四川省水资源承载力时空变化格局及驱动因素

四川省水资源极为丰富,但空间分布不均、季节性与工程性缺水等问题突出,亟须评估水资源承载力现状及变化趋势,为水资源合理配置提供科学支撑。从水资源、社会经济、生态环境3个方面构建评价指标体系,采用主成分分析法分析四川省2012—2021年水资源承载力的时空变化及关键驱动因子,并利用灰色预测GM(1,1)模型预测2022—2026年承载力的变化趋势。研究表明:(1)2012—2021年四川省水资源承载力波动上升,且具有显著的空间差异:东西部差异较大,西部高原地区的甘孜州、阿坝州水资源承载力最高,东北部和南部地区承载力波动变化,中部地区承载力整体上升。(2)森林覆盖率、人均GDP、第三产业增加值占GDP比重和人口密度是全省尺度上影响水资源承载力的主要指标,而总用水量、人均水资源量和人口密度是市州尺度上的主要影响因子。(3)2022—2026年的水资源承载力在全省尺度上逐年递增;在市州尺度上,除巴中、广元、南充、凉山州呈下降趋势之外,其余各市州均呈增加或平稳变化趋势。

机器学习算法和Hargreaves模型在四川盆地ET_0计算中的比较

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-56Penman-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。

四川省不同区域地表太阳总辐射模型适用性评价

选用1994-2016年四川省7个辐射站气象数据,在3个辐射区(川西高原Ⅰ区、川东盆地Ⅱ区和川西南山地Ⅲ区)中评价了 6种地表太阳总辐射(R_(s))估算模型在3种天气类型(晴、多云、阴)下的适用性,并分析基于天气类型的组合模型在不同区域的模拟效果,以探寻最适宜全省不同区域的R_(s)估算方法。结果表明:(1)各经验模型在四川省整体表现良好(决定系数R2介于0.554~0.934,P<0.001),Ⅰ区(甘孜和红原站)模拟效果最好的为日照时数模型A-P (平均绝对误差MAE为2.210±0.714MJ·m^(−2)·d^(−1)),Ⅱ区(成都、绵阳和泸州站)、Ⅲ区(峨眉山和攀枝花站)模拟效果最佳的均为混合模型Chen (Ⅱ区MAE为1.510±0.027MJ·m^(−2)·d^(−1),Ⅲ区为1.930±0.006MJ·m^(−2)·d^(−1));(2) 6个模型在四川省3种天气类型下的模拟效果呈晴天>多云>阴天的规律,日照时数模型(A-P和Ba模型)能更好地模拟晴天时的R_(s),混合模型(Chen和Ab模型)则在多云和阴天时模拟效果更佳,Ⅰ区在晴天、多云、阴天3种天气下模拟效果最好的模型分别是A-P (整体评价指标 GPI 为 0.850)、Ab (1.294)、Ba (0.862),Ⅱ区分别为 A-P (0.381)、Chen (1.358)、Chen(1.742),Ⅲ区分别为 Chen (0.204)、Chen (0.857)、Chen (0.526);(3)基于天气类型的组合模型(M_(新))模拟各区R_(s)的效果均比未组合前各模型的效果好(3个区GPI分别为0.558、0.582、0.134)。因此,推荐使用基于天气类型的组合模型来估算四川省Rs。

基于MIKE模型的西南山区小流域动态临界雨量研究

临界雨量是山洪灾害预警常用指标之一。由于考虑了前期雨量的影响,动态临界雨量在山洪灾害预报预警中的应用效果通常优于传统静态指标。文章以汶川西河流域为例,基于MIKE模型计算了不同预警时段的动态临界雨量,分析了其对土壤含水量和预警时段的敏感性。研究结果表明,临界雨量随土壤含水量的增加而减小,且临界雨量对土壤水分的敏感性随土壤含水量的增加和预警时段的延长而降低。本研究为西南山丘区山洪灾害动态预警提供了参考。

智慧灌溉技术推广效应评价体系研究与实证

智慧灌溉是以现代灌溉科技为基础,以高产优质节水型农业生产为目标,实现农田灌溉需水量数字化感知、供水量智能化决策、灌水量精准化控制和灌溉全过程智慧化管理的新的农田灌溉管理模式。为推动智慧灌溉技术应用,建立合适的智慧灌溉技术推广效应评价体系至关重要。通过理论分析与实证研究相结合,构建了智慧灌溉技术推广效应评价体系,包含田间水利用效率、经济效应、智能化和生态环境效益4个方面的3级评价指标体系,通过信息熵理论的综合赋权法计算各级指标的权重;以大曹庄智慧喷灌项目和金堂县智慧滴灌项目为例进行了评价分析,验证了本评价体系的准确性和可推广性。构建的评价体系将有助于推动智慧灌溉技术应用推广。

