基于BP神经网络的大棚作物腾发量预测模型

在分析影响大棚作物腾发量的气象因子的基础上,以气象因子为输入向量,以大棚作物腾发量为输出向量,构建了气象资料不足情况下计算大棚作物腾发量的BP神经网络模型。利用鄂州节水灌溉实验基地逐日气象资料对所建模型进行反复训练和预测,并把预测结果与用传统的Penman Monteith公式计算而得的同期作物ET值相比较。BP神经网络模型的预测值与公式计算的ET值的相关系数为0．986。研究结果表明：构建的模型计算精度较高,方法简便可行,能满足实际生产需要。     

气象数据缺测对BP-ET_0模型预测精度的敏感性分析

以柳圆口灌区2002~2005年的气象数据为基本资料,采用参考作物腾发量预测的前馈网络模型(BP-ET0),研究了参考作物腾发量对气象因子的敏感性。研究结果表明:在参考作物腾发量预测的6个气象因子中,相对湿度对BP-ET0预测效果影响最大,缺少它时预测合格率只有64.93%,其次是实际风速和日照时数,缺少它们时预测合格率分别为73.15%和76.98%,最高气温、最低气温和平均气温对预测效果影响较小,缺少它们时预测合格率均在80%以上。     

灰色—周期外延组合模型在参考作物腾发量预测中的应用

参考作物腾发量ET0是计算作物需水量、制定灌溉制度和进行水资源优化配置的重要参数之一。因参考作物腾发量随季节性变化,并呈现以年为周期波动的特点;在这种情况下,提出了一种基于灰色GM（1,1）与周期外延相结合的预测模型,即灰色-周期外延组合模型。以沈阳、鞍山、铁岭、盘锦4个地区1997—2006年参考作物腾发量季节值为例进行分析和模拟。结果表明：运用灰色-周期外延组合模型预测参考作物腾发量比原有的GM（1,1）模型预测精度高。该模型预测过程简单,预测结果可靠,适应性强。因此,该模型可广泛的应用于参考作物腾发量的季节预测。     

干旱荒漠草原应用Penman-Monteith与Penman修正式计算ET_0的偏差分析

甘肃天祝草原位于我国西北干旱荒漠草原,应用天祝县二道墩试验站2005年的实测气象资料,利用Penman-Monteith公式和Penman修正式计算参考作物腾发量(ET0)并进行了比较。Penman修正式计算的参考作物腾发量ET0值略小于Penman-Monteith公式计算的值,最大绝对偏差0.5 mm/d。分析发现生育期辐射项ETrad是导致参考作物腾发量ET0产生偏差的主要原因。2种方法计算的空气动力项ETaero差别较小,最大绝对偏差不超过0.2 mm/d。导致计算偏差的原因在于2种公式采用了不同的辐射项和空气动力学项计算公式和参数。2个公式计算的参考作物腾发量具有显著的线性相关性。     

基于BP 神经网络的大棚作物腾发

在分析影响大棚作物蒸发蒸腾量的气象因子的基础上, 以气象因子输入向量, 以大棚作物腾发量为输出向量, 构建了气象资料不足情况下计算大棚作物腾发量的BP 神经网络模型BP ET。利用鄂州节水灌溉实验基地逐日气象资料对所建模型进行反复训练和预测, 并把预测结果与传统的Penman－Monteith 公式计算而得的同期作物ET 值相比较。其中, BP ET 的预测值与ET值的相关系数为0.986。研究结果表明, 本文构建的模型计算精度较高, 方法简便可行, 能满足实际生产需要。     

白洋淀西部平原参考作物腾发量长期变化趋势及其成因

参考作物腾发量ET0是作物需水量计算的关键因子,是水循环研究的重要因素.研究气候变化背景下参考作物腾发量长期变化规律,阐明其主要成因,可为应对气候变化对农业产生的影响和区域水资源规划管理提供基础.采用FAO推荐的Penman-Monteith公式计算了淀西平原1955-2018年逐日ET0,分析了ET0及其构成项辐射项...     

鞍山地区参考作物腾发量演变特征

采用鞍山地区4个气象站1958--2006年的气象资料,应用Penman—Montieth公式计算参考作物腾发量（ET0）,并对ET0的年际变化特征、季节变化特征及趋势进行了分析。结果表明,49a来鞍山地区的ET0值呈缓慢下降趋势。     

Elman、LS-SVM方法在ET_0预测中的对比分析

参考作物腾发量（ET0）是估算作物腾发量的关键参数,其准确预测对提高作物需水预报精度具有十分重要的意义。Elman神经网络是BP网络的改进结构,具有适应时变性的特点;最小二乘支持向量机（LS-SVM）是支持向量机（SVM）的一种优化算法,它基于结构风险最小化准则,可兼顾模型的经验风险和推广能力。将两种方法应用于参考作物腾发量预测中,并以铁岭市为例,对比分析LS-SVM模型与Elman模型的预测值。结果表明：LS-SVM模型学习速度快,具有比Elman模型更高的模拟性能和预测精度,更适合参考作物腾发量的预测。     

