一种基于土壤水分和气象监测的作物水分亏缺诊断方法

1.本发明涉及土壤检测和精准灌溉技术领域，特别涉及一种基于土壤水分和气象监测的作物水分亏缺诊断方法。


背景技术：

2.旱区农田中，土壤干旱是限制作物根系吸水、生长发育和产量提升的主要障碍。通过灌溉适时调控作物根区土壤水分状况，使其既有利于作物水分和养分吸收利用又能减少土面蒸发与深层渗漏等无效损失，对于实现节水和稳产增产尤为重要。合理灌溉必须建立在对作物水分亏缺程度准确评估的基础之上，其常用植物水分亏缺指数(pwdi)来反映。
3.现有技术中，大多是基于土壤水分状况来评估pwdi。一般是利用根区算术平均土壤水基质势(或含水量)来表示根区土壤水分状况，并将其作为灌水控制指标，比如当根区土壤水基质势低于某一临界值时开始灌溉，直到其达到适宜作物生长的某一目标值时停止灌溉。最新研究通过进一步考虑土壤水分与根系之间的相对分布关系对上述算术平均方法进行了改进与完善，即利用相对根长密度作为权重因子对土壤水分进行加权，计算获得根系加权平均土壤水基质势，从而表征土壤水分胁迫对作物蒸腾耗水和水分亏缺的影响。
4.上述现有技术存在的缺陷是：偏重于只考虑当前的土壤水分胁迫的影响，而忽略了前期水分胁迫滞后效应以及气象条件变化对作物蒸腾耗水的重要影响。一方面，作物前期受到的水分胁迫越重，其对当前作物水分状态的滞后影响也会越大，忽略这种滞后影响很可能导致pwdi评估出现一定偏差；另一方面，气象条件是控制作物蒸腾的重要因素，即使在土壤水分条件保持恒定不变的条件下，作物蒸腾(或水分亏缺程度)也会随太阳辐射、空气温度、湿度等气象因子的变化而不断变化，完全不考虑这种变化的影响必将导致作物水分亏缺诊断存在很大不确定性，特别是在气象条件变化剧烈时尤为明显。由此可见，现有的作物水分亏缺程度评估方法在科学性及合理性尚存在明显缺陷，其评估结果难以准确反映作物实际缺水情况，从而降低农田灌溉精度。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种基于土壤水分和气象监测的作物水分亏缺诊断方法。
6.本发明实施例提供一种基于土壤水分和气象监测的作物水分亏缺诊断方法，包括：
7.获取实时监测的土壤含水量，根据实时监测的土壤含水量计算根系加权平均土壤水基质势h
rw
，再根据根系加权平均土壤水基质势h
rw
计算土壤水分胁迫响应系数fw和水分胁迫滞后响应系数f
re
；
8.获取气象站自动监测的太阳辐射rs，空气温度t，相对湿度rh，风速uz，并计算水汽压差d，饱和水汽压曲线斜率δ，空气动力学阻力ra以及太阳辐射响应系数f
rs
，温度响应系数f
t
和湿度响应系数fd；
9.将土壤水分胁迫响应系数fw、水分胁迫滞后响应系数f
re
、太阳辐射响应系数f
rs
、温度响应系数f
t
和湿度响应系数fd输入jarvis叶片气孔导度修正模型，得到实际叶片气孔导度gs和土壤充分供水条件下的潜在叶片气孔导度g
s0
；将实际叶片气孔导度gs和潜在叶片气孔导度g
s0
输入到p-m模型中得到叶片实际蒸腾速率ta和潜在蒸腾速率t
p
；
10.将叶片实际蒸腾速率ta和潜在蒸腾速率t
p
代入植物水分亏缺指数pwdi的原始公式，通过植物水分亏缺指数pwdi对作物水分亏缺程度进行诊断。
11.另外的，所述计算根系加权平均土壤水基质势h
rw
包括：
[0012][0013]
其中，h
rw
为根系加权平均土壤水基质势，cm，k为根区土壤剖分层数，hi为第i层土壤水基质势，cm，z
ri
为每层土壤的相对深度，l
nrd
(z
ri
)为相对根长密度，δz
ri
为每层土壤的相对厚度。
[0014]
另外的，所述计算土壤水分胁迫响应系数fw和水分胁迫滞后响应系数f
re
包括：
[0015][0016][0017]
其中，fw为土壤水分胁迫响应系数，h
rw
为根系加权平均土壤水基质势，cm，hw和h
l
分别为萎蔫系数和适宜作物生长的土壤水基质势下限，cm，kw为土壤水分胁迫响应拟合参数，f
re
为水分胁迫滞后响应系数，k
re
为水分胁迫滞后响应拟合参数。
