共查询到16条相似文献，搜索用时 187 毫秒
1.
以四川盆地中部遂宁气象站2001-2010年逐日温度资料和大气顶层辐射（Ra）为输入参数,以FAO-56 Penman-Monteith（PM）模型计算的参考作物蒸散量（ET0）为标准,分别利用广义回归神经网络（GRNN）和小波神经网络（WNN）两种机器学习算法建立ET0模拟模型,并对GRNN、WNN和Hargreaves（HS1）与两种改进的Hargreaves（HS2和HS3）模型的ET0模拟效果进行对比分析,利用2011-2014年数据对各模型模拟精度进行验证,分析仅有温度资料时不同模型在四川盆地的适用性。结果表明：GRNN模型和WNN模型均具有较强的适用性,GRNN模型均方根误差（RMSE）、模型效率系数（Ens）和决定系数（R2）分别为0.395mm×d-1、0.924和0.902,WNN模型分别为0.401mm×d-1、0.911和0.901,且两种模型计算精度均高于HS1（1.05mm×d-1、0.885和0.334）、HS2（0.652mm×d-1、0.892和0.736）和HS3（0.550mm×d-1、0.881和0.812）模型。模型适用性验证进一步表明,GRNN和WNN模型在四川盆地西部和东部也具有较好的适用性,在输入参数中引入Ra能提高模型的模拟精度。因此,GRNN和WNN可以作为气象资料缺失条件下四川盆地ET0计算的推荐模型,且GRNN计算精度高于WNN,可优先选用。 相似文献
2.
以南方地区15个辐射站1981-2014年逐日常规气象资料和大气顶层辐射(Ra)为输入参数,以辐射站观测的逐日地表总辐射量(R_s)为对照,分别利用1981-2009年气象资料以及5种经验模型(?ngstr?m-Presscott模型、Bahel模型、Bristow-Campbell模型、Chen模型和Hargreaves模型)和12种不同参数组合形式的广义回归神经网络(GRNN)建立R_s估算模型,并对以上模型模拟效果进行对比分析,利用2010-2014年数据对各模型模拟精度进行验证,最后采用相邻站点资料建立模型,使用本站数据评价模型的适用性。结果表明:经验模型中Chen模型精度最高,其次是Bahel模型,Bristow-Campbell模型与Hargreaves模型相比在大部分站点精度相差不大。当缺乏本地资料时,Bahel模型精度最高的站点有9个,而Chen模型最适宜的站点为7个;15个站中有13个站点B-C模型比Hargreaves模型精度更高,但在武汉站和赣州站,Hargreaves模型精度更高,其RMSE降低约14%。输入参数为日照百分比时GRNN模型的平均RMSE最低,优于Bahel和Chen模型,但其各站平均RMSE相差不足2%。当仅有本站气象资料时,GRNN模型与Bristow-Campbell模型和Hargreaves模型相比,其RMSE下降约14%,但使用邻近站点数据建模时,由于光滑因子在各站差异较大,GRNN模型与Bristow-Campbell模型和Hargreaves模型精度相差不大。因此,考虑到GRNN模型建模较复杂,故认为Bahel模型和Chen模型为南方地区更适宜的R_s估算模型。 相似文献
3.
为实现气象资料缺乏情况下参考作物蒸散量（reference crop evapotranspiration, ET0）高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机（extreme learning machine, ELM）的ET0预测模型。选取川中丘陵区7个气象站点1963－2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明：ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度（均方根误差和模型效率系数分别为0.504 mm/d和0.827）高于Hargreaves模型（均方根误差和模型有效系数分别为0.692 mm/d和0.741）;基于最高、最低温度和辐射的ELM模型模拟精度（均方根误差和模型有效系数分别为0.291 mm/d和0.938）明显高于Priestley-Taylor（均方根误差和模型有效系数分别为0.467 mm/d和0.823）、Makkink（均方根误差和模型有效系数分别为0.540 mm/d和0.800）和Irmark-Allen模型（均方根误差和模型有效系数分别为0.880 mm/d和0.623）。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。 相似文献
4.
