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。     

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。     

神经网络方法计算参考作物腾发量精度分析

参考作物腾发量的准确计算是确定农田灌溉制度的重要依据,比较了神经网络模型和经验公式计算腾发量的精度以及如何使用最少的气象数据实现最优的腾发量计算问题。结果表明,神经网络模型比经验公式的计算精度要高。采用神经网络模型用最少气象数据实现最优腾发量计算是可行的,但输入参数类型需要根据不同地区的气候特点进行选择。在半湿润地区最佳网络输入为日最高气温、最低气温、平均气温和外太空辐射,在气候湿润地区最佳网络输入为日最高气温、最低气温、平均气温、经验相对湿度和外太空辐射。因此,在缺少气象资料时可以使用神经网络模型代替经验公式计算参考作物腾发量。     

基于GA-BP神经网络的作物参考腾发量预测

采用黄金分割原理优化算法确定BP神经网络的隐含层节点数,进而确定BP神经网络的结构,并针对BP神经网络容易陷入局部极小值和全局搜索能力弱的缺点,引人遗传算法(GA)优化网络权值,建立GA-BP网络模型,预测作物参考腾发量ET0.以北京地区的相关资料为基础,选用6种输入因子组合方案,对该模型进行验证,结果表明该网络模型具有较好的预测能力;同时,对6种方案比较分析表明,方案4最优,该方案只需选用4项输入因子(日序数、平均气温、风速和日照时数),就能以较高的精度预测作物参考腾发量.     

基于小波神经网络的参考作物腾发量预测模型研究

为提高某一地区农业用水效率,进行区域水资源的优化配置。本文以辽宁大连地区1954-2005年参考作物腾发量资料为依据,借助于Matlab工具,分别建立结构为8-12-4和10-12-2的小波神经网络进行参考作物腾发量预测,结果表明:在年度和季节尺度上,小波神经网络模型预测结果与参考作物腾发量计算值绝对相对误差均值分别达到5.5%和4.3%,达到了较好的预测效果。该模型预测过程简单,预测结果可靠。为参考作物腾发量预测提供新方法。     

时间尺度对参考作物腾发量估算结果的影响

为了研究时间尺度的选择对参考作物腾发量(ET0)估算结果的影响,选取日、候、旬、月、年几个基本时间尺度,对不同时间尺度下的ET0估算结果进行了详细的对比分析,并分析了不同尺度估算结果在年内的变化以及在不同气候类型区的差异。结果显示,候、旬、月3种时间尺度下的估算值与日尺度下的估算值具有很好的相关性,虽然也表现出随时间尺度增加相关性减小的趋势,但差异不大;而年尺度的估算值则与其他4个尺度的估算值差异较大,不宜使用。候、旬、月几种时间尺度估算结果与日尺度估算结果的相对偏差在年内的分布,表现出高温时段较小、低温时段较大的趋势,并且月尺度下的偏差要明显高于旬和候尺度,表明旬和候是较为适宜选用的时间尺度。8个代表性站点结果的对比分析表明,时间尺度对ET0估算结果的影响与气候类型的关联性很弱,实际工作中时间尺度的选择可以不考虑气候类型的差异。     

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。     

基于主成分分析的参考作物腾发量预测研究

为准确估算作物需水量,提高水分利用效率,采用RBF神经网络预测参考作物腾发量,由于参考作物蒸发蒸腾量的影响因子很多,且各影响因子间的相关性很大,运用主成分分析的原理,将影响参考作物蒸发蒸腾量的因子降低维数.以山西省某灌区的参考作物腾发量为例,运用DPS软件找出了3个综合因子来代表众多因子并作为RBF人工神经网络的输入,运用Matlab7.0进行编程,对参考作物腾发量进行预测.结果发现其预测结果与用Pen-man-Monteith公式算得的值具有很高的一致性,与BP神经网络相比,RBF神经网络具有学习速度快等优点,将此方法用于参考作物腾发量的预测可以收到理想的效果.     

应用Hargreaves公式计算太子河流域参考作物腾发量的研究

应用Hargreaves公式和Penman-Montieth公式计算了太子河流域1960--2005年间逐月参考作物腾发量.将Hargreaves公式计算结果与Penman-Montieth公式结果比较发现,年内3-10月份Hargreaves公式计算结果偏高,其余月份偏低.两方法夏季差异最大,冬季差异最小.相对湿度和风速是两方法差异的主要原因,经分析太子河流域相对湿度的影响更大.利用Hargreaves公式计算结果与PM公式计算结果之间良好的线性关系,对Hargreaves公式系数进行了地区修正.修正后的Hargreaves公式简单、准确,为辽阳市及其类似地区Ego的计算提供了新方法.     

