基于GA-BP网络的西藏高海拔地区ET_0预报

选择那曲县(海拔4 450 m)、改则县(海拔4 700 m)作为西藏高原气候典型地区,通过遗传-神经(GA-BP)网络训练,应用1983—2012年30年的数据建立GA-BP网络模型,采用前一年的气象资料预报当年的参考作物腾发量,当2010—2012年连续3年的预报值均满足设定的阈值下限时,输出预测结果,这样使得模型在保证了预报精确度的同时兼具预报稳定性。结果发现:经GA-BP网络确定的2010—2012年3年模型预报值与真实值间的线性关系明显,决定系数R^2分别达到0.8805、0.9363、0.9167,斜率接近于1;多年的模拟预报值与实际值之间的相对误差均处于0.1以下,小于设定的阈值下限。对于易获得气象资料的地区,研究成果可对高海拔地区未来月际间作物需水量的变化进行预判,进而为将来灌溉制度的制定提供依据;对于缺测气象资料的地区,通过本文建立的网络模型,结合气象条件类似的站点,可在大时间尺度下对该地区ET_0变化趋势进行模拟,同时对下年度灌溉制度的拟定提供指导。

基于公共天气预报的三江平原ET_(0)预报模型比较及敏感性分析

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ET_(0)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ET_(0)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。

参考作物腾发量预报在线训练深度学习模型

【目的】探究参考作物腾发量(ET_(0))的实时预报方法。【方法】以浙江省杭州市萧山区2021年4月24日-2023年12月31日的天气预报数据和整点天气实况资料为数据集,分析模型输入数据的预报精度,采用BP神经网络算法构建ET_(0)预报的深度学习模型,并部署至阿里云服务器进行在线训练。【结果】模型的输入数据中,气温预报准确率较高,且最低气温预报精度高于最高气温,天气类型及风力等级预报存在一定误差。模型预报值与实时数据计算得到的标准值相比,预见期内二者变化趋势大致相同,预报精度较高,训练期与测试期准确率最高分别可达到91.56%和84.75%,训练期均方根误差(RMSE)与平均绝对误差(MAE)平均值分别为0.828mm/d和0.667mm/d,测试期RMSE与MAE平均值分别为1.049mm/d和0.829mm/d。【结论】采用公共天气预报数据构建BP模型在线训练,能够实现ET0的实时预报,精度较高且便于运用,可为农业工作者实时灌溉决策提供数据支撑。

基于Web的江苏省逐日参考作物腾发量预报系统

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。