一、农田水分管理决策支持系统研究（论文文献综述）
周丽慧[1]（2020）在《灌溉用水效率约束下灌区水资源优化配置及其决策支持系统研究》文中研究说明三江平原位于黑龙江省东部,该区域土质肥沃,气候适宜,光照条件好,雨热同季,污染少,适于农作物生长,农业生产增产的潜力巨大。主要种植作物有水稻、玉米和大豆,是中国最主要的粮食产区。但是经过多年的高强度开发种植,当地为了增加粮食产量大量抽取地下水,造成了局部地区出现了地下水位持续下降的现象。此种背景下,如何科学管理灌区灌溉用水已经成为保障区域粮食安全与生态安全的迫切需求。本文选取位于三江平原上的梧桐河灌区、锦西灌区、松江灌区、友谊农场灌区（本文简称友谊灌区）、幸福灌区、蛤蟆通灌区、江川灌区、八五三灌区、大兴灌区、龙头桥灌区等10个典型灌区作为研究对象。在文中构建灌区灌溉水利用效率评价指标体系,采用三种数学评价模型对灌区灌溉水利用效率进行评价,运用指标权重和情景分析对灌区灌溉水利用效率驱动力进行解析,并应用预测模型及评价模型预测其未来发展态势,优化配置研究区域灌溉用水结构,研发灌区水资源优化配置决策支持系统,具体研究结果如下:（1）合理选择灌溉水利用效率评价指标是有效使用指标的前提,而制订科学严谨的指标选择方案又是解决评价指标选择难题的关键。为了使评价灌区灌溉水利用效率的指标更加全面和科学,本文构建了一种新的评价指标的优选模型,将驱动力-压力-状态-影响-响应模型（DPSIR模型）与基于信息显着性差异的评价指标优选模型（ISD模型）相结合,构建了一种新颖的DPSIR-ISD评价指标优选组合模型。将初选指标选择约束在DPSIR框架内,减少了指标初选集建立过程中的主观因素干扰,使指标体系更加科学合理。结合研究区域实际情况,首先将50个初筛指标中的6个信息重复和不完善的指标剔除,再利用DPSIR-ISD模型将评价指标数量由44个优选至14个,即用31.82%的指标数量反映了91.88%的原始信息。将DPSIR-ISD法与SC-ISD法和ISD法对比分析,结果显示本文提出的DPSIR-ISD法兼顾了指标体系的完备性与简洁性,且更契合研究区域实际情况,在指标优选中具有明显优势。研究成果可为灌区灌溉水利用效率评价指标研究提供一种更加简单便于应用的指标优选体系。（2）灌区灌溉水利用效率评价在灌区灌溉用水监测、提高灌溉水利用效率和工程管理与决策中发挥着重要作用。采用基于萤火虫算法的投影寻踪模型（FA-PP模型）、基于熵权法的逼近理想解排序模型（EWM-TOPSIS模型）和基于CRITIC法的逼近理想解排序模型（CRITIC-TOPSIS模型）三种评价模型对研究区域10个典型灌区灌溉用水效率进行评价,评价结果显示灌区灌溉用水效率综合指数由高到低排序为:梧桐河>江川>锦西>松江>幸福>八五三>大兴>蛤蟆通>龙头桥>友谊,而对评价模型在可靠性和稳定性两方面综合分析对比之后发现,EWM-TOPSIS模型优于FA-PP模型和CRITIC-TOPSIS模型。（3）利用评价模型得出的评价指标投影方向和指标权重,根据序号总和理论分析出灌区灌溉水利用效率主要驱动因子,并运用情景分析方法对灌区灌溉用水效率驱动机制进行解析。以梧桐河灌区作为典型灌区,应用ARIMA预测模型对其各评价指标数值进行预测,并将评价指标自2000年至2028年的时间序列通过EWM-TOPSIS模型进行评价,以此预测其灌区灌溉用水效率未来发展态势。结果表明,评价指标R3（单位面积水利工程投资额）、R5（单位面积固定职工人数）、R4（水费征收率）、P2（耕地面积占比）、S1（人均水资源量）、D5（单位面积机电井数量）、I8（单位面积灌溉用水量）、S9（地下水水质等级）、S2（林草覆盖率）为灌区灌溉用水效率主要驱动因子。灌区灌溉用水效率是一个综合性评价结果,各评价指标驱动力虽有不同,但是单一指标的驱动力并不突出。梧桐河灌区灌溉用水效率未来发展趋势积极向好,至2028年,梧桐河灌区的灌溉用水效率综合指数与2000年相比,提高64%,与2018年相比,提高11%。（4）基于最小二乘算法,构造了在灌溉用水效率约束下的灌溉用水优化配置模型,对研究灌区灌溉水资源进行了地表水资源和地下水资源的优化配置,优化当地的灌溉用水结构。优化结果显示,预测2025年、2030年三江平原各典型灌区灌溉水资源量分别按照在基准年2013年增加60%和70%的基础上,锦西灌区、松江灌区、友谊灌区、江川灌区、八五三灌区和大兴灌区的地下水灌溉用水量按照基准年均有大幅度下降,能够达到回补平衡地下水的目的,使用水结构更为合理。以2013年为基准年,加入灌溉用水效率约束系数之后,地下水灌溉总量减少8.72%,降幅明显,可以极大的缓解当地的地下水超采情况.（5）研发灌溉用水效率约束下的灌区灌溉用水优化配置决策支持系统。本系统操作界面设计简洁,功能显示清晰,具有很强的人机交互能力。系统采用模块化设计,分为灌区灌溉用水效率评价模块和灌区灌溉用水优化配置模块两部分,模块功能独立设计,用户可以根据各灌区的实际情况制订和修改相关参数。
李克亮[2]（2018）在《标准种植比值指数法的无人机遥感水稻变量施氮决策研究》文中进行了进一步梳理氮肥施用是水稻生产中比重大、对水稻增产效益最高的环节之一,但目前我国水稻生产中存在氮肥施用过量、总体利用率低的问题。氮肥施用过量不仅增加了生产成本,还对环境造成污染。因此,进行水稻氮肥精准管理研究,对水稻生产的提质增效有重要意义。水稻长势信息的快速获取、解析及配套的施肥决策模型是实现水稻氮肥精准管理的关键。无人机遥感具有运行成本低、操作灵活、对起降场地依赖低、采样的时间尺度大等特点,可弥补现有航天、航空遥感技术的缺陷,在作物长势信息快速获取中应用越来越广。但目前在水稻长势信息的遥感监测及变量施氮决策中,存在水稻氮肥吸收利用的影响因素多、不同品种水稻不同生长期长势信息差异显着等问题。针对上述问题,本课题以美香占2号水稻品种为试验对象,采用地面遥感（Greenseeker手持式光谱仪、叶绿素仪）与无人机遥感（ADC Lite多光谱相机）数据相互验证的方法,结合该品种的特性及其配套农艺、当地种植习惯等,开展了不同施氮水平下水稻地面遥感及无人机遥感信息解析研究,优选了一种标准种植比值指数（目标田块NDVI指数与标准施氮水平田块NDVI指数的比值）,建立了标准种植比值法的无人机遥感水稻氮素营养诊断模型（又称水稻施氮水平诊断模型）与施氮决策模型研究,并进行了大田试验验证,开发了配套的水稻氮素营养精准管理决策支持系统。（1）开展了不同施氮水平下水稻地面遥感信息的解析研究,借鉴“3414”肥料试验方法,设计了4个不同施氮梯度的水稻种植试验,利用叶绿素仪SPAD502与Greenseeker RT 100仪器每隔大约6d采集一次数据,数据分析结果表明:水稻冠层NDVI指数与水稻叶片叶绿素含量SPAD值呈显着的相关关系,各时期的相关系数基本上都达到0.6以上,其中在分蘖期（插秧后第18天）相关系数达到0.836;NDVI指数与有效积温间回归分析模型在分蘖期（距插秧0-30d）、抽穗期-乳熟期（距插秧42-87d）的决定系数分别达0.996、0.953,表明水稻的长势与有效积温紧密相关,建立标准施氮条件下有效积温与水稻冠层NDVI指数的解析模型,有利于在水稻氮素营养诊断中,规避因地域不同造成的气候影响因子对模型的干扰。（2）针对不同生长期水稻冠层NDVI指数动态变化难以建立稳定解析模型的问题,提出了标准种植比值指数的水稻氮素营养诊断方法。该方法将当季水稻NDVI指数与标准施氮种植下的水稻NDVI指数进行比较,实现施氮水平的诊断。分别构建了标准种植差值指数DISP（Difference-value Index of Standard Planting）和标准种植比值指数RISP（Ratio Index of Standard Planting）,选取变异系数和回归模型的决定系数作为评价指标对两种指数进行对比研究,结果表明:在水稻水稻整个生长期内,RISP较DISP变异系数小、决定系数高,说明RISP更加稳定;基于RISP建立了水稻施氮水平的诊断模型,该回归模型的决定系数为0.991,无需考虑土壤理化性质等影响因素即可建立起水稻施氮水平诊断模型（水稻氮素营养诊断模型）。（3）开展了无人机遥感与地面遥感的水稻氮素营养诊断对比实验,建立了基于无人机遥感的水稻变量施氮决策模型。