基于NARX模型的参考作物蒸散发预测

为了实现气象资料缺失情况下参考作物蒸散量(ET0)精确计算和预测,以攀枝花站点为例,构建非线性自回归滤波器(NARX)模型预测ET0.以Penman-Monteith模型计算的ET0作为预测标准,将日最高温、日最低温、日照时数、风速和相对湿度作为模型的输入参数,建立11种不同气象因子组合的NARX模型,并与Hargre...     

基于随机森林算法的参考作物蒸发蒸腾量模拟计算

选取西南喀斯特地区4个气象站点(都安、河池、百色和融安)5 a(2008—2012年)的逐日气象数据,包括日最高气温Tmax、日最低气温T_(min)、相对湿度R_H、日照时数n和风速u2这5个气象因子的不同组合作为输入,并以FAO 56 Penman-Monteith法(FAO P-M)的计算结果作为标准值,建立基于随机森林(Random forest,RF)算法和基因表达式编程(Gene expression programming,GEP)算法的ET0模型,并将模拟结果与传统Hargreaves模型的计算结果进行比较。结果表明,不同气象因子组合下建立的RF模型均能较好地反映气象因子与ET0之间的非线性关系。随着气象因子的增加,RF模型模拟的精度随之提高。在仅有气温数据时,RF模型仍具有足够的精度(R~2为0.875,RMSE为0.546 mm/d),与传统Hargreaves模型相比R2平均增加了1.98%,RMSE平均减小了22.88%,因此在仅有气温数据时可用RF模型代替Hargreaves模型。RF算法对气象因子的重要性评估表明,在该区域对ET_0最重要的气象因子依次为T_(max)、n、T_(min)、R_a、R_H和u_2。相同气象因子输入下,RF模型精度高于GEP模型。     

基于气温预报和HS公式的不同生育期参考作物腾发量预报

根据南京站2001-2011年实测气象数据,以Penman-Monteith(PM)公式计算得到的参考作物腾发量ET0值作为基准值,对仅需要气温数据计算参考作物腾发量的Hargreaves-Samani(HS)公式进行参数率定,采用率定后的HS公式依据2012年6月-2015年6月气温预报数据对南京水稻、冬小麦不同生育期未来1~7d的ET0进行预报,并与基于实测气象数据的PM法计算的ET0值进行比较,评价HS法的ET0预报精度。结果表明:最低、最高气温实测值与预报值相关系数分别为0.97和0.93,最低气温预报精度略高于最高气温;预见期1~7d内,水稻、冬小麦不同生育期ET0预报值与PM法计算值变化趋势基本一致,整个生育期内冬小麦ET0预报值与PM法计算值吻合程度更好,水稻、冬小麦相关系数分别达0.60、0.80左右;水稻各生育期平均准确率为66.0%~97.5%,平均绝对误差为0.65~1.22mm/d,均方根误差为0.76~1.42mm/d,冬小麦各生育期平均准确率为75.4%~99.5%,平均绝对误差为0.33~1.06mm/d,均方根误差为0.43~1.23mm/d;作物生育期各阶段对气温预报误差越敏感,ET0预报精度越低,随着生育期的推进,水稻对气温预报误差的敏感程度逐渐减小,相应的ET0预报精度逐渐增加,而冬小麦反之;但整体上预见期1~7d的气温预报及ET0预报精度达到可利用程度,可为快速灌溉预报及灌溉决策提供数据支撑。     

宁夏引黄灌区参考作物蒸发蒸腾量及其气候影响因子的研究

根据1998年FAO修正彭曼蒙特斯公式,利用宁夏引黄灌区8个气象站近50多年的气象资料,计算了各气象站逐月的参考作物蒸发蒸腾量ET0、各气象因子的长期变化趋势和各气象因子与ET0的相关系数。分析了ET0空间分布特征、年内分布特征和年际变化特征。分析结果表明:黄河以东各站的ET0值均大于黄河以西各站的ET0值;除石嘴山站外,各站5~7月份的ET0占全年比例在20世纪80年代后比80年代前有所下降;除石嘴山站外,各站的ET0均表现为逐年增加的趋势,尤其在1990年后更为明显;气温呈递增趋势、相对湿度呈减少趋势、温差在逐渐减小;相对湿度和最高/最低气温以及平均风速对ET0的影响比较显著。     