改进Hargreaves模型估算川中丘陵区参考作物蒸散量 总被引：3，自引：2，他引：3
为提高Hargreaves-Samani(HS)模型参考作物蒸散量(ET0)计算精度,该文基于贝叶斯原理利用川中丘陵区1954-2002年逐日资料对其温度指数、温度系数和温度常数进行改进,并使用2003-2013年资料以Penman-Monteith(PM)模型为标准评价HS改进模型计算精度与适应性。结果表明:HS改进模型参数在川中丘陵区各区均小于联合国粮农组织推荐值,并呈现出随纬度上升而增大的趋势;与PM模型计算结果相比,HS改进模型计算的ET0相对误差在川中丘陵区北部从14.2%~60.9%降至-1.1%~33.4%、中部从40.6%~92.6%降至16.9%~61.1%、南部从31.3%~96.0%降至8.5%~64.4%、整个川中丘陵区从32.1%~82.7%降至9.5%~52.6%;相关性分析表明,HS改进模型和PM模型计算的ET0回归曲线的斜率更接近于1(北部1.16、中部1.02、南部0.99、全区1.13),决定系数均达到0.85(P0.01)以上;趋势分析表明,HS改进模型和PM模型计算的ET0变化一致,年内均呈开口向下的抛物线状,年际均呈微小上升趋势。因此,基于贝叶斯原理改进的HS模型在川中丘陵区不同区域变异性较小,适应性较强,具有较高的计算精度,可作为川中丘陵区参考作物蒸散量简化计算的推荐模型。 相似文献
5.
基于气温估算参考作物蒸散量方法的对比与改进 总被引：1，自引：1，他引：0
为提高基于气温数据估算参考作物蒸散量（ET0）模型的精度,该研究对比分析了基于温度数据估算ET0的Penman-Monteith（PMT）模型、Hargreaves-Samani（HS）模型和改进HS模型,并运用基于气温数据估算实际水汽压和太阳辐射的最新进展改进PMT模型。结果表明：Paredes等提出的改进HS模型较传统HS模型提高了半干旱区到湿润区ET0的估算精度;使用Paredes等提出的PMT模型与改进HS模型估算的各气候区相关系数（r）均值相似,但PMT模型提高了除湿润区和亚湿润干旱区外各气候区的ET0估算精度,均方根误差（RMSE）和相对均方根误差（RRMSE）均值分别降低0.01～0.15 mm/d和0～0.05,且模型效率（EF）均值提高了0.01～0.06;本文提出的改进PMT模型可进一步改进PMT模型估算除干旱区和半干旱区外各气候区精度,RMSE和RRMSE均值分别降低0.04～0.12 mm/d和0.02～0.04,r和EF均值更接近于1;并且改进PMT模型估算各站点全局性能指数（Global Performance Index,GPI）值较好,90%的站点GPI值排名第一。因此,建议在仅有气温数据时,使用改进PMT模型作为估算ET0的推荐模型。研究成果可为区域农业水资源管理提供依据。 相似文献
6.
不同ET0计算方法在川中丘陵地区的比较及改进 总被引：2，自引：6，他引：2
为了获取川中丘陵地区参考作物蒸散量(ET0)在气象资料短缺条件下不同类型的简化计算方法,选用FAO-56Penman-Monteith(PM)法、Hargreaves法、Hargreaves校正法、Priestley-Taylor法和Irmark-Alleen拟合法计算简阳站1999-2005年逐日的ET0。以PM公式为标准,对其他4种方法进行评价及改进。结果表明,Hargreaves校正法计算误差最小,Irmark-Alleen拟合法和Hargreaves法次之,Priestley-Taylor法计算误差最大。通过灵敏度分析,得出川中丘陵地区影响ET0的主要气象因子是相对湿度,因此该文对在湿润气候条件下应用的Priestley-Taylor法和Irmark-Alleen拟合法的参数进行逐月修正,改进后的计算方法精度得到明显提高。Hargreaves校正法、该文提出的Priestley-Taylor修正法和Irmark-Alleen拟合改进法可以作为川中丘陵地区气象资料短缺条件下ET0的简化计算方法。 相似文献
7.
