共查询到16条相似文献，搜索用时 687 毫秒
1.
为了提出适合我国三江平原的高精度ET0预报方法,基于该区6个气象站点的天气预报数据和实测气象数据,以FAO56-Penman-Monteith(FAO56-PM)公式计算值为基准,比较Hargreaves-Samani(HS)、Thornthwaite(TH)和Blaney-Criddle(BC)3个ET0预报模型的效果,对最优模型进行敏感性分析。结果表明:3个模型1~7 d预见期平均绝对误差均值分别为0.66、0.65、0.65 mm/d,均方根误差分别为0.93、0.96、0.95 mm/d,相关系数分别为0.857、0.828、0.840。1~5 d预见期最优预报模型为HS模型,6~7 d为TH模型。总体上预报精度由高到低为HS、TH、BC模型,建议采用HS模型在三江平原开展ET0预报,HS模型预报对最高温预报的敏感性大于最低温。其预报值在夏季受温度预报误差影响最大,冬季最小,4季整体误差较小。研究可为灌溉预报提供较准确的数据基础。 相似文献
2.
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
3.
基于气温预报和HS公式的参考作物腾发量预报 总被引：4，自引：0，他引：4
罗玉峰;李思;彭世彰;王卫光;缴锡云;姜云鹭;顾宏 《排灌机械》2013,(11):987-992
为探索精确预报未来短期参考作物腾发量ET0的方法,提出基于气温预报和HargreavesSamani(HS)公式进行ET0预报.收集了南京站2001—2011年逐日气象观测数据和2011年预见期为4 d的逐日天气预报数据,采用FAO-56Penman-Monteith公式计算逐日ET0,用2001—2010年计算的ET0率定HS公式参数;用率定后的公式和2011年的天气预报气温数据进行未来4 d的ET0预报;比较2011年ET0的计算值与预报值、气温观测值与预报值以评价ET0预报精度及误差原因.结果表明:最低气温预报准确率达81.9%,最高气温预报准确率为80.1%;经过参数校正后,HS公式精度较高.ET0预报准确率为85.7%,平均绝对误差为1.01 mm/d,均方根误差为1.42 mm/d,相关系数为0.74;各项预报误差随着预见期的增大而增大.产生误差的主要原因为气温预报误差和HS公式未考虑平均风速和相对湿度的影响.总体而言,基于气温预报和HS公式的ET0预报方法精度较高,可为灌溉预报及决策提供较为准确的ET0预报数据. 相似文献
4.
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
5.
针对中国范围的Hargreaves(HS)公式线性回归修正研究缺少,区域或站点的修正系数存在时空尺度不统一、推广应用困难的问题,以中国气象数据网发布的中国地面气候资料月值数据集和中国辐射月值数据集中124个站点1957-2016年的气象要素逐月有效观测数据,首先,基于Penman-Monteith(PM)公式和HS公式分别计算各站点逐月的多年平均参考作物需水量ET0-PM和ET0-HS;其次,以ET0-PM为真值,基于1957-2010年的逐月平均ET0-PM和ET0-HS,引入中国农业综合区划作为空间分区框架,通过回归分析获取中国38个陆地农业子区的HS公式校正系数a和b;最后,以2011-2016年为应用验证区间,通过逐月比较ET0-HS校正前后的6 a平均相对误差,验证联合国粮农组织(FAO)推荐的HS公式校正方法在中国农业区的适用性,并进一步基于误差结果的对比分析,提出各农业区HS公式校正系数a和b的逐月最优取值方案.结果表明:各农业区之间回归计算的HS公式校正系数a和b并无明显的变化规律,但系数b稳定在0.8左右,系数a则在区域之间的差异较大,徘徊于-0.22~1.10;校正前后的ET0-HS均存在不同程度的误差,但校正后的ET0-HS误差明显降低,平均相对误差降低了20%,最大相对误差降低约100%.因此经验证,FAO推荐的HS公式回归校正方法简单易行,可操作性强,对中国各农业区大规模使用简化的方式快速获得较准确的参考作物需水量,具有一定的推广价值. 相似文献
6.
《节水灌溉》2014,(1)
为探索精确预报未来短期参考作物腾发量(ET0)的方法,提出基于天气预报和Penman-Monteith(PM)公式进行ET0预报。收集了南京2012年5月24-2013年1月31日逐日对未来7d的气象预报数据,在气温预报的基础上,将风力等级和天气类型转换成平均风速和日照时数后,采用简化的PM公式进行逐日ET0预报,并与用实测气象数据和PM公式计算的ET0值进行比较。结果表明,预见期1~7d内,ET0预报值与计算值的变化趋势基本一致,率定期和验证期准确率分别达66.3%和94.0%,均方根误差分别为1.51mm/d和0.93mm/d,但相关系数仅为0.55和0.44。误差的原因在于风力预报和天气类型预报准确度较低。提出的方法具有一定物理基础和数据较为容易获取的优点,为较准确地预报ET0进行了有益的探索。 相似文献
7.
