亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        不同參數(shù)取值范圍下CROPGRO-cotton模型全局敏感性和不確定性分析

        2022-06-09 04:38:06高浚周保平王昱于晗王君
        江蘇農(nóng)業(yè)科學(xué) 2022年9期

        高浚 周保平 王昱 于晗 王君

        摘要:在對(duì)新作物模擬的過(guò)程中,需要對(duì)品種參數(shù)重新進(jìn)行率定,但是很多參數(shù)難以測(cè)量和校正,所以需要確定參數(shù)的取值范圍。目前,參數(shù)的取值范圍大部分通過(guò)2種方式得到:(1)實(shí)測(cè)數(shù)據(jù)和前人文獻(xiàn);(2)參數(shù)初始默認(rèn)值的某個(gè)百分比上下變動(dòng)。前者因?yàn)楹芏鄬?shí)測(cè)數(shù)據(jù)和率定后的參數(shù)未公布,所以選擇后者確定參數(shù)取值范圍。在5個(gè)參數(shù)取值范圍(10%、20%、30%、40%、50%)下,通過(guò)Simlab軟件,采取擴(kuò)展傅里葉幅度敏感性檢驗(yàn)(EFAST)法,對(duì)不同參數(shù)取值范圍的輸出變量進(jìn)行敏感性和不確定性分析可知,30%的參數(shù)取值范圍能很好地模擬作物生長(zhǎng)。敏感性分析與不確定性分析標(biāo)明其輸出變量成熟期(MDAP)、產(chǎn)量(HWAM)、生物量(CWAM)的一致性檢驗(yàn)系數(shù)(TDCC)分別為0.86、0.9、0.88,P值(顯著性分析)均小于0.05,具有顯著一致性,開(kāi)花期(ADAP)的TDCC較小,為0.66,這因?yàn)橹挥袇?shù)EM-FL為敏感性參數(shù),其余參數(shù)均不敏感。模型的輸出結(jié)果中ADAP、MDAP、HWAM的實(shí)測(cè)值均處于95%置信區(qū)間內(nèi),CWAM略差。本研究可幫助CROPGRO-cotton模型在南疆地區(qū)的應(yīng)用提升模擬精度和模擬效果。

        關(guān)鍵詞:CROPGRO-cotton模型;敏感性分析;不確定性分析;參數(shù)取值范圍;EFAST法

        中圖分類(lèi)號(hào): S126? 文獻(xiàn)標(biāo)志碼: A

        文章編號(hào):1002-1302(2022)09-0195-07

        作物模型運(yùn)用數(shù)學(xué)模型把天氣、土壤、田間管理等體系組合成一個(gè)整體,運(yùn)用計(jì)算機(jī)定量計(jì)算實(shí)現(xiàn)動(dòng)態(tài)模擬[1],了解作物的生長(zhǎng)情況。因?yàn)樯L(zhǎng)過(guò)程采用的是數(shù)學(xué)公式表達(dá),所以模型輸出的結(jié)果具有一定的不確定性。不確定性分析(UA)用來(lái)幫助量化試驗(yàn)數(shù)據(jù)和參數(shù)估值的可信度,當(dāng)前運(yùn)用概率分布函數(shù)來(lái)說(shuō)明不確定性。敏感性分析(SA)用來(lái)量化某個(gè)不確定參數(shù)對(duì)模型輸出的作用。在模型應(yīng)用前,都要對(duì)模型參數(shù)進(jìn)行率定,實(shí)現(xiàn)模型的本地化,參數(shù)的率定結(jié)果能很大程度上影響模型模擬的結(jié)果,所以,不確定性分析和敏感性分析非常重要。

        當(dāng)今,作物模型探索的一個(gè)關(guān)鍵點(diǎn)就是對(duì)模型品種參數(shù)、土壤參數(shù)、田間管理參數(shù)等進(jìn)行敏感性分析,國(guó)內(nèi)外有不少研究專(zhuān)家運(yùn)用了各種試驗(yàn)方案去進(jìn)行探索。例如,不同灌溉、不同氣候等方法對(duì)ALMANAC模型[2-3]、WOFOST模型[4-6]、COTTON2K模型[7-9]、農(nóng)業(yè)技術(shù)轉(zhuǎn)移決策支持系統(tǒng)(DSSAT)模型[10-12]等模型實(shí)現(xiàn)不確定性分析和敏感性分析。但是,目前對(duì)于不同參數(shù)取值范圍下CROPGRO-cotton模型[13-15]敏感性分析和不確定性分析還鮮有人研究。

