燕山北部丘陵温热区ET_0估算方法比较及修正

参考作物需水量(ET_0)是计算作物需水量、指导农田灌溉和水资源规划的重要依据。根据赤峰气象站34a长系列资料(包括最高气温、最低气温、相对湿度、平均风速和日照时数),利用FAO56-PM公式对3种ET_0估算方法(Hargreaves公式、Mc Cloud公式、Irmark-Allen公式)进行比较分析,主要依据平均偏差、平均相对偏差、相关系数3种指标分别对日、旬、月序列的吻合度进行评价。结果表明:Hargreaves公式和Irmark-Allen公式与FAO56-PM吻合较好,其次为Mc Cloud公式,从而说明Hargreaves公式和Irmark-Allen公式在该区运用的可行性,通过回归分析对二者进行修正,得出Harg公式与FAO56-PM计算结果更为接近,即Harg公式更适合燕山北部丘陵温热区ET_0的计算和预测。     

泸州市参考作物腾发量计算方法比较与修正

为实现参考作物腾发量（ET0）在气象资料缺失地区的准确计算,探究ET0简便方法在泸州市的适用性,以Penman-Monteith（PM）法作为标准方法,对Hargreaves（Har）法、FAO24 Blaney-Criddle（FAO24 BC）法、Makkink（Mak）法、Priestley-Taylor（PT）法计算的ET0进行适用性分析,并采用线性关系和贝叶斯公式对各方法进行修正。通过误差分析得出,Har、PT法在研究区的适用性较好,RMSE在0.5~1.1 mm/d、PE在10%~15%,误差相对较小,且利用线性关系修正比贝叶斯公式好,线性修正后的Har法、PT法误差分别下降50%、80%左右,可以看出PT法的修正效果比Har法更理想。采用线性关系修正后的PT法更适合代替PM法计算气象资料缺失时的ET0,可为估算作物需水量提供理论依据和数据支持。      

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。     

基于温度资料估算参考作物腾发量的方法比较

以Penman-Monteith方法计算的参考作物腾发量ETo为标准,与采用温度法和辐射法的Penman-Monteith温度法(PMT)、修正的PMT(PMT-cor)、Hargreaves-Samain(HG)、修正的HG公式(HG-M1,HG-M2)、Thornthwaite公式、Irmak公式、修正的Irmak公式(Irmak-cor)、Mc Guinness Bordne公式(M-B)的估算值进行对比分析,同时引入干旱指数对温度法中的PMT公式进行修正,采用多元线性拟合对辐射法中的Irmak公式进行修正。结果表明:温度法中的PMT公式、PMT-cor公式、HG公式和辐射法中Irmak公式、Irmak-cor公式的计算值与PM法计算值间的回归系数b都接近于1.0,相关系数R2大于0.80,相对误差RE小于20%,一致性指数d大于0.95。通过交叉比较发现,Irmak-cor公式精度较高(b=1.00、R2=0.98、RMSE=0.17 mm/d、RE=7%、d=1.00),其次是Irmak公式(b=1.03、R2=0.95、RMSE=0.31 mm/d、RE=12%、d=0.99),再次是PMT、PMT-cor、HG方法。考虑计算结果的精确度,该地区首选Irmak-cor公式估算ETo;如果考虑计算简便,该地区可选HG公式估算ETo。     