在追肥期间分别采用固定翼无人机遥感平台（航拍高度200m）和地面遥感Greenseeker RT 100设备（距水稻冠层80 cm）采集水稻冠层NDVI数据,进行了二者相关性的分析研究,结果表明:无人机遥感NDVI指数与地面遥感NDVI指数之间的相关性极显着（在0.01显着性水平下）,相关系数达0.897,说明基于地面遥感NDVI指数建立的水稻氮素营养诊断模型可通过转换直接用于无人机遥感的水稻氮素营养诊断模型。根据无人机遥感的水稻氮素营养诊断模型,建立了无人机遥感的水稻氮素营养诊断模型及其变量施氮决策模型。（4）利用所建立的遥感水稻变量施氮决策模型,分别在广东省广州市岑村农场、罗定市太平镇及南雄市黄坑镇安排了小区试验和大田试验进行验证。在小区验证试验中,设置标准施氮处理与遥感模型施氮处理的对比试验,试验结果表明:遥感模型施氮处理与标准施氮处理的水稻NDVI指数基本保持一致。在大田验证试验中,设置了传统施氮处理与遥感模型施氮处理的对比试验,试验结果表明:遥感模型施氮处理较传统施氮处理减少30-40%左右施氮量的情况下（前茬作物为黄烟或马铃薯）,遥感模型施氮处理产量略高于传统施氮处理,遥感模型施氮处理产量表现更加均衡。说明利用遥感水稻变量施氮决策模型进行水稻氮肥精准管理,能在保证产量的同时,减少氮肥滥用,减少了氮肥投入成本,具有较好的应用效果。（5）设计了水稻氮素营养精准管理决策支持系统。该系统采用PHP语言编写,选用Mapbox作为GIS服务引擎,MySQL作为数据库管理系统,具有种植区信息管理、遥感图像上传管理、遥感图像解析处理、施肥模型录入与管理、施肥处方图的呈现等功能,规范了无人机遥感数据解析及变量施氮决策的操作流程,为水稻变量氮肥管理提供支撑平台,更好地为有需求的用户提供服务。
崔恩贵[3]（2015）在《黄河冲积平原区玉米灌排决策支持系统研究》文中认为黄河冲积平原区在玉米生育期内旱涝灾害时有发生,为更好地解决农业生产中的灌溉排水问题,利用水量平衡原理,综合考虑玉米根系土壤水分变化情况,结合历史气象资料和天气预测模型,采用农田灌排管理和玉米生长模型相结合、硬件与软件相嵌合的方式,开发了玉米灌排决策支持系统,介绍了系统的原理、结构、功能、基本结构模块设计和灌排管理决策步骤。利用人民胜利渠灌区2010—2012年夏玉米试验资料进行了初步验证,结果表明:模型预测的土壤水分状况与实测值基本同步。
郑钦华[4]（2013）在《基于墒情监测模型的膜下滴灌棉花水分管理决策支持系统》文中提出【目的】膜下滴灌棉花水分管理决策支持系统的研究与开发，旨在提高膜下滴灌棉田灌溉决策墒情信息监测和灌溉预测预报的精确性，实现按棉花生育时期的需水规律和需水量自动灌水，从而加快灌溉管理自动化的实现进程。【研究方法】以系统工程思想为指导，应用多学科的理论和方法，对广泛使用的时域反射仪（TDR）传感器和频域反射议（FDR）传感器作为主要的墒情监测设备，充分利用棉花栽培理论与技术等方面已有的知识，在前人工作的基础上，基于土壤湿度监测的墒情监测模型进行了优化，借助系统分析的原理与方法，按照软件工程模块化结构的设计思想，对膜下滴灌棉田水分管理系统进行了结构的调整和功能的完善。【结果】主要研究结果有以下几个方面：（1）建立了2种传感4种土壤质地的传感器电压与土壤含水量（体积含水量）之间的线性回归模型，并对模型进行精度检验。结果表明，TDR传感器的观测值和模拟值，在粘土、重壤土、轻壤土、砂土上，相对误差（%）分别是3.39、2.42、5.09、3.94，根均方差（RMSE）分别是1.0080、0.5912、1.1470、0.6938，决定系数接近1，一致性系数均接近1，置信度α均小于0.05； FDR传感器的观测传值和模拟值，在粘土、重壤土、轻壤土、砂土上，相对误差（%）分别是3.92、4.41、4.77、5.68，RMSE分别是1.1920、1.0738、1.0741、1.0014，决定系数接近1，一致性系数均接近1，置信度α均小于0.05，可以用TDR传感器和FDR传感器相应标定模型函数对土壤含水量状况进行模拟。（2）获得的TDR的粘土、重壤土、轻壤土、砂土标定模型函数分别为y=2.1654x2-5.4401x+2（R2=0.9713）、y=5.3512x2-33.928x+71.046（R2=0.9683）、y=1.509x2-0.8723x+5.7308（R2=0.9870）、y=-1.404x2+16.817x-10.619（R2=0.9861）；FDR的粘土、重壤土、轻壤土、砂土标定模型函数分别为y=3.7021x2+11.505x+2.8002（R2=0.9874）、y=14.478x2-16.086x+15.83（R2=0.9960）、y=12.038x2-11.449x+14.672（R2=0.9954）、y=-6.2349x2+36.268x-11.842（R2=0.9932）。TDR和FDR传感器精度和灵敏度的分析结果表明，TDR传感器的标定模型在粘土、重壤土、砂土上的精度高于FDR传感器，FDR传感器的标定模型在轻壤土上的精度高于TDR传感器。总体上来说，TDR传感器对土壤湿度监测精确性、灵敏性优于FDR传感器。（3）对于膜下滴灌田适宜于机械采收的行距配置模式的“二管六行”模式下（每幅塑料薄膜宽度205cm,按照10+66+10+66+10+66cm配置2根滴灌带,滴灌带置于膜中间宽行中心），垂直于滴灌带，向边行方向距离滴头25.3cm处，可作为TDR传感器的最佳监测位置。（4）通过监测到的土壤含水量与灌溉临界值上限土壤含水量相比较，可以判断土壤的墒情状况。其中，棉田土壤质地为粘土、壤土、砂土时，0-0.65m根层的灌溉临界值上限土壤含水量分别为169mm、127.4mm、80.6mm。当监测到的土壤含水量低于灌溉临界值上限土壤含水量时，棉花已受到干旱的胁迫。在适墒不需要灌溉情况下，可根据土壤湿、棉花生育进程等信息预测监测时刻到下次灌溉的时间，共分24小时内、48小时内、72小时内和72小时后4个时段。（5）以气象资料、农田墒情监测资料和作物生育信息为基础，以归纳形成的农田水分平衡模型为依据，我们设计开发了膜下滴灌棉花水分管理决策支持系统。采用系统决策结果与生产技术人员或栽培专家凭经验判断相比较，系统决策结果随实时含水量的变化而发生变动，而且预报结果与灌水日期基本一致或在实际灌水日期前后浮动，计算机决策的灌溉预报较为准确。【结论】通过采集农田水分实时监测数据、获取气象数据以及各种相关基础数据，以优化了的墒情动态监测模型和灌溉预报模型计算得出决策结果，可为农业生产者、管理人员和科技人员提供网络化、智能化、形象直观的棉田墒情监测和水分管理相关的服务。
郑钦华,白涛,蒋桂英,郑重,贾彪,崔静,樊华,郑利均,马富裕[5]（2013）在《棉田墒情远程监测信息管理系统的构建》文中研究表明[目的]提高新疆膜下滴灌棉花生产效率和水分利用效率,指导农民进行合理灌溉。[方法]采用Borland Delphi 7.0高级编程语言+Microsoft SQL Server 2000数据库、模块化程序设计思想、面向对象的集成开发模式。[结果]开发了棉田墒情远程监测信息管理系统。该系统运用农田墒情远程监测设备系统实时获取水分监测数据、通过Intemet远程获取中国气象科学数据共享平台中新疆全境自动气象站的实时气象数据、棉田苗情数据,判断棉花是否缺水并向农户手机发布棉田墒情状态和灌溉决策。系统在新疆生产建设兵团农六师105团2连、农八师149团11连、农八师150团12连自动化灌溉地进行了安装应用。[结论]采用该系统可制定出科学合理的灌溉决策,指导农民进行合理灌溉,使有限的水资源发挥最大的灌溉效益。
丁富平,吴发启,赵龙山,孙存喜[6]（2010）在《基于VB的水田灌溉自动化管理系统》文中研究表明为了节约水资源和提高农田管理水平,以VB为开发平台,基于水田水量平衡原理和生物学理论,建立了水田数据库管理系统、灌溉管理决策支持系统和水田水分动态显示系统等3个子系统;具体介绍了各子系统的结构、功能、原理和实现方法。系统运行表明,该系统能够实现对水田灌排水的时间和强度以及经济灌排水量等计算;并且将计算结果输出到Excel表格中,并以报表或图形格式显示,因此该系统有利于实现水资源的高效利用,更为水田灌溉自动化管理提供了技术支持和软件服务。
