通径分析结合BP神经网络方法估算夏玉米作物系数及蒸散量

准确估算蒸散量对于精准管理农田水分至关重要。为了解作物系数的动态特征,准确估算作物需水量,使用叶面积指数和气象要素模拟玉米全生育期作物系数及蒸散量。利用2018年五道沟实验站气象和称重式蒸渗仪实测数据,运用通径分析法筛选影响作物系数的关键因子,建立无雨期不同地下水埋深下作物系数模型,以此估算蒸散量。结果表明:1 m埋深下全生育期作物系数平均绝对误差为0.04 mm/d,相关系数为0.94,其中初期、发育期、中期和后期平均绝对误差分别为0.06、0.09、0.05和0.03 mm/d。3 m埋深下全生育期作物系数平均绝对误差为0.08 mm/d,相关系数为0.92,各生育期平均绝对误差分别为0.11、0.10、0.07和0.03 mm/d,利用温度、风速和叶面积指数模拟作物系数精度较高。1 m埋深全生育期ET平均绝对误差为0.72 mm/d,各生育阶段平均绝对误差分别为0.56、059、0.66和0.45 mm/d。3 m埋深全生育期ET平均绝对误差为0.73 mm/d,各生育阶段ET平均绝对误差分别为0.82、0.98、0.68和0.29 mm/d。不同时间尺度下(1、3、5 d)2种埋深ET模拟值与实际值一致性指数均接近1.00,平均绝对误差小于1.0 mm/d,预报准确率达70%。随预报时间尺度的增加,预报精度提高。该方法可用于夏玉米蒸散发量计算。     

基于极限学习机的参考作物蒸散量预测模型

为实现气象资料缺乏情况下参考作物蒸散量（reference crop evapotranspiration, ET0）高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机（extreme learning machine, ELM）的ET0预测模型。选取川中丘陵区7个气象站点1963－2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明：ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度（均方根误差和模型效率系数分别为0.504 mm/d和0.827）高于Hargreaves模型（均方根误差和模型有效系数分别为0.692 mm/d和0.741）;基于最高、最低温度和辐射的ELM模型模拟精度（均方根误差和模型有效系数分别为0.291 mm/d和0.938）明显高于Priestley-Taylor（均方根误差和模型有效系数分别为0.467 mm/d和0.823）、Makkink（均方根误差和模型有效系数分别为0.540 mm/d和0.800）和Irmark-Allen模型（均方根误差和模型有效系数分别为0.880 mm/d和0.623）。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。     

基于机器学习的遮荫设施内参考作物蒸散量估算

为高效准确地估算遮荫设施内参考作物蒸散量（Reference Evapotranspiration, ET0）,该研究通过分析三七栽培遮荫设施（四周及顶部均由黑色遮阳网遮盖,通风性较好）内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith（FAO-56 PM）模型计算的值为标准值,采用贝叶斯优化（Bayesian Optimization, BO）算法优化机器学习方法（支持向量回归机（Support Vector Regression, SVR）、随机森林（Random Forest, RF）和极限学习机（Extreme Learning Machine, ELM））中的参数,建立3种遮荫设施内ET0估算模型（BO-SVR、BO-RF和BO-ELM）。结果表明：遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型。BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数（平均相对湿度和平均风速）估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d。综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法。研究为遮荫设施内ET0的估算提供有效方法。     

基于叶面积指数改进双作物系数法估算旱作玉米蒸散

为准确估算和区分黄土高原旱作春玉米蒸散(evapotranspiration,ET),该文基于实测叶面积指数(leaf area index,LAI)动态估算基础作物系数,利用LAI修正土壤蒸发系数,并基于修正后的双作物系数法估算和区分黄土高原地区旱作春玉米ET,并以2012、2013年寿阳站基于涡度相关系统和微型蒸渗仪实测的春玉米ET和土壤蒸发(soil evaporation)对修正后的双作物系数法的适用性进行评估。结果表明:修正后的双作物系数法能够较为准确的估算春玉米ET,2012年春玉米全生育期ET估算值、实测值分别为365.3、372.6 mm,2013年分别为385.6、369.4 mm;2012年全生育期改进双作物系数法决定系数、均方根误差、模型效率系数和平均绝对误差分别为0.824、0.561 mm/d、0.817和0.449 mm/d,2013分别为0.870、0.381 mm/d、0.871和0.332 mm/d;同时,修正后的双作物系数法可对春玉米各生育期ET进行准确区分,土壤蒸发估算值与实测值有较好的一致性,2012年全生育期估算和实测土壤蒸发分别为0.98和0.99 mm/d,分别占ET的38.12%和37.08%;2013年估算和实测土壤蒸发分别为0.86和0.89 mm/d,分别占ET的33.59%和35.90%。因此,修正后的双作物系数法能够较为准确地估算和区分黄土高原地区旱作春玉米ET。该研究可为黄土高原区农田水分精准管理提供科学指导。     

