不同气候区参考作物需水量计算方法对比研究

为探索不同气候区适宜的参考作物需水量计算方法,基于全国不同气候区典型区域9个气象站多年日气象资料,分别利用8种常用计算方法计算参考作物需水量,并以Penman-Monteith公式计算结果为标准,对不同计算方法计算结果进行评价,结果表明,Hargreaves公式在各气候区的精度表现均比较理想,Mc Clound公式和Brockamp and Wenner公式在温度大陆气候区和温带季风气候区表现较为理想,根据不同气候区典型气象站60年(2013年以前)的实测气象资料,率定了不同气候区Hargreaves公式及Mc Clound公式的适宜参数,2014年实测资料验证结果表明,与PM公式计算结果相比,中国不同气候区Hargreaves公式计算结果的RMSE、PE和R2值分别为0.42~0.95 mm/d、0.81%~10.69%和0.66~0.94,在温带大陆气候区和温带季风气候区Mc Clound公式计算的RMSE、PE和R2值分别介于0.80~1.23 mm/d、1.36%~14.52%和0.60~0.87,在温带大陆气候区Brockamp and Wenner公式计算结果的PE值普遍偏高,而在温带季风区(TMZ)Brockamp and Wenner公式计算结果的RMSE、PE和R2值分别为0.95~1.29 mm/d、1.14%~7.87%和0.59~0.81。     

泸州市参考作物腾发量计算方法比较与修正

为实现参考作物腾发量(ET₀)在气象资料缺失地区的准确计算,探究ET₀简便方法在泸州市的适用性,以Penman-Monteith(PM)法作为标准方法,对Hargreaves(Har)法、FAO24 Blaney-Criddle(FAO24 BC)法、Makkink(Mak)法、Priestley-Taylor(PT)法计算的ET₀进行适用性分析,并采用线性关系和贝叶斯公式对各方法进行修正。通过误差分析得出,Har、PT法在研究区的适用性较好,RMSE在0.5～1.1 mm/d、PE在10%～15%,误差相对较小,且利用线性关系修正比贝叶斯公式好,线性修正后的Har法、PT法误差分别下降50%、80%左右,可以看出PT法的修正效果比Har法更理想。采用线性关系修正后的PT法更适合代替PM法计算气象资料缺失时的ET₀,可为估算作物需水量提供理论依据和数据支持。     

基于温度资料估算参考作物腾发量的方法比较

以Penman-Monteith方法计算的参考作物腾发量ETo为标准,与采用温度法和辐射法的Penman-Monteith温度法(PMT)、修正的PMT(PMT-cor)、Hargreaves-Samain(HG)、修正的HG公式(HG-M1,HG-M2)、Thornthwaite公式、Irmak公式、修正的Irmak公式(Irmak-cor)、Mc Guinness Bordne公式(M-B)的估算值进行对比分析,同时引入干旱指数对温度法中的PMT公式进行修正,采用多元线性拟合对辐射法中的Irmak公式进行修正。结果表明:温度法中的PMT公式、PMT-cor公式、HG公式和辐射法中Irmak公式、Irmak-cor公式的计算值与PM法计算值间的回归系数b都接近于1.0,相关系数R2大于0.80,相对误差RE小于20%,一致性指数d大于0.95。通过交叉比较发现,Irmak-cor公式精度较高(b=1.00、R2=0.98、RMSE=0.17 mm/d、RE=7%、d=1.00),其次是Irmak公式(b=1.03、R2=0.95、RMSE=0.31 mm/d、RE=12%、d=0.99),再次是PMT、PMT-cor、HG方法。考虑计算结果的精确度,该地区首选Irmak-cor公式估算ETo;如果考虑计算简便,该地区可选HG公式估算ETo。     

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。     

Venlo型温室内参考作物蒸散量计算方法比较研究

【目的】明确温室内参考作物蒸散量(ET_0)计算方法。【方法】通过实测Venlo型温室内气象数据,并对FAO-56Penman-Monteith(FAO-56 P-M)中隐含的空气动力阻力r*a进行修正,以修正后的Penman-Monteith法作为计算温室内ET_0的标准方法,对其他4种常用的ET_0计算方法:FAO-56 P-M法、FAO-24 Penman法、Irmak-Allen(I-A)法、Priestley-Taylor(P-T)法进行了对比分析。【结果】试验期间温室内日ET_0变化范围为0.49~6.04 mm/d,平均为2.43mm/d;4种计算方法与Penman-Monteith(P-M)修正法均具有良好的线性关系(R20.90),FAO-24 Penman法与P-M修正法计算结果最为接近(RMSE=0.40 mm/d,NSE=0.93),其次为I-A法(RMSE=0.67 mm/d,NSE=0.81)、P-T法(RMSE=0.76 mm/d,NSE=0.76),而在大田条件下广泛应用的FAO-56 P-M法表现最差(RMSE=1.18 mm/d,NSE=0.41)。【结论】4种ET_0计算方法中,I-A法应用最简便,可作为气象资料短缺条件下该地区温室ET_0的简化计算方法。     

