参考作物蒸发蒸腾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发蒸腾量(ET0)，回归分析了影响ET0的主成分。在此基础上比较了以4因子(平均气温、净辐射、相对湿度、2m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ETo为输出向量的BP网络ET0预报模型(BP-ET0)。研究表明，BP网络可以用于ET0的预报计算，4因子法和3因子法均简便可行，能满足生产的需要。相比之下，4因子法的精度更高。此研究是对传统ET0计算的补充。     

近60年桂西北喀斯特地区气候与参考腾发量变化及成因分析

根据桂西北喀斯特地区7个国家气象站1951-2011年逐月气象资料,采用Penman-Monteith公式计算逐月参考腾发量(ET0),分析各气象因子及ET0的年际变化特征,并计算ET0对太阳净辐射、气温、风速和相对湿度的敏感系数,探讨ET0近60年的变化成因。结果表明:桂西北地区气温呈小幅升高趋势,温度增长量变化范围为0.004-0.186℃/10a,60年平均气温上升范围为0.024-1.116℃;日照时数、风速及相对湿度呈极显著减少趋势,降雨量减少趋势不显著。敏感性分析表明,桂西北地区ET0最敏感的气象因素为相对湿度,其次为太阳净辐射和气温,风速对其影响最小;气温和太阳辐射的敏感系数呈单峰型分布,夏季较大,风速敏感系数呈单谷型分布,夏季较小,相对湿度敏感系数在雨季较小;桂西北地区日照时数和风速的减少对ET0的负贡献率分别为-3.49%和-1.51%,气温的升高和相对湿度的减少对ET0的正贡献率分别为1.36%和3.36%,负贡献大于正贡献,导致ET0下降。研究阐明了日照时数和风速的减少是引起桂西北ET0变化的主要原因。     

基于最小二乘支持向量机的参考作物潜在蒸散量估计

建立了以气象因子为输入变量,以Penman-Monteith公式计算所得的参考作物潜在蒸散量（ET0）为输出变量的最小二乘支持向量机（LSSVM）ET0预报模型。与以同样资料为基础的人工神经网络模型（ANN）进行对比研究表明,LSSVM模型比ANN模型精度高,且效率高、泛化能力强,是ET0预报方法的有益补充。     

基于云模型的甘肃省参考作物蒸散量变化特征及影响因子

为了深入认识甘肃省参考作物蒸散量(ET0)的变化特征,解决该地区水资源供需矛盾,利用甘肃省29个气象测站1951~2013年的日气象资料分析甘肃地区ET0年、季的时间变化趋势.依靠处理定性概念与定量描述不确定转换的云模型,对ET0时间变化特征和影响ET0的气象因子进行了分析,同时采用通径分析方法,对影响ET0变化的气象因子进行了探讨.结果表明:河西半干旱区、陇中半干旱区、陇东半湿润区、陇南湿润区4个分区ET0在近63a均表现为持续性的上下波动.ET0在时间尺度上分布较为均匀、稳定.季节分布呈现出夏季春季秋季冬季的分布态势.离散性方面秋、冬季最均匀,夏季最不均匀;稳定性则是冬、春季好于夏、秋季.年际变化来看,平均气温对ET0的直接作用最大,平均相对湿度和日照时数对ET0的间接作用最大.不同季节气象因子分析表明,春、秋、冬3个季节对ET0直接作用最强的气象因子为平均气温,夏季对ET0直接作用最强的气象因子为平均相对湿度;间接作用显示,春、秋季对ET0间接作用最强的气象因子为平均相对湿度,夏、冬季则分别为日照时数和平均气温.     

