一、重庆市小麦生产与气象（论文文献综述）
聂倩文[1]（2021）在《基于水足迹的区域农业发展评价 ——以长江经济带为例》文中研究说明水资源作为生态系统与社会经济系统发展过程中重要的自然资源,保证人类生产生活中水资源的高效利用对水资源的保护与可持续发展具有重要意义。长江经济带作为我国粮食主产区,区域内有六大商品粮生产基地,农业用水占区域供水量50%以上。但是近年来随着水资源分布不均、水域管理薄弱、水污染问题日益严重,水资源短缺严重制约了区域农业可持续发展。探究长江经济带地区作物生产水足迹的时空演变规律,评价区域农业用水效率,可为长江经济带地区高效发展农业,合理利用水资源,保障区域粮食安全水平与水环境安全提供重要依据。主要结果如下:（1）长江经济带地区作物水足迹呈现波动下降后小幅上升趋势,绿水足迹总量最大,作物生育周期内消耗水主要是自然降水。各作物中,水稻生产水足迹中绿水占比最大为51.48%,而小麦和玉米生产水足迹中蓝水占比最大分别为41.64%和42.15%。相较而言,小麦和玉米的生产更依赖于灌溉水,水稻生产则更依赖于自然降水。（2）长江经济带上中下游地区作物生产水足迹分布差异明显,总体呈现中游地区高,上下游地区较低的分布格局。长江经济带地区水足迹中心整体呈现向中下游移动的趋势,长江经济带农业生产发展应注意中下游各地市因地制宜选择抗逆品种,提升农业机械化水平,保证粮食产量。（3）2008～2017年三种作物中水稻水分利用效率相对较高并且呈现逐年增加的趋势,2008年、2012年及2017年水稻水分利用效率分别为1.61 kg/m3、1.66 kg/m3及1.84 kg/m3;其次为玉米,研究期间变化较为稳定为1.55;小麦水分利用效率最低,呈现小幅增长趋势,均值为1.16 kg/m3。上、下游地区各作物水分利用效率逐年向好,中游地区应在保证规模化生产的同时注意提升其水分利用效率。（4）长江经济带总体粮食安全水平与水环境安全水平均在提升,其中中游地区农业发展水平最高,大部分城市可同时保障粮食安全与水环境安全;上、下游地区均存在水环境安全问题,应根据本地自然条件优化种植品种,通过实时监测按需施肥保障水环境安全;此外上游地区也应对区域内粮食种植区域进行规划,种植经济作物的同时也须保证粮食作物种植以保障区域粮食安全水平。
冒颖[2]（2021）在《作物生产水足迹空间尺度效应定量评价》文中研究说明作物生产水资源消耗的定量评价具有高度的空间尺度依赖性,且随着空间尺度的变化产生不同的强度和效果。作物生产水足迹被视作科学精准全面的农业用水评价指标,相关评价研究已经涉及各个水资源管理中常用的空间尺度,但是各研究都独立于某个特定的空间尺度,对于用同一研究方法下的同一作物,同一地区,同一研究时段,不同的研究之间常常出现研究结果不同的现象,导致研究结果最终难以有效地用于农业水资源相关的决策。农业用水需要明确空间差异在不同空间尺度之间转换时所产生的变化和响应机制。目前,不同空间尺度间作物生产水足迹间的差异处于定性描述研究阶段,还没有作物生产水足迹空间尺度效应的定量研究。本研究以2000-2014年中国小麦生产水足迹为例,核算研究时段内中国五个不同空间尺度区域的小麦水足迹,通过空间分析、序列检测、数量统计分析等方法实现作物生产水足迹空间尺度效应的定量解析。主要研究结论如下:（1）基于同种方法核算的各空间尺度小麦生产水足迹中灌溉输配水损失产生的蓝水足迹占比蓝水足迹比重为31%-34%之间,差异主要由各空间尺度灌溉水损失产生的蓝水足迹不同造成。通过时间序列检验,研究时段内生产水平提高,使单产水平的稳定提高的同时,耗水总体减少,造成小麦单位生产水足迹、蓝水足迹、绿水足迹均呈现显着下降趋势,其中蓝水足迹显着于绿水足迹。（2）通过不同的空间尺度上小麦生产水足迹分布的对比,得出:不同空间尺度小麦生产水足迹所表现出分布特征大致相似。作物生产水足迹的值与作物生长地区的具体的自然条件,农业生产水平等息息相关,水足迹的空间分布正体现着生长地区间的空间异质性,所以不同的空间尺度上小麦水足迹、蓝水足迹、绿水足迹的具体空间分布又存在差异;升尺度过程中,大空间尺度的水足迹值均衡了众多小空间的空间异质性,因此这种差异在升尺度至一级流域片区表现尤为明显。（3）通过空间自相关分析得出,虽然中国各空间尺度小麦水足在大部分区域聚集性不显着,但是依然存在极少数显着聚集区域。各空间尺度上,小麦生产蓝水足迹聚集显着性大于绿水足迹。县级尺度小麦生产水足迹聚集显着性最低,空间关联情况呈现为:散点区域聚集分布;而三级流域尺度最大,空间关联情况呈现为片区聚集分布。（4）影响作物生产水足迹的因素在不同空间尺度上对其水足迹影响程度不同,尤其升尺度至一级流域尺度时,与其他空间尺度相比,影响作物生产水足迹的主要因素变化最大。
陈轩敬[3]（2020）在《长江流域农牧系统氮素向河流和近海的迁移特征》文中认为农牧系统既是粮食、果蔬和肉蛋奶的主要生产来源,也是水环境氮素污染的主要排放源。在过去几十年中,中国的农牧系统处于快速发展和转型阶段,生产过程造成的水环境代价巨大。长江流域是中国粮油和畜禽产品主产区之一,承担中国约40%的粮食、49%的猪肉及30%的禽蛋产量。由于单位面积畜禽粪尿的氮素负荷及农田养分投入量高,在长江流域独特的地形地貌、发达水系等自然条件的影响下氮素从农牧系统向水体的损失风险高,不仅对流域水质量安全产生威胁,水体氮素营养盐还会随河道迁徙影响下游和近海的水环境。然而,目前对农牧系统中氮素在区域尺度的流动、水环境代价评估和调控策略等方面的研究均处于独立拆分状态,尤其是关于氮素从陆地输入-河流转移-河口输出的全过程流动和转移规律的定量认识和方法研究还有待完善及建立。了解长江流域中氮素从陆地-支流-干流-河口输出的空间迁移规律及其主要污染来源和影响因素,可因地制宜地提出长江流域农牧系统生产和水环境保护协调发展的策略。本文主要研究目的是在子流域尺度建立量化评估农牧系统氮素向河流和近海水环境的迁移特征的方法,提高对氮素从陆地输入-河流转移-河口输出全过程的流动特征和水体氮素营养盐的环境效应的认识。本文以长江流域为案例分析,基于多年种植和养殖信息、土壤、气象、土地利用、水文以及其他流域数据资料,并通过耦合作物生长模型（WOrld FOod Study,WOFOST）,食物链养分流动模型（Nutrient Flows in Food chains,Environment and Resources use,NUFER）和流域营养盐输出模型（Model to Assess River Inputs of Nutrients to seAs,MARINA）,建立农牧系统向河流水体和近海排放氮素营养盐的综合评估模型,对长江流域的农牧系统氮素流动特征,水体氮素营养盐负荷水平,空间分布特征以及河流氮素营养盐季节性输出特征等进行定量化分析。本文主要研究结果如下。1.利用食物链养分流动模型,分析长江流域主要省市农牧系统的氮素流动特征,明确农牧系统氮素输入和环境损失时空变化特征和主要驱动力。2015年长江流域农牧系统的氮素输入总量为2.11×104 Gg,比1980年增长2.64倍;主要输入源是农田的氮肥输入和畜禽系统的饲料进口输入,分别贡献了氮素输入总量的57%和28%。其中氮素输入量主要增长时间段是在1980-2005年间。近十年（2005-2015）间氮素输入量仅增长1.3×103 Gg。1980年到2015年间作物主产品和秸秆中的氮素总量从5.4×103 Gg增长至9.7×103 Gg,而动物主产品和副产品的氮素输出量从0.4×103 Gg增长至1.3×103 Gg。基于省域尺度的单位耕地农牧系统氮素输入和环境损失时空分布特征显示,1980-2015年长江流域农牧系统单位面积的氮素输入量和损失量呈现上中游逐渐超越下游的趋势,尤其是四川省、贵州省和湖北省成为单位面积农牧系统氮素输入和损失明显增长的区域。另外,通过对重庆地区的案例分析发现,瓜果蔬菜类等经济作物产品和动物产品输出量均与农牧生产体系的氮肥消耗量和氮素损失量呈现显着的正相关关系。因此,资源投入量较高的经济作物种植面积和畜禽产品输出量的增长是改变区域氮素流动特征的主要驱动力。2.通过耦合流域营养盐排放MARINA模型和作物生长WOFOST模型,定量化长江流域农田不同作物系统的氮素输入量和向水体排放的可溶性无机氮（Dissolved Inorganic Nitrogen,DIN）量。通过对长江流域12类常见作物系统分析表明,2012年总氮投入量约为18000 Gg;其中单季稻（2310 Gg）、小麦（2621 Gg）、玉米（1873 Gg）、马铃薯（1562 Gg）和蔬菜（3880Gg）的氮素投入量之和占到总量的三分之二左右。其他的三分之一的氮素主要投入于早稻（672Gg）、晚稻（748 Gg）、大豆（523 Gg）、棉花（439 Gg）、油菜（1136 Gg）、果树（1171 Gg）及其他类作物（1014 Gg）上。除大豆和其他类作物外,大多数作物生长所需的氮素输入是依赖于化学氮肥的施用,化学氮肥对氮素输入总量的贡献率为56-78%;畜禽粪尿还田对流域作物生产总氮输入量贡献约为11%,但其中约有一半是施用在蔬菜上。2012年农田中约有6000Gg的氮素以DIN的形式损失进入到水体中;其中单季稻、小麦和蔬菜三种作物对水体DIN的排放贡献约占总量的50%。