基于作物模型的棉花生产潜力和气候风险分析

《基于作物模型的棉花生产潜力和气候风险分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国农业大学博士学位论文基于作物模型的棉花生产潜力和气候风险分析姓名：刘洪申请学位级别：博士专业：生态学指导教师：宇振荣;潘学标2002.6.1基于作物模型的棉花生产潜力和气候风险分析摘要{在3年共13个不同品种、不同播期、不同密度、不同施肥水平的试验处理的基础上，本文系统分析了环境条件对棉花生长发育进程、株高、根、茎、叶、蕾铃各器官的干物质累积和分配动态的影响，并讨论了棉花生长季的的水分运动动态变化。对作物生长模拟模型PSl23HjVB进行了重新编写，简化了运行模型的操作步骤，并利用田问试验分析结果，对模型进行了修正和验证。增加了多点多年连续模拟的功能，为模型的区域化应用研究和气候风

2、险分析提供了软件基础。但模型只对PSl水平下一个棉花品种、相同播期进行了检验，还需要对模型进行多品种不同处理验证和进一步改善，以便使模型具有更广泛的适应性。／根据模型区域化应用所需数据，收集和整理黄淮海平原图形数据、气象数据、统计数据、和棉花区域试验数据，结合GIS技术，建立空间数据库，并讨论了模冰区域化所需的数据以及建立空间数据库的方法。f以校正后的模型为：[具，应用空间数据库，对模型区域化应用进行了初步研究。根据PSI水平区域模拟结果，分析了日照时数和温度变化对黄淮海平原棉花生产的影响，皮棉产量以2~4年为一个周期随时问变化起伏不定，大部分地区产量波动的主要影响因子是日照时数；根据

3、PS2水平(雨养条件)区域模拟结果，分析了雨养条件下各地区不同士壤质地棉田产量的波动趋势。实际产量和PSl产量差距较大，说明该地区尚有较大的产量潜力可。／供挖掘。)在模型区域化基础上进行了棉花生产气候风险分析研究，提出根据成本收益分析提取划分气候风险指标的方法，主要分析了由丁二光、温、水等气候因子变化而产生的棉花生产气候风险，结果表明，在肥水充足的条件下，大部分地区模拟产量低于1．400kg·hm‘2的风险率低于50％，在雨养条件F，壤土和棉田风险率较低，砂土和和粘(壤)士棉田风险率较高。由于空间数据库和模型的不完善，本文没有考虑其他气候风险类型，诸如霜冻、秋季低温等；黄淮海平原的大部

4、分地区都具备灌溉条件，本文在分析棉花生产气候风险时，没有根据雨养条件(PS2水平)下的风险分析提供灌溉决策方案。关键词：作物生长萍拟}；铡、棉花、黄淮海平原，气候风险／，}鲞懿遵PotentialProductivityandClimaticRiskAnalysisofCottonAidedbyCropSimulationModelAbstractTheinfluencesofenvironmentalandmanagementfactorsonthegrowthanddevelopmentofJcottonwerestudiedindetailbasedon13fieldexperi

5、mentswithdifferentvarieties，sowingdates，Dlantingdensitiesandfertilizeruses．Theratesofplantdevelopment，increaseinleafareaindex，‘thedrymassaccumulationratesofroots，stems，leavesandstorageorgans，andthefinaltotaldrymassandlintyieldswerecomparedamongtreatments．Dynamicsofsoilwatercontentduringthecotton

6、growthseasonswaSanalyzedanddiscussed．ThePSl23modelwasre-designedwithVisualBasicprogram，themodel’soperationalapproachwerepredigested，anddatastoragewouldbemorefacilethanitwas．Theexperimentdatawereusedtocalibrateaquantitativecropgrowthsimulationmodel(PSl23)．ModulesforsimulationofcottOngrowinmanysit

7、esandmanyyearswasaddedtotheoriginalmodel．Themodelisimperfect，itshouldbeimprovedwiththeexperimentaldataofdifferentvarietiesanddifferentsowingdatesAccordingtorequirementofScaling-upCropModels，spatialdata,weatherdata,statisticd