湖北省参考作物蒸腾量时空变异特征

根据湖北省20个测站1977—2007年的气象资料,应用Penman-Monteith公式计算了31年的逐日ET0。应用GIS技术和统计检验方法分析了参考作物蒸腾量的时空变异特征和气象因子对ET0的影响。结果表明,湖北省参考作物蒸腾量的空间分布呈西低东高的特征;随多年时间变化空间分布趋于均匀;年内ET0值分布以7、8月最高,12、1月最低;影响ET0的主要气象因子为风速,平均温度次之。     

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。     

参考作物蒸发蒸腾量计算方法的应用比较

应用国家"863"节水农业重大专项子课题示范现场的气象资料,对4种分属于不同类型的参考作物蒸发蒸腾量ET0计算公式进行了日ET0值的验证计算。结果显示,在时间序列上,随气象因素变化各方法计算的日ET0值呈相同的变化趋势,但计算值有较大的差异;选取FAO56Penman-Monteith公式计算结果为标准,Priestley-Taylor(1972)方法结果与之最为接近,其余依次是Irmark-Allen拟合法和Hargreaves-Samani(1985)法;不同天气类型条件下,Priestley-Taylor(1972)结果与FAO56Penman-Monteith有较高的一致性,而其他2种方法随n/N的减小,误差急剧增加,尤其是Hargreaves-Samani(1985)方法。     

Estimating Reference Evapotranspiration Under Inaccurate Data Conditions

Reference evapotranspiration (ET₀)estimates have been computed on a globalscale using a high-resolution monthlyclimate dataset. Penman-Monteith (PM) andHargreaves (HG) methods have been compared,showing very reasonable agreement betweenthe two methods. Fitting the two parametersof HG using the PM derived ET₀ valuesdid not improve estimates by the HG methodsubstantially. Modifying the originalHargreaves method to a Modified-Hargreaves(MH) method by including a rainfall termimproved ET₀ estimates significantlyfor arid regions. When a certain level ofinaccuracy in the meteorologicalobservations was assumed, calculatingET₀ by PM and MH, given theseinaccuracy in observations, showed that MHperformed better than PM in reproducingoriginal calculations of ET₀ ascalculated by PM assuming no data error. Itis concluded that the PM is a recommendedmethodology if accurate weather datacollection can be expected, but otherwiseMH should be considered.     

基于Z比分数的参考作物腾发量计算方法优选

参考作物腾发量(ET0)是计算作物需水量的关键,是进行农田水分管理和灌溉预报的主要参数。但不同ET0计算方法的结果存在明显差异。用能力统计量Z比分数,对FAO56Penman-Monteith、Hargreaves-Samani、Irmark-Allen拟合和Priestley-Taylor四种常用ET0计算方法在不同天气条件下的计算结果精度进行了对比分析。结果表明,Priestley-Taylor与FAO56Penman-Monteith方法的计算结果在精度上具有较高的一致性,与有关文献结果相吻合,其中前者精度略佳。且Z比分数参数受极端值的影响较小,计算简便、适用性强,克服了常规方法公式繁杂、编程实现困难的缺点,说明Z比分数法能够更好地适用于ET0计算方法的优选。研究结果可为农业水土工程领域有关参数计算与测定方法的优选提供借鉴。     

作物系数小时尺度和日尺度关系研究

利用Penman-Monteith公式估算参考作物蒸散,研究了日尺度参考作物蒸散(ET0d)和日内小时尺度参考作物蒸散之和(ET0dh)的关系。结果表明,ET0d和ET0dh以及实际日尺度和日内小时尺度作物系数均显著线性相关;基于Penman-Monteith公式的日尺度和小时尺度参考作物蒸散估算方法可用于作物系数的作物蒸散时间尺度转换。     

基于分形理论的参考作物蒸发蒸腾量估算

根据成都、雅安和乐山等站点实测的1954~2000年的气象资料和地理参数,建立了温度推算辐射的模型,从分形理论的角度,进一步揭示了温度和辐射的关系特征,并结合Penman-Monteith模型对参考作物蒸发蒸腾量(ET0)进行了估算。研究表明,温度(T)、净辐射(Rn)和净短波辐射(Qns)无标度区拐点的界限时间和分形维数非常接近,具有相似的分形特征,可利用T估算Rn和Qns;通过T估算的Rn计算的ET0的平均绝对偏差和平均相对偏差,均小于通过T估算的Qns计算的ET0的平均绝对偏差和平均相对偏差,而且偏差较小。因此,在实际应用中可通过T估算Rn来计算ET0,简化ET0的计算过程。