王娟[7]（2009）在《小麦养分管理决策支持系统研究》文中指出于2007～2009年,在大田试验条件下,对WCSODS模型在河南省的适应性进行了评价与分析,并以WCSODS模型为基础,研究了小麦植株养分吸收与土壤养分平衡的关系,构建了基于小麦长势因子的小麦追氮决策模型及基于模型的小麦养分管理决策支持系统。本研究结果表明：1.基于温县的生态环境,在适宜施肥条件下,经调试后的WCSODS模型生育期的模拟值与实际观测值相差4 d,而拔节期和抽穗期则分别相差3～4 d和4～5 d；籽粒产量的模拟值与实测值相差20.7～23.5 kg 6667 m-2,产量预测的RMSE为0.1148,0.1056。干物重的模拟值与实测值的相关系数达到0.978和0.964,干物重预测的RMSE为0.1228,0.1364。2.依据养分平衡原理和“作物-土壤-环境-技术”原则,构建了小麦变量施肥模型,其中包括小麦播种前氮、磷、钾施肥总施用量和氮肥追施量的确定。该模型结合土壤空间信息与小麦需氮量及各生育阶段的最适叶面积,通过引入小麦长势订正因子,对施氮量的初值进行订正,从而确定不同小麦品种不同生育阶段的最适追氮量。3.运用系统分析原理和数学建模技术,应用面向对象的结构化和模块化程序设计,以VB程序语言开发模型组件,以VB 7.0设计界面,Access 2000设计数据库,以小麦施肥量模型为基础,构建了基于小麦施肥量模型的小麦养分管理决策支持系统。系统由模拟模型管理、模型文件库、品种参数调整、小麦生长模拟、变量施肥模拟、标准品种参数、地点品种参数和模型字典所组成。它具有较强的系统性、动态性、机理性、预测性等多重优点,可实现小麦生长需肥量的预测、小麦干物重预测、小麦产量预测等多项功能,实现小麦养分数字化管理。
郭银巧[8]（2008）在《棉花形态建成模型与基于模型和GIS的数字棉作系统研究》文中指出本研究在综合国内外相关研究成果的基础上,以不同株型棉花品种为研究对象,运用系统分析原理和数学建模技术,综合棉花各个器官形态建成过程与温度之间的定量关系,构建了基于生长度日（growing degree day,GDD）的棉花主茎、叶片、叶柄、分枝、棉铃形态生长模型和干物质分配比例指数动态模型。应用面向对象的程序设计与软构件技术,在江苏省高信息技术研究试验室已有研究成果的基础上,以棉花生长模拟模型和管理知识模型为核心,以WebGIS为空间信息管理平台,运用软件工程的思想,采用B/S（Browser/Server）模式,实现了基于模型和GIS技术的数字棉作系统（model and webGIS based decision support system of cotton management,MBWDSSCM）。具体研究结果如下:（1）系统分析了光温生态因子对棉花叶片长、宽,叶柄长、粗,主茎节间长、粗,果节长、粗,蕾铃高、直径等形态发生的影响,量化了温度、光照时间与棉花各器官形态建成的关系,构建了基于GDD、以Logistic方程为基础的棉花形态建成光温模型。利用同年南京相应条件下的试验数据对模型进行了检验,检验结果表明,棉花主茎叶片长度、宽度、叶柄长、主茎节间长、主茎节间粗和果枝叶片长度、宽度、叶柄长度、果节长度、果节直径、蕾铃高度和直径的RMSE值范围分别为0.48cm、0.65cm、0.53cm、0.09cm、0.02cm、0.55cm、0.28cm、0.23cm、0.14cm、0.17cm、0.20cm、0.11cm。棉花器官形态指标的模拟值与检验值具有较好的吻合度,说明模型具有较好的预测性和描述性。（2）通过对紧凑型株型棉花品种33B主茎和果枝单位主茎、分枝、叶片、叶柄及蕾铃等器官干物重的连续观测和定量分析,构建了棉花地上部各单位器官干物质分配比例指数动态模拟模型。模型采用线性和指数方程描述了叶片、叶柄、主茎、分枝及蕾铃单位器官分配比例指数随GDD的动态变化过程;分别用指数方程及一元二次方程描述了叶片、叶柄、主茎、分枝及蕾铃单位分配比例指数随不同叶位、节位的动态变化过程。利用同年本试验室所获取的棉花品种33B干物质积累资料,初步检验了本模型预测的棉花品种33B不同单位器官在不同GDD时刻的干物质分配比例指数的动态变化。结果表明,模型对主茎、主叶、主柄、主茎分枝、果叶、果柄、果枝茎、蕾铃等单位器官在不同GDD时刻的比例指数动态过程均有较好的预测性,模拟值和观测值之间的RMSE平均值分别为0.028、0.017、0.013、0.035、0.021、0.009、0.011、0.014。从干物质分配比例指数观测值与模拟值间的1∶1关系图也可以看出,整个生育期内,除果枝茎、果叶、果柄的模拟值略高外,其他各单位器官干物质分配比例指数的模拟值与实测值吻合度均较好,变化趋势也比较一致。棉花形态生长模型的构建为基于生理生态过程的棉花结构一功能形态模拟模型的构建及虚拟生长系统的研制奠定了基础。（3）运用软构件和参数化技术,决策支持与系统设计技术,结合GIS空间技术,充分发挥模拟模型的动态预测功能、GIS的空间信息管理功能、知识模型的管理决策功能,最终建立了基于数字模型和模拟分析的网络化数字棉作栽培管理决策系统,该系统以品种、气候、土壤、生产条件等作为基本输入,可为用户提供棉作区划、方案设计、模拟预测、方案评估和动态调控等功能。利用华北地区及江苏部分县市的资料,对系统进行了测试。结果表明,系统的设计思想和结构框架符合现代农业决策支持系统的发展要求,实现了农业生产的信息化和数字化管理。与以往的棉花管理决策支持系统相比,基于模型和GIS技术的数字棉作系统较好地综合了棉花生长模拟模型、管理知识模型和GIS技术的优点,因而具有以下鲜明的特点:①在系统结构方面,采用典型的三层B/S结构,数据的产生和表现完全分离,方便系统维护。②系统安全性较高,系统授予不同角色的用户不同权限,很好的保证了系统数据的安全,确保了系统稳定运行。③在操作方面,界面友好,模型与WebGIS的结合大大改善了系统的输入输出界面,易于直观形象地展示运行结果。④在功能方面,决策全面,系统可以提供棉花产前方案设计、产中动态调控、产后效益分析及生产环境管理等贯穿棉花生产全过程的信息化决策支持服务。系统的实现为棉花生产系统的数字化预测、设计、评价和调控提供了支持。
曹静[9]（2008）在《精确农作管理模型与决策支持系统的研究》文中指出农业生产过程的精确管理模型及决策支持系统是变量处方生成的数字化基础,是整个精确农作信息流管理中的核心环节。本研究以小麦、水稻为对象,运用系统学分析方法和定量建模技术,基于作物-土壤-气候-技术的动态关系,建立了精确农业管理模型的框架结构及共性算法,重点构建了水氮运筹设计模型、生长指标动态模型,进而建立了基于作物和土壤实时养分及水分状况的精确诊断与动态调控模型；最后,基于农田信息获取技术,结合GIS和数据库,运用软构件设计方法,研制和实现了基于模型和GIS的精确农作决策支持系统。研究成果为构建精确生产管理模型提供了基本框架,也为精确衣作技术的应用奠定了技术基础。通过综合分析作物生产管理系统的相关成分及影响因子,提出了精确农作管理模型的结构及框架,包括播前栽培方案设计、产中适宜生育指标预测以及基于实时苗情信息的作物生长精确诊断与动态调控三大模块。在此基础上,利用作物栽培理论与技术方面的已有研究资料,借助动态建模技术,对作物生育及栽培管理指标与品种类型、生态环境及生产力水平之间的关系进行解析、提炼和综合,建立了各功能模块的算法框架,为有效利用精确农作管理模型中的通用函数构件,提高精确农作模型系统的开发效率提供了技术指导和基本框架。通过定量分析和提炼作物水氮管理方案与栽培技术、品种类型、生态环境之间的动态关系,建立了具有时空适应性的作物水氮运筹设计模型。模型包括氮肥运筹和水分管理两个子模块。氮肥运筹模型借鉴养分平衡原理,综合考虑了气候、土壤、品种等多种因子的影响,通过将不同类型稻麦品种按产量和品质进行分类,确定了不同品种类型的百公斤籽粒吸氮量,并根据目标产量和空白区产量计算目标产量需氮量和土壤供氮量,确立了氮的合理用量及基追比。水分管理模型基于水分平衡原理,采用土壤水势作为灌溉指标,动态计算了各主要生育期的适宜水分灌溉量。利用历史文献资料及大田试验资料对氮肥运筹模型和水分管理模型的可靠性和适应性进行了测试与检验,结果表明本模型具有较好的指导性和广适性。