共查询到20条相似文献，搜索用时 421 毫秒
1.
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
2.
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
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.
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
6.
北京地区潜在蒸散量计算方法的比较研究 总被引：3，自引：2，他引：1
利用北京地区1951—2007年的逐日气象资料,选取常用的7种公式计算日潜在蒸散量,并和利用FAO推荐的Penman-Monteith(PM)标准公式计算日潜在蒸散量进行比较。根据线性回归、平方根误差和平均偏差方法分析得出:Penman公式、Kimberly-Penman公式(KP)和Doorenbos-Pruitt公式(DP)与PM相关性较好,KP公式计算的ET0和标准ET0平均偏差和平方根误差均最小,可直接用来计算北京地区的ET0,而Penman公式和DP公式的平均偏差和平方根误差较大,不适合直接计算北京地区的ET0,利用气象数据提出了修正的Penman公式和DP公式。Makkink公式、Priestley-Taylor公式、Hargreaves公式和Turc公式与PM相关性较差,不适合计算北京地区的ET0。北京地区对ET0影响最大的气象因子为饱和水汽压差和净辐射,基于此,提出了2个适合估算北京地区缺资料条件下ET0的经验公式。 相似文献
7.
基于Web的江苏省逐日参考作物腾发量预报系统 总被引：1，自引：0，他引：1
为促进短期参考作物腾发量(ET0)预报在实时灌溉决策的应用,开发了一个基于Web的江苏省逐日ET0预报系统。系统采用服务器脚本语言PHP和快速的关系数据库管理系统My SQL来简单和有效地获取国家气象台发布的天气预报数据,然后导入系统数据库并通过率定的Hargreaves-Samani公式来预报未来15 d江苏省23个气象站点的参考作物腾发量ET0值。用户可直接登录网址免费查询江苏省各个气象站点未来15 d的ET0预报值。系统采用B/S网络结构,使用率定的HS公式来计算预报ET0值,具有页面简洁、预报精确度高的特点。ET0预报可用于各种作物需水量预报,为灌溉决策提供科学依据。 相似文献
8.
基于天气预报的参照作物腾发量中短期预报模型研究 总被引：2，自引：0，他引：2
以新乡市1970—2011年逐日实测气象资料代入FAO 56 Penman-Monteith(PM)方法算得的ET0作为基准值,对HG、P-T、M-K、M-C模型进行参数修正,将新乡市2012—2014年冬小麦生育期间预见期为1、3、5、7、10d的天气预报数据代入修正后的模型进行ET01~10 d的中短期预报,并以2012—2014年冬小麦生育期间逐日实测气象资料由PM公式算得的ET0为基准值,对天气预报的精度及ET0的预报精度进行评价。结果表明:经过参数修正后HG、P-T、M-K、M-C模型的精度均有提高;最高气温、最低气温、风速、日照时数的预报精度均随预见期的增加呈逐渐下降趋势,最低气温预报的精度稍高于最高气温;不同预见期的ET0预报模型中,P-T模型预报的ET0平均准确率在众模型中较高(95.06%),其次为HG-M模型(94.66%)、PMT1模型(94.34%)、M-K模型(93.89%),且P-T、HGM两种模型计算程序较简单,因此优选P-T、HG-M模型进行ET0的中短期预报。 相似文献
9.
为了探究不同参考作物需水量(ET0)计算方法在海南省的适用性,收集了海南省7个站点2000-2014年的气象数据,以Penman-Montieth公式的ET0计算结果为基准,选取了Priestley-Taylor公式、Irmak-Allen公式和Hargreaves-Samani公式3种计算方法,比较ET0计算值逐日变化规律,并进行误差分析和相关性分析。结果表明,Priestley-Taylor公式的ET0计算结果精度最高,其平均绝对误差和平均相对误差分别为0.760 mm/d和24.190%,其次为Hargreaves-Samani公式的ET0计算结果,Irmak-Allen公式的ET0计算结果精度较差。相关性分析中,Priestley-Taylor公式和Irmak-Allen公式表现较好,两个公式计算结果的相关系数均大于0.9,回归方程斜率分别为1.203和0.883。由研究可知,Priestley-Taylor公式在海南省具有较好的适用性。 相似文献
10.
为实现参考作物腾发量（ET0）在气象资料缺失地区的准确计算,探究ET0简便方法在泸州市的适用性,以Penman-Monteith（PM）法作为标准方法,对Hargreaves（Har）法、FAO24 Blaney-Criddle（FAO24 BC）法、Makkink（Mak）法、Priestley-Taylor（PT）法计算的ET0进行适用性分析,并采用线性关系和贝叶斯公式对各方法进行修正。通过误差分析得出,Har、PT法在研究区的适用性较好,RMSE在0.5~1.1 mm/d、PE在10%~15%,误差相对较小,且利用线性关系修正比贝叶斯公式好,线性修正后的Har法、PT法误差分别下降50%、80%左右,可以看出PT法的修正效果比Har法更理想。采用线性关系修正后的PT法更适合代替PM法计算气象资料缺失时的ET0,可为估算作物需水量提供理论依据和数据支持。 相似文献
11.
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
12.
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
13.
14.
