中国北方太阳总辐射模型优化及适用性评价

太阳总辐射(R_s)模型是估算地表能源最简单的方法，对区域ET₀管理、水资源及太阳能利用具有重要意义。选取中国北方47个代表性气象站点(1994-2016年)逐日数据，采用鱼群算法优化温度模型(T1、T2和T3)、日照时数模型(N1、N2和N3)和混合模型(M1)，在日和月尺度评价太阳总辐射模拟精度。结果表明：在日尺度上，基于日照时数的模型(N1-N3)精度最高，其次为基于温度的模型(T1-T3)，混合模型相对较差(M1),R²分别为0.90～0.93、0.64～0.78和0.80～0.90,MAE分别为1.47～1.95、2.51～4.33和4.88～6.28 MJ/(m²·d)；在月尺度上，基于日照时数的模型(N1-N3)精度最高，其次为混合模型(M1)和基于温度的模型(T1-T3),R2分别为0.94～0.97、0.92～0.95和0.86～0.95,MAE分别为25.45～44.29、36.21～102.73和101.25～144.56 MJ/(m²·d)。因此，推荐基于...     

基于辐射改进Penman-Monteith模型估算粮食主产区参考作物蒸散量

为进一步提高Penman-Monteith模型估算参考作物蒸散量(Reference crop evapotranspiration,ET₀)的精度,以中国粮食主产区为研究对象,将其划分为温带湿润半湿润地区(THSZ)、温带干旱半干旱地区(TASZ)、暖温带半湿润地区(WTSZ)和亚热带湿润地区(SHZ),基于32个气象站点1994-2020年长序列实测逐日气象数据,将猎豹算法(CO)、沙猫算法(SCSO)、野狗算法(DOA)优化的时间卷积神经网络模型(TCN)和3种基于日照时数、3种基于温度的经验模型估算的辐射(R_s)值与PM模型进行融合,得到改进PM模型。以均方根误差(RMSE)、决定系数(R²)、平均绝对误差(MAE)和效率系数(E_NS)为精度评价体系,找出了粮食主产区不同分区的ET₀最优估算模型,结果表明：基于日照时数模型的计算精度要优于温度模型,其中CO-TCN模型在全区内均表现出了较高的精度,在不同分区的RMSE、MAE、R²和E_NS...     

西北地区地表太阳总辐射计算模型适用性评价

为有效提高中国西北地区R_s预报精度,选取西北地区11个代表性气象站点1959—2015年逐日气象数据,评价了4种基于日照时数的R_s计算模型(Angstrom-Prescott,Ogelman,Bahel和Louche模型)和2种基于温度的R_s计算模型(Hargreaves和Bristow-Campbell模型)在西北地区4个分区(温带大陆性高温干旱区、温带大陆性干旱区、高原大陆性半干旱区和温带季风半干旱区)的适用性.结果表明:6种模型在西北地区的R_s模拟值与实测值均在P<0.001水平具有统计学意义;基于日照时数的R_s计算模型(R²介于0.901~0.903)精度高于基于温度的模型(R²介于0.695~0.719);其中,基于日照时数的模型中Bahel模型的精度最高,其R²,MAE,MRE,RMSE和NSE分别为0.903,1.624 MJ/(m²·d),15.7%,2.298 MJ/(m²·d)和0.902;基于温度的模型中Bristow-Campbell模型精度最高,其值分别为0.719,2.851 MJ/(m²·d),30.7%,3.959 MJ/(m²·d)和0.713.因此,为有效提高西北地区R_s日值和月值预报精度,在仅有温度资料时推荐使用Bristow-Campbell模型,在仅有日照时数资料时推荐使用Bahel模型.     

基于改进Makkink模型的四川盆地参考作物蒸散量估算

为了有效提高四川盆地参考作物蒸散量ET₀的预报精度,选取四川盆地16个代表性气象站点1961-2019年逐日气象数据,基于差分进化算法(DE)对辐射模型的经验参数校准改进Makkink模型并估算四川盆地ET₀,在日、月尺度上对改进的Makkink模型(M1-M6)和Jennsen-Haise(JH)及Irmak(IK)模型评价.结果表明:在日尺度上,改进的Makkink(M1-M6)模型(R²为0.77~0.87)模拟结果比JH和IK模型(R²为0.74~0.76)更精确,改进的Makkink模型中,M4模型估算精度最高,综合性指标GPI中位数为1.05;在月尺度上,改进的Makkink模型模拟结果(误差为3.59~15.71 mm/月)也优于JH和IK模型(误差为6.84~25.31 mm/月),其中M4模型估算精度最佳,综合性指标GPI为1.72.总体而言,推荐以温度和相对湿度作为输入数据的M4模型模拟四川盆地ET₀.     