参考作物需水量计算方法在纵向岭谷区的应用对比

利用纵向岭谷区内58个典型站点1971~2000年逐月气象资料,以及昆明、元江、大理、景洪、保山等5个站点建站至2000年逐日气象资料,从逐日、月及年的不同时间尺度,以Penman Montieth方程计算结果为标准,分析修正Penman法、Priestley Taylor、Hargreaves等不同方法计算参考作物腾发量的适用性。在月和年时段上,修正Penman法较标准值偏小1%~19%,3~10月份平均误差小于6%,各流域之间存在一定差异。不同水文频率年Priestley Taylor和Hargreaves公式计算的逐日ET0,都不同程度地比标准值小,昆明、保山、大理等半干旱或半湿润地区,Priestley Taylor公式计算结果更接近于标准值,平均误差11%~16%左右;景洪等湿润地区Hargreaves公式与标准值误差最小,为15%左右;但接近干旱区的元江则2种方法的结果都存在较大差异,相对误差大于25%;各月ET0的变异系数是Priestley Taylor大于Hargreaves公式,且绝大多数月份小于0.20;不同天气类型时Priestley Taylor计算精度变化大,晴和多云天气情况下的误差小于16.3%,阴雨天则误差比Hargreaves公式大,后者的计算精度在各种天气条件下较稳定;误差在年内的分布是7~8月最小,年初和年末最大,变化趋势与修正Penman法的对比结果相同。各种方法的ET0计算结果与标准值的相关系数均大于0.80。     

黄土高原丘陵沟壑区多种参考作物需水量模型对比分析

利用米脂地区2000—2005年逐日气象资料,以FAO56-PM方程计算结果为标准,通过线性回归、均方根误差（RMSE）和平均偏差,在日、月及年时间尺度上分析、评价10种ET0计算模型。结果表明,除Hargreaves和Turc模型外,其他8种模型计算的日ET0值与FAO56-PM的R2均大于0.9。不同模型与FAO5...     

气象资料缺测条件下武汉地区计算ET0方法适用性分析

运用Priestley-Taylor公式， Hargreaves公式和Penman-Monteith公式，对武汉市各典型水文年参考作物腾发量进行了计算，以Penman-Monteith公式的计算结果为标准，对Priestley-Taylor公式和Hargreaves公式的计算结果进行分析。结果表明：各典型年Hargreaves公式计算的ET0值与Penman-Monteith公式计算结果无显著性差异，在气象资料缺测的条件下可直接代替Penman-Monteith公式在该地区使用；而Priestley-Taylor公式与Penman-Monteith公式计算结果有很大差异，使用前须进行修正。     

岷江源区Hargreaves法适用性与未来参考作物蒸散量预测

利用岷江源区1961—2010年逐日气象数据,采用FAO 56 Penman-Monteith和Hargreaves公式计算参考作物蒸散量,并以FAO 56 Penman-Monteith为标准对Hargreaves公式适用性进行评价,通过对Hargreaves公式转换系数C0进行修正,建立基于月尺度的参考作物蒸散发公式,结合Reg CM4.0区域模型生成的温度数据,对未来(2011—2099年)研究区参考作物蒸散发量变化进行预测。研究结果表明:通过通径分析发现,在岷江源区气温是影响参考作物蒸散量最重要的气象因子,采用基于温度法的参考作物蒸散发公式具有理论依据;采用未修正的Hargreaves公式明显高估了该区域参考作物蒸散量,特别是在雨季4—10月;修正后的Hargreaves公式绝对偏差与相对偏差显著减小,与FAO 56 Penman-Monteith月值之间均方根误差RMSE为3.76 mm、效率指数EF为0.39、可决系数CD为0.84,吻合系数d为0.8,能够满足研究区参考作物蒸散发估算精度;在未来气候变化情景下岷江源区参考作物蒸散量总体呈增加趋势,气候倾向率为5.6 mm/(10 a)。     

Hargreaves法在岷江源区适用性及未来参考作物蒸散量预测

本文利用岷江源区1961-2010年逐日气象数据,采用FAO 56 Penman-Monteith和Hargreaves公式计算参考作物蒸散量,并以FAO 56 Penman-Monteith为标准对Hargreaves公式适用性进行评价,通过对Hargreaves公式转换系数C_0进行修正,建立基于月尺度的参考作物蒸散发公式,结合RegCM4.0区域模型生成的温度数据,对未来(2011-2099年)研究区参考作物蒸散发量变化进行预测。研究结果表明:通过通径分析发现,在岷江源区气温是影响参考作物蒸散量最重要的气象因子,采用基于温度法的参考作物蒸散发公式具有理论依据;采用未修正的Hargreaves公式明显高估了该区域参考作物蒸散量,特别是在雨季4-10月;修正后的Hargreaves公式绝对偏差与相对偏差显著减小,与FAO 56Penman-Monteith月值之间均方根误差RMSE为3.76mm、效率指数EF为0.39、可决系数CD为0.84,吻合系数d为0.8,能够满足研究区参考作物蒸散发估算精度;在未来气候变化情景下岷江源区参考作物蒸散量总体呈增加趋势,气候倾向率为5.6mm/(10a)。     