为探究不同参考作物腾发量(ET0)算法及相应标准化降水蒸散指数(SPEI)在四川省的适用性,针对四川省3个区域(川西高原、川西南山地和川中盆地),利用34个气象站点1967—2016年的气象资料,以Penman-Monteith(PM)法计算的ET0为标准,对FAO-24Radiation(FAO-Ra)、Priestley-Taylor(PT)、Makkink(MK)、Hargreaves-Samani(HS)、Blaney-Criddle(BC)、World Meteorological Organization(WMO)、Rohwer(Ro)7种方法的ET0计算结果进行比较,并选取其中综合表现较好的3种方法进行相应的SPEI计算。通过时间序列分析、误差分析、K-S检验及小波分析等方法,探讨各区域不同ET0算法下的SPEI适用性。结果表明：7种方法在不同区域计算精度差异显著,在川西高原及川西南山地,PT法均方根误差(RMSE)均在99.11 mm以下,大部分气象站点的相对误差(RE)介于-3.8... 相似文献
8.
参考作物蒸发量(Reference crop evapotranspiration, ET0)的预测对作物需水量计算与田间水分管理具有重大意义,可为农业节水和水资源高效利用提供重要的科学依据。基于三江平原6个气象站1961—2010年逐日气象资料,采用Penman-Monteith(P-M)公式计算ET0,对历史期(1961—2010年)ET0及相关气象要素的时空特征进行分析;依据美国国家环境预报中心再分析数据以及大气环流模型(GCM)中加拿大CanESM2模式的预报因子日序列的输出数据,采用统计降尺度模型(SDSM)对未来RCP4.5和RCP8.5两种排放情景下的ET0进行预测。结果表明：历史期ET0呈上升趋势,多年年平均气温与ET0趋势相同,而年平均风速、相对湿度和净辐射整体呈下降趋势,空间分布上多年年平均ET0总体表现为中部高于周边、西部高于东部的趋势;模拟精度检验方面,基于CanESM2模式下historical情景模拟的ET... 相似文献
9.
【目的】为估算参考作物蒸散发(ET0)和灌溉实时预报调度、区域农业干旱评估提供依据。【方法】以滇中高原上洱海湖滨灌区的大理气象站为例,探究“蒸发悖论”现象出现的时期,采用气象因子线性回归模型、蒸发皿折算系数Kp模型、气象因子+蒸发皿蒸发(Epan)多元回归模型、Normal Copula模型等4种方法计算逐日ET0进行预测对比,并与Penman-Monteith公式计算所得的ET0进行对比。【结果】①1954—2018年大理站20 cm蒸发皿蒸发量呈下降趋势,ET0和气温呈上升趋势,但ET0的上升趋势更平缓;虽然在长时间序列上ET0和蒸发皿蒸发量有相反的变化趋势,但在年代际存在显著的差异性,1960年和2000全年以及四季均出现“蒸发悖论”,1970年则是全年以及夏、秋、冬三季出现“蒸发悖论”,1990年仅夏季出现“蒸发悖论”,2010年秋季出现“蒸发悖论”。②在未出现“蒸发悖论”时期,加入Epan后的气象因子多元回归模型法(ET0,Epan+Metr)所得逐日ET0预测结果与标准值的误差最小,其次为单纯的气象因子多元线性回归模型法(ET0,Metr),最差为Kp模型法(ET0,Kp);加入Epan后的气象因子多元回归模型(ET0,ET0,Epan+Metr)逐日ET0预测的相对误差(ERR)小于15%、20%、25%的样本数达到了79.18%~90.16%、89.32%~97.23%、94.79%~98.36%。③出现“蒸发悖论”时,蒸发皿蒸发与ET0的变化趋势相反,只能采用Copula联合分布函数模型预测,构建T-Tmax二维Normal Copula模型的精度更高,ERR小于15%、20%、25%的样本数为73.70%~86.56%,82.51%~92.95%,89.89%~98.52%。【结论】通过M-K检验判别是否处于“蒸发悖论”期,以决策选用加入Epan后的气象因子多元回归模型,还是T-Tmax二维Normal Copula模型,二者均可显著提高逐日ET0预测模拟的精度。 相似文献
10.
基于公共天气预报的参考作物腾发量预报 总被引：1，自引：0，他引：1
针对Penman Monteith公式的应用局限性,以公共天气预报可测因子及历史气象数据计算ET0为基准,对广州站2017-01-01-2019-03-31预报气象信息风力状况进行量化后,以2017,2018年气象预报信息为输入因子、ET0为输出因子,分别建立基于回归型支持向量机(SVR)预报模型与BP神经网络预报模型,选择性能较优预报模型对2019年ET0进行预报,并与计算值进行对比分析.结果表明:回归型支持向量机参考作物腾发量预报模型测试集确定性系数为0.896、均方误差为0.206,BP神经网络参考作物腾发量预报模型测试集确定性系数为0.851、均方误差为0.305,SVR参考作物腾发量预报模型均方误差及决定系数要明显优于BP神经网络;基于SVR模型的预报值与PM公式计算值相关系数为0.761,没有明显差异,表现出显著的相关性以及整体吻合度,可为灌溉预报及决策提供较为准确的ET0预报数据. 相似文献
11.