基于MATLAB神经网络的温室草皮腾发量预测研究

[目的]明确基于MATLAB的BP神经网络预测温室草皮腾发量的可行性。[方法]在9月温室实测气象资料的基础上,对温室内的平均气温、相对湿度、光照强度和草皮日腾发量(ET)进行回归分析,建立了BP网络ET预报模型(BP-ET)。[结果]气温、光照强度与草皮腾发量呈显著正相关(P<0.05),相对湿度与草皮腾发量呈显著负相关(P<0.05)。BP神经网络模型具有极高的拟合精度,9月资料检验预报模型的平均相对误差为5.58%,模拟与检验均有很高的拟合精度。BP网络可以用于草皮日腾发量的预测,是对传统草皮日腾发量计算的补充。[结论]该研究为气象数据缺测条件下温室草皮日腾发量的估算提供了新思路。     

基于通径分析法的漳河灌区参考作物蒸发蒸腾量变化成因研究

选取漳河灌区1974—2014年逐日气象数据,运用Excel软件和SPSS 24.0软件对4项主控因子和参考作物蒸发蒸腾量(ET0)进行趋势分析和通径分析。结果表明,多年平均气温(T)和平均相对湿度(RH)均呈显著性上升趋势,多年日照时数(n)和ET0呈不显著性下降趋势,多年平均风速(u)呈显著性下降趋势。日平均相对湿度(RH)与ET0呈负相关,其余主控因子与ET0均为正相关,日照时数(n)和平均风速(u)的相关性最高。日照时数(n)的决定系数、对回归方程R2的贡献和对ET0的直接效果均为各主控因子中最大,是影响ET0的决策变量。     

抚顺地区参考作物需水量与气候变化的关系分析

根据抚顺地区3个气象站1995~2004年的气象资料,应用FAO推荐的Penman-Monteith公式计算了10年来每年(5~9月)各月的参考作物需水量ET0,分析了ET0的月际变化和年际变化特征。抚顺地区的ET0月际和年际变化都较大,但ET0的变化趋势十分相似。同时分析了各气象因素对ET0的影响,对清源气象站的年均ET0的影响较大的气象因素是:最高气温(Tmax)、相对湿度(RH)、实测风速(U)以及日照时数(H),其中相对湿度(RH)与ET0呈负相关性;对章党气象站的年均ET0的影响较大的气象因素是:相对湿度(RH)和日照时数(H),其中相对湿度(RH)与ET0呈负相关性;对新宾气象站的年均ET0影响较大的气象因素是:大气压(P)和日照时数(H),与ET0均呈负相关性。日照时数(H)是影响抚顺地区参考作物需水量ET0最主要因素。抚顺地区ET0空间变化也较大,从山区到绿洲平原ET0多年平均值呈递增趋势,ET0与海拔高度呈显著负相关。     

郑州地区各气象要素与参考作物腾发量的相关性研究

根据郑州地区1980—2000年的气象资料,应用Penman-Monteith公式计算21 a间参考作物腾发量ET0,分析了ET0的月际变化和年际变化特征.结果表明,ET0值呈现为逐年减少趋势,说明气候变化对ET0的影响较大;并分析了各气象要素与ET0的相关性,在郑州地区ET0与平均相对湿度相关性最好.     

参照作物腾发量计算模型在科尔沁沙地的适用性

【目的】探寻计算科尔沁沙地参照作物腾发量(ET0)的简易方法.【方法】采用FAO 56Penman-Monteith(1998)、Hargreaves-Samani、Rn计算法、Rs计算法、Makkink、Priestley-Taylor和Irmark-Allen方法计算参照作物腾发量(ET0),并以Penman-Monteith为基准,对其他6种计算方法进行线性校正和精度对比,并对校正后的计算结果进行了拟合相关图和拟合优度的检验.【结果】ETPM与校正前后ET0的回归系数由(0.634,0.918)提高到(0.879,0.930),一致性指数由(0.810,0.961)提高到(0.968,0.983),误差方差由(0.307,0.728)降低至(0.262,0.480),平均相对误差由(19.148%,56.515%)降低到(11.250%,19.033%).【结论】校正后6种模型模拟的结果均有所提高,Hargreaves-Samani仅需要获得Tmean、Tmax和Tmin资料,资料相对容易获得,Rs计算法和Makkink方法需要获得Rs和Tmean,其他3种方法需要获得或计算R_n.     

