考虑沼泽植被盖度差异对湿地腾发量计算的影响

以我国北方湿地为研究对象,在统计分析沼泽植被盖度的基础上,分析了盖度对湿地实际腾发与潜在腾发之间关系的影响.结果表明,盖度最高为95％,最低为5％～10％.植被盖度在70％以上的沼泽占总沼泽数的75％;植被盖度在50％以下的沼泽只占总数的12％.在考虑盖度影响的情况下,实际腾发量大于当地潜在腾发量的沼泽占总数的82％;实际腾发量为潜在腾发量2倍以上的沼泽占总数的58％.     

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。     

降雨预报准确度分析及其在水稻节水灌溉决策中的应用

针对未来降雨存在不确定性的问题,为提高降雨利用率,收集了中央气象台2011年5月31日至10月6日桂林市未来4d降雨预报值及桂林气象站实测降雨数据,分析了各等级降雨预报的准确度及其在水稻灌溉决策中的应用.结果表明,预见期1～4 d无雨预报准确率最高,平均可达81.4％,小雨预报为33.7％,中雨以上较低;小雨预报平均空报率为44.1％,中雨预报为81.7％,大雨预报为57.3％;无雨预报平均漏报率为18.6％,小雨预报为22.2％,中雨预报为18.3％,大雨预报为28.6％.当预报为无雨或小雨时,如达到灌溉标准的下限则可直接按计算灌水定额实施灌溉;预报为中雨及以上量级降雨量时,应适当减少灌水定额以降低灌后遇雨形成的灌水浪费,同时需注意避免降雨空报使作物受旱减产.降雨预报具有一定的精度,在进行水稻灌溉决策时应加以利用.     

华北冬小麦-夏玉米农田水分动态模拟研究

冬小麦-夏玉米连作是华北地区主要的粮食作物种植模式。根据华北季节性冻土区的特点,将全年划分为作物生长期与越冬期,分别建立了作物生长条件下农田水分运移模型、冻融条件下土壤水热运移模型。前一模型主要包括参照腾发量计算、腾发量分配、作物根系吸水、土壤表面蒸发、土壤水分特征参数和土壤水分运动等子模型;后一模型主要包括冻土水热耦舍迁移、地气水热交换等子模型。应用以上模型对冬小麦-夏玉米连作条件下的土壤水分过程进行模拟,根据北京永乐店试验资料对模型进行检验。模拟了不同降水水平年、不同灌溉处理下的农田灌溉制度及土壤水分过程,分析了降水、灌溉对农田蒸散、土壤水利用、深层渗漏等的影响。     

腾发量的测定和计算方法研究综述

介绍了测定和计算腾发量的方法，对主要方法的原理特点、适用范围及实际中存在的问题进行了分析。水文法适用性强不受时间和气象下垫面的限制，可用于一周以上或较长时间段的总腾发量的测定；遥感技术的应用大大提高了区域腾发量的测量精度；蒸渗仪法简单易行，结果也比较精确；微气象学法不破坏下垫面，适用于整齐均一的作物与林木腾发量的测定；植物生理学法适用于植物个体腾发量的测定。在计算方法方面，应用Penman-monteith方程等单一模型较多，但研究上已转向可估算不同植物类型腾发的多层模型和SPAC系统模型。互补相关模型也在估算区域腾发上得到应用。     

黄河上游年降雨-径流预测研究

基于多层前向人工神经网络理论，通过GA-BP混合算法，使用黄河上游兰州水文站45年实测降雨和径流序列资料，建立了降雨—径流预测的GA-BP神经网络模型。研究表明，仅用预报前时段的降雨和径流作为输入，来实现下时段的径流预测，其预报精度较差，但在预报期内有一定精度的降雨预报输入时，所建模型对下时段的径流预测，与传统的统计建模方法相比，预报精度较高，能较好地反映黄河上游区的降雨—径流规律，可应用于实际需要。     

基于GS的降雨径流预报方法研究

为满足降雨径流预报的需要，研究了基于GIS的降雨径流预报方法。分析了水文过程的影响因素并阐述了数据信息的预处理方法；提出了基于遗传算法的神经网络模型，该模型提高了神经网络的训练精度和效率，将该模型应用在降雨径流预测中能有效提高预测水平；提出了结合地理信息系统流域降雨径流预报，通过GIS对降雨信息的处理，提高了降雨径流预报模型的输入数据的精度；通过实例分析，验证了该方法在降雨径流预报应用中的可靠性和高效性。     

基于GIS的降雨径流预报方法研究

为满足降雨径流预报的需要，研究了基于GIS的降雨径流预报方法。分析了水文过程的影响因素并阐述了数据信息的预处理方法；提出了基于遗传算法的神经网络模型，该模型提高了神经网络的训练精度和效率，将该模型应用在降雨径流预测中能有效提高预测水平；提出了结合地理信息系统的流域降雨径流预报方法，通过GIS对降雨信息的处理，提高了降雨径流预报模型的输入数据的精度；通过实例分析，验证了该方法在降雨径流预报应用中的可靠性和高效性。     