[0018]
另外的，所述水汽压差d，饱和水汽压曲线斜率δ包括：
[0019][0020][0021]
其中，d为水汽压差，kpa，δ为饱和水汽压曲线斜率，kpa℃-1
，t
mean
为平均气温，℃，rh
mean
为平均相对湿度，％。
[0022]
另外的，所述计算空气动力学阻力ra包括：
[0023][0024]
其中，ra为空气动力学阻力，s m-1
，z为气象观测高度，m，hc为植株高度，m，d为零平面位移，m，z0为动量传输粗糙度长度，m，k为vonkarman常数，uz为z高度处的风速，m s-1
。
[0025]
另外的，所述计算太阳辐射响应系数f
rs
、温度响应系数f
t
、湿度响应系数fd包括：
[0026]
[0027]
其中，f
rs
为太阳辐射响应系数，rs为太阳辐射，wm-2
，r
sh
为最大太阳辐射，wm-2
，k
rs
为太阳辐射响应拟合参数；
[0028]ft
＝1-k
t
(25-t)2[0029]
其中，f
t
为温度响应系数，t为空气温度，℃，k
t
为温度响应拟合参数；
[0030]
fd＝1-kdd
[0031]
其中，fd为湿度响应系数，d为水汽压差，kpa，kd为湿度响应拟合参数。
[0032]
另外的，所述得到实际叶片气孔导度gs和土壤充分供水条件下的潜在叶片气孔导度g
s0
包括：
[0033]gs
＝g
s0fwfre
[0034][0035]
其中，gs为实际叶片气孔导度，m s-1
，g
s0
为土壤水分条件最优时的叶片气孔导度，m s-1
，g
smax
为土壤水分和气象条件均最优时的最大叶片气孔导度，m s-1
，fw为土壤水分胁迫响应系数，f
re
为水分胁迫滞后响应系数，f
rs
为太阳辐射响应系数，f
t
为温度响应系数，fd为湿度响应系数。
[0036]
另外的，所述得到实际蒸腾速率ta和潜在蒸腾速率t
p
包括：
[0037][0038]
其中，当土壤供水充足时实际蒸腾速率ta达到潜在水平t
p
：
[0039][0040]
其中，ta为实际蒸腾速率，mm d-1
，t
p
为潜在蒸腾速率，mm d-1
，λ为汽化潜热，mj kg-1
，δ为水汽压曲线斜率，kpa℃-1
，rn为净辐射，mjm-2
d-1
，g为土壤热通量，mjm-2
d-1
，ρa为常压下的空气平均密度，kg m-3
，c
p
为常压下空气比热，mj kg-1
℃-1
，d为水汽压差，kpa，γ为湿度计常数，kpa℃-1
，ra为空气动力学阻力，s m-1
，gs为实际叶片气孔导度，m s-1
，g
s0
为土壤充分供水条件下的潜在叶片气孔导度，m s-1
。
[0041]
另外的，所述代入植物水分亏缺指数pwdi的原始公式包括：
[0042][0043][0044]
其中，ta为实际蒸腾速率，mm d-1
，t
p
为潜在蒸腾速率，mm d-1
，δ为水汽压曲线斜率，kpa℃-1
，γ为湿度计常数，kpa℃-1
，ra为空气动力学阻力，s m-1
，gs为实际叶片气孔导度，m s-1
，g
s0
为土壤充分供水条件下的潜在叶片气孔导度，m s-1
。
[0045]
另外的，所述通过植物水分亏缺指数pwdi对作物水分亏缺程度进行诊断包括：
[0046][0047]
其中，fw为土壤水分胁迫响应系数，f
re
为水分胁迫滞后响应系数，g
smax
为土壤水分和气象条件最优时的最大叶片气孔导度，m s-1
，ra为空气动力学阻力，s m-1
，δ为水汽压曲线斜率，kpa℃-1
，γ为湿度计常数，kpa℃-1
，f
rs
为太阳辐射响应系数，f
t
为温度响应系数，fd为湿度响应系数；
[0048]
植物水分亏缺指数pwdi的值变化范围介于0～1之间，当植物水分亏缺指数pwdi越趋向于1时，表示作物水分亏缺越严重；相反，当植物水分亏缺指数pwdi越趋向于0时，表示作物水分亏缺越不严重。
[0049]
本发明实施例提供的上述一种基于土壤水分和气象监测的作物水分亏缺诊断方法，与现有技术相比，其有益效果如下：
[0050]