基于随机森林算法的参考作物蒸发蒸腾量模拟计算

选取西南喀斯特地区4个气象站点(都安、河池、百色和融安)5 a(2008—2012年)的逐日气象数据,包括日最高气温Tmax、日最低气温T_(min)、相对湿度R_H、日照时数n和风速u2这5个气象因子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,建立基于随机森林(Random forest,RF)算法和基因表达式编程(Gene expression programming,GEP)算法的ET0模型,并将模拟结果与传统Hargreaves模型的计算结果进行比较。结果表明,不同气象因子组合下建立的RF模型均能较好地反映气象因子与ET0之间的非线性关系。随着气象因子的增加,RF模型模拟的精度随之提高。在仅有气温数据时,RF模型仍具有足够的精度(R~2为0.875,RMSE为0.546 mm/d),与传统Hargreaves模型相比R2平均增加了1.98%,RMSE平均减小了22.88%,因此在仅有气温数据时可用RF模型代替Hargreaves模型。RF算法对气象因子的重要性评估表明,在该区域对ET_0最重要的气象因子依次为T_(max)、n、T_(min)、R_a、R_H和u_2。相同气象因子输入下,RF模型精度高于GEP模型。     

基于Hargreaves的四川地区参考作物蒸发蒸腾量研究

参考作物蒸发蒸腾量是影响作物需水量的关键因素,对农业生产、灌溉指导等具有重要意义。利用四川省内11个国家级地面气象站点1991-2010年逐日气象观测数据,探讨基于Hargreaves的四川省蒸发蒸腾量估算方法。以Penman-Moanteith公式为标准对Hargreaves公式计算结果进行拟合,获取线性修正参数,并对修正后的Hargreaves公式进行验证,分析修正前后相对误差,运用Arc GIS探讨参考作物蒸发蒸腾量及修正参数的四川省内空间分布规律。结果表明利用线性拟合获得的修正参数可有效减小相对误差,四川省内蒸发蒸腾量自西向东在空间上呈现递减趋势。修正后的Hargreaves公式可反映参考作物蒸发蒸腾量实际状况,为作物需水量、农业水资源利用及农田灌溉提供理论指导。     

贵州省ET_0计算方法的全局性评价及其率定

为了获取适合贵州地区时空全局的参考作物需水量少参数计算方法,根据对贵州省1959-2011年降雨量的降雨频率曲线分析,选取了2008年、2007年、2010年和2009年分别作为贵州省丰水年、平水年、枯水年和特枯水年的典型代表水平年,分别运用少参数的Hargreaves法、Hargreaves修正法、Priestly-Taylor法、Irmak-Allen法和Mccloud法计算贵州全省内各站点在不同水平年的逐日ET0,并将其与标准的FAO-56Penman Monteith法计算结果进行相关性和误差分析。结果表明:Hargreaves法、Hargreaves修正法、Priestly-Taylor法和Irmak-Allen法与FAO-56PM法的相关性较好,趋势线斜率为0.855 9~1.186 4,相关系数均大于0.89;经过当地率定后无需风速资料的Priestly-Taylor法与Irmak-Allen法在不同水文年和空间上均具有较高的计算精度,相对误差均小于8%,均方根误差为0.25mm/d,率定后仅需温度资料的Hargreaves法次之,相对误差为10.07%,均方根误差为0.32mm/d。研究结果为贵州地区在资料缺乏气象资料情况下ET0的精确计算提供了有效的方法。     