从空间分布上看,2012年长江中游和下游的子流域中农田生产过程中向水体损失的DIN量(2079-7029 kg N km-2 year-1)要高于上游的子流域(208-3381 kg N km-2 year-1)。但在不同子流域,农田向水体排放的DIN的主要作物源各不相同,蔬菜是长江所有子流域水体DIN输入的重要来源之一,贡献值为20-33%,也是子流域金沙、嘉陵、岷江、洞庭、鄱阳和中游干流中水体DIN负荷的主要作物源;薯类生产是乌江和上游干流中水体DIN负荷的主要作物源;而小麦和水稻分别就是长江下游和长江三角洲水体DIN负荷的主要作物源,二者贡献值加和约为50%。3.通过耦合流域营养盐排放MARINA模型和食物链养分流动NUFER模型,定量化长江流域不同动物粪尿氮素资源量和向河流水体排放的DIN量。研究结果表明,2012年长江流域畜禽粪尿中氮素资源总量为5773 Gg year-1,其中生猪、牛类、禽类、羊类和马类养殖分别占总量的75%、11%、4%、9%和0.3%。粪尿中氮素资源总量中有1940 Gg N year-1以DIN形态进入河流水体环境。点源排放是畜禽粪尿向河流水体输入DIN是主要损失途径,生猪、牛类、禽类、羊类和马类养殖产生的粪尿以点源形式损失分别占单个动物养殖向水体排放DIN总量的66%、49%、85%、89%和89%。在空间分布上,2012年长江流域畜禽动物产生的粪尿向水体损失的DIN整体呈现从上游区域到下游区域逐渐增长的趋势。但存在上游干流子流域的畜禽粪尿向河流损失的DIN水平高达1526 kg N km-2,仅次于下游子流域。在各个子流域中,畜禽粪尿向河流水体损失的DIN量基本都是以生猪生产占据主导地位,生猪生产占畜禽粪尿对水体DIN输入总量的55-85%。4.针对原流域营养盐排放MARINA 1.0模型在季节性尺度量化河流氮素营养盐排放特征的不足,本文通过定量化季节性河流水体的点源和面源氮素的输入,并考虑季节性气候变化和人为活动对氮素在河道迁移的影响等,开发了可用于评估季节性河流氮素营养盐排放特征的MARINA1.1模型版本。利用该模型对2000年长江流域季节性河流DIN排放特征进行定量研究。结果表明,2000年大约有1.5×104 Gg总量的氮素输入（化学肥料、畜禽粪尿、居民排泄物、生物固定和大气沉降）到长江陆地生态系统,成为面源污染的主要来源。其中春夏秋冬四季分别占输入总量的31%、35%、23%和11%,具有明显的季节性差异。化学氮肥是春季大多数子流域氮素输入的主要来源,占比约为36-70%;化学氮肥和氮沉降是夏季大多数子流域的主要氮素输入源。面源和点源（畜禽粪尿直排、污水排放和居民排泄物直排）的氮素进入河流水体后通过在长江支流和干流的迁移,最终向近海区域排放DIN约为680 Gg N year-1,其中约为40%是来自于夏季。农业面源污染在春季、夏季和秋季均为河流DIN排放的主要污染源,对各子流域向河口排放的DIN的贡献值在43-85%之间。冬季时,点源排放成为河流DIN排放的主要污染来源,其中向地表水直接排放的畜禽粪尿为主要污染源。季节性DIN的排放差异,除了受季节性点源和面源氮素损失的影响,还受气温变化,人类活动用水和水库季节性蓄水的影响。在空间分布上看,长江河口排放的DIN更多的是由中游和下游人类活动中输出。中下游流域面积仅占整个流域的45%,但DIN排放量占总量的79%。综上所述,本文通过食物链养分流动模型、作物生长模型及河流营养盐输入模型的耦合分析,在子流域尺度模拟评估氮素从农牧系统输出至水体、从支流迁徙到干流、从上游迁徙到下游,最后通过河口进入近海的全过程,突破了前人在氮素单一流动环节研究的局限性,可以系统性探索农牧系统中氮素损失对河流水体及近海区域水环境变化的响应机制。并在原MARINA模型的基础上,通过模型耦合和算法优化,首次实现了在子流域尺度定量化评估不同作物和动物的向水体排放DIN量的差异和河流DIN季节性排放特征,并通过实测的水体DIN数据,统计作物单产和发表文献结果等多种方式比较对模型估算结果进行校正。基于本文的研究结果,可以在不同时空尺度,更有针对性的优化设计农牧系统的氮素调控方案,降低农牧生产带来的潜在水环境污染风险,为流域水体氮素负荷的宏观调控提供了新的思路。
姚志凤[4]（2019）在《小麦条锈病早期检测与预测预报关键技术研究》文中认为小麦条锈病是影响我国小麦优质、高产的重要真菌性气传病害,具有分布广、流行性强、危害大等特点。加强对小麦条锈病的早期检测和预测预报,对于减少经济损失、控制农药滥用、保证粮食安全具有重要的意义。本研究利用光谱分析、图像处理、GIS及机器学习等新一代信息技术手段与传统植物保护技术融合的方式,探究小麦条锈病的发病机理、病害光谱特征和传播规律,开展基于热红外和高光谱技术的小麦条锈病早期快速诊断、病害识别与严重度评估,基于Arc GIS和拉格朗日混合单粒子轨迹模型的小麦条锈病夏孢子时空动态分布,基于生境信息的智能化预测预报技术研究,以期为小麦条锈病早期诊断和预测预报提供新思路、新方法和新途径。论文主要内容与结论如下:（1）提出了一种基于热红外成像技术的小麦条锈病早期检测方法,实现了小麦条锈病潜育期叶片的快速、无损检测。利用热红外成像技术连续16天采集小麦样本的热图像,探究小麦叶片温度在早期病害胁迫下的变化响应。结果发现,热红外图像可在接种后第6天将受到侵染但未显症的小麦植株与健康植株区分开来,较肉眼观察提前了4天;且随接种天数的增加,健康小麦叶片平均温度和最大温差无明显变化,而接种病菌的小麦叶片的平均温度呈逐渐下降趋势,最大温差则逐渐增大,接种后第16天,接种叶片的平均温度比健康叶片低2.22℃,最大温差比健康叶片高1.8℃。（2）针对小麦条锈病病情严重度主要依靠植保专家根据经验目测定级,存在劳动强度大、效率低的问题,提出了一种基于热红外成像技术的小麦条锈病严重度定量评估方法。在对不同严重度的小麦条锈病叶片的热红外图像有效增强的基础上,分别采用最大类间方差法和温差阈值法提取染病区域,并根据条锈病染病区域占总叶片面积的比例对小麦条锈病病害严重程度进行评估。通过计算64个样本的染病面积占比,并与实际植保人员目测的病情严重度进行拟合分析表明,本文方法检测的病害严重度与实际病害程度相关系数R在0.97以上,说明基于热红外图像的方法可以成功提取小麦植株的病害区域并用于小麦条锈病严重度的评估分析,为小麦病害严重度评估提供了一种新的方法。（3）提出了一种基于高光谱成像技术的小麦条锈病早期检测方法。连续采集不同侵染天数下小麦叶片的高光谱图像和相应的叶绿素含量,通过化学计量法研究小麦条锈病早期胁迫阶段,叶片的叶绿素含量与高光谱信息的响应特性,并建立了基于PCA-BPNN的小麦叶片叶绿素的预测模型,校正集决定系数RC2和预测集决定系数RP2分别为0.921和0.918。同时,利用数字图像处理技术,绘制小麦条锈病潜育期的叶绿素可视化分布图,实现了小麦病害早期侵染检测的可视化。结果表明,基于高光谱的小麦条锈病可视化检测方法可在条锈病侵染后第6天检测到小麦病斑,较肉眼观察提前了34天。（4）针对小麦条锈病与白粉病在田间常常混合发生,却因病源和发病机理不同而需要鉴别区分和对症下药的问题,提出了一种基于高光谱成像技术的小麦不同病害的诊断与鉴别方法。利用HyperSIS高光谱成像系统采集小麦条锈病、白粉病和小麦健康叶片的光谱数据,通过PCA、SPA、CSAR等方法提取光谱特征,建立LS-SVM和ELM病害分类模型,并对模型进行识别试验。结果表明,PCA-ELM识别模型最优,对校正集和预测集的预测准确率分别为99.58%和100.00%,且该模型仅包含560nm、680nm和758nm 3个波段,为开发便携式小麦病害鉴别仪器提供了依据。（5）小麦条锈病病原菌孢子随气流传播是病害大规模爆发流行的根源,针对这一特点,提出了一种基于夏孢子时空动态分布的小麦条锈病预测模型。利用Arc GIS和全球再分析数据,建立基于拉格朗日混合单粒子轨迹的数值模型,对小麦条锈病夏孢子进行大区域长时间序列的传播轨迹和沉降模拟。结果表明,小麦条锈病夏孢子的传播呈现本地传播与省际间相互传播两种方式,既存在本地迭代进化,也存在不同省市间交叉扩散,为我国小麦条锈病周年侵染循环理论提供了高空气流的佐证;同时,单次的小麦条锈病外传轨迹与沉降分析,可用于突发性天气下,即时模拟预报空中病菌孢子的扩散趋势,为条锈病的短期预报提供支持;而大尺度长时间序列的多次传播轨迹聚类、沉降叠加分析,为气传性小麦条锈病病害远程传播的中长期预测提供了一种新思路。（6）针对现有模型多以数理统计分析为主,预测稳定性差的问题,提出了一种基于生境信息的小麦条锈病预测模型。在对小麦病害生境信息相关性分析和有效降维的基础上,分别建立了反向传播网络和支持向量机的小麦条锈病预测模型,并通过遗传算法和粒子群算法优化网络参数和结构,最终建立GA-BP和PSO-SVM的预测模型。结果发现,两个模型的校正集的准确率均为100.00%,但在预测集的准确率上,PSO-SVM优于GA-BP模型,且平均耗时更短,表明基于SR-PSO-SVM的小麦条锈病预测模型更适用于小麦条锈病流行程度的中长期预测。