        本研究主要研究南疆地區(qū)的棉花,實(shí)測(cè)數(shù)據(jù)來(lái)自于南疆阿克蘇地區(qū)的天氣、土壤和大田數(shù)據(jù)。運(yùn)用擴(kuò)展傅里葉幅度敏感性檢驗(yàn)(EFAST)法[16-17]對(duì)模型的品種參數(shù)進(jìn)行敏感性分析,然后用EFAST法的輸出結(jié)果進(jìn)行不確定性分析,比較不同參數(shù)取值范圍下模擬精度的優(yōu)劣性,這為模型本地化參數(shù)的率定取值提供一定的理論和技術(shù)支持。

        1 材料與方法

        1.1 CROPGRO-cotton模型

        DSSAT模型中包含CROPGRO模型,此模型囊括了許多作物模型,如番茄、玉米、水稻、棉花模型等。這些作物的子模型構(gòu)造功能基本一樣,主要模塊都是田間管理模塊、氣象參數(shù)、土壤參數(shù)和作物品種。田間管理模塊主要控制各種管理方式,如種植時(shí)間、種植方式、灌溉、施肥、收獲等。氣象參數(shù)主要包括每天太陽(yáng)輻射量、每天最高氣溫和最低氣溫、風(fēng)速、降水量、濕度等。土壤參數(shù)主要包括土壤成分、土壤有機(jī)質(zhì)含量、土壤水分等。CROPGRO模型作物的模擬涉及到三大類(lèi)參數(shù):品種參數(shù)、物種參數(shù)、生態(tài)型參數(shù)。其中,品種參數(shù)的敏感性分析是重中之重。

        1.2 田間試驗(yàn)及數(shù)據(jù)

        CROPGRO-cotton模型模擬所需要的田間管理及天氣數(shù)據(jù)來(lái)自于新疆生產(chǎn)建設(shè)兵團(tuán)第一師阿拉爾水利局十團(tuán)灌溉試驗(yàn)站棉花田,位于81.31°E、40.13°N,水源充足,年均日照2 680 h,最高氣溫 42 ℃,最低氣溫-29 ℃,年平均氣溫14 ℃,年平均降水量為51 mm,年蒸發(fā)量2 684 mm。試驗(yàn)區(qū)的天氣數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng),田間管理數(shù)據(jù)來(lái)源于大田觀測(cè),土壤剖面數(shù)據(jù)來(lái)源于實(shí)際勘測(cè),土壤的基本理化性質(zhì)見(jiàn)表1。

        本研究的灌溉數(shù)據(jù)來(lái)源于大田試驗(yàn),試驗(yàn)地根據(jù)棉花生育期內(nèi)所需的水分不同,通過(guò)輪灌工作制度,共設(shè)計(jì)3個(gè)灌水處理,具體的灌水時(shí)間及灌水定額見(jiàn)表2。

        1.3 模型輸入?yún)?shù)與輸出變量

        本研究選用了作物棉花的18個(gè)品種參數(shù)作為棉花的輸入?yún)?shù),參數(shù)值為DSSAT模型Gentype文件夾下棉花作物的默認(rèn)初始值,取值范圍采用DSSAT模型的參數(shù)取值范圍,具體的參數(shù)情況見(jiàn)表3。

        1.4 擴(kuò)展傅里葉檢驗(yàn)法

        EFAST法是一種基于方差分解的敏感性分析方法。它通過(guò)傅里葉變換得到傅里葉級(jí)數(shù)的頻譜曲線,然后用曲線獲得所有參數(shù)以及參數(shù)相互作用所引起的模型方差,其計(jì)算公式為:

        V(y)=∑ni=1V i+∑nij≤1V ij+…+V(1,2,…,n);(1)

        V ij=V[E(y|x ix j)]-V i-V j;(2)

        S i=V iV(y);(3)

        S τi=V(y)-V -iV(y)。(4)

        式中:V(y)為所有變量總方差;V i為第i個(gè)變量的方差;V j為第j個(gè)變量的方差;E(y|x ix j)為對(duì)于確定變量x i所對(duì)應(yīng)的y的期望;V ij為變量間相互作用的方差;V -i為去除變量后的方差之和;S i為變量x i的一階敏感性指數(shù);S τi為變量x i的全局敏感性指數(shù)。

