高邮灌区参考作物腾发量预报模型研究

【目的】探索高邮灌区的参考作物腾发量(ET_(0))预报方法,提升灌溉预报精度。【方法】基于高邮灌区2003—2017年实测气象数据及2016—2017年气温预报数据,以FAO-56 Penman-Monteith(PM)计算的ET_(0)为基准,将气温预报数据代入率定后的Blaney-Criddle(BC)、Hargreaves-Samani(HS)、McCloud(MC)和简化的PM(PMT)模型,比较不同模型的ET_(0)预报精度。【结果】基于上述4种模型进行ET_(0)预报时,1~7 d预见期的平均均方根误差分别为1.07、1.00、1.16、0.99 mm/d,绝对误差平均值分别为0.85、0.74、0.94、0.75 mm/d,相关系数平均值分别为0.79、0.81、0.76、0.81。【结论】HS和PMT模型的预报精度最好,优于BC和MC模型,MC模型的预报精度最差。建议采用率定后的HS和PMT模型对高邮灌区ET_(0)进行预报。

豫西地区一次大气污染过程对参考作物腾发量的影响——以洛阳市为例

综合分析了2016年6月15日20时-6月20日8时豫西地区一次大气污染过程中,洛阳市各气象要素及参考作物腾发量ET0受气溶胶影响的变化,使用WRF-Chem双向反馈试验量化,并通过气象观测数据验证模拟结果精度,从而进一步分析了气溶胶对ET0的影响及其机理。研究结果表明:在这次大气污染过程中,洛阳市区的PM2.5浓度整体偏高,峰值多出现早晨与傍晚时分,洛阳市东北地区PM2.5浓度整体高于西南地区;气溶胶存在使洛阳市各气象要素发生了变化,进而导致了ET0的变化,各站点ΔET0在-0.23~0.33 mm/d之间;受气溶胶的影响,ET0-d变化幅度在-0.26~0.04 mm/d,较ET0-n的变化程度(-0.08~0.02 mm/d)更大;各站点空气动力项ET0-A的变化程度要大于辐射项ET0-R,这也主导了洛阳市各地区ET0的变化。

四种参考作物腾发量ET_(0)计算方法在鄂中地区的适用性分析

为探究适合鄂中地区的参考作物腾发量ET_(0)计算方法,选取1998—2009年荆门站和天门站气象数据为率定期、2010—2022年气象数据为验证期,以FAO推荐的PM法ET_(0)计算值为基准,对逐日均值修正法、BC法、PT法、IA法ET_(0)计算值进行线性拟合率定验证,并分析其适用性。结果表明,率定后的逐日均值修正法和PT法ET_(0)计算值在2个地区率定及验证期的平均绝对误差(MAE)在0.284~0.962 mm/d,均方根误差(RMSE)均在1.000 mm/d以下或接近该值,同时相关系数(r)在0.730以上,两者适用于鄂中地区ET_(0)计算。率定后BC法在荆门站MAE和RMSE均小于1.000 mm/d,拟合效果好,适用于荆门市;在天门站拟合精度差、离散程度高,不适用于天门市。率定后IA法ET_(0)计算值在2个地区验证期偏差均较大,不适用于鄂中地区ET_(0)计算。

基于改进的BAS-BP神经网络的参考作物腾发量预测

针对求解参考作物腾发量时较多关联性强的气象因素以及BP神经网络自身的局限性,通过平均影响值法(mean impact value,MIV)和SPSS软件对相关参数进行降维筛选,并通过改进后使用非线性递减步长的天牛须搜索(nonlinear decreasing beetle antennae search,NDBAS)算法优化BP神经网络来进行预测,同时建立基于BP神经网络、BAS-BP神经网络的预测模型进行对比分析。结果表明,NDBAS-BP模型的决定系数R^(2)为0.8858,优于另外两个对比模型;且其平均绝对误差M_(AE)为0.3587 mm/d,低于BAS-BP和BP模型的0.3981和0.3797 mm/d。3种模型中,NDBAS-BP模型的R^(2)值最大,M_(AE)最小,证明NDBAS-BP模型的预测精度更加接近真实数据。

