岷江源区Hargreaves法适用性与未来参考作物蒸散量预测

利用岷江源区1961—2010年逐日气象数据,采用FAO 56 Penman-Monteith和Hargreaves公式计算参考作物蒸散量,并以FAO 56 Penman-Monteith为标准对Hargreaves公式适用性进行评价,通过对Hargreaves公式转换系数C0进行修正,建立基于月尺度的参考作物蒸散发公式,结合Reg CM4.0区域模型生成的温度数据,对未来(2011—2099年)研究区参考作物蒸散发量变化进行预测。研究结果表明:通过通径分析发现,在岷江源区气温是影响参考作物蒸散量最重要的气象因子,采用基于温度法的参考作物蒸散发公式具有理论依据;采用未修正的Hargreaves公式明显高估了该区域参考作物蒸散量,特别是在雨季4—10月;修正后的Hargreaves公式绝对偏差与相对偏差显著减小,与FAO 56 Penman-Monteith月值之间均方根误差RMSE为3.76 mm、效率指数EF为0.39、可决系数CD为0.84,吻合系数d为0.8,能够满足研究区参考作物蒸散发估算精度;在未来气候变化情景下岷江源区参考作物蒸散量总体呈增加趋势,气候倾向率为5.6 mm/(10 a)。     

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。     

改进Hargreaves-Samani模型预测广西盆地参考作物蒸散量

准确估算参考作物蒸散量(ET₀)对于区域水资源管理和灌溉决策有着重要意义.Hargreaves-Samani模型(HS)是目前公认结构最简单且精度较高的ET₀估算模型.为了进一步提高HS模型预测精度,采用蜂群理论和广西盆地20个气象站(1961—2019年)数据对HS模型全局校准,使用1961—2000年数据对HS模型进行校准,2001—2019年数据在日、月、年尺度上验证.结果表明：全局优化后的经验参数C,m和a中,参数a随地形起伏差异较大,而参数C和m差异较小;校准后HS模型(平均MAE和R²分别为1.06 mm/d和0.86)优于原始HS模型(MAE和R²分别为2.20 mm/d和0.68);在日、月和年时间尺度上,校准HS模型和原始HS模型都高估了ET₀,但校准的HS模型与P-M模型计算的ET₀更为接近.因此,对仅有温度数据的地区,推荐采用校准的HS模型估算ET₀.     

云南省不同生态水文分区参考作物蒸散量算法适用性评价

将云南省分为3个区域(Ⅰ,滇西—滇西南山原与高山多水区;Ⅱ,滇西北—滇东北山原河谷中水区;Ⅲ,滇中北高原中水-少水区),基于36个气象站点1958—2013年逐日气象资料,以Penman-Monteith法为标准,利用线性回归法、均方根误差、平均偏差和Nash-Sutcliffe系数对Hargreaves-Samani法、Irmark-Allen法、Priestley-Taylor法、Makkink法、1948-Penman法、Penman-Van Bavel法、Turc法、FAO 24 Radiation法和Jensen-Haise法9种算法的计算精度进行对比。结果表明:1948-Penman法在云南省的适用性最强、计算精度最高,FAO 24 Radiation法与JensenHaise法误差较大,其中Ⅰ区适用性最好的是Hargreaves-Samani法,Ⅱ、Ⅲ区1—6月份为1948-Penman法,7—12月份为Priestley-Taylor法;在相对误差空间分布中,Ⅰ区Hargreaves-Samani法、Irmark-Allen法、Priestley-Taylor法、1948-Penman法的相对误差均在20%以下;Ⅱ、Ⅲ区中,Priestley-Taylor法、1948-Penman法的相对误差较小,为0~20%,同时在Ⅲ区中,Irmark-Allen法的相对误差也相对较小;因此,计算云南省的参考作物蒸散量时,整个区域推荐1948-Penman法,滇西—滇西南山原与高山多水区推荐Hargreaves-Samani法,滇西北—滇东北山原河谷中水区和滇中北高原中水-少水区推荐Priestley-Taylor法。     

13种典型参考作物蒸散量估算模型在安徽省的适用性评价

考虑到Penman-Monteith FAO-56(PMF-56)模型在估算参考作物蒸散量(ETref)时受限于对大数据集的要求以及复杂的计算过程,此时迫切需要寻找计算过程简单且输入变量较少的经验模型.首先采用安徽省2001-2014年65个气象站点常规气象观测数据,通过相对均方根误差(RRMSE)、平均绝对误差(MA...     

