共查询到20条相似文献，搜索用时 203 毫秒
1.
降雨径流相关模型在丹江口水库洪水预报中的应用研究 总被引：1，自引：0，他引：1
针对丹江口流域已有水文资料及流域气象特点,将该流域划分为12个单元区,建立降雨径流经验相关模型,应用于丹江口水库的短期洪水预报系统,并采用基于可变遗忘因子递推最小二乘算法的校正技术对预报流量过程进行实时校正。计算结果表明,基于降雨径流经验相关模型预报的洪水过程与实测过程基本一致,洪峰数值及峰现时间指标合格率较高。实践证明,模型具有较高的预报精度,可为防汛部门提供较为准确的降雨径流预报方法。 相似文献
2.
基于数值天气预报后处理的参考作物蒸散量预报改进 总被引：2，自引：0，他引：2
针对基于数值天气预报（Numerical weather prediction,NWP）对参考作物蒸散量（Reference crop evapotranspiration,ET0）进行预报通常需要数据偏差校正的问题,基于LightGBM机器学习方法和我国西北地区9个气象站点数据提出一种对第二代全球集合预报系统（Global ensemble forecast system,GEFSv2）预报气象因子进行偏差校正的方法（M3）。该方法使用太阳辐射、最高和最低气温、相对湿度和风速集合分别对每个气象因子进行重预报,再计算ET0。使用等距离累积分布函数（EDCDFm,M1）和单气象因子输入的LightGBM法（M2）对模型精度进行评估。结果表明,GEFSv2的预报因子与相应的观测气象因子之间存在不匹配问题,其不匹配程度因气象因子不同而不同,太阳辐射的匹配度较高,相对湿度的匹配度较低。M3模型有助于缓解数据不匹配问题。M1、M2和M3方法在9站点预报ET0的平均均方根误差（RMSE）分别介于0.66~0.93mm/d、0.57~0.83mm/d和0.53~0.79mm/d,平均绝对误差（MAE）分别介于0.44~0.61mm/d、0.38~0.56mm/d和0.35~0.53mm/d,决定系数（R2）分别介于0.82~0.91、0.84~0.93和0.86~0.94。3种方法均在夏季误差最大,1~16d平均RMSE分别为1.21、1.18、1.04mm/d。各预报因子中太阳辐射对ET0预报误差影响最大,其后依次是风速、最高气温、相对湿度和最低气温。在后处理过程中,NWP的最高气温预报值对其他因子预报精度的贡献最大、对相对湿度预报精度的贡献最小。建议在进行NWP偏差校正时,应考虑数据不匹配问题,通过多因子校正来弥补预报精度的不足。 相似文献
3.
以郁江流域百色水库入库径流为研究对象，分别采用基于水文气象因子的逐步多元回归模型、人工神经网络模型（气象因子）和基于时间序列的混沌理论模型、最近邻抽样回归模型、小波分析法、神经网络—自回归模型共6个模型方法对百色水库年尺度、月尺度以及旬尺度入库径流进行中长期径流预报工作，随即采用平均相对误差、合格率、TS评分以及均方根误差4种评价指标对上述6个模型的预测结果进行精度评估，并依据熵权法的理论对上述4种指标进行客观赋权形成综合性指标分析体系，来确定最优模型以进行郁江流域百色水库不同尺度和预见期的入库径流中长期径流预报工作。结果表明：各模型预报结果中的平均相对误差相对较大，但其所对应的合格率以及TS评分指标均处于优良水平；月尺度预报过程中，各模型非汛期预报精度都要高于汛期预报精度。结合各模型自身特点以及综合性指标分析的基础上，可在年尺度中长期径流预报过程中采用神经网络—自回归模型、月尺度中长期径流预报过程中采用混沌理论模型，旬尺度中长期径流预报过程中依据不同的预见期分别采用人工神经网络模型（气象因子）以及小波分析法进行相关的中长期径流预报工作，从而为郁江流域百色水库制定未来中长期调度计划提供... 相似文献
4.
