排序方式: 共有25条查询结果,搜索用时 15 毫秒
21.
川中丘陵区参考作物蒸散量时空变化特征与成因分析 总被引:6,自引:7,他引:6
为深入认识川中丘陵区参考作物蒸散量(reference crop evapotranspiration,ET0)变化特征,使用联合国粮农组织1998年推荐的Penman-Monteith公式计算川中丘陵区13个气象站点近52 a(1961-2012年)的逐日ET0,利用GIS克里金插值法和Mann-Kendall趋势检验法分析川中丘陵区ET0时空变化特征;在此基础上,使用基于通径分析原理的指标敏感性分析方法研究ET0的变化成因。结果表明:近52 a来川中丘陵区ET0年际间整体下降明显,ET0年内变化呈单峰曲线,主要集中在每年3-10月,占全年ET0的85.82%;ET0空间分布整体上呈现自东北、东南向中部递减趋势;在指标敏感性分析中,分别去掉日照时数(n)、风速(u2)、相对湿度(relative humidity,RH)和温度(T)后,剩余3个气象因子对回归方程估测可靠程度(E)由0.89分别降为0.596、0.81、0.84和0.88,表明ET0对n最为敏感,其次为u2、RH和T。因此,日照时数和风速是引起川中丘陵区ET0变化的最主要气象因子,相对湿度次之,温度对ET0的影响最小。当使用各季度平均温度代替逐日温度计算ET0时,各季度估算结果同实际计算结果间决定系数分别达到了0.93、0.97、0.96和0.94,表明估算精度较高,因此在资料缺乏情况下可以使用各季度平均温度替代温度计算ET0。该研究可为川中丘陵区的农田水分管理提供科学依据。 相似文献
22.
基于叶面积指数改进双作物系数法估算旱作玉米蒸散 总被引:7,自引:3,他引:4
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。 相似文献
23.
贵州省干旱时空分布特征研究 总被引:3,自引:0,他引:3
为探究季节性干旱对贵州省农业生产造成的影响,基于贵州省9个气象站点1960~2010年逐日降雨资料计算的标准化降水指数(SPI),使用Mann-Kendall趋势检验和GIS克里金插值等方法,分析了该区域近51a以来的干旱时空分布特征。结果表明:近51a来贵州省内大部分站点的月尺度SPI值在4-5月和9-10月呈下降趋势;年尺度SPI值呈减小趋势,干旱影响站次比呈上升趋势,干旱范围和干旱程度有加大趋势;1年四季中干旱频率空间分布在不同地域上显示出了较大差异性。 相似文献
24.
基于双作物系数的旱作玉米田蒸散估算与验证 总被引:2,自引:0,他引:2
农田蒸散(ET)准确估算与区分对理解土壤-植物-大气连续系统水分传输动力学过程和调控机制具有重要意义。本研究基于FAO-56 Penman-Monteith(PM)模型计算参考作物蒸散量(ET0),运用双作物系数法计算黄土高原东部地区旱作玉米田2011-2012年蒸散(ETFAO),以同期涡度相关系统实测值(ETEC)作为标准值对双作物系数法计算结果进行评价,并将玉米田ET区分为土壤蒸发和作物蒸腾。结果表明:2011年春玉米生长季ET0、ETEC和ETFAO分别为628、400.3和492.7mm,双作物系数法RMSE、AAE和R~2分别为0.864mm·d~(-1)、0.678mm·d~(-1)和0.755,且R~2达极显著水平(P0.01);2012年三者分别为553、372.6和441.4mm,RMSE、AAE和R~2分别为0.676mm·d~(-1)、0.693mm·d~(-1)和0.781,R~2亦达极显著水平(P0.01),说明双作物系数法在该地区模拟旱作春玉米ET有较高的精度。基于双作物系数法对ET进行区分表明,2011年全生育期土壤蒸发和作物蒸腾分别占ET的36.4%和63.6%;2012年分别占ET的31.7%和68.3%,说明旱作春玉米田ET主要来自春玉米蒸腾。 相似文献
25.
选用石家庄平原区补排因子的多种组合为输入参数,利用28眼水井的实测资料作为预测目标值,首次建立基于极限学习机(Extreme learning machine,ELM)的地下水位埋深时空分布预测模型,讨论补排因子在不同缺失情况下对模型精度的影响;利用Arc GIS分析误差空间分布趋势,并与常用的三隐层BP神经网络模型进行对比。结果表明:基于水均衡理论的ELM地下水位埋深模拟模型能够准确反映人类和自然双重影响下地下水系统的非线性关系,模型输入因子中缺失降水量或开采量的模拟结果均方根误差(RMSE)比缺失其余因子的RMSE高2.00倍及以上,同时模型有效系数(E_(ns))和决定系数(R~2)进一步降低;与BP模型相比,ELM模型可使RMSE减小43.6%,误差区间降低46.4%,Ens和R2提高至0.99,且RMSE在空间相同区域上均明显呈现出ELM模型小于BP模型;ELM模型在南部高误差区的移植精度(RMSE低于1.82 m/a,E_(ns)高于0.95)高于BP模型(RMSE超过3.00 m/a,Ens低于0.85);因此,影响地下水位埋深的主导因素是降水量和开采量,且ELM模型在精度、稳定性和空间均匀性上较优,移植预测效果较好,可利用已知资料推求区域空间内其余未知水井的浅层地下水位埋深;该模型可作为水文地质参数及补排资料缺乏条件下浅层地下水位埋深预测的推荐模型。 相似文献