俞书傲[5]（2019）在《气候变化对农作物生产的影响 ——以浙江为例的实证研究》文中研究指明近年来,以气温升高为主要特征的全球气候变化已经成为全世界关注的焦点问题。中国是全球气候变化的敏感区和影响显着区,1951～2017年我国升温率达到了每10年0.24℃,明显高于同期全球平均水平。我国是人多地少的人口大国,保持粮食等主要农产品生产的稳定增长,确保国家粮食安全尤其口粮安全,一直是我国农业政策的核心目标。随着我国经济的快速增长,我国农业的区域格局已发生了重大变化。作为经济最发达的沿海省份之一,浙江已从过去的粮食主产区转变为主销区,如何实现浙江等主销区粮食等主要农产品的稳定增长,对确保国家粮食安全具有十分重要的战略意义。为此,浙江省委省政府于2016年提出要积极应对气候变化对农业的不利影响,增强农业适应气候变化能力,提高省内农业生产稳定性。因此,在此背景下,研究气候变化对浙江农业的影响问题,具有十分重要的现实意义。本文在全面综述国内外相关研究的基础上,基于1987～2016年气候数据,首先采用气候倾向率和Mann-Kendell气候突变检验等气候统计学方法,刻画了过去30年浙江气温、降水量和日照等三大气候要素的变化特征;然后运用H-P滤波分析技术,对浙江水稻（早稻和中晚稻）、小麦、玉米、大麦、大豆、薯类和油菜等8种主要农作物的单位面积产量分解为趋势单产和气候单产,并根据相对气候产量、平均减产率和减产变异系数等指标来分析气候变化对浙江主要农作物生产波动的影响。在此基础上,基于1996～2015年全省73个县（区、市）的农业投入产出数据和17个地面气象观测站的气候数据,采用空间计量经济学模型方法,构建了包含气候要素、社会经济要素和生产投入要素的空间误差面板模型,实证分析气温、降水和日照等气候因素变化以及极端高温（低温）和极端降水等极端气候事件对浙江8种主要农作物生产的边际影响。进一步地,基于全要素生产率理论,运用DEA-Malmquist方法,实证估计了考虑气候要素变化情况下的浙江农业全要素生产率及其技术进步指数、技术效率和规模效率,并与不考虑气候要素变化情况下的浙江农业全要素生产率进行对比分析,以反映气候变化对浙江农业全要素生产率的影响。基于上述实证研究结果,本文进一步提出浙江农业应对气候变化的相关政策建议。本文的主要研究结论有:（1）气温升高已经成为浙江最近30年气候变化的主要特征,增温速率达到了 0.42℃/10a,高于全国平均水平。降水量和日照均值未出现明显变化,但存在一定的年际波动及地区和季节差异。（2）近30年气候变化对浙江不同农作物单产波动的影响程度存在明显差异,水稻受气候变化的影响较小,气候歉年和灾年次数最少;而玉米、小麦、大麦和油菜等旱田作物的气候灾年数量较多,气候平均减产率较高,减产变异系数也高于其他作物,受气候变化冲击影响较大。（3）不同气候要素变化对不同农作物单产的边际影响存在明显的差异。生长期有效积温变化对早稻、中晚稻、小麦和油菜单产的影响呈现出先上升后下降的倒“U”型态势,气温每升高1℃对这4种作物将分别增产3.61%～4.42%、2.95%～3.64%、3.12%～3.63%和 1.14%～2.18%。有效积温对玉米和大豆单产的影响显着为负,但气温每升高1℃可使玉米和大豆减产不大。生长期降水量对小麦、大麦、薯类和大豆单产的影响也呈现出先上升后下降的倒“U”型态势,其中降水量增加对薯类单产的边际增产效应最明显。生长期降水量对早稻、中晚稻和玉米单产的影响显着为负。生长期日照时长对所有农作物单产的影响并不明显。（4）极端气候事件对农作物单产的负面影响非常明显,其中极端高温天数每增加]天,可使早稻和中晚稻分别减产3.9%～5.1%和2.3%～2.8%,极端低温天数每增加1天,油菜将减产0.5%～0.8%;中晚稻平均每年因生长期内极端降水减产的幅度也达到了 14.1-17.7公斤/亩。（5）农作物生产中的自然适应和人为适应可在一定程度上缓解气候变化对农作物的增产或减产影响,提高农作物单产稳定性;化肥、机械和灌溉等生产要素投入与温度和降水变化之间存在明显的替代关系,而与日照的关系并不明显。（6）气候变化阻碍了浙江农业生产前沿面的提升,对浙江农业TFP产生负面影响,并在省内存在明显的时空差异,平原地区农业TFP受气候变化影响的程度大于沿海地和山地丘陵地区,这意味着忽略气候变化因素可能会高估浙江农业TFP。随时间推移,气候变化对浙江农业TFP的负面影响呈现出覆盖面扩大、程度增强的趋势,这意味着未来气候变化对浙江农业TFP的不利影响可能会进一步加深。（7）为应对气候变化对农业的不利影响,本文提出了调整作物种植结构、促进农业稳产增产,改进田间管理技术、缓解极端天气影响,加强农业技术培训、提高农户适应能力和完善气候预警机制、做好事前事先应对等四方面的政策建议。本文的主要贡献是:（1）在研究内容上,本文以8种农作物为研究对象,揭示了气候变化对不同农作物生产的影响差异;同时本文以浙江为例研究了气候变化对农业的影响问题,拓展了现有相关研究,研究结果更具现实针对性。（2）在研究视角上,本文从单产波动性、单产边际影响和农业TFP等3个方面来研究气候变化对农业的影响问题,拓展了现有研究主要从单产边际影响视角来研究的局限性。（3）在研究方法上,本文一方面引入农学和气候学领域中的概念与方法分析气候变化条件下农作物单产波动性,另一方面构建了包含标准化空间权重矩阵的空间误差面板模型来实证估计气候变化对农作物单产的边际影响,同时还将气候变化因素引入了农业TFP的研究,考察了气候变化对农业TFP的影响问题,这在现有研究中尚不多见。
陈绘[6]（2019）在《重庆市干旱时空分布及植被响应》文中研究说明我国干旱灾害频频发生,对农业、经济和社会都造成了严重的损失。湿润地区虽然降水充足,但复杂的地形和特殊的气候环境会造成降水在时空上分布不均匀,从而导致该地区发生季节性干旱。近年来,气温持续上升使得旱情更加严重。因此,探讨并研究湿润地区干旱灾害的时空分布是十分有必要的。本文以典型湿润地区重庆市为研究区域,以多年逐日气象站点观测数据、5天土壤相对湿度观测数据为基础（气象观测数据和土壤相对湿度观测数据均来自中国气象局国家气候中心）,选择并比较已有的气象干旱指数,包括相对湿润指数（M）、标准化降水指数（SPI）、标准化降水蒸发指数（SPEI）、综合干旱指数(CIspi)和修正后的综合干旱指数(CIwap),以土壤相对湿度数据为标准,选出最适合湿润地区的气象干旱指数,在此基础上对最适合的气象干旱指数、土壤相对湿度进行空间化,结合遥感数据,分析研究区干旱的时空分布规律以及植被对干旱的响应。主要研究内容和结果如下:（1）气象干旱指数的选择以2010-2013年6-9月5天的土壤相对湿度观测值（33个观测站点）为评价标准,比较M、SPI、SPEI、CIspi、CIwap指数评估研究区干旱情况的精度,结果表明M指数是最适合研究区的气象干旱指数;30天时间尺度的SPI、CIspi和CIwap指数低估了实际干旱的严重程度,而且无法识别一些中等干旱事件;30天和90天时间尺度的SPEI指数检测出的干旱程度比实际情况更加严重,也忽略了一些中等程度的干旱。而M指数所识别的三种干旱程度分类,即中等干旱、严重干旱、极端干旱,与土壤相对湿度识别干旱的结果更加一致。相关性系数和Kappa系数的分析结果进一步证明了M指数的准确性和适用性。基于长寿县、铜梁县和忠县气象站点数据,选择2011年土壤相对湿度、降水、潜在蒸散量等变量,计算与M指数的关系;以2006年特大干旱为例,调查研究区2006年的干旱发生情况,确定M指数评估干旱发生程度的适用性;并基于M指数,探讨研究区1970-2014年共45年伏旱的发展趋势。结果表明研究区每年都会发生干旱事件,其中大部分为中等干旱,且近年来伏旱的发生频率呈现轻微上升趋势。该结果也表明在全球变暖的大环境下,由温度升高所引起的潜在蒸散量增大和干旱发生频率增加不容忽视。（2）气象干旱指数的空间化最优气象干旱指数（M指数）的计算基于降雨量和潜在蒸散量,因此M指数的空间化包括降雨量空间化和潜在蒸散量空间化。选取1980-2009年重庆及周边共64个测量站点逐日气象数据,选择14种常用的潜在蒸散量模型,包括基于辐射-空气动力学方法的模型:FAO Penman-Monteith（PM）、Penman（Pe）、PenPan（PP）;基于辐射的模型:Abtew（Ab）、Jensen-Haise（JH）、Makkink（Ma）、McGuinness-Bordne（MB）、Priestley-Taylor（PT）、Turc（Tu）;基于风速的模型:Mahringer（Mah）、WMO;基于温度的模型:Hamon（Ha）、Hargreaves and Samani（HS）、Romanenko（Ro）,比较不同模型评估潜在蒸散量的精度。结果表明基于辐射-空气动力学方法的模型考虑影响因素全面,评估精度优于基于辐射、风速、温度的模型;基于辐射、风速、温度的模型只考虑部分影响因素,评估精度受到当地地形和气候的影响,计算误差也相对较大;基于辐射模型的精度略高于基于风速模型;气候变量的季节性变化是造成潜在蒸散量模型评估精度呈现季节性差异的主要原因。PM模型是精度最高的潜在蒸散量模型,用于计算研究区潜在蒸散量。根据已有文献资料,研究区降雨量以及计算潜在蒸散量需要用到的气候变量（日照、温度、相对湿度、风速等）均以经度、纬度和高程为辅助变量,采用薄板样条法（TPS）进行空间插值,使用PM模型计算空间上的潜在蒸散量,再计算研究区空间上的M指数。在此基础上,分析研究区1980-2009年年均气候变量以及年均M指数的空间分布情况。研究结果表明,渝西、渝中和部分渝东北地区的M指数相对较低,该地区降雨量较少且潜在蒸散量偏高,是干旱较为频繁的地区,而渝东南和部分渝东北地区M指数相对较高,是干旱不频发地区。