论基于投影寻踪分类模型的水稻制约灌溉经济效益评价

《论基于投影寻踪分类模型的水稻制约灌溉经济效益评价》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、论基于投影寻踪分类模型的水稻制约灌溉经济效益评价基于投影寻踪分类模型的水稻制约灌溉经济效益评价论文导读：本论文是一篇关于基于投影寻踪分类模型的水稻制约灌溉经济效益评价的优秀论文范文,对正在写有关于灌溉论文的写有一定的参考和指导作用,论文片段：　　rik=

2、ri-rk

3、　　f（t）=0t≥00t≤0　　i，k=1，2，3.....n，表示样本容量。　　5）优化投影目标函数。对于给定的样本集指标值，投影指标函数Q（a）随着投影方向a的变化而变化，能够最大可能地反映高维数据某类结构特征的投影方向即为最佳投影方12摘要

4、：以产量、肥料成本、灌溉成本和水分生产效率为评价指标，基于投影寻踪模型，对水稻制约灌溉进行经济效益评价。结果表明，模型所计算经济效益较优的处理为CM、CH和CL，均为制约灌溉处理，其中CM投影值最大，经济效益最佳；制约灌溉+中等施肥量（CM处理）产量最高，达到9418.5kg/hm2；与常规灌溉相比，每公顷可节水606元；且水分生产效率最高，为2.02kg/m3。研究成果可为水稻控灌技术的推广提供理论和实践依据。　　关键词：投影寻踪；经济效益；水稻；制约灌溉；常规灌溉　　0439-8114（2013）21-53

5、86-03　　TheEvaluationofEconomicBenefitontheControlledIrrigationofPaddyRiceBasedonProjectionPursuitModel　　um；controlledirrigation+moderatefertilizeramount（CM）obtainedthehighestyield，recordedas627.9kg/acreage；inparisonalirrigation，CMcouldsave40.4yuanofirrigatio

6、ncostperacreage；mean3.Thestudyfindingscouldprovidetheoreticalandpracticalbasisforthepopularizationofcontrolledirrigationtechniqueofpaddyrice.　　Keyicbenefit；paddyrice；controlledirrigation；normalirrigation　　由于灌溉管理方式的不同，不仅水稻田养分利用水平差异大，水稻需水规律亦会发生变化，同时水稻产量也将相应发生一

7、定的转变，进而决定了水分利用效率的高低。过量灌溉不仅导致大量有效养分的流失，水资源的浪费，土壤理化性质的恶化，而且可能带来许多生态环境理由[1，2]。因此，制约灌溉与水分调控对作物生长的影响，随着节水灌溉理论与技术日新月异，已成为新的难题和研究热点[3]。试验以常规灌溉为对照，围绕水稻产量、肥料成本、灌溉成本和水分生产效率，对水稻制约灌溉进行经济效益评价，旨在为水资源的高效利用以及控灌技术的推广提供科学依据。　　1材料与策略　　1.1试验区概况　　试验区位于江苏如东（东经121.18°，北纬32.33°），属亚

8、热带海洋性季风气候；一年中四季分明、光照充足、雨量充沛，年平均气温15℃，海洋性气候的特性导致其冬季潮湿寒冷，最低气温-5℃，夏季炎热潮湿，最高气温达40℃。冬夏季时间较长，春秋季较短。试验地0～60cm土层土壤理化性质指标见表1。　　1.2试验设计　　试验设计两种灌溉方式、三种施肥水平。灌溉方式为制约灌溉和常规灌溉，两种灌水处理下水稻各生育阶段根层土壤水分制约指标如表2所示。施肥水平为58、72、87kg（其中基肥量为40、50、60kg），肥料品种为复合肥，含氮量约15%；6月中旬施入基肥，7月中旬与8月中

9、旬分别追肥一次。试验共设计6个处理：NL（常规灌溉+低施氮量）、NM（常规灌溉+中等施氮量）、NH（常规灌溉+高施氮量）、CL（制约灌溉+低施氮量）、CM（制约灌溉+中等施氮量）、CH（制约灌溉+高施氮量）。　　1.3评价指标　　（1）产量：按小区单打单收测算，kg/hm2。　　（2）水分生产效率：以单位立方米灌溉水生产水稻产量计，kg/m3。　　（3）肥料成本：以单位面积施用肥料的采购成本计算，元/hm2。　　（4）灌溉成本：由于单价固定，以单位面积灌溉水量乘以单价计，元/hm2。2评价策略　　投影寻踪（Pr

10、ojectionPursuit，简称PP）是一种用来分析和处理高维数据，尤其是处理非线性、非正态分布高维数据的一种新兴策略。其实质是利用计算机技术，通过把高维数据投影到低维子空间，寻找能够反映原高维数据结构或者特征的投影，在低维空间研究数据结构，从而达到研究与分析高维数据的目的。建模步骤如下[4-6]：　　1）建立评价矩阵。设评价的样本容量为n，评价指标（变量）数目为p，第i个样本的第