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。     

参考作物腾发量计算方法的适用性研究

选用5种方法,利用陕西6站的气象资料,计算了各站逐日ET0。并以FAO56 Penman-Monteith(P-M)法为标准,对其它方法进行评价。结果表明,在陕西6地区,5种方法计算的ET0变化趋势基本相同,但数值上有一定差异,所有的差异随ET0的增大而增大。Hargreaves法计算结果差异性较小,适用性较好;1948Penman和Priestley-Taylor二方法估值较FAO24 Penman法更接近P-M法的计算结果;缺气象资料时,Priestley-Taylor法可获得较好估值,且更适用于湿润地区;FAO24 Penman法也能获得较好结果,但其估值精度低于Priestley-Taylor法,一般不宜采用。同时分析了P-M法计算的ET0值和水面蒸发量之间的关系,为利用水面蒸发资料估算陕西6地区ET0值提供参考。     

1968―2018年民勤地区参考作物需水量的年际变化特征及相关气象影响因子研究

【目的】研究民勤地区作物需水量的主要影响因子。【方法】基于民勤地区1968―2018年气象数据,利用Penman-Monteith公式计算了不同时间尺度的平均参考作物需水量ET0,分析ET0变化趋势,并与气象因子变化趋势进行相关性拟合。【结果】1968―2018年民勤地区年平均参考作物需水量呈波动上升趋势,最低值为1968年的3.15mm/d,最高值为2013年的3.72 mm/d,且参考作物需水量的上升趋势是从2003年开始最为明显;参考作物需水量与年平均最高气温、年平均最低气温、年平均气温、年平均相对湿度、年平均日照时间以及年平均风速的相关性比较显著,与降雨量和净辐射相关关系不显著。【结论】民勤地区的干旱状况目前处于平稳期,年平均最高气温和年平均相对湿度是导致民勤地区参考作物需水量年际变化的最主要的气象因子。     

风沙区参考作物需水量的计算

根据国内外相关的研究成果 ,分析选择并确定了适宜于风沙区参考作物需水量 (ET0 )的计算模式。利用典型风沙区的气象资料 ,对多年逐旬参考作物需水量及 2 0 0 1年春小麦与春玉米生育时段内逐日参考作物需水量进行了分析计算。结果表明 ,FAO最新修正的 Penman-Moteith公式可较好地用于风沙区参考作物需水量的估算 ,一般 ET0 值在年内与年际间变化较大 ,最高值发生在 6月上旬左右 ,多年平均为 5 .82 mm/ d,最低值发生在 1月上旬 ,多年平均 0 .43 mm/ d左右 ,年内各日 ET0 值受气象因素的影响变幅很大 ,因此 ,精确灌溉应设法提高短期天气预报和灌溉预报的精度     

低纬高原地区ET_0多时间尺度变化特征及变化趋势分析

根据云南省滇中4个代表站30多a的逐日气象资料,应用Penman-Monteith方法系统分析了参考作物的逐日需水量ET0,采用小波理论分析各站点逐年ET0的变化特征,并利用R/S分析法对参考作物的逐年ET0变化趋势进行了分析,结果表明：各代表站点的年ET0变化并非线性的持续增加或减小,存在明显的5~30 a的动态变化...     

风沙区参考作物需水量的计算

根据国内外相关的研究成果，分析选择并确定了适宜于风沙区参考作物需水量（ET0)的计算模式。利用典型风沙区的气象资料，对多年逐旬参考作物需水量及2001年春小麦与春玉米生育时段内逐日参考作物需水量进行了分析计算。结果表明，FAO最新修正的Penman-Moteith公式可较好地用于风沙区参考作物需水量的估算，一般ET0值在年内与年龄间变化较大，最高值发生在6月上旬左右，多年平均为5.82mm/d，最低值发生在1月上旬，多年平均0.43mm/d左右，年内各日ET0值受气象因素的影响变幅很大，因此，精确灌溉应设法提高短期天气预报和灌溉预报的精度。     

基于Penman-Monteith方程的温室茶树蒸腾蒸发模型研究

作物需水量是确定灌溉用水定额的基础,其关键参数是作物的蒸腾蒸发量(腾发量)。以PenmanMonteith方程为基础,借鉴P-M温室修正式的计算方法,提出了基于常规气象数据和茶树生长发育指标的温室茶树蒸腾蒸发模型ET0(Tea)。在试验期间,选取茶园温室2016年3月10日-4月10日的气象数据,利用P-M温室修正式和温室茶树蒸腾蒸发模型ET0(Tea)对作物腾发量进行逐日统计,并用水量平衡原理验证,结果表明ET0(Tea)与实测值的变化趋势较为一致,误差相对较小,且在晴天条件下比阴天效果更好。我们提出的ET0(Tea)计算精度较高,在理论和实践上均具有较好的可行性,可作为北方温室茶树灌溉决策的重要依据。     