彭阳县参考作物腾发量ET0预测模型研究

为探讨彭阳县年累计参考作物腾发量ET0适宜的预测模型,为当地灌溉制度制定提供参考。以Penman-Monteith法计算得到的值为参考,选用随机森林、BP神经网络和线性方程方法对彭阳县2010年~2019年ET0进行模拟。结果表明:BP神经网络黑箱模型预测效果最好,引入3个、4个和5个气象因子时模拟结果较P-M法分别小5.85%、0.45%和大3.6%,RMSE介于6.77 mm~9.80 mm,而气象因子选择最高温度、最低温度、平均相对湿度、风速4因子即可准确反应ET0的变化过程。

1959—2018年内蒙古参考作物腾发量时空变化特征分析

为深入了解气候变化对内蒙古地区ET_(0)的影响,利用FAO Penman-Monteith公式计算了内蒙古地区近60年50个气象站点的逐日ET_(0),探讨内蒙古地区ET_(0)的时空分布特征、年代际变化和周期变化规律。结果表明:内蒙古ET_(0)自西向东呈逐渐减少的分布趋势,多年平均值为1018 mm,气候倾斜率为4.2 mm/10a,呈显著上升趋势;四季变化中,春季、夏季和秋季等作物生长期的ET_(0)之和约占全年总值的95%,空间分布与年值相似;各气候区ET_(0)年平均值从大到小依次为特干旱气候区、干旱气候区、半干旱气候区、干旱半湿润气候区和湿润半湿润气候区,各气候区的变异系数较小,呈弱变异性,不同气候区均在20世纪90年代末发生突变;ET_(0)变化周期主要为59、14、24 a。

中国参考作物腾发量时空变化特性分析

分析参考作物腾发量的时空变化特征，有助于了解中国农业及生态需水的分布与演变规律。基于全国范围200多个气象站测站逐日气象观测资料，应用FAO-Penman-Monteith公式，计算得出各站历年逐日参照作物腾发量ET0。利用GIS的空间分析功能，采用反距离空间插值方法得到全国参考腾发量的分布图，统计分析了不同分区不同时段ET0的变化情况。结果表明：西北河西走廊地区和南方岭南地区的参考作物腾发量较大，最大值超过1500mm。而东北黑龙江一带和四川盆地附近，参考作物腾发量较小，在600～700mm之间。此外，夏季ET0的分布特征决定了全年ET0的分布特征。选取4个代表气象站，对其ET0的历年变化及其与气象因素的关系进行了分析。分析表明，受风速减小和气温增加的共同影响，干旱地区、半干旱地区和半湿润地区的参考作物腾发量呈现减少趋势，湿润地区则相对稳定。

参考作物腾发量计算方法在新疆地区的适用性研究

新疆维吾尔自治区地域辽阔,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Penm an-M on te ith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1948Penm an法估算的ET0值较FAO-24 Penm an与FAO-24R ad iation方法更接近于P-M法的计算结果;在缺少资料的地区,H argreaves方法或湿润区用P riestley-T ay lor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。

Priestley-Taylor与Penman法计算参照作物腾发量的结果比较

利用北京气象站 5 0年的气象资料 ,对两种常用的计算参照作物腾发量的公式—— Priestley-Taylor和 Penm an方法的计算结果进行了比较。年值序列比较显示 ,Priestley-Taylor结果远小于 Penm an结果 ,前者比后者低 15 %～ 3 1% ,两者最大相差 3 78.3 mm ,最小相差 15 0 .9mm ,多年平均相差 2 5 5 .9m m。对历年逐月序列分析显示 ,两种方法在 7、8月份的结果十分接近 ,没有显著差异 ,但其它月份均存在显著差异。造成这种显著差异的原因 ,既有降雨的影响 ,又有 Penm an中空气动力学项的影响 ,而后者的影响可能更大些。空气动力项与辐射项之比与两种方法的吻合程度呈显著负相关。该比值越大 ,两种方法的吻合程度越差 ;反之 ,吻合程度越好。