基于历史气象资料和WOFOST模型的区域产量集合预报 总被引：1，自引：0，他引：1
针对基于作物生长模型进行产量预报时气象要素变化对作物生长的实时影响不能得到充分反映,产量预报缺乏量化不确定性信息的突出问题,选择河北省保定市和衡水市冬小麦主产区为研究对象,提出构建历史气象集合作为预报期气象数据输入驱动WOFOST模型的冬小麦生长模拟,并通过实时更新不断向前滚动预报,从传统单一数值的预报转向基于集合的概率预报。结果表明:基于历史气象资料可以进行作物模型的区域产量集合预报,抽穗期至灌浆期是预报精度最高的时期,预报集合中位数与实测产量的皮尔逊相关系数(PCC)最高为0.563,平均绝对误差(MAE)最低为458 kg/hm~2。研究结果表明区域化产量集合预报具有较强的可行性,并为量化作物模拟系统不确定性、数值天气预报与作物模型的结合应用提供了参考。 相似文献
5.
为探索精确预报未来短期ET0的方法,比较了4种基于气温预报ET0预报模型,即Hargreaves-Samani(HS)、Thornthwaite(TH)、简化的Penman-Monteith(PT)及McCloud(MC)模型。收集了西藏林芝站2001年1月1日至2013年12月31日的实测逐日气象数据和2012年6月6日至2013年12月31日逐日对未来7d的气象预报数据,在气温预报精度评价的基础上,采用4种基于温度的参考腾发量计算模型直接进行ET0预报,然后采用率定后的模型进行ET0预报,最后与实测气象数据和FAO-56PM公式计算的ET0值进行比较。结果表明,未率定的4种模型预报误差均较大,其中PT公式精度稍高。经率定后,4种公式的预报精度都有所提高,平均准确率为70%,MAE值HS模型最小,平均为0.57mm/d,其他3个模型为1.27~1.50mm/d;RMSE都在2.0mm/d左右;r值总体仍不高,TH模型平均仅有0.19,其他3种模型在0.6左右。综合来看,PT模型的预报效果稳定性优于其他3个模型。对于林芝地区附近的灌区,无论有无气象观测数据供模型率定,建议采用PT模型进行ET0预报。 相似文献
6.
基于气温预报和神经网络的参考作物腾发量预报 总被引：2，自引：0，他引：2
采用反向传播人工神经网络(BP-ANN)逼近气象因子-参考作物腾发量ET0函数关系,以天气预报中的最高和最低气温为输入进行短期ET0预报。收集了南京站实测的2010年7月1日至2013年7月7日逐日气象数据和2012年7月1日至2013年6月30日逐日对未来7d的气象预报数据,以最高、最低气温及相应的日序数为3个输入因子,ET0为输出建立一个包含一个隐含层的3层BP网络,以2010年7月1日至2012年6月30日实测气象数据及通过FAO-56PM公式计算的ET0进行网络,以2012年7月1日至2013年6月30日实测气象数据及通过FAO-56PM公式计算的ET0进行网络验证。将2012年7月1日至2013年6月30日逐日对未来7d的气象预报中的最高、最低气温输入训练及验证后的网络,得到2012年7月1日至2013年6月30日逐日对未来7d的ET0预报值,并与FAO-56PM公式计算的ET0值进行比较以验证预报精度。结果表明,预见期1~7d内,预报的ET0和计算的ET0变化趋势基本一致,预报精度随着预见期的增加而降低;平均准确率(±1.5mm/d以内)达88.08%,相关系数为0.77,均方根误差为1.28mm/d,显示出了较高的预报精度。在局部时间段内出现的ET0,PM和预报ET0的较大差别的原因是该时段内的ET0更多地受到除了日最高和最低气温之外的其他因素的影响。提出的方法 ET0预报,随着气象预报准确度的提高,可实现较为精确的ET0预报。 相似文献
7.
8.