小麦/玉米套作田棵间土壤蒸发的数学模拟

为了探明小麦/玉米套作条件下棵间土壤蒸发规律及内在机制,该文将 Ritchie 模型和间套作群体光能传输模型结合起来模拟了小麦/玉米套作田的棵间土壤蒸发,并用2012年和2013年微型蒸渗仪的实测值对该方法进行了验证。结果表明,2 a模拟值和实测值的变化趋势都非常一致。与实测蒸发相比,该文所建模型2012年模拟结果的均方根误差为0.447 mm/d,平均绝对误差为0.331 mm/d,分别比原Ritchie模型降低16.8%和20.8%。在实测数据的88 d,累计实测蒸发量为107.2 mm,而模型的模拟值为100.5 mm,仅低估实测值6.7%。在2013年实测数据的68 d,累计实测蒸发量为83.1 mm,而模型的模拟值为73.7 mm,低估11.3%。模拟值与实测值的均方根误差和平均绝对误差分别为0.465和0.333 mm/d,略大于2012年。套作群体根系层水量平衡分析结果表明,小麦/玉米套作系统整个生育期土壤蒸发占总蒸发蒸腾的比例高达41.1%,故有必要在该套作农田实施秸秆覆盖等农艺措施,以减少棵间土壤蒸发,提高土壤水分的利用效率。该研究成果可为小麦套作种植模式下田间水分管理提供依据。     

三江平原稻田蒸散量模拟研究

基于2005-2007年涡度相关系统测量值和小气候观测资料,比较分析Penman、Penman-Monteith和Priestley-Taylor模型对三江平原稻田5-10月蒸散量的模拟效果。结果表明,3个模型参数采用常规参数时,Penman模型模拟值明显大于测量值,平均高估103.5%;但Penman-Monteith和Priestley-Taylor模型模拟效果较好,平均偏差分别为0.26和0.02mm·d-1,均方根误差分别为0.68和0.71mm·d-1。Penman和PenmanMonteith模型作物系数(Kc)与叶面积指数均呈极显著正相关关系,Priestley-Taylor模型修正式参数α值与叶面积指数、饱和水汽压差和风速均为正相关关系,且与饱和水汽压差和风速相关性达极显著水平。依据多元线性回归方程校正模型参数后,Penman模型模拟精度显著提高,平均偏差和均方根误差分别为0.28和0.64mm·d-1,模拟效率由负值转变为正值0.75。而Penman-Monteith和Priestley-Taylor模型模拟精度没有明显改变。方差分析进一步表明校正模型参数后3个模型的估算值没有显著性差异,说明3个模型对三江平原稻田蒸散量的估算精度一致。由此可见,Penman-Monteith和Priestley-Taylor模型无论是否校正作物系数或参数α,均适于估算三江平原稻田蒸散量,而Penman模型需在修正作物系数后方可用于估算三江平原稻田蒸散量。     

基于Penman-Monteith模型的低丘红壤区稻田蒸散模拟

基于低丘红壤区稻田波文比仪测量值和小气候观测资料,将8种组合形式的Jarvis公式和Irmak公式应用到Penman-Monteith模型中,组成9种蒸散模型,模拟稻田全生育期的逐时蒸散量,以波文比仪观测的蒸散量作为实测值检验模型精度。结果表明:PM_Irmak模型对水稻全生育期的蒸散模拟效果在所有模型中最好,均方根误差和平均绝对误差最小,分别为0.064和0.049mm·h~(-1),确定系数、纳什效率系数和一致性指数最高,分别为0.940、0.922和0.953。8种PM_Jarvis模型模拟蒸散的日动态变化值在水稻返青期均明显小于实测值,PM_Irmak模型模拟蒸散的日动态变化值在整个生育期与实测值均较为接近。由此可见,Irmak公式应用到PM模型后模拟精度较高,可为低丘红壤区稻田蒸散研究提供参考。     