机器学习模型在河北省参考作物蒸散量计算中的比较

为研究河北省参考作物蒸散量ET0的适用方法,以极限学习机模型ELM和广义回归神经网络模型GRNN为基础,对其1961-2015年的ET0进行了估算,并以Penman-Monteith模型P-M为标准,与Hargreaves模型HS模型计算结果进行了比较,结果表明:ELM模型与GRNN模型在ET0日值和月值的模拟精度明显高于H-S模型,同时不同模型的相对均方根误差RMSE值均表现为GRNNELMH-S,而一致性则表现为GRNN模型最高,这表明机器学习模型的计算精度要高于H-S模型,而GRNN模型计算精度最高。     

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。     

黄河三角洲参考作物腾发量计算方法适宜性研究

准确估算各地区的参考作物腾发量(ET0)是农业灌溉设计和节水规划中必不可少的内容。利用黄河三角洲地区4个典型气候区的气象资料,选用5种计算方法(P-M,FAO-79Penman、Priestley-Taylor,FAO-24Penman和Hargreaves-Samani)计算了ET0,并以P-M方法作为标准,对其他方法进行了评价。结果表明,在黄河三角洲各气候区FAO-Penman法估算的ET0较Priestley-Taylor方法更接近于P-M法的计算结果,并且计算精度较高,误差在3%~10%之间。在缺少资料的湿润区,用Priestley-Taylor方法可以得到与P-M法估值相近的结果。     

基于灌溉需求指数的滇中地区烤烟需水量时空变化分析

基于云南省滇中地区4个国家气象站点逐日气象资料和烤烟不同生育期作物系数,根据FAO 56推荐的Penman-Monteith公式和单作物系数法,计算了滇中地区近58 a(1956—2013年)参考作物蒸发蒸腾量、烤烟净灌溉需水量及净灌溉需求指数,分析了滇中地区烤烟生育期净灌溉需水变异特征;利用GIS普通克里金法,对滇中地区烤烟需水量、净灌溉需水量和净灌溉需求指数进行空间分布分析;采用通径分析法研究灌溉需求指数变化成因。研究结果表明,滇中地区烤烟净灌溉需求指数随生育期变化逐渐减少,即伸根期、旺长期、成熟期;其中,净灌溉需求指数大于零的年数占54%,表明烤烟区在平水年条件下需人工灌溉补给;影响净灌溉需水量最主要的气象因子为降水量。     

GPR、XGBoost和CatBoost模拟江西地区参考作物蒸散量的适应性研究

[目的]提高机器学习模型模拟参考作物蒸散量在江西省适应性和精度.[方法]基于江西南昌等15个气象站2001—2015年日值气象数据(最高气温、最低气温、地表辐射、大气顶层辐射、相对湿度和2 m高风速),以FAO-56 Penman-Monteith(P-M)公式的计算结果作为对照,建立了计算ET0的高斯过程回归(GPR...     

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。     

日光温室膜下滴灌茄子作物系数试验研究

利用室内实测气象数据,根据P-M公式计算参考作物需水量,采用时域反射仪(TDR)测定逐日土壤含水率,再根据水量平衡法计算实测作物需水量,然后计算作物系数。对温室作物系数进行修正,建立基于温室作物修正系数的日光温室膜下滴灌作物需水量计算模型,并对模型进行检验。结果表明,修正后的作物系数具有较好的适应性,模型预测值与实测值较为一致,平均相对误差绝对值为8.24%。     

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。     

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...     

参考作物蒸散量计算方法在西宁的适用性分析

利用青海西宁气象站点1970-2016年的逐日气象资料,以Penman-Monteith估算结果作为计算参考作物蒸散量(ET0)的标准,讨论Hargreaves-Samani法、Mc Cloud法与1948 Penman法3种方法在青海省西宁地区的适用性。结果表明:1948 Penman法和Hargreaves-Samani法优于Mc Cloud法;Mc Cloud估算结果显著偏小;Hargreaves-Samani法,在ET0较小时估算值与Penman-Monteith方法计算值相当,在ET0较大时,估算结果显著高于标准值;1948 Penman法与Penman-Monteith法相关系数较高,一致性最好,可以对1948 Penman法的估算值乘以一个常数就能够近似代替PenmanMonteith公式的估算值,提高估算精度。     

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。     

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。     

气候变化下河北省宁晋县参考作物蒸散量变化趋势及敏感性分析

【目的】深入分析宁晋县气候变化及其蒸散发的变化,为该区域的作物种植管理和灌溉计划制定提供参考。【方法】根据1981—2018年河北省宁晋县气象站的逐日气象资料,计算了极端气候指数,并利用FAO56Penman-Monteith公式计算了参考作物蒸散量(ET0)。分析了各气象要素、极端气候指数和ET0的变化趋势,并利用敏感性分析找出影响ET0变化的主要气象因子。【结果】1981—2018年河北省宁晋县降水量无明显变化趋势,平均温度呈显著上升趋势,日照时间、相对湿度和风速呈显著下降趋势;极端高温指标呈上升趋势,极端低温指标呈下降趋势,极端降水指标无显著变化。【结论】相对湿度是ET0年均值主要影响因子;夏季对ET0月均值影响最大的气象因素为净辐射,其他季节,相对湿度对其影响最大;风速和辐射的降低不仅抵消了温度升高和相对湿度降低对ET0的正影响,还使得ET0呈下降趋势,但下降趋势不显著。