基于气温预报和HS公式的不同生育期参考作物腾发量预报 总被引：2，自引：0，他引：2
根据南京站2001-2011年实测气象数据,以Penman-Monteith(PM)公式计算得到的参考作物腾发量ET0值作为基准值,对仅需要气温数据计算参考作物腾发量的Hargreaves-Samani(HS)公式进行参数率定,采用率定后的HS公式依据2012年6月-2015年6月气温预报数据对南京水稻、冬小麦不同生育期未来1~7d的ET0进行预报,并与基于实测气象数据的PM法计算的ET0值进行比较,评价HS法的ET0预报精度。结果表明:最低、最高气温实测值与预报值相关系数分别为0.97和0.93,最低气温预报精度略高于最高气温;预见期1~7d内,水稻、冬小麦不同生育期ET0预报值与PM法计算值变化趋势基本一致,整个生育期内冬小麦ET0预报值与PM法计算值吻合程度更好,水稻、冬小麦相关系数分别达0.60、0.80左右;水稻各生育期平均准确率为66.0%~97.5%,平均绝对误差为0.65~1.22mm/d,均方根误差为0.76~1.42mm/d,冬小麦各生育期平均准确率为75.4%~99.5%,平均绝对误差为0.33~1.06mm/d,均方根误差为0.43~1.23mm/d;作物生育期各阶段对气温预报误差越敏感,ET0预报精度越低,随着生育期的推进,水稻对气温预报误差的敏感程度逐渐减小,相应的ET0预报精度逐渐增加,而冬小麦反之;但整体上预见期1~7d的气温预报及ET0预报精度达到可利用程度,可为快速灌溉预报及灌溉决策提供数据支撑。 相似文献
9.
人工神经网络方法在黄瓜霜霉病预报中的应用 总被引：1，自引：0，他引：1
选取与黄瓜霜霉症发生程度显著相关的温度和湿度作为预报因子，采用神经网络的BP网络模型进行预报霜霉病的初步试验，取得了满意的效果。 相似文献
10.
曹伟 《国际沙棘研究与开发》2016,(1):53-56
针对径流时间序列固有的非线性和随机性特点,本文提出了基于灰色关联分析的模糊支持向量机预报方法.该方法在传统支持向量机任意逼近的非线性映射能力上,引入模糊隶属函数来考虑气候和流域下垫面变化下径流样本对预报结果的影响.此外,预报因子选取是中长期径流预报的一大难点,考虑到相关系数法只能衡量因子间线性相关程度的不足,本文采用灰色关联分析来量化预报因子与预报对象的关联程度,并按关联度大小挑选出对径流过程影响显著的预报因子.将该方法应用于新疆车尔臣河的月径流预报中,与GRNN神经网络模型和A-FSVM模型的预报结果比较表明:该方法能提高径流中长期预报精度,是一种有效的径流时间序列预测模型. 相似文献
11.
开展小麦籽粒蛋白质含量的监测预报研究对于指导农户调优栽培、企业分类收储、期货小麦价格、进口政策调整等具有重要意义.本研究以冬小麦主产区(河南省、山东省、河北省、安徽省和江苏省)为研究区域,构建了冬小麦籽粒蛋白质含量多层线性预测模型,并实现了2019年冬小麦蛋白质含量预报.为了解决预测模型在年际扩展和空间扩展存在偏差的问... 相似文献
12.
研究利用遥感数据进行了运城地区冬小麦不同生育时期归一化差值植被指数和产量关系的研究,利用气象数据和光谱数据构建了冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型。结果表明：运城地区水旱地冬小麦均以5月8日左右的NDVI值与产量相关性最好,且达极显著水平,因此该时期为建立冬小麦遥感估产模型的最佳时相。通过对冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型预测效果进行的F检验,表明各模型均达到极显著水平。与其他两种模型相比,光谱气象产量模型的决定系数（R2）有明显的提高,并且相对均方根误差（RRMSE 相似文献
13.