Hargreaves法在滇中地区的应用及改进

参考作物需水量是作物需水量的计算基础,是灌排工程规划、设计、管理和水资源合理开发利用的基本依据。为提高Hargreaves法计算参考作物需水量(ET0)的计算精度,在传统回归法的基础上,利用主成分分析法,以滇中地区7个气象站56年(1958-2013年)的逐日气象资料作为数据基础,引入相对湿度气象因子改进H-S法,以P-M法计算的ET0为标准评价改进H-S法的计算精度与适应性。结果表明:与P-M法计算结果相比,改进H-S法和P-M法的ET0计算结果相关性得到提高,逐日ET0值绝对偏差和偏差率得到降低,引入相对湿度气象因子后的改进H-S法改善了传统H-S法4-5月后计算值偏大的缺点,具有较高的计算精度,可作为滇中地区参考作物需水量(ET0)的计算方法。     

新疆塔里木盆地绿洲区ET_0计算参数空间变化研究

为提高Hargreaves公式在不同地区的适用性和准确性,改善区域作物需水量的估算精度和灌区灌溉管理水平。基于新疆塔里木盆地绿洲区5个典型气象站1961-2014年逐日气象资料,以最高温度、最低温度、大气顶太阳辐射为自变量,以Penman-Monteith公式计算的ET_0为因变量,对Hargreaves模型参数进行拟合与分析。结果表明:研究区全年和夏季转换系数K变化趋势相同,均从研究区北向南逐渐增大,春、秋、冬季变化趋势则相反;全年和夏季指数系数n变化趋势相同,也均从研究区的南向北递增,春、秋、冬季则从北向南逐渐增加;温度偏移量Toff总体表现为从南向北逐渐增加。率定后的Hargreaves公式与P-M公式的相关指数,全年最大,为0.787,春秋次之,分别为0.704和0.722,冬季最小,为0.454,拟合后的参数标准误表明拟合值全年最准确,冬季最差。     

基于天气预报和符号回归算法的参考作物腾发量预测研究

以干旱区和湿润区6个典型站点1989-2016年历史气象资料和2013-2016年天气预报数据为依据,以PM公式计算结果为对照,比较分析了率定Hargreaves-Samani(HS)模型和符号回归估算模型(SR)的ET_0预报精度。结果表明:率定后的HS模型在各站点的ET_0预报精度均维持在较高水平,且其在干旱区典型站点的预报精度略高于湿润区站点的值;而与HS公式预报结果相比,采用SR模型在不同气候区的ET_0预报精度均有不同程度的提高,其中在湿润区站点的平均MAE、RMSE值降低了18.98%和20.97%,在干旱区各站点的平均MAE、RMSE值减少了9.79%和7.53%。因此,根据不同模型在不同气候区的预报精度,结合气候特征,建议在湿润区和干旱区分别采用SR模型和HS公式进行ET_0预报,可为实时灌溉预报提供准确依据。     

基于机器学习算法的ET_(0)预测研究北大核心

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。     

基于GA优化的支持向量机模型在青椒作物需水量预测中的应用

为节约灌溉用水,采用垄沟集雨覆盖种植技术与滴灌技术相结合(MFR-DI),并对使用该技术种植的青椒进行作物需水量预测.根据多年气象资料、青椒冠层温度以及逐日作物需水量资料,构建了以冠层温度、气象因素为输入因子的预测MFR-DI种植模式下青椒作物需水量的GA-SVM模型,使用2017年的数据对模型进行了测试,结果表明:在输入相同气象因子时,GA-SVM1(RMSE=0.9010 mm/d,MAE=0.6735 mm/d,NS=0.9718)比SVM(RMSE=0.9607 mm/d,MAE=0.7691 mm/d,NS=0.9680)预测模型具有更高的精度性能.此外,在输入相同数量的因子时,将冠层温度作为GA-SVM的输入因子之一,比仅输入气象因子的GA-SVM模型预测精度更高,其RMSE,MAE,NS值分别为0.7817 mm/d,0.5838 mm/d,0.9788.结果说明采用GA优化的SVM预测模型,提高了模型的收敛速度,使模型的精确度更高.另外,在作物需水量预测模型中引入冠层温度,可以提高模型的预测准确性,为实现高效智能节水提供参考.     