根据作物生理发育时间（PDT）恒定的原理,以PDT为生育期预测器,通过动态计算到达不同环境条件下各主要生育时期所需的累积生长度日（GDD）,然后将生长指标和GDD进行归一化处理,以相对GDD和相对生长指标为参数建立了适宜生长指标动态的相对变化曲线。根据有理方程,建立了作物相对叶面积指数动态和相对茎蘖数动态;根据Logistic增长模式,建立了相对干物质积累动态和相对植株氮积累动态。在建立相对生长指标动态模型的基础上,通过进一步计算适宜条件下的最大生长指标值,从而得到实际的适宜生长指标动态。利用不同品种、不同栽培处理的试验资料对模型设计值进行了对比分析,表明模型对于高产条件下的作物生长指标适宜动态具有较好的预测性和指导性。通过分析作物生长动态与栽培措施、生态环境等之间的关系,确定了作物生长的诊断指标,并结合作物适宜生长指标动态模型及作物水氮运筹设计模型,建立了基于作物和土壤实时养分及水分状况的精确诊断与动态调控模型。模型以适宜生长指标动态模型设计的适宜生长指标为标准“专家曲线”,当田间实时苗情明显偏离标准的“专家曲线”时,模型通过计算作物长势调控因子,再结合作物水氮运筹设计模型,给出适宜的施肥灌溉量及调控时期。经田间资料测试表明,模型对于不同条件下的作物生长动态优化管理具有较好的科学性和适用性,克服了传统作物栽培模式及农业专家系统中经验性知识规则的时空适应性差等弱点,为作物生长动态的优化管理提供了定量化工具和标准化模式。在构建精确农作管理模型的基础上,应用面向对象的程序设计与构件化技术,并有效耦合GIS技术,在.NET平台上运用C#语言设计和实现了基于模型和GIS的精确农作决策支持系统（MGPFDSS）,实现了不同尺度下精确农作生产管理决策的精确化和动态化,为精确农业体系中主要农作物的全过程变量处方生成提供了模型化和系统化的决策工具,为精确农作和数字农作的发展奠定了技术基础。
王冀川[10]（2008）在《加工番茄管理知识模型及决策支持系统的研究》文中认为加工番茄（Lycopersicon esculentum Mill）是新疆干旱区优势特色产业,在农业发展战略中占有较高地位,经过近几年的发展已成为新疆第二大经济作物。目前,干旱区加工番茄种植已初步进入产业化发展道路,但要做到均衡生产、现代化栽培管理、更快发展加工番茄的产业化生产,开发加工番茄管理决策支持系统是关键。本研究运用知识模型的构建原理,将系统分析方法和数学建模技术应用于加工番茄栽培生产管理的知识表达体系中,在广泛收集和利用加工番茄栽培理论与技术方面的知识、数据和专家经验的基础上,并结合必要的试验支持研究,对加工番茄生长发育特性和栽培管理指标与品种类型、生态环境和生产技术水平之间的逻辑关系进行解析、归纳和综合,并运用数理统计分析方法进行量化表示,构建了基于作物—环境—措施关系的、可适用于不同时空环境的加工番茄栽培管理知识模型。并进一步结合加工番茄栽培管理知识库表达系统,设计和实现了综合性、智能化的基于知识模型的加工番茄管理决策支持系统（KMDSSPTM）。加工番茄栽培管理知识模型主要包括播前方案设计、生育进程与生长动态预测两个部分。其中,播前方案设计知识模型包括产量目标、品种选择、播栽日期、种植密度与播种量、肥料和水分运筹等;生育指标动态知识模型包括适宜生育期、株高、叶面积指数、干物质积累量、营养物质积累量等。产量目标知识模型是基于逐步订正的“作物生长动态统计方法”进行动态量化的,在确定决策点最大光合生产潜力的估算值的基础上,通过量化温度、水分、土壤肥力和栽培管理水平等对加工番茄产量的影响,结合前三年历史平均产量水平而建立的;品种选择知识模型是利用生态学原理和多目标决策方法,通过定量计算加工番茄品种特征值与环境因子和生产需求之间的符合度,进而推荐适宜的品种;播期的确定主要以茬口安排、品种熟性和生育的环境要求为基础,以成熟期置信度为衡量标准,以定量化生理发育时间为时间尺度确定品种的适宜和最晚播期;种植密度是根据“以产定枝,以枝定苗”的原理,通过引入品种分枝性和株型参数,并依据品种、肥水管理水平等对种植密度的影响,以动态量化不同产量水平与适宜有效分枝数之间的关系计算得到。在种植密度的基础上,应用相对权重法量化土壤理化环境、播种质量和整地质量等多个生态因子对出苗率的影响,进而确定适宜的播种量;水分运筹是在量化加工番茄产量与需水量之间关系的基础上,计算总的需水量,再根据土壤水分平衡原理,通过获取气象资料计算田间蒸散量和有效降雨量,结合加工番茄的需水规律,动态计算加工番茄整个生育时期的灌溉定额和各生育时期的水分分配定额;肥料运筹动态知识模型是根据养分平衡原理和养分需求规律建立起来的,模型首先量化实现目标产量与所需要氮、磷、钾养分总量的关系,计算出加工番茄一生需肥量,再根据土壤的理化特性及基础养分含量等计算土壤氮磷钾当季供应量,确立了氮磷钾的总施用量、有机氮无机氮的配比以及无机氮基肥与追肥的适宜比例等肥料管理技术中的关键技术。根据加工番茄动态发育所积累的生理发育效应恒定的原理,通过定量计算温度和光照对加工番茄的生理发育效应影响,引入品种基本发育因子,建立了加工番茄品种以生理发育时间为尺度的适宜动态生育时期预测模型;运用Monsi公式,计算了转色期至初采期的最大适宜叶面积指数,并以生理发育时间为预报变量,以相对化LAI动态数学模型为基础,建立了加工番茄适宜叶面积指数和动态设计的知识模型;根据Logistic曲线增长规律,建立了干物质积累动态模型,引入收获指数,建立了基于分配指数的各器官干物质分配和产量预测动态模型;通过动态计算到达各主要生育时期群体养分积累量及其各阶段干物质积累,建立了加工番茄适宜地上部植株养分指标动态知识模型;加工番茄的株高变化是通过定量基于生理发育时间的实时株高与通过品种植物学参数的机理性模拟而得到的最终株高之间的关系来描述的。在构建加工番茄栽培管理动态知识模型的基础上,进一步结合加工番茄栽培管理知识库表达系统,在Delphi7.0平台上构建了基于知识模型的加工番茄管理决策支持系统,实现了预测功能和决策功能的集成,为加工番茄栽培的智能化和数字化管理决策奠定基础。收集并利用干旱区不同生态点（石河子、焉耆、阿拉尔、张掖和巴彦淖尔等）逐日气象资料、不同品种、不同土壤类型和不同产量目标等资料,对所建系统进行了验证。结果表明,系统具有较好的可靠性和普适性。
二、农田水分管理决策支持系统研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、农田水分管理决策支持系统研究（论文提纲范文）
（1）灌溉用水效率约束下灌区水资源优化配置及其决策支持系统研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 引言 |
| 1.1 立题依据 |
| 1.2 研究的目的和意义 |
| 1.3 国内外研究进展 |
| 1.3.1 灌溉用水效率评价指标研究 |
| 1.3.2 灌溉用水效率评价研究 |
| 1.3.3 灌区水资源优化配置研究 |
| 1.3.4 灌区水资源优化配置决策支持系统研究 |
| 1.3.5 国内外研究现状分析 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 2 灌区灌溉用水效率评价指标体系构建 |
| 2.1 研究区域 |
| 2.1.1 地理位置及行政分区 |
| 2.1.2 气候及地形地貌 |
| 2.1.3 水资源状况 |
| 2.1.4 社会经济状况 |
| 2.2 数据来源 |
| 2.2.1 统计数据来源 |
| 2.2.2 试验数据来源 |
| 2.3 研究方法 |
| 2.3.1 评价指标体系构建原则 |
| 2.3.2 评价指标筛选原理 |
| 2.3.3 评价指标模型构建 |
| 2.3.4 评价指标体系合理性判别 |
| 2.4 结果与分析 |
| 2.4.1 灌溉用水效率评价指标初选集的确定 |
| 2.4.2 信息显着性指标筛选及分析 |
| 2.4.3 指标体系结果分析 |
| 2.5 讨论 |
| 2.5.1 指标体系合理性分析 |
| 2.5.2 指标体系可靠性分析 |
| 2.6 本章小结 |
| 3 灌区灌溉用水效率评价研究 |
| 3.1 数据来源 |
| 3.2 研究方法 |
| 3.2.1 基于萤火虫算法的投影寻踪评价模型 |