        1.5 敏感性與不確定性分析方法

        采用Simlab軟件[18]輸入?yún)?shù)名稱(chēng)、參數(shù)分布、參數(shù)取值范圍、敏感性分析方法和抽樣次數(shù)。首先,本研究設(shè)置了5種處理,EFAST法共抽樣56 000次,參數(shù)取值范圍分別為參數(shù)默認(rèn)值(1±10%)、參數(shù)默認(rèn)值(1±20%)、參數(shù)默認(rèn)值(1±30%)、參數(shù)默認(rèn)值(1±40%)、參數(shù)默認(rèn)值(1±50%),分別記為10%、20%、30%、40%、50%,對(duì)應(yīng)生成的參數(shù)樣本數(shù)量分別為3 600、7 200、10 800、14 400、18 000個(gè)。其次,用R語(yǔ)言編寫(xiě)的批處理程序,進(jìn)行DSSAT參數(shù)的修改、調(diào)用和輸出。模型的參數(shù)取值不同時(shí),模型的輸出結(jié)果也會(huì)變化,具備了一定的不確定性,運(yùn)用均值、標(biāo)準(zhǔn)差、變異系數(shù)對(duì)模型的輸出結(jié)果進(jìn)行評(píng)價(jià)。最后,采用一致性檢驗(yàn)系數(shù)(TDCC)[19-20]來(lái)衡量EFAST法參數(shù)敏感性排序。

        2 結(jié)果與分析

        2.1 參數(shù)取值范圍對(duì)輸出結(jié)果影響

        按照對(duì)應(yīng)的參數(shù)取值范圍,選擇輸出結(jié)果中開(kāi)花期(ADAP)、成熟期(MDAP)、產(chǎn)量(HWAM)、生物量(CWAM)這4個(gè)輸出變量,隨后分別計(jì)算它們的變異系數(shù)(CV),其變化趨勢(shì)見(jiàn)圖1。

        由圖1可知,參數(shù)取值范圍為10%、20%、30%、40%、50%時(shí),ADAP的CV變化范圍為4.0%~20.1%,MDAP的CV變化范圍為5.0%~14.2%,HWAM的CV變動(dòng)范圍為10.9%~56.6%,CWAM的CV變化范圍為8.7%~27.0%。當(dāng)參數(shù)取值范圍變大時(shí),輸出變量ADAP、MDAP、HWAM、CWAM的CV變大,呈線性相關(guān)關(guān)系。

        2.2 參數(shù)取值范圍對(duì)EFAST法敏感性分析的影響

        用EFAST法對(duì)不同參數(shù)取值范圍下的輸出變量進(jìn)行敏感性分析,然后通過(guò)一致性檢驗(yàn)系數(shù)(TDCC)對(duì)不同參數(shù)取值范圍下參數(shù)敏感性排序進(jìn)行評(píng)價(jià),結(jié)果見(jiàn)表4。由表4可知,不同參數(shù)取值范圍的P值都小于0.05,MDAP、HWAM、CWAM的TDCC都較大,但是ADAP的TDCC較小,因?yàn)橹挥袇?shù)EM-FL為敏感性參數(shù),其余參數(shù)均不敏感,所以導(dǎo)致TDCC計(jì)算有一定的誤差。說(shuō)明不同參數(shù)取值范圍下參數(shù)敏感性排序無(wú)明顯差異。

        P值<0.05、TDCC較大, 只能表明參數(shù)在敏感性排序的統(tǒng)計(jì)意義方面有一致性,各個(gè)參數(shù)的重要程度略有不同。為了解釋該問(wèn)題,用EFAST法把所有敏感性指數(shù)>0.1的作為敏感性參數(shù)進(jìn)行排序,具體結(jié)果見(jiàn)表5。

        由表5可知,不管參數(shù)取值范圍如何變化,在輸出變量ADAP下,只有EM-FL對(duì)開(kāi)花期最敏感,主要是因?yàn)楝F(xiàn)在有很多棉花品種已發(fā)展成光周期鈍化品種,只有出苗到初光期的光熱時(shí)間的變化會(huì)對(duì)開(kāi)花產(chǎn)生影響。在輸出變量MDAP下,SD-PM、EM-FL、FL-SD屬于極敏感參數(shù),不同參數(shù)取值范圍下,排名基本無(wú)變化。在輸出變量HWAM下,THRSH、XFRT、EM-FL屬于極敏感參數(shù),不同參數(shù)取值范圍下,排名變化幅度很小。在輸出變量CWAM下,SD-PM、EM-FL、LFMAX屬于極敏感參數(shù),不同參數(shù)取值范圍下,排名稍微有些變化。CSDL和PPSEN排名變化幅度較小,不管在哪個(gè)參數(shù)范圍下都屬于極不敏感參數(shù)。