参考作物蒸散量计算方法在西宁的适用性分析

利用青海西宁气象站点1970-2016年的逐日气象资料,以Penman-Monteith估算结果作为计算参考作物蒸散量(ET0)的标准,讨论Hargreaves-Samani法、Mc Cloud法与1948 Penman法3种方法在青海省西宁地区的适用性。结果表明:1948 Penman法和Hargreaves-Samani法优于Mc Cloud法;Mc Cloud估算结果显著偏小;Hargreaves-Samani法,在ET0较小时估算值与Penman-Monteith方法计算值相当,在ET0较大时,估算结果显著高于标准值;1948 Penman法与Penman-Monteith法相关系数较高,一致性最好,可以对1948 Penman法的估算值乘以一个常数就能够近似代替PenmanMonteith公式的估算值,提高估算精度。     

新疆参考作物蒸散量敏感性分析

根据1961—2013年我国新疆地区55个气象站常规气象资料,基于Penman-Monteith公式计算了参考作物蒸散量(ET0),并计算其对最高温度、最低温度、风速、日照时数和相对湿度的敏感系数,最后分析了敏感系数的时空变化特征。结果表明,年最高、最低温度呈显著增长趋势,风速、参考作物蒸散量及日照时间呈显著减少趋势。最高温度对ET0敏感性最高,相对湿度次之,而日照时数的敏感性最低。由于气象因子空间分布不均匀,所以新疆敏感系数存在空间分布差异。最高温度、风速和相对湿度的敏感系数在新疆中部及北部较高。最低温度在新疆的西部、东部较高,中部天山山区较低。日照时数在南疆地区较高,北疆地区较低。53年来,最高温度和风速的敏感系数呈减少趋势,其中南疆地区减少趋势明显。最低温度的敏感系数全疆呈增加趋势,在天山山区增加趋势明显,日照时数的敏感系数在南疆地区增加趋势明显,相对湿度的敏感系数在全疆地区呈增加趋势。     

三江源地区作物参考蒸散量的时空分布特征变化及未来趋势预测北大核心

基于1979-2014年三江源地区ET_(0)计算值结合NCEP再分析数据建立统计降尺度模型SDSM,通过模型验证发现该方法在三江源地区ET_(0)预测具有较好的适用性;然后通过率定的模型将2015-2100年CanESM5模式中ssp1-2.6,ssp2-4.5和ssp5-8.5情景模式下的预测数据降尺度处理为站点数据,最终分析计算出了三江源地区13个气象站点近36年来作为基准期的ET_(0)变化特征,以及ET_(0)值在未来不同情景下相对于基准期的变化。结果表明:(1)基准期空间分布上呈现南部和东北部高,西北和中部地区低的分布格局,其中年平均ET_(0)为855 mm,以0.043 mm/a的增长率增加;(2)2015-2100年夏季和冬季的季节平均ET_(0)在空间分布上与基准期一致,但春季、秋季都以五道梁为低值区中心,存在低值区范围缩小、扩散的分布变化;年平均ET_(0)在3种情景模式下均呈现显著增长趋势,ssp5-8.5增幅最多,其次是ssp2-4.5,ssp1-2.6增幅最少;(3)ssp1-2.6和ssp2-4.5情景模式下的ET_(0)增量秋季大于春季,与ET_(0)值春季高于秋季的季节分布特征存在差异。总体来看,2015-2100年年平均ET_(0)空间分布特征和基准期保持一致,ET_(0)值均有明显上升趋势,但区域增量存在地区差异,玛多、班玛可能成为未来ET_(0)高值区。ET_(0)的不断上升可能导致区域水资源短缺进一步加剧,干旱发生频率增加,需要加强区域生态需水指标构建、作物气候生产潜力以及干旱分布研究等工作,以便提前做好应对措施。     