（3）土壤相对湿度的空间化以2010-2014年3-9月5天的土壤相对湿度观测数据（167个气象观测站点,20 cm深度）和逐日气温观测数据（33个气象站点）为基础,比较不同空间插值方法估算土壤相对湿度的精度,包括反距离加权法（IDW）、多种克里格法（Krigings）、张力正则样条法（RST）和薄板样条法（TPS）。根据精度指标,IDW插值法的精度略优于其他方法,且计算简单,是最适合研究区土壤相对湿度空间插值的方法。使用IDW插值法,建立2010-2014年土壤相对湿度空间数据库,探讨研究区这5年干旱的时空分布。结果表明,研究区每年都发生干旱,并主要发生在8月和9月;研究区干旱具有明显的区域分布差异,易发生在渝西和渝中地区,与已有的研究结果一致,也间接证明了IDW用于研究区土壤相对湿度插值的可行性。（4）干旱时空分布及植被的响应基于2003-2009年16天的归一化植被指数（NDVI）,计算植被状态指数（VCI）,结合空间化后的M指数和土壤相对湿度,分析2006年前后共7年（2003-2009年）气候变化、植被生长状况、土壤相对湿度三者之间的关系,探索2006年重庆市伏旱的时空分布情况以及植被的响应。研究结果表明,2003-2009年多年平均气候因素以及M指数存在季节性分布差异和空间分布差异;NDVI、VCI与M指数具有较好的一致性和显着正相关关系,表明随着M指数升高,植被生长状况良好,当M指数降低到干旱临界值,植被生长也受到影响。土壤相对湿度与M指数在空间上也存在显着正相关关系,但两者的相关性系数随高程的增加而逐渐降低。以2006年伏旱为例,计算每天的M指数,统计结果表明2006年6-9月发生两次干旱,第一次干旱发生时间为6月9日-6月29日,旱情较轻;第二次干旱发生时间为7月29日-9月7日,干旱在渝西地区开始出现,并逐渐加重,8月中旬蔓延至渝中和渝东北地区,直到9月7日旱情才得以缓解。研究区干旱发生的面积占重庆市总面积的45%,中等干旱、严重干旱、极端干旱发生面积分别占重庆市总面积的19%、29%、9%,持续干旱时间最高可达52天;干旱主要发生在渝西、渝中和部分渝东北低海拔地区,而且严重干旱和极端干旱主要分布在渝西地区。NDVI以及NDVI变化率(NDVIvar)在时间和空间上与M指数具有较好的一致性。在2006年干旱情况最严重的时期,研究区中等干旱、严重干旱、极端干旱发生区域内NDVI均值与多年同期同区域NDVI均值比较,分别下降18.67%、23.64%、31.71%。渝西、渝中、渝东北、渝东南四个典型站点分析的结果也反映出植被生长状况对干旱的响应,也证明了M指数在研究区监测干旱的准确性和适用性。综上所述,本文筛选出最适合研究区的气象干旱指数（M指数）,结合土壤相对湿度以及遥感数据,在日时间尺度下探讨研究区干旱的时空分布以及植被的响应,为研究区干旱监测评估提供科学依据,对农业生产和社会经济都有着重要的指导意义。
马丽珲[7]（2019）在《基于面板数据模型的干旱对重庆市农作物产量影响研究》文中研究指明我国幅员辽阔,地理环境复杂,气候变化频繁,自然灾害影响严重。我国发生的气象灾害中,旱灾发生频率高,影响范围广,持续时间长,造成的农业损失严重。重庆市地形起伏大,属于亚热带季风性湿润气候区和旱灾多发区,干旱对重庆市农业的影响很大。加上重庆市农业基础设施不健全,生产投入资金较少,应对旱灾的能力较弱,一旦发生严重干旱,将威胁重庆市粮食安全。因此,开展重庆市干旱强度时空分布规律及其对农作物产量影响的研究,对科学地防灾减灾,合理布局农业生产,保障重庆市粮食安全及社会经济稳定具有重要的现实指导意义。本文基于19612016年重庆市34个国家级气象站点日降水量数据,以重庆市干旱标准为干旱指标,定义了季节性干旱强度指数及年干旱强度综合指数,并运用ArcGIS空间插值法、M-K检验法、Hurst指数及Morlet小波分析法研究19612016年重庆市干旱强度的时空分布规律;基于重庆市年干旱强度综合指数和农作物生育期干旱强度综合指数确定主要农作物干旱年;运用HP滤波法拟合19782015年重庆市主要农作物趋势单产,并计算其干旱年气候单产及相对气候单产;运用灰色关联分析法,探讨重庆市主要农作物气候单产波动及其对干旱的响应;运用面板数据模型,定量分析重庆市县域干旱强度对主要农作物单产的影响。主要研究结论如下:（1）重庆市干旱强度时空分布规律（1）重庆市干旱标准科学合理,但该标准只能定性判定干旱强度等级而缺乏定量化的计算方法,只能确定季节性干旱类型及其强度等级,不能反映全年干旱的综合状况。本文基于重庆市干旱标准,提出重庆市干旱强度的定义及其定量化计算公式,包括季节性干旱强度指数及年干旱强度综合指数。（2）重庆市干旱强度的区域差异大。春旱强度具有由渝西部地区向渝东北地区和渝东南地区减小的分布规律;夏旱强度具有由渝西部地区和渝东北地区向渝中部地区和渝东南地区减小的分布规律;伏旱强度是重庆市五种季节性干旱中最强的,伏旱强度具有由渝中部地区向外减小的分布规律;秋旱强度具有由渝东北地区和渝西部地区向渝中部地区和渝东南地区减小的分布规律;冬旱强度具有由渝东北地区向渝西部地区和渝东南地区减小的分布规律。重庆市年干旱强度具有从渝西部向渝东南减小的分布规律,渝西部地区年干旱强度最大,渝中部地区和渝东北地区次之,渝东南地区年干旱强度最小。渝东北的夏旱、伏旱、秋旱及冬旱强度指数极值、渝东南的伏旱及秋旱强度指数极值、渝西的夏旱及伏旱强度指数极值和渝中部的伏旱强度指数极值均可达到特重旱标准。（3）重庆市干旱强度时间变化趋势不同。春旱及冬旱强度指数总体上呈减小趋势,秋旱强度指数总体上呈增加趋势,夏旱强度指数、伏旱强度指数和年干旱强度综合指数时间变化趋势的地区差异较大。（4）重庆市年干旱强度综合指数的时间变化具有阶段性及3 a、5 a和18 a的周期性变化。近55年来重庆市经历了19611968年的较轻干旱期、19691978年的严重干旱期、19791989年的最轻干旱期及19902015年的最严重干旱期。Hurst指数预测未来短时期内年干旱强度综合指数将增强。（2）重庆市主要农作物气候单产波动及其对干旱的响应（1）HP滤波法拟合19782015年重庆市主要农作物趋势单产效果最优,21年直线滑动平均法次之,Logistic曲线拟合效果最差。多数干旱年的重庆市粮食、水稻、小麦、红苕、油菜、麻类及甘蔗气候单产和相对气候单产为负值,遇旱减产。（2）运用灰色关联分析法对重庆市主要农作物气候单产和相对气候单产与季节性干旱强度的灰色关联度进行了分析。季节性干旱与重庆市粮食气候单产和相对气候单产的灰色关联度由强到弱均依次为伏旱、秋旱、春旱、夏旱和冬旱综合强度指数。粮食作物中,季节性干旱与水稻气候单产和相对气候单产的灰色关联度由强到弱均依次为伏旱、夏旱、秋旱和春旱综合强度指数;季节性干旱与小麦气候单产和相对气候单产的灰色关联度由强到弱均依次为春旱、秋旱和冬旱综合强度指数;季节性干旱与红苕气候单产和相对气候单产的灰色关联度由强到弱均依次为伏旱、夏旱和秋旱综合强度指数。经济作物中,季节性干旱与油菜气候单产和相对气候单产的灰色关联度由强到弱均依次为春旱、秋旱和冬旱综合强度指数;季节性干旱与麻类气候单产和相对气候单产的灰色关联度由强到弱均依次为伏旱、秋旱、春旱和夏旱综合强度指数;季节性干旱与甘蔗气候单产和相对气候单产的灰色关联度由强到弱均依次为夏旱、伏旱、秋旱和春旱综合强度指数。（3）重庆市县域干旱强度对主要农作物单产的影响面板数据模型分析表明,重庆市县域干旱强度综合指数对粮食、水稻、花生、大豆和高粱单产均具有负面影响,造成上述农作物的减产。县域年干旱强度综合指数每增加1,粮食单产将减少20.88 kg/hm2,永川区遇旱保障粮食产出能力最强,城口县最弱;县域水稻生育期干旱强度综合指数每增加1,水稻单产将减少35.61 kg/hm2,大足区遇旱保障水稻产出能力最强,酉阳县最弱;县域花生生育期干旱强度综合指数每增加1,花生单产将减少6.67 kg/hm2,江津区遇旱保障花生产出能力最强,云阳县最弱;县域大豆生育期干旱强度综合指数每增加1,大豆单产将减少3.95 kg/hm2,大足区遇旱保障大豆产出能力最强,云阳县最弱;县域高粱生育期干旱强度综合指数每增加1,高粱单产将减少9.55 kg/hm2,永川区遇旱保障高粱产出能力最强,黔江区最弱。综上所述,本文在重庆市干旱标准的基础上,提出了重庆市季节性干旱强度指数和年干旱强度综合指数的定义和定量化计算公式,揭示了重庆市干旱强度的时空分布规律,得出了主要农作物气候单产和相对气候单产与季节性干旱强度的关联度,定量研究了重庆市县域干旱强度对主要农作物单产的影响。本文研究成果可为重庆市农业生产应对干旱威胁提供一定的参考和借鉴。