        為方便研究參數(shù)敏感性在不同參數(shù)取值范圍下的變化情況,把輸出變量ADAP、MDAP、HWAM、CWAM中的極敏感參數(shù)提取出來(lái),探討它們與其取值范圍之間的變動(dòng)趨勢(shì),詳細(xì)趨勢(shì)見(jiàn)圖2。

        對(duì)ADAP來(lái)說(shuō),圖2-j表明,參數(shù)EM-FL的敏感性指數(shù)在整個(gè)參數(shù)取值范圍內(nèi)均無(wú)明顯變化。

        對(duì)MDAP來(lái)說(shuō),圖2-a表明,參數(shù)SDPM取值范圍在50%時(shí),敏感性指數(shù)最大,在10%~30%時(shí),敏感性指數(shù)先增大再減小,在30%~50%時(shí),敏感性指數(shù)逐漸變大;圖2-b表明,參數(shù)EM-FL隨取值范圍的增大而緩慢減小;圖2-c表明,參數(shù)FL-SD在10%時(shí),敏感性指數(shù)最大,在20%時(shí)敏感性指數(shù)最小。

        對(duì)HWAM來(lái)說(shuō),圖2-d表明,參數(shù)THRSH在10%~20%時(shí)基本無(wú)變化,在20%~50%時(shí),參數(shù)THRSH敏感性指數(shù)隨取值范圍的增大而減小;圖2-e 表明,參數(shù)XFRT在30%時(shí),敏感性指數(shù)最大,在40%時(shí)敏感性指數(shù)最小;圖2-f表明,參數(shù)EM-FL在20%時(shí),敏感性指數(shù)最小,在40%時(shí),敏感性指數(shù)最大。

        對(duì)CWAM來(lái)說(shuō),圖2-g表明,敏感性指數(shù)隨參數(shù)SDPM隨取值范圍的增大而減小,分別在10%、50%時(shí)最大、最小;圖2-h表明,參數(shù)EM-FL在10%時(shí),敏感性指數(shù)最大,在20%~50%時(shí),變化趨勢(shì)比較穩(wěn)定;圖2-i表明,參數(shù)LFMAX在30%時(shí),敏感性指數(shù)會(huì)略微下降, 但在參數(shù)LFMAX的整個(gè)取值范圍內(nèi)總體趨勢(shì)是上升的,在10%、50%時(shí)敏感性指數(shù)最小、最大。

        2.3 參數(shù)取值范圍對(duì)EFAST法不確定性分析影響

        不同參數(shù)取值范圍會(huì)對(duì)輸出結(jié)果有不同的影響。當(dāng)參數(shù)取值范圍過(guò)小時(shí),輸出變量就不容易呈現(xiàn)出實(shí)測(cè)值的變化范圍;當(dāng)參數(shù)取值范圍過(guò)大時(shí),輸出變量就容易和實(shí)測(cè)值不符。所以,就要通過(guò)試驗(yàn)篩選出一個(gè)合適的參數(shù)取值范圍。本研究通過(guò)大量試驗(yàn)得出,當(dāng)參數(shù)取值為默認(rèn)值的30%時(shí),模型的輸出結(jié)果基本都分布在95%置信區(qū)間[21-22]內(nèi),模型整體模擬結(jié)果擁有比較大的可信度。模型的不確定性分析通過(guò)累計(jì)分布函數(shù)[23-24]來(lái)進(jìn)行量化,具體見(jiàn)圖3和表6。