为找出适用于都江堰灌区参考作物蒸散量(ET_0)的简化计算模型,以灌区附近成都、都江堰、乐山、遂宁和雅安5个站点1961—2017年的逐日气象资料为基础,计算Penman-Monteith(PM)模型、极限学习机(ELM)模型、广义回归神经网络(GRNN)模型、Priestley-Taylor(PT)模型、Makkink(MK)模型、Ritchie(RC)模型的逐日ET_0数据,以相对均方根误差(RMSE)、决定系数(R~2)和模型效率系数(E_(ns))为评价指标体系比较不同模型计算精度,分析得出在仅有温度资料和辐射资料情况下适用于都江堰灌区的简化计算模型。结果表明:在计算ET_0时,GRNN模型和ELM模型表现出了较高的计算精度和一致性,ELM模型R~2,RMSE,E_(ns)分别为0.852 4～0.911 0,0.363～0.413 mm/d和0.856～0.903,GRNN模型R~2,RMSE,E_(ns)分别为0.835 7～0.886 3,0.366～0.497 mm/d和0.832～0.879,同时比较输入辐射前后2个模型的模拟精度可知,辐射是ET_0计算的关键因素。综上所述,ELM模型在计算ET_0日值和月值时的计算精度均较高,可作为都江堰灌区在气象资料缺失情况下的ET_0标准计算模型。 相似文献
8.
中国三大灌区参考作物蒸散量温度法模型的修订与适应性评价 总被引：1，自引：0，他引：1
为提高中国三大灌区（都江堰灌区、河套灌区和淠史杭灌区）参考作物蒸散量（reference crop
evapotranspiration,ET 0 ）温度法的计算精度,选取 8 个代表性站点 1961-2014 年逐日气象资料,采用
Irmark-Allen（IA）、Hargreaves and Samani（HS）、Turc（Tur）、McCloud（MC）、Schendel（Sch）、Trajkovic
（Tra）、Droogres and Allen?1（DA-1）和 Droogres and Allen?2（DA-2）共 8 种温度法计算 ET 0 ,以 FAO-56
Penman-Monteith（PM）法计算结果为标准,基于各方法计算的 ET 0 日值线性回归方程（y=kx+b）,分别
在都江堰灌区选取 IA 法和 Tra 法,河套灌区选取 HS 法、DA-1 法和 DA-2 法,淠史杭灌区选取 IA 法、
HS 法、DA-1 法和 DA-2 法,引入调差参数对模型进行修订,利用均方根误差（RMSE）、平均相对误差
（MRE）和 Nash-Sutcliffe 系数（NS）对其适应性进行评价。结果表明：都江堰灌区和淠史杭灌区所选
模型修订后计算精度均有明显提高,河套灌区提高不明显;都江堰灌区 IA 修订模型（IA-Du 法）在该灌
区计算精度最高,其日值、旬值的 RMSE、MRE 和 NS 分别为 0.318mm·d-1 、0.120 和 0.923,0.201mm·d-1 、
0.093 和 0.959,且在不同月份均有较高计算精度;河套灌区计算精度最高模型为 HS 法,其日值、旬值
的 RMSE、MRE 和 NS 分别为 0.898mm·d-1 、0.326 和 0.785,0.547mm·d-1 、0.223 和 0.904,且在 1-5 月
和 10-12 月具有较高计算精度;淠史杭灌区 IA 修订模型（IA -Pi 法）在该灌区计算精度最高,其日值、旬
值的 RMSE、MRE 和 NS 分别为 0.534mm·d -1 、0.195 和 0.861,0.390mm·d -1 、0.167 和 0.896,且在不同
月份均具有较高计算精度。因此,推荐 IA -Du 法、HS 法和 IA -Pi 法分别作为都江堰灌区、河套灌区和淠史
杭灌区计算参考作物蒸散量的方法。 相似文献
9.
