利用小蒸发皿观测资料确定参考作物蒸散量方法研究

参考作物蒸散量是土壤－植被－大气系统水分能量平衡模型的重要参数,如何准确获得将直接影响模型应用和最终模拟预测精度。该文利用分布于黄土高原地区65个气象站1971～2000年的气象资料,以FAO推荐的Penman-Monteith方法确定的参考作物蒸散量为标准,提出了根据平均相对湿度与风速为变量确定由20 cm小蒸发皿观测的水面蒸发量计算参考作物蒸散量的系数Kp。结果表明：由蒸发皿观测值计算的3 d或更长尺度的ET₀与Penman-Monteith方法计算的ET₀结果一致性很高,在对Kp方程系数进行适当的地域性调整后,由蒸发皿观测值和Kp确定的ET₀与Penman-Monteith方法确定的ET₀结果一致,从而认为在黄土高原地区参考作物蒸散量计算可以应用20 cm蒸发皿系数法。     

滇中地区参考作物蒸散量时空变化特征

参考作物蒸散量是灌溉设计、灌溉计划等的基础数据,利用滇中地区19个气象台站的观测数据,计算了滇中地区的参考作物蒸散量（ET₀）,分析了ET₀时间和空间的变化特征及气象要素对其的影响。结果表明:研究区的ET₀于1982年发生突变,1960—1982年变化趋势不明显,1982—2002年呈现下降的趋势,2003—2012年ET₀呈现增加的趋势,多年平均ET₀约为1 223.7 mm。ET₀的空间特征表现为中部高,东西低,春季最大,夏季高于秋季,冬季最小,高值区出现在元谋地区。ET₀与风速、气温和日照时数呈现显著的正相关关系,与相对湿度呈现极显著的负相关关系。偏相关分析和逐步回归分析显示在年尺度上,风速、相对湿度和日照时数的组合可以预测ET₀的年际变化。     

1961-2010年中国参考作物蒸散量变化趋势与时空格局

根据甄选的中国529个气象台站1961-2010年的观测资料,利用联合国粮食及农业组织(FAO)推荐的Penman-Monteith模型估算了全国年际参考作物蒸散量,探究了中国1961-2010年参考作物蒸散量变化趋势与时空格局.结果表明:(1)通过对中国参考作物蒸散量的年变化趋势进行分析,发现1961-2010年参考作物蒸散量先有下降趋势(1961-1993年),下降幅度不大,后又有缓慢的回升(1994-2010年),但总体呈下降趋势;(2)通过对各站近50年参考作物蒸散量平均值的时空分布进行分析,发现中国西北地区和西南地区明显大于东北地区和中部腹地;(3)中国参考作物蒸散量时空分布主要影响因素是风速和气温(气温影响范围广,风速影响程度大),也与中国地形复杂、面积广阔、经纬跨度大、各地气象条件差异导致作物蒸散能力差异有关.     

基于日天气预报数据估算小麦生长季参考作物蒸散量

为了在气象要素类型不完整条件下采用Penman-Monteith方法估算小麦生长季蒸散量,运用2014/2015和2015/2016年度两个小麦生长季新乡历史日天气预报数据和对应日气象实测数据,以及修正后的太阳辐射参数和调节系数,首先验证天气预报气温值的准确性,并以预报气温为基础,估算实际水汽压和太阳辐射,最后利用天气预报气温和平均风速值,以Penman-Monteith公式为基础估算参考作物蒸散量。结果表明：日天气预报温度数据可以代替气温观测数据;用天气预报中的最高和最低气温估算的水汽压和太阳辐射能满足Penman-Monteith公式的要求;用天气预报数据估算的辐射项的精度高于空气动力项的精度。总体上,用天气预报数据估算的日参考作物蒸散量中辐射项的精度高于空气动力项,用天气预报估算值总体偏低,但低估范围在7%之内,经统计分析,用天气预报估算与利用Penman-Monteith估算的日参考作物蒸散量相关性较高（R2=0.77）。因此,采用日天气预报的气象资料估算参考作物蒸散量这一方法可行,建议在干旱半干旱地区采用辐射法估算参考作物蒸散量,这给农业灌溉预报提供了理论和方法上的保证,并对指导当地农业水资源的优化配置具有参考意义。     

