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。     

基于公共天气预报的三江平原ET0预报模型比较及敏感性分析

为了提出适合我国三江平原的高精度ET0预报方法,基于该区6个气象站点的天气预报数据和实测气象数据,以FAO56-Penman-Monteith(FAO56-PM)公式计算值为基准,比较Hargreaves-Samani(HS)、Thornthwaite(TH)和Blaney-Criddle(BC)3个ET₀预报模型的效果,对最优模型进行敏感性分析。结果表明:3个模型1~7 d预见期平均绝对误差均值分别为0.66、0.65、0.65 mm/d,均方根误差分别为0.93、0.96、0.95 mm/d,相关系数分别为0.857、0.828、0.840。1~5 d预见期最优预报模型为HS模型,6~7 d为TH模型。总体上预报精度由高到低为HS、TH、BC模型,建议采用HS模型在三江平原开展ET₀预报,HS模型预报对最高温预报的敏感性大于最低温。其预报值在夏季受温度预报误差影响最大,冬季最小,4季整体误差较小。研究可为灌溉预报提供较准确的数据基础。     

泸州市参考作物腾发量计算方法比较与修正

为实现参考作物腾发量(ET₀)在气象资料缺失地区的准确计算,探究ET₀简便方法在泸州市的适用性,以Penman-Monteith(PM)法作为标准方法,对Hargreaves(Har)法、FAO24 Blaney-Criddle(FAO24 BC)法、Makkink(Mak)法、Priestley-Taylor(PT)法计算的ET₀进行适用性分析,并采用线性关系和贝叶斯公式对各方法进行修正。通过误差分析得出,Har、PT法在研究区的适用性较好,RMSE在0.5～1.1 mm/d、PE在10%～15%,误差相对较小,且利用线性关系修正比贝叶斯公式好,线性修正后的Har法、PT法误差分别下降50%、80%左右,可以看出PT法的修正效果比Har法更理想。采用线性关系修正后的PT法更适合代替PM法计算气象资料缺失时的ET₀,可为估算作物需水量提供理论依据和数据支持。     

基于遥感修正作物系数的冬小麦需水量预测

作物需水量是确定灌溉制度和灌溉用水的重要依据。为准确预测冬小麦的需水量，以河北邯郸漳滏河灌区为例，利用sentinel-1A雷达影像反演灌区的土壤墒情以修正作物系数，并结合未来15 d的气象预报数据计算的参考蒸散发(ET₀)，预测漳滏河灌区重要灌水期的冬小麦需水量。结果表明：通过遥感反演的土壤含水量与实测值相近，平均相对误差为4.60%；经气象预报数据预测研究区12月11-25日ET₀预测值为15.32 mm；结合土壤水分修正系数与预测ET₀数据，计算冬小麦平均需水量预测值为12.64 mm，其中，磁县需水量最大，为14.23 mm，广平县冬小麦需水量最小，为12.04 mm；由MOD16A2产品计算研究期平均需水量为10.65 mm，较预测值相对误差为18.69%。该方法可以有效地预测作物需水量及其空间分布，可为灌区作物生育期用水预测与管理提供理论参考。     

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.     

地表太阳辐射经验值对参考作物需水量计算的影响

针对中国太阳辐射站点观测数据较少的客观条件,以联合国粮农组织(FAO)建议的通过Angstrom公式及其参数计算的地表太阳辐射(R_(s-c))对中国九大农业区基于Penman-Monteith(PM)公式计算的参考作物需水量(ET_(0-PM))的影响为目标,利用中国地面气候资料月值数据集和中国辐射月值数据集中的112个站点1957年1月—2017年3月的气象要素逐月有效观测日均值数据,通过对比分析和相关分析,讨论了站点R_(s-c)与观测的地表太阳辐射(R_(s-o))的时空差异,以及二者分别输入PM公式获得的ET_(0-c)和ET_(0-o)的时空差异。结果表明:基于年内时空尺度的各农业区R_(s-c)和R_(s-o)存在显著且不稳定的差异,R_(s-c)直接替代R_(s-o)参与计算ET_(0-c)可能出现较大的误差。基于R_(s-c)和R_(s-o)分别计算的ET_(0-c)和ET_(0-o),无论是在全国,还是各个农业区,均存在显著的线性相关性,R~2超过0.67,ET_(0-c)平均值只有0.06～0.26 mm/d的误差。考虑中国的农业地域类型,应对北方地区的"春旱"灌溉需求,可以直接以R_(s-c)计算获得ET_(0-c),而在全国范围内的夏季"伏旱"期,输入R_(s-c)计算的ET_(0-c)比输入R_(s-o)计算的ET_(0-o)偏大。在高精度的节水农业应用中,建议研究相应的校正模型对夏季ET_(0-c)进行校准。     