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

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。

考虑辐射改进Hargreaves模型计算川中丘陵区参考作物蒸散量

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。

不同灌溉方式下水分调控对烤烟品质和产量及水分利用效率的影响

为科学评价不同节水灌溉技术的节水提质效果,采用滴灌（D）和穴灌（X）方式在烤烟不同生育期实施低水（L）、中水（M）、高水（H）3个灌水处理,并以雨养为对照（CK）,研究了其对烤烟品质和产量、产值及水分利用效率（WUEy）的影响。结果表明,滴灌中水、穴灌高水处理的烤烟产量较CK分别提高47.19%、33.83%,产值分别提高62.57%、43.31%,WUEy分别提高23.97%、9.57%;滴灌不同处理的烟叶钾离子、钾氯比较CK分别提高30.22%-75.16%、245.02%-350.76%,穴灌不同处理的烟叶钾离子、钾氯比较CK分别提高29.5%-41.43%、184.87%-343.03%;滴灌处理下各项指标均在适宜范围,提高了烟叶的香气、降低了烟叶的刺激性和有害物质;因此,滴灌和穴灌较雨养均可显著提高烤烟品质,滴灌、穴灌方式全生育期灌溉定额于67.2、44.8mm时分别达到最优。

基于双作物系数的旱作玉米田蒸散估算与验证

农田蒸散(ET)准确估算与区分对理解土壤-植物-大气连续系统水分传输动力学过程和调控机制具有重要意义。本研究基于FAO-56 Penman-Monteith(PM)模型计算参考作物蒸散量(ET0),运用双作物系数法计算黄土高原东部地区旱作玉米田2011-2012年蒸散(ETFAO),以同期涡度相关系统实测值(ETEC)作为标准值对双作物系数法计算结果进行评价,并将玉米田ET区分为土壤蒸发和作物蒸腾。结果表明:2011年春玉米生长季ET0、ETEC和ETFAO分别为628、400.3和492.7mm,双作物系数法RMSE、AAE和R^2分别为0.864mm·d^(-1)、0.678mm·d^(-1)和0.755,且R^2达极显著水平(P<0.01);2012年三者分别为553、372.6和441.4mm,RMSE、AAE和R^2分别为0.676mm·d^(-1)、0.693mm·d^(-1)和0.781,R^2亦达极显著水平(P<0.01),说明双作物系数法在该地区模拟旱作春玉米ET有较高的精度。基于双作物系数法对ET进行区分表明,2011年全生育期土壤蒸发和作物蒸腾分别占ET的36.4%和63.6%;2012年分别占ET的31.7%和68.3%,说明旱作春玉米田ET主要来自春玉米蒸腾。

中国西南五省参考作物蒸散量时空变化分析

为深入了解中国西南5省ET0演变规律,利用1954—2013年广西、重庆、云南、贵州、四川5个省市119个站点逐日地面气象资料,采用FAO-56推荐的Penman-Monteith公式计算各站点逐日ET0,并使用Mann-Kendall检验、Morlet小波分析和GIS反距离加权插值定量分析ET0时空变化特征。结果表明,1954—2013年西南5省ET0多年平均值为855 mm,波动范围为819~901 mm,年均ET0总体呈下降趋势（倾向率为-1.5 mm/10 a）,在春、夏、秋、冬季也均呈下降趋势（倾向率分别为-0.4、-0.7、-0.3、-0.1 mm/10a）,分别占全年的26.7%、46.7%、20%、6.6%;西南5省ET0多年平均值分别以26 a、12 a、5 a为第1、第2、第3周期进行“增大-减小”交替变化;1954—2013年,西南5省年均ET0空间分布总体表现为南部大于北部,云贵高原西部和广西地区明显大于四川盆地和云贵高原东部,四川盆地相对最小,川西高原南部和云贵高原东部地区相对最大;西南5省ET0在春、夏、秋、冬季空间分布较高值区分别为云贵高原西部、四川盆地和云贵高原东部、广西地区、云贵高原西部,较低值区分别为四川盆地、云贵高原西部、四川盆地和川西高原东北部、四川盆地和广西地区。

基于改进密切值法的灌区运行水平综合评价

为了给灌区节水改造及续建配套建设提供一定的科学依据,根据四川省灌区运行实际情况,建立了包括灌区生产效率等5个一级指标及设计灌溉面积等28个二级指标在内的四川省灌区运行水平综合评价体系,利用主成分分析法将其简化为15项主成分因子;运用G1法及熵权法确定各指标综合权重,基于密切值法构建了四川省灌区运行水平综合评价模型,并应用其对四川省4个典型大型灌区运行水平进行综合评价。结果表明。四川省4个典型灌区运行水平(密切值)由高到低依次为升钟灌区(0.000 4)?武引灌区(0.287 9)?玉溪河灌区(1.795 7)和隆昌沱江石盘滩提水灌区(1.886 5),模型评价结果与四川省典型灌区实际运行水平较为一致?

