排序方式: 共有12条查询结果,搜索用时 31 毫秒
1.
为了寻找适合浑善达克沙地参照作物腾发量计算的简易方法,该文以实测的微气象数据为基础,分别采用FAO56 Penman-Monteith(1998)、Hargreaves-Samani(1985)、Irmark-Allen拟合以及Priestley-Tay-lor(1972)计算参照作物腾发量,并以普适性强、精度高的FAO56 Penman-Monteith为基准,对其他方法进行气象因子的非线性修正。结果表明:气象因子修正后的参照作物腾发量精度大大提高,为获得相对可靠的参照作物腾发量开辟了新的途径。FAO56 Penman-Monteith、Irmark-Allen拟合和Priestley-Taylor都需要用到净辐射,而专业测量净辐射的设备在农业气象站里很少安装,使三种方法推广使用受到一定限制。气象因子修正后Hargreaves-Samani需要的气象数据相对容易获得,且计算简单,具有较高的精度,建议在缺少气象资料的干旱地区推广采用。 相似文献
2.
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。 相似文献
3.
为了解不同作物蒸散量估算方法在淮北地区的适用性,利用新马桥实验站称重式蒸渗仪测定了2016-2017年冬小麦全生育期的实际蒸散值,结合Hargreaves-Samani(H-S)、 FAO-56 PM、Turc、Makkind(Mak)、 Priestley-Taylor(P-T)、Mcloud(Mcl)和DeBruin-Keijman(D-K)7个模型,分析了冬小麦田的蒸散特征,将蒸散的估算值(ET_0)和实测值(ET_C)进行了对比。结果表明,相对于ET_C值,7个模型拟合得到的ET_0的RMSE值为0.99~2.29 mm·d~(-1),且H-S FAO-56 PMTurcMakP-TMclD-K; ET_C与ET_0的相关系数为0.74~0.97,其中FAO-56 PM的相关性最高,P-T、 Mak、 D-K、 H-S也表现出较好的相关性。综合来看,H-S法总体表现较好,更适合该地区。对6种主要气象要素与实测蒸散值进行主成分分析发现,温度是影响ET_C的主要因子,湿度、日照时数和平均风速(2 m)对淮北冬小麦田蒸散值的影响不大;H-S模型以温度数据为基础,利用线性订正法和湿度指数项订正法将H-S模型本地化后检验发现,其优化结果良好,RMSE降低(0.68 mm·d~(-1))。 相似文献
4.
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。 相似文献
5.
改进Hargreaves模型估算川中丘陵区参考作物蒸散量 总被引:3,自引:2,他引:3
为提高Hargreaves-Samani(HS)模型参考作物蒸散量(ET0)计算精度,该文基于贝叶斯原理利用川中丘陵区1954-2002年逐日资料对其温度指数、温度系数和温度常数进行改进,并使用2003-2013年资料以Penman-Monteith(PM)模型为标准评价HS改进模型计算精度与适应性。结果表明:HS改进模型参数在川中丘陵区各区均小于联合国粮农组织推荐值,并呈现出随纬度上升而增大的趋势;与PM模型计算结果相比,HS改进模型计算的ET0相对误差在川中丘陵区北部从14.2%~60.9%降至-1.1%~33.4%、中部从40.6%~92.6%降至16.9%~61.1%、南部从31.3%~96.0%降至8.5%~64.4%、整个川中丘陵区从32.1%~82.7%降至9.5%~52.6%;相关性分析表明,HS改进模型和PM模型计算的ET0回归曲线的斜率更接近于1(北部1.16、中部1.02、南部0.99、全区1.13),决定系数均达到0.85(P0.01)以上;趋势分析表明,HS改进模型和PM模型计算的ET0变化一致,年内均呈开口向下的抛物线状,年际均呈微小上升趋势。因此,基于贝叶斯原理改进的HS模型在川中丘陵区不同区域变异性较小,适应性较强,具有较高的计算精度,可作为川中丘陵区参考作物蒸散量简化计算的推荐模型。 相似文献
6.