气象资料缺测时Penman Monteith温室修正式的应用

【目的】Penman-Monteith公式(P-M公式)是目前计算大田作物蒸腾蒸发量(ETc)的主要方法,利用该方法可预测未来短期内作物水分亏缺状况,但由于温室与大田之间的环境条件存在显著差异且温室气象数据往往不全,故需要研究提高温室作物水分状况预测精确度的途径。【方法】利用温室番茄主要生育期气象环境信息和土壤水分实测数据,对基于水量平衡原理和P-M温室修正式计算出的ETc结果进行了对比,研究分析了P-M温室修正式的可靠性与气象资料缺测时P-M温室修正式的应用方法,同时对温室气象数据缺测时运用P-M温室修正式计算参考作物蒸腾蒸发量(ET0)的精度进行了分析。【结果】基于P-M温室修正式计算出的ETc与水量平衡法计算出的ETc结果较吻合,相对误差均小于10%。当气象资料缺测时,基于FAO推荐的几种计算方法,运用P-M温室修正式计算的ET0相对误差如下:由日照时数(n)估算太阳净辐射(Rn)进而求得ET0的方法相对误差为17.35%;由气温(T)估算Rn进而求得ET0的方法相对误差为41.69%;由最低气温(Tmin)代替相对湿度(RH)计算实际水汽压(ea)进而求得ET0的方法相对误差为19.09%;分别由n估算Rn,由Tmin计算ea进而求得ET0的方法相对误差为36.31%;Rn与ea均由T估算进而求得ET0的方法相对误差为61.23%。【结论】利用P-M温室修正式可以较好地预测温室作物的水分状况,当修正式的参数Rn缺测时可以用n计算Rn;当参数RH缺测时,可以用Tmin代替RH计算ea。     

气象因素对民勤地区参考作物腾发量变化的贡献分析

利用世界粮农组织的Penman-Monteith方法以及敏感曲线分析法,对甘肃国家级地面站点民勤站1968—2018年来的参考作物腾发量和气象因素的变化规律及各气象因子对参考作物腾发量变化的贡献大小进行了研究。结果表明:1)民勤站参考作物腾发量ET0年内变化特征呈抛物线形式,在1—5月增加,8—12月递减,7月达到最大值为5.29mm/d,年际变化整体呈波动上升趋势;2)利用相关性分析与主成分分析发现ET0与平均最高气温Tmax、平均饱和水汽压差VPD的相关性最大,利用偏相关性分析发现ET0与平均风速U、平均净辐射与土壤热通量的差Rn-G的相关性最小,但ET0与U、Rn-G的偏相关性较大,说明ET0与U、Rn-G的关系受其他气象因素的影响较大;3)气象因素的年内变化与ET0对各气象因素的敏感系数在年内的变化趋势有一定的相似度。ET0对Rn-G的敏感系数不大,但是由于Rn-G自身的增长幅度较大,导致Rn-G对ET0增长的贡献率最大;平均气温T和VPD对ET0的增长也产生了一定的贡献;U对ET0的增长产生了较大的负贡献。     

澳大利亚参考作物蒸散量变化及影响因素分析

[目的]探讨参考作物蒸散量在全球气候变化环境中的区域响应形式及其影响因素。[方法]利用Penman-Monteith方程计算澳大利亚1998～2007年的参考作物蒸散量(ET0),通过GIS方法分析ET0的时空变化特征并探讨ET0与主要气候因子的关系。[结果]①多年平均ET0呈半环状分布,自东、南2面向西北部和内陆逐渐增加,与气候带分布具有较高的空间一致性;②全区平均ET0约1750mm,2000年取得最小值(1647.97mm),2002年取得最大值(1851.45mm);③ET0按夏、春、秋、冬的顺序递减,1、12月ET0最高,分别为200.42和201.24mm,6月最低,为79.55mm;④ET0与平均气温、太阳辐射量呈正相关,确定性系数分别为0.83、0.94,与平均相对湿度呈负相关关系,与降水量没有明显的相关性。[结论]该研究为澳大利亚的作物需水量研究及灌溉措施的制定提供了参考。     

Analysis on Temporal and Spatial Variation Characteristics of Potential Evapotranspiration in Guizhou Province