气象数据缺测对BP-ET_0模型预测精度的敏感性分析

以柳圆口灌区2002~2005年的气象数据为基本资料,采用参考作物腾发量预测的前馈网络模型(BP-ET0),研究了参考作物腾发量对气象因子的敏感性。研究结果表明:在参考作物腾发量预测的6个气象因子中,相对湿度对BP-ET0预测效果影响最大,缺少它时预测合格率只有64.93%,其次是实际风速和日照时数,缺少它们时预测合格率分别为73.15%和76.98%,最高气温、最低气温和平均气温对预测效果影响较小,缺少它们时预测合格率均在80%以上。     

基于数值天气预报后处理的参考作物蒸散量预报改进

针对基于数值天气预报（Numerical weather prediction,NWP）对参考作物蒸散量（Reference crop evapotranspiration,ET0）进行预报通常需要数据偏差校正的问题,基于LightGBM机器学习方法和我国西北地区9个气象站点数据提出一种对第二代全球集合预报系统（Global ensemble forecast system,GEFSv2）预报气象因子进行偏差校正的方法（M3）。该方法使用太阳辐射、最高和最低气温、相对湿度和风速集合分别对每个气象因子进行重预报,再计算ET0。使用等距离累积分布函数（EDCDFm,M1）和单气象因子输入的LightGBM法（M2）对模型精度进行评估。结果表明,GEFSv2的预报因子与相应的观测气象因子之间存在不匹配问题,其不匹配程度因气象因子不同而不同,太阳辐射的匹配度较高,相对湿度的匹配度较低。M3模型有助于缓解数据不匹配问题。M1、M2和M3方法在9站点预报ET0的平均均方根误差（RMSE）分别介于0.66~0.93mm/d、0.57~0.83mm/d和0.53~0.79mm/d,平均绝对误差（MAE）分别介于0.44~0.61mm/d、0.38~0.56mm/d和0.35~0.53mm/d,决定系数（R2）分别介于0.82~0.91、0.84~0.93和0.86~0.94。3种方法均在夏季误差最大,1~16d平均RMSE分别为1.21、1.18、1.04mm/d。各预报因子中太阳辐射对ET0预报误差影响最大,其后依次是风速、最高气温、相对湿度和最低气温。在后处理过程中,NWP的最高气温预报值对其他因子预报精度的贡献最大、对相对湿度预报精度的贡献最小。建议在进行NWP偏差校正时,应考虑数据不匹配问题,通过多因子校正来弥补预报精度的不足。     

基于天气预报的参照作物腾发量中短期预报模型研究

以新乡市1970—2011年逐日实测气象资料代入FAO 56 Penman-Monteith(PM)方法算得的ET0作为基准值,对HG、P-T、M-K、M-C模型进行参数修正,将新乡市2012—2014年冬小麦生育期间预见期为1、3、5、7、10d的天气预报数据代入修正后的模型进行ET01~10 d的中短期预报,并以2012—2014年冬小麦生育期间逐日实测气象资料由PM公式算得的ET0为基准值,对天气预报的精度及ET0的预报精度进行评价。结果表明:经过参数修正后HG、P-T、M-K、M-C模型的精度均有提高;最高气温、最低气温、风速、日照时数的预报精度均随预见期的增加呈逐渐下降趋势,最低气温预报的精度稍高于最高气温;不同预见期的ET0预报模型中,P-T模型预报的ET0平均准确率在众模型中较高(95.06%),其次为HG-M模型(94.66%)、PMT1模型(94.34%)、M-K模型(93.89%),且P-T、HGM两种模型计算程序较简单,因此优选P-T、HG-M模型进行ET0的中短期预报。     