新疆维吾尔自治区参考作物腾发量时空变异性研究

研究参考作物腾发量的时空变化特征,有助于了解新疆维吾尔自治区农牧业及生态需水的分布与演变规律。选择新疆吾尔自治区范围68个气象站的气象观测资料,应用Penman-Monteith公式,计算得出不同气候分区的历年参照作物腾发量ET0,分析了不同气候分区不同年份ET0的变化情况。采用ArcGIS空间插值技术绘制新疆维吾尔自治区参考作物腾发量的分布图,结果表明:各站ET0变化在660~1 800mm,其空间分布总体表现为南疆大于北疆、东部大于西部、盆地大于山区的分布格局。     

我国参考作物腾发量等值线图绘制及其应用

<正> 参考作物腾发量(reference crop evapo-trans—piration)反映了气象因子对作物需水量的影响,可根据常规气象资料(如气温、湿度、光照、风速等)计算求得。联合国粮农组织FAO在《作物需水量》一书中定义,参考作物腾发量(ET_0)是指高度一致、生长旺盛、完全遮盖地面而不缺水的8～15cm高的牧草地腾发速率。参考作物腾发量是作物需水量计算的重要参数。     

设施栽培番茄需水规律分析及其气象因子响应模型

基于江苏省南通市2001年、2002年的现场试验资料,计算分析了大棚番茄旬蒸发蒸腾量及其变化规律,建立了设施栽培条件下番茄蒸发蒸腾量的气象因子响应模型。结果显示:覆盖大棚明显降低了番茄的需水强度,大棚番茄蒸发蒸腾量随生育阶段延续、植株生长和外界气温增加呈现逐渐增加的趋势,且前期增长缓慢后期增长速度快;设施栽培番茄蒸发蒸腾量与“气温因子”和“地温因子”有着较为密切的联系,与“相对湿度因子”呈现负相关关系,而与蒸发皿水面蒸发强度的关系则较弱;选取较容易测得的重要因素,建立蒸发蒸腾量的气象因子响应模型,模拟结果较为满意。     

海河流域参考作物腾发量长期变化趋势分析

收集了海河流域37个国家气象站的逐日气象资料,采用FAO-56 Penman-Monteith方法计算参考作物腾发量(ET0);采用Mann-Kendall法进行趋势检验。通过分析及各气象因素的变化趋势,揭示了气候变化对参考作物腾发量长期变化规律及对作物灌溉供需水量可能产生的影响。结果表明:自20世纪50年代至2007年末,在海河流域下游地区具有较明显的ET0下降趋势,而在各主要河流的上游地区则有明显的上升趋势;其原因是整个流域内呈现气温上升相对湿度下降趋势,风速和日照时数都有下降趋势,但在上游地区前者占主导地位,而在下游地区后者占主导地位;在整个流域降雨呈现下降趋势的情况下,ET0上升使上游地区灌溉需水量增加,而在下游地区作物生长也可能受影响;除了工业和居民用水快速增长外,气候变化也是导致近几十年来海河流域水资源紧缺的原因之一。     

时间序列法在参考作物腾发量分析与模拟中的应用

把时间序列法应用于参考作物腾发量的模拟中，经研究和分析计算证明：参考作物的腾发量由一个呈周期性变化的周期分量和一个随机变化的随机分量构成。用该方法对农田灌溉研究所商丘试验站1977～1986年的参考作物腾发量进行了分析与模拟，在一定精度上能够准确地反映出参考作物腾发量在长时期内的变化过程，为灌溉工程的规划、设计和管理提供了依据。     

阿拉尔灌区参考作物潜在腾发量的变化特征及相关分析

利用Penman-Monteith公式,根据阿克苏水平衡试验站1989～1996年逐日气象资料,计算了逐日参考作物潜在腾发量,分析了其变化特征,建立了其与其它气象要素、20cm蒸发皿蒸发量的相关关系。利用这些相关关系进行参考作物潜在腾发量的估算,方法简单,精度较高。     

芦苇群落日蒸发蒸腾量变化规律及

了解芦苇湿地蒸发蒸腾量变化规律和影响因子并准确估算蒸发蒸腾量，对湿地水资源评估有十分重要的意义。根据2005年盘锦芦苇湿地监测站的小气候梯度系统和涡动相关系统的监测数据，结合芦苇生理生态特性的观测，分析芦苇群落的蒸发蒸腾量日变化规律及其主导影响因子，采用波文比—能量平衡法、梯度法对芦苇群落的日蒸发蒸腾过程进行模拟，并与涡动相关系统的实测数据进行比较。结果表明，芦苇群落蒸发蒸腾量日变化过程表现为早晚低、中午高的单峰曲线；从相关分析结果看，气象因素和芦苇生理生态特性对芦苇蒸发蒸腾的影响显著，其中辐射强度、相对湿度、温度、叶片光合速率和叶片气孔导度是芦苇群落蒸发蒸腾的主导影响因子；从计算蒸发蒸腾量的两种方法与涡动数据的比较结果看，梯度法更适合芦苇群落蒸发蒸腾量的模拟，可为芦苇湿地蒸发蒸腾的计算提供依据。     