孙爽[8]（2018）在《中国不同区域冬小麦产量潜力及资源利用效率研究》文中研究说明在人口和粮食刚性需求增加、作物产量提升缓慢甚至发生停滞的背景下,如何进一步提升粮食产量,提高资源利用效率,实现农业的可持续发展既是关系到粮食安全的国家重大需求,也是科学研究中普遍关注的热点问题。小麦是世界三大粮食作物之一,也是我国主要粮食作物,如此严峻的形势下,解析我国不同冬麦区内冬小麦产量的限制因子及其限制程度,明确各区域小麦资源利用效率,对提升小麦产量具有理论与实践意义。本研究以我国冬小麦主产区为研究对象,基于农业气象观测站数据对农业生产系统模拟模型APSIM进行参数调整和验证,利用调参验证后的APSIM模型,考虑了不同区域间的品种更替特征,模拟分析了 1981-2015年研究区域内光温、光温水、光温水土肥潜在产量以及实际产量的高产稳产性及适宜性分布特征,定量了水分、土壤和氮肥、农户管理水平及农业技术等因素对实际产量高产性和稳产性的影响程度,并进一步评价了各冬麦区不同层次产量条件下冬小麦的资源利用效率。主要结论如下:（1）APSIM-Wheat模型对光能利用效率RUE（Radiation use efficiency）比较敏感。依据前人研究方法对各冬麦区典型站点RUE进行校验,RUE校验后模型模拟的光温潜在产量提升显着,其中冬小麦生长季内平均散射辐射比例较大的武汉（长江中下游冬麦区）和郑州（黄淮冬麦区）产量分别提升20.1%和14.9%,散射辐射比例较小的昆明（西南冬麦区）和北京（北部冬麦区）分别提升7.9%和7.6%。（2）我国冬小麦光温潜在产量的最适宜区主要分布于黄淮冬麦区的山东、河北东南部、河南西北部,以及西南冬麦区的云南北部和四川南部地区;雨养/灌溉潜在产量的最适宜区主要分布于北部冬麦区的辽宁南部,以及黄淮冬麦区的山东、河北东南部、江苏北部、安徽北部、河南北部、山西南部和陕西中部地区;气候土壤氮肥潜在产量的最适宜区主要分布于北部冬麦区的辽宁南部,黄淮冬麦区的山东南部、河南大部分地区和陕西东南部;实际产量的最适宜区主要分布于北部冬麦区东部,黄淮冬麦区东部的山东省西部、河南省北部和江苏省北部,西南冬麦区内四川省中部及长江中下游冬麦区的江苏省中部。（3）水分、土壤和氮肥以及农户管理水平及农业技术对研究区域内冬小麦产量的影响程度分别占冬小麦光温潜在产量的19.8%、11.1%和30.9%;土壤和氮肥以及农户管理水平及农业技术使冬小麦产量的变异系数增加了 5.2%和0.7%,水分使冬小麦产量的变异系数降低了 1.5%。就整个研究区域以及北部冬麦区和黄淮冬麦区而言,农户管理水平及农业技术是影响冬小麦产量高产稳产性的主要因素;在长江中下游冬麦区,水分是影响冬小麦产量高产性的主要因素,农户管理水平及农业技术是影响产量稳产性的主要因素;在西南冬麦区,农户管理水平及农业技术是影响冬小麦产量高产性的主要因素,水分是影响冬小麦产量稳产性的主要因素。（4）研究区域内不同冬麦区之间冬小麦生长季内的光能利用效率和热量利用效率为北方高于南方。水分利用效率仅长江中下游冬麦区表现为在光温水土肥生产水平下最大,说明该区域高产高效水肥管理技术提高了冬小麦的水分利用效率,而其他冬麦区不同生产水平下的水分利用效率无一致性规律;水分利用效率在不同冬麦区之间表现为北部冬麦区最小,西南冬麦区最大。氮肥偏生产力和氮肥农学效率均表现为光温水土肥生产水平下最高;不同冬麦区之间表现为北部冬麦区、黄淮冬麦区和长江中下游冬麦区高于西南冬麦区。
巩文峰,帅玉婷,马占鸿[9]（2018）在《林芝地区小麦条锈菌与气象因子的关系及流行动态模型的构建》文中研究说明为了解西藏林芝地区气象因子对小麦条锈病的影响及其流行动态,2016年采用五点取样法对林芝地区小麦条锈病的发病情况进行监测,通过相关性分析、逐步回归C（p）统计法和线性回归等方法,分析了病情指数与气象因子的关系,并结合时间和病情指数建立了病害预测模型。结果表明,在林芝地区,温度X1、湿度X2均与小麦条锈病病情指数Y呈极显着相关,降雨量X3与病情指数Y呈显着相关;线性回归方程为:Y=-482.5991+19.7494X1+3.7974X2-0.8439X3。根据模拟情况选择的病害流行动态方程为Y=1/e（0.914t+0.385）,决定系数为0.952,模型的拟合效果较好,表明该模型能够为林芝地区小麦条锈病的预测预报提供有效的参考依据。
高姣姣[10]（2016）在《重庆市主要气象灾害对农作物产量的影响及其综合评价》文中研究表明在全球变暖的大背景下,突发性及致灾性的气象灾害明显增多,对农业生产和人民生命财产造成的损失逐渐增大。重庆市地处亚热带湿润性季风气候区,受到西南季风和东南季风共同影响,气象灾害种类多,发生频率较高,对农业生产的影响较广、造成的损失较严重。因此,研究重庆市气象灾害对农作物产量的影响具有非常重要的理论和实践意义。本文利用1997-2013年重庆市农作物受灾面积以及旱灾、水灾、风雹灾和冷冻害造成的农作物受灾面积数据;农作物成灾面积以及旱灾、水灾、风雹灾和冷冻害造成的农作物成灾面积数据;农作物绝收面积以及旱灾、水灾、风雹灾和冷冻害造成的农作物绝收面积数据;粮食产量、主要粮食作物产量、主要经济作物产量等数据探索重庆市主要气象灾害的变化趋势和特点。然后利用灰色关联法分析主要气象灾害对农作物单产的影响,找出影响不同农作物的主要气象灾害。在此基础上,利用C-D生产函数,计算不同气象灾害对粮食单产的影响程度。利用日最高气温、日平均气温、日降水量等数据进行2006年特大干旱、2007年特大暴雨洪灾、2008年特大冷冻害对农作物产量影响的实证分析,最后对重庆市主要农业气象灾害进行综合评价。研究的主要结论如下:（1）1997-2013年重庆市农业气象灾害以旱灾和水灾为主,其次是风雹灾和冷冻害;从年际变化趋势来看,旱灾、水灾和风雹灾受面积呈下降趋势,冷冻害受灾面积略有上升趋势。（2）利用灰色关联法分析主要气象灾害对农作物单产的影响,得到粮食单产与四种主要气象灾害的关联序:旱灾>风雹灾>水灾>冷冻害。从农作物与气象灾害的关联趋势看,对主要粮食作物单产影响较大的气象灾害是旱灾、洪灾和风雹灾;主要经济作物与气象灾害的关联度差异较大,说明不同农作物抵抗灾害的能力不同。应采取有针对性的措施防灾减灾。（3）利用C-D生产函数分析重庆市主要气象灾害对粮食单产的影响程度,得到农作物受灾面积每增加1%,粮食单产下降0.1667%,农作物绝收面积每增加1%,粮食单产下降0.075%。农作物旱灾受灾面积每增加1%,粮食单产下将0.0924%,农作物水灾受灾面积每增加1%,粮食单产下降0.0698%,农作物冷冻害受灾面积每增加1%,粮食单产下降0.0184%。（4）对重庆市农业气象灾害进行综合评价得到:重庆市1997-2013年农业生产出现轻灾的年份占研究时段的11.76%;农业生产出现中灾的年份占研究时段的23.53%;农业生产出现重灾的年份占研究时段的29.41%;农业生产出现特大灾的年份占研究时段的35.29%。从1997-2008年、2009-2013年这两个阶段灾情综合指数的平均值看出,随着时间的推移,灾情综合指数逐渐减小。
二、重庆市小麦生产与气象（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、重庆市小麦生产与气象（论文提纲范文）
（1）基于水足迹的区域农业发展评价 ——以长江经济带为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外研究进展 |
| 1.2.2 国内研究进展 |
| 1.3 研究目标与技术路线图 |
| 1.3.1 研究目标 |
| 1.3.2 技术路线 |
| 第2章 研究区域与研究方法 |
| 2.1 区域概况 |
| 2.1.1 地理位置及经济社会定位 |
| 2.1.2 粮食作物种植情况 |
| 2.1.3 水资源概况 |
| 2.2 数据来源 |
| 2.3 研究方法 |
| 2.3.1 农作物生产水足迹计算 |
| 2.3.2 标准差椭圆分析法 |
| 2.3.3 农业用水效率评价 |
| 2.3.4 粮食安全与水环境安全评价 |
| 第3章 长江经济带农作物生产水足迹时空演变特征分析 |
| 3.1 长江经济带作物水足迹结构特征 |
| 3.1.1 主要粮食作物总水足迹构成及占比 |
| 3.1.2 水稻水足迹构成及占比 |
| 3.1.3 小麦水足迹构成及占比 |
| 3.1.4 玉米水足迹构成及占比 |
| 3.2 长江经济带农作物生产水足迹时空变化分析 |
| 3.2.1 水稻水足迹时空分布 |
| 3.2.2 小麦水足迹时空分布 |
| 3.2.3 玉米水足迹时空分布 |
| 3.3 长江经济带作物水足迹空间分布特征 |
| 3.4 本章小结 |
| 第4章 基于水足迹的长江经济带农业发展评价 |
| 4.1 作物水分利用效率评估 |
| 4.1.1 水稻水分利用效率 |
| 4.1.2 小麦水分利用效率 |
| 4.1.3 玉米水分利用效率 |
| 4.2 长江经济带粮食安全与水环境安全 |
| 4.2.1 区域粮食产量与水足迹的相关性 |
| 4.2.2 上中下游地区粮食安全与水环境安全 |
| 4.2.3 区域粮食安全与水环境安全 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 攻读硕士学位期间参加的科研工作 |
| 致谢 |
（2）作物生产水足迹空间尺度效应定量评价（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 农业用水空间尺度效应研究 |
| 1.2.2 水足迹研究 |
| 1.3 现状研究中存在的不足 |
| 1.4 研究目标和内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.5 研究技术路线 |
| 第二章 研究方法和数据 |
| 2.1 研究方法 |
| 2.1.1 各空间尺度小麦生产水足迹核算 |
| 2.1.2 小麦生产水足迹空间尺度效应分析 |
