ) , RNN ( Recurrent Neural Network ) , LSTM常见神经网络模型，对模型的有效性进行评估。结果表明:PLSR将模型8个输入因子减少为4个，从而有效解决LSTM神经网络模型对样本数量要求过高的问题;PLSR和LSTM神经网络模型的结合可以有效提高模型对人工草地土壤水蚀过程的预测精度和收敛速度，预测结果的平均相对误差小于4%，相关系数高于其他3种神经网络模型，而迭代次数、均方根误差和平均绝对误差均低于其他3种模型;研究发现坡度对人工草地土壤水蚀过程影响较为明显，降雨量小于25 mm时，人工草地土壤水蚀量不会随坡度增加而明显增长，但当降雨量超过25 mm时，人工草地土壤水蚀量会随坡度明显增加。PLSR-LSTM神经网络土壤水蚀预测模型可以准确预测陇中黄土丘陵沟壑区人工草地土壤水蚀量，为该地区水土流失的准确预报提供新的思路和方法。
点击量
点击量
下载量
评论