基于公共天气预报的三江平原ET0预报模型比较及敏感性分析

为了提出适合我国三江平原的高精度ET0预报方法,基于该区6个气象站点的天气预报数据和实测气象数据,以FAO56-Penman-Monteith(FAO56-PM)公式计算值为基准,比较Hargreaves-Samani(HS)、Thornthwaite(TH)和Blaney-Criddle(BC)3个ET₀预报模型的效果,对最优模型进行敏感性分析。结果表明:3个模型1~7 d预见期平均绝对误差均值分别为0.66、0.65、0.65 mm/d,均方根误差分别为0.93、0.96、0.95 mm/d,相关系数分别为0.857、0.828、0.840。1~5 d预见期最优预报模型为HS模型,6~7 d为TH模型。总体上预报精度由高到低为HS、TH、BC模型,建议采用HS模型在三江平原开展ET₀预报,HS模型预报对最高温预报的敏感性大于最低温。其预报值在夏季受温度预报误差影响最大,冬季最小,4季整体误差较小。研究可为灌溉预报提供较准确的数据基础。     

北京地区潜在蒸散量计算方法的比较研究

利用北京地区1951—2007年的逐日气象资料,选取常用的7种公式计算日潜在蒸散量,并和利用FAO推荐的Penman-Monteith(PM)标准公式计算日潜在蒸散量进行比较。根据线性回归、平方根误差和平均偏差方法分析得出:Penman公式、Kimberly-Penman公式(KP)和Doorenbos-Pruitt公式(DP)与PM相关性较好,KP公式计算的ET0和标准ET0平均偏差和平方根误差均最小,可直接用来计算北京地区的ET0,而Penman公式和DP公式的平均偏差和平方根误差较大,不适合直接计算北京地区的ET0,利用气象数据提出了修正的Penman公式和DP公式。Makkink公式、Priestley-Taylor公式、Hargreaves公式和Turc公式与PM相关性较差,不适合计算北京地区的ET0。北京地区对ET0影响最大的气象因子为饱和水汽压差和净辐射,基于此,提出了2个适合估算北京地区缺资料条件下ET0的经验公式。     

基于无人机热红外遥感的夏玉米蒸散量估算及其影响因子

农田蒸散量(ET)是土壤—作物—大气连续体水分运移的关键参数,与作物生理活动和产量有着极为密切的关系,准确实时估算田间作物蒸散量对研究作物生长发育至关重要。基于无人机热红外传感器反演夏玉米的冠层温度,基于反演的冠层温度构建夏玉米蒸散模型(ET_(d,t))并验证了模型反演作物蒸散量的精度,分析了ET_(d,t)相关影响因子。结果表明:以热红外冠层温度作物蒸散模型计算的ET_(d,t)最低值出现在幼苗期为3.42 mm/d,最高值出现在灌浆期为10.94 mm/d,并与涡度相关实测值ET_(d,e)、FAO Penman-Monteith模型计算值ET_(d,f)进行验证,在P0.01水平上呈显著线性关系(R~2=0.739、0.742,RMSE=0.676、0.109 mm/d),ET_(d,t)估算精度达到80%以上。ET_(d,t)的计算受日净辐射、风速、气温、降雨等气象因子影响,不同气象条件的ET_(d,t)不同。叶面积指数(LAI)为夏玉米农田最主要的生物因子,LAI与ET_(d,t)呈线性正相关关系(R~2=0.700),空气动力学阻抗(r_a)是最主要的环境驱动因子,r_a与ET_(d,t)呈线性负相关关系(R~2=0.696)。随着植被覆盖度(NDVI)的变化,ET_(d,t)呈现相同变化趋势(R~2=0.656)。因此,基于无人机热红外反演的冠层温度计算的(ET_(d,t))能较好的反映田间夏玉米蒸散变化过程,从而为利用无人机热红外遥感估算作物蒸散量提供了科学依据。     

基于改进Makkink模型的四川盆地参考作物蒸散量估算

为了有效提高四川盆地参考作物蒸散量ET₀的预报精度,选取四川盆地16个代表性气象站点1961-2019年逐日气象数据,基于差分进化算法(DE)对辐射模型的经验参数校准改进Makkink模型并估算四川盆地ET₀,在日、月尺度上对改进的Makkink模型(M1-M6)和Jennsen-Haise(JH)及Irmak(IK)模型评价.结果表明:在日尺度上,改进的Makkink(M1-M6)模型(R²为0.77~0.87)模拟结果比JH和IK模型(R²为0.74~0.76)更精确,改进的Makkink模型中,M4模型估算精度最高,综合性指标GPI中位数为1.05;在月尺度上,改进的Makkink模型模拟结果(误差为3.59~15.71 mm/月)也优于JH和IK模型(误差为6.84~25.31 mm/月),其中M4模型估算精度最佳,综合性指标GPI为1.72.总体而言,推荐以温度和相对湿度作为输入数据的M4模型模拟四川盆地ET₀.     