西北地区冬小麦腾发量估算模型适用性评价

为实现对西北地区冬小麦腾发量(ET)的准确估算,在对不同生育期ET的影响因子进行分析后分别采用双作物系数模型、单作物系数模型和Priestley-Taylor(PT)模型模拟ET,并以大型蒸渗仪实测ET为标准值对比其精度.结果表明:气象因子是播种-返青(Ⅰ期)和抽穗-乳熟(Ⅲ期)ET的主导因子,作物因子是乳熟-收获(Ⅳ期)ET的主导因子,2种因子对返青-抽穗(Ⅱ期)和全生育期ET的驱动作用相近;Ⅰ期双作物系数模型、单作物系数模型和PT模型的R²分别为0.511 8,0.239 3,0.374 2,RMSE变化范围为0.284 6~0.366 3 mm/d,总体评价指标GPI排名分别为1,3,2;Ⅱ期3个模型的R²均在0.700 0 以上,RMSE为0.540 9~0.844 0 mm/d,双作物系数模型模拟效果最好;Ⅲ期各模型的R²均高于0.600 0,RMSE为0.828 8~1.258 7 mm/d,双作物系数模型GPI排名第1;Ⅳ期3个模型的R²分别为0.799 1,0.671 6,0.270 8,RMSE为0.968 1~1.946 2 mm/d,作物系数模型模拟精度明显高于PT模型;全生育期各模型RMSE为0.551 5~0.893 6 mm/d,双作物系数模型的R²达到0.902 2.     

高原山区主要气候因子对ET_0影响分析研究

根据云南省4个站30~40年的逐日气象资料,应用FAO-56 Penman-Monteith计算了参考作物的逐日需水量(ET0),分析了ET0的年内年际变化特征;采用了Mann-Kendall方法,对ET0时间序列趋势进行了检验分析;采用了偏相关分析方法研究了各主要影响因子(水汽压、风速、日照、蒸发、降雨、海拔、纬度)对ET0的影响,结果表明:各站点的时空分布特征明显,各站的ET0呈下降趋势,最大值发生在20世纪70~80年代,最小值发生在21世纪,风速的变化对各站ET0的影响最大,水汽压和降雨最小,ET0随海拔的增加而降低,随纬度的增加而增加,反映了高原山区ET0的变化特点。     

1968―2018年民勤地区参考作物需水量的年际变化特征及相关气象影响因子研究

【目的】研究民勤地区作物需水量的主要影响因子。【方法】基于民勤地区1968―2018年气象数据,利用Penman-Monteith公式计算了不同时间尺度的平均参考作物需水量ET0,分析ET0变化趋势,并与气象因子变化趋势进行相关性拟合。【结果】1968―2018年民勤地区年平均参考作物需水量呈波动上升趋势,最低值为1968年的3.15mm/d,最高值为2013年的3.72 mm/d,且参考作物需水量的上升趋势是从2003年开始最为明显;参考作物需水量与年平均最高气温、年平均最低气温、年平均气温、年平均相对湿度、年平均日照时间以及年平均风速的相关性比较显著,与降雨量和净辐射相关关系不显著。【结论】民勤地区的干旱状况目前处于平稳期,年平均最高气温和年平均相对湿度是导致民勤地区参考作物需水量年际变化的最主要的气象因子。     

