水稻生长信息的空间变异性研究

作     者：朱雪兰 

作者单位：扬州大学 

学位级别：硕士

导师姓名：周明耀

授予年度：2015年

学科分类：09[农学] 0901[农学-作物学] 

主      题：水稻生长信息 蒸发蒸腾量 空间变异性 地统计学法 径向基函数神经网络法 

摘      要：低下的灌溉水利用率,严重浪费了紧缺的水资源,因此充分了解作物蒸发蒸腾量,进行精确灌溉,实现农田高效用水管理显得尤为重要。水稻灌溉用水量占江苏省农业用水的比例最大,因此,为了解水稻生长状况和水资源需求的空间差异,本文基于农田空间信息处理技术,以常熟市水利技术推广站试验田的水稻为研究对象,探讨了水稻叶面积指数、株高、产量和蒸发蒸腾量的相关关系和空间变异性规律,并通过评价指标比较了普通克里格法和径向基函数神经网络法的插值精度。本文主要结论如下：(1)传统统计学原理分析表明,在本研究条件下,水稻叶面积指数峰值出现在抽穗期,水稻生育前期和后期叶面积指数是偏弱的中等变异,中期是弱变异;不同生育期的株高和蒸发蒸腾量的变异程度均较小,为弱变异;水稻产量是偏弱的中等变异。90%的置信水平和5%的相对误差下,采样数满足研究要求。水稻叶面积指数、株高和产量均为近似正态分布,部分时间的蒸发蒸腾量为非正态分布。对水稻生长信息进行相关性分析,结果表明：大田试验条件下,抽穗期的水稻叶面积指数、株高与产量具有显著的相关关系。(2)对水稻生长信息进行了正态转换或特异值处理后,应用地统计学原理分析了水稻生长信息的空间变异性,结果表明,水稻生长信息的半变异函数模型是球状模型或高斯模型;在6-9 m范围内,水稻生长信息具有中等或较强程度的空间相关性;用普通克里格法对水稻叶面积指数拟合的效果较好,对蒸发蒸腾量的拟合效果根据数据的不同而不同,对株高和产量的拟合效果不理想。(3)通过模型优度评价指标(相关指数R2和统计值I)比较了模型的插值精度,结果表明,水稻叶面积指数和株高径向基函数神经网络模型的插值精度明显高于其半变异函数模型：水稻产量和蒸发蒸腾量径向基函数神经网络模型的插值精度略高于其半变异函数模型。