基于机器学习算法的ET_(0)预测研究北大核心

为了解不同机器学习算法在预测不同气候区参考作物腾发量(ET_(0))方面的表现,以中国干旱区和湿润区共计20个气象站点1960-2019年的逐日气象数据为依据,以PM和HS公式计算的ET_(0)为参考,评价了多元逐步回归(SL)、支持向量机(SVM)和高斯过程回归(GPR) 3种机器学习算法的ET_(0)预测精度及其适用性。结果表明:(1)当分别以PM和HS公式计算的ET_(0)数值为标准时,3种机器学习算法模拟ET_(0)精度大小关系均表现为:GPR>SVM>SL,且GPR算法的模拟精度最高,其相关系数(R~2)均高达0.950以上。(2)当采用同一种机器学习算法时,其在以PM公式计算的ET_(0)为参考值情况下的R~2范围为0.965~0.995、RMSE的范围为0.212~0.260 mm/d、MAE的范围为0.151~0.201 mm/d;以HS公式计算结果为参考值时,其R~2范围为0.935~0.984、RMSE范围为0.832~0.964 mm/d、MAE范围为0.596~0.745mm/d。(3)在不同气候分区,以同一参考公式计算结果为标准值时采用机器学习算法模拟干旱区的ET_(0)精度均优于湿润区,其R~2提高了0.01。(4)对比不同机器学习算法的稳健性,SL和SVM算法在分别以PM和HS公式计算结果为参考值时的稳健性最高,其训练到模拟阶段的R~2变化幅度仅为0.16%和0.11%,而GPR算法稳健性均最低。(5)对比不同机器学习算法训练时间成本,SVM和GPR算法的计算成本显著高于SL算法。综合分析3种算法的ET_(0)预测精度、稳健性和计算成本,SVM算法可推荐为中国干旱区和湿润区较为精准预测参考作物腾发量的方法。且机器学习模拟精度与气象因子的定量关系表明,日照时数(N)变化是影响各算法预测精度的主要因子。     

基于两种人工智能模型的石羊河流域日潜在蒸散发模拟精度比较

潜在蒸散发(ET_0)是估算作物需水量的基础。根据石羊河流域5个气象站5年的气温、风速、相对湿度等日气象要素资料,采用Penman-Monteith公式计算石羊河流域的ET_0,建立六因子、四因子和三因子的支持向量机(SVM)模型与人工神经网络(ANN)模型模拟日ET_0,对模拟值与计算值进行比较,以均方根误差(RMSE)、平均绝对误差(MAE)、确定性系数(DC)以及皮尔逊相关系数(R)作为模型的性能评价指标,对模型进行检验以获得模拟精度较高的模型。结果表明:相同因子输入下ANN模型较SVM模型在石羊河流域模拟日ET_0有着更高的模拟精度。该研究可为气象要素资料不全的站点提供模拟日ET_0的可行方法。     

川中丘陵区不同Hargreaves改进模型适应性评价

为实现川中丘陵区资料缺失情况下参考作物蒸散量(reference crop evapotranspiration,ET0)的准确计算,遴选更适应于该地区ET0计算的Hargreaves模型,将川中丘陵区划分3个区域(北部I、中部II、南部III),采用13个气象站点1954-2013年60 a的逐日气象资料,以1998 FAO-56 Penman-Monteith(PM)模型计算结果为标准,对具有代表性的非属地化Hargreaves模型(HS)、Jalal HS模型(HS-1)、Samani HS模型(HS-2)和属地化胡庆芳HS模型(HS-3)、杨永红HS模型(HS-4)、李晨HS模型(HS-5)、贾悦HS模型(HS-6)计算精度进行比较,结果表明:5日尺度上HS-5模型表现最优,其一致性指数(IA)、均方根误差(RMSE)、平均相对误差(RE)与测量标准误差(SEE)分别达到0.94～0.97、1.89～2.97 mm/(5d)、-0.05～0.22和1.36～1.93 mm/(5d);月尺度与年尺度上HS-6模型表现最优,其IA、RE除局部地区外(广元RE为0.47,IA为0.79)分别为0.98～1.00和-0.10～-0.01;属地化模型的计算精度整体高于非属地化模型,其中HS-3、HS-4模型5日尺度的SEE分别为1.69～2.60 mm/(5d)和1.50～2.70 mm/(5d),介于HS-5与HS-6之间,其余参数在不同时间尺度上均整体低于HS-5、HS-6模型;非属地化模型计算精度整体较低,其中HS-2模型IA在5日尺度和月尺度上仅为0.73～0.87和0.71～0.85,RE在不同时间尺度上均为0.37～0.69,计算结果最差.因此,属地化的HS-5、HS-6模型在川中丘陵区不同地区变异性较小,适应性较强,具有较高的计算精度,可分别作为川中丘陵区5日尺度和年月尺度参考作物蒸散量计算简化模型.     