参考作物蒸发蒸腾量的气象因子响应模型

基于江苏省南通市2000～2004年的旬气象资料,用FAO推荐的Penman-Monteith公式计算了参考作物蒸发蒸腾量,研究了参考作物蒸发蒸腾量与最高气温、最低气温、平均气温、相对湿度、日照时数、风速和气压等气象因素间的关系,建立了参考作物蒸发蒸腾量的响应模型.结果表明,参考作物蒸发蒸腾量与"温度因子"的关系最强,其次为"湿度和日照因子","风速因子"也有一定的影响,"气压因子"影响作用则稍弱;建立的气象因子响应模型模拟精度较高,可以简化参考作物蒸发蒸腾量计算.     

基于公共天气预报的参考作物腾发量预报

针对Penman Monteith公式的应用局限性,以公共天气预报可测因子及历史气象数据计算ET₀为基准,对广州站2017-01-01-2019-03-31预报气象信息风力状况进行量化后,以2017,2018年气象预报信息为输入因子、ET₀为输出因子,分别建立基于回归型支持向量机(SVR)预报模型与BP神经网络预报模型,选择性能较优预报模型对2019年ET₀进行预报,并与计算值进行对比分析.结果表明:回归型支持向量机参考作物腾发量预报模型测试集确定性系数为0.896、均方误差为0.206,BP神经网络参考作物腾发量预报模型测试集确定性系数为0.851、均方误差为0.305,SVR参考作物腾发量预报模型均方误差及决定系数要明显优于BP神经网络;基于SVR模型的预报值与PM公式计算值相关系数为0.761,没有明显差异,表现出显著的相关性以及整体吻合度,可为灌溉预报及决策提供较为准确的ET₀预报数据.     

Future directions for advanced evapotranspiration modeling: Assimilation of remote sensing data into crop simulation models and SVAT models

Soil-Vegetation-Atmosphere Transfer Models (SVAT) and Crop Simulation Models describe physical and physiological processes occurring in crop canopies. Remote sensing data may be used through assimilation procedures for constraining or driving SVAT and crop models. These models provide continuous simulation of processes such as evapotranspiration and, thus, direct means for interpolating evapotranspiration between remote sensing data acquisitions (which is not the case for classical evapotranspiration mapping methods). They also give access to variables other than evapotranspiration, such as soil moisture and crop production. We developed the coupling between crop, SVAT and radiative transfer models in order to implement assimilation procedures in various wavelength domains (solar, thermal and microwave). Such coupling makes it possible to transfer information from one model to another and then to use remote sensing information for retrieving model parameters which are not directly related to remote sensing data (such as soil initial water content, plant growth parameters, physical properties of soil and so on). Simple assimilation tests are presented to illustrate the main techniques that may be used for monitoring crop processes and evapotranspiration. An application to a small agricultural area is also performed showing the potential of such techniques for retrieving evapotranspiration and information on irrigation practices over wheat fields.     

Evapotranspiration of container ornamental shrubs: modelling crop-specific factors for a diverse range of crops

Crop coefficients, which define the relationship between estimated evapotranspiration from a standard reference crop and actual evapotranspiration of a specified crop, are generally not known for hardy ornamental nursery stock (HONS) crops. This severely limits the application of a sensor, known as the ‘Evaposensor’, which generates an electrical signal proportional to potential evapotranspiration, for irrigation scheduling of HONS. We therefore attempted to develop a method for the rapid estimation on the nursery of appropriate crop-specific calibration factors for use with the Evaposensor. Calibration factors were calculated for a range of HONS crops through the growing season, in a series of experiments under plastic tunnels or outdoors. Across all crops and over a growing season, 76% of the variation in calibration factors under a plastic tunnel could be explained by a combination of plant height, leaf area and stomatal conductance. For the same crops grown outdoors, 77% of the variation could be explained by these variables along with percentage cover. Plant height and percentage cover, which can both be easily and rapidly measured on commercial nurseries, alone explained 64 and 57% of the variation under plastic and outdoors, respectively.     

基于主成分分析与Brovey变换的ETM+影像植被信息提取

在ETM 影像全色波段和多光谱数据融合时,Brovey变换是一种较好的融合方法,但是Brovey变换所利用的波段信息量少,并且在对融合后影像分类时常将存在阴影的植被覆盖区误判为水体。因此将主成分和归一化植被指数(NDVI)作为Brovey变换融合时的波段,实验结果显示融合后的影像更利于后期植被信息提取。