本发明从土壤-植物-大气连续系统水分运移过程与机理出发，综合考虑土壤水分胁迫瞬时效应、滞后效应及不同气象环境变量的影响修正了jarvis叶片气孔导度修正模型，并将其与penman-monteith(p-m)模型耦合用于计算叶片蒸腾速率；再将耦合模型计算获得的蒸腾速率代入到植物水分亏缺指数pwdi原始公式，通过植物水分亏缺指数pwdi对作物水分亏缺程度进行诊断。本发明提出的作物水分亏缺诊断方法更系统地反映了作物水分状况与环境的关系，能更准确地表征作物水分亏缺程度，可为旱区农田精准灌溉、节水增产目标的实现提供有效工具。
附图说明
[0051]
图1为一个实施例中提供的一种基于土壤水分和气象监测的作物水分亏缺诊断方法的土壤水分胁迫、水分胁迫滞后、太阳辐射、空气温度、湿度(水汽压差)响应系数函数；
[0052]
图2为一个实施例中提供的一种基于土壤水分和气象监测的作物水分亏缺诊断方法的流程图；
[0053]
图3为一个实施例中提供的一种基于土壤水分和气象监测的作物水分亏缺诊断方法的田间试验场景图；
[0054]
图4为一个实施例中提供的一种基于土壤水分和气象监测的作物水分亏缺诊断方法的田间试验中两个不同灌溉处理(t1和t2)基于本发明提出的方法估算获得的pwdi与实测值之间的对比图。
具体实施方式
[0055]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
[0056]
首先说明本发明所提出的计算植物水分亏缺指数pwdi的原理。
[0057]
由定义可知，植物水分亏缺指数(pwdi)表示由水分胁迫所导致的作物水分亏缺(t
p
–
ta)占水分需求(t
p
)的比例：
[0058][0059]
式中：ta为实际蒸腾速率，mm d-1
，t
p
为潜在蒸腾速率，mm d-1
。由式[1]可知，估算pwdi的关键在于准确获取相对蒸腾速率ta/t
p
。然而，由于影响蒸腾的因素众多且相互关系错综复杂，要在野外田间条件下快速准确获取ta和t
p
从而利用式[1]直接计算pwdi仍极具挑战。
[0060]
以经典的penman-monteith(p-m)模型和常用的jarvis叶片气孔导度模型为理论基础，本发明推导了pwdi与土壤水分、气象以及作物自身生理特性之间的定量关系，简要过程如下：
[0061]
基于p-m模型，作物叶片实际蒸腾速率ta可表征为：
[0062][0063]
式中：ta为实际蒸腾速率，mm d-1
，λ为汽化潜热，mjkg-1
，δ为水汽压曲线斜率，kpa℃-1
，rn为净辐射，mjm-2
d-1
，g为土壤热通量，mjm-2
d-1
，ρa为常压下的空气平均密度，kg m-3
，c
p
为常压下空气比热，mjkg-1
℃-1
，d为水汽压差，kpa，γ为湿度计常数，kpa℃-1
，ra为空气动力学阻力，s m-1
，gs为实际叶片气孔导度，m s-1
，g
s0
为土壤充分供水条件下的潜在叶片气孔导度，m s-1
。
[0064]
当土壤供水充足时，作物叶片蒸腾散失的水量取决于大气蒸发条件(此时的叶片气孔导度记为g
s0
)，将g
s0
代替式[2]中的gs获得土壤充分供水条件下的潜在蒸腾速率t
p
为：
[0065][0066]
将式[2]和式[3]代入式[1]，整理化简得：
[0067][0068]
由式[4]可知，叶片气孔导度gs(g
s0
)是评估pwdi的重要变量，本发明采用常用的jarvis连乘模型对其进行评估。需指出的是，传统jarvis连乘模型对gs进行评估时，主要考虑土壤水分数量、太阳辐射、空气温度、相对湿度等因素的影响，但对土壤水分与根系的相对分布关系以及水分胁迫的滞后效应仍缺乏考虑。为此，本发明借鉴最新研究引入根系加权土壤水基质势来考虑土壤水分与根系的相对分布关系的影响、引入水分胁迫滞后响应系数来考虑水分胁迫滞后效应，从而对jarvis连乘模型进行修正与完善。修正后的jarvis连乘模型对叶片气孔导度的评估描述为：
[0069]gs
＝g
s0fwfre
[5]
[0070][0071]
式中：gs为实际叶片气孔导度，m s-1
，g
s0