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     

豫西地区一次大气污染过程对参考作物腾发量的影响——以洛阳市为例

综合分析了2016年6月15日20时-6月20日8时豫西地区一次大气污染过程中，洛阳市各气象要素及参考作物腾发量ET₀受气溶胶影响的变化，使用WRF-Chem双向反馈试验量化，并通过气象观测数据验证模拟结果精度，从而进一步分析了气溶胶对ET₀的影响及其机理。研究结果表明：在这次大气污染过程中，洛阳市区的PM_2.5浓度整体偏高，峰值多出现早晨与傍晚时分，洛阳市东北地区PM_2.5浓度整体高于西南地区；气溶胶存在使洛阳市各气象要素发生了变化，进而导致了ET₀的变化，各站点ΔET₀在-0.23～0.33 mm/d之间；受气溶胶的影响，ET_0-d变化幅度在-0.26～0.04 mm/d，较ET_0-n的变化程度(-0.08～0.02 mm/d)更大；各站点空气动力项ET_0-A的变化程度要大于辐射项ET_0-R，这也主导了洛阳市各地区ET₀的变化。     

顾及时空特征的参考作物蒸散量集成学习估算

为提升参考作物蒸散量(ET₀)的估算精度,以四川省为研究区域,发现全省ET₀的数据变化具有明显的时间和空间自相关性,继而在气象特征基础上引入时空特征构建以XGBoost, LightGBM,GBDT、随机森林和极限树为基模型的Stacking模型.将顾及时空特征的Stacking模型与其各个基模型以及经验模型彭曼公式(FAO 56 Penman-Monteith)的决定系数、平均绝对值误差和均方误差等多项指标进行了全面的精度对比验证.试验结果表明：在顾及空间特征的情况下,Stacking模型在测试集上决定系数精度提升了3%,平均绝对值误差和均方误差分别降低了51%和76%;在顾及时序特征的情况下,Stacking模型在测试集上的决定系数精度提升了4%,均方误差和平均绝对值误差分别降低了92%和72%.这表明时空特征的引入可有效提升模型估算ET₀性能.在同时顾及时空特征的情况下,Stacking模型相较于彭曼公式,决定系数提升了39%,均方误差、平均绝对值误差分别降低了95%和77%,并且,在2006—2010年逐年精度验...     

基于公共天气预报的参考作物腾发量预报

针对Penman Monteith公式的应用局限性,以公共天气预报可测因子及历史气象数据计算ET₀为基准,对广州站2017-01-01-2019-03-31预报气象信息风力状况进行量化后,以2017,2018年气象预报信息为输入因子、ET₀为输出因子,分别建立基于回归型支持向量机(SVR)预报模型与BP神经网络预报模型,选择性能较优预报模型对2019年ET₀进行预报,并与计算值进行对比分析.结果表明:回归型支持向量机参考作物腾发量预报模型测试集确定性系数为0.896、均方误差为0.206,BP神经网络参考作物腾发量预报模型测试集确定性系数为0.851、均方误差为0.305,SVR参考作物腾发量预报模型均方误差及决定系数要明显优于BP神经网络;基于SVR模型的预报值与PM公式计算值相关系数为0.761,没有明显差异,表现出显著的相关性以及整体吻合度,可为灌溉预报及决策提供较为准确的ET₀预报数据.     