| 2.2 数据来源 |
| 第三章 中国小麦水足迹时间演变 |
| 3.1 各空间尺度小麦生产水足迹强度对比 |
| 3.2 小麦生产水足迹时间演变 |
| 3.3 本章小结 |
| 第四章 各空间尺度小麦生产水足迹空间分布及演变 |
| 4.1 小麦生产水足迹空间分布及演变 |
| 4.1.1 栅格尺度 |
| 4.1.2 县级行政区域尺度 |
| 4.1.3 三级流域尺度 |
| 4.1.4 省级行政区域尺度 |
| 4.1.5 一级流域尺度 |
| 4.2 不同空间尺度小麦生产水足迹比较 |
| 4.3 本章小结 |
| 第五章 中国各空间尺度小麦生产水足空间自相关分析 |
| 5.1 县级尺度小麦生产水足迹空间自相关分析 |
| 5.1.1 县级尺度小麦生产水足迹全局空间自相关分析 |
| 5.1.2 县级尺度小麦生产水足迹局部空间自相关分析 |
| 5.2 三级流域尺度小麦生产水足迹空间自相关分析 |
| 5.2.1 三级流域尺度小麦生产水足迹全局空间自相关分析 |
| 5.2.2 三级流域尺度小麦生产水足迹局部空间自相关分析 |
| 5.3 省级行政区域尺度小麦生产水足迹空间自相关分析 |
| 5.3.1 省级尺度小麦生产水足迹全局空间自相关分析 |
| 5.3.2 省级尺度小麦生产水足迹局部空间自相关分析 |
| 5.4 本章小结 |
| 第六章 各空间尺度小麦生产水足迹影响因素分析 |
| 6.1 各空间尺度小麦生产总水足迹影响因素分析 |
| 6.2 各空间尺度小麦生产蓝水足迹影响因素分析 |
| 6.3 各空间尺度小麦生产绿水足迹影响因素分析 |
| 6.4 各影响因素对各空间尺度小麦生产水足迹的间接作用分析 |
| 6.5 本章小结 |
| 第七章 结论 |
| 7.1 主要结论 |
| 7.2 建议 |
| 7.3 创新点 |
| 7.4 不足与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 个人简介 |
（3）长江流域农牧系统氮素向河流和近海的迁移特征（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 文献综述 |
| 1.1 农牧系统氮素输入与利用 |
| 1.1.1 中国农牧系统氮素利用变化及原因 |
| 1.1.2 国外农牧系统氮素利用与调控 |
| 1.1.3 农牧系统养分流动特征研究方法 |
| 1.2 农牧系统中氮素向水体的迁移和环境效应 |
| 1.2.1 农牧系统氮素向水环境主要损失途径 |
| 1.2.2 氮素负荷对水环境变化的影响 |
| 1.2.3 氮素在河道水体的迁移及影响因素 |
| 1.3 河流水体氮素营养盐负荷评估方法 |
| 1.3.1 流域营养盐输出模型主要分类 |
| 1.3.2 主要流域营养盐输出模型比较 |
| 1.3.3 流域营养盐输出模型的校正方法 |
| 1.4 小结 |
| 第2章 绪论 |
| 2.1 研究背景 |
| 2.2 科学问题及研究目标 |
| 2.3 研究内容 |
| 2.4 技术路线 |
| 第3章 长江流域农牧系统氮素流动特征 |
| 3.1 研究方法 |
| 3.1.1 研究区域 |
| 3.1.2 系统边界 |
| 3.1.3 模型算法 |
| 3.1.4 数据来源 |
| 3.2 结果与分析 |
| 3.2.1 长江流域系统氮素流动特征变化 |
| 3.2.2 长江流域农牧氮素输入和环境损失空间变化 |
| 3.2.3 农牧系统氮素流动驱动力分析 |
| 3.3 讨论 |
| 3.3.1 农牧系统氮素流动特征及驱动力分析 |
| 3.3.2 区域氮素管理措施分析 |
| 3.3.3 不确定性分析 |
| 3.4 小结 |
| 第4章 长江流域不同作物系统对河流氮素负荷影响研究 |
| 4.1 研究方法 |
| 4.1.1 研究区域 |
| 4.1.2 原流域营养盐输出模型-MARINA2.0 概述 |
| 4.1.3 原作物生产模型-WOFOST7.2 概述 |
| 4.2 模型构建与数据处理 |
| 4.2.1 MARINA-WOFOT模型系统构建 |
| 4.2.2 数据来源与处理 |
| 4.2.3 模型结果校正 |
| 4.3 结果与分析 |
| 4.3.1 长江流域不同作物氮素输入量 |
| 4.3.2 长江流域不同作物向河流DIN输入量 |
| 4.4 讨论 |
| 4.4.1 不确定性分析 |
| 4.4.2 作物生产系统氮素向河流迁移的调控策略分析 |
| 4.5 小结 |
| 第5章 长江流域不同动物系统对河流氮素负荷研究 |
| 5.1 研究方法 |
| 5.1.1 研究区域畜禽养殖概况 |
| 5.1.2 原流域营养盐输出模型-MARINA2.0 概述 |
| 5.1.3 原养分流动模型-NUFER概述 |
| 5.2 模型构建及数据处理 |
| 5.2.1 MARINA-NUFER模型构建 |
| 5.2.2 数据来源与处理 |
| 5.3 结果与分析 |
| 5.3.1 长江流域不同动物粪尿中氮素资源量时空分布 |
| 5.3.2 长江流域不同动物粪尿中氮素向水体迁移特征 |
| 5.4 讨论 |
| 5.4.1 不确定性分析 |
| 5.4.2 调控策略分析 |
| 5.5 小结 |
| 第6章 长江流域氮素从陆地到近海的季节性排放特征 |
| 6.1 研究方法 |
| 6.1.1 研究区域 |
| 6.1.2 原MARINA1.0模型描述 |
| 6.1.3 MARINA1.1模型开发与介绍 |
| 6.1.4 模型结果校正 |
| 6.2 结果与分析 |
| 6.2.1 长江流域子流域尺度陆地季节性氮素输入趋势 |
| 6.2.2 长江季节性DIN输出变化特征 |
| 6.3 讨论 |
| 6.3.1 模拟结果比较 |
| 6.3.2 季节性模型不确定性分析 |
| 6.3.3 调控策略分析 |
| 6.4 小结 |
| 第7章 综合讨论 |
| 7.1 长江流域未来农牧系统发展与水环境保护的挑战分析 |
| 7.2 农牧系统氮素向水体减排的政策与技术 |
| 7.2.1 流域氮素调控阈值 |
| 7.2.2 流域水体氮素污染调控政策 |
| 7.2.3 农牧系统氮素向水体减排技术措施 |
| 第8章 结论及创新点 |
| 8.1 主要结论 |
| 8.2 创新点 |
| 8.3 研究不足与未来展望 |
| 参考文献 |
| 致谢 |
| 发表论文与参与课题 |
（4）小麦条锈病早期检测与预测预报关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 小麦条锈病研究概况 |
| 1.2.2 作物病害的检测与诊断研究现状 |
| 1.2.3 作物病害预测预报技术研究现状 |
| 1.3 存在问题分析 |
| 1.4 主要研究内容 |
| 1.5 研究方法及技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 1.6 论文组织结构 |
| 第2章 材料与方法 |
| 2.1 试验材料 |
| 2.2 实验设备 |
| 2.2.1 热红外成像系统 |
| 2.2.2 高光谱成像系统 |
| 2.2.3 显微成像系统 |
| 2.2.4 SPAD-502 叶绿素仪 |
| 2.3 数据分析技术与方法 |
| 2.3.1 光谱分析技术 |
| 2.3.2 光谱数据预处理方法 |
| 2.3.3 光谱特征波段选择 |
| 2.4 模型构建与分析 |
| 2.4.1 模型构建方法 |
| 2.4.2 模型优化算法 |
| 2.4.3 模型评价指标 |
| 2.5 数据分析软件 |
| 2.6 本章小结 |
| 第3章 基于热红外图像的小麦条锈病早期检测 |
| 3.1 引言 |
| 3.2 供试样本与数据采集 |
| 3.2.1 供试小麦样本 |
| 3.2.2 热红外图像采集 |
| 3.2.3 显微图像采集 |
| 3.3 基于热红外图像的小麦条锈病早期识别方法 |
| 3.3.1 样本接种区域的温度提取 |
| 3.3.2 数据处理方法 |
| 3.3.3 小麦叶片热红外图像变化 |
| 3.3.4 小麦叶片表面温度变化 |
| 3.3.5 小麦叶片显微图像变化 |
| 3.4 基于热红外图像的小麦条锈病严重度评估 |
| 3.4.1 小麦病害严重度划分与数据获取 |
| 3.4.2 热红外图像预处理 |
| 3.4.3 热红外图像的病斑区域提取 |
| 3.4.4 病害分级结果与分析 |
| 3.5 本章小结 |
| 第4章 基于高光谱图像的小麦条锈病检测与鉴别 |
| 4.1 引言 |
| 4.2 供试样本与数据采集 |
| 4.2.1 供试小麦样本 |
| 4.2.2 光谱图像采集 |
| 4.2.3 叶绿素含量测定 |
| 4.3 基于高光谱成像技术的小麦条锈病早期诊断 |
| 4.3.1 高光谱图像预处理 |
| 4.3.2 不同侵染天数的小麦叶片光谱曲线分析 |
| 4.3.3 特征波长选取 |
| 4.3.4 叶绿素含量预测模型 |
| 4.3.5 SPAD的可视化分布 |
| 4.4 基于高光谱成像技术的小麦条锈病与白粉病鉴别 |
| 4.4.1 光谱预处理和样品划分 |
| 4.4.2 光谱特征分析 |
| 4.4.3 特征波长提取 |