ET_0变化趋势分析及估算模型研究——以新乡站为例

【目的】参考作物蒸散量(ET_0)的估算是计算作物腾发量的基础,也是区域水资源评价与灌溉政策制定的前提,因此,研究ET_0变化趋势与估算模型能够对该地区农田灌溉用水预报提供基础支持,进而为灌溉制度的制定以及水资源高效利用提供科学依据。【方法】以河南新乡气象站1962―2016年气象资料为基础,运用Penman-Monteith模型计算ET_0序列,Mann-Kendall趋势检验法对年及季节尺度ET_0序列变化趋势进行分析,并用均值生成函数模型对其进行了拟合与验证。【结果】①新乡地区年尺度ET_0序列在1975―2016年间呈减小趋势,并在1985―2004年、2006年显著;②新乡地区春季ET_0序列在1982―1983年及1988―2003年间呈显著的减小趋势,夏季ET_0序列在1980―2012年间呈显著的减小趋势。③均值生成函数模型在对年尺度ET_0序列进行拟合时,其一致性系数达到0.83,绝对误差与相对误差分别在-120.8～120.0 mm及-14.0%～18.2%之间。④均值生成函数模型在对季节尺度ET_0序列进行拟合时,其一致性系数在春、夏、秋、冬各季节分别达到0.85、0.81、0.88及0.89,绝对误差分别在-60.2～64.3、-64.4～58.9、-39.6～32.8、-37.0～25.1 mm之间,相对误差分别在-20.1%～36.7%、-22.1%～32.1%、-18.0%～22.9%、-23.9%～24.6%之间。【结论】新乡地区年尺度ET_0序列在1985―2004年间显著减小,均值生成函数模型在对年及各季节尺度ET_0序列进行拟合时整体效果较好,因此,可通过其进行年及季节尺度ET_0序列的估算,且其在秋、冬二季的拟合效果明显好于春、夏二季。     

中国粮食主产区主要气象因子时空演变特征及其对参考作物蒸散量影响

准确评估粮食主产区气象因子变化特征及对参考作物蒸散量(reference crop evapotranspiration,ET0)的影响,对农田水文循环、区域农业水资源优化配置与高效利用等具有重要意义。利用中国粮食主产区258个气象站点1961―2013年的逐日气象资料,采用Penman-Monteith公式计算ET0,通过M-K趋势检验法、偏相关分析、多元线性回归计算贡献率等方法,分析了1961—2013年中国粮食主产区主要气象因子时空演变及其对ET0变化的贡献特征。结果表明,1961—2013年中国粮食主产区相对湿度、温度、降水在空间上由南至北呈降低趋势,而日照时间和风速则由南至北呈增高趋势;1961—2013年中国粮食主产区全区、温带湿润半湿润地区(I区)、温带干旱半干旱地区(II区)、亚热带湿润地区(III区)及暖温带半湿润地区(IV区)多年平均气温均呈增大趋势,平均风速、相对湿度、降水与日照时间均呈减小趋势;1961—2013年中国粮食主产区年内ET0均呈锯齿状下降,且ET0在四季呈现出夏季春季秋季冬季的特征;多年平均风速、气温、日照时间与ET0在全区及各分区总体均显著正相关(P0.05),而相对湿度与ET0在全区及各分区均极显著负相关(P0.01);1961—2013年中国粮食主产区全区及I~IV区气温、风速、相对湿度对ET0变化均具有较大贡献,其中相对湿度为I区、III区及IV区的主要气象驱动因子,其次为平均气温和风速;而II区ET0变化的主要驱动因子为风速,其平均贡献率WII(风速)为0.37;综上所述,中国粮食主产区主要气象因子变化特征与ET0的响应,均呈现出区域性、季节性差异。     

宁夏地区潜在蒸散发变化特征及成因分析

根据宁夏地区1962—2017年11个国家级气象站的逐日气象资料,采用Penman-Monteith公式计算宁夏地区潜在蒸散发(potential evapotranspiration,ET0)日值系列,采用气候倾向率、Mann-Kendall突变检验、ArcGIS反距离权重空间插值、敏感性分析和贡献率等方法对宁夏地区...     