基于哈格里夫斯法评价印度普萨参考蒸散量（摘选）

精确测定参考作物蒸散量(ET o)对于精确计算作物水分利用是非常必要的。FAO-56 Penman-Monteith法(FAO-56 PM)是联合国粮食和农业组织认可的测定参考作物蒸散量的标准方法。可是,一些天气变量,特别是相对湿度、太阳辐射和风速经常缺失,这可能会妨碍利用FAO-56 PM方法进行ET o估算。为了克服以上情况,评价哈格里夫斯法在估算位于拉金德拉农业大学的菩萨天文台数据的准确性和实用性是很重要的。哈格里夫斯方程经常高估一个区域,因此该方法在普萨地区已经不再使用。利用统计回归分析对哈格里夫斯系数进行校正,得到结果分别由0.002 3和17.8降到0.001 62和-3.039 39。比较利用修正的哈格里夫斯方程和FAO-56 PM计算得到ET o,均方根误差(RMSE)和均偏置误差(MBE)比最小值0.77和-0.11 mmd小1.00和0.21,相应的导致在ET o估算中出现小错误。1998—2006年间的数据经R2、X2检验和一致性指数检测均表现出显著相关性。在普萨地区,利用修正的哈格里夫斯方程(ET AHG平均值为3.71 mmd)和FAO-56PM方法估算得到的ET o基本一致。     

基于数理方法的长岭县降水量分析

为探寻长岭县降水量序列的特征及变化规律,基于长岭县1954-2005年降水量资料,采用统计学方法、Mann-Kendall方法、叠加的马尔科夫链方法,对长岭县的降水量特征值、年内年际变化、降水量自相关性以及变化规律进行了分析。结果表明:长岭县年内降水量和典型年年内降水量主要集中在6-8月份,分别占70%、80%;降水量年际变化呈现出丰-平-枯的变化趋势,平均8年出现一次降水变化小周期;降水量系列是相互独立的,并且降水量系列呈递减的趋势,枯季降水量平均每年减少4.86mm;叠加的马尔科夫链方法可用于长岭县降水量的预测,但需要结合总体的降水量变化周期,以消除大旱或大涝年份导致的误差。     

锥形配流副弹流润滑模型与数值计算方法

为求解高压条件下锥形配流副的润滑模型,该文提出了综合应用有限差分法、液阻网络法和约束最优化复合形法的二元二目标复合形法,研究表明了模型解的存在性和唯一性,并通过实例应用二元二目标复合形法对润滑模型进行了求解。实例结果显示,平衡油槽的无量纲压力随工作压力的变化保持恒定,配流间隙随工作压力增大呈线性减小,而偏心率在工作压力范围内均略小于0,最小为-0.036。研究为锥形配流副弹流润滑特性的分析及其设计提供了参考。     

基于AHP和改进G1法组合赋权的农机设备优选

在构建农机设备评价指标体系的基础上,借助AHP法和改进G1法对评价指标进行组合赋权。该方法集结了主观和客观赋权的综合优势,克服了主观赋权的主观随意性和客观赋权忽视人的主观能动性的双重问题,最后利用综合指数模型对农机设备进行优选,并通过案例,证明了该方法的有效性。     

马斯京根法洪水演算公式参数确定方法的商榷

针对近年来最小二乘法用于马斯京根法出现的一种趋势,从流量演算法的水力学理论出发,剖析了马斯京根法进行洪水演算的原理,指出了马斯京根法中参数的物理意义.同时通过马斯京根法的理论解释,从理论上论证了康吉演算法推算具有衰减特性的洪水波运动必须满足的条件,指出了最小二乘法用于马斯京根法公式参数确定时造成的参数物理意义的模糊,并且该做法并不能从理论上保证该条件的成立以及可能出现的问题,所得结论愿与读者商榷.     