石羊河流域近53 a参考作物蒸散量的敏感性分析

利用国家气象信息中心提供的地面气候资料日值数据集,基于FAO Penman-Monteith公式计算了石羊河流域4个测站1959-2011年的逐日参考作物蒸散量(ET₀)。利用敏感系数法计算了其对平均最高气温、平均最低气温、风速、平均相对湿度和日照时数的敏感系数,并分析了敏感系数的时空变化特征。结果表明,石羊河流域ET₀对相对湿度最敏感,其次为风速和气温,而对日照时数的敏感性最低。由于气象要素分布不均,敏感系数的空间差异显著,相对湿度的敏感系数在上游祁连山区形成高值区,同时,气温在该区的敏感系数也相对较大,而风速的敏感系数在下游民勤盆地较大,日照时数的敏感系数在全区无明显差异。各气象因子的敏感系数均存在一定程度的波动,风速的敏感系数冬高夏低,气温和日照时数的敏感系数均为夏季最高,相对湿度敏感系数的绝对值持续上升在秋季达到最大。53 a来,相对湿度敏感系数波动变化,近20 a来其绝对值上升趋势显著,而风速、日照时数和气温的敏感系数无明显变化趋势。     

河南省参考作物蒸散量变化特征及其气候影响分析

基于河南省111个气象站1971-2010年逐日平均气温、最高气温、最低气温、相对湿度、风速和日照时数等气候要素资料,应用Penman-Monteith模型计算各站点逐日参考作物蒸散量(ET0),结合数理统计方法,分析近40a来河南省年ET0的时空变化特征,并对其主要影响因子进行探讨.结果表明,Penman-Monteith模型对河南省ET0的模拟能力较强,模拟值与同期小型蒸发皿蒸发量的相关系数r=0.84(P ＜0.01).近40a,河南省年ET0平均值为796.1mm(±102.2mm,n=4169),在空间分布上,总体表现出北高南低的特征,并以24.7mm·10a-1(P ＜0.01)的线性倾向率减少,呈明显减少的站点主要分布在34°N以北地区.偏相关分析表明,全省各地(市)年ETo与各气象要素关系密切,除济源外,年ET0均表现出与风速呈负相关且相关系数最大.逐步回归分析显示,年ETo与平均气温、日照时数、风速和相对湿度的关系密切;风速、日照时数和平均气温对年ET0的贡献为正效应,而相对湿度为负效应.近40a,风速减小是导致河南省年ET0呈显著减小的主要原因;但从综合影响看,这是各气象因素综合作用的效果,且各因子的贡献存在区域差异.     

北京市参考作物蒸散量的时空分布特征

利用北京市各气象站点的长期观测资料，使用FAO推荐的Penman-Monteith法，计算了各站点逐月参考作物蒸散量ET0。在此基础上使用插值生成ET0的灰度分布图与等值线图，分析了ET0的时空分布特征。研究结果发现，北京市ET0分布具有2个常年稳定的低蒸发中心及多个随季节变化的高蒸发中心。区域内海拔高度与地形变化造成地表温度和热量平衡变化是导致ET0时空变化特征的主导因素；风速、日照时数和相对湿度等气象因素及其综合作用对ET0也有较大的影响。     

石河子地区参考作物蒸散量变化特征及气候因子的定量分析

基于石河子地区1961—2012年4个气象站数据,采用FAO推荐的Penman-Monteith模型计算了参考作物蒸散量（ET₀）,分析了ET₀时间变化特征及其对气象因子的敏感性,并结合各气象要素的多年相对变化定量分析了气象因子对ET₀的贡献。结果表明:近52年来,石河子地区平均ET₀以1.19 mm/a的趋势增加,2004年为突变年,并存在27 a左右的周期。ET₀变化对各气象要素的敏感性以及气象因子对ET₀变化的贡献有所不同,其中,平均气温的贡献率较小,但其敏感系数最高,对ET₀变化的贡献是最大,使平均气温成为ET₀变化贡献最大的气象因素。突变后最高气温和最低气温的贡献率较大,但其敏感系数较低,平均气温为主导因子明显上升。     

新疆1961-2013年参考作物蒸散量时空变异

准确评估参考作物蒸散量的变化规律对新疆农业生产及水资源合理利用具有重要作用,采用Penman-Monteith公式以及55个气象站的逐日气象资料,计算了新疆1961-2013年参考作物蒸散量并分析其时空变化特征,运用多元回归分析法对影响参考作物蒸散量变化的主导气象因素进行了定量分析.结果表明:新疆ET0总体呈下降趋势,年际变化率为-1.01 mm/a.在20世纪80年代之前ET0偏高,90年代减少到最大,2000年以来又逐渐增大.从季节来看,夏季、秋季的ET0与年ET0的减小趋势一致,春季冬季ET0的减少趋势不明显.在不同年代际时间尺度,新疆全年及季节ET0的年际变化在空间上存在一定的分异.风速是全年及夏、秋季ET0变化的主导因素,而温度是春季及冬季新疆区域蒸发量变化的主导因素.     