基于MARS模拟鄱阳湖地区参考作物蒸散量

为了寻找最适宜的鄱阳湖作物蒸散量替代计算方法,文中以FAO Penman-Monteith模型参考作物蒸散量计算结果(ET₀)为标准值,使用江西省南昌站1966—2015年逐日最高温度、最低温度、日照时数、风速和相对湿度数据(其中1966—1990年数据用于建立模型,1991—2015年数据用于验证模型),建立12种不同气象要素组合条件下的多元自适应回归样条(MARS)ET₀计算模型,并将计算结果与广义回归神经网络(GRNN)、支持向量机(SVM)和经验模型(Hargreaves法、Irmak-Allen法、Makkink 法、Pristley-Taylor法)的计算结果相比较.结果表明:3种人工智能算法的ET₀计算结果精度均优于相同输入数据下的经验模型.3种人工智能算法中MARS的精度最高,在全参数组合下RMSE为0.227 mm/d,R²为0.982,NRMSE为0.086,其次是支持向量机,其在全参数组合下RMSE为0.266 mm/d,R²为0.978,NRMSE为0.101,GRNN排第三,其在全参数组合下RMSE为0.323 mm/d,R²为0.962,NRMSE为0.123.缺少温度参数时,模型精度总体较差,3种人工智能算法下R²仅为0.8左右.MARS法不但精度更高,而且具有明确的数学表达式,是鄱阳湖地区适宜的ET₀计算方法.     

基于电磁感应数据的电导率反演模型研究

【目的】土壤盐渍化是限制新疆南部棉花高产的主要因子,准确获取区域尺度土壤剖面盐分信息。【方法】以南疆阿拉尔垦区为研究区,以田间尺度采集的30个不同盐渍化程度棉田的540个样点的0~0.375、0~0.750、0~1.000 m的土壤剖面电导率数据和对应的电磁感应数据为数据源,采用线性模型和非线性模型分别构建了田间尺度和区域尺度的土壤剖面电导率的电磁感应反演模型,并采用缩减建模样本量方法进一步检验了区域尺度模型的可靠性和稳定性。【结果】多元线性回归(MLR)、偏最小二乘回归(PLSR)和主成分回归(PCR)建模方法的田间尺度模型R²在0.88~0.95,而对应的区域尺度模型R²在0.34~0.53。基于随机森林(RF)、神经网络(NN)和支持向量机(SVM)非线性建模方法构建的土壤剖面电导率的区域尺度电磁感应反演模型R²在0.60~0.85,其中RF模型的精度最高。0~0.375、0~0.750、0~1.000 m土壤剖面电导率的RF反演模型R²分别为0.80、0.85和0.84,相较于线性建模方法的区域尺度模型精度有明显的提高。RF区域尺度模型的样本数量由540个缩减到240个,模型精度没有明显变化,表明采用区域尺度模型,可大幅度降低土壤剖面样本采集数量,从而可显著提高采样效率和降低采样成本。【结论】区域尺度下构建土壤剖面电导率反演模型时,随机森林建模方法效果较优,模型预测能力具有较高的可靠性。     