为土壤水分条件最优时的叶片气孔导度，m s-1
，fw为土壤水分胁迫响应系数，f
re
为水分胁迫滞后响应系数，g
smax
为土壤水分和气象条件
均最优时的最大叶片气孔导度，m s-1
，f
rs
为太阳辐射响应系数，f
t
为温度响应系数，fd为湿度响应系数。
[0072]
将式[5]和式[6]代入式[4]，整理化简后，得pwdi的综合表达式：
[0073][0074]
式[7]不仅考虑了当前土壤水分条件(由fw描述)，同时还考虑了前期水分胁迫(由f
re
描述)、气象条件(由f
rs
、f
t
、fd描述)以及作物自身生理特性(由g
smax
描述)等因素对叶片蒸腾的影响，更加全面系统地反映了作物缺水程度和环境的关系，而且从生理机制上反映了作物缺水状况和叶片气孔阻力变化之间的定量关系，具有严格的物理学和生理学基础。为了更清晰地呈现pwdi的估算过程，下面对式[7]中涉及到的各个中间变量的评估方法进行逐一陈述：
[0075]
土壤水分胁迫响应系数fw采用“凹凸”型函数描述：
[0076][0077]
式中：h
rw
为根系加权平均土壤水基质势cm，hw为萎蔫系数，cm，h
l
为适宜作物生长的土壤水基质势下限，cm，kw为土壤水分胁迫响应拟合参数。图1a表明，fw随h
rw
的升高而升高，说明土壤水基质势越高，土壤水分胁迫对叶片气孔导度和蒸腾的削弱影响越小。
[0078]
水分胁迫滞后响应系数f
re
采用幂函数描述：
[0079][0080]
式中：[fw]
t-1
表示前一时刻的相对水分胁迫程度，值越高表明前一时刻的水分胁迫越轻，k
re
为水分胁迫滞后响应拟合参数。图1b表明，f
re
随[fw]
t-1
的升高而升高，意味着前期水分胁迫越轻(重)，其对叶片气孔导度和蒸腾的滞后影响越小(大)。
[0081]
太阳辐射响应系数f
rs
采用如下函数描述：
[0082][0083]
式中：rs为实际太阳辐射，wm-2
，r
sh
为最大太阳辐射，wm-2
，k
rs
为太阳辐射响应拟合参数。图1c表明f
rs
与rs呈非线性正相关关系。
[0084]
温度响应系数f
t
采用二次函数描述：
[0085]ft
＝1-k
t
(25-t)2[11]
[0086]
式中：t为空气温度，℃，k
t
为温度响应拟合参数(＞0)。f
t
与t的关系如图1d所示。
[0087]
湿度响应系数fd采用线性函数描述：
[0088]
fd＝1-kdd[12]
[0089]
式中：d为水汽压差，kpa，kd为湿度响应拟合参数(＞0)。fd与d呈负相关(如图1e所示)。
[0090]
水汽压曲线斜率δ计算为：
[0091][0092]
式中：δ为饱和水汽压曲线斜率，kpa℃-1
，t
mean
为平均气温，℃。
[0093]
空气动力学阻力ra计算为：
[0094][0095]
式中：ra为空气动力学阻力，s m-1
，z为气象观测高度，m，hc为植株高度，m，d为零平面位移，m，z0为动量传输粗糙度长度，m，k为vonkarman常数，uz为z高度处的风速，m s-1
。
[0096]
上面介绍了本发明提出的pwdi的理论推导和计算过程，下面通过一个较佳实施例介绍本发明的基于土壤水分和气象监测的作物水分亏缺诊断方法。如图2所示，本发明一个较佳实施例的基于土壤水分和气象监测的作物水分亏缺诊断方法的流程图：
[0097]
在步骤s1：设置参数，包括土壤水分特征曲线参数、萎蔫系数hw、适宜生长土壤水基质势下限h
l
、土壤水分胁迫响应拟合参数kw、水分胁迫滞后响应拟合参数k
re
、最大叶片气孔导度g
smax
、相对根长密度l
nrd
、植株高度hc、最大太阳辐射r
sh
、太阳辐射响应拟合参数k
rs
、温度响应拟合参数k
t
、湿度响应拟合参数kd；
[0098]
在步骤s2：监测根区土壤水分。其中一种优选的测量方式是：将土壤水分传感器垂直于土壤剖面插入根区土壤，从而测得每层土壤的含水量θi；监测气象条件，包括太阳辐射rs、空气温度t、相对湿度rh、风速uz等；
[0099]
在步骤s3：根据土壤水分特征曲线把土壤含水量转化为土壤水基质势，结合相对根长密度l