HEC-HMS模型在四川省清溪河流域山洪预报中的应用

山洪灾害往往给山区人民生命财产、自然环境等造成了极大的损害,降低山洪灾害的有效途径之一是实现基于降雨径流模型的实时预报预警系统。选取四川省山洪易发流域-清溪河流域为研究区,通过GIS技术,结合流域DEM、土壤及土地利用数据提取流域信息,构建HEC-HMS降雨-径流模型进行流域山洪预报。根据降雨径流形成过程,分别采用SCS-CN曲线法、SCS单位线法、指数退水法和马斯京根法进行计算产流、坡面汇流、基流和河道汇流四个部分。选取6场洪水进行模型参数的率定,4场洪水进行模型验证。模拟结果表明:Nash效率系数均值为0.792,相关系数均值为0.84,峰现时差均在3 h以内,合格率为90%,该模型对清溪河山洪预报具有较好适应性,可为四川省中小河流域山洪预报提供借鉴和参考。     

计算水稻灌溉定额的简化方法

水稻灌溉用水量是水利化区划、水库调节计算以及灌区规划设计和管理的重要数据之一,因此如何正确、迅速拟定水稻灌溉用水量,是当前生产上急需解决的重要课题。过去我们经常采用水稻生育降雨量系列频率法(下称“降雨频率法”),选择典型年设计水稻灌溉制度。降雨频率法认为水稻灌溉用水量和生育期降雨量有密切的相关关系,用此法在计算某一保证率的用水量时,总是选取水稻生育期降雨频率接     

灌溉用水效率尺度效应的模拟分析——以宁夏惠农渠灌域典型灌排单元为例

以宁夏惠农灌域某个300hm~2的典型灌排单元为例,利用修改后的干旱区绿洲散耗型水文模型模拟水分收支,并计算两个灌溉用水效率指标(腾发量占净入流量比例和出流量占净入流量比例)随尺度变化规律,结果表明:1研究区以旱作为主,加之降雨较少,地表排水占土壤和地表水支出量的6.6%,重复利用水量占净入流量比例为9.7%;2腾发量占净入流量比例随尺度增大而增大,出流量占净入流量比例随着尺度增大而减小,种植结构的空间差异(水稻面积增加)对该尺度效应有负面影响,原因是水稻排水量相对较大使得用水效率降低;3由于回归水重复利用量相对偏少,用水效率随尺度提升效果有限,从单个地块提升到4个地块,腾发量占净入流量比例提升6.4%。     

降雨径流相关模型在丹江口水库洪水预报中的应用研究

针对丹江口流域已有水文资料及流域气象特点,将该流域划分为12个单元区,建立降雨径流经验相关模型,应用于丹江口水库的短期洪水预报系统,并采用基于可变遗忘因子递推最小二乘算法的校正技术对预报流量过程进行实时校正。计算结果表明,基于降雨径流经验相关模型预报的洪水过程与实测过程基本一致,洪峰数值及峰现时间指标合格率较高。实践证明,模型具有较高的预报精度,可为防汛部门提供较为准确的降雨径流预报方法。     

基于SEBAL模型的土默特右旗腾发量研究

【目的】评价SEBAL模型在估算内蒙古包头市土默特右旗腾发量时的适用性。【方法】基于2015年作物生育期内的Landsat8遥感影像,建立SEBAL模型,估算腾发量,利用FAO Penman-Monteith公式与水量平衡法估算得到腾发量进行了验证及评价,并采用多元逐步回归方法对其影响因素进行了分析。【结果】日腾发量的分布具有明显的空间差异性,呈现出"山峰型"变化趋势。SEBAL模型腾发量估算值与水量平衡法估算值相比,相对误差的平均值为6.053%;Penman-Monteith公式计算得到的日腾发量与水量平衡法估算值相差7.682%,都在10%以内,达到了精度要求,且SEBAL模型估算腾发量的精度高于Penman-Monteith公式。日腾发量与NDVI和地表温度相关性显著,由二者建立了最优的多元逐步回归方程。【结论】在缺乏数据的情况下,利用SEBAL模型可以较为准确地估算出土右旗的腾发量,且NDVI和地表温度对其的影响较大。     

人工草地ET_0算法的适用性分析及ET_c影响因子研究

收集24 a鄂尔多斯乌审旗气象资料,以PM为标准,对比分析了Hargreaves和Priestley-Taylor两种方法在鄂尔多斯地区的潜在腾发量计算精度,并对二者的适用性进行评价。结果表明,Hargreaves的计算精度比PriestleyTaylor高,与PM相比,Hargreaves和Priestley-Taylor方法的24 a平均年绝对差分别是5.247 7和-26.853 4,相对差分别是0.646 6%和-3.308 6%,因此Hargreaves比Priestley-Taylor更适用于乌审旗地区。应用"草地腾散力自动测试系统"对乌审旗紫花苜蓿草地实际腾发量和近地层环境因子进行了观测,并进行了经线性回归分析。     