| 3.2.2 逼近理想解排序模型 |
| 3.2.3 基于熵权法的逼近理想解排序模型 |
| 3.2.4 基于CRITIC法的逼近理想解排序模型 |
| 3.2.5 灌区灌溉用水效率评价模型性能评估方法 |
| 3.3 结果与分析 |
| 3.3.1 基于FA-PP模型的灌区灌溉用水效率测度 |
| 3.3.2 基于EWM-TOPSIS模型的灌区灌溉用水效率测度 |
| 3.3.3 基于CRITIC-TOPSIS模型的灌区灌溉用水效率测度 |
| 3.3.4 各评价模型灌区灌溉用水效率评价结果对比 |
| 3.4 讨论 |
| 3.4.1 各评价模型的稳定性比较 |
| 3.4.2 各评价模型的可靠性比较 |
| 3.4.3 各灌区综合指数空间分布特征分析 |
| 3.5 本章小结 |
| 4 灌溉用水效率驱动力解析及其发展态势分析 |
| 4.1 数据来源 |
| 4.2 研究方法 |
| 4.2.1 序号总和理论 |
| 4.2.2 情景分析 |
| 4.2.3 ARIMA预测模型 |
| 4.2.4 EWM-TOPSIS模型 |
| 4.3 结果与分析 |
| 4.3.1 灌区灌溉用水效率主要驱动因子分析 |
| 4.3.2 建立调控情景分析模式集 |
| 4.3.3 构建灌区灌溉用水效率评价指标预测矩阵 |
| 4.3.4 灌区灌溉用水效率发展趋势及预测结果分析 |
| 4.4 讨论 |
| 4.4.1 灌区灌溉用水效率主要驱动因子合理性判别分析 |
| 4.4.2 灌区灌溉用水效率驱动机制分析 |
| 4.4.3 灌区灌溉用水效率未来演变趋势分析 |
| 4.5 本章小结 |
| 5 灌溉用水效率约束下灌区水资源优化配置研究 |
| 5.1 数据来源 |
| 5.2 研究方法 |
| 5.2.1 多目标水资源配置模型 |
| 5.2.2 多目标水资源配置模型计算原理 |
| 5.2.3 多目标水资源配置模型构建 |
| 5.2.4 模型数据及参数的确定 |
| 5.3 结果与分析 |
| 5.3.1 灌溉用水量预测 |
| 5.3.2 种植结构预测 |
| 5.3.3 灌溉定额预测 |
| 5.3.4 优化配置结果分析 |
| 5.4 讨论 |
| 5.5 本章小结 |
| 6 灌区水资源优化配置决策支持系统研制 |
| 6.1 数据来源 |
| 6.2 研究方法 |
| 6.2.1 系统需求分析 |
| 6.2.2 系统设计原则 |
| 6.2.3 系统设计方法 |
| 6.2.4 系统模块设计 |
| 6.2.5 系统设计 |
| 6.3 结果与分析 |
| 6.3.1 系统运行 |
| 6.3.2 系统模块设置 |
| 6.4 讨论 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
（2）标准种植比值指数法的无人机遥感水稻变量施氮决策研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 前言 |
| 1.1 研究背景及意义 |
| 1.2 影响水稻氮肥吸收利用的主要因素 |
| 1.2.1 水稻品种与水稻施肥管理 |
| 1.2.2 土壤理化性质与水稻氮肥管理 |
| 1.2.3 气候因素与水稻氮肥管理 |
| 1.2.4 水分管理与水稻氮肥管理 |
| 1.2.5 氮肥的施用方式与水稻氮肥管理 |
| 1.2.6 思考与分析 |
| 1.3 常见的水稻氮肥精准管理技术 |
| 1.3.1 基于测土配方的水稻氮肥管理技术 |
| 1.3.2 基于生长模型的水稻氮肥管理技术 |
| 1.3.3 基于实地观测的水稻氮肥管理技术 |
| 1.3.4 基于遥感监测的水稻氮肥管理技术 |
| 1.3.5 思考与分析 |
| 1.4 研究目标 |
| 1.5 主要研究内容 |
| 1.6 技术路线 |
| 1.7 本章小结 |
| 2 试验材料与方法 |
| 2.1 试验的水稻品种 |
| 2.2 常用的计算公式 |
| 2.2.1 水稻养分需量计算公式 |
| 2.2.2 养分平衡法计算公式 |
| 2.2.3 水稻测产计算公式 |
| 2.2.4 有效积温计算公式 |
| 2.3 仪器设备 |
| 2.3.1便携式作物长势分析仪GreenseekerRT100 |
| 2.3.2 GreenseekerRT100仪器的性能检测与校准 |
| 2.3.3 仪器的数据采集方法研究 |
| 2.3.3.1 不同高度下水稻冠层NDVI指数对比试验 |
| 2.3.3.2 不同时间段、不同施肥梯度下水稻冠层NDVI指数对比试验 |
| 2.3.3.3 不同行进方向下的水稻冠层NDVI指数对比试验 |
| 2.3.3.4 仪器采集方法小结 |
| 2.3.4叶绿素仪SPAD502 |
| 2.3.5 多光谱相机ADCLite |
| 2.3.6 低空遥感数据获取平台 |
| 2.3.6.1 多旋翼无人机遥感数据获取平台 |
| 2.3.6.2 固定翼无人机遥感数据获取平台 |
| 2.4 遥感数据处理软件及方法 |
| 2.4.1 PixelWrench2软件 |
| 2.4.2 Geotility软件 |
| 2.4.3 无人机遥感数据处理方法 |
| 2.5 本章小结 |
| 3 不同施氮水平下水稻地面遥感信息解析及标准种植比值法的施氮水平诊断研究 |
| 3.1 不同施氮水平水稻样本种植管理方案 |
| 3.2 数据的采集及分析方法 |
| 3.2.1 数据采集方法 |
| 3.2.2 数据分析方法 |
| 3.3 不同施氮水平下水稻地面遥感信息解析 |
| 3.3.1 不同生长期水稻冠层NDVI值的变化趋势 |
| 3.3.2 不同生长期水稻叶片SPAD值的变化趋势 |
| 3.3.3 水稻冠层NDVI指数与叶片SPAD值的相关性 |
| 3.3.4 标准施氮量下NDVI指数解析模型 |
| 3.3.5 不同施氮水平对水稻冠层NDVI指数的影响 |
| 3.4 标准种植比值法的水稻氮素营养诊断研究 |
| 3.4.1 标准种植差值指数的构建及水稻氮素营养诊断 |
| 3.4.2 标准种植比值指数的构建及水稻氮素营养诊断 |
| 3.4.3 标准种植差值指数与比值指数的优选 |
| 3.5 本章小结 |
| 4 无人机遥感的水稻氮素营养诊断与施氮决策模型研究 |
| 4.1 用于无人机遥感试验的水稻样本种植管理方案 |
| 4.2 数据采集及分析方法 |
| 4.2.1 数据采集方法 |
| 4.2.2 数据统计分析方法 |
| 4.3 无人机遥感的水稻氮素营养诊断 |
| 4.3.1 无人机遥感与地面遥感数据相关性分析 |
| 4.3.2 不同生长期无人机遥感与地面遥感标准种植比值指数差异性分析 |
| 4.3.3 无人机遥感与地面遥感的水稻氮素营养诊断模型的相互转换 |
| 4.4 无人机遥感的水稻变量施氮决策模型 |
| 4.5 本章小结 |
| 5 无人机遥感水稻变量施氮决策模型验证试验 |
| 5.1 小区验证试验 |
| 5.1.1 试验设计与方法 |
| 5.1.2 结果与分析 |
| 5.1.3 结论 |
| 5.2 广东省罗定市太平镇大田验证试验 |
| 5.2.1 试验设计与方法 |
| 5.2.2 结果与分析 |
| 5.2.2.1 不同试验小区施氮决策 |
| 5.2.2.2 测产结果对比 |
| 5.2.3 结论 |
| 5.3 广东省南雄市黄坑镇大田验证试验 |
| 5.3.1 试验设计与方法 |
| 5.3.2 结果与分析 |
| 5.3.2.1 不同小区施氮决策 |
| 5.3.2.2 测产结果对比 |
| 5.3.3 结论 |
| 5.4 本章小结 |
| 6 水稻氮素营养精准管理决策支持系统的设计与应用 |
| 6.1 系统分析 |
| 6.1.1 系统的操作人员分类 |
| 6.1.2 数据处理流程及要求 |
| 6.1.2.1 种植季初始 |
| 6.1.2.2 种植季期间(按照施肥节点安排) |
| 6.1.3 系统的数据流向分析 |
| 6.2 系统设计 |
| 6.2.1 系统数据组织 |
| 6.2.1.1 遥感源文件 |
| 6.2.1.2 系统管理数据 |
| 6.2.1.3 专题图数据 |
| 6.2.2 系统的功能设计 |