云贵高原参考作物蒸散量时空特征及成因分析

为了探究云贵高原地区参考作物蒸散量(ET₀)的时空分布特征,基于云贵高原42个代表性气象站点近56 a(1961—2016年)逐日气象数据,利用Mann-Kendall检验探究ET₀主要的气象驱动因子,并运用多元回归分析量化了各气象因子对ET₀的贡献率.结果表明：云贵高原近56 a风速和气温呈逐年上升趋势,增幅分别为0.001 2 (m·s^-1)/a和0.018℃/a,太阳辐射和相对湿度呈下降趋势,降幅分别为0.007 3 (MJ·m^-2·d^-1)/a和0.074 6%/a;近56 a来ET₀整体呈波动式上升趋势,增幅为0.287 1 mm/a,空间分布西高东低,差异特征显著,西部地区24个站点年均ET₀为1 100～1 200 mm,东部18个站点年均ET₀为843～950 mm;在春、秋、冬季太阳辐射是云贵高原ET₀的主要驱动因子,夏季气温是ET₀     

中国不同气候区参考作物蒸散量计算模型适用性评价

参考作物蒸散量(ET0)的准确计算是制定作物灌溉制度和区域灌溉用水量计划的基本依据.为提高中国不同气候区域ET0计算精度,以FAO56 Penman-Monteith(PM)模型为标准,对28个基于温度和辐射的ET0经验模型在中国温带季风区(TMZ)、温带大陆区(TCZ)、高原山丘区(MPZ)和亚热带季风区(SMZ)的...     

4种人工智能模型在江西省参考作物蒸散量计算中的适用性

为了实现气象资料缺失下参考作物蒸散量ET₀的高精度预测,以江西南昌、吉安及龙南站1966-2015年每日最高气温T_max、最低气温T_min、日照时数n、相对湿度RH和2 m高风速u₂作为输入参数,以FAO-56 Penman-Monteith(P-M)公式的计算结果作为对照,建立了6种不同气象要素组合条件下的4种ET₀计算模型,并分别与输入相同数据的经验法计算结果进行了比较.结果表明,在3个站点中,多元自适应回归样条法MARS模型的精度最高,且计算简便,可作为江西省蒸散量模拟的推荐方法.当4种模型的输入数据完整时,模拟精度均达到最高,表明4种模型均可适用于对参考作物蒸散量的模拟;输入数据缺失条件下,各气象要素对智能模型模拟ET₀的影响由大到小按参数排序依次为T_max,T_min,n,RH,u₂.与传统经验公式相比,4种智能模型的ET₀计算结果精度均优于输入相同数据的经验法.     

基于Hargreaves的四川地区参考作物蒸发蒸腾量研究

参考作物蒸发蒸腾量是影响作物需水量的关键因素,对农业生产、灌溉指导等具有重要意义。利用四川省内11个国家级地面气象站点1991-2010年逐日气象观测数据,探讨基于Hargreaves的四川省蒸发蒸腾量估算方法。以Penman-Moanteith公式为标准对Hargreaves公式计算结果进行拟合,获取线性修正参数,并对修正后的Hargreaves公式进行验证,分析修正前后相对误差,运用Arc GIS探讨参考作物蒸发蒸腾量及修正参数的四川省内空间分布规律。结果表明利用线性拟合获得的修正参数可有效减小相对误差,四川省内蒸发蒸腾量自西向东在空间上呈现递减趋势。修正后的Hargreaves公式可反映参考作物蒸发蒸腾量实际状况,为作物需水量、农业水资源利用及农田灌溉提供理论指导。     