        由表6可知,不同參數(shù)取值范圍下各灌水處理與不確定分析結(jié)果無(wú)關(guān)。當(dāng)參數(shù)取值范圍為10%時(shí),模型的輸出結(jié)果中ADAP、CWAM的實(shí)測(cè)值均不處于95%置信區(qū)間內(nèi);當(dāng)參數(shù)取值范圍為20%時(shí),模型的輸出結(jié)果中ADAP、CWAM的實(shí)測(cè)值均不處于95%置信區(qū)間內(nèi);當(dāng)參數(shù)取值范圍為30%時(shí),模型的輸出結(jié)果中CWAM的實(shí)測(cè)值不處于95%置信區(qū)間內(nèi);當(dāng)參數(shù)取值范圍為40%時(shí),模型的輸出結(jié)果中MDAP、CWAM的實(shí)測(cè)值均不處于95%置信區(qū)間內(nèi);當(dāng)參數(shù)取值范圍為50%時(shí),模型的輸出結(jié)果中MDAP、CWAM的實(shí)測(cè)值均不處于95%置信區(qū)間內(nèi)。

        通過(guò)不確定性分析輸出結(jié)果可得,在10%時(shí),ADAP的95%置信區(qū)間為64~73 d,出現(xiàn)頻率最高的時(shí)間是69 d,出現(xiàn)了416次,跟實(shí)測(cè)值相差較大;在20%時(shí)ADAP的95%置信區(qū)間為59~77 d,出現(xiàn)頻率最高的時(shí)間是76 d,出現(xiàn)了420次,跟實(shí)測(cè)值比較接近;在30%時(shí),ADAP的95%置信區(qū)間為54~82 d,出現(xiàn)頻率最高的時(shí)間是76 d,出現(xiàn)了416次,跟實(shí)測(cè)值比較接近;在40%時(shí),ADAP的95%置信區(qū)間為49~86 d,出現(xiàn)頻率最高的時(shí)間是50 d,出現(xiàn)了460次,跟實(shí)測(cè)值相差較大;在50%時(shí),ADAP的95%置信區(qū)間為45~90 d,出現(xiàn)頻率最高的時(shí)間是50 d,出現(xiàn)了455次,跟實(shí)測(cè)值相差較大。MDAP的95%置信區(qū)間下限隨參數(shù)取值范圍的變大而減小,95%置信區(qū)間上限隨參數(shù)取值范圍的變大基本無(wú)變化。HWAM的95%置信區(qū)間上限隨參數(shù)取值范圍的變大而總體呈變大趨勢(shì),取值范圍為10%~40%時(shí)95%置信區(qū)間上限隨參數(shù)取值范圍的變大而變大, 在50%時(shí)下降了一些。CWAM的95%置信區(qū)間上限隨參數(shù)取值范圍的變大而總體呈變大趨勢(shì),取值范圍為10%~40%時(shí)95%置信區(qū)間上限隨參數(shù)取值范圍的變大而變大,在50%時(shí)同樣下降了一些,說(shuō)明參數(shù)取值范圍在50%時(shí),模擬情況會(huì)有比較大的誤差。另外,當(dāng)參數(shù)取值范圍為10%時(shí),模型模擬的MDAP有689次為0的情況;當(dāng)參數(shù)取值范圍為20%時(shí),模型模擬的MDAP有2 340次為0的情況;當(dāng)參數(shù)取值范圍為30%時(shí),模型模擬的MDAP有4 212次為0的情況(圖3);當(dāng)參數(shù)取值范圍為40%時(shí),模型模擬的MDAP有6 157次為0的情況,HWAM有451次為0的情況;當(dāng)參數(shù)取值范圍為50%時(shí),模型模擬的MDAP有8 099次為0的情況,HWAM有 1 540 次為0的情況。由此可得,取值范圍為30%時(shí),模擬的效果最好,但DSSAT模型對(duì)HWAM的模擬效果略差。

        3 討論與結(jié)論

        由圖1可知,輸出變量的CV會(huì)受到參數(shù)取值范圍的影響,并且同一輸出變量的CV在不同參數(shù)取值范圍內(nèi)呈線性增加。但是HWAM的CV過(guò)大,這可能跟參數(shù)取值范圍過(guò)大有關(guān),某些參數(shù)的取值超過(guò)了它的極限。

        由表3可知,P值和TDCC顯示出不同參數(shù)的取值范圍對(duì)敏感性參數(shù)的排名并無(wú)顯著差異,但是排名并不一樣,并且最敏感參數(shù)基本完全一致??墒窃诿舾行苑治鰰r(shí),當(dāng)參數(shù)取值范圍在10%或50%時(shí),可能會(huì)使部分敏感性參數(shù)變成不敏感參數(shù),由此得到一個(gè)錯(cuò)誤的敏感性分析結(jié)果。