Stacking集成模型模拟膜下滴灌玉米逐日蒸散量和作物系数

为准确模拟膜下滴灌玉米逐日蒸散量和作物系数,该研究以4个经典机器学习模型:随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)、BP神经网络(Back Propagation Neural Network,BP)和Adaboost集成学习模型(Adaboost,ADA)为基础,基于Stacking算法建立了集成学习模型(Linear Stacking Model,LSM)对膜下滴灌玉米逐日蒸散量和作物系数进行模拟。并将LSM的模拟精度与RF、SVM、BP和ADA模型的模拟精度相比较,结果表明:1)RF、SVM、BP和ADA模型模拟膜下滴灌玉米的逐日蒸散量和作物系数时的相对均方根误差均大于0.2;2)相比RF、SVM、BP和ADA模型,LSM模型提高了玉米逐日蒸散量和作物系数模拟精度。LSM模拟的膜下滴灌玉米的作物系数相比于FAO推荐值更接近实测值;3)日序数、平均温度、株高、叶面积指数和短波辐射5个特征对玉米膜下滴灌玉米日蒸散量和作物系数影响最高,基于这5个特征建立的LSM模型模拟膜下滴灌玉米的蒸散量和作物系数的R2分别为0.9和0.89,相对均方根误差分别为0.23和0.16。因此,建议在该研究区使用日序数、平均温度、株高、叶面积指数和短波辐射5个特征参数建立LSM模型模拟膜下滴灌玉米蒸散量和作物系数。该研究可为高效节水条件下作物蒸散量和作物系数的精准模拟和合理制定灌溉制度提供参考。     

作物生长条件下的阿维里扬诺夫潜水蒸发公式改进

为提高作物生长条件下潜水蒸发强度计算精度,引入作物影响系数概念,提出2种阿维里扬诺夫潜水蒸发改进公式。采用河南惠北水利科学试验站2005-2007年的逐日潜水蒸发量与水面蒸发量试验数据和最小二乘法率定改进公式中各参数值,并用平均绝对误差、均方根误差和相关系数等3个统计指标对改进公式的计算精度进行评价,利用2007-2008年的试验数据对改进公式进行了验证。结果表明,提出的改进公式一的经验指数、潜水蒸发极限埋深以及各生育阶段的作物影响系数等参数值较为合理;验证期平均绝对误差0.30～0.59mm/d,均方根误差0.57～0.87mm/d,相关系数0.58～0.72,各统计指标值基本优于前人的研究,提高了潜水蒸发计算精度。     

基于修正双作物系数模型估算温室黄瓜不同季节腾发量

为估算温室黄瓜植株蒸腾与土面蒸发,该研究基于FAO-56推荐的双作物系数模型,应用温室内实测微气象、叶面积指数(LAI)及土壤水分数据,对模型中基础作物系数(Kcb)和土面蒸发系数(Ke)进行修正,并基于修正后FAO-56Penman-Monteith(P-M)模型,确定温室参考作物蒸发蒸腾量(ET0),进而估算温室黄瓜蒸发蒸腾量(ETc)和植株蒸腾(Tr)。基于Venlo型温室内黄瓜不同种植季节(春夏季和秋冬季)Lysimeter和茎流计观测的黄瓜ETc和Tr,对修正后的双作物系数模型预测结果进行验证。结果表明,应用修正后的双作物系数模型估算的温室黄瓜ETc和Tr与实测值具有较好地一致性,春夏季温室黄瓜全生育期ETc估算值与实测值的日均值分别为3.05和2.94 mm/d,秋冬季分别为2.53和2.76 mm/d。修正后的双作物系数模型估算春夏季温室黄瓜日ETc的决定系数(R2)、均方根误差(RMSE)和模型效率系数(Ens)分别为0.95、0.41 mm/d和0.93;估算秋冬季ETc的误差计算结果依次为0.91(R2)、0.48 mm/d(RMSE)和0.90(Ens)。修正后的双作物系数模型估算春夏季日平均Tr与实测值分别为2.37和2.19mm/d,秋冬季分别为1.43和1.34 mm/d。研究结果还显示,不同种植季节温室黄瓜全生育期日平均Tr占ETc的比例分别为64.62%(春夏季)和68.59%(秋冬季)。该研究成果不仅为制定准确的温室黄瓜灌溉制度提供了理论依据,而且对实现温室环境智能化控制及减少温室内无效的土面蒸发具有重要意义。     