基于天气预报和符号回归算法的参考作物腾发量预测研究

以干旱区和湿润区6个典型站点1989-2016年历史气象资料和2013-2016年天气预报数据为依据,以PM公式计算结果为对照,比较分析了率定Hargreaves-Samani(HS)模型和符号回归估算模型(SR)的ET_0预报精度。结果表明:率定后的HS模型在各站点的ET_0预报精度均维持在较高水平,且其在干旱区典型站点的预报精度略高于湿润区站点的值;而与HS公式预报结果相比,采用SR模型在不同气候区的ET_0预报精度均有不同程度的提高,其中在湿润区站点的平均MAE、RMSE值降低了18.98%和20.97%,在干旱区各站点的平均MAE、RMSE值减少了9.79%和7.53%。因此,根据不同模型在不同气候区的预报精度,结合气候特征,建议在湿润区和干旱区分别采用SR模型和HS公式进行ET_0预报,可为实时灌溉预报提供准确依据。     

农业分区框架下Hargreaves-Samani公式的逐月回归修正

为验证中国农业综合分区框架下Hargreaves-Samani(HS)公式线性回归修正方案的适用性,利用中国气象数据网发布的124个站点1957—2016年的逐月有效日平均气压、平均最低气温、平均最高气温、平均风速、平均水汽压、月总太阳辐射数据及站点经纬度数据,首先,分别基于Penman-Monteith(PM)公式和HS公式计算了各站点多年逐月的参考作物需水量ET_(0-PM)和ET_(0-HS)。然后,以ET_(0-PM)为真值,基于1957—2010年的逐月ET_(0-PM)和ET_(0-HS),利用线性回归分析方法获取了中国38个农业管理子区的HS公式校正系数a、b,并以2011—2016年为验证年份,通过比较ET_(0-HS)校正前后的相对误差变化,验证了HS公式线性回归校正方法在中国农业区的适用性,并结合验证年份的具体误差结果,确定了各农业区HS公式校正系数a、b的逐月最优取值。结果表明:大部分农业区的大部分月份ET_(0-PM)与ET_(0-HS)的相关系数超过0. 6,可以进行ET_(0-HS)的回归校正;回归校正得到的系数a存在显著的季节变化规律,系数b则表现较为平稳;系数a、b的大小及变化说明了ET_(0-PM)和ET_(0-HS)彼此之间存在差异,且季节性明显;校正前后的ET_(0-HS)均存在不同程度的相对误差,但校正后的ET_(0-HS)的误差范围已经显著缩小;在具体的验证应用中,校正后的ET_(0-HS)并不完全是最优结果,实践中系数a、b的优选使用才是最佳方案。本研究验证的HS公式线性回归校正方法是实践中简便、可行的方案,对大尺度区域快速获得较高精度的参考作物需水量具有实际意义和推广价值。     

艾比湖流域潜在蒸散量时空变化特征

潜在蒸散发是衡量气候变化下区域水热资源演变的重要参数。利用艾比湖流域10个气象站1961-2012年逐日气温、降水、日照时数、风速、相对湿度等资料,计算了该流域近52 a潜在蒸散量(ET_0),并分析了其时空变化特征。结果表明:(1)艾比湖流域年、春季、夏季和秋季的ET_0都呈增加趋势,冬季ET_0呈减少趋势。年ET_0增势为0.93 mm/a,在1987年发生增加突变并存在15 a左右的变化周期。(2)艾比湖流域春季、夏季、秋季和年ET_0空间分布总体都表现为北部大于南部,而冬季ET_0在空间上自西向东逐渐减少。变化趋势上,艾比湖流域年、春季、夏季和秋季的ET_0表现为中部增势强于南部和北部;冬季中部减势强于流域南部和北部。(3)年代变化上,20世纪60-80年代ET_0空间上都呈减少趋势,20世纪80年代-21世纪初呈增加趋势。其中80年代ET_0最小,2001-2012年ET_0最大。(4)气候因子与ET_0的变化密切相关,但在突变前后存在差异;其中气温对ET_0的影响最大。该研究可为气候变化下干旱半干旱区水热演变的研究以及流域尺度的生态环境保护和管理提供借鉴。     