基于WOFOST模型的中国主产区冬小麦生长过程动态模拟 总被引：3，自引：4，他引：3
大区域尺度WOFOST(world food studies)模型的动态模拟是作物模型区域应用的重要基础。该文以中国冬小麦主产区为研究对象,利用中国冬小麦主产区内174个农业气象站多年观测数据以及气象站点观测数据,重点优化WOFOST模型中与品种相关的积温参数,即出苗至开花有效积温与开花至成熟有效积温。在冬小麦主产区分区的基础上,以2012—2015年气象数据驱动WOFOST模型,在站点尺度进行冬小麦的物候期、叶面积指数(leaf area index,LAI)和单产动态模拟和精度分析。结果表明:WOFOST模型模拟出苗至开花天数的决定系数R2为0.89~0.94,均方根误差RMSE为7.87~11.52 d,模型模拟开花至成熟天数的R2为0.63~0.77,RMSE为2.99~4.65 d;模型模拟LAI的R2为0.70~0.83,RMSE为0.89~1.46 m2/m2;灌溉区WOFOST模拟的单产精度R2为0.45~0.59,RMSE为734~1 421 kg/hm2;雨养区WOFOST模拟的单产精度R2为0.48~0.61,RMSE为1 046~1 329 kg/hm2。结果表明,WOFOST模型在全国尺度取得了较高模拟精度,为区域尺度作物模型的农业应用提供了坚实的过程模型基础。 相似文献
10.
四川省不同区域参考作物蒸散量计算方法的适用性评价 总被引：2，自引：2，他引：0
为实现参考作物蒸散量(reference crop evapotranspiration,ET0)在资料缺失情况下的准确计算,对ET0简化算法在四川省不同区域的适用性进行科学评价,将四川省划分为4个区域(I东部盆地区、II盆周山地区、III川西南地区和IV川西高原区),采用46个气象站点1954-2013年逐日气象资料,以1998 FAO-56 Penman-Monteith(PM)法的计算结果为标准,对具有代表性的6种简易算法48 Penman(48PM)法、Hargreaves-Samani(HS)法、Pristley-Taylor(PT)法、Irmark-Allen(IA)法、Makkink(MAK)法和Penman-Van Bavel(PVB)法的计算精度进行对比,结果表明:6种方法在四川省不同区域计算精度差异明显,HS法、PT法和PVB法较为精准,48PM法、IA法和MAK法误差较大,其中I区表现最好的为HS法,II、III和IV区表现最好的方法均为PT法;同时,除PT法和PVB法外,其余方法空间变异性较大(HS法在海拔较低的I、II区较为精准,在海拔较高的III和IV区结果远小于PM法,48PM法在四川东南地区的计算误差为11.1%~37.5%,在浅山丘区和高原区计算误差多大于50%)。因此,计算四川省的参考作物蒸散量时,推荐在东部盆地区使用HS法,盆周山地区、川西南地区与川西高原区使用PT法。 相似文献
11.
The Penman–Monteith (FAO-56 PM) equation is suggested as the standard method for estimating evapotranspiration (ET0) by the International Irrigation and Drainage Committee and Food and Agriculture Organization (FAO). On the other hand, the Hargreaves–Samani (HS) equation is an alternative method compared with the FAO-56 PM equation. In the present study, the original coefficient C of the HS equation is calibrated based on the FAO-56 PM equation for estimating the reference ET0 from 15 meteorological stations in central Iran (about 170,000 km2) under semiarid and arid conditions. After calibration, the new values for C are ranged from 0.0018 to 0.0037. The mean bias error (MBE), the root mean square error (RMSE), and the ratio of average estimations of ET0 (R) values for all stations are ranged from 0.12 to 5.38, ?5.35 to 1.15 mm d?1 and 0.64 to 1.28 for the HS equation and from 0.12 to 2.48, ?2.2 to 0.60 mm d?1, and 1.00 to 1.05 for the calibrated Hargreaves–Samani equation (CHS), respectively. Results indicate that the average RMSE and MBE values are decreased by 40% and 66%, respectively. Relationships for calibrating the C coefficient on the basis of annual average of daily temperature range (ΔT) and wind speed (V) are proposed, calibrated, and validated. Hence, the CHS equation can be used for ET0 estimates with acceptable accuracy instead of the FAO-56 PM method. 相似文献
12.