基于进化神经网络的参考作物腾发量预测

利用遗传算法的全局空间寻优功能和BP网络映射能力强的优点,建立了以遗传算法确定最优网络结构的进化神经网络(GA ANN)模型,用来预测参考作物腾发量(ET0)。设计多组数字实验处理,研究了输入因子间相关性对模型预测准确性的影响,并验证了最优网络模型结构,即预测ET0的理想GA ANN模型中以日平均气温、日照时数及日序数为输入因子。实例分析表明,该模型克服了BP网络输入层、隐含层节点确定的盲目性,适应性强,精度高,可用于ET0预测。

太子河流域参考作物腾发量演变特征及气候影响因素分析

采用太子河流域内8个气象站1960～2005年间气象资料,应用Penman-Montieth公式计算了46年间逐月参考作物腾发量（ET0）,对参考作物腾发量及气象要素的年际变化特征、月际变化特征及趋势进行了分析,应用统计检验方法分析了影响流域参考作物腾发量变化的主要气象因素.结果表明：近46年间太子河流域ET0值呈现缓慢下降趋势,年内ET0值分布以5、6月份最高,1月份最低.影响ET0的主要气候要素按影响程度强弱依次为日照、风速、温度、相对湿度.

基于基因表达式编程算法的参考作物腾发量模拟计算

选取都安气象站5年(2008—2012年)的逐日气象数据,包括日最高气温、最低气温、平均风速、日照时数以及相对湿度5个气象要素的不同组合作为输入,并以FAO-56 Penman-Monteith法(FAO P-M)的计算结果作为标准值,采用基因表达式编程算法(GEP)及径向基函数网络算法(RBFNN)对参考作物腾发量ETo进行模拟计算,并将模拟结果与Hargreaves模型的计算结果进行比较,用决定系数R2和均方根误差RMSE作为评价指标。结果表明,GEP模型能够捕捉到ETo的变化,具有较强的适用性,与FAO P-M公式的计算值有很高的一致性。引入关键气象因子(气温和相对湿度)后,模型的决定系数R2达到0.914,均方根误差RMSE为0.240 mm/d。在相同输入情况下GEP模型计算精度高于RBFNN模型和Hargreaves模型,并建立了可以替代Hargreaves模型的GEP模型及缺少相对湿度RH时的GEP模型。结果表明,在缺乏相关气象因子时,可以利用GEP模型模拟ETo。

基于随机样本的神经网络模型估算参考作物腾发量

参考作物腾发量(ET0)是计算作物需水量、制定灌溉制度和进行水资源管理的主要参数之一。计算参考作物腾发量(ET0)的方法众多,为规范ET0的求法,联合国粮农组织(FAO)推荐采用修改的Penm an-M on te ith方法。该文指出不需要收集长序列气象资料,而以随机样本建立学习速率和动量因子自适应的BP神经网络模型估算参考作物腾发量(ET0)的方法,并且与FAO推荐的Penm an-M on te ith法计算值对比分析,结果表明:利用随机样本建立的的BP神经网络模型可以很好的反映气象因子(最高温度、最低温度、最大湿度、最小湿度、净辐射和风速)与参考作物腾发量(ET0)的非线性函数映射关系,并且取得了良好的估算效果,给出了国家自然科学基金重点项目研究区内蓝旗试验站2004年的时间尺度为日、十日参考作物腾发量(ET0)的计算及对比分析过程。