考虑“蒸发悖论”的洱海灌区逐日参考作物蒸散发预测

【目的】为估算参考作物蒸散发(ET₀)和灌溉实时预报调度、区域农业干旱评估提供依据。【方法】以滇中高原上洱海湖滨灌区的大理气象站为例,探究“蒸发悖论”现象出现的时期,采用气象因子线性回归模型、蒸发皿折算系数K_p模型、气象因子+蒸发皿蒸发(E_pan)多元回归模型、Normal Copula模型等4种方法计算逐日ET₀进行预测对比,并与Penman-Monteith公式计算所得的ET₀进行对比。【结果】①1954—2018年大理站20 cm蒸发皿蒸发量呈下降趋势,ET₀和气温呈上升趋势,但ET₀的上升趋势更平缓;虽然在长时间序列上ET₀和蒸发皿蒸发量有相反的变化趋势,但在年代际存在显著的差异性,1960年和2000全年以及四季均出现“蒸发悖论”,1970年则是全年以及夏、秋、冬三季出现“蒸发悖论”,1990年仅夏季出现“蒸发悖论”,2010年秋季出现“蒸发悖论”。②在未出现“蒸发悖论”时期,加入E_pan后的气象因子多元回归模型法(ET_0,Epan+Metr)所得逐日ET₀预测结果与标准值的误差最小,其次为单纯的气象因子多元线性回归模型法(ET₀,Metr),最差为K_p模型法(ET₀,K_p);加入E_pan后的气象因子多元回归模型(ET₀,ET_0,Epan+Metr)逐日ET₀预测的相对误差(ERR)小于15%、20%、25%的样本数达到了79.18%~90.16%、89.32%~97.23%、94.79%~98.36%。③出现“蒸发悖论”时,蒸发皿蒸发与ET₀的变化趋势相反,只能采用Copula联合分布函数模型预测,构建T-T_max二维Normal Copula模型的精度更高,ERR小于15%、20%、25%的样本数为73.70%~86.56%,82.51%~92.95%,89.89%~98.52%。【结论】通过M-K检验判别是否处于“蒸发悖论”期,以决策选用加入E_pan后的气象因子多元回归模型,还是T-T_max二维Normal Copula模型,二者均可显著提高逐日ET₀预测模拟的精度。     

基于?ngstr?m-Prescott公式的中国太阳辐射与日照时间的关系研究

【目的】揭示中国不同地区太阳辐射与日照时间的定量关系,为缺资料地区太阳辐射的准确估算提供科学依据。【方法】基于114个地面辐射观测站和常规气象观测站1958—2016年的实测数据,在时间和空间上分别评价?ngstr?m-Prescott(?-P)公式的适用性,运用ArcGIS地统计分析工具探索?-P公式系数a、b的空间分布规律,采用空间分析工具获取了各省级行政区的系数a、b。【结果】?-P公式在时间上具有可靠的预测性能,各站点计算值与观测值的标准化均方根误差(NRMSE)和标准化平均绝对误差(NMAE)的均值分别为0.103和0.079;在空间上有良好的扩展性,各站点NRMSE和NMAE的均值分别为0.103和0.078;从全国范围来看,系数a介于0.117～0.345之间,其变化规律为由东南沿海向西北内陆逐渐增大;系数b介于0.345～0.703之间,变化规律与系数a相反。利用各省级行政区系数a、b计算的各站点月平均日太阳辐射量与实测值进行对比,NRMSE和NMAE均值分别为0.105和0.081。【结论】?-P公式能够比较准确地描述中国不同地区月平均日太阳辐射量与月平均日照时间的定量关系,可通过空间插值的方法获取缺资料地区的公式系数,采用各省级行政区系数a、b估算的月平均日太阳辐射量具有较高精度。     

江苏地区不同参考作物蒸发蒸腾量估算模型

为了研究不同参考作物蒸发蒸腾量ET₀估算方法在江苏地区的适用性,收集了江苏省徐州市、高邮市和昆山市1957年1月至2019年12月的气象数据,采用12种不同模型估算了各站点的ET₀,其中模型Priestly-Taylor,Hansen,Jensen-Haise,Makkink是基于辐射数据的模型;MC-Cloud,1985 Hargreaves,Thornthwaite是基于温度数据的;Copais,Valiantzas 1和Valiantzas 2是综合法模型;XGBoost和SVM是机器学习模型.12种ET₀的估算模型计算值分别与Penman-Monteith模型(PM)计算值进行比较,结果表明:各站点的综合评价指数GPI最高的为机器学习模型中的SVM模型;在输入参数相同的情况下,机器学习模型模拟精度优于综合法和温度法以及辐射法中的Pristley-Taylor和Makkink模型;机器学习模型随着输入参数减少,模拟精度依次降低.研究结果可以为江苏地区气象数据不完善时估算ET₀提供科学依据.     

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ELM的西北旱区参考作物蒸散量预报模型

为实现气象资料缺失情况下ET₀的精确预报,选取中国西北旱区4个代表性站点的气象资料,建立15种基于极限学习机(ELM)的ET₀预报模型,并通过与其他ET₀计算模型对比和可移植性分析探究ELM在西北旱区的适用性.结果表明:基于温度和风速的ELM₇预报精度较高(整体评价指标GPI排名第4);基于温度和辐射的ELM₅预报精度(GPI排名第6)明显高于Iramk模型和Jensen-Haise模型;仅基于温度的ELM₉预报精度(GPI排名第8)高于Hargreaves-Samani模型.通过模型可移植性分析发现,ELM₇在西北旱区内各训练站点和预测站点组合下预报精度良好.因此,可将ELM₅(输入温度和辐射)、ELM₇(输入温度和风速)和ELM₉(输入温度)作为西北旱区较少气象参数输入情况下精确预报ET₀的推荐模型.     