| 6.3 系统实现及应用 |
| 6.3.1 系统服务器端 |
| 6.3.1.1 服务器端软件安装运行环境及最低配置要求 |
| 6.3.1.2 服务器端软件的功能模块 |
| 6.3.2 系统的用户端 |
| 6.3.2.1 用户端软件安装运行环境及最低配置要求 |
| 6.3.2.2 用户端界面及主要功能模块 |
| 6.3.2.3 文件管理模块 |
| 6.3.2.4 处方管理模块 |
| 6.3.2.5 种植区基本信息管理模块 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 A |
| 附录 B |
（3）黄河冲积平原区玉米灌排决策支持系统研究（论文提纲范文）
| 1 玉米灌排管理决策支持系统设计与原理 |
| 1.1 系统功能 |
| 1.2 土壤水动态模型 |
| 1.3 玉米灌溉排水预报模型 |
| 1.4 玉米灌排管理决策支持系统的基本结构 |
| 1.5 灌排决策流程 |
| 2 系统功能实现 |
| 3 系统实际应用 |
| 4 结语 |
（4）基于墒情监测模型的膜下滴灌棉花水分管理决策支持系统（论文提纲范文）
| 导师评阅表 |
| 摘要 |
| Abstract |
| 目录 |
| 符号列表 |
| 第一章 绪论 |
| 1.1 选题的背景及研究的意义 |
| 1.2 文献综述 |
| 1.2.1 土壤水分测量方法国内外研究进展 |
| 1.2.2 土壤水分传感器的埋设位置国内外研究进展 |
| 1.2.3 农业专家系统国内外研究进展 |
| 1.2.4 干旱区以膜下滴灌为主的农田墒情监测与农田水分管理发展 |
| 1.3 论文的主要研究目的 |
| 第二章 研究内容和方法 |
| 2.1 研究内容 |
| 2.2 材料和方法 |
| 2.2.1 不同土壤质地 TDR 传感器和 FDR 传感器测量土壤含水量的标定模型的建立 |
| 2.2.2 TDR 传感器最佳监测位置的研究 |
| 2.3 模型的构建与检验 |
| 2.3.1 模型构建 |
| 2.3.2 模型检验 |
| 2.4 技术路线 |
| 第三章 标定模型的建立与检验 |
| 3.1 TDR 传感器和 FDR 传感器安装方法 |
| 3.1.1 TDR 传感器的安装 |
| 3.1.2 FDR 传感器的安装 |
| 3.2 不同土壤质地的 TDR 传感器和 FDR 传感器采集水分的标定模型的建立与检验 |
| 3.2.1 不同土壤质地的 TDR 传感器采集水分的标定模型的建立与检验 |
| 3.2.2 不同土壤质地的 FDR 传感器采集水分的标定模型的建立与检验 |
| 3.3 TDR 传感器与 FDR 传感器的差异分析 |
| 3.3.1 TDR 传感器与 FDR 传感器精度的比较 |
| 3.3.2 TDR 传感器与 FDR 传感器灵敏度的比较 |
| 3.3.3 TDR 传感器与 FDR 传感器的差异分析小结 |
| 3.4 土壤水分传感器距离滴灌带不同距离的分析 |
| 3.5 小结 |
| 第四章 膜下滴灌棉花水分管理知识模型的选用和优化 |
| 4.1 棉花生理发育时间的模拟 |
| 4.1.1 生长度日（GDD）计算 |
| 4.1.2 平均气温的计算 |
| 4.1.3 薄膜覆盖对气温的补偿效应值计算 |
| 4.2 棉花有效根系深度的模拟 |
| 4.3 农田水分平衡 |
| 4.3.1 根层土壤含水量 |
| 4.3.2 进入灌溉周期的临界值上限的土壤含水量 |
| 4.3.3 土壤含水量达到灌溉上限临界值前可供耗用的水分 |
| 4.3.4 到下次灌溉需要的天数 |
| 4.3.5 潜在蒸散量计算 |
| 4.3.6 墒情评价依据 |
| 4.4 小结 |
| 第五章 膜下滴灌棉花水分管理决策支持系统 |
| 5.1 系统概述 |
| 5.2 系统结构设计 |
| 5.2.1 农田墒情远程监测设备系统 |
| 5.2.2 棉田墒情远程监测信息管理系统 |
| 5.2.3 田间阀门控制系统 |
| 5.2.4 系统总体结构设计 |
| 5.3 数据库设计 |
| 5.3.1 基础数据库的建立 |
| 5.3.2 动态数据库的建立 |
| 5.3.3 模型库的建立 |
| 5.4 系统功能模块设计 |
| 5.4.1 农田墒情远程监测设备系统模块 |
| 5.4.2 棉田墒情远程监测信息管理系统 |
| 5.4.3 田间阀门控制系统 |
| 5.5 系统应用案例 |
| 5.6 小结 |
| 第六章 结论与讨论 |
| 6.1 结论 |
| 6.2 讨论 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（6）基于VB的水田灌溉自动化管理系统（论文提纲范文）
| 1 系统的基本功能 |
| 2 系统的基本结构 |
| 2.1 水田数据库管理系统 |
| 2.1.1 水田数据库的建立[9] |
| 2.1.2 对数据库操作的实现 |
| 2.2 灌溉管理决策支持系统 |
| 2.2.1 灌溉管理决策支持系统建立的依据 |
| (1) 生物学依据[11-13]。 |
| (2) 农田灌排水数学模型。 |
| (3) 灌排水实施时间的确定依据。 |
| 2.2.2 灌溉管理决策支持系统程序 |
| 2.3 水田水分动态显示系统 |
| 3 结 论 |
（7）小麦养分管理决策支持系统研究（论文提纲范文）
| 本文主要参数 |
| 摘要 |
| ABSTRACT |
| 第一章 文献综述与研究目的 |
| 摘要 |
| 1 小麦模型研究进展 |
| 1.1 小麦生长模型研究现状 |
| 1.2 小麦养分模型研究进展 |
| 1.3 小麦变量施肥技术研究进展 |
| 2 作物管理决策支持系统研究概述 |
| 2.1 决策支持系统的概念和特点 |
| 2.2 作物管理决策支持系统发展动态 |
| 3 研究目的和意义 |
| 参考文献 |
| 第二章 研究思路与技术路线 |
| 摘要 |
| 1 研究思路与技术路线 |
| 1.1 研究思路 |
| 1.2 技术路线 |
| 2 资料来源 |
| 2.1 试验设计 |
| 2.2 测定内容 |
| 3 模型构建与检验 |
| 3.1 建模方法 |
| 3.2 模型检验 |
| 4 系统设计与实现 |
| 4.1 系统设计原理 |
| 4.2 系统组织结构 |
| 4.3 系统实现方法 |
| 参考文献 |
| 第三章 小麦施肥量模型 |
| 摘要 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 测定项目 |
| 2 结果与分析 |
| 2.1 小麦生育期养分变化动态 |
| 2.2 小麦施肥量模型 |
| 2.3 追肥量的确定 |
| 3 模型的检验 |
| 3.1 小麦生育期的模拟 |
| 3.2 小麦地上干物质生产模型检验 |
| 3.3 小麦产量的模拟 |
| 4 小结与讨论 |
| 参考文献 |
| Abstract |
| 第四章 小麦养分管理决策支持系统的实现 |
| 摘要 |
| 1 养分管理决策支持系统的组成 |
| 2 养分管理决策支持系统调用的计算机表达 |
| 2.1 播前N、P、K总施肥量的确定 |
| 2.2 播后追施氮肥量的确定 |
| 3 养分管理系统的接口属性 |
| 4 养分管理系统的实现 |
| 4.1 模型参数调整 |
| 4.2 地点、品种、气象资料的输入 |
| 4.3 模型参数的调出 |
| 4.4 模拟结果 |
| 5 讨论与小结 |
| 参考文献 |
| Abstract |
| 第五章 讨论与结论 |
| 摘要 |
| 1 讨论 |
| 1.1 小麦施肥量模型 |
| 1.2 基于小麦施肥量模型的小麦养分管理决策支持系统 |
| 2 本研究的创新之处 |
| 3 今后的研究设想 |
| 3.1 模型的应用性研究 |
| 3.2 作物长势监测与遥感技术的结合 |
| 3.3 模拟模型、专家系统与遥感技术的结合 |
| 4 结论 |
| 参考文献 |
| Abstract |
| 攻读硕士期间撰写的论文 |
| 致谢 |
（8）棉花形态建成模型与基于模型和GIS的数字棉作系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1 农业信息化与信息农业关键技术概述 |