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。     

气候变化背景下榆林市参考作物需水量多时间尺度特征分析

【目的】研究气候变化背景下榆林市参考作物需水量的多时间尺度变化特征及其与各气象因子的相关性,便于衡量气候变化背景下榆林市水热资源的演变特征。【方法】根据榆林气象站1959—2014年逐日气象资料(平均地表温度、平均气温、蒸发量、平均气压、平均相对湿度、日照时间和平均风速等),采用彭曼公式、Mann-Kendall突变检验、小波分析及相关分析法研究了榆林市参考作物需水量多时间尺度变化特征。【结果】1959—2014年榆林站全年及四季参考作物需水量均呈增加趋势,线性倾向率分别为30.7、11.4、6.7、5.7、6.9 mm/10 a。全年参考作物需水量突变年份为1995年,春、夏、秋三季参考作物需水量均在1998年发生突变,冬季在1989年发生突变;全年及四季参考作物需水量的第一主周期分别为26、28、27、28、26 a,第二主周期分别为8、7、9、8、4 a,第三主周期分别为4、2、4、4、12 a;参考作物需水量与平均相对湿度、日照时间、平均气温、平均风速以及年平均地表温度的相关系数分别为-0.128、0.223、0.935、0.271、0.940。【结论】榆林站1959—2014年不同时间尺度的参考作物需水量均呈增加趋势,平均气温、日平均地表温度是影响榆林气象站ET_0的主要因素。     

ET0计算公式的设定条件和重要影

对ET0计算公式设定条件和重要影响因子的实验率定研究：揭示了Penman-Motheith(PM)等公式定义中叶面冠层阻力、反射率及Angstrom公式中的a、b值不是定值，而是一个随作物生长变值，并建议将变化的叶面冠层阻力、反射率及季节a、b值代入计算公式，可得到更加切合实际的ET0值；鉴于参考作物有两种：牧草和紫花苜蓿，不同的参考作物蒸发蒸腾量计算公式对应着不同的参考作物，求得两种参考作物蒸发蒸腾量的转换系数Kr可进行不同参考作物间的转换计算；揭露了参考作物（苜蓿）冠层光合有效辐射（PAR）及冠层顶部光合有效辐射（PARCAN）在一定程度上影响ET0值，气孔导度和物质积累等生理、生化作用也与ET0的变化过程十分相关；并对ET0标准ASCE-PM、PM、MP公式中主要气象输入因子对ET0、ETa、ETr值的潜在支配作用进行了研究。有助于ET0学科中重要问题的引领研究及精确估计。     

鞍山地区参考作物腾发量演变特征

采用鞍山地区4个气象站1958—2006年的气象资料,应用Penman-Montieth公式计算参考作物腾发量(ET_0),并对ET_0的年际变化特征、季节变化特征及趋势进行了分析。结果表明,49 a来鞍山地区的ET_0值呈缓慢下降趋势。     

苹果树液流变化规律研究

利用液流传感器(sapflowsensor)监测苹果树液流,并用自动气象站和土壤水分测定仪(TRIME-FM)对气象因素和土壤水分进行同步监测。分析了苹果树液流日变化和日际变化与太阳辐射强度的关系、苹果树液流Tr与参考作物蒸发蒸腾量ET0的相关性,以及Tr/ET0和100cm深的平均土壤相对含水率AW的关系。运用回归分析方法建立了液流通量与气象因子间的经验公式,并比较了预测值与实测值。其结果表明:液流变化曲线与太阳辐射的变化曲线较一致,太阳辐射是果树液流的首要影响因子;Tr和ET0变化曲线相似;相对含水率越大,Tr/ET0的值越大;反之越小;用经验公式预测的液流值与实测值相比较,二者最大相差10.13%,最小相差3.45%。     

基于SPSS的抚顺地区参考作物需水量的区域分析

根据抚顺地区3个气象站的气象观测资料，应用1990年联合国粮农组织推荐的Penman—Monteith公式计算各站1995～2004年10年来的参考作物需水量ET。利用SPSS统计分析软件对ET。进行回归分析。分析结果表明：章党气象站和新宾气象站之间具有较好的线性关系。而清原气象站和新宾气象站、清原气象站和章党气象站之间的回归不显著。此分析为分析抚顺地区的气候提供一定的依据，也为将来利用地理信息系统（GIS）分析区域的参考作物需水量的空间分布提供一定的基础。