杨凌地区冬小麦和夏玉米蒸发蒸腾和作物系数的确定

为了得到适合陕西杨凌地冬小麦和夏玉米的需水规律和作物系数，该文采用FAO推荐的双作物系数法对田间试验数据进行了分析计算，计算了冬小麦和夏玉米蒸发蒸腾量，确定了适合当地气候冬小麦和夏玉米的基础作物系数。     

太行山山前平原区蒸散量和作物灌溉需水量的分析

应用Penman-Montieth、Priestley-Taylor和FAO-24 Blaney-Criddle 3种方法计算了太行山山前平原高产区的参考作物蒸散量并对计算结果和利用实际蒸散量计算的作物系数进行了分析，结果表明：Penman-Montieth公式和FAO-24 Blaney-Criddle公式估算的参考作物蒸散量结果相近，而Priestley-Taylor方法结果偏低；在不同公式基础上计算的作物系数也存在着明显的差异，以Penman-Montieth公式为基础计算的作物系数比较合理，FAO-24 Blaney-Criddle计算的作物系数在4月到10月之间比较合理，Priestley-Taylor公式计算的作物系数偏高；在分析了多年作物系数的基础上，对不同水分年型下的作物需水量和灌溉需水量进行了计算，冬小麦和夏玉米季的灌溉需水量分别在270～400 mm和0～330 mm之间。     

河北省近35年农作物需水量变化趋势分析

根据联合国粮农组织(FAO)推荐的参考作物蒸散计算方法和相关作物系数,利用河北省84个地面气象站的资料,计算了河北省主要作物冬小麦和玉米近35年(1965～1999年)的需水量和缺水量,并分析了其变化趋势.结果表明:河北省主要作物冬小麦和玉米的需水量在近35年呈减少趋势,每10年下降量冬小麦全省平均26 mm,其中中南部地区28 mm,东部地区15mm;夏玉米全省平均9.7 mm,其中南部地区9.4 mm,中部地区10.2mm;春玉米全省平均9.9mm,其中东部地区8.8 mm,北部地区10.5 mm.全省和各区域作物需水量变化均通过0.05信度的显著性检验.不同作物缺水量不同,其中冬小麦最多,全省平均345 mm,夏玉米20 mm,春玉米29 mm;虽然不同作物均表现出缺水增加的趋势,但不显著.     

夏玉米棵间蒸发的田间试验与模拟

棵间蒸发是农田作物蒸散的主要组成部分,且属于无效耗水,减少棵间蒸发量对提高农田水分利用率和节约用水具有重要意义。该文利用微型蒸发器测定夏玉米的棵间蒸发量,并根据2a的田间实测数据对双作物系数模型SIMDual_Kc进行参数率定和模型验证,将模型计算的棵间蒸发量与实测数据进行对比,计算各生育期棵间蒸发量占作物蒸散发的比例。结果表明,模型可以应用于该地区夏玉米生育期内土壤含水率和作物耗水量的模拟计算,其模拟的棵间蒸发量与实测值之间相关性较高,误差较小,可用于实测数据缺失时数据的插补。降雨对夏玉米生育初期棵间蒸发量影响较大,整个生育期内夏玉米棵间蒸发占总腾发量的比例在37%～45%左右。     

基于SPAC系统的作物腾发量模型的试验研究

通过田间试验对河北省2004年和2005年棉花、冬小麦和夏玉米不同生育期的冠层温度、地表温度和叶面积指数进行测定,根据能量平衡方程和空气动力学方程,结合当地气象资料推导出作物腾发量模型,并与棉花、冬小麦和夏玉米不同生育期实际腾发量比较发现:作物腾发量模型计算值不仅反映了这3种作物不同生育期腾发量的变化规律,而且与实际腾发量平均值的相对误差2004年分别为8.46%、4.76%和12.85%,2005年分别为3.42%、1.65%和0.84%,因此可以利用作物腾发量模型来计算作物腾发量,该研究为监测土壤墒情和确定作物缺水指标提供了理论依据.     