基于天气预报的漳河灌区参考作物腾发量预报方法比较 总被引：7，自引：2，他引：5
为了提出适合湖北省漳河灌区的参考作物腾发量预报方法,以FAO56-Penman-Monteith公式采用历史气象数据计算出的值为基准,利用天气预报数据,比较Hargreaves-Samani(HS)法、逐日均值修正法及该文改进的逐日均值修正法在该灌区钟祥站点的预报精度,并评价各方法适用性.结果表明:利用这3种方法进行参考作物腾发量预报时,1~7 d预见期平均绝对误差均值分别为0.75、0.80、0.76 mm/d,均方根误差分别为1.00、1.07、1.05 mm/d,相关系数分别为0.82、0.80、0.80.1 d预见期最优预报方法为改进逐日均值修正法,2~7 d预见期的最优方法均为HS法.总体而言,预报精度最好的为HS法、改进逐日均值修正法次之、逐日均值修正法最差.对于漳河灌区,建议采用HS法进行预报,可为灌溉预报提供较为准确的数据基础. 相似文献
13.
基于GEP和地理位置信息的湘鄂地区月参考作物腾发量模拟计算 总被引：1，自引：1，他引：1
参考作物腾发量(ET0)是计算植被蒸散发的关键因子,准确估算ET0对水资源管理、灌溉制度设计等具有重要意义。本研究利用湘鄂地区46个气象站点1955—2005年的逐月气象数据,包括月最高气温、最低气温、平均风速、日照时数以及相对湿度,用FAO-56 Penman-Monteith法计算各站的逐月ET0值。然后结合基因表达式编程(GEP)算法挖掘公式的能力,以各站点的地理位置信息(纬度、经度、海拔)及月序数为输入,以多年逐月平均ET0值为输出,建立基于地理位置信息的月ET0模型,并与传统ET0模型的计算结果进行比较。结果表明,所建立的模型具有足够的精度,校正、检验阶段的决定系数(R2)和均方根误差(RMSE)分别为0.934、0.951和10.050 mm、8.628 mm;与Hargreaves和Priestley-Taylor法相比,基于地理位置信息建立的GEP模型的结果均方根误差最小,变化范围为8.628~9.967 mm。本研究所建立的月ET0模型具有明确的表达式,简单易用,在湘鄂地区仅利用地理位置信息计算逐月ET0是可行的,可以利用该模型进行月尺度的灌溉制度设计和植被蒸散发的估算。 相似文献
14.
蒸散发(ET)在农业灌溉和水资源管理中起着重要作用。ET可通过FAO-Penman-Monteith方法(ET_(FPM))进行准确估算,ET_(FPM)方法是ET估算的标准参考方法,此方法需要提供更为详实的气象数据。对于ET的估算,需要寻找使用较少的输入数据,而不会影响预测准确性的替代方法。研究运用5个基于辐射的模型,包括Makkink(ET_(MAK))、Priestley和Taylor(ET_(PT))、Abtew(ET_(ABT))、Jensen-Haise(ET_(JH))、McGuinness和Bordne(ET_(MB)),3个基于温度的模型,包括Hargreaves and Samani(ET_(HS))、Hamon(ET_(HAM))和Linacre(ET_(LIN)),以及1个基于空气动力学的模型Penman(ET_(PEN)),通过使用韩仓河流域周边6个气象水文站的长期数据,将选取的模型与ET_(FPM)模型在月尺度和生长季节尺度上进行比较评价。结果表明,ET_(JH)、ET_(HAM)分别是67%,33%研究区域每月ET的最佳预测方法。在研究区域中,基于辐射的方法优于基于温度的方法。植被生长季节ET累积值表明,Jensen-Haise和Hamon方法在暖季和秋冬季生长期表现最佳,而春季生长期最佳预测方法仅包括Jensen-Haise方法。最佳替代方法和ET_(FPM)方法之间的差异表明,最佳替代方法在某些地区的估算可信度不高,因此在使用之前应考虑ET模型可预测性能的时空变化。 相似文献
15.