基于无人机多时相植被指数的冬小麦产量估测

通过无人机搭载多光谱相机,对不同水分亏缺条件下冬小麦多个生育期进行遥感监测,采用不同种类多光谱植被指数表征冬小麦的生长特征,分析了植被指数与冬小麦产量的相关关系,并利用多时相植被指数构建产量估测数据集,采用偏最小二乘回归、支持向量机回归和随机森林回归3种机器学习算法进行冬小麦产量估测。结果表明,随着冬小麦的生长,多个植被指数与产量的相关性不断增强,灌浆末期相关系数达到0.7,植被指数与产量的线性回归决定系数也达到最大。多时相植被指数反映了冬小麦生长的变化特征,进一步提高了冬小麦产量估测精度,采用开花期和灌浆初期的多时相植被指数进行估产比采用单个生育期的植被指数估测产量的精度高,采用偏最小二乘回归模型的估测精度R²提高约0.021,支持向量机回归模型R²提高约0.015,随机森林回归模型R²提高约0.051。采用灌浆末期的多时相植被指数,3种模型均有较高的估测精度,偏最小二乘回归模型估测精度最高时的R²、RMSE分别为0.459、1 822.746 kg/hm²,支持向量机回归模型估测精度最高时的R²、RMSE分别为0.540、1 676.520 kg/hm²,随机森林回归模型估测精度最高时的R²、RMSE分别为0.560、1 633.896 kg/hm²,本文数据集训练的随机森林回归模型估测精度最高,且稳定性更好。     

沂河水质评价模型研究及其应用

为了研究影响流域水质的关键水质指标，以沂河为研究区域，基于2006-2019年水质数据，采用水质指数法对河流水质进行评价与建模。水质指数可以将大量复杂的水质数据转变为一个单独指标来反映水质整体状况，目前常被用于进行水质评价。共分析10个水质指标，包括TP、pH、WT、DO、NO₃-N、BOD₅、F^-、COD、SO₄^2-和NH₃-N。基于多元线性回归分析筛选流域关键水质指标，构建了沂河关键水质指标评价模型WQI_min，简化了评价所需的水质指标。结果表明：无论是否加权，四指标模型和六指标模型的拟合程度和预测精度都未达到最高，不是本研究的最优模型；五指标模型WQI_min+WT^w具有良好的水质评价性能，R²=0.972,MSE=0.51,PE=2.07%,P<0.05，是本研究最优关键水质指标模型。该模型包括5个水质指标：NH₃-N、BOD_...     

气候与种植结构变化对温室气体排放及灌溉需水的影响

针对气候变化和种植结构调整对黄淮海地区农业生产作用不明晰的问题,基于反硝化分解模型(Denitrification-decomposition, DNDC),采用情景分析法评估了气候与种植结构变化对黄淮海地区农业温室气体(CO₂、CH₄和N₂O)排放和灌溉需水量的影响。结果表明：从1995年到2015年,研究区气候向暖湿化方向发展,其中年均最高温度无显著变化,年均最低温度上升0.7℃,年降水量增长46.5 mm; 1995年研究区玉米、小麦和水稻种植面积分别约为7.9×10⁶、1.4×10⁷、2.9×10⁶ hm²;2015年3种作物种植面积均增大,而水稻、小麦种植比例减小。气候变化影响下,黄淮海地区农业温室气体排放增加,灌溉需水量小幅减小。与1995年相比,2015年CO₂、CH₄、N₂O排放强度分别增长至3 730.5、443.2、5.9 kg/hm²     

基于无人机-卫星遥感升尺度的土壤水分监测模型研究

土壤水分是研究土壤-植物-大气循环系统中能量与物质交换的关键,通过尺度转换方法将无人机遥感数据上推以修正卫星数据,可有效改善卫星遥感反演模型精度。本文以河套灌区为研究对象,分别采用重采样和TsHARP升尺度法,引入多元线性回归(MLR)、BP神经网络(BPNN)和支持向量机(SVM)算法构建不同土壤深度下无人机-卫星升尺度土壤含水率反演模型。研究结果表明：重采样升尺度法在不同土壤深度下模型整体精度由高到低依次为SVM、MLR、BPNN,其中在土壤深度0～60 cm下采用SVM模型最优,R²达到0.571,RMSE为0.022%;TsHARP升尺度法在不同土壤深度下模型整体精度由高到低依次为BPNN、SVM、MLR,其中在土壤深度0～60 cm下采用BPNN模型最优,R²达到0.829,RMSE为0.015%。与升尺度修正前对应土壤深度模型对比,两种升尺度方法均能明显提高卫星遥感对土壤含水率的反演精度,但TsHARP升尺度法整体优于重采样法;重采样法的R²由0.413提升至0.571,RMSE由0.026%降至0.022%...     

改进Hargreaves－Samani模型预测广西盆地参考作物蒸散量

准确估算参考作物蒸散量(ET0 )对于区域水资源管理和灌溉决策有着重要意义. Hargreaves－Samani模型(HS)是目前公认结构最简单且精度较高的ET0估算模型.为了进一步提高HS模型预测精度,采用蜂群理论和广西盆地20个气象站(1961—2019年)数据对HS模型全局校准,使用1961—2000年数据对HS...     