四川省不同SPEI指数计算方法适用性评价

为探究不同参考作物腾发量(ET₀)算法及相应标准化降水蒸散指数(SPEI)在四川省的适用性,针对四川省3个区域(川西高原、川西南山地和川中盆地),利用34个气象站点1967—2016年的气象资料,以Penman-Monteith(PM)法计算的ET₀为标准,对FAO-24Radiation(FAO-Ra)、Priestley-Taylor(PT)、Makkink(MK)、Hargreaves-Samani(HS)、Blaney-Criddle(BC)、World Meteorological Organization(WMO)、Rohwer(Ro)7种方法的ET₀计算结果进行比较,并选取其中综合表现较好的3种方法进行相应的SPEI计算。通过时间序列分析、误差分析、K-S检验及小波分析等方法,探讨各区域不同ET₀算法下的SPEI适用性。结果表明：7种方法在不同区域计算精度差异显著,在川西高原及川西南山地,PT法均方根误差(RMSE)均在99.11 mm以下,大部分气象站点的相对误差(RE)介于-3.8...     

中国西北地区日参考作物腾发量模型适用性评价

为推荐适宜中国西北地区参考作物腾发量(ET_0)简化计算模型,应用9个代表性站点近50 a逐日气象资料,以FAO-56 Penman-Monteith(PM)模型计算的ET0为标准值,选取5种基于综合法的Kimberly Penman(K-P),FAO 1979 Penman(PM 17),FAO 24 Penman(PM 24),FAO1948 Penman(PM 48),FAO 79 Penman(PM 79)模型,3种基于温度法的Hargreaves-Samani(HS),Mc Cloud (M-C),Hargreaves (Har)模型,5种基于辐射法的Priestley-Taylor-1 (PT-1),Priestley-Taylor-2(PT-2),FAO-24 Radiation(FAO-Ra),Makkink(Mak),Irmark-Allen(I-A),Irmark(Irm)模型,对其在西北地区ET_0进行适用性评价.结果表明:14种模型在中国西北地区计算精度差异明显.全区模拟精度最高的PM 48(综合法),H-S(温度法),PT-1(辐射法)模型的平均R2,MAE,RMSE和nRMSE分别为0.978,0.767 3 mm/d,0.842 3 mm/d和25.622%; 0.735,0.920 0mm/d,1.187 0 mm/d和36.556%; 0.736,1.392 0 mm/d,1.826 0 mm/d和57.992%.     

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。     

基于烟花算法优化极限学习机的温室参考作物蒸散量预测研究

为提高温室环境下参考作物蒸散量(Reference Crop Evapotranspiration,ET_0)的预测精度,提出烟花算法(Fireworks Algorithm, FWA)优化极限学习机(Extreme Learning Machine, ELM)的参考作物蒸散量预测模型,有效解决了极限学习机在数据预测过程中因随机输入权值矩阵和偏置矩阵导致的数据波动问题,提高了极限学习机的预测精度。以温室环境数据作为模型的输入,以参考作物蒸散量ET_0为输出,建立FWAELM模型,并将结果与ELM模型预测结果进行对比,结果表明,FWAELM模型的均方根误差、平均绝对误差和模型可决系数分别为:0.115 6、0.143 6、0.943 8,高于ELM模型的0.403 5、0.346 7和0.819 0,FWAELM模型预测精度较高。同时进行了气象参数缺失情况下的模型预测精度研究,结果表明参数在保留3个及以上时,模型的预测精度依然较高,适用于温室ET_0的预测研究。     