准确估算参考作物蒸散量(ET0 )对于区域水资源管理和灌溉决策有着重要意义. Hargreaves－Samani模型(HS)是目前公认结构最简单且精度较高的ET0估算模型.为了进一步提高HS模型预测精度,采用蜂群理论和广西盆地20个气象站(1961—2019年)数据对HS模型全局校准,使用1961—2000年数据对HS... 相似文献
12.
为了实现气象资料缺失情况下参考作物蒸散量(ET0)精确计算和预测,以攀枝花站点为例,构建非线性自回归滤波器(NARX)模型预测ET0.以Penman-Monteith模型计算的ET0作为预测标准,将日最高温、日最低温、日照时数、风速和相对湿度作为模型的输入参数,建立11种不同气象因子组合的NARX模型,并与Hargreaves-Samani模型、Irmak-Allen模型、Makkink模型、Priestley-Taylor模型的计算结果进行比较.结果表明:不同气象因子输入下的NARX模型模拟精度表现出明显的差异.其中,基于全部气象因子的NARX-1模型的RMSE,MAE和MBE分别为0.425 mm/d,0.320 mm/d和0.069 mm/d,NSE为0.920,GPI排名第11,精度最差;而基于风速的NARX-9模型精度最高,其RMSE,MAE和MBE分别为0.285 mm/d,0.237 mm/d和0.019 mm/d,NSE为0.964,GPI排名第1.在输入相同气象参数情况下,基于温度和日照时数的NARX-4模型模拟精度优于Irmak-Allen,Makkink,Priestley-Taylor模型;基于温度的NARX-7模型模拟精度明显高于Hargreaves-Samani模型.因此,可将NARX模型作为四川西南山地缺失较多气象资料情况下计算ET0的推荐模型,为农田精准灌溉提供科学依据. 相似文献
13.
为了实现气象资料缺失下参考作物蒸散量ET0的高精度预测,以江西南昌、吉安及龙南站1966-2015年每日最高气温Tmax、最低气温Tmin、日照时数n、相对湿度RH和2 m高风速u2作为输入参数,以FAO-56 Penman-Monteith(P-M)公式的计算结果作为对照,建立了6种不同气象要素组合条件下的4种ET0计算模型,并分别与输入相同数据的经验法计算结果进行了比较.结果表明,在3个站点中,多元自适应回归样条法MARS模型的精度最高,且计算简便,可作为江西省蒸散量模拟的推荐方法.当4种模型的输入数据完整时,模拟精度均达到最高,表明4种模型均可适用于对参考作物蒸散量的模拟;输入数据缺失条件下,各气象要素对智能模型模拟ET0的影响由大到小按参数排序依次为Tmax,Tmin,n,RH,u2.与传统经验公式相比,4种智能模型的ET0计算结果精度均优于输入相同数据的经验法. 相似文献
14.
为了研究不同参考作物蒸发蒸腾量ET0估算方法在江苏地区的适用性,收集了江苏省徐州市、高邮市和昆山市1957年1月至2019年12月的气象数据,采用12种不同模型估算了各站点的ET0,其中模型Priestly-Taylor,Hansen,Jensen-Haise,Makkink是基于辐射数据的模型;MC-Cloud,1985 Hargreaves,Thornthwaite是基于温度数据的;Copais,Valiantzas 1和Valiantzas 2是综合法模型;XGBoost和SVM是机器学习模型.12种ET0的估算模型计算值分别与Penman-Monteith模型(PM)计算值进行比较,结果表明:各站点的综合评价指数GPI最高的为机器学习模型中的SVM模型;在输入参数相同的情况下,机器学习模型模拟精度优于综合法和温度法以及辐射法中的Pristley-Taylor和Makkink模型;机器学习模型随着输入参数减少,模拟精度依次降低.研究结果可以为江苏地区气象数据不完善时估算ET0提供科学依据. 相似文献
15.
为了探究云贵高原地区参考作物蒸散量(ET0)的时空分布特征,基于云贵高原42个代表性气象站点近56 a(1961—2016年)逐日气象数据,利用Mann-Kendall检验探究ET0主要的气象驱动因子,并运用多元回归分析量化了各气象因子对ET0的贡献率.结果表明:云贵高原近56 a风速和气温呈逐年上升趋势,增幅分别为0... 相似文献
16.
大型灌区节水改造后地下水动态的 总被引：1，自引：0，他引：1
以黄河河套灌区的节水灌溉工程改造为目标，通过一个试验区（沙壕渠灌域）的实际分析，在地下水动力学数值模拟基础上，用Galerkin法对节水工程实施后的地下水动态进行预测，通过更大范围（解放闸灌域）用人工神经网络BP模型的快速算法进行了检验比较认为：成果基本可靠，有一定代表性，可供河套灌区水环境评估与宏观水管理预测和决策参考。 相似文献