Venlo型温室内参考作物蒸散量计算方法比较研究

【目的】明确温室内参考作物蒸散量(ET_0)计算方法。【方法】通过实测Venlo型温室内气象数据,并对FAO-56Penman-Monteith(FAO-56 P-M)中隐含的空气动力阻力r*a进行修正,以修正后的Penman-Monteith法作为计算温室内ET_0的标准方法,对其他4种常用的ET_0计算方法:FAO-56 P-M法、FAO-24 Penman法、Irmak-Allen(I-A)法、Priestley-Taylor(P-T)法进行了对比分析。【结果】试验期间温室内日ET_0变化范围为0.49~6.04 mm/d,平均为2.43mm/d;4种计算方法与Penman-Monteith(P-M)修正法均具有良好的线性关系(R20.90),FAO-24 Penman法与P-M修正法计算结果最为接近(RMSE=0.40 mm/d,NSE=0.93),其次为I-A法(RMSE=0.67 mm/d,NSE=0.81)、P-T法(RMSE=0.76 mm/d,NSE=0.76),而在大田条件下广泛应用的FAO-56 P-M法表现最差(RMSE=1.18 mm/d,NSE=0.41)。【结论】4种ET_0计算方法中,I-A法应用最简便,可作为气象资料短缺条件下该地区温室ET_0的简化计算方法。     

FAO Penman—Monteith及简化方法在西北适用性研究

为了实现气象资料缺失下参考作物蒸发蒸腾量(ET0)在西北地区的高精度预测,采用FAO 56 PenmanMonteith(P-M)公式作为对照,与气象资料缺失下P-M公式8种情况以及Pristley-Taylor(P-T)法、Makkink法、Hargreaves-Samani(H-S)法、Irmak法对西北5省区30个辐射站的逐日气象资料进行了统计比较,并对P-T法、Makkink法、H-S法、Irmak法重新进行了参数率定。结果表明,气象资料缺失时,总辐射资料缺失精度下降最小,基于日照资料的ngstrm-Presscott(A-P)法是该地区适宜的替代方法,其各站平均R2为0.983、RMSE小于0.4 mm/d。当相对湿度、风速或日照时数有一项缺失时,使用FAO推荐的P-M替代方法可以使多年平均ET0的RMSE小于0.47 mm/d,R2保持在0.94以上。当气象要素缺少风速和相对湿度时,使用率定后Makkink法是该地区适宜的替代选择,其RMSE为0.68 mm/d,R2为0.94,当仅有气温资料时,改进后的H-S法是该地区适宜的替代选择,其RMSE为0.68 mm/d,R2为0.94。P-T法在该地区精度低于Makkink法,其RMSE为0.71 mm/d,R2为0.88,30个站参数值率定后α值介于1.02~1.64之间。     

不同时间尺度下Hargreaves公式计算ET_0的精度差异

以南京气象站1961-2010年的气象资料为基础,以Penman-Monteith(PM)公式计算结果为标准,利用Hargreaves(H-S)公式计算了不同时间尺度(日、旬和月)下的参考作物蒸发蒸腾量(ET0)。结果表明,原始H-S公式的计算值(ET0)在不同时间尺度下不同时段内均大于PM公式的计算值,两种方法在夏秋季差异较大,春冬季差异较小。且在各时间尺度下均具有较高的相关性,其平均相对误差随着时段的增长而逐渐减小,但远超出了理想的误差范围。修正后的H-S公式有效降低了各个时段的平均相对误差和绝对误差,且提高了两方法计算值之间的相关性,为南京及其周边气象资料缺乏地区计算ET0提供了一种较为可靠的参考。