考虑未来降雨的风险灌溉决策评价

提高降雨利用效率是农业节水的有效途径.根据天气预报中的未来降雨情况制定灌溉决策尽管可提高降雨利用效率,减少灌水浪费,但同时也存在因预报不准确而使作物受旱减产的风险.以赣抚平原灌区为例,根据2014—2015年早稻和晚稻生育期间的天气预报近期天气的温度及降雨量,预报水稻需水量,推求水稻灌溉制度,制定基于考虑未来降水的风险灌溉决策,并对风险决策和常规决策进行定量的节水效果、产量及灌水次数评价.结果表明:相对于常规灌溉,考虑天气预报的风险灌溉决策,除2014年早稻灌溉用水量一致外,可节水7.8%~16.7%.由于早稻生育期降水量大,产量基本不受干旱影响;晚稻风险灌溉决策的产量尽管有所下降,但降低幅度均在0.3%以内,并且灌溉次数可减少1~2次,因此风险灌溉决策可在一定程度上提高降雨利用率,减少灌水次数,节约灌溉用水.     

南方水稻生育期降雨预报准确率评价及节水灌溉策略分析

以江西省赣抚平原灌区为例,收集了中央气象台2012—2015年的三季早稻和晚稻生育期内未来7 d降雨预报数据和实际观测降雨数据,采用正确率、漏报率、空报率、TS评分及ROC对降雨预报准确率进行评价,在此基础上提出相应的节水灌溉策略.结果表明:水稻生育期晴雨预报正确率达76.3%,早稻的漏报率总体低于晚稻,空报率高于晚稻,小雨TS评分相差较小,中雨及以上量级降雨晚稻明显小于早稻;1~7 d预见期的ROC下的面积都大于0.5,表明命中率大于虚警率,都有正的预报价值,可用于灌溉管理.返青期、乳熟期和黄熟期早稻的正确率为80.1%~88.6%,如果预报结果在小雨及以上量级可不灌或少灌;分蘖前期、分蘖后期、拔节孕穗期和抽穗开花期的正确率稍低,为64.9%~77.2%,此期间如果遇连续无雨和小雨预报可按照需水量进行灌溉,如果预报2~3 d内有中雨或以上降水则应减少灌溉量;早稻与晚稻相比虽然预报的准确度较低,但降雨预报次数和实际降雨次数更多,尤其遇到中雨及以上量级预报时,可适当减少每次灌溉的水量.考虑降雨预报的准确度进行灌溉决策既可充分利用天然降雨,又可避免灌水浪费,从而达到节水增效的目的.     

灰色预测在作物需水量推算中的应用

该文运用灰色预测方法进行作物需水量预报.除以1980～1991年实测数据序列进行整体建模外,还以降雨频率为基础分为正常年及灾变(丰、枯)年型的子序列建立全生育期G(1,1)模型.同时按水稻不同生育期需水量本身及同相应的积温建立G(1,1)与G(1,2)预测模型.经水稻需水量观测数据建模预测,其结果效果好,精度高,利于在灌溉水量预报,制定用水计划、水源调度中广泛应用.     

灰色预测在作物需水量推算中的应用

该文运用灰色预测方法进行作物需水量预报。除以１９８０－１９９１年实测数据序列进行整体建模外，还以降雨频率为基础分为正常年及灾年（丰，枯）年型的子序列建立全生育期Ｇ（１，１）模型。同时按水稻不同生育期需水量本身及同相应的积温建立Ｇ（１，１）与Ｇ（１，２）预测模型。经水稻需水量观测数据建模预测，其结果效果好，精度高，得于在灌溉水量预报，制定用水计划，水源调度中广泛应用。     

考虑降雨有效利用的水稻灌溉模式的优化

为充分利用有效降雨挖掘农业节水潜力,以湖北漳河灌区为例,提出一种考虑降雨有效利用的水稻灌溉模式的优化方法,根据长系列历史气象数据对传统淹灌模式进行分阶段优化,改变各生育阶段控制水层深度,寻找最大利用降雨兼顾减少灌水次数的最优水层深度组合并分析节水原因及效果.结果显示,优化后适宜水层下限比优化前低10 mm,降雨后最大蓄...     

基于神经网络的洮河枯期径流预报模型研究

根据洮河50年(1957～2006年)的径流量、降雨和上游径流量数据,建立了基于反馈神经网络的Elman洮河枯季径流预报模型。利用matlab7提供的神经网络工具箱进行建模训练。仿真结果表明所采用的Elman网络预报模型精度高,为人工神经网络运用到水文预测方面提供了依据。