论文部分内容阅读
近几年来,我国在推进新的农业科技革命中,对国外“精细农业”的研究与发展,给予了极大的关注。精细农业的应用实践和快速发展,能够使人类充分挖掘农田的潜力、合理利用水肥资源、避免环境污染、大幅度提高农产品产量和品质,代表了新时期可持续农业发展的主要方向,将在21世纪初成为推动我国农业科技革命的重要研究课题。 在精细农业的研究与实践中,涉及到一系列新的科学技术问题。精细农业的基本思想是针对田间状况的时空变异,采取不同的个性化的管理措施,达到普遍优化,从而提高效率和效益。显然,田间信息的合理采集和加工处理以及田间状态的恰当描述,就是首要的任务。其中,尤以农田信息实时快速采集先进传感技术,农田空间分布信息处理方法,变量管理农艺技术与系统分析等最为突出,它们都需要农艺学、农业工程学、数学、技术经济学和计算机技术的支持。 目前,在农田空间分布信息处理方法方面,已有许多研究成果见诸于国际学术刊物。但因农田作物生长环境的复杂性,尚未找到在不同耕作制度、不同区域的条件下都能适用的处理方法,故仍处在继续研究阶段。近两年来,国内开始进行的有关研究,主要集中在农田土壤养分的变异规律研究上,但在评价具有决定性意义的农田空间变异信息方面及定量描述作物产量与农田空间分布信息因果关系方面,尚未见报道。 本文在探索我国精细农业发展道路的基础上,以当前开展精细农业实践急需解决的关键问题之一—农田空间分布信息处理方法研究作为切入点,通过对北京顺义“三高”农业示范区一块面积约11公顷的农田进行了定点采样试验,得到土壤空间分布信息(水分、养分)、苗情分布信息(株数、株高、地上干物重等)、产量分布信息(亩产量、亩穗数、穗粒数、千粒重、生物产量等)。然后,应用经典统计学方法和地统计学方法,分析了农田信息的空间变异性特征,找出了作物产量与农田空间信息分布状态的因果关系,同时将神经网络首次应用于农田空间分布信息的处理,建立并验证了作物产量与农田空间分布信息的神经网络模型。全文主要结论如下:1、应根据我国实际情况,借鉴国外经验,因地制宜地、分层次、分区域并行 启动精细农业研究示范与实践。当前我国应该重点开展精细灌溉和精细施 肥的研究与实践。2、合理的农田土壤采样策略、合适的空间插值方法,是得到比较准确而又兼 顾成本的农田空间变异信息的有效保证。其中规则栅格采样是目前最常采 用的方法,但容易丢失一些比较重要的分布信息;系统分层采样是最理想 的方法,容易发现具有周期性分布的农田信息。距离反比插值方法是一个 比较精确的插值方法,但其插值精度与邻域大小有关;克里格插值方法的 计算量比较大,但却是一个比较精确的插值方法。在顺义三高试验农田内, 对三种常规土壤养分进行了插值精度的比较,结果表明,克里格与距离反 比法方法总体最好,其中克里格方法中又以球面和指数模型为佳,距离反 博土学位论文一 比法中以权系数为2的最佳。3、通过经典统计学方法和地统计学方法,对顺义三高试验农田空间分布信息 进行处理,得到以下结论:土壤速效磷、每平方米株数、地上部干重、于 粒产量、生物产量的变异系数范围为0.26Al.37,属于中等变异程度,土壤 含水率的变异系数为0.18,接近中等变异程度。六种农田空间分布信息的 自相关距范围为40厂~57.lin,于粒产量的自相关距为138.gm。4、通过DGPS和GIS相结合,得到农田空间信息并自动生成了农田空间信息 分布图,借助此图,初步分析了农田信息产生空间变异的原因。5、利用相关分析、偏相关分析、逐步回归分析、通径分析找出了影响产量的 具有决定性意义的农田空间分布信息。6、利用人工神经网络对农田空间分布信息进行处理,建立起作物产量的神经 网络模型,能够根据农田土壤空间分布信息预测农田小区内的作物产量。