西藏高原灌区参考作物蒸散量模型的适用性研究

为明确参考作物蒸散量(ET_0)计算模型在西藏高原灌区的适用性,推荐适宜于气象资料短缺条件下的ET_0计算模型,本研究基于满拉、墨达、江北3个灌区的气象站的长系列数据,以FAO推荐的Penman-Monteith(FAO 56 PM)模型计算的ET_0为标准,对ET_0的5种常用计算模型的适用性进行评价。结果表明:Makkink、Irmark-Allen、FAO 17Penman、Hargreaves-Samani和Priestley-Taylor 5种模型模拟的日尺度ET_0变化趋势与FAO 56 PM模型一致,在年际间均呈先增后减的变化规律,且峰值出现在6～7月份,但各模型适用性存在显著差异。Makkink模型的日尺度MAE、RMSE、NSE值分别为0.37 mm/d、0.45 mm/d和0.84,模拟精度及可信度最高;Irmark-Allen模型次之,MAE、RMSE、NSE分别为0.65 mm/d、0.71 mm/d、0.62;Priestley-Taylor模型最差,MAE值最大达4.91 mm/d且NSE值小于0。年尺度下,各模型较FAO 56 PM均存在高估现象,其中FAO 17Penman、Hargreaves-Samani、Priestley-Taylor模型的NSE值介于-3 571.76～-118.00之间,模拟结果不可信;Makkink模型的NSE值最接近于0,模拟结果可信,但模拟过程的误差较大。综合评定,推荐Makkink为西藏高原灌区气象资料短缺条件下的ET_0简化模型。     

黑河流域近53年气候变化对参考作物腾发量影响研究

全球气候变化已成既定事实,其直接影响着陆地蒸散发及水平衡。基于Mann-Kendall非参数检验法、Pettitt突变点检验法以及GIS的空间分析功能,分析了黑河流域16个站点1960-2012年风速、气温、湿度、净辐射和参考作物腾发量(ET_0)的时空变化特征,并采用去气象因子趋势法评估了气候变化对ET_0的影响。结果表明:黑河流域平均风速、平均相对湿度、净辐射呈减少趋势,平均气温呈显著增加趋势;在气候变化背景下,流域参考作物腾发量年均减少0.37mm。各站年ET_0与气温、风速、净辐射呈正相关,与相对湿度呈负相关,且影响ET_0的主要气象要素是气温和风速。额济纳旗和高台参考作物腾发量的变化很大程度上决定着流域参考作物腾发量的变化。ET_0和各气候因子均存在明显的突变点和时空差异;流域ET_0的变化也存在时空差异,风速变化是导致其空间差异的主要原因。     

基于神经网络算法的广东省典型代表站点ET_0简化计算模型研究

【目的】探讨BP、极限学习机、小波神经网络算法在广东典型气候代表站点的适用性,建立ET_0简化计算模型。【方法】以韶关、深圳、广州、揭西、湛江站为研究对象,收集各站1981—2010年逐日平均、最高、最低气温、相对湿度、日照时间、风速观测数据,以FAO-56Penman-Monteith ET_0计算值为基准,对比3种算法计算效结果,确定最优算法,并结合因子敏感性分析建立了ET_0简化计算模型。【结果】①P<0.05显著水平下,广州、韶关站各气象因子均差异显著;湛江、广州、揭西、深圳4站除日最高气温差异显著,其他气象因子差异均不显著;②ET_0因子敏感性分析中,韶关、广州、深圳3站日最低、最高气温、日照时间敏感系数较大,韶关站为0.040、0.113、0.223,广州站为0.043、0.101、0.208,深圳站为0.054、0.105、0.181;揭西和湛江站日最高气温、相对湿度、日照时间敏感系数较大,分别为:0.105、-0.040、0.216和0.098、-0.072、0.197,综合各站来看,日最高气温、日照时间最为敏感;③全因子输入条件下,ET_0计算精度表现为BP>极限学习机>小波神经网络;④ET_0简化计算精度表现为BP(全因子输入)>BP-1(日最高、最低气温,相对湿度,日照时间作输入)>BP-2(日最高气温、日照时间输入),但差值不大。【结论】因此,基于日最高气温、日照时间2因素的BP算法一定程度能简化计算ET_0。     

