基于双线性理论的参考作物蒸发蒸腾量估算

利用成都、乐山、内江和雅安在1951--2000年的气象资料和地理参数,用Penman-Monteith公式计算蒸发蒸腾量（ETo）,将双线性理论用于EL的计算,建立了多个计算ETo的双线性模型,进一步利用双线性模型计算的E丁0再建立双线性模型,在已建立的双线性模型基础上,又建立了简化双线性模型。各双线性模型与P-M计...     

江苏地区不同参考作物蒸发蒸腾量估算模型

为了研究不同参考作物蒸发蒸腾量ET₀估算方法在江苏地区的适用性,收集了江苏省徐州市、高邮市和昆山市1957年1月至2019年12月的气象数据,采用12种不同模型估算了各站点的ET₀,其中模型Priestly-Taylor,Hansen,Jensen-Haise,Makkink是基于辐射数据的模型;MC-Cloud,1985 Hargreaves,Thornthwaite是基于温度数据的;Copais,Valiantzas 1和Valiantzas 2是综合法模型;XGBoost和SVM是机器学习模型.12种ET₀的估算模型计算值分别与Penman-Monteith模型(PM)计算值进行比较,结果表明:各站点的综合评价指数GPI最高的为机器学习模型中的SVM模型;在输入参数相同的情况下,机器学习模型模拟精度优于综合法和温度法以及辐射法中的Pristley-Taylor和Makkink模型;机器学习模型随着输入参数减少,模拟精度依次降低.研究结果可以为江苏地区气象数据不完善时估算ET₀提供科学依据.     

东北地区参考作物蒸发蒸腾量随时间变化的研究

根据选取的东北地区9个代表站1973-2003年的气象资料,应用Penman-Monteith公式计算了31年间逐月参考作物蒸发蒸腾量(ET0),对参考作物蒸发蒸腾量及气象要素的年际变化特征、月际变化特征及趋势进行了分析,应用统计检验方法分析了影响东北地区参考作物蒸发蒸腾量变化的主要气象因素。结果表明:近31年间东北地区ET0值呈现缓慢下降趋势,年内ET0值分布以5-8月份最高,1月份最低。影响ET0的主要气候要素为日照、风速和温度。     

基于CatBoost的温室日参考作物蒸发蒸腾量估算模型研究

参考作物蒸发蒸腾量(Reference Evapotranspiration,ET₀)是估算作物需水量、制定灌溉制度、提高用水效率,实现农业节水的重要参数。针对传统Penman-Monteith(P-M)公式计算作物蒸发蒸腾量需要参数多,计算复杂等问题,提出了一种基于支持分类特征的梯度提升决策树(CatBoost)算法估算温室日参考作物蒸发蒸腾量。以温室修正型Penman-Monteith公式计算的ET₀作为标准值,通过Pearson’s方法对输入参数与ET₀之间的相关性进行分析,组合不同输入特征向量。当输入参数组合为3参数,即平均室内温度、平均相对湿度、累积太阳辐射时,CatBoost性能最优,测试集估算精度MAE为0.220 mm/d,RMSE为0.310 mm/d。进一步对比了6种其他机器学习模型(XGBoost、AdaBoost、随机森林、决策树、KNN、SVM)的估算精度,结果表明CatBoost模型具有最佳的估算精度和稳定性,能够较好地模拟参考作物蒸发蒸腾量。构建的日参考作物蒸发蒸腾量估算模型为水肥精准化管理、灌溉控制系统研发提供了一种新的思路。     

基于分形理论的柴油机故障诊断分析

针对柴油机系统故障信号的分形特点,介绍了分形理论在柴油机故障诊断中的应用方法,并对关联维数计算过程中参数的选取做了详细的论述,最后通过对实际测量的发动机振动信号进行分析,结果显示,应用该方法能较准确地判别柴油机系统工作状态正常与否。     

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。     

基于主成分分析的灌区参考作物蒸发蒸腾量预测模型研究

由于参考作物蒸发蒸腾量的影响因子众多,而且存在信息重叠,首先利用DPS软件对众多因子进行主成分分析,然后建立多元线性回归模型和BP神经网络模型对灌区参考作物蒸发蒸腾量进行预测,并将预测结果与Pen-man-Monteith公式计算值进行比较,结果发现多元线性回归模型预测的平均相对误差为10.05%,而BP神经网络模型预...     