[目的]分析贵州省潜在蒸散发量时空变异特征。[方法]根据贵州省1960-2007年19个气象观测站观察资料,应用优化的Penman-Monteith公式及SEBAL净辐射模型公式计算各站参考作物蒸发蒸腾量ET0,并借助Arcgis9.3空间差值法、气候倾向率统计方法、K-M检验、小波分析等分析了各监测站内气象因子与ET0的相关性区域分异及时空变化特征。[结果]潜在蒸散发与气象因子的相关性在贵州省内呈现区域分异,潜在蒸散发与气象因子的相关性与气象因子的年内变化量没有直接联系;潜在蒸散发量的变化存在3个周期,分别为1、5和10年,存在3个突变点,分别为1965、1984和1999年,主要受到气温、降雨及太阳辐射的影响。[结论]对现有水资源情况下灌溉发展模式,农业结构调整,生态建设方面起到现实指导意义。     

退化红壤区针阔混交林3种优势树种树干液流特征比较

运用Granier热扩散法对退化红壤区针阔混交林3种优势树种杉木(Cunninghamia lanceolata)、马尾松(Pinus massoniana)和木荷(Schima superba)树干液流速率进行测定,结合自动气象站同步监测太阳净辐射、空气温度、空气相对湿度等气象因子,为退化地区植被恢复林分结构配置以及林地水分管理提供理论依据。结果表明:3树种晴天树干液流呈"昼高夜低"的单宽峰型曲线,但液流启动、到达峰值的时间以及数值大小存在差异。木荷比杉木、马尾松提前0.5 h启动、到达峰值。木荷液流速率平均值分别为杉木、马尾松的4倍和1.5倍。3树种雨天树干液流呈多峰型曲线,液流速率值明显低于同时期晴天水平。3树种树干液流与太阳净辐射、水汽压亏缺昼夜变化间存在时滞时间,表现为树干液流滞后太阳净辐射,而提前于水汽压亏缺。偏相关分析结果表明:树干液流速率与空气温度、太阳净辐射、水汽压亏缺呈极显著正相关,与空气相对湿度呈极显著负相关。在考虑液流速率与气象因子间时滞现象的情况下,采用逐步剔除法建立各生长时期液流速率与气象因子的多元线性回归方程。所有回归方程的拟合效果良好,复相关系数基本在0.8以上,经F检验,均达到极显著水平。在整个生长季,太阳净辐射、空气温度和空气相对湿度共同解释杉木液流速率的81.3%~92.2%,太阳净辐射和水汽压亏缺共同解释马尾松液流速率的91.9%~93.6%。对于木荷而言,在4、5、6、7月,太阳净辐射和水汽压亏缺共同解释液流速率的72.1%~92.5%,而在8、9、10月,太阳净辐射和空气相对湿度共同解释液流速率的80.7%~92.7%。因此,在整个生长季,太阳净辐射为影响3树种液流速率的主导因子。     

基于支持向量机优化粒子群算法的作物生育期ET_0预测

ET0是计算作物需水量、进行农田灌溉管理及区域水资源优化配置的重要依据。为了提高ET0的预测精度,将粒子群(particle swarm optimization,PSO)算法引入到ET0预测中,并用支持向量回归机(support vector machine,SVM)优化参数。PSO-SVM将最高气温、最低气温、相对湿度、平均风速与日照时数输入到SVM中学习,将SVM参数作为PSO中的粒子,把ET0值作为PSO的目标函数,然后通过粒子之间相互协作得到SVM最优参数,对ET0进行预测,并采用PM模型计算值验证。该文以新疆喀什地区为例,通过采用粒子群耦合支持向量机(PSO-SVM)算法训练得到模型,并用10组数据进行预测;最后引用BP神经网络算法和PSO-SVM算法进行了对比,其结果表明,PSO-SVM算法预测准确率较高,预测值与实测值间相关系数达0.682,平均相对误差为3.19%。     

