共查询到16条相似文献，搜索用时 171 毫秒
1.
参考作物蒸散简易估算方法在黄土高原的适用性 总被引：9，自引：7，他引：2
参考作物蒸散(ET0)的简易估算方法在气象数据缺乏区域具有广泛的应用,但其适用性需要评估。基于1961~2009年48个气象站的数据,以FAO Penman-Monteith公式为标准评估了6种ET0简易估算方法(FAO-24Rad、FAO-24BC、Hargreaves、Priestley-Taylor、Makkink和Turc)在黄土高原应用的可能性。结果表明,对于ET0年值的估算,FAO-24BC和Hargreaves的结果令人满意,效果最差的是Makkink和Priestley-Taylor公式。ET0年值误差主要来源于11-3月,各方法对4-10月ET0的估算效果相对较好。各方法的适用性存在空间变异,FAO-24BC和Hargreaves公式的效果普遍较好,其他方法对该区各站ET0估算误差均较大,特别是Makkink和Priestley-Taylor公式;除Priestley-Taylor公式外,多数方法对西南区的估算误差较大。因此,黄土高原地区进行参考作物蒸散的简单计算时,推荐使用FAO-24BC和Hargreaves方法。 相似文献
2.
基于机器学习的遮荫设施内参考作物蒸散量估算 总被引：2，自引：2，他引：0
为高效准确地估算遮荫设施内参考作物蒸散量（Reference Evapotranspiration, ET0）,该研究通过分析三七栽培遮荫设施（四周及顶部均由黑色遮阳网遮盖,通风性较好）内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith（FAO-56 PM）模型计算的值为标准值,采用贝叶斯优化（Bayesian Optimization, BO）算法优化机器学习方法（支持向量回归机（Support Vector Regression, SVR）、随机森林（Random Forest, RF）和极限学习机（Extreme Learning Machine, ELM））中的参数,建立3种遮荫设施内ET0估算模型（BO-SVR、BO-RF和BO-ELM）。结果表明：遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型。BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数（平均相对湿度和平均风速）估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d。综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法。研究为遮荫设施内ET0的估算提供有效方法。 相似文献
3.
利用温度资料和广义回归神经网络模拟参考作物蒸散量 总被引：6，自引：2，他引：4
参考作物蒸散量(reference evapotranspiration,ET0)精确模拟对水资源高效利用和灌溉制度制定具有重要意义,该文以四川盆地19个气象站点1961-1990年逐日最高、最低温度和大气顶层辐射作为输入参数,FAO-56 Penman-Monteith(PM)模型计算的ET0为标准值,建立基于广义回归神经网络(generalized regression neural network,GRNN)的ET0模拟模型,基于1991-2014年资料进行模型验证,将GRNN模型同Hargreaves(HS1)和改进Hargreaves(HS2)等简化模型的模拟结果进行比较,分析只有温度资料情况下不同模型模拟ET0误差的时空变异性。结果表明:GRNN、HS1和HS2模型均方根误差(root mean square error,RMSE)分别为0.41、1.16和0.70 mm/d,模型效率系数(Ens)分别为0.88、0.13和0.67。3种模型RMSE在时空上均呈现HS1HS2GRNN、Ens均呈现GRNNHS2HS1趋势;与PM模型模拟结果相比,GRNN、HS1和HS2模型模拟结果分别偏大0.8%、45.1%和17.3%。在时空尺度上的误差分析均表明利用温度资料建立的GRNN模型能够较为准确地模拟四川盆地ET0,因此可以作为资料缺失情况下ET0模拟的推荐模型。该研究可为四川盆地作物需水精确预测提供科学依据。 相似文献
4.