4种人工智能模型在江西省参考作物蒸散量计算中的适用性

为了实现气象资料缺失下参考作物蒸散量ET₀的高精度预测,以江西南昌、吉安及龙南站1966-2015年每日最高气温T_max、最低气温T_min、日照时数n、相对湿度RH和2 m高风速u₂作为输入参数,以FAO-56 Penman-Monteith(P-M)公式的计算结果作为对照,建立了6种不同气象要素组合条件下的4种ET₀计算模型,并分别与输入相同数据的经验法计算结果进行了比较.结果表明,在3个站点中,多元自适应回归样条法MARS模型的精度最高,且计算简便,可作为江西省蒸散量模拟的推荐方法.当4种模型的输入数据完整时,模拟精度均达到最高,表明4种模型均可适用于对参考作物蒸散量的模拟;输入数据缺失条件下,各气象要素对智能模型模拟ET₀的影响由大到小按参数排序依次为T_max,T_min,n,RH,u₂.与传统经验公式相比,4种智能模型的ET₀计算结果精度均优于输入相同数据的经验法.     

苏南丘陵地区茶树蒸散发估算模型的适用性评估

根据波文比能量观测系统在2017—2020年间的ET_c观测数据,分别对FAO-56作物系数模型(S-k_c)与Priestley-Taylor(PT-α)模型进行参数率定及修正,分析了茶树ET_c在各生育期内对气象因子的响应特性,并评估了修正后的S-k_c与PT-α模型对于苏南丘陵地区茶园的应用效果.研究表明:S-k_c模型的作物系数k_c在茶树生长初期为0.83、中期为1.19、后期为1.06,PT-α模型系数α年均值为1.09;气温、水汽压差及土壤体积含水率对ET_c的影响在0.05的水平下具有统计学意义,且各气象因子对ET_c的相关性均表现为在茶树生长中期高度相关,生长后期偏低;以波文比能量观测系统的ET_c观测数据作为参照,修正后的S-k_c模型高估了茶树ET_c,PT-α模型低估了ET_c,但PT-α模型的误差(R²=0.91)稍低于S-k_c模型(R²=0.88),S-k_c模型的模拟效果在茶树快速生长期(MAE=0.72 mm/d,RMSE=0.99 mm/d)和生长中期(MAE=0.36 mm/d,RMSE=0.48 mm/d)较好,PT-α模型的模拟效果在茶树生长后期(MAE=0.35 mm/d,RMSE=0.23 mm/d)较好.该研究明确了苏南丘陵地区茶树各生育期ET_c的变化特征和模拟手段,对于苏南丘陵地区茶树实现科学生产具有重要参考价值.     

西南湿润区微灌猕猴桃园不同尺度光利用效率与驱动因子

为揭示中国西南湿润区猕猴桃园不同尺度光利用效率(LUE)的变化规律,探明生理、环境和植被因子对猕猴桃园不同尺度LUE的影响机理,以四川省蒲江县猕猴桃果园为研究对象,于2018—2020年采用涡度相关系统(EC)开展了连续3 a的水热碳通量综合观测,研究了猕猴桃叶片尺度瞬时光利用效率(LUE_i)、冠层尺度光利用效率(cLUE)和生态系统尺度光利用效率(eLUE)的变化规律,并采用通径分析方法量化了生理因子［净光合速率(P_n)、气孔导度(g_s)］、气象因子［总辐射(R_g)、光合有效辐射(PAR)、空气温度(T_a)、H₂O浓度(C_H2O)、CO₂浓度(C_CO2)、2 m处风速(U₂)、水汽压差(VPD)］、土壤水分因子(土壤体积含水率(SWC)］和植被因子［叶面积指数(LAI)］对猕猴桃园不同尺度LUE的总影响.结果表明:猕猴桃LUE_i随PAR增大而降低,变化范围为0.006~0.026 μmol/μmol;猕猴桃cLUE和eLUE月平均日内变化均呈先减后增的“U”形,月累积cLUE与eLUE变化幅度分别为0.77~2.67和0.58~1.63 g/MJ, 两者变化趋势基本一致且未呈现明显的季节性变化.叶片尺度LUE_i主要受气象因子(PAR)和生理因子(P_n)影响并具有统计学意义,PAR和P_n对LUE_i分别具有显著的直接影响(量化值为-0.99)和间接影响(量化值为-0.81);冠层尺度cLUE和生态系统尺度eLUE均受气象因子(R_g,T_a和VPD)以及植被因子(LAI)影响并具有统计学意义,其中R_g和VPD主要通过影响光吸收过程以影响eLUE和cLUE,而T_a和LAI则通过碳同化过程以影响eLUE和cLUE.     