宁夏引黄灌区几种参考作物蒸散量计算方法适用性及修正研究

为了提高宁夏引黄灌区参考作物蒸散量(ET_0)简化公式的精度,基于宁夏引黄灌区5个国家级基本气象站点1962-2017年逐日气象资料,分别使用Priestley-Taylor(P-T)、FAO-24 Radiation(FAO-24)、1948 Penman-Monteith(1948P-M)、Hargreave-Samani(H-S)和Makkink(M-A)五种简化计算方法计算多年日均ET_0,以Penman-Monteith(P-M)公式计算为标准,通过使用1962-2000年P-M公式所得日值,分别对五种简化计算方法进行线性拟合,用最小二乘法确定出斜率k和经验系数c,并用2001-2017年计算数据对拟合公式进行验证,使用平均绝对误差(MAE)、平均相对百分误差(MRPE)和Nash-Sutcliff系数(NS)对宁夏引黄灌区各个站点的精度进行评价。结果表明:修订前,各简化计算方法对宁夏引黄灌区各个站点适用性及精度较差,经过修正后,其拟合效果和精度均有不同程度的提高。因此,经过修正后的五种简化计算方法在宁夏引黄灌区有较高的适用前景。     

基于极限学习机模型的中国西北地区参考作物蒸散量预报

为有效提高西北地区参考作物蒸散量(ET_0)预报精度,在西北地区选择6个代表性气象站点,以P-M模型计算的ET_0作为标准值,利用1993-2016年逐日气象资料构建10种极限学习机(extreme learning machine,ELM)ET_0预报模型,用k-折交叉验证估计模型泛化误差,并将其与Hargreaves-Samani、Chen、EI-Sebail和Bristow等4种在西北地区计算精度较高的模型进行比较。结果表明:ELM_1(输入T_(max)、T_(min)、RH、n和u_2)、ELM_2(输入T_(max)、T_(min)、n和u_2)、ELM_4(输入T_(max)、T_(min)、RH和u_2)及ELM_7(输入T_(max)、T_(min)和u~2)模型均具有较高模拟精度,其MAE分别为0.199、0.209、0.250、0.273 mm/d,RMSE分别为0.270、0.285、0.341、0.422 mm/d,NSE分别为0.983、0.981、0.973、0.987,R~2分别为0.984、0.982、0.975、0.960,整体评价指标(global performance indicator,GPI)排名分别为1、2、3、4;模型可移植性分析表明,ELM模型具有较强的泛化能力,除了ELM_7在喀什站、敦煌站的模拟精度相对较低之外,其余ELM模型在西北地区各站点模拟结果的MAE均在0.40 mm/d以下、RMSE均在0.49以下、NSE均在0.95以上、R~2均在0.96以上;在相同输入的情况下ELM模型模拟精度均高于HargreavesSamani、Chen、EI-Sebail和Bristow。因此,在气象资料缺乏情景下ELM模型可作为西北地区ET_0计算的推荐模型。     

基于SDSM模型的新疆车尔臣河流域ET_0变化模拟

区域蒸散量预测对精准灌溉预报与农田水分管理意义重大。利用新疆车尔臣河流域且末气象站1961-2013年逐日气象资料,采用FAO-56 Penman-Monteith公式计算参考作物蒸散量,基于Hadley Centre Coupled Model version 3(Had CM3)的输出和统计降尺度模型分别对A2(高温室气体排放)、B2(低温室气体排放)情景下研究区2014-2099年ET_0进行预测,并对1961-2099年ET_0的演变特征进行分析。结果表明:基准期(1961-2010年)ET_0整体呈现明显下降趋势;与基准期相比,A2、B2情景下2011-2040、2041-2070和2071-2099年研究区ET_0月和年均值都呈增大趋势;A2情景下3个时期ET_0分别增加0.91、1.75和1.33 mm/a,B2情景下ET_0分别增加1.12、1.96和0.61 mm/a。因此,未来研究区ET_0的上升可能导致水资源短缺与季节性干旱进一步加剧,这为研究区水资源优化管理和灌溉制度制定提供科学参考。     