| 1.1 农业信息与农业信息化 |
| 1.2 信息农业关键技术概述 |
| 1.2.1 3S技术 |
| 1.2.2 农业数据库技术 |
| 1.2.3 农业系统模拟技术 |
| 1.2.4 农业人工智能技术 |
| 1.2.5 网络通讯技术和多媒体技术 |
| 1.2.6 可视化技术和虚拟现实技术 |
| 1.2.7 软件构件化技术 |
| 1.2.8 农业管理决策技术 |
| 1.2.9 精确农作技术 |
| 2 农业信息技术在作物栽培领域中的应用 |
| 2.1 作物生长模拟模型研究进展 |
| 2.2 作物形态虚拟模型研究进展 |
| 2.3 农业专家系统研究进展 |
| 2.4 农业决策支持系统研究进展 |
| 3 农业信息技术在棉花栽培领域中的应用 |
| 3.1 棉花生长模拟模型研究进展 |
| 3.2 棉花形态模型研究进展 |
| 3.3 棉花管理专家系统研究进展 |
| 3.4 棉花决策支持系统研究进展 |
| 4 本研究的目的和意义 |
| 第二章 材料与方法 |
| 1 模型构建 |
| 1.1 建模思路 |
| 1.2 建模路线 |
| 1.3 资料来源 |
| 1.3.1 田间试验 |
| 1.3.2 资料获取 |
| 1.4 建模与检验 |
| 2 系统开发 |
| 2.1 系统开发思路 |
| 2.2 系统开发路线 |
| 2.3 系统资料来源 |
| 2.4 系统设计与开发 |
| 2.4.1 系统结构设计 |
| 2.4.2 系统工作流程 |
| 2.4.3 系统功能设计 |
| 2.4.4 系统实现方法 |
| 第三章 棉花地上部形态建成光温模型研究 |
| 1 模型的描述 |
| 2 生态效应因子和主要参数的确定 |
| 2.1 温度 |
| 2.2 光温影响因子 |
| 2.3 各器官潜在长度 |
| 3 模型的构建 |
| 3.1 棉花叶片生长模型的构建 |
| 3.1.1 叶片长度 |
| 3.1.2 叶片宽度 |
| 3.2 棉花叶柄生长形态模型的构建 |
| 3.2.1 叶柄长度 |
| 3.2.2 叶柄粗度 |
| 3.3 棉花枝节生长形态模型的构建 |
| 3.3.1 节间长度 |
| 3.3.2 节间粗度 |
| 3.4 棉花蕾铃生长形态模型的构建 |
| 3.4.1 棉铃高度 |
| 3.4.2 棉铃直径粗 |
| 4 模型的检验 |
| 5 小结 |
| 第四章 棉花地上部干物质分配过程的定量模拟 |
| 1 模型的构建和描述 |
| 1.1 茎水平单位器官干物质分配比例指数 |
| 1.1.1 主茎叶片分配比例指数 |
| 1.1.2 主茎叶柄分配比例指数 |
| 1.1.3 主茎分枝分配比例指数 |
| 1.1.4 棉株主茎的分配比例指数 |
| 1.2 枝水平亚单位器官干物质分配比例指数 |
| 1.2.1 果叶的分配比例指数 |
| 1.2.2 果柄的分配比例指数 |
| 1.2.3 蕾铃的分配比例指数 |
| 1.2.4 果枝茎的分配比例指数 |
| 3 各器官干物重模型的检验 |
| 4 小结 |
| 第五章 基于模型与GIS的数字棉作系统的研制 |
| 1 系统体系结构 |
| 2 系统开发环境与软件开发工具 |
| 2.1 系统开发环境 |
| 2.2 软件开发工具 |
| 2.2.1 WebGIS |
| 2.2.2 WebGIS平台 |
| 2.2.3 SQL Server数据库管理系统 |
| 2.2.4 Visual Studio |
| 2.2.5 ASP.NET 2.0 |
| 2.2.6 C#语言 |
| 2.3 辅助开发工具 |
| 3 系统的开发与集成 |
| 3.1 系统数据库设计 |
| 3.1.1 空间数据库 |
| 3.1.2 属性数据库 |
| 3.1.3 数据组织 |
| 3.1.4 数据访问组件的设计与实现 |
| 3.1.5 数据访问优化设计 |
| 3.2 Web应用程序开发 |
| 3.2.1 在IIS根目录下创建新的本地IIS网站 |
| 3.2.2 向网站中添加ASP.NET网页 |
| 3.3 模型组件的开发调用 |
| 3.3.1 模型组件描述 |
| 3.3.2 模型组件的引用 |
| 3.3.3 接口函数的调用 |
| 3.4 系统集成 |
| 4 系统的运行环境 |
| 4.1 服务器端运行环境 |
| 4.2 客户端运行环境 |
| 5 系统的功能及特点 |
| 5.1 系统功能 |
| 5.1.1 系统管理 |
| 5.1.2 棉作区划 |
| 5.1.3 方案设计 |
| 5.1.4 模拟预测 |
| 5.1.5 动态调控 |
| 5.1.6 方案评估 |
| 5.1.7 精确棉作 |
| 5.1.8 生产力分析 |
| 5.1.9 智能学习 |
| 5.2 系统的特点 |
| 5.2.1 业务功能方面 |
| 5.2.2 结构部署方面 |
| 5.2.3 操作应用方面 |
| 6 系统实现关键技术 |
| 6.1 平台构建技术 |
| 6.2 模型结合技术 |
| 6.3 模型与GIS耦合技术 |
| 7 系统开发与实现 |
| 8 系统测试和应用 |
| 8.1 系统测试 |
| 8.2 系统的测试应用 |
| 8.2.1 系统管理 |
| 8.2.2 棉作区划 |
| 8.2.3 方案设计 |
| 8.2.4 模拟预测 |
| 8.2.5 动态调控 |
| 8.2.6 方案评估 |
| 8.2.7 精确棉作 |
| 8.2.8 生产力分析 |
| 8.2.9 智能学习 |
| 9 小节 |
| 第六章 结论与讨论 |
| 1 讨论 |
| 1.1 棉花形态建成光温模型 |
| 1.2 棉花干物质分配比例指数模型 |
| 1.3 基于模型和GIS的数字棉作系统 |
| 2 本研究的创新点 |
| 3 本研究的不足之处 |
| 4 今后的研究设想 |
| 4.1 定量模型的完善 |
| 4.2 系统功能的完善和扩展 |
| 4.3 虚拟现实技术的应用 |
| 5 结论 |
| 参考文献 |
| 附录 棉作系统用户使用操作手册 |
| 1 编写目的 |
| 2 运行环境 |
| 2.1 硬件环境 |
| 2.2 环境软件 |
| 3 安装手册 |
| 3.1 安装步骤 |
| 3.2 卸载步骤 |
| 4 系统使用 |
| 4.1 系统使用向导 |
| 4.2 登录系统 |
| 4.3 选取生态点 |
| 4.4 结果显示 |
| 5 应用功能 |
| 6 系统操作流程 |
| 7 技术支持 |
| 在读期间发表的学术论文 |
| 个人简历 |
| 致谢 |
（9）精确农作管理模型与决策支持系统的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 文献综述与研究目的 |
| 摘要 |
| 1 精确农作概述 |
| 1.1 精确农作的概念 |
| 1.2 精确农作的技术思想 |
| 1.3 精确农作的支持技术 |
| 1.3.1 3S技术 |
| 1.3.2 决策支持系统 |
| 1.3.3 变量投入技术 |
| 2 精确农作管理模型研究进展 |
| 2.1 作物生长模拟模型 |
| 2.2 农业专家系统 |
| 3 精确农作决策支持系统研究进展 |
| 3.1 决策支持系统的概念及特点 |
| 3.2 基于模型的精确农作决策支持系统 |
| 3.3 精确农作决策支持系统发展趋势 |
| 4 本研究的目的与意义 |
| 参考文献 |
| 第二章 研究思路与方法 |
| 摘要 |
| 1 研究思路与技术路线 |
| 1.1 研究思路 |
| 1.2 技术路线 |
| 2 资料来源与利用 |
| 2.1 文献资料与专家咨询 |
| 2.2 田间试验资料 |
| 3 模型的构建与检验 |
| 3.1 模型构建方法 |
| 3.2 模型检验方法 |
| 4 系统设计与开发 |
| 4.1 系统设计原则 |
| 4.2 系统结构设计 |
| 4.3 系统开发流程 |
| 参考文献 |
| 第三章 精确农作管理模型框架 |
| 摘要 |
| 1 管理模型的基本结构与功能 |
| 2 管理模型的算法框架与关系 |
| 2.1 栽培方案 |