三江平原稻田蒸散量模拟研究 总被引：2，自引：0，他引：2
基于2005-2007年涡度相关系统测量值和小气候观测资料,比较分析Penman、Penman-Monteith和Priestley-Taylor模型对三江平原稻田5-10月蒸散量的模拟效果。结果表明,3个模型参数采用常规参数时,Penman模型模拟值明显大于测量值,平均高估103.5%;但Penman-Monteith和Priestley-Taylor模型模拟效果较好,平均偏差分别为0.26和0.02mm·d-1,均方根误差分别为0.68和0.71mm·d-1。Penman和PenmanMonteith模型作物系数(Kc)与叶面积指数均呈极显著正相关关系,Priestley-Taylor模型修正式参数α值与叶面积指数、饱和水汽压差和风速均为正相关关系,且与饱和水汽压差和风速相关性达极显著水平。依据多元线性回归方程校正模型参数后,Penman模型模拟精度显著提高,平均偏差和均方根误差分别为0.28和0.64mm·d-1,模拟效率由负值转变为正值0.75。而Penman-Monteith和Priestley-Taylor模型模拟精度没有明显改变。方差分析进一步表明校正模型参数后3个模型的估算值没有显著性差异,说明3个模型对三江平原稻田蒸散量的估算精度一致。由此可见,Penman-Monteith和Priestley-Taylor模型无论是否校正作物系数或参数α,均适于估算三江平原稻田蒸散量,而Penman模型需在修正作物系数后方可用于估算三江平原稻田蒸散量。 相似文献
5.
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
6.
不同ET0计算方法在川中丘陵地区的比较及改进 总被引：8，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.
内蒙古河套灌区ET0不同计算方法的对比研究(简报) 总被引：4，自引：3，他引：1
为了提出适合内蒙古河套灌区ET0计算方法,该文根据实测田间微气象资料,分别对5种参考作物腾发量（ET0）的计算方法（FAO56Penman-Monteith,Priestley-Taylor、FAO Penman、Hargreaves-Samani、Irmark-Allen拟合）进行对比分析,并评价各方法的适用性。结果表明,FAO Penman法的计算结果与FAO56 Penman-Monteith计算结果最为接近,其平均绝对误差与平均相对误差分别为0.43mm/d,12.50%;其他方法在不同季节具有不同的正负偏差。其中,在整个计算时段内,Irmark-Allen拟合法与Hargreaves-Samani法计算值与Penman-Monteith计算结果偏差较大,不适于在此地区气候条件下使用。FAO Penman法与FAO56 Penman-Monteith法基本相同,适用于大多数气候条件;Hargreaves-Samani法适用于在温差较小地区计算ET0;Irmark-Allen法与Priestley-Taylor法适用于在相对湿度较大地区应用。 相似文献
8.
基于反距离权重法的长江流域参考作物蒸散量算法适用性评价 总被引：1，自引：0，他引：1
为实现大区域尺度参考作物蒸散量(reference crop evapotranspiration,ET0)资料缺失情况下的准确计算,该文将长江流域划分为上、中、下游3个子区域,基于反距离权重法的新型空间展布方法得到3个虚拟站点分别代表每个子区域,利用长江流域102个站点1964-2013年近50a的逐日气象数据,根据FAO-56 Penman-Monteith(P-M)法、Hargreaves-Samani(HS)法、Irmark-Allen(I-A)法、Priestley-Taylor(P-T)法、Makkink(M-K)法、Penman-Van Bavel(PVB)法、1948年Penman(48-PM)法分别计算每个站点逐日ET0,并以P-M法为标准,利用Nash-Sutcliffe系数(CD)、逐日相对均方根误差(RMSE)、Kendall一致性系数(K)对其适用性进行评价,结果表明:在3个子区域6种ET0计算方法的日值与P-M法拟合方程确定系数R2均通过了极显著水平检验(α=0.01),长江上游P-T法ET0日值计算精度最高(ET0日值拟合方程斜率为1.030,RMSE=0.341 mm/d,CD=0.886,K=0.829),H-S法、I-A计算精度较低(ET0日值拟合方程斜率分别为1.427、1.308,RMSE=0.909、0.829 mm/d,CD=0.581、0.523,K=0.792、0.742),长江中、下游PVB法计算精度最高,P-T法计算精度次之,H-S法与I-A法计算精度较低;长江上游6种算法ET0月值的计算精度由高到低依次为P-T法、PVB法、M-K法、48-PM法、H-S法、I-A法,与P-M法的平均误差分别为0.27、0.35、0.51、0.48、0.74、0.78 mm/d;长江中、下游6种算法计算精度由高到低为PVB法、P-T法、M-K法、48-PM法、H-S法、I-A法;整个长江流域P-T法、PVB法与P-M法ET0计算结果相对误差均在35%以下,H-S法、I-A法计算精度较低,其相对误差基本高于40%;因此,PVB法与P-T法在整个长江流域的计算精度较高,可作为长江流域ET0简化计算推荐方法。 相似文献
9.