基于MEA-BPNN的中国西北旱区参考作物蒸散量预报模型

为有效提高西北旱区参考作物蒸散量(Reference crop evapotranspiration,ET_0)预报精度,在西北旱区选择5个代表性气象站点,构建10种基于思维进化算法(Mind evolutionary algorithm,MEA)优化的误差反向传波神经网络(Back propagation neural network,BPNN)ET_0预报模型,并将其与Hargreaves-Samani模型、Irmak模型和48-PM模型等3种在西北旱区ET_0计算精度较高的模型进行比较。结果表明:在不同输入的情况下MEA-BPNN模型模拟精度具有相对较高水平,其中MEA-BPNN1(输入最高气温T_(max)、最低气温T_(min)、相对湿度R_H、日照时数n和距地面两米高处的风速u_2)、MEABPNN2(输入T_(max)、T_(min)、n和u_2)及MEA-BPNN3(输入T_(max)、T_(min)、R_H和u_2)模型的R~2、NSE均大于0.96,RMSE、MAE也分别小于0.34、0.25 mm/d,以上3种MEA-BPNN模型的整体评价指标(Global performance indicator,GPI)排名分别为1、2、3;MEA-BPNN7(输入T_(max)、T_(min)和u_2)的R~2、NSE分别为0.966 2、0.962 2,RMSE、MAE分别为0.3610、0.276 1 mm/d,模拟精度较高;MEA-BPNN模型可移植性的分析表明:MEA-BPNN模型在西北旱区具有较强的泛化能力,基于不同站点数据构建的预报模型也有较高精度;在相同输入的情况下MEA-BPNN模型模拟精度均高于Hargreaves-Samani模型、Irmak模型和48-PM模型。因此,在气象资料缺乏情景下MEA-BPNN模型可作为西北旱区ET_0计算的推荐模型,可为实时精准灌溉预报的实现提供科学依据。     

若尔盖湿地参考作物蒸散量时空演变特征及成因分析

参考作物蒸散量(ET_0)对作物灌溉、水资源评价和气候变化均具有重要意义。利用若尔盖湿地及其周边19个气象站1960—2015年逐日气象资料,根据辐射修正的Penman-Monteith模型计算了湿地ET_0,采用累积距平、Mann-Kendall检验、Pettitt检验、Theil-Sen趋势度、EOF分解等方法分析了蒸散时空演变规律,并采用通径分析研究蒸散变化成因。结果表明:(1)若尔盖湿地年ET_0均值为625.3 mm,并以4.89 mm/10 a的速率显著上升(p0.01),四季ET_0表现为夏季春季秋季冬季。年、秋、冬ET_0分别在1968年(p0.01)、1997年(p0.01)、2003年(p0.1)突变上升,春、夏两季未出现突变。(2)湿地年均ET_0呈南部、东部边缘高、西北—东南一线较低的空间分布特征,且变化速率由东北向西南递减,其中西部班玛以北及南部马尔康、黑水之间地区ET_0呈缓慢下降趋势。(3)ET_0第一特征向量均为正值,说明若尔盖湿地ET_0变化保持高度区域一致性,南、北反向差异和东西、中部反向差异分别为第二和第三空间结构特征。(4)影响若尔盖湿地ET_0的主要气象因子为相对湿度,且能够综合其它因子对ET_0产生作用。近年来若尔盖湿地ET_0的上升主要是因为相对湿度的显著下降,其次是净辐射、平均气温和风速的显著上升。     

基于公共天气预报的广东青年运河灌区参考作物腾发量预报方法比较

为提出高精度适合广东青年运河灌区参考作物腾发量(ET₀)预报方法,制定精准的灌溉预报,降低农业用水量,本研究以灌区内的湛江站为研究对象,收集了该站点2003-01-01-2017-05-31逐日气象观测数据和2016-01-01-2017-05-31日的预见期为7 d的逐日公共天气预报数据,采用FAO-56 Penman-Monteith计算值作为基准,比较Hargreaves-Samani(HS)法、简化Penman-Monteith(PT)、逐日均值修正法的预报效果.结果表明:以上3种方法1~7 d预见期平均绝对误差平均值分别为0.908 3,0.903 1,0.947 9 mm/d,平均绝对误差分别为1.099 1,1.099 9,1.192 4 mm/d,相关系数分别为0.649 5,0.649 8,0.615 9,PT法的平均绝对误差以及相关系数均最好.就每个预见期而言,1~5 d预见期的最优预报方法均为PT法,6~7 d为HS法.因此,建议采用PT法进行青年运河灌区的ET₀预报.     

ANFIS与多元回归模型在ET0实时预报中的对比研究

以气象数据为自变量,Penman Monteith方程计算值ET_0为应变量,分别建立了多元回归模型和自适应神经模糊推理系统(ANFIS)模型,对ET_0预测结果对比分析,ANFIS预测ET_0结果相对于多元线性回归具有精度高(1相似文献