MARS模型在渭河流域参考作物蒸散量计算中的适应性研究

为有效提高气象资料缺失时渭河流域参考作物蒸散量(ET_(0))计算精度,选取流域及附近20个气象站58 a(1960-2017年)逐日气象资料,基于不同气象要素组合,构建16种基于多元自适应回归样条(MARS)的ET_(0)计算模型,并将计算结果与Hargreaves-Samani、Makkink和Irmark-Allen模型进行对比,评价MARS模型在渭河流域的适应性及可移植性。结果表明:MARS模型能很好地甄别ET_(0)与各输入因子间的非线性关系,MARS2(T_(max)、T_(min)、R_(a))计算精度(平均MAE为0.225 mm/d,平均RMSE为0.327 mm/d,平均R2为0.897)能满足应用要求,模型精度随输入气象要素数量的增加而升高;输入因子中引入地球外辐射R_(a),可明显提高MARS模型精度;在输入因子相同时,MARS模型精度高于Hargreaves-Samani、Irmark-Allen和Makkink模型;MARS模型在渭河流域具有很强的泛化能力和可移植性。因此,气象资料缺失时基于MARS建立的ET_(0)计算模型可作为渭河流域ET_(0)计算的推荐模型。

云贵地区参考作物蒸散量模型适用性评价

根据地貌特征及行政区划将云贵两省分为5个区域,使用当地15个气象站点共56 a的逐日气象资料计算了18种参考作物蒸散量模型的模拟值,并以FAO56 Penman-Monteith法为标准对各模型模拟值进行了精度对比及误差成因分析.结果表明:同一模型在不同云贵分区间的模拟效果差异不大,R^(2)的平均变异系数为8.81%,模型精度主要影响因素为辐射能量项,次要因素为空气动力项;综合法模型模拟精度最高,R^(2)为0.81~0.99,辐射法次之,R^(2)为0.84~0.98,温度法和水汽压法较差,R^(2)为0.24~0.83;这4种方法中,各类型最优模型分别为FAO 24 Penman(全区整体评价指标GPI为0.506,排位1),Inmark(GPI为0.142,排位4),Hargreaves-Samani(GPI为-0.022,排位12)和Romanenko(GPI为-0.072,排位13).综上,经验模型FAO 24 Penman和Inmark模型适用于亚热带季风气候云贵地区参考作物蒸散量的简化计算.

关中地区灌溉农业发展对区域蒸发的影响研究

主要从分析参考作物蒸发蒸腾量(ET0)的变化趋势来反映气候变化对蒸发的影响,从灌区实测水面蒸发量的变化趋势来分析灌溉农业发展对区域蒸发的影响。用改进后的Penman公式计算关中地区1961～2001年系列5个气象站的ET0,结果显示:80年代前后气候对关中地区年ET0值的影响有明显区别,80年代以后关中地区年ET0值增长趋势加大,受气候影响明显大于80年代以前。多年平均年内分布表明连续最大3月即6～8月占全年的比例为46%～48%,但80年代以后年内分布6～8月ET0所占比例有降低趋势;从泾惠渠灌区灌溉试验站实测水面蒸发资料分析,显示明显的逐年减少的趋势,年内分布表明6～8月水面蒸发量所占比例有降低趋势。说明灌溉农业发展引起农田小气候的变化,减少了夏季潜在的蒸发和实际蒸发量。

基于机器学习算法的ET_(0)预测研究

为了解不同机器学习算法在预测不同气候区参考作物腾发量(ET_(0))方面的表现,以中国干旱区和湿润区共计20个气象站点1960-2019年的逐日气象数据为依据,以PM和HS公式计算的ET_(0)为参考,评价了多元逐步回归(SL)、支持向量机(SVM)和高斯过程回归(GPR) 3种机器学习算法的ET_(0)预测精度及其适用性。结果表明:(1)当分别以PM和HS公式计算的ET_(0)数值为标准时,3种机器学习算法模拟ET_(0)精度大小关系均表现为:GPR>SVM>SL,且GPR算法的模拟精度最高,其相关系数(R~2)均高达0.950以上。(2)当采用同一种机器学习算法时,其在以PM公式计算的ET_(0)为参考值情况下的R~2范围为0.965~0.995、RMSE的范围为0.212~0.260 mm/d、MAE的范围为0.151~0.201 mm/d;以HS公式计算结果为参考值时,其R~2范围为0.935~0.984、RMSE范围为0.832~0.964 mm/d、MAE范围为0.596~0.745mm/d。(3)在不同气候分区,以同一参考公式计算结果为标准值时采用机器学习算法模拟干旱区的ET_(0)精度均优于湿润区,其R~2提高了0.01。(4)对比不同机器学习算法的稳健性,SL和SVM算法在分别以PM和HS公式计算结果为参考值时的稳健性最高,其训练到模拟阶段的R~2变化幅度仅为0.16%和0.11%,而GPR算法稳健性均最低。(5)对比不同机器学习算法训练时间成本,SVM和GPR算法的计算成本显著高于SL算法。综合分析3种算法的ET_(0)预测精度、稳健性和计算成本,SVM算法可推荐为中国干旱区和湿润区较为精准预测参考作物腾发量的方法。且机器学习模拟精度与气象因子的定量关系表明,日照时数(N)变化是影响各算法预测精度的主要因子。

关中地区参考作物蒸发蒸腾量数据集(2010–2019)

参考作物蒸发蒸腾量(ET_(0))是影响农业和环境的重要因子。作者团队选取关中地区的杨凌、三原、彬县、宝鸡、宝鸡县和长武6个国家气象站点,利用站点2010–2019年逐日气象数据(最高气压、最低气压、最高气温、最低气温、降雨量、日照时数、最大风速等),结合联合国粮农组织FAO推荐的P-M模型,计算2010–2019年逐日参考作物蒸发蒸腾量(ET_(0));再利用反距离权重空间插值法得到2010–2019年关中地区ET_(0)空间分布数据,共同构成关中地区参考作物蒸发蒸腾量数据集(2010–2019)。数据集包括:(1)关中地区范围数据;(2)站点位置矢量数据;(3)站点位置信息及2010–2019年逐日ET_(0)数据;(4)2010–2019年逐年ET_(0)空间分布数据。数据集存储为.shp、.tif和.xlsx格式,由27个数据文件组成,数据量为65.4 MB。