公共文化服务平台

搜索到1347篇“ 农业干旱“的相关文章

建平县农业干旱形成原因及抗旱措施: 2024年; 1基本情况。建平县地处辽宁省西部,属暖温带半干旱、半湿润季风型大陆性气候,全县多年平均降水量449.6 mm,年内降水变化较大且分配极度不均,降水集中在6~8月份,占全年降水量的71%,多年平均蒸发量为1850~2200 mm,属辽西山地丘陵区,具有“六山一水三分田”的特点。; 许文龙; 关键词：抗旱措施农业干旱大陆性气候

一种农业干旱监测数据采集装置: 本实用新型实施例提供的一种农业干旱监测数据采集装置，涉及干旱监测技术领域。该农业干旱监测数据采集装置，包括安装杆，安装杆的一侧开设有多个监测孔，安装杆的内部设有与监测孔数量对应的隔板，每个隔板上侧均放置监测数据采集组件，...; 郭继富

一种农业干旱监测方法、系统、设备及存储介质: 本发明公开了一种农业干旱监测方法、系统、设备及存储介质，属于干旱监测技术领域。本发明首先根据土壤水分的分配规律确定植被根系所在深度的土壤含水量；再由植被凋萎含水量和所述土壤含水量确定土壤可用储水量；同时基于植被属性、气候...; 孙怀卫徐陈飞游智文王卫光李海辰孙勋来阳勇鲁梦格付乐盈贺前瑀

基于CLDAS土壤相对湿度的云南农业干旱监测: 2024年; 选取2016-2020年云南37个土壤水分观测站逐日0-10cm土层相对湿度观测数据和逐日降水、气温观测资料,采用线性插值法,将CLDAS格点数据插值到观测站点上,用于与站点观测数据对比分析。利用回归订正法对插值后的CLDAS土壤相对湿度产品进行订正。采用相对误差、平均偏差、相关系数、标准差和均方根误差统计指标,定量评估CLDAS土壤相对湿度在云南的适用性。结果表明:云南土壤水分观测站相对湿度数据观测有效率不高,选用陆面融合数据开展农业干旱监测十分必要;云南地区近80%的CLDAS土壤相对湿度与土壤水分观测站观测值的相对误差绝对值<30%,数据可信度高;在干旱发生频率高的云南中部地区,CLDAS土壤相对湿度与土壤水分观测站观测值的相关系数均在0.8以上,平均偏差小于10%。从农业干旱监测效果来看,基于CLDAS土壤相对湿度的干旱监测指标能很好地描述由气温和降水异常导致的土壤墒情变化,当日降水量接近或超过5.0mm时,能快速响应轻旱站点数的减少;当连续有效降水发生后,监测指标可反映中等及以上等级农业干旱的缓解。综合来看,CLDAS土壤相对湿度在云南农业干旱监测的适用性好。; 金燕徐凌周群周群鲁韦坤; 关键词：土壤相对湿度农业干旱

一种多源遥感数据的农业干旱监测方法: 本发明公开了一种多源遥感数据的农业干旱监测方法，涉及农业干旱监测技术领域，本发明包括土地状态监测、正常区域作物分析、干裂区域土地监测、干裂土地作物选择、预警提示和显示中心，通过分析目标农田各子区域对应的土地评估系数，进而...; 高世凯王飞葛建坤冯凯李彦彬

一种农业干旱监测方法、系统、设备及存储介质: 本发明公开了一种农业干旱监测方法、系统、设备及存储介质，属于干旱监测技术领域。本发明首先根据土壤水分的分配规律确定植被根系所在深度的土壤含水量；再由植被凋萎含水量和所述土壤含水量确定土壤可用储水量；同时基于植被属性、气候...; 孙怀卫徐陈飞游智文王卫光李海辰孙勋来阳勇鲁梦格付乐盈贺前瑀

一种基于GTNNWR的多源遥感数据农业干旱监测方法: 本发明涉及一种基于GTNNWR的多源遥感数据农业干旱监测方法，结合局部地区气象站点的气象数据和全局卫星遥感数据，推断地理环境特征参数，利用深度学习的方法计算环境特征参数的权重，从而监测其它无气象站点地域的干旱程度，以便于...; 刘瑞军牟恒辰王晨任延昭叶金源

考虑时空传递的农业干旱可预报性及其驱动机制: 全球气候变暖导致极端气候事件频繁发生,其中干旱尤其是农业干旱成为社会经济和环境面临的严重挑战之一。随着干旱预测模型的不断改进,其预测精度也在不断提高,却忽视了干旱形成和演变过程中的驱动机制,这使得模型在变化环境下预测农业...; 罗静; 关键词：农业干旱干旱预测

一种水热土壤湿度耦合区域农业干旱监测方法及系统: 本发明提出了一种水热土壤湿度耦合区域农业干旱监测方法及系统，包括，步骤1：收集研究区土壤湿度数据和气象要素数据；步骤2：通过Pearson相关系数法，考虑不同时间尺度累积的水热因子与土壤湿度的相关性，确定不同季节相关性最...; 樊红刘慧敏姚佩雯

基于温度植被干旱指数(TVDI)的甘肃省农业干旱监测方法研究: 2024年; 改进温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)并明确TVDI的农业干旱等级阈值,对提高TVDI指数监测农业干旱能力有重要意义。利用近19 a的MODIS(Moderate Resolu⁃tion Imaging Spectro-radiometer,MODIS)遥感数据,基于单时次和多时次方法构建NDVI(Normalized Difference Vegetation Index,NDVI)-LST(Land Surface Temperature,LST)、EVI(Enhanced Vegetation In⁃dex,EVI)-LST、RVI(Ratio Vegetation Index,RVI)-LST、SAVI(Soil-Adjusted Vegetation Index,SAVI)-LST等几种特征空间,讨论TVDI计算方法,分析TVDI在甘肃省农业干旱监测中的适用性,并明确甘肃省夏季TVDI农业干旱分级标准。结果表明:(1)基于多时次方法构建的SAVI-LST特征空间TVDI更适合甘肃省农业干旱监测,其对土壤相对湿度(Relative Soil Moisture,RSM)拟合的均方根误差(Root Mean Squared Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)比NDVI-LST特征空间TVDI对RSM拟合的RMSE和MAE下降1%~5%;(2)TVDI适用于夏季甘肃省半干旱区、半湿润区、湿润区等非干旱区浅层10、20 cm土壤深度的农业干旱监测,RMSE和MAE约15.6%和12.6%,拟合误差湿润区<半湿润区<半干旱区;(3)利用TVDI与RSM线性关系确定的TVDI农业干旱等级更有利于提高TVDI监测农业干旱的准确性。; 沙莎王丽娟王小平胡蝶张良; 关键词：干旱监测土壤相对湿度

相关作者