| 2.1.1 产量目标 |
| 2.1.2 品质目标 |
| 2.1.3 品种选择 |
| 2.1.4 播期确定 |
| 2.1.5 密度设计 |
| 2.1.6 肥料运筹 |
| 2.1.7 水分管理 |
| 2.2 适宜指标 |
| 2.2.1 生育进程 |
| 2.2.2 生长指标动态 |
| 2.2.3 养分指标动态 |
| 2.2.4 源库指标 |
| 2.3 实时调控 |
| 3 管理模型构件的共性算法 |
| 3.1 儒历天数和日期之间的相互转换 |
| 3.2 日长的计算 |
| 3.3 太阳辐射的计算 |
| 3.4 相对权重的计算 |
| 3.5 土壤供磷量的计算 |
| 3.6 土壤供钾量的计算 |
| 4 小结 |
| 参考文献 |
| Abstract |
| 第四章 作物水氮运筹设计模型 |
| 摘要 |
| 1 模型描述 |
| 1.1 模型框架的构建 |
| 1.2 模型算法的描述 |
| 1.2.1 氮肥运筹 |
| 1.2.2 水分管理 |
| 2 模型的评价 |
| 3 小结 |
| 参考文献 |
| Abstract |
| 第五章 作物适宜生长指标动态模型 |
| 摘要 |
| 1 模型描述 |
| 1.1 模型框架的构建 |
| 1.2 模型算法的描述 |
| 1.2.1 叶面积指数动态 |
| 1.2.2 茎蘖数动态 |
| 1.2.3 干物质积累动态 |
| 1.2.4 植株氮积累动态 |
| 1.2.5 植株氮含量动态 |
| 2 模型的评价 |
| 3 小结 |
| 参考文献 |
| Abstract |
| 第六章 作物生长动态实时调控模型 |
| 摘要 |
| 1 模型描述 |
| 1.1 模型框架的构建 |
| 1.2 模型算法的描述 |
| 2 模型的评价 |
| 3 小结 |
| 参考文献 |
| Abstract |
| 第七章 基于模型和GIS的精确农作决策支持系统 |
| 摘要 |
| 1 系统的结构与功能 |
| 1.1 系统的结构 |
| 1.1.1 数据库 |
| 1.1.2 模型库 |
| 1.1.3 GIS组件 |
| 1.1.4 人机接口 |
| 1.2 系统的功能 |
| 1.2.1 文件管理 |
| 1.2.2 数据管理 |
| 1.2.3 差异分析 |
| 1.2.4 管理方案 |
| 1.2.5 适宜指标 |
| 1.2.6 实时调控 |
| 1.2.7 生产力分析 |
| 1.2.8 专家咨询 |
| 1.2.9 系统帮助 |
| 2 系统的开发与实现 |
| 2.1 系统开发及运行环境 |
| 2.2 系统主要模块的设计与实现 |
| 2.2.1 模型类库 |
| 2.2.2 数据库 |
| 3 系统运行测试 |
| 3.1 文件管理 |
| 3.2 数据管理 |
| 3.3 差异分析 |
| 3.4 管理方案 |
| 3.5 适宜指标 |
| 3.6 实时调控 |
| 3.7 生产力分析 |
| 3.8 专家咨询 |
| 4 小结 |
| 参考文献 |
| Abstract |
| 第八章 讨论与结论 |
| 摘要 |
| 1 讨论 |
| 1.1 精确农作管理模型框架 |
| 1.2 精确农作管理设计模型 |
| 1.3 精确农作管理调控模型 |
| 1.4 基于模型的精确农作决策支持技术 |
| 1.5 本研究的特色与创新 |
| 1.6 进一步的研究设想 |
| 2 结论 |
| 参考文献 |
| 附录 |
| Ⅰ 符号与参数说明 |
| Ⅱ 在学期间发表的论文 |
| Ⅲ 软件着作权登记证书 |
| 致谢 |
（10）加工番茄管理知识模型及决策支持系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 前言 |
| 第一章 文献综述 |
| 1.1 作物栽培理论的研究进展 |
| 1.2 作物生产管理系统的研究进展 |
| 1.2.1 国内外作物模型的研究动态 |
| 1.2.2 国内外作物决策支持系统研究动态 |
| 1.2.3 作物生产管理系统的研究展望 |
| 1.3 研究目的和意义 |
| 第二章 研究思路与研究方法 |
| 2.1 研究思路 |
| 2.2 研究内容 |
| 2.3 技术路线 |
| 2.4 资料来源 |
| 2.4.1 文献资料与专家咨询 |
| 2.4.2 田间支持试验 |
| 2.5 研究方法 |
| 2.5.1 加工番茄栽培管理知识模型的构建 |
| 2.5.2 知识、数据表示方式 |
| 2.5.3 系统程序开发技术 |
| 2.5.4 模型检验 |
| 第三章 加工番茄播前技术方案设计的动态知识模型 |
| 3.1 模型描述 |
| 3.1.1 产量目标模型 |
| 3.1.2 品种选择 |
| 3.1.3 播期确定 |
| 3.1.4 适宜密度与播种量设计模型 |
| 3.1.5 肥料运筹模型 |
| 3.1.6 水分管理模型 |
| 3.2 模型验证 |
| 3.2.1 产量目标知识模型实例分析 |
| 3.2.2 品种选择知识模型实例分析 |
| 3.2.3 播期确定知识模型实例分析 |
| 3.2.4 密度和播种量知识模型实例分析 |
| 3.2.5 肥料运筹知识模型实例分析 |
| 3.2.6 水分管理知识模型实例分析 |
| 第四章 加工番茄生育进程与生长动态知识模型 |
| 4.1 模型描述 |
| 4.1.1 生育进程 |
| 4.1.2 叶面积指数动态 |
| 4.1.3 干物质积累、分配和产量形成动态 |
| 4.1.4 株高动态 |
| 4.1.5 养分积累动态 |
| 4.2 模型实例分析 |
| 4.2.1 生育期模型检验 |
| 4.2.2 叶面积指数模型检验 |
| 4.2.3 干物质积累模型检验 |
| 4.2.4 株高模型检验 |
| 4.2.5 养分积累模型检验 |
| 第五章 基于知识模型的加工番茄管理决策支持系统的设计与实现 |
| 5.1 系统结构 |
| 5.1.1 数据库 |
| 5.1.2 知识模型库 |
| 5.1.3 知识库 |
| 5.2 系统的功能与技术原理 |
| 5.2.1 基本信息及系统维护管理 |
| 5.2.2 种植适应性决策 |
| 5.2.3 播前种植方案设计 |
| 5.2.4 适宜生育指标动态预测与因苗调控 |
| 5.2.5 文本浏览及专家知识咨询 |
| 5.3 系统的开发与检验 |
| 5.3.1 系统开发环境及工具 |
| 5.3.2 系统应用实例分析 |
| 5.4 系统特点 |
| 第六章 结论与讨论 |
| 6.1 结论 |
| 6.2 讨论 |
| 6.2.1 加工番茄栽培管理知识模型 |
| 6.2.2 今后设想 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介 |
| 导师评阅表 |
四、农田水分管理决策支持系统研究（论文参考文献）
- [1]灌溉用水效率约束下灌区水资源优化配置及其决策支持系统研究[D]. 周丽慧. 东北农业大学, 2020(04)
- [2]标准种植比值指数法的无人机遥感水稻变量施氮决策研究[D]. 李克亮. 华南农业大学, 2018(08)
- [3]黄河冲积平原区玉米灌排决策支持系统研究[J]. 崔恩贵. 人民黄河, 2015(06)
- [4]基于墒情监测模型的膜下滴灌棉花水分管理决策支持系统[D]. 郑钦华. 石河子大学, 2013(03)
- [5]棉田墒情远程监测信息管理系统的构建[J]. 郑钦华,白涛,蒋桂英,郑重,贾彪,崔静,樊华,郑利均,马富裕. 新疆农业科学, 2013(01)
- [6]基于VB的水田灌溉自动化管理系统[J]. 丁富平,吴发启,赵龙山,孙存喜. 水土保持研究, 2010(04)
- [7]小麦养分管理决策支持系统研究[D]. 王娟. 南京农业大学, 2009(S1)
- [8]棉花形态建成模型与基于模型和GIS的数字棉作系统研究[D]. 郭银巧. 河北农业大学, 2008(05)
- [9]精确农作管理模型与决策支持系统的研究[D]. 曹静. 南京农业大学, 2008(07)
- [10]加工番茄管理知识模型及决策支持系统的研究[D]. 王冀川. 石河子大学, 2008(01)