        本研究由于低估了灌溉對(duì)棉花生物量的影響,導(dǎo)致CWAM的模擬效果比較差。在敏感性和不確定性分析中,應(yīng)統(tǒng)計(jì)實(shí)測(cè)值的大概變化范圍,因?yàn)楫?dāng)參數(shù)取值范圍過(guò)小時(shí),就不能反映出實(shí)測(cè)值的變化程度,而當(dāng)參數(shù)取值范圍過(guò)大時(shí),又會(huì)大大超出實(shí)測(cè)值的變化程度,所以確定好實(shí)測(cè)值的大概變化范圍,才能選擇出恰當(dāng)?shù)膮?shù)取值范圍。

        本研究結(jié)論:(1)參數(shù)取值范圍變大,輸出結(jié)果的CV也會(huì)隨著增大,但是它們的平均值會(huì)表現(xiàn)出下降的趨向;(2)不同的參數(shù)取值范圍會(huì)對(duì)參數(shù)的敏感性分析結(jié)果產(chǎn)生一定程度的作用,即使它不會(huì)影響判別最敏感參數(shù)的個(gè)數(shù),但是當(dāng)參數(shù)的取值范圍處于極端時(shí)(10%或50%),就會(huì)致使某些敏感性參數(shù)成為不敏感參數(shù);(3)當(dāng)參數(shù)取值范圍太小時(shí),輸出變量就不容易呈現(xiàn)出實(shí)測(cè)值的變化范圍,當(dāng)參數(shù)取值范圍過(guò)大時(shí),輸出變量就容易和實(shí)測(cè)值不符;(4)根據(jù)試驗(yàn)得出參數(shù)默認(rèn)值±30%是CROPGRO-cotton模型敏感性分析和不確定性分析最佳參數(shù)取值范圍,本研究方法可以幫助其他模型在進(jìn)行敏感性分析和不確定性分析時(shí)提供對(duì)照。

        參考文獻(xiàn):

        [1]Li N,Yao N,Li Y,et al. A meta-analysis of the possible impact of climate change on global cotton yield based on crop simulation approaches[J]. Agricultural Systems,2021,193:103221.

        [2]Jacot J,Kiniry J R,Williams A S,et al. Use of PhenoCam measurements and image analysis to inform the ALMANAC process-based simulation model[J]. Journal of Experimental Agriculture International,2021:120-144.

        [3]劉 剛,謝 云,高曉飛,等. ALMANAC作物模型參數(shù)的敏感性分析[J]. 中國(guó)農(nóng)業(yè)氣象,2008,29(3):259-263.

        [4]李 穎,趙國(guó)強(qiáng),陳懷亮,等. 基于冬小麥農(nóng)業(yè)氣候分區(qū)的WOFOST模型參數(shù)標(biāo)定[J]. 應(yīng)用氣象學(xué)報(bào),2021,32(1):38-51.

        [5]蔡 福,米 娜,明惠青,等. WOFOST模型蒸散過(guò)程改進(jìn)對(duì)玉米干旱模擬影響[J]. 應(yīng)用氣象學(xué)報(bào),2021,32(1):52-64.

        [6]李 明. 基于WOFOST模型的春小麥產(chǎn)量預(yù)測(cè)方法研究[D]. 泰安:山東農(nóng)業(yè)大學(xué),2020.

        [7]楊艷敏,歐陽(yáng)竹,王淑芬. 基于COTTON2K的華北平原和新疆2個(gè)棉區(qū)棉花耗水特征比較[J]. 華北農(nóng)學(xué)報(bào),2012,27(增刊1):229-233.

        [8]Attia A,Rajan N,Nair S S,et al. Modeling cotton lint yield and water use efficiency responses to irrigation scheduling using Cotton2K[J]. Agronomy Journal,2016,108(4):1614-1623.

        [9]楊艷敏,劉小京,歐陽(yáng)竹. COTTON2K在新疆棉花精準(zhǔn)種植管理中的應(yīng)用[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2005,13(3):123-126.

        [10]徐瑞陽(yáng). 基于DSSAT-SUBSTOR模型的東北地區(qū)馬鈴薯單產(chǎn)模擬和種植成本效益分析[D]. 北京:中國(guó)農(nóng)業(yè)科學(xué)院,2021.