基于NARX模型的参考作物蒸散发预测

为了实现气象资料缺失情况下参考作物蒸散量(ET₀)精确计算和预测,以攀枝花站点为例,构建非线性自回归滤波器(NARX)模型预测ET₀.以Penman-Monteith模型计算的ET₀作为预测标准,将日最高温、日最低温、日照时数、风速和相对湿度作为模型的输入参数,建立11种不同气象因子组合的NARX模型,并与Hargreaves-Samani模型、Irmak-Allen模型、Makkink模型、Priestley-Taylor模型的计算结果进行比较.结果表明:不同气象因子输入下的NARX模型模拟精度表现出明显的差异.其中,基于全部气象因子的NARX-1模型的RMSE,MAE和MBE分别为0.425 mm/d,0.320 mm/d和0.069 mm/d,NSE为0.920,GPI排名第11,精度最差;而基于风速的NARX-9模型精度最高,其RMSE,MAE和MBE分别为0.285 mm/d,0.237 mm/d和0.019 mm/d,NSE为0.964,GPI排名第1.在输入相同气象参数情况下,基于温度和日照时数的NARX-4模型模拟精度优于Irmak-Allen,Makkink,Priestley-Taylor模型;基于温度的NARX-7模型模拟精度明显高于Hargreaves-Samani模型.因此,可将NARX模型作为四川西南山地缺失较多气象资料情况下计算ET₀的推荐模型,为农田精准灌溉提供科学依据.     

Effect of water deficit in different growth stages on stem sap flux of greenhouse grown pear-jujube tree

The effects of water deficit in different fruit growth stages on the variation of stem sap flux of 6-year old greenhouse-grown pear-jujube trees were investigated. Treatments included sufficient water supply during the whole fruit-growing period (T₁), mild water deficit during the flowering–fruit setting stage (T₂), moderate water deficit during the fruit rapid growth stage (T₃) and severe water deficit during the fruit maturing stage (T₄). Results showed that significant compensation effect on stem sap flux after re-watering was observed in T₂, but not in T₃ and T₄ stages. At the end of rapid growth stage, the diurnal variation of stomatal conductance generally had a similar trend as that of stem sap flux, but with a distinct midday depression from 12:00 to 14:00 p.m. In addition, a linear relationship between the relative available soil water content (RAWC) and the ratio of daily stem sap flux to that of sufficient water treatment was observed (R² = 0.4489).     

基于优化植被指数的多生育期茶叶游离氨基酸含量估算

不同季节的茶叶外形和品质均具有较大差异,针对运用植被指数检测不同季节茶鲜叶游离氨基酸含量存在难度,选取了10个茶树品种3个季节（春茶、夏茶和秋茶）茶鲜叶中游离氨基酸含量数据和高光谱数据进行分析。首先,对原始光谱数据进行5种光谱变换：倒数T_1/R、对数T_1gR、一阶微分T_R’、倒数的一阶微分T_（1/R）’和对数的一阶微分T_（1gR）’,并进一步利用不同光谱变换优化了经典植被指数,最终比较了经典植被指数和优化植被指数对不同季节茶鲜叶游离氨基酸模型的影响。结果表明：茶鲜叶建模集和验证集游离氨基酸含量的变化趋势从大到小均为春茶游离氨基酸含量、秋茶游离氨基酸含量、夏茶游离氨基酸含量;光谱变换优化后的植被指数与茶鲜叶游离氨基酸含量的相关性均高于经典植被指数与茶鲜叶游离氨基酸含量相关性,相关系数绝对值范围为0.10～0.30;基于T_lgR-VI构建的多元线性回归（MLR）模型在不同季节的建模集和验证集中均得到了较好的精度,且适用于多生育时期茶鲜叶氨基酸含量的估测。基于T...