多元自适应回归样条算法模拟川中丘陵区参考作物蒸散量 总被引：2，自引：2，他引：0
参考作物蒸散量(reference crop evapotranspiration, ET_0)是作物精准灌溉管理与农业高效用水的核心参数。为提高川中丘陵区气象资料缺省下的ET_0预报精度,利用不同的气象因子组合,建立15种基于多元自适应回归样条算法(multivariate adaptive regression splines, MARS)的ET_0预报模型。选取11个代表性气象站点1961—2016年逐日气象资料进行分析,将其与其他ET_0预报模型进行对比,并利用可移植性分析评价MARS模型在川中丘陵区的适用性。结果表明:基于温度和风速项输入的MARS_5(输入大气顶层辐射、最高气温、最低气温、2m处风速)、MARS_9(输入最高气温、最低气温、2 m处风速)和MARS_(13)(输入最高气温、2 m处风速)模型,以及仅基于风速项输入的MARS_(15)模型都具有良好的模拟精度;大气顶层辐射和风速是决定机器学习模型地域性适应能力的关键;引入大气顶层辐射后,MARS_6(输入大气顶层辐射、最高气温、最低气温、相对湿度)、MARS_7(输入大气顶层辐射、最高气温、最低气温、日照时长)、MARS_8(输入大气顶层辐射、最高气温、最低气温)模型均优于相同气象因子依赖下的Irmak-Allen、Irmak、Hargreaves-M4模型;通过可移植性分析发现,在训练站点和测试站点的随机交叉组合下,MARS_5模型保持了较高的精度(纳什效率系数和决定系数均大于0.985),且输出较为稳定的模拟结果,均方根误差变化范围为0.121～0.193 mm/d,平均相对误差变化范围为2.7%～4.2%。因此,基于多元自适应回归样条算法的ET_0预报模型可作为川中丘陵区ET_0预报的推荐模型。 相似文献
16.
四川省潜在蒸散量变化及其气候影响因素分析 总被引：1，自引：0，他引：1
潜在蒸散(ET_0)是评价某一地区干旱程度的重要指标,在全球气候变暖趋势下,估计ET_0的变化对科学估算作物需水量,提高水分利用率具有重大意义。本文利用四川省1961-2014年151个气象站的气象资料,采用Penman-Monteith公式分3个区域(四川盆地、攀西地区和川西高原)计算ET_0,并对主要气象因子平均气温、相对湿度、日照时数、平均风速的相对变化率、敏感系数及其对ET_0贡献率的时空变化进行分析。结果表明:四川盆地和川西高原ET_0呈现微弱减少,而攀西地区则呈现一定的增加,其空间分布表现为:攀西地区和川西高原南部年ET_0为高值区,多在1000~1350mm,四川盆地的西南部年ET_0为低值区,多在651~900mm,从西南向东北呈现"高-低-高"趋势。各气象因子对ET_0的影响(对ET_0变化的贡献率)主要取决于敏感性和相对变化率两方面。3个区域ET_0对相对湿度的变化均表现最敏感,其敏感系数分别为-1.13、-1.40、-1.53。在主要气象因子中,在四川盆地和攀西地区,平均风速的多年相对变化率最大(-29.7%、-16.3%),川西高原则为平均温度(40.4%)。进一步分析得出,平均风速在四川盆地和川西高原对ET_0变化的贡献率最大,是主导影响因素,而在攀西地区则为相对湿度。 相似文献