参考作物蒸散量对气象要素的敏感性分析

为了研究参考作物蒸散量(ET_0)对气象要素的敏感性,利用新乡地区1951―2003年逐日气象资料,由Penman-Manteith公式计算参考作物蒸散量,采用敏感曲线和敏感系数方法分析了参考作物蒸散量对气象要素的敏感性。结果表明,温度、风速和日照时间3种气象要素与ET_0正相关,相对湿度与ET_0负相关。1―12月,相对湿度和风速的敏感系数表现为"先减小后增大"趋势,而日照时间和温度敏感系数表现为"先增大后减小"趋势。在全年中,ET_0对气象要素的敏感程度表现为相对湿度风速日照时间温度;第一、四季度各气象要素在季尺度中的敏感性均为相对湿度风速日照时间温度,第二季度表现为相对湿度日照时间风速温度,第三季度表现为相对湿度日照时间温度风速;冬小麦生育期典型时段内各气象要素敏感性在1、3、10月份均表现为相对湿度风速日照时间温度,5月则表现为相对湿度日照时间风速温度。     

基于MARS模拟鄱阳湖地区参考作物蒸散量

为了寻找最适宜的鄱阳湖作物蒸散量替代计算方法,文中以FAO Penman-Monteith模型参考作物蒸散量计算结果(ET₀)为标准值,使用江西省南昌站1966—2015年逐日最高温度、最低温度、日照时数、风速和相对湿度数据(其中1966—1990年数据用于建立模型,1991—2015年数据用于验证模型),建立12种不同气象要素组合条件下的多元自适应回归样条(MARS)ET₀计算模型,并将计算结果与广义回归神经网络(GRNN)、支持向量机(SVM)和经验模型(Hargreaves法、Irmak-Allen法、Makkink 法、Pristley-Taylor法)的计算结果相比较.结果表明:3种人工智能算法的ET₀计算结果精度均优于相同输入数据下的经验模型.3种人工智能算法中MARS的精度最高,在全参数组合下RMSE为0.227 mm/d,R²为0.982,NRMSE为0.086,其次是支持向量机,其在全参数组合下RMSE为0.266 mm/d,R²为0.978,NRMSE为0.101,GRNN排第三,其在全参数组合下RMSE为0.323 mm/d,R²为0.962,NRMSE为0.123.缺少温度参数时,模型精度总体较差,3种人工智能算法下R²仅为0.8左右.MARS法不但精度更高,而且具有明确的数学表达式,是鄱阳湖地区适宜的ET₀计算方法.     

艾比湖绿洲参考作物蒸散量的敏感性分析

【目的】研究艾比湖绿洲参考作物蒸散量对不同气象因子的敏感性。【方法】利用Penman-Monteith公式,基于艾比湖绿洲1962—2016年4个气象站的逐月气象资料计算ET0。通过敏感性分析,计算最高温度、最低温度、相对湿度、日照时间和风速的敏感系数,并运用MK趋势检验分析其变化趋势,最后分析了敏感系数在各个站点的变化特征。【结果】通过MK趋势检验,发现参考作物蒸散量、日照时间和风速呈下降趋势;最高温度、最低温度和相对湿度呈上升趋势。通过敏感性分析,发现最高温度、风速在研究区呈下降趋势,最低温度、相对湿度、日照时间为上升趋势。艾比湖绿洲中,各气象因子对ET0的敏感程度为相对湿度>最高温度>风速>最低温度>日照时间。ET0对不同气象因子的敏感系数在空间上存在差异,最高温度、最低温度、风速、相对湿度在艾比湖北部的阿拉山口较高,在温泉站较低;日照时间则在温泉较高,在阿拉山口较低。【结论】相对湿度对艾比湖绿洲ET0的敏感性最高,日照时间的敏感性最低。     