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...     

三江平原ET0时空特征及其未来情景下预测研究

参考作物蒸发量(Reference crop evapotranspiration, ET₀)的预测对作物需水量计算与田间水分管理具有重大意义,可为农业节水和水资源高效利用提供重要的科学依据。基于三江平原6个气象站1961—2010年逐日气象资料,采用Penman-Monteith(P-M)公式计算ET₀,对历史期(1961—2010年)ET₀及相关气象要素的时空特征进行分析;依据美国国家环境预报中心再分析数据以及大气环流模型(GCM)中加拿大CanESM2模式的预报因子日序列的输出数据,采用统计降尺度模型(SDSM)对未来RCP4.5和RCP8.5两种排放情景下的ET₀进行预测。结果表明：历史期ET₀呈上升趋势,多年年平均气温与ET₀趋势相同,而年平均风速、相对湿度和净辐射整体呈下降趋势,空间分布上多年年平均ET₀总体表现为中部高于周边、西部高于东部的趋势;模拟精度检验方面,基于CanESM2模式下historical情景模拟的ET...     

燕山北部丘陵温热区ET_0估算方法比较及修正

参考作物需水量(ET_0)是计算作物需水量、指导农田灌溉和水资源规划的重要依据。根据赤峰气象站34a长系列资料(包括最高气温、最低气温、相对湿度、平均风速和日照时数),利用FAO56-PM公式对3种ET_0估算方法(Hargreaves公式、Mc Cloud公式、Irmark-Allen公式)进行比较分析,主要依据平均偏差、平均相对偏差、相关系数3种指标分别对日、旬、月序列的吻合度进行评价。结果表明:Hargreaves公式和Irmark-Allen公式与FAO56-PM吻合较好,其次为Mc Cloud公式,从而说明Hargreaves公式和Irmark-Allen公式在该区运用的可行性,通过回归分析对二者进行修正,得出Harg公式与FAO56-PM计算结果更为接近,即Harg公式更适合燕山北部丘陵温热区ET_0的计算和预测。     

MARS模型在渭河流域参考作物蒸散量计算中的适应性研究

为有效提高气象资料缺失时渭河流域参考作物蒸散量(ET₀)计算精度,选取流域及附近20个气象站58 a (1960-2017年)逐日气象资料,基于不同气象要素组合,构建16种基于多元自适应回归样条(MARS)的ET₀计算模型,并将计算结果与Hargreaves-Samani、Makkink和Irmark-Allen模型进行对比,评价MARS模型在渭河流域的适应性及可移植性。结果表明：MARS模型能很好地甄别ET₀与各输入因子间的非线性关系,MARS2 (T_max、T_min、R_a)计算精度(平均MAE为0.225 mm/d,平均RMSE为0.327 mm/d,平均R²为0.897)能满足应用要求,模型精度随输入气象要素数量的增加而升高;输入因子中引入地球外辐射R_a,可明显提高MARS模型精度;在输入因子相同时,MARS模型精度高于Hargreaves-Samani、Irmark-Allen和Makkink模型;MAR...     

关中地区参考作物蒸发蒸腾量时空变化特征及主要因子分析

【目的】充分认识关中地区参考作物蒸发蒸腾量(ET₀)时空变化特征及其主要影响因子。【方法】使用1980—2019年关中地区43个气象观测站逐日气象资料,结合Penman-Monteith(P-M)模型、反距离权重、逐步回归分析和通径分析等方法,研究1980—2019年关中地区ET₀时空变化特征及其主要影响因子。【结果】最高气温(T_max)、最低气温(T_min)、平均气温(T)呈升温趋势,上升幅度处于1.68～2.85℃之间;相对湿度(RH)呈下降趋势;日照时数(SSD)整体变化较小;平均风速(WS)则呈减小趋势;气象因子空间分布因海拔、地形不同而表现出差异性;关中地区多年平均ET₀为959 mm,整体呈增加趋势,增加速率为1.43 mm/a;ET₀空间分布差异较大,多年平均ET₀处于852～1 099 mm之间,由东北向西南递减,关中地区ET₀季节性差异明显;影响关中地区ET₀的气象因子排序...