贵州省潜在蒸散发量时空变异特征分析（英文）

[目的]分析贵州省潜在蒸散发量时空变异特征。[方法]根据贵州省1960~2007年19个气象观测站观察资料,应用优化的Penman-Monteith公式及SEBAL净辐射模型公式计算各站参考作物蒸发蒸腾量ET0,并借助Arcgis9.3空间差值法、气候倾向率统计方法、K-M检验、小波分析等分析了各监测站内气象因子与ET0的相关性区域分异及时空变化特征。[结果]潜在蒸散发与气象因子的相关性在贵州省内呈现区域分异,潜在蒸散发与气象因子的相关性与气象因子的年内变化量没有直接联系;潜在蒸散发量的变化存在3个周期,分别为1、5和10年,存在3个突变点,分别为1965、1984和1999年,主要受到气温、降雨及太阳辐射的影响。[结论]对现有水资源情况下灌溉发展模式,农业结构调整,生态建设方面起到现实指导意义。     

2000～2008年黑河流域潜在蒸散量的时空变化

[目的]研究2000~2008年黑河流域潜在蒸散量的时空变化。[方法]利用2000~2008年黑河流域21个气象站的逐日气候资料,结合FAO Penman-Monteith模型,分析了黑河流域9年来潜在蒸散量（ET0）的时空变化特征,并对其主要气候影响因子进行了探讨。[结果]黑河流域春、夏、秋、冬四季和年的ET0序列变化呈现缓慢上升趋势,但并未达到显著性水平;多年平均ET0空间分异特征明显,表现为从东北荒漠向西南山区逐渐减少,且多年季节变化依照夏、春、秋、冬季的顺序递减,逐月变化呈单峰变化趋势,峰值出现在7月。相对湿度、平均风速和水汽压是影响研究区内ET0变化的主要气候因子,而平均气温对ET0的影响作用不显著。[结论]该研究为制定流域规划、地区水利规划及排灌工程提供理论依据。     

基于EMD方法的参考作物腾发量振荡模态分析

为研究参考作物腾发量(ET0)在不同时间尺度振荡模态特征,以阜新市为例,依据阜新、彰武两气象站1954~2006年逐日气象资料,利用彭曼蒙特斯公式计算逐月ET0,并应用EMD方法对ET0和温度(T)、风速(WS)、相对湿度(RH)及日照时数(SN)等气象因子进行振荡模态特征分析。结果表明:ET0及其4个气象因子经EMD分解后,IMF均呈现振荡频率和振幅依次减小,周期依次增大,IMF逐步由非线性趋向线性的规律。T、WS、RH和SN以及ET0最大贡献率发生在IMF1(93.0%)、IMF2(35.0%)、IMF2(64.5%)、IMF2(40.0%)和IMF2(84.3%)分量,主要振荡周期依次为1.0,0.6,0.8,0.7,1.0年。EMD方法在ET0振荡模态规律中的研究,为ET0的基础研究提供了参考,为解析ET0规律研究提供了一种新的手段。     

宁波地区参考作物蒸散量计算模型研究

针对宁波地区节水灌溉中需要动态调节问题,研究参考作物蒸散量(ET0)在气象资料短缺条件下不同类型的简化计算方法,运用FAO-56 Penman-Monteith(PM)法、FAO-24 PM法、Hargreaves法、Mc Cloud法、PriestleyTaylor法和Makkink法计算宁波鄞县站1 971—2015年逐日的ET0。结果表明,Hargreaves法和Makkink法计算误差较小,相关性显著,Mc C loud法计算误差较大。通过总ET0值分析,相对误差都较大,在15%以上,这些方法在宁波地区适用需进行修正研究。本文对显著相关性的Hargreaves和Makkink进行修改,改进后模型相关性显著,且相关误差非常小,接近于0。得出这2个模型可以作为宁波地区气象资料短缺和气温异常波动双重背景下ET0的简化计算方法。     

参照作物腾发量变化规律的探讨

选用Penman-Monteith公式计算了三河市参照作物腾发量(ET0),分析了不同水文年降水与参照作物腾发量的变化关系,并对参照作物腾发量构成项进行了比较。结果表明:参照作物腾发量中辐射项(ETrad)的变化趋势基本反映了腾发量(ET0)的变化趋势,一年四季都处于主导地位,而空气动力学项(ETaero)全年变化较小,一般在冬季对腾发量有较大影响。