西北地区夏玉米不同生育期蒸发蒸腾量模拟模型适用性评价

【目的】蒸发蒸腾量(ET)是农业生产的主要参数,ET的准确估算对农田精准用水管理和区域水资源优化配置具有重要意义。【方法】利用2012—2013年夏玉米作物指数与气象因子,采用基于参考作物蒸发蒸腾量(ET0)经验模型(Schendel、Hargreaves-M4(H-M4))的单作物系数法、单源模型(Priestley-Taylor(P-T))和双源模型(Shuttleworth-Wallace、Two-Patch)对作物蒸发蒸腾量进行模拟,并对比分析各估算模型模拟情况。【结果】基于不同生育期实测和平衡蒸发蒸腾量均值的比值修正P-T模型经验系数?,P-T修正模型对夏玉米全生育期ET模拟值与大型称质量式蒸渗仪实测值拟合的平均绝对误差(MAE)、决定系数(R2)、平均相对误差(MRE)、相对均方根误差(Relative root mean-squared error,RRMSE)和整体评价指标(GPI)排名分别为0.9775 mm/d、0.5689、0.8434、0.4504和1,苗期分别为0.9592 mm/d、0.3320、0.4784、0.4811和3,拔节抽雄期分别为1.0388 mm/d、0.5078、0.5517、0.4290和1,成熟期分别为0.5481 mm/d、0.7746、0.9158、0.4239、0.6921和1;H-M4模型对灌浆期ET模拟MAE、R2、MRE、RRMSE和GPI排名分别为1.3443 mm/d、0.7279、2.2983、0.4910和1。模拟结果均达到极显著(P<0.01,P代表显著性水平)。【结论】P-T和基于单作物系数法的H-M4均具有输入较少参数获取较精确ET估算值的优势,因此P-T可作为全生育期及苗期、拔节抽雄期和成熟期蒸发蒸腾量最优模拟模型,H-M4可作为灌浆期蒸发蒸腾量最优模拟模型。

基于蝙蝠算法的适线法求解水动力弥散系数

利用弥散资料确定含水层弥散系数的标准曲线法在具体应用中存在较大的随意性,用一种基于蝙蝠算法的适线法进行一维流动二维水动力弥散模型中弥散系数的识别,在一定程度上解决了传统的标准曲线法求解含水层弥散系数中主观因素造成较大误差的现象,并能直接得出地下水流速。实例计算结果表明,基于蝙蝠算法的适线法是求解水动力弥散系数的一种高效方法,可广泛用于求解其他水文地质问题。

桉树水分利用原理研究

【目的】桉树对水资源的影响是研究热点,其水分利用存在诸多争议。通过模型对桉树水分利用进行探究,为相关研究提供理论帮助。【方法】模型包括生长模拟部分和水分利用模拟部分。生长模拟部分根据3-PG模型原理搭建,水分利用模拟部分根据已有生态水文模型进行搭建。选取国内雷州半岛桉树人工林和国外澳大利亚Tumbarumba桉树自然林作为模拟对象,探究了各自水分利用情况。【结果】在Tumbarumba站点,蒸散速率受降雨的影响较为明显,降雨增多,蒸散速率增大。年内桉树林蒸散速率随着旱季和雨季的更替产生周期性变化。年际间蒸散速率则较为稳定,受降雨影响较小。在降雨较充足时,Tumbarumb站点的桉树倾于利用浅层土壤水,而在降雨较少浅层土壤水不足以维持桉树生存需要时,较深层土壤水便成为其可靠的水分来源。在纪家站点,年内桉树林蒸散随着旱季和雨季的更替产生周期性变化。年际间蒸散不仅受到降雨影响,还受到桉树生长状况的影响。桉树林主要使用浅层土壤水,几乎不使用深层土壤水和地下水。【结论】桉树林在年内蒸散主要受到降雨影响,会随着旱季和雨季交替产生周期性变化。年际间蒸散和桉树林生长状况有关:成熟桉树林年际间蒸散较为稳定,正在快速生长阶段的桉树林年际间蒸散会有很大波动。桉树对于土壤水使用和当地降雨情况密切相关,在降雨充足的情况下,桉树多倾向于使用浅层土壤水。