| 4.4.4 病害种类判别模型的建立与比较分析 |
| 4.4.5 小麦病害显微图像分析 |
| 4.5 本章小结 |
| 第5章 条锈病夏孢子远程传播与沉降模拟 |
| 5.1 引言 |
| 5.2 供试数据与资料 |
| 5.2.1 数据与资料 |
| 5.2.2 HYSPLIT模型简介 |
| 5.2.3 模型构建与参数设置 |
| 5.3 模拟结果与分析 |
| 5.3.1 条锈病夏孢子运行轨迹分析 |
| 5.3.2 条锈病夏孢子沉降浓度分析 |
| 5.4 本章小结 |
| 第6章 基于生境信息的小麦条锈病预测分析 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.2.1 病情数据与气象资料 |
| 6.2.2 数据降维处理 |
| 6.3 预测模型与分析 |
| 6.3.1 基于遗传-神经网络的预测模型分析 |
| 6.3.2 基于粒子群-支持向量机的预测模型分析 |
| 6.3.3 模型综合比较与评价 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（5）气候变化对农作物生产的影响 ——以浙江为例的实证研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 导论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究目标与内容 |
| 1.2.1 研究目标 |
| 1.2.2 研究内容 |
| 1.3 研究方法与数据 |
| 1.3.1 研究方法 |
| 1.3.2 技术路线 |
| 1.3.3 数据来源 |
| 1.4 论文框架结构 |
| 1.5 可能的创新之处 |
| 2 理论基础与文献综述 |
| 2.1 概念界定 |
| 2.1.1 极端天气与气候变化 |
| 2.1.2 趋势产量与气候产量 |
| 2.1.3 有效积温与活跃积温 |
| 2.2 理论基础 |
| 2.2.1 气候统计学理论 |
| 2.2.2 农业生产经济学理论 |
| 2.2.3 气候变化经济学理论 |
| 2.2.4 空间计量经济学理论 |
| 2.2.5 全要素生产率理论 |
| 2.3 文献综述 |
| 2.3.1 气候变化对农业气候资源的影响 |
| 2.3.2 气候变化对农业种植制度的影响 |
| 2.3.3 气候变化对农作物生长发育的影响 |
| 2.3.4 气候变化对农作物产量的影响 |
| 2.3.5 气候变化对农业生产影响的主要研究方法 |
| 2.3.6 总结性述评 |
| 3 浙江气候变化特征分析 |
| 3.1 浙江地理与气候概况 |
| 3.2 分析方法与数据来源 |
| 3.2.1 气候倾向率 |
| 3.2.2 Mann-Kendall气候突变检验 |
| 3.2.3 数据来源 |
| 3.3 气温变化特征 |
| 3.3.1 年际变化 |
| 3.3.2 季节变化 |
| 3.4 降水变化特征 |
| 3.4.1 年际变化 |
| 3.4.2 季节变化 |
| 3.5 日照变化特征 |
| 3.5.1 年际变化 |
| 3.5.2 季节变化 |
| 3.6 本章小结 |
| 4 浙江农作物生产波动性研究:基于气候单产视角 |
| 4.1 农作物生产现状 |
| 4.1.1 种植面积和产量变化 |
| 4.1.2 单产变化 |
| 4.2 分析思路与方法 |
| 4.2.1 分析思路 |
| 4.2.2 单产分解 |
| 4.2.3 气候减产分析 |
| 4.3 研究结果 |
| 4.3.1 趋势单产 |
| 4.3.2 气候单产 |
| 4.3.3 气候减产 |
| 4.4 本章小结 |
| 5 气候变化对农作物生产的影响研究:基于边际影响视角 |
| 5.1 实证策略 |
| 5.1.1 空间相关性检验 |
| 5.1.2 空间误差面板模型 |
| 5.1.3 考虑适应性的模型 |
| 5.2 变量与数据 |
| 5.2.1 变量设置 |
| 5.2.2 数据来源 |
| 5.2.3 描述性统计 |
| 5.3 结果及讨论 |
| 5.3.1 空间相关性:Moran's Ⅰ指数 |
| 5.3.2 空间误差面板回归结果 |
| 5.3.3 适应性回归结果 |
| 5.4 本章小结 |
| 6 气候变化对浙江农作物生产的影响研究:基于农业TFP视角 |
| 6.1 影响机制 |
| 6.2 研究方法 |
| 6.2.1 DEA-Malmquist指数法 |
| 6.2.2 考虑气候因素的改进 |
| 6.3 变量与数据 |
| 6.3.1 变量设置 |
| 6.3.2 数据来源 |
| 6.3.3 描述性统计 |
| 6.4 结果及讨论 |
| 6.4.1 全省农业TFP分解及其变化趋势 |
| 6.4.2 分地区农业TFP分解及其变化趋势 |
| 6.5 本章小结 |
| 7 结论与启示 |
| 7.1 主要研究结论 |
| 7.2 政策启示 |
| 7.3 研究不足与展望 |
| 参考文献 |
| 附录 |
| 作者简历及在学期间所取得的主要科研成果 |
（6）重庆市干旱时空分布及植被响应（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 文献综述 |
| 1.1 基于气象干旱指数的干旱研究进展 |
| 1.1.1 帕默尔干旱指数 |
| 1.1.2 标准化降水指数 |
| 1.1.3 标准化降水蒸散指数 |
| 1.1.4 综合气象干旱指数 |
| 1.1.5 潜在蒸散量 |
| 1.2 基于土壤水分的干旱研究进展 |
| 1.3 植被对干旱响应研究进展 |
| 1.4 小结 |
| 第2章 绪论 |
| 2.1 研究背景和意义 |
| 2.2 研究目的 |
| 2.3 研究内容与研究方案 |
| 2.3.1 研究内容 |
| 2.3.2 研究方案 |
| 2.3.3 技术路线 |
| 第3章 气象干旱指数的选择 |
| 3.1 材料与方法 |
| 3.1.1 研究区概况 |
| 3.1.2 数据来源 |
| 3.1.3 气象干旱指数 |
| 3.1.4 统计方法 |
| 3.2 结果与分析 |
| 3.2.1 气候数据基础统计 |
| 3.2.2 气象干旱指数的评估 |
| 3.2.3 基于M指数的干旱检测 |
| 3.3 小结 |
| 第4章 气象干旱指数的空间化 |
| 4.1 材料和方法 |
| 4.1.1 数据来源 |
| 4.1.2 潜在蒸散量模型 |
| 4.1.3 统计方法 |
| 4.2 结果与分析 |
| 4.2.1 气候数据基础统计 |
| 4.2.2 潜在蒸散量与气候和地形因子相关性分析 |
| 4.2.3 潜在蒸散量模型比较 |
| 4.2.4 气候变量空间化 |
| 4.2.5 M指数空间化 |
| 4.3 小结 |
| 第5章 土壤相对湿度的空间化 |
| 5.1 材料与方法 |
| 5.1.1 数据来源 |
| 5.1.2 空间插值方法 |
| 5.1.3 统计方法 |
| 5.2 结果与分析 |
| 5.2.1 土壤相对湿度数据基础统计 |
| 5.2.2 土壤相对湿度空间插值方法比较 |
| 5.2.3 基于土壤相对湿度插值的干旱时空分布 |
| 5.3 小结 |
| 第6章 干旱时空分布及植被的响应 |
| 6.1 材料与方法 |
| 6.1.1 数据来源 |
| 6.1.2 统计方法 |
| 6.2 结果与分析 |
| 6.2.1 多年气候变量时空分布 |
| 6.2.2 多年M指数时空分布 |
| 6.2.3 多年NDVI与 VCI时空分布 |
| 6.2.4 植被生长状况与M指数的相关性 |
| 6.2.5 土壤相对湿度与M指数相关性 |
| 6.2.6 2006 年伏旱时空变异及植被响应 |
| 6.3 小结 |
| 第7章 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究特色与创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间所发表的文章 |
（7）基于面板数据模型的干旱对重庆市农作物产量影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气候产量提取的研究进展 |
| 1.2.2 干旱对农作物产量影响的研究进展 |
| 1.2.3 干旱对农作物产量影响研究存在的问题 |
| 1.3 研究内容、拟解决的关键问题及研究目标 |
| 1.3.1 研究内容 |
| 1.3.2 拟解决的关键问题 |
| 1.3.3 研究目标 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 1.5 新意之处及可行性分析 |
| 1.5.1 新意之处 |
| 1.5.2 可行性分析 |
| 第2章 研究区概况、数据来源与研究方法 |
| 2.1 研究区概况 |
| 2.1.1 自然地理特征 |
| 2.1.2 社会经济特征 |
| 2.2 数据来源 |
| 2.2.1 气象数据 |
| 2.2.2 农作物单产数据 |
| 2.3 研究方法 |
| 第3章 重庆市干旱强度时空分布规律 |
| 3.1 干旱强度指数 |
