淮涟灌区水稻需水及灌溉预报模型研究

【摘要】：大型灌区在我国农业生产中发挥着不可忽视的作用,如何科学调配区域灌溉水资源一直是灌区管理者关注的问题。传统的灌溉管理往往根据代表年法,与实际作物需水存在差异。科学的灌溉管理决策基础在于对灌区内作物需水量的准确预测,因此研究适用于大型灌区的作物需水和灌溉预报模型对于现代化用水管理具有十分重要的现实意义。本研究以水稻为试验材料,于主要生育期内进行试验,通过称重法获取水稻日需水量,同步采集水稻冠层温度和相关作物、气象、土壤要素,构建了水稻日需水量估算模型,以此为基础对淮涟灌区斗渠范围内水稻进行灌溉预报,取得了如下研究结果:(1)利用灌区内丁集气象站点2018年6-10月的日气象资料进行分析,P-M方法ET0的计算结果与Priestley-Taylor法、FAO-24 Radiation法和Hargreaves的决定系数均大于0.9。其中Priestley-Taylor方法的决定系数最高为0.97,平均绝对误差为1.01mm/d;FAO-24 Radiation方法的决定系数次之,但平均绝对误差最小,为0.77mm/d;Hargreaves法精度略差,平均绝对误差为1.21mm/d;Mc cloud公式在4种计算方法中偏差程度最大,平均绝对误差达到3.66mm/d。(2)对8月9日-9月22日冠层温度变化规律进行分析,冠气温差的绝对值随着生育期的延续而减小,拔节孕穗期的冠气温差在-3～0.5℃;抽穗开花期的冠气温差为-2～1.0℃;成熟期的冠气温差在-1.5～1.5℃。ET与Rn和Tc-Ta的相关性较高,分别达到0.918、-0.884;与Tc的相关性次之,为0.706。(3)以太阳净辐射和冠气温差为参数构建了水稻日需水量估算模型。采用Logistic方程模拟LAI,采用模型拟合得到的LAI值修正原模型。通过9月23日—10月7日连续15d的资料进行验证:两模型决定系数均在0.85以上,修正模型均方根误差和相对误差为0.183mm/d、5.07%;原模型均方根误差和相对误差为0.299mm/d、8.26%,修正模型各项统计参数优于原模型,模型精度较好。(4)利用上述水稻需水量估算模型,根据水稻田特点建立了基于水量平衡的灌溉预报方法,通过模拟实证,预报单元内灌溉制度得到了较好地预测。