云南省参考作物蒸发蒸腾量时空变化特征

基于1960-2012年云南省25个气象站点观测的气象数据,用Penman-Monteith公式计算参考作物蒸发蒸腾量ET0,通过Mann-kendall检验法进行突变检验和趋势检验。结果表明滇中、滇东北、滇东南、滇西南及滇西北各分区多年平均ET0介于872.5~1 240.0mm,突变时间依次分别为1982年、1968年和2008年、1971年、2005年、1965年和2001年。5个区多年平均ET0按从大到小排列的顺序是滇中滇西南滇东北滇东南滇西北。时间尺度上,年均ET0以没有显著变化为主,ET0显著增大的站点数量比显著减小的站点数量多;春季蒸发蒸腾量较大,决定了全年蒸发蒸腾量的分布特征。空间尺度上,ET0呈增加趋势的站点主要位于滇西南和滇西北地区,少部分位于滇中地区的东部和滇东北地区;呈减小趋势的站点主要位于滇中地区,少部分位于滇东北和滇西南地区。     

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。     

分形理论在机械加工表面分析中的应用

随着分形理论的完善与发展,机械加工表面的分析研究日益广泛.笔者综述了分形维数的计算及分形理论在工程粗糙表面分析中的应用.     

基于R/S分析的参考作物腾发量时间序列分形特征

近年来分形理论在水文、股票及气象等行业中应用较多,在时间序列分析的非线性特征方面展示出强大魅力。采用重标极差方法分析西部地区6个站ETo时间序列的变化趋势和分形特征,通过对比发现:①所研究各站气象要素及ETo年变化趋势比较表明,所有站相对湿度均呈降低趋势,年积温均呈增加趋势,日照时数均呈降低趋势,年ETo值总体也呈降低趋势。②年尺度下各站点Hurst指数均大于0.5,同时分维数D均小于1.5,意味着ETo年序列在将来一段时间仍然保持与过去相一致的变化趋势,也即未来的总体趋势仍为减少趋势,各地区ETo年序列具有持续性。③各站点各月Hurst指数同样都大于0.5,分维数D均小于1.5,意味着1~12月ETo序列在将来一段时间仍然保持与过去相一致的变化趋势。此外,各站点年Hurst指数均大于月Hurst指数,表明年ETo序列比月ETo序列具有更长时间的持续性。     

参考作物腾发量时间分形特征研究

受作物本身生理机制以及近地层气象因子非线性、非平稳化随机变化的影响,参考作物腾发量在时间尺度上具有自相似性特点。基于此,以分形原理为理论框架,研究了参考作物腾发量时间尺度自相似结构,寻求了参考作物腾发量时间无标度区间。将此理论运用于韶山灌区,取得了满意结果,对解析参考作物腾发量时间规律具有重要理论和实际意义。     

基于气温和 DC - BP - NN 的河西走廊月度 ETo 估算模型

针对参考作物蒸散量(Reference crop evapotranspiration,ETo)估算模型中,标准估算模型——FAO PenmanMonteith(FAO-PM)模型需要充分的气象数据,而基于气温的估算模型精度不足的问题,参考FAO-PM模型结构,基于气温和月序数,融合分治法(Divide and conquer,DC)和误差反向传播神经网络(Back propagation neural network,BP-NN),提出了一种采用DC-BP-NN的月度ETo估算模型;以FAO-PM模型计算的ETo为标准,利用河西走廊酒泉气象站1958年1月—2013年9月的月度气象数据,将DC-BP-NN模型与其余6种基于气温的ETo估算模型(Blaney-Criddle模型、Hargreaves-Samani模型、2种改进的Hargreaves-Samani模型、BP-NN模型、BP-NN1模型)进行对比。结果表明,DC-BP-NN模型的估算精度(均方根误差5.99 mm/月,平均偏差0.99 mm/月,平均绝对百分误差7.18%,决定系数0.988 6)优于其余6种ETo估算模型,该模型可以用于河西走廊农田气象数据不充分条件下的月度ETo估算。     

