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.     

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。     

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。     

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。     

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.     

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.     

四湖流域参考作物腾发量的变化特征分析

根据四湖工程管理局排灌实验站2001-2010年逐日气象资料.利用Penman-Monteith公式计算逐日参考作物腾发量,分析其变化特征和各气象因子对其的影响程度.结果表明,各气象因子对日参考作物腾发量的影响程度顺序为:日最高温度＞日最低温度＞日平均温度＞饱和差＞平均风速＞日照时数.同时考虑日最高气温、日最低气温、日平均气温、饱和差、平均风速及日照时数6个气象因子,对日参考作物腾发量的模拟效果最好.     

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。     

克里雅绿洲地下水埋深时空变化对土壤盐分分布的影响

利用实测和室内试验获得的数据,采用经典统计学和地质统计学方法,结合 GIS 技术,分析了新疆克里雅绿洲地下水埋深时空变化对土壤盐分分布的影响。研究结果表明：克里雅绿洲春、夏、秋3个季节地下水埋深和土壤EC值预测精度误差均为10%左右;夏天地下水埋深最大,为13.1 m,春天最小,一年内埋深波动可达6 m;地下水埋深大致形成了南深北浅的空间分布特征;春季土壤EC值连续性相对差,夏季0~10 cm土壤EC值相对高而且连续性最好,土壤盐分最高值出现在绿洲中北部：土壤盐分受地下水埋深影响显著,地下水埋深从东南部到北部呈减小趋势,土壤盐分随地下水埋深的减小而增加。因此,应采取适合克里雅绿洲水资源状况的管理措施,控制地下水埋深,防止土壤盐渍化的进一步加剧。     

江苏省参考作物蒸散量的时空变化及影响因素分析

【目的】参考作物蒸散量是水分循环和能量循环的重要组成部分,研究其变化特征及影响因素可以为该地区合理利用水资源,高效水分管理及农业生产布局提供参考。【方法】利用1961-2018年江苏省60个站点的风速、温度、相对湿度和日照时数等逐日数据计算了逐日蒸散量(ET0),并采用气候倾向率、敏感性分析、通径分析、贡献率分析等方法对江苏省ET0的时空变化及影响因素进行分析。【结果】①江苏省1961-2018年平均ET0为976.8 mm,区域整体ET0的变化幅度为-0.44 mm/10 a,共有28个站点ET0呈增加趋势(47%),主要分布在无锡以及苏州等苏南区域,共有11个站点ET0增加趋势显著(p<0.05),其中无锡、太仓、靖江地区ET0气候倾向率较大,分别为18.6、19.0、30.0 mm/10 a。共有32个站点ET0呈减小趋势(53%),主要分布在连云港、徐州、宿迁等苏北地区,共有16个站点ET0减小趋势显著(p<0.05),其中新沂、泗洪、灌南地区ET0减小趋势较大,分别为-19.2、-23.1、-23.2 mm/10a;②丰县(1 007.4 mm)、徐州(1 041.1 mm)以及西连岛(1 130.3 mm)区域为ET0的高值中心;③ET0对平均温度、日照时间、风速为正敏感,对相对湿度为负敏感,且ET0对相对湿度最敏感。平均温度、日照时间、风速、相对湿度与ET0决策系数分别为0.09、0.33、-0.02、0.29。敏感系数空间分布上,ST与SWS纬向分布特征都较明显;④贡献率分析表明,主要影响因素为风速的有22个站点,均分布在苏北地区,其中沛县、泗阳、新沂站风速对ET0变化贡献较大,分别为-13.44%、-12.52%、-12.49%,主要影响因素为相对湿度的有38个站点,主要分布在苏南地区,其中丹阳、靖江、昆山站相对湿度对ET0变化贡献较大,分别为18.47%、18.57%、20.87%,全区平均温度和日照时间不对ET0变化产生主要影响。【结论】苏北地区ET0变化的主要影响因素是风速,且风速贡献率为负,苏南地区ET0变化的主要影响因素是相对湿度,相对湿度贡献率为正。     

膜下滴灌田间土壤水分时空变异规律研究

在新疆库尔勒市包头湖农场48 m×56 m的范围内,布置土壤水分监测点共计63个,采用经典统计和地统计方法进行了时空变异性分析。结果表明,每次灌水前,整个地块土壤含水率均符合正态分布,呈现中等变异性;沿毛管方向和沿支管方向的田间土壤含水率均呈中等程度的空间自相关性,变异性主要由随机因素引起,变程分别为30.7~37.9 m和10.5~14.2 m;随着时间的推移(灌水次数的增加),土壤水分的空间变异性逐渐减弱,分布更趋均匀。因此,根据第1次灌水前田间土壤水分空间分布情况,设计的监测点布设方案可以满足其后各次灌水的墒情监测要求。     

区域表层土壤EC_s和pH时空变异性分布及其相关性

应用地质统计学原理与方法,在山东簸箕李灌区开展区域表层土壤盐性和碱性分布状况的研究,描述表层土壤EC_s和pH的空间与时间变化分布趋势和特征,分析二者间的相关性。研究结果表明,表层土壤EC_s和pH在周年内表现出相近的区域时间变异分布趋势和相反的区域空间分布状况。EC_s和pH在灌区上游的西南方向和下游的分布状况相对稳定,而在中游的变化却呈现出各自的时间季节性差异,表层土壤盐性的区域空间分布状况似乎影响到其碱性的空间分布趋势。EC_s和pH间存在的负相关性不仅表观上与表层土壤盐化程度有关,还受到其它诸多因子的影响。受当地季风气候影响,EC_s在夏玉米收获期内明显低于冬小麦收获期,而pH在湿润的初秋时节则高于干旱的初夏季节,表层土壤质地类型差异对土壤盐性和碱性的影响较为明显。研究成果为灌区制定合理的区域农田水土管理策略和作物种植模式提供了科学的依据。     

区域作物耗水时空分布影响的研究进展

对作物耗水量的计算方法与应用情况及RS和GIS在区域作物耗水时空分布这一研究领域的应用作了详尽的阐述,并建议在今后作物耗水时空分布的进一步研究中,应对参数的空间分辨率以及遥感参数与模型参数的定量对应关系等方面加以改进,发展既有理论基础又便于应用的区域尺度多种作物组合的耗水量估算新模式。     

汾河灌区参考作物蒸散发量变化趋势及影响要素分析

气候变化直接影响着区域的水循环和水资源管理,而研究潜在蒸散发的变化趋势及其影响要素对于灌区的水资源管理具有重要的作用。选择汾河灌区,利用灌区内气象站的长系列数据,分析了灌区内参考作物蒸散发(ET0)的变化趋势及主要影响要素。结果表明,1951―2014年,灌区ET0没有明显的变化趋势,这主要是由于温度升高和相对湿度降低引起的ET0增加与风速下降和日照时间减少引起的ET0下降相当。温度、相对湿度和风速变化主要影响4―6月ET0,而日照时间则主要影响了5―9月的ET0。