风沙区参考作物需水量的计算 总被引：4，自引：0，他引：4
根据国内外相关的研究成果 ,分析选择并确定了适宜于风沙区参考作物需水量 (ET0 )的计算模式。利用典型风沙区的气象资料 ,对多年逐旬参考作物需水量及 2 0 0 1年春小麦与春玉米生育时段内逐日参考作物需水量进行了分析计算。结果表明 ,FAO最新修正的 Penman-Moteith公式可较好地用于风沙区参考作物需水量的估算 ,一般 ET0 值在年内与年际间变化较大 ,最高值发生在 6月上旬左右 ,多年平均为 5 .82 mm/ d,最低值发生在 1月上旬 ,多年平均 0 .43 mm/ d左右 ,年内各日 ET0 值受气象因素的影响变幅很大 ,因此 ,精确灌溉应设法提高短期天气预报和灌溉预报的精度 相似文献
15.
风沙区参考作物需水量的计算 总被引：9，自引：0，他引：9
根据国内外相关的研究成果，分析选择并确定了适宜于风沙区参考作物需水量（ET0)的计算模式。利用典型风沙区的气象资料，对多年逐旬参考作物需水量及2001年春小麦与春玉米生育时段内逐日参考作物需水量进行了分析计算。结果表明，FAO最新修正的Penman-Moteith公式可较好地用于风沙区参考作物需水量的估算，一般ET0值在年内与年龄间变化较大，最高值发生在6月上旬左右，多年平均为5.82mm/d，最低值发生在1月上旬，多年平均0.43mm/d左右，年内各日ET0值受气象因素的影响变幅很大，因此，精确灌溉应设法提高短期天气预报和灌溉预报的精度。 相似文献
16.
17.
精确测定参考作物蒸散量(ET o)对于精确计算作物水分利用是非常必要的。FAO-56 Penman-Monteith法(FAO-56 PM)是联合国粮食和农业组织认可的测定参考作物蒸散量的标准方法。可是,一些天气变量,特别是相对湿度、太阳辐射和风速经常缺失,这可能会妨碍利用FAO-56 PM方法进行ET o估算。为了克服以上情况,评价哈格里夫斯法在估算位于拉金德拉农业大学的菩萨天文台数据的准确性和实用性是很重要的。哈格里夫斯方程经常高估一个区域,因此该方法在普萨地区已经不再使用。利用统计回归分析对哈格里夫斯系数进行校正,得到结果分别由0.002 3和17.8降到0.001 62和-3.039 39。比较利用修正的哈格里夫斯方程和FAO-56 PM计算得到ET o,均方根误差(RMSE)和均偏置误差(MBE)比最小值0.77和-0.11 mmd小1.00和0.21,相应的导致在ET o估算中出现小错误。1998—2006年间的数据经R2、X2检验和一致性指数检测均表现出显著相关性。在普萨地区,利用修正的哈格里夫斯方程(ET AHG平均值为3.71 mmd)和FAO-56PM方法估算得到的ET o基本一致。 相似文献
18.
甘肃天祝草原位于我国西北干旱荒漠草原,应用天祝县二道墩试验站2005年的实测气象资料,利用Penman-Monteith公式和Penman修正式计算参考作物腾发量(ET0)并进行了比较。Penman修正式计算的参考作物腾发量ET0值略小于Penman-Monteith公式计算的值,最大绝对偏差0.5 mm/d。分析发现生育期辐射项ETrad是导致参考作物腾发量ET0产生偏差的主要原因。2种方法计算的空气动力项ETaero差别较小,最大绝对偏差不超过0.2 mm/d。导致计算偏差的原因在于2种公式采用了不同的辐射项和空气动力学项计算公式和参数。2个公式计算的参考作物腾发量具有显著的线性相关性。 相似文献
19.
《中国农村水利水电》2015,(11)
以南京气象站1961-2010年的气象资料为基础,以Penman-Monteith(PM)公式计算结果为标准,利用Hargreaves(H-S)公式计算了不同时间尺度(日、旬和月)下的参考作物蒸发蒸腾量(ET0)。结果表明,原始H-S公式的计算值(ET0)在不同时间尺度下不同时段内均大于PM公式的计算值,两种方法在夏秋季差异较大,春冬季差异较小。且在各时间尺度下均具有较高的相关性,其平均相对误差随着时段的增长而逐渐减小,但远超出了理想的误差范围。修正后的H-S公式有效降低了各个时段的平均相对误差和绝对误差,且提高了两方法计算值之间的相关性,为南京及其周边气象资料缺乏地区计算ET0提供了一种较为可靠的参考。 相似文献
20.
中国西北地区日参考作物腾发量模型适用性评价 总被引：1，自引：0，他引：1
为推荐适宜中国西北地区参考作物腾发量(ET_0)简化计算模型,应用9个代表性站点近50 a逐日气象资料,以FAO-56 Penman-Monteith(PM)模型计算的ET0为标准值,选取5种基于综合法的Kimberly Penman(K-P),FAO 1979 Penman(PM 17),FAO 24 Penman(PM 24),FAO1948 Penman(PM 48),FAO 79 Penman(PM 79)模型,3种基于温度法的Hargreaves-Samani(HS),Mc Cloud (M-C),Hargreaves (Har)模型,5种基于辐射法的Priestley-Taylor-1 (PT-1),Priestley-Taylor-2(PT-2),FAO-24 Radiation(FAO-Ra),Makkink(Mak),Irmark-Allen(I-A),Irmark(Irm)模型,对其在西北地区ET_0进行适用性评价.结果表明:14种模型在中国西北地区计算精度差异明显.全区模拟精度最高的PM 48(综合法),H-S(温度法),PT-1(辐射法)模型的平均R2,MAE,RMSE和nRMSE分别为0.978,0.767 3 mm/d,0.842 3 mm/d和25.622%; 0.735,0.920 0mm/d,1.187 0 mm/d和36.556%; 0.736,1.392 0 mm/d,1.826 0 mm/d和57.992%. 相似文献