        [11]徐春萌,田芷源,陳 威,等. 基于DSSAT作物模型的中美大豆主產(chǎn)區(qū)單產(chǎn)模擬與驗(yàn)證[J]. 農(nóng)業(yè)工程學(xué)報(bào),2021,37(3):132-139.

        [12]李翊塵,史培軍. 基于DSSAT模型的河套平原春小麥灌溉方案優(yōu)化[J]. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2020,56(5):728-739.

        [13]Mack L,Boote K J,Munz S,et al. Adapting the CROPGRO model to simulate chia growth and yield[J]. Agronomy Journal,2020,112(5):3859-3877.

        [14]李 波,孫翔龍,姚名澤,等. 溫室秸稈不同還田量條件下DSSAT-CROPGRO-Tomato模型的調(diào)參與驗(yàn)證[J]. 生態(tài)學(xué)雜志,2021,40(3):908-918.

        [15]趙子龍. 基于CROPGRO-Tomato模型東北寒區(qū)溫室番茄水分生產(chǎn)函數(shù)研究[D]. 沈陽(yáng):沈陽(yáng)農(nóng)業(yè)大學(xué),2018.

        [16]王連喜,張 陽(yáng),李 琪,等. 作物模型參數(shù)敏感性分析現(xiàn)狀與展望[J]. 氣象科技,2018,46(2):382-389.

        [17]崔金濤,丁繼輝,Yesilekin N,等. 基于EFAST的CERES-wheat模型土壤參數(shù)敏感性分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2020,51(12):276-283.

        [18]Foscarini F,Bellocchi G,Confalonieri R,et al. Sensitivity analysis in fuzzy systems:integration of SimLab and DANA[J]. Environmental Modelling & Software,2010,25(10):1256-1260.

        [19]宋明丹,馮 浩,李正鵬,等. 基于Morris和EFAST的CERES-wheat模型敏感性分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2014,45(10):124-131,166.

        [20]李 波,李長(zhǎng)信,姚名澤,等. 不同灌水處理下CROPGRO-Tomato模型全局敏感性和不確定性分析[J]. 沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào),2020,51(2):153-161.

        [21]Scosyrev E,Pethe A. Confidence intervals for exposure-adjusted rate differences in randomized trials[J]. Pharmaceutical Statistics,2021.

        [22]Hemming K,Taljaard M. Why proper understanding of confidence intervals and statistical significance is important[J]. The Medical Journal of Australia,2021,214(3):116-118.

        [23]丁潤(rùn)霞,黃韓亮. 正態(tài)分布概率區(qū)間模糊數(shù)及測(cè)度問(wèn)題[J]. 佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版),2021,39(4):147-151.

        [24]梁 駿. 水文設(shè)計(jì)值置信區(qū)間計(jì)算方法研究[D]. 楊凌:西北農(nóng)林科技大學(xué),2016.

        欧美日韩国产在线人成dvd| 国产如狼似虎富婆找强壮黑人| 爱情岛论坛亚洲品质自拍hd | 国产av一区二区三区丝袜| 国产盗摄一区二区三区av| 一本色综合网久久| 成人免费一区二区三区| jlzzjlzz全部女高潮| av在线不卡一区二区三区| 草草影院ccyy国产日本欧美 | 亚洲av无码乱码国产麻豆 | 日本边添边摸边做边爱喷水| 国产免费丝袜调教视频| 亚洲一区二区三区在线观看播放| 日本高清一区二区在线播放| 色偷偷888欧美精品久久久| 在线播放无码高潮的视频| 成年人免费黄色h网| 最新国产激情视频在线观看| 制服丝袜中文字幕在线| 亚洲精品你懂的在线观看| 亚洲av精品一区二区三 | 天天躁夜夜躁狠狠躁2021a2| 少妇内射视频播放舔大片 | 亚洲国产精品久久性色av| 国产成人午夜高潮毛片| 大伊香蕉在线精品视频75| 欧美一级视频在线| 手机在线观看av资源| 亚洲av无码一区二区三区人| 欧美性久久| 97超碰国产一区二区三区| 无码国产成人午夜电影在线观看| 午夜dj在线观看免费视频 | 国产剧情国产精品一区| 人妻少妇喷水意淫诱惑| 精品国产一区二区三区三级| 免费国产黄网站在线观看| 亚洲欧洲AV综合色无码| 与最丰满美女老师爱爱视频| 亚洲avav天堂av在线网毛片|