考虑辐射改进Hargreaves模型计算川中丘陵区参考作物蒸散量 总被引：3，自引：3，他引：0
为提高Hargreaves-Samani(H-S)模型对参考作物蒸散量(reference crop evapotranspiration,ET0)的计算精度,利用川中丘陵区13个代表站点1954~2013年近60 a逐日数据,依据贝叶斯原理并考虑辐射的影响对H-S模型进行改进,并以Penman-Monteith(P-M)模型为标准,对其在川中丘陵区的适用性进行评价。结果表明:1)H-S改进模型与P-M模型ET0计算结果变化趋势基本一致;2)与H-S模型相比,在3个区域H-S改进模型计算的ET0旬值平均绝对误差分别由0.93、0.95、0.93 mm/d下降到0.15、0.19、0.28 mm/d,且3个区域ET0旬值拟合方程斜率分别由1.45、1.39、1.45变为0.89、0.94、0.90,Kendall一致系数由0.70、0.80、0.82提高到0.88、0.92、0.94,拟合效果与计算精度均明显提高;3)在3~10月的作物主要生长期,3个区域ET0月值平均绝对误差分别由0.89、1.14、1.28 mm/d下降到0.46、0.29、0.21 mm/d,ET0月值回归拟合方程斜率及一致性均明显提高;4)H-S改进模型随海拔升高计算精度有所降低,H-S改进模型全年内计算精度最大可提高47%,尤其在作物主要生长期,精度最大提高了48%。因此,H-S改进模型可显著提高ET0计算精度,在海拔较低的区域尤为明显,可作为川中丘陵区ET0计算的简化推荐模型。 相似文献
10.
基于秦淮河流域内部及周边共7个气象站2000-2013年的逐日气象资料,使用FAO-56 Penman- Monteith、Irmak-Allen、Makkink、Turc、Jensen-Haise和Hargreaves共6种方法估算各站点逐日参考作物蒸散量（ET0）。以FAO-56 Penman-Monteith结果为标准,修正其余5种方法估算公式的原始经验系数,并通过平均绝对误差、平均相对误差、相关系数等精度评价指标和Wilcoxon非参数检验法,分别从年、月尺度对比分析5种方法修正前后的估算结果,旨在获得一种适于秦淮河流域的数据要求低,估算过程简单,精度较高的ET0估算方法。分别以5种方法的ET0日值为自变量,P-M法ET0日值为因变量,建立逐月线性回归方程,寻找经验系数的修正倍数,对5种方法经验系数进行逐月修正。结果表明,使用原始经验系数时,年尺度上,Irmak-Allen、Makkink、Turc法存在较大误差,Hargreaves法相关性较差,均不适于秦淮河流域;月尺度上,Irmak-Allen法在5-8月,Turc在9-11月,Hargreaves法在4月及9-11月适用性较好,其余月份误差较大,Makkink和J-H法分别在1-12月和3-11月存在显著差异,故5种方法均不能代替P-M法在年内12个月使用。使用修正后经验系数,年尺度上Makkink法适用性最好,平均绝对误差和平均相对误差分别为14.9mm·a-1和1.4%,相关系数为0.89,无显著差异,其次为Turc法,I-A法估算结果仍存在显著差异,Hargreaves法相关性仍较差;月尺度上,从估算精度考虑,Turc和Makkink法搭配使用,4-10月推荐使用Turc法,其平均绝对误差为2.1～6.1mm·mon-1,平均相对误差为2.9%～4.3%,无显著差异,月平均相对误差波动较小,稳定性好,1-3月和11-12月推荐使用Makkink法,其平均绝对误差为1.2～2.4mm·mon-1,平均相对误差为3.2%～5.7%,无显著差异,月平均相对误差波动较小,稳定性好,从时间连续性考虑,推荐使用Hargreaves法,其平均绝对误差为1.9～10.4mm·mon-1,平均相对误差为3.9%～9.2%,无显著差异,月平均相对误差波动较小,稳定性好。 相似文献
11.