不同灌水量对滴灌猕猴桃光合、产量与水分利用效率的影响

【目的】揭示不同灌水量对滴灌猕猴桃生长、产量及水分利用效率的调控效应。【方法】以7 a生"金艳"猕猴桃为试材,在果实膨大期(Ⅲ期)、果实成熟期(Ⅳ期)各设置1个对照(CK)和4个灌水处理,即高水(HW)、中水(MW-1)、偏低水(MW-2)和低水处理(LW),灌水量分别为CK的55%、65%、75%和85%。【结果】猕猴桃叶片光合特性因生育期和灌水量的不同而呈现明显差异,其光合速率(Pn)、蒸腾速率(Tr)和气孔导度(gs)均随灌水量的减小而减小,但Ⅲ-HW、Ⅳ-HW处理的Pn与CK差异不显著(P>0.05),Ⅲ-HW和Ⅳ-MW-2处理的瞬时水分利用效率较CK分别显著提高了2.70%、5.41%(P<0.05);各处理猕猴桃产量较CK仅下降0.09%～6.24%,产量水分利用效率(WUEy)则提高了2.82%～23.16%,其中Ⅲ-HW、Ⅳ-MW-1处理产量仅下降了0.09%、2.45%,而WUEy提高了2.82%、10.73%。【结论】滴灌猕猴桃果实膨大期高水处理、果实成熟期中水处理保持产量无明显下降,有效提高WUEy,并节水2.50%、11.62%(分别节水156、726 m3/hm^2),具有较好的节水稳产效果。

基于MODIS-NDVI与EVI数据的若尔盖区域植被生育期分析

【目的】比较若尔盖地区遥感NDVI和EVI数据在植被生育期分析中的差异。【方法】基于2001─2015年MODIS-NDVI和EVI数据,通过TIMESAT软件提取出若尔盖区域植被三个关键生育期信息:生育期起始时间、生育期长度和生育期NDVI、EVI峰值。【结果】NDVI和EVI数据空间分布特征相似,在植被生长旺盛的8月EVI数据比NDVI数据更灵敏。2001─2015年,NDVI和EVI提取的植被生育期结果显示,若尔盖地区植被生育期起始时间、生育期长度和生育期植被指数峰值年际变化趋势相似。NDVI提取的生育期起始时间比EVI的结果更早、生育期长度更长。若尔盖地区植被生育期空间分布上受到海拔的影响,高海拔地区植被生育期起始时间较晚,生长期更短。【结论】NDVI和EVI数据反映的植被生长动态大体相似,在生长旺季EVI较NDVI更敏感。

中国粮食主产区参考作物蒸散量演变特征与成因分析

在全球变暖的背景下,参考作物蒸散量(reference crop evapotranspiration,ET_0)的改变及其空间分布势必对中国粮食主产区农业水资源规划、农业用水管理等产生重要影响。本文将中国粮食主产区划分为温带湿润半湿润地区(I区)、温带干旱半干旱地区(Ⅱ区)、暖温带半湿润地区(Ⅲ区)和亚热带湿润地区(Ⅳ区)4个子区域,基于粮食主产区265个站点1961-2013年53a气象数据,采用FAO-56Penman-Monteith公式计算各站点逐日ET_0,利用Arc GIS空间插值、Mann-Kendall趋势检验、敏感性分析和贡献率分析等方法,对该区域ET_0的时空分布规律及其成因进行分析。结果表明:(1)近53a来,中国粮食主产区年均ET_0为878.9mm,整体呈显著下降趋势,速率为0.47mm·a^(-1)(P<0.05),Ⅰ、Ⅱ区和Ⅳ区年均ET_0分别为741.8、1079.8和924.2mm且均有所减小,但变化趋势并不明显,Ⅲ区年均ET_0为940.2mm,呈极显著下降趋势,速率为1.21mm·a^(-1)(P<0.01)。(2)全区及Ⅰ-Ⅳ区ET_0最敏感气象因子均为相对湿度,其敏感系数分别为-1.060、-1.232、-0.784、-1.114和-1.009。(3)全区及Ⅰ-Ⅲ区对ET_0变化贡献最大的气象因子为风速,Ⅳ区为相对湿度。(4)风速的减小是造成粮食主产区全区及Ⅰ-Ⅲ区ET_0减小的首要原因,风速减小和日照时数缩短是造成Ⅳ区ET_0减小的主要原因。