nrd
计算根系加权平均土壤水基质势h
rw
：然后基于h
rw
计算土壤水分胁迫响应系数fw(如式[8]所示)；基于fw计算水分胁迫滞后响应系数f
re
(如式[9]所示)；基于太阳辐射rs计算太阳辐射响应系数f
rs
(如式[10]所示)；基于空气温度t计算温度响应系数f
t
(如式[11]所示)；基于水汽压差d计算湿度响应系数fd(如式[12]所示)；基于空气温度t计算水汽压曲线斜率δ(如式[13]所示)；基于风速uz和植株高度hc计算空气动力学阻力ra：(如式[14]所示)；将计算的fw、f
re
、f
rs
、f
t
、fd代入jarvis叶片气孔导度修正模型中计算实际和潜在气孔导度gs和g
s0
(如式[5]和[6]所示)，将gs和g
s0
代入p-m模型计算实际和潜在蒸腾速率ta和t
p
。
[0100]
在步骤s4：将jarvis叶片气孔导度修正模型和p-m模型耦合计算的实际和潜在蒸腾速率ta和t
p
代入植物水分亏缺指数pwdi原始公式中获得其优化的综合表达式，即(如式[7]所示)。
[0101]
为了验证本发明关键技术，特借助了一个冬小麦田间蒸渗仪灌溉试验(试验场景如图3所示)：该试验包括两个不同的灌溉处理：t1和t2。t1在冬小麦关键生育期(即起身期至乳熟期，对应于播种后185至245d)共灌水4次，灌水时间对应为播种后第196d、207d、222d和234d，灌水定额对应为73mm、67mm、81mm和81mm；t2在相同时期灌水2次，灌水时间对应为
播种后第213d和233d，灌水定额对应为96mm和97mm。试验期间，每天同一时刻监测土壤含水量、太阳辐射、空气温度、相对湿度、风速、株高、叶片实际和潜在蒸腾速率等数据。基于上述实测资料，采用本发明提出的估算方法(式[7])和原始定义(式[1])计算pwdi，通过两者对比，验证本发明所提pwdi估算方法的合理性与可靠性。pwdi估算流程或过程如下：
[0102]
首先设置参数，田间试验供试土壤可划分为三个不同属性层：0-30cm、30-80cm、80-150cm，每层土壤的饱和含水量θs为0.495、0.541、0.548cm
3 cm-3
，残余含水量θr为0.029、0.068、0.060cm
3 cm-3
，土壤水分特征曲线拟合参数α为0.014、0.013、0.020，参数n为1.315、1.245、1.177；萎蔫系数hw＝-15000cm；适宜作物生长的土壤水基质势下限h
l
＝-400cm；土壤水分胁迫响应拟合参数kw＝0.797、水分胁迫滞后响应拟合参数k
re
＝0.515；最大叶片气孔导度g
smax
＝0.012m s-1
、相对根长密度l
nrd
(zr)＝p(1-zr)
p-1
(冬小麦p为3.85)；最大太阳辐射r
sh
＝210wm-2
、太阳辐射响应拟合参数k
rs
＝3.724、温度响应拟合参数k
t
＝0.0016、湿度响应拟合参数kd＝0.346；上述参数可以通过实测获得(如θs、θr、g
smax
、r
sh
)，也可以通过最小二乘法优化确定(如α、n、k
re
、k
rs
、k
t
、kd)，还可通过查阅参考文献进行合理推荐(如hw、h
l
、p)。
[0103]
基于上述模型参数以及试验中实测的土壤含水量θi、太阳辐射rs、空气温度t、相对湿度rh、风速uz、植株高度hc等资料，首先利用土壤水分特征曲线将每层土壤的含水量θi转化为土壤水基质势hi，基于相对根长密度分布l
nrd
(zr)计算根系加权平均土壤水基质势h
rw
，然后依次地，采用式[8]计算土壤水分胁迫响应系数fw；采用式[9]计算水分胁迫滞后响应系数f
re
；采用式[10]计算太阳辐射响应系数f
rs
；采用式[11]计算温度响应系数f
t