湛江地区适宜参考作物蒸发蒸腾量计算模型分析 总被引：10，自引：4，他引：6
用湛江市日平均、旬平均、月平均气象资料,以6种方法计算参考作物蒸发蒸腾量,并以FAO56 Penman-Monteith公式计算结果为标准,评价其他方法在湛江的适用性.结果表明:Hargreaves-Samani方法的年平均参考作物蒸发蒸腾量与FAO56 Penman-Monteith没有显著差异;月平均参考作物蒸发蒸腾量,除个别月份外,其他5种方法与FAO56 Penman-Monteith方法都有显著差异;不同方法计算结果与FAO56 Penman-Monteith法的均方偏差不同的时间尺度表现不同,日值计算,1948 Penman方法最小,Irmark-Allen次之;旬值计算,1948 Penman方法最小,Hargreaves-Samani、Irmark-Allen次之;月值计算Hargreaves-Samani最小,1948 Penman次之.1948 Penman、FAO24 Penman与FAO56 Penman-Monteith法的相关系数较大,Priestley-Taylor、Irmark-Allen次之,Hargreaves-Samani法的较小. 相似文献
12.
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
13.
参考作物腾发量计算方法在新疆地区的适用性研究 总被引：15，自引：1，他引：15
新疆维吾尔族自治区地域辽阔，气候特征空间差异性显著。准确估算各地区的参考作物腾发量(ET0)是新疆节水灌溉设计的基础。该文选用6种计算公式利用新疆4个典型气候区的气象资料计算了ET0。并以Penman-Monteith方法作为标准，对其它方法进行评价。结果表明在新疆各气候区1948Penman法估算的ET0值较FAO-24 Penman与FAO-24 Radiation方法更接近于P-M法的计算结果；在缺少资料的地区，Hargreaves方法或湿润区用Priestley-Taylor方法均可以得到与P-M法估值相当的结果；同时分析了P-M法计算的ET0值和水面蒸发量之间的关系，为利用水面蒸发资料估算新疆地区ET0值提供参考。 相似文献
14.
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
15.
黄土区参考作物蒸散量多种计算方法的比较研究(简报) 总被引：2，自引：2，他引：0
参考作物蒸散量的计算公式大多存在地域性限制,分析其应用情况能够反映这些公式在中国部分地区的应用前景.该文根据1996～2000年陕西省榆林、延安与西安三站的逐日气象资料,以FAO推荐的Penman-Monteith方法为标准, 对计算参考作物蒸散量的10种方法进行比较.线性回归,平方根误差与平均偏差方法检验的结果显示:Penman系列方法之间关系密切,Kimberly PM-72方法最好.不同方法之间在夏季的差异较大,春秋季较小.在需要数据较少的方法中Privstley-Taylor方法接近penman-Monteith方法.FAO-Rad、FAO-BC、Hargreaves与Makkink4种方法与其差异明显,而且存在地域差异.在本区应用这些方法时需要对其参数进行适当调整,以适应当地的气象条件. 相似文献
16.
Abstract The comparison of six standard reference evapotranspiration (ETo) estimate models was carried out with measured lysimeter evapotranspiration (ETc) in wheat crop in a semi-arid environment at Rahuri, India. The globally accepted reference evapotranspiration model of FAO 56 Penman Monteith underestimated the references ETo by 19.2% (420.5 mm) over lysimeter ET (520.7 mm). Out of the remaining five models, the Hargreaves model ranked first and was overestimated by 6.5% followed by the Blaney Criddle model (underestimated by ?5.6%). The references ETo by pan evaporation model underestimated the reference ETo to the extent of ?28.8%. The influence of statistical indicators like RMSE, MBE which was computed by considering Lysimeter ETc as standard, was quite low in the Hargreaves model compared to the rest of the models and hence, the Hargreaves method is quite acceptable for ETo estimates as this method requires much less climatic parameters (temperature and extraterrestrial radiation) than Penman Monteith (FAO56) and Modified Penman of FAO 24 as these models require aerodynamic and radiation terms, besides additional physical terms in former models of ETo estimates. The seasonal crop coefficients were 1.24, 1.13, 0.94, 0.85, 1.06 and 1.40 in Penman Monteith, Modified Penman, Hargreaves, Radiation balance, Blaney Criddle and Pan Evaporation models, respectively. 相似文献