评定导轨直线度误差的方法

在导轨直线度测量中,评定导轨直线度误差的方法有图解法和计算法。在讲述导轨直线度误差评定的方法时,通过教学实践,总结教学经验,选用合适的例题,补充一些内容,能用较少的时间,把这一评定方法讲透,达到较好的效果,特总结教学心得交流提高。     

追踪不可压缩两相流相界面的CLSVOF方法

根据CLSVOF方法的基本思想,将VOF和Level Set两种方法结合起来,用于追踪不可压缩两相流相界面的计算.通过对经典的两相流流动问题的计算,研究了CLSVOF方法对对流输运方程和动量输运方程计算精度的影响,并与VOF方法和Level Set方法进行了对比.研究结果表明:求解对流输运方程时,CLSVOF方法的计算精度明显高于Level Set方法;求解动量输运方程时,CLSVOF方法产生的虚假速度接近于0,基本克服了利用VOF方法求解动量输运方程时的虚假速度势问题.     

基于熵权物元分析法的水利发展规划实施效果后评价研究

为评价已经完成的水利发展规划实施效果,构建了4大类19项指标的规划后评价指标体系,运用熵权法确定指标权重。根据各个指标的具体数值,划分了优秀、良好、一般、较差和差的5个评价等级。使用物元分析法对各指标的实测值进行了计算,确定该规划完成情况,并对结果进行了敏感性分析,保证结果的准确性与科学性。结果表明,淮安市"十二五"水利发展规划实施情况优秀,该评价方法拥有较强的数学理论依据,准确性高。     

充水保压钢蜗壳外围混凝土应力分

采用三维有限元技术，在分析施工过程钢蜗壳充水保压支撑的基础上对简化方法和仿真方法进行综合研究。结果表明，2种方法中，简化算法偏保守。同时，钢蜗壳与外围混凝土的接触状态和施工过程中钢蜗壳的支撑方式对混凝土的应力有着重要的影响。结论对水电站厂房的设计、施工有重要的参考价值。     

基于多基线PolInSAR基线选择的森林高度反演方法

为了解决单基线PolInSAR在更宽的森林高度范围内反演森林高度误差大的问题,提出了多基线PolInSAR的基线选择方法。使用JPL/NASA于2016年2 月27日在加蓬森林区域获得UAVSAR L波段5个轨道的多基线全极化PolInSAR数据反演森林高度,基于相干分离最大算法(Maximum coherence difference,MCD)使复相干达到最大分离,改进PROD方法与ECC方法,并对这两种方法进行对比分析,同时使用NASA于2016年3月4日获取的激光雷达数据LVIS RH100验证反演的森林高度。通过绘制两种基线选择方法对应的kz、冠层复相干幅度与LVIS RH100的密度图来评估ECC方法和PROD方法选择基线的差异,并结合获得的森林高度图、误差图、密度图,分析对比两种基线选择方法的优劣。反演的森林高度出现低估高大森林（误差为负值）、高估低矮森林（误差为正值）的现象,同时低矮与高大森林区域的误差较大,且ECC方法的低估或高估的程度比PROD方法大,精度低于PROD方法。ECC方法将相干区域的线性程度作为判断标准,PROD方法综合考虑了复相干的相干分离程度(相干直线的拟合效果)与复相干幅度,在一定程度上缓解了ECC方法低估高大森林与高估低矮森林的问题,反演的森林高度优于ECC方法,精度比ECC方法提高了9.63%。PROD方法更适用于反演低矮与高大森林,ECC方法更适用于反演中等高度的森林。     

基于无人机LiDAR的天然林与人工林林隙提取

为研究主动遥感进行森林地物分类和林隙提取的效果,分别在天然林和人工林中比较了无人机激光雷达(Li DAR)数据的阈值法、逐像元法和面向对象法3种方法的分类精度和适用性。选取天然林(黑龙江省哈尔滨市帽儿山林场)和人工林(内蒙古自治区赤峰市旺业甸林场)两处试验区,应用阈值法、逐像元法和面向对象法3种方法,对两个试验区采集的无人机Li DAR数据进行林隙、非林隙、其他类型划分。研究结果表明,面向对象法在天然林和人工林试验区中的分类精度和Kappa系数均最高,天然林为82. 43%、0. 73,人工林为91. 74%、0. 88;逐像元法次之,天然林为76. 62%、0. 64,人工林为78. 68%、0. 68;阈值法的分类精度和Kappa系数差异较大,在天然林中的精度极低,为50. 54%、0. 27,人工林的精度较高,为79. 12%、0. 69。面向对象法和逐像元法在天然林和人工林普遍适用,均可以达到理想的分类精度和Kappa系数。阈值法在天然林的精度较低,更适合于人工林的分类,即林分高度趋于一致,且建筑、道路等其他类型干扰较少的区域。天然林的最佳分类方法为面向对象法,人工林的最佳分类方法为阈值法。