参考作物腾发量主成分神经网络预测模型

为解决采用神经网络模型预测参考作物蒸发蒸腾最Eto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.选取崇川水利科学试验站2001年到2004年的旬气象资料,采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模犁作为对照.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Eto之间的关系,尤其对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.     

参考作物潜在蒸散量的人工神经网络模型研究

根据河套灌区多年气象资料和Penman-Monteith法计算得到的参考作物蒸散量(ET0),对影响ET0的主要气象因子进行了回归分析,并比较了以4因子(平均气温、净辐射、相对湿度、2 m处风速)和3因子(平均气温、净辐射、相对湿度)为输入向量,由Penman-Monteith法计算所得ET0为输出向量的BP网络ET0预报模型.研究表明,BP网络可以用于ET0的预报计算,四因子法和三因子法均简便可行,能满足生产的需要.相比之下,四因子法的精度更高.此研究是对传统ET0计算的补充.     

基于气温估算参考作物蒸散量方法的对比与改进

为提高基于气温数据估算参考作物蒸散量(ET0)模型的精度,该研究对比分析了基于温度数据估算ET0的Penman-Monteith(PMT)模型、Hargreaves-Samani(HS)模型和改进HS模型,并运用基于气温数据估算实际水汽压和太阳辐射的最新进展改进PMT模型.结果表明:改进HS模型较传统HS模型提高了半干...     

蒸散量双线性曲面回归模型的改进及验证

潜在蒸散发是水文循环和能量循环的一项重要组成,准确估算蒸散发对农业水资源有效利用具有重要的理论和现实意义。为获得精度稳定可靠的蒸散发估计值同时只需较少的气象资料,以沂沭河上游流域(临沂控制站)为研究区,提出改进的双线性曲面回归模型(bilinear surface regression model,BSRM)计算站点的潜在蒸散量。以实测蒸发数据折算的陆面潜在蒸散量为标准,同时以彭曼公式(P-M)为参考与之对比,检验和评价3种BSRM模型的精度,并分析各气象因子对潜在蒸散量的影响。结果表明:3种BSRM模型中,基于日照百分率、气温和相对湿度建立的双线性曲面回归模型模拟精度最高,以基于日照百分率计算的太阳辐射、气温、相对湿度建立的双线性曲面回归模型次之,以基于Hargreaves-Allen方程计算的太阳辐射、气温和相对湿度建立的双线性曲面回归模型模拟精度最差。基于日照百分率、气温和相对湿度建立的BSRM模型的模拟精度略优于P-M公式,但所需的气象因子较少,计算方法简单;且受气象因子的变化影响较少,模拟精度稳定可靠,是一种有效的替代方法。     

Prediction of daily reference evapotranspiration by a multiple regression method based on weather forecast data

Prediction of daily reference evapotranspiration (ET ₀) is the basis of real-time irrigation scheduling. A multiple regression method for ET ₀ prediction based on its seasonal variation pattern and public weather forecast data was presented for application in East China. The forecasted maximum temperature (T _max), minimum temperature (T _min) and weather condition index (WCI) were adopted to calculate the correction coefficient by multilinear regression under five time-division regimes (10 days, monthly, seasonal, semi-annual and annual). The multiple regression method was tested for its feasibility for ET ₀ prediction using forecasted weather data as the input, and the monthly regime was selected as the most suitable. Average absolute error (AAE) and root mean square error (RMSE) were 0.395 and 0.522 mm d^?1, respectively. ET ₀ prediction errors increased linearly with the increase in temperature prediction error. A temperature error within 3 K is likely to result in acceptable ET ₀ predictions, with AAE and average absolute relative error (AARE) <0.142 mm d^?1 and 5.8%, respectively. However, one rank error in WCI results in a much larger error in ET ₀ prediction due to the high sensitivity of the correction coefficient to WCI and the large relative error in WCI caused by one rank deviation. Improving the accuracy of weather forecasts, especially for WCI prediction, is helpful in obtaining better estimations of ET ₀ based on public weather data.     