基于主成分分析与BP神经网络的参考作物腾发量预测

为解决采用神经网络模型预测参考作物腾发量研究中预测能力不足的问题.将气象因子包括最高、最低和日平均温度、日照时数、气压、水汽压、相对湿度和风速进行主成分分析.提取主成分,建立了基于主成分的三层BP神经网络模型.选取新疆昌吉市气象站2006年3-6月的日气象资料.采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模型作为对照.结果表明,主成分网络模型能够很好地反映诸多影响因子与参考作物腾发量之间的关系,尤其时训练样本以外的验证样本,主成分网络模型具有显著优于传统BP网络模型的识别能力,取得更为可靠的预测结果.     

基于气温预报的参考作物腾发量预报方法比较

为探索精确预报未来短期ET0的方法,比较了4种基于气温预报ET0预报模型,即Hargreaves-Samani(HS)、Thornthwaite(TH)、简化的Penman-Monteith(PT)及McCloud(MC)模型。收集了西藏林芝站2001年1月1日至2013年12月31日的实测逐日气象数据和2012年6月6日至2013年12月31日逐日对未来7d的气象预报数据,在气温预报精度评价的基础上,采用4种基于温度的参考腾发量计算模型直接进行ET0预报,然后采用率定后的模型进行ET0预报,最后与实测气象数据和FAO-56PM公式计算的ET0值进行比较。结果表明,未率定的4种模型预报误差均较大,其中PT公式精度稍高。经率定后,4种公式的预报精度都有所提高,平均准确率为70%,MAE值HS模型最小,平均为0.57mm/d,其他3个模型为1.27~1.50mm/d;RMSE都在2.0mm/d左右;r值总体仍不高,TH模型平均仅有0.19,其他3种模型在0.6左右。综合来看,PT模型的预报效果稳定性优于其他3个模型。对于林芝地区附近的灌区,无论有无气象观测数据供模型率定,建议采用PT模型进行ET0预报。     

温室逐时参考作物腾发量的估算

为建立适合逐时计算温室ET0的模型,基于自然气象条件下的逐时Penman-Monteith(PM)公式,对其空气动力项进行修正得到了温室条件下的修正PM公式.并对比了修正PM公式与PM公式计算得到的温室逐时ET0.结果表明,修正PM公式与PM公式计算的温室逐时ET0年内变化趋势基本相同,但修正PM公式得出的逐时ET0负值较少,稳定性较高.修正PM公式计算的逐时ET0与时平均气温、时最高气温、时最低气温及时平均相对湿度有极好的相关性.     

基于SPSS的抚顺地区参考作物需水量的区域分析

根据抚顺地区3个气象站的气象观测资料，应用1990年联合国粮农组织推荐的Penman—Monteith公式计算各站1995～2004年10年来的参考作物需水量ET。利用SPSS统计分析软件对ET。进行回归分析。分析结果表明：章党气象站和新宾气象站之间具有较好的线性关系。而清原气象站和新宾气象站、清原气象站和章党气象站之间的回归不显著。此分析为分析抚顺地区的气候提供一定的依据，也为将来利用地理信息系统（GIS）分析区域的参考作物需水量的空间分布提供一定的基础。     

基于分形理论的地下水位时间序列特征分析

通过R/S分析法和q阶矩结构分割函数法对柳园口灌区地下水位时间序列特征进行了研究。结果表明,地下水位时间序列存在着分形特征,分形维数处于1.054～1.311之间,并且地下水位具有长程相关性,对初始条件较为敏感;同时地下水位时间序列也具有多重分形特征,但多重分形特征较弱。     

基于图像处理方法的根系分形维数估计

应用图像处理方法,给出了根系分形维数估计的网格计数法,得到了相应的算法,即先用数字图像采集设备取得根系的图像,再用网格计数法对处理后的图像进行计盒维数估计,并用Java语言进行实现,为根系研究提供了一种新的思路和手段。在此基础之上,计算了黑麦草(LoliumperenneL.)根系的分形维数,与实测数据基本吻合。此方法不仅解决了对根系研究直接测量难度大、工作量大的问题,而且可用于多种植物根系的分形维数计算。