玉米作物系数无人机遥感协同地面水分监测估算方法研究

该文研究不同水分胁迫条件下无人机遥感与地面传感器协同估算玉米作物系数的可行性。利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取内蒙古达拉特旗昭君镇试验站不同水分胁迫下大田玉米冠层光谱影像,计算植被指数,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与简单比值植被指数(simple ratio index,SR)、叶面积指数(leaf area index,LAI)和表层土壤含水率(surface soil moisture,SM)的相关关系,结果表明,作物系数与SR、LAI和SM的相关程度与水分胁迫程度有关,但均呈现出显著或极显著的线性关系,说明了基于这些指标建立作物系数估算模型的可能性。利用逐步回归分析方法建立了作物系数的估算模型,其估算模型,修正的决定系数、均方根误差和归一化的均方根误差分别为0.63、0.21、25.16%。经验证,模型决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21、23.35%。研究结果可为利用无人机多光谱遥感平台进行作物系数估算提供技术参考。     

华北地区设施茄子蒸散量估算模型及作物系数确定

构建华北地区设施茄子蒸散量估算模型,可为制定其优化灌溉制度提供理论依据。本研究设灌水定额15 mm(W1)、22.5 mm(W2)、30 mm(W3)和37.5 mm(充分灌溉, CK)4个处理,在设施茄子苗期、开花座果期和成熟采摘期土壤含水率分别达田间持水量的70%、80%和70%时进行灌溉,以保证土壤供水充足。基于修正后的Penman-Monteith方程,通过分析CK处理的作物系数与叶面积指数的关系,建立了基于气象数据与叶面积指数的蒸散量估算模型,利用W1、 W2和W3实测蒸散量对其进行验证。结果表明:修正后的Penman-Monteith方程可用于设施参考作物蒸散量的估算,W1、W2和W3蒸散量的实测值与新建模型的模拟值平均相对误差分别为17.81%、18.31%和17.97%。作物系数与叶面积指数呈显著线性关系,可通过叶面积指数确定作物系数。分析W1、W2、W3和CK处理的产量和水分利用效率(WUE)得出, W2与CK产量差异性不显著,而WUE差异性显著,较CK提高31.59%,表明W2兼顾产量和WUE。W2处理下茄子的作物系数,苗期为0.21～0.46,开花座果期为0.62～0.94,成熟采摘期为0.70～0.92。本研究认为,新建模型在估算设施茄子实际蒸散量上具有较好适用性,计算出的作物系数在节水灌溉条件下具有实际应用价值。     

覆膜滴灌棉田蒸散量的模拟研究

通过综合考虑影响作物蒸散量的土壤、作物、大气3方面因子，结合新疆滴灌棉田覆膜栽培的生产实际，设计了不同覆盖度和品种试验，以Penman－Montieth方程估算参考作物蒸散量，确定了不同覆盖度及品种条件下的作物系数，并在此基础上实现了覆膜滴灌棉田蒸散量较为准确地估计。试验结果认为覆膜滴灌棉田全生育期蒸散量在540～620 mm之间，全生育期蒸散量和作物系数都随着覆盖度的增加而减小，叶面积指数与日蒸散量及作物系数关系密切，品种间由于品种特性的差异而引起的叶面积指数变化，最终导致了品种间作物系数K_c的不同。     

基于BP神经网络的冬小麦耗水预测

该文根据中国科学院禹城农业试验站2003－2006年冬小麦季的气象资料和大型称重式蒸渗仪观测资料,把实测作物系数作为作物因子指标,建立了以日最高温度、日净辐射、实测表层60 cm土壤含水率、日序数和作物系数为输入因子,蒸渗仪实测蒸散量为输出因子的BP神经网络预测模型,神经网络拓扑结构为5-9-1,训练函数为Trainbr。检验结果表明冬小麦耗水量模型预测平均相对误差为13.1%,预测值和实测值的均方根误差为0.88 mm,模型预测Nash-Sutcliffe效率指数为0.865,预测效果较好,可满足生产需要。