冬小麦生育期有效降水量计算模式研究 总被引：6，自引：1，他引：5
根据田间试验数据,建立了冬小麦叶面积指数随有效积温变化的增长模型,实际腾发量模型及土壤入渗模型。并以土壤水分平衡法为基础,综合考虑作物蒸散、降水和灌溉等因素影响,利用新乡地区1951~2001年冬小麦连续50个生长年度的逐日气象资料,模拟了各年度冬小麦生长期土壤水分供需状况。通过模拟结果分析冬小麦生长期降水量和有效降水量相互关系及变化趋势,确定了该地区不同时长尺度下冬小麦生育期有效降水量适宜计算模式,以满足区域农业发展规划及水资源优化配置管理的需求。 相似文献
14.
滇东北作物耗水特性及影响因素 总被引：1，自引：0，他引：1
基于滇东北地区3个气象站点(会泽站、昭通站、沾益站)1955-2013年逐日气象资料,采用FAO-56 Penman-Monteith公式,计算并分析滇东北地区水稻、春玉米和冬小麦全生育期需水量及其变化趋势,同时采用偏相关分析和逐步回归分析探讨各气象因子对主要粮食作物需水量影响的程度.结果表明:昭通站主要粮食作物需水量随时间呈不同程度减少,每10 a水稻需水量减少10.07 mm,春玉米减少1.44 mm,冬小麦减少1.06 mm.而其他站点呈增加趋势,水稻需水量每10 a分别增加8.85,4.48 mm,春玉米分别增加8.38,4.57 mm,冬小麦分别增加7.39,3.10 mm.3个站点同一种作物各生育阶段需水量规律基本一致,水稻各生育期需水量从大到小依次为:分蘖,拔节,抽穗,乳熟,黄熟,返青;玉米的依次为:拔节,灌浆,苗期,孕穗,成熟;小麦的的依次为:乳熟,开花,成熟,苗期.日照和平均风速是影响水稻和玉米需水量最主要的气象因子,且呈显著正相关关系,就各站点而言,影响冬小麦需水量的气象因子存在差异,其中会泽站和沾益站同日照时数和平均气温呈显著正相关,而昭通站与平均湿度呈显著负相关,同日照时数呈显著正相关关系. 相似文献
15.
J.H. Kjaersgaard F. Plauborg M. Mollerup C.T. Petersen S. Hansen 《Agricultural Water Management》2008,95(8):918-924
Estimations of evapotranspiration (ET) from natural surfaces are used in a large number of applications such as agricultural water management and water resources planning. Lack of reliable, cheap and easy-to-use instruments, associated with the chaotic and varying nature of the meteorological and plant physiological factors influencing ET cause these estimations to be based on calculated values rather than the measured ones. The two-step approach where ET from a reference crop is calculated and multiplied by empirical crop coefficients to obtain ET from a crop has gained wide acceptance. Daily coefficients for a winter wheat crop growing under standard conditions, i.e. not short of water and growing under optimal agronomic conditions, were estimated for a cold sub-humid climate regime. One of the two methods used to estimate ET from a reference crop required net radiation (Rn) as input. Two sets of coefficients were used for calculating Rn. Weather data from a meteorological station was used to estimate Rn and ET from the reference crop. The winter wheat ET was measured using an eddy covariance system during the main parts of the growing seasons 2004 and 2005. The meteorological data and field measurements were quality controlled and discarded from the analysis if flagged for errors. Daily values of ET from the reference crop and winter wheat calculated from hourly values were used to calculate the crop coefficients. Average daily crop coefficients were in the 1.1–1.15 range during mid-season with standard deviations ranging from 0.13 to 0.23 for both years. These values exceed values used in some sub-humid climate regime studies, but agree well with values from the international literature. 相似文献
16.
17.