；采用式[12]计算湿度响应系数fd；采用式[13]计算水汽压曲线斜率δ；采用式[14]计算空气动力学阻力ra；最后，基于式[7]计算植物水分亏缺指数pwdi并与实测值(由式[1]获得)进行比较，结果如图4所示。该图表明：无论灌溉处理t1(图4a)还是t2(图4b)，基于本发明所提方法估算的pwdi与实测值基本吻合，两者之间的相关系数r分别为0.90和0.88，均方根误差rmse分别为0.07和0.07，均在可接受的范围内，说明本发明提出的植物水分亏缺指数pwdi评估方法可较为准确地评估作物缺水状况，可为农田合理灌溉提供参考。
[0104]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，包括：获取实时监测的土壤含水量，根据实时监测的土壤含水量计算根系加权平均土壤水基质势h
rw
，再根据根系加权平均土壤水基质势h
rw
计算土壤水分胁迫响应系数f
w
和水分胁迫滞后响应系数f
re
；获取气象站自动监测的太阳辐射r
s
，空气温度t，相对湿度rh，风速u
z
，并计算水汽压差d、饱和水汽压曲线斜率δ、空气动力学阻力r
a
以及太阳辐射响应系数f
rs
，温度响应系数f
t
和湿度响应系数f
d
；将土壤水分胁迫响应系数f
w
、水分胁迫滞后响应系数f
re
、太阳辐射响应系数f
rs
、温度响应系数f
t
和湿度响应系数f
d
输入jarvis叶片气孔导度修正模型，得到实际叶片气孔导度g
s
和土壤充分供水条件下的潜在叶片气孔导度g
s0
；将实际叶片气孔导度g
s
和潜在叶片气孔导度g
s0
输入到p-m模型中得到叶片实际蒸腾速率t
a
和潜在蒸腾速率t
p
；将叶片实际蒸腾速率t
a
和潜在蒸腾速率t
p
代入植物水分亏缺指数pwdi的原始公式，通过植物水分亏缺指数pwdi对作物水分亏缺程度进行诊断。2.如权利要求1所述的一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，所述计算根系加权平均土壤水基质势h
rw
包括：其中，h
rw
为根系加权平均土壤水基质势，cm，k为根区土壤剖分层数，h
i
为第i层土壤水基质势，cm，z
ri
为每层土壤的相对深度，l
nrd
(z
ri
)为相对根长密度，δz
ri
为每层土壤的相对厚度。3.如权利要求1所述的一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，所述计算土壤水分胁迫响应系数f
w
和水分胁迫滞后响应系数f
re
包括：包括：其中，f
w
为土壤水分胁迫响应系数，h
rw
为根系加权平均土壤水基质势，cm，h
w
和h
l
分别为萎蔫系数和适宜作物生长的土壤水基质势下限，cm，k
w
为土壤水分胁迫响应拟合参数，f
re
为水分胁迫滞后响应系数，k
re
为水分胁迫滞后响应拟合参数。4.如权利要求1所述的一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，所述计算水汽压差d，饱和水汽压曲线斜率δ包括：征在于，所述计算水汽压差d，饱和水汽压曲线斜率δ包括：其中，d为水汽压差，kpa，δ为饱和水汽压曲线斜率，kpa℃-1
，t
mean
为平均气温，℃，rh
mean
为平均相对湿度，％。5.如权利要求1所述的一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，所述计算空气动力学阻力r
a
包括：其中，r
a
为空气动力学阻力，s m-1
，z为气象观测高度，m，h
c
为植株高度，m，d为零平面位移，m，z0为动量传输粗糙度长度，m，k为vonkarman常数，u
z
为z高度处的风速，m s-1
。6.如权利要求1所述的一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，所述计算太阳辐射响应系数f
rs
、温度响应系数f
t
、湿度响应系数f
d
包括：其中，f
rs
为太阳辐射响应系数，r
s
为太阳辐射，wm-2
，r
sh
为最大太阳辐射，wm-2
，k
rs
为太阳辐射响应拟合参数；f
t
＝1-k
t
(25-t)2其中，f
t
为温度响应系数，t为空气温度，℃，k
t
为温度响应拟合参数；f
d
＝1-k
d
d其中，f
d