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。     

宁夏荒漠草原区参考作物蒸散量估算方法比较

利用宁夏荒漠草原区银川和盐池2007—2010年逐日气象资料,以FAO56Penman-Montieth(PM)方程计算结果为标准,根据决定系数(R2)、均方根误差(RMSE)、平均偏差(MBE)和一致性指数(IOA),在日、月和年的不同时间尺度上分析评价8种ET0估算模型。结果表明,Kimberly、Penman模型计算的日ET0与PM模型的R2大于0.970,IOA高于0.980,二者计算的ET0与PM模型最为接近。大部分方法估算精度在冬春季(11月—次年4月)高,而在5—10月则较低。Kimberly、Penman模型估算的年ET0与PM模型计算值最为接近。对于PriestlyTaylor、Makkink和Hargreave等参数较少的模型,在使用时应利用气象数据进行系数校正。     

青海省农业生态区参考作物蒸散量的遥感反演

根据青海省农业生态区15个气象站2003年气象资料,应用FAO推荐的Penman-Monteith方程计算参考作物蒸散量(ET0),利用MODIS高程(DEM)、地表温度(LST)及法国SPOT卫星的归一化植被指数(NDVI)遥感影像资料,提取遥感数据并耦合到时间分辨率为旬,空间分辨率为1km,将其与计算所得ET0进行相关分析,运用MATLAB软件进行模型拟合,获得该地区的ET0遥感反演模型及其适用条件,使用Arcgis9.3对利用该模型反演的结果进行了空间分布规律分析。研究结果表明,2003年7—11月各旬遥感因子DEM、NDVI和LST与ET0的线性关系显著,其中DEM与ET0呈显著负相关关系,NDVI和LST与ET0呈极显著正相关关系;获得了该地区基于遥感数据的旬ET0三元线性遥感反演模型,该模型通过α=0.01的F和t显著性检验,模型效果极显著,适用期为7—10月;对2004年计算及反演结果表明,ET0空间分布从西北往东南方向递增,低海拔处往高海拔处递减;模型反演平均相对误差为-1.9%,有较好的反演结果。     

中国西南五省参考作物蒸散量时空变化分析

为深入了解中国西南5省ET0演变规律,利用1954—2013年广西、重庆、云南、贵州、四川5个省市119个站点逐日地面气象资料,采用FAO-56推荐的Penman-Monteith公式计算各站点逐日ET0,并使用Mann-Kendall检验、Morlet小波分析和GIS反距离加权插值定量分析ET0时空变化特征。结果表明,1954—2013年西南5省ET0多年平均值为855 mm,波动范围为819~901 mm,年均ET0总体呈下降趋势(倾向率为-1.5 mm/10 a),在春、夏、秋、冬季也均呈下降趋势(倾向率分别为-0.4、-0.7、-0.3、-0.1 mm/10a),分别占全年的26.7%、46.7%、20%、6.6%;西南5省ET0多年平均值分别以26 a、12 a、5 a为第1、第2、第3周期进行“增大-减小”交替变化;1954—2013年,西南5省年均ET0空间分布总体表现为南部大于北部,云贵高原西部和广西地区明显大于四川盆地和云贵高原东部,四川盆地相对最小,川西高原南部和云贵高原东部地区相对最大;西南5省ET0在春、夏、秋、冬季空间分布较高值区分别为云贵高原西部、四川盆地和云贵高原东部、广西地区、云贵高原西部,较低值区分别为四川盆地、云贵高原西部、四川盆地和川西高原东北部、四川盆地和广西地区。     

蝙蝠算法优化极限学习机模拟参考作物蒸散量

为提高参考作物蒸散量模拟的准确性,提出蝙蝠算法优化极限学习机的参考作物蒸散量模拟模型.基于汕头站1966-2015年月值气象数据(包括逐月最高温度、最低温度、地表总辐射量、风速和相对湿度),建立参考作物蒸散量的极限学习机模型,并采用蝙蝠算法通过交叉验证方法对极限学习机的正则化系数和径向基函数的幅宽进行优化,最后对参考作物蒸散量模拟效果进行评估.结果表明:与传统调参方法和遗传算法优化后的模型相比,蝙蝠算法优化参数极限学习机模型建立了整体性能优异并且稳定的参考作物蒸散量模型,提高了参考作物蒸散量的模拟精度.