| 3.1.1 重庆市干旱标准 |
| 3.1.2 季节性干旱强度指数 |
| 3.1.3 年干旱强度综合指数 |
| 3.2 区县年均季节性干旱强度指数及年平均干旱强度综合指数空间分布规律 |
| 3.3 区县季节性干旱强度指数极值空间分布规律 |
| 3.4 区县季节性干旱强度指数及年干旱强度综合指数时间变化特征 |
| 3.5 重庆市年干旱强度综合指数的时间变化特征 |
| 第4章 重庆市主要农作物气候单产波动及其对干旱的响应 |
| 4.1 重庆市主要农作物气候单产及相对气候单产分析 |
| 4.1.1 重庆市主要农作物干旱年份的确定 |
| 4.1.2 分离重庆市主要农作物气候单产方法的选择 |
| 4.1.3 重庆市主要农作物气候单产及相对气候单产 |
| 4.2 重庆市主要农作物气候单产和相对气候单产与季节性干旱强度的灰色关联分析 |
| 4.2.1 粮食气候单产和相对气候单产与季节性干旱强度的灰色关联分析 |
| 4.2.2 主要粮食作物气候单产和相对气候单产与季节性干旱强度的灰色关联分析 |
| 4.2.3 主要经济作物气候单产和相对气候单产与季节性干旱强度的灰色关联分析 |
| 第5章 重庆市县域干旱强度对主要农作物单产影响的面板数据模型分析 |
| 5.1 变量分析 |
| 5.2 单位根检验 |
| 5.3 面板数据模型选择 |
| 5.4 模型估计及结果分析 |
| 5.4.1 粮食单产面板数据模型估计与结果分析 |
| 5.4.2 水稻单产面板数据模型估计与结果分析 |
| 5.4.3 花生单产面板数据模型估计与结果分析 |
| 5.4.4 大豆单产面板数据模型估计与结果分析 |
| 5.4.5 高粱单产面板数据模型估计与结果分析 |
| 第6章 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 在校期间发表的论文 |
（8）中国不同区域冬小麦产量潜力及资源利用效率研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究进展 |
| 1.3 研究目标、研究内容和技术路线 |
| 第2章 材料与方法 |
| 2.1 研究区域 |
| 2.2 数据来源 |
| 2.3 研究方法 |
| 2.4 数据计算与结果表达 |
| 第3章 农业生产系统模型(APSIM)有效性验证 |
| 3.1 APSIM模型简介 |
| 3.2 农业生产系统模型(APSIM)初始化 |
| 3.3 APSIM模型的参数调试和验证 |
| 3.4 本章小结 |
| 第4章 冬小麦不同生产水平下潜在产量高产稳产性及适宜性分析 |
| 4.1 冬小麦光温潜在产量高产稳产性及适宜性分析 |
| 4.2 冬小麦雨养/灌溉潜在产量高产稳产性及适宜性分析 |
| 4.3 冬小麦气候土壤氮肥潜在产量高产稳产性及适宜性分析 |
| 4.4 冬小麦不同生产水平下潜在产量适宜区变化分析 |
| 4.5 本章小结 |
| 第5章 冬小麦实际生产水平下产量高产稳产性及适宜性分析 |
| 5.1 冬小麦主产区实际生产条件特征 |
| 5.2 冬小麦实际产量时空分布特征 |
| 5.3 冬小麦实际产量高产稳产性空间分布特征 |
| 5.4 各因素对冬小麦实际产量高产稳产性的影响程度解析 |
| 5.5 实际产量的适宜区分布 |
| 5.6 本章小结 |
| 第6章 冬小麦不同生产水平资源利用效率分析 |
| 6.1 光能利用效率 |
| 6.2 热量资源利用效率 |
| 6.3 水分利用效率 |
| 6.4 氮肥偏生产力和氮肥农学效率 |
| 6.5 本章小结 |
| 第7章 结论与讨论 |
| 7.1 主要结论 |
| 7.2 研究创新点 |
| 7.3 讨论与研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（9）林芝地区小麦条锈菌与气象因子的关系及流行动态模型的构建（论文提纲范文）
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 方法 |
| 1.2.1 小麦条锈病田间病情监测 |
| 1.2.2 气象监测与模型构建 |
| 1.3 数据分析 |
| 2 结果与分析 |
| 2.1 小麦条锈病的季节流行曲线分析 |
| 2.2 气象因子与病情指数的相关及回归分析 |
| 2.3 小麦条锈病流行时间动态模型构建 |
| 2.4 小麦条锈病病情指数随时间变化的预测 |
| 3 讨论 |
（10）重庆市主要气象灾害对农作物产量的影响及其综合评价（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容、拟解决的关键问题和研究目标 |
| 1.3.1 研究内容 |
| 1.3.2 拟解决的关键问题 |
| 1.3.3 研究目标 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 1.5 新意之处和可行性分析 |
| 1.5.1 新意之处 |
| 1.5.2 可行性分析 |
| 第2章 重庆市自然环境和农业生产概况 |
| 2.1 研究区概况 |
| 2.1.1 气候资源 |
| 2.1.2 土地资源 |
| 2.1.3 水资源 |
| 2.1.4 生物资源 |
| 2.2 重庆市农业生产概况 |
| 2.2.1 重庆市农作物播种情况 |
| 2.2.2 重庆市农作物产量情况 |
| 2.2.3 重庆市粮食单产情况 |
| 2.2.4 重庆市粮食播种面积与粮食单产的关系 |
| 第3章 重庆市气象灾害概况 |
| 3.1 重庆市气象灾害特征 |
| 3.2 重庆市气象灾害类型 |
| 3.2.1 旱灾 |
| 3.2.2 水灾 |
| 3.2.3 风雹灾 |
| 3.2.4 冷冻害 |
| 3.2.5 连阴雨 |
| 第4章 重庆市主要气象灾害对农作物单产的影响 |
| 4.1 农业气象灾害灾情指标统计 |
| 4.1.1 受灾面积和成灾面积变化 |
| 4.1.2 灾害强度指数变化 |
| 4.1.3 粮食单产与农作物受灾面积 |
| 4.2 重庆市主要气象灾害与农作物单产的灰色关联分析 |
| 4.2.1 灰色关联分析原理与方法简介 |
| 4.2.2 粮食单产与四种主要气象灾害的灰色关联分析 |
| 4.2.3 主要粮食作物单产与四种主要气象灾害的灰色关联分析 |
| 4.2.4 主要经济作物单产与四种主要气象灾害的灰色关联分析 |
| 4.3 基于C-D生产函数的重庆市主要气象灾害对粮食单产的影响 |
| 4.3.1 C-D生产函数原理与方法简介 |
| 4.3.2 受灾率、成灾率、绝收率对粮食单产的影响程度 |
| 4.3.3 旱灾、水灾、风雹灾和冷冻害受灾面积对粮食单产的影响程度 |
| 4.4 小结 |
| 第5章 2006 年、2007 年和2008年特大气象灾害对粮食产量影响的实证分析 |
| 5.1 2006 年特大干旱概况 |
| 5.1.1 2006 年特大干旱特点 |
| 5.1.2 2006 年特大干旱对重庆市农作物产量的影响 |
| 5.2 2007.7 特大暴雨洪灾概况 |
| 5.2.1 2007.7 特大暴雨洪灾特征 |
| 5.2.2 2007.7 特大暴雨洪灾对重庆市农作物产量的影响 |
| 5.3 2008 年冷冻害概况 |
| 5.3.1 2008 年冷冻害特点 |
| 5.3.2 2008 年冷冻害对重庆市农作物产量的影响 |
| 5.4 小结 |
| 第6章 重庆主要农业气象灾害综合评价 |
| 6.1 气象灾害等级划分和评分标准 |
| 6.2 确定气象灾害的影响权重 |
| 6.3 灾情综合评价方法 |
| 6.4 综合评价与年景评价 |
| 6.5 小结 |
| 第7章 结论与展望 |
| 7.1 主要工作与结论 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 在校期间发表的文章 |
四、重庆市小麦生产与气象（论文参考文献）
- [1]基于水足迹的区域农业发展评价 ——以长江经济带为例[D]. 聂倩文. 华北电力大学(北京), 2021(01)
- [2]作物生产水足迹空间尺度效应定量评价[D]. 冒颖. 西北农林科技大学, 2021(01)
- [3]长江流域农牧系统氮素向河流和近海的迁移特征[D]. 陈轩敬. 西南大学, 2020
- [4]小麦条锈病早期检测与预测预报关键技术研究[D]. 姚志凤. 西北农林科技大学, 2019(02)
- [5]气候变化对农作物生产的影响 ——以浙江为例的实证研究[D]. 俞书傲. 浙江大学, 2019(02)
- [6]重庆市干旱时空分布及植被响应[D]. 陈绘. 西南大学, 2019(01)
- [7]基于面板数据模型的干旱对重庆市农作物产量影响研究[D]. 马丽珲. 西南大学, 2019(12)
- [8]中国不同区域冬小麦产量潜力及资源利用效率研究[D]. 孙爽. 中国农业大学, 2018(01)
- [9]林芝地区小麦条锈菌与气象因子的关系及流行动态模型的构建[J]. 巩文峰,帅玉婷,马占鸿. 植物保护学报, 2018(01)
- [10]重庆市主要气象灾害对农作物产量的影响及其综合评价[D]. 高姣姣. 西南大学, 2016(02)