为湿度响应系数，d为水汽压差，kpa，k
d
为湿度响应拟合参数。7.如权利要求1所述的一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，所述得到实际叶片气孔导度g
s
和土壤充分供水条件下的潜在叶片气孔导度g
s0
包括：g
s
＝g
s0
f
w
f
re
其中，g
s
为实际叶片气孔导度，m s-1
，g
s0
为土壤水分条件最优时的叶片气孔导度，m s-1
，g
smax
为土壤水分和气象条件均最优时的最大叶片气孔导度，m s-1
，f
w
为土壤水分胁迫响应系数，f
re
为水分胁迫滞后响应系数，f
rs
为太阳辐射响应系数，f
t
为温度响应系数，f
d
为湿度响应系数。8.如权利要求1所述的一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，所述得到实际蒸腾速率t
a
和潜在蒸腾速率t
p
包括：其中，当土壤供水充足时实际蒸腾速率t
a
达到潜在水平t
p
：其中，t
a
为实际蒸腾速率，mm d-1
，t
p
为潜在蒸腾速率，mm d-1
，λ为汽化潜热，mj kg-1
，δ为水汽压曲线斜率，kpa℃-1
，r
n
为净辐射，mjm-2
d-1
，g为土壤热通量，mjm-2
d-1
，ρ
a
为常压下的
空气平均密度，kg m-3
，c
p
为常压下空气比热，mj kg-1
℃-1
，d为水汽压差，kpa，γ为湿度计常数，kpa℃-1
，r
a
为空气动力学阻力，s m-1
，g
s
为实际叶片气孔导度，m s-1
，g
s0
为土壤充分供水条件下的潜在叶片气孔导度，m s-1
。9.如权利要求8所述的一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，所述代入植物水分亏缺指数pwdi的原始公式包括：征在于，所述代入植物水分亏缺指数pwdi的原始公式包括：其中，t
a
为实际蒸腾速率，mm d-1
，t
p
为潜在蒸腾速率，mm d-1
，δ为水汽压曲线斜率，kpa℃-1
，γ为湿度计常数，kpa℃-1
，r
a
为空气动力学阻力，s m-1
，g
s
为实际叶片气孔导度，m s-1
，g
s0
为土壤充分供水条件下的潜在叶片气孔导度，m s-1
。10.如权利要求1所述的一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其特征在于，所述通过植物水分亏缺指数pwdi对作物水分亏缺程度进行诊断包括：其中，f
w
为土壤水分胁迫响应系数，f
re
为水分胁迫滞后响应系数，g
smax
为土壤水分和气象条件最优时的最大叶片气孔导度，m s-1
，r
a
为空气动力学阻力，s m-1
，δ为水汽压曲线斜率，kpa℃-1
，γ为湿度计常数，kpa℃-1
，f
rs
为太阳辐射响应系数，f
t
为温度响应系数，f
d
为湿度响应系数；植物水分亏缺指数pwdi的值变化范围介于0～1之间，当植物水分亏缺指数pwdi越趋向于1时，表示作物水分亏缺越严重；相反，当植物水分亏缺指数pwdi越趋向于0时，表示作物水分亏缺越不严重。

技术总结
本发明公开了一种基于土壤水分和气象监测的作物水分亏缺诊断方法，其涉及土壤检测和精准灌溉技术领域。包括：监测作物根区土壤含水量、太阳辐射、空气温度和相对湿度，然后计算不同环境变量响应系数：土壤水分胁迫响应系数、水分胁迫滞后响应系数、太阳辐射响应系数、温度响应系数和湿度响应系数；再结合Jarvis叶片气孔导度修正模型和P-M模型计算植物水分亏缺指数PWDI，从而对作物水分亏缺程度进行诊断。本发明从土壤-植物-大气连续系统水分运移过程与机理出发，提出了一种具有较强机理性和系统性的作物水分亏缺程度评估方法，能更加准确地反映作物缺水情况，可为旱田作物水分精量管理提供有效工具。管理提供有效工具。管理提供有效工具。


技术研发人员：吴训 蔡滢銮 左强 石建初 许艳奇
受保护的技术使用者：中国农业大学
技术研发日：2023.06.19
技术公布日：2023/9/20