川中丘陵区近60 a主要气象因子变化趋势研究

为深入了解川中丘陵区近60 a气候变化规律,基于川中丘陵区13个站点1954—2013年逐日气象资料,使用Mann-Kendall检验、Morlet小波分析和相关性分析,定量研究了气象因子的变化趋势及变化周期。结果表明,近60 a来川中丘陵区辐射、降水、风速及相对湿度均呈整体下降趋势(降幅分别为0.242 3 MJ/(m^2·d·10 a)、0.050 0 mm/10 a、0.025 7 m/(s·10 a)和0.137 2%/10 a),温度呈上升趋势(增幅为0.031 6℃/10 a);气温、辐射、降水、风速及相对湿度等气象因子60 a来均呈现"增大-减小"的周期性变化规律,变化主周期分别为6、12、13、21、24 a,且其局部突变分别发生在1964年和1996年、1986年、1957—1985年、1958—1963年和2008年;各气象因子相关性较为明显且交互影响关系复杂,其中风速与辐射显著正相关(P<0.05),与湿度极显著负相关(P<0.01),而辐射与气温极显著正相关(P<0.01),与湿度显著负相关(P<0.05)。

2000―2018年黄河源植被叶面积指数时空变化特征

【目的】评价2000-2018年黄河源植被变化趋势及其影响因素。【方法】基于MOD12A5数据,土地利用数据以及同德、玛多、泽库、达日、若尔盖、河南、玛沁、久治和红原9个气象站点的气象数据等,采用趋势分析和相关分析等方法,研究了2000―2018年黄河源植被叶面积指数(LAI)时空变化特征及与气候因子的关系。【结果】①2000―2018年黄河源植被LAI呈上升趋势,其绝对变化率和相对变化率分别为0.09/10 a和0.4%。②2000年时土地利用类型为裸地的区域植被状况正逐渐改善,但局部草地、林地和沼泽仍处于退化趋势。③黄河源年LAI值与气温、降水均呈正相关关系,其中温度有显著影响,气候因子的协调关系和年内时空分配也会极大地影响植被生长,而气候长期趋暖将会给源区植被带来更为复杂的问题和挑战。④生态治理工程实施较好的自然保护区(如鄂陵湖-扎陵湖自然保护区)植被呈明显改善趋势。【结论】气候暖湿化和生态治理工程可能是黄河源植被恢复的主要原因。

基于MEA-BP模型的西北地区参考作物腾发量模拟

【目的】实现较少气象资料输入下参考作物腾发量(ET0)的精准模拟。【方法】选取西北地区5个代表性气象站点1967—2016年逐日气象数据作为输入参数,以FAO-56 Penman-Monteith(PM)模型计算的ET0作为标准值,基于思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络,构建了不同气象因子输入组合的12种MEABP模型,并将模拟结果与Penman-Monteith 24(PM 24)、Hargreaves-Samani(H-S)和Irmark-Allen(I-A)3种在西北地区ET0模拟精度较高的经验模型进行了比较。【结果】MEA-BP模型能很好地反映气象因子与ET0间复杂的非线性映射关系;MEA-BP11模型(输入气温、日照时间和风速)、MEA-BP10模型(输入气温、相对湿度和风速)和MEA-BP7模型(输入气温和风速)的R2、NSE、MAE、RMSE和nRMSE范围分别为0.978 9～0.986 5、0.977 7～0.985 6、0.172 2～0.216 6 mm/d、0.229 9～0.285 9 mm/d和3.96%～8.64%,GPI排名分别为2、3、4,精度均明显高于3种经验模型;与H-S、I-A和PM 24模型有相同气象因子输入的MEA-BP1模型(仅输入气温)的R2、NSE、MAE、RMSE和nRMSE分别为0.770 6、0.644 3、0.772 8 mm/d、1.037 2 mm/d和31.48%,MEA-BP8模型(输入气温和日照时间)的分别为0.782 4、0.669 0、0.745 2 mm/d、1.004 6 mm/d和30.47%,MEA-BP12模型(输入气温、相对湿度、日照时间和风速)的分别为0.987 5、0.986 6、0.164 8 mm/d、0.222 0 mm/d和6.71%,其GPI排名分别为8、7和1,以上3种MEA-BP模型模拟精度均明显高于相同气象因子输入下H-S、I-A及PM 24模型。【结论】在中国西北地区应用MEA-BP模型可实现较少气象参数输入下ET0精准模拟,当仅输入气温时推荐使用MEA-BP1模型,当输气温和风速时推荐使用MEA-BP7模型,当输入气温、日照时间和风速时推荐使用MEA-BP11模型。