温室内作物腾发量计算与验证

以彭曼-蒙特斯方程(简称P-M)为基础,根据温室内地表净辐射的规律,推导出了计算温室内地表净辐射公式,同时引进作物冠层高度,对P-M方程中与风速有关的空气动力学项进行修正,导出了适合于计算温室条件下参考作物腾发量的P-M公式(简称P-M-修)。对不同方法的计算值进行了分析比较,并应用试验资料对P-M-修给予了验证。结果表明,P-M-修与实测值较为吻合,累计值平均误差仅为9.1%。

基于天气预报的参照作物腾发量中短期预报模型研究

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。

基于混沌遗传程序设计的参考作物腾发量预测模型

利用混沌算法的全局空间寻优性能和遗传程序设计的结构自动寻优功能,建立了基于混沌遗传程序设计的参考作物腾发量预测模型。设计多组数字实验,研究输入因子间相关性对模型预测准确性的影响。预测结果与Penman-Montieth方法计算结果比较表明,该模型以混沌算法优化模型中的参数,在一定程度上解析其他模型可能因为其中的参数未能达到最优而被淘汰的问题。适应性强,精度高,为参考作物腾发量的预测提供了新的有效方法。

基于天气预报的参考作物腾发量LS-SVM预测模型

利用最小二乘支持向量机（LS—SVM）方法，建立了基于天气预报的参考作物腾发量（ET0）的预测模型。对广利灌区1997～2006年逐日气象信息中的天气类型和风速等级进行量化后，以不同天气预报信息作为输入量，建立10种验证方案，对2007年的逐日ET0进行预测。经验证，方案1～方案7精度均令人满意，其中方案1精度最高。方案1的输入量为气温、天气类型、风速等级3项的预测值，该方案的模型预测值与计算值的统计参数分别为：均方根偏差ERMS为0．5182mm，相对偏差ER为0．1878，决定系数R^2为0．8648，认同系数IA为0．9669，回归系数RC为0．9867；方案7精度亦较好，且以上指标统计参数依次为0．6576mm、0．2332、0．9866、0．7747及0．9866，该方案输入量只有气温项，实用性很强。

海河流域参考作物腾发量长期变化趋势分析

收集了海河流域37个国家气象站的逐日气象资料,采用FAO-56 Penman-Monteith方法计算参考作物腾发量(ET0);采用Mann-Kendall法进行趋势检验。通过分析及各气象因素的变化趋势,揭示了气候变化对参考作物腾发量长期变化规律及对作物灌溉供需水量可能产生的影响。结果表明:自20世纪50年代至2007年末,在海河流域下游地区具有较明显的ET0下降趋势,而在各主要河流的上游地区则有明显的上升趋势;其原因是整个流域内呈现气温上升相对湿度下降趋势,风速和日照时数都有下降趋势,但在上游地区前者占主导地位,而在下游地区后者占主导地位;在整个流域降雨呈现下降趋势的情况下,ET0上升使上游地区灌溉需水量增加,而在下游地区作物生长也可能受影响;除了工业和居民用水快速增长外,气候变化也是导致近几十年来海河流域水资源紧缺的原因之一。

纵向岭谷区参考作物腾发量变化的特点和趋势

以Penman Montieth方程分析了西南纵向岭谷区大理、元江、保山、昆明、景洪站46～48年的逐日ET0及其余25个站1961～2000年逐月ET0系列.研究结果表明：日最高温度是年内ET0变化主导因素,年际变化主要受日照时数影响,个别站为最高气温或风速,短期ET0变化与雾无直接关系.利用Mann-Kendall法对各站年际、年内分季节ET0趋势检验,56.7%站点的年ET0呈显著增加趋势,分布于澜沧江耿马-思茅-勐海一带以及横断山区维西、福贡等地.分季节逐日ET0变化趋势为,昆明夏秋季显著下降,景洪冬春季显著增加,元江、保山、大理有增有减.降水量增加、气温升高,蒸发和日照时数减少,导致80%的站ET0呈下降趋势,湿润指数普遍增加.

基于气温预报和HS公式的参考作物腾发量预报

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.