参考作物腾发量的GARCH类模型模拟与比较

由于辐射、气象等复杂因素变化,水文过程时间序列模型的预测和不确定性是当前研究的重要问题。该文以参考作物腾发量为研究对象,运用能够反映时间序列非线性变化的GARCH(generalized autoregressive conditional heteroscedasticity model)类模型,选取湖北省宜昌站1953—2007年实测气象数据进行计算,依次研究其时间序列特性、预测模型、波动特征和最优的误差预测模型。结果表明,季节自回归滑动平均模型(SARMA,seasonal autoregressivemoving average model模型)很好地模拟了参考作物腾发量时间序列变化(模型均方根误差为0.089mrn),但Engle拉格朗日乘数检验结果表明参考作物腾发量变化过程存在条件异方差特性;GARCH、TGAR,CH(threshold GARCH)、EGARCH(exponential GARCH)和PGARCH(power GARCH)模型的应用估计表明,GARCH类模型能够很好刻画时间序列预测模拟中的方差变化特征,相比于传统线性时间序列模型能够更好反应预测中的不确定特性;通过多个误差统计量的比较研究表明,EGARCH模型能够较好地预测参考作物腾发量波动特征,相对于其他GARCH类模型具有较高的精度。该文对参考作物腾发量时间序列条件异方差特性的研究,有利于深度挖掘水文规律,为水资源管理提供理论基础。     

基于极限学习机的参考作物蒸散量预测模型

为实现气象资料缺乏情况下参考作物蒸散量（reference crop evapotranspiration, ET0）高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机（extreme learning machine, ELM）的ET0预测模型。选取川中丘陵区7个气象站点1963－2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明：ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度（均方根误差和模型效率系数分别为0.504 mm/d和0.827）高于Hargreaves模型（均方根误差和模型有效系数分别为0.692 mm/d和0.741）;基于最高、最低温度和辐射的ELM模型模拟精度（均方根误差和模型有效系数分别为0.291 mm/d和0.938）明显高于Priestley-Taylor（均方根误差和模型有效系数分别为0.467 mm/d和0.823）、Makkink（均方根误差和模型有效系数分别为0.540 mm/d和0.800）和Irmark-Allen模型（均方根误差和模型有效系数分别为0.880 mm/d和0.623）。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。     

通径分析结合BP神经网络方法估算夏玉米作物系数及蒸散量

准确估算蒸散量对于精准管理农田水分至关重要。为了解作物系数的动态特征,准确估算作物需水量,使用叶面积指数和气象要素模拟玉米全生育期作物系数及蒸散量。利用2018年五道沟实验站气象和称重式蒸渗仪实测数据,运用通径分析法筛选影响作物系数的关键因子,建立无雨期不同地下水埋深下作物系数模型,以此估算蒸散量。结果表明:1 m埋深下全生育期作物系数平均绝对误差为0.04 mm/d,相关系数为0.94,其中初期、发育期、中期和后期平均绝对误差分别为0.06、0.09、0.05和0.03 mm/d。3 m埋深下全生育期作物系数平均绝对误差为0.08 mm/d,相关系数为0.92,各生育期平均绝对误差分别为0.11、0.10、0.07和0.03 mm/d,利用温度、风速和叶面积指数模拟作物系数精度较高。1 m埋深全生育期ET平均绝对误差为0.72 mm/d,各生育阶段平均绝对误差分别为0.56、059、0.66和0.45 mm/d。3 m埋深全生育期ET平均绝对误差为0.73mm/d,各生育阶段ET平均绝对误差分别为0.82、0.98、0.68和0.29mm/d。不同时间尺度下(1、3、5 d) 2种埋...     

基于数据包络分析和人工神经网络的变量施肥决策方法研究

采用数据包络分析(DEA)方法评价玉米施肥单元的投入产出技术效率，把非DEA有效的单元进行投影，使之DEA有效，所获得的投影数据供神经网络训练使用。建立3层BP神经网络模型，以土壤养分和产量为输入，以施肥量为输出，并结合输入输出的价格因素扩展模型，实现利润最大化决策。该模型既为充分使用所有试验数据引入了可行方法，又弥补了传统施肥决策方法中非线性关系描述的不足。应用表明，该模型可以揭示施肥单元的需肥特性和提供最佳施肥方案，目标产量不超过9750 kg/hm²时，预测结果较合理。     

K-means结合RBF神经网络预测线性菲涅尔集热回路出口熔盐温度

线性菲涅尔集热回路出口熔盐温度控制具有扰动多、非线性及滞后的特点,出口熔盐温度的稳定控制可以极大的提高汽轮机组的发电效率,降低换热系统的调节难度、减少传储热设备的冷热冲击,提高系统使用寿命.针对传统数学模型预测线性菲涅尔集热回路出口熔盐温度精度低、计算复杂等问题,通过分析线性菲涅尔集热回路传热模型,确定影响集热回路出口...