融合多源时空数据的冬小麦产量预测模型研究 总被引：3，自引：0，他引：3
为提高大尺度冬小麦产量预测精度,以2005—2019年河南省遥感数据、气象数据、土壤含水率等多源时空数据为特征变量,分析其与小麦单产的相关性,并基于随机森林算法对特征变量进行了重要性分析,构建了融合多源时空数据的冬小麦产量预测模型。结果表明:增强型植被指数（Enhanced vegetation index, EVI）、日光诱导叶绿素荧光（Solar-induced chlorophyll fluorescence, SIF）与高程为小麦产量预测的重要因子,与小麦产量呈高度正相关,对小麦产量预测的重要性指标均超过0.45,远大于土壤含水率、降水量、最高温度、最低温度等因子;基于随机森林算法构建的小麦不同生长阶段产量预测模型中,以10月—次年5月和10月—次年4月为特征变量的产量预测模型精度较高,R2分别为0.85和0.84,RMSE分别为821.55、832.01 kg/hm2,在空间尺度上,豫西和豫南丘陵山地模型预测相对误差高于平原地区。该研究结果可为大尺度作物产量预测提供参考。 相似文献
18.
Estimation of water consumption and crop water productivity of winter wheat in North China Plain using remote sensing technology 总被引：3，自引：0，他引：3
The North China Plain (NCP) is one of the most water stressed areas in the world. The water consumption of winter wheat accounts for more than 50% of the total water consumption in this region. An accurate estimate of the evapotranspiration (ET) and crop water productivity (CWP) at regional scale is therefore key to the practice of water-saving agriculture in NCP. In this research, the ET and CWP of winter wheat in 83 counties during October 2003 to June 2004 in NCP were estimated using the remote sensing data. The daily ET was calculated using SEBAL model with NOAA remote sensing data in 17 non-cloud days whereas the reference daily crop ET was estimated using meteorological data based on Hargreaves approach. The daily ET and the total ET over the entire growing season of winter wheat were obtained using crop coefficient interpolation approach. The calculated average and maximum water consumption of winter wheat in these 83 counties were 424 and 475 mm, respectively. The calculated daily ET from SEBAL model showed good match with the observed data collected in a Lysimeter. The error of ET estimation over the entire growing stage of winter wheat was approximately 4.3%. The highest CWP across this region was 1.67 kg m−3, and the lowest was less than 0.5 kg m−3. We observed a close linear relationship between CWP and yield. We also observed that the continuing increase of ET leads to a peaking and subsequent decline of CWP, which suggests that the higher water consumption does not necessarily lead to a higher yield. 相似文献
19.
近年来小麦受干热风影响严重,造成小麦减产10%-20%,然而目前对小麦干热风年型研究较少,预测方法也比较少。基于此,为了更好的对干热风进行预警和预防,准确的预测小麦干热风年型是一个重点,本研究利用马尔科夫原理的“无后效性”的特点,使用滑县2001-2021年5月13日-6月10日的气象数据,建立马尔科夫预测模型。然后通过回代检验对滑县地区的2004-2021年的干热风进行预测结果检验,并选取相同的数据与BP神经网络模型进行结果对比。结果表明,马尔科夫模型预测概率77.78%,精度较高。并且在相同的数据基础上比BP神经网络预测模型的表现更好,因此马尔科夫模型可以更好的对小麦干热风进行预警,可以起到防灾抗灾的效果,对提高小麦产量具有重要意义。 相似文献
20.
AquaCrop作物模型在松嫩平原春麦区的校正和验证 总被引：2，自引：0，他引：2
为了研究AquaCrop作物模型在松嫩平原春麦区的适用性,利用实测的土壤水分、春小麦生长和产量数据,结合气象数据,获得AquaCrop模拟土壤水分和春小麦生长的模型参数,并用往年的作物生长数据对模型进行验证。结果表明,春小麦的产量和生物量的实测值与模拟值的绝对平均误差(MAE)为0.058和0.109、均方根误差(RMSE)为0.06和0.11t/hm2、模拟性能指数(EF)为0.795和0.822、残差聚集系数(CRM)为-0.006 96和0.005 87、一致性系数(IoA)为0.959和0.966;对10cm和20cm土壤体积含水率的实测值与模拟值的MAE为5.23和2.53、RMSE为6.47%和7.95%、EF为-0.277和-0.069、CRM为0.097和0.212、IoA为0.585和0.741。说明AquaCrop模型对春小麦的生物量和产量及生育期土壤体积含水率的模拟结果总体较好,对松嫩平原春麦生产有一定的参考意义。 相似文献