考虑辐射改进Hargreaves模型计算川中丘陵区参考作物蒸散量 总被引:3,自引:3,他引:0
为提高Hargreaves-Samani(H-S)模型对参考作物蒸散量(reference crop evapotranspiration,ET0)的计算精度,利用川中丘陵区13个代表站点1954~2013年近60 a逐日数据,依据贝叶斯原理并考虑辐射的影响对H-S模型进行改进,并以Penman-Monteith(P-M)模型为标准,对其在川中丘陵区的适用性进行评价。结果表明:1)H-S改进模型与P-M模型ET0计算结果变化趋势基本一致;2)与H-S模型相比,在3个区域H-S改进模型计算的ET0旬值平均绝对误差分别由0.93、0.95、0.93 mm/d下降到0.15、0.19、0.28 mm/d,且3个区域ET0旬值拟合方程斜率分别由1.45、1.39、1.45变为0.89、0.94、0.90,Kendall一致系数由0.70、0.80、0.82提高到0.88、0.92、0.94,拟合效果与计算精度均明显提高;3)在3~10月的作物主要生长期,3个区域ET0月值平均绝对误差分别由0.89、1.14、1.28 mm/d下降到0.46、0.29、0.21 mm/d,ET0月值回归拟合方程斜率及一致性均明显提高;4)H-S改进模型随海拔升高计算精度有所降低,H-S改进模型全年内计算精度最大可提高47%,尤其在作物主要生长期,精度最大提高了48%。因此,H-S改进模型可显著提高ET0计算精度,在海拔较低的区域尤为明显,可作为川中丘陵区ET0计算的简化推荐模型。 相似文献
7.
基于天气预报的漳河灌区参考作物腾发量预报方法比较 总被引:7,自引:2,他引:5
为了提出适合湖北省漳河灌区的参考作物腾发量预报方法,以FAO56-Penman-Monteith公式采用历史气象数据计算出的值为基准,利用天气预报数据,比较Hargreaves-Samani(HS)法、逐日均值修正法及该文改进的逐日均值修正法在该灌区钟祥站点的预报精度,并评价各方法适用性.结果表明:利用这3种方法进行参考作物腾发量预报时,1~7 d预见期平均绝对误差均值分别为0.75、0.80、0.76 mm/d,均方根误差分别为1.00、1.07、1.05 mm/d,相关系数分别为0.82、0.80、0.80.1 d预见期最优预报方法为改进逐日均值修正法,2~7 d预见期的最优方法均为HS法.总体而言,预报精度最好的为HS法、改进逐日均值修正法次之、逐日均值修正法最差.对于漳河灌区,建议采用HS法进行预报,可为灌溉预报提供较为准确的数据基础. 相似文献
8.
利用青海东部农业区5个气象站1960—2006年逐日气象资料,以Penman-Monteith公式估算结果为标准,分析了Hargreaves-Samani、McCloud与Priestley-Taylor法的适用性。结果表明,采用Hargreaves-Samani法和Priestley-Taylor法,年平均ET0估算值高于标准值,而McCloud估算结果显著偏小;气温较低月份(11月至次年3月),Hargreaves-Samani和Priestley-Taylor法月平均ET0估算值与标准值差异不显著,4—10月估算结果显著高于标准值。可见,Priestley-Taylor适用性最好,Hargreaves-Samani次之,McCloud最差,且Priestley-Taylor公式修正后估算精度更高。 相似文献
9.
基于气温估算参考作物蒸散量方法的对比与改进 总被引:1,自引:1,他引:0
为提高基于气温数据估算参考作物蒸散量(ET0)模型的精度,该研究对比分析了基于温度数据估算ET0的Penman-Monteith(PMT)模型、Hargreaves-Samani(HS)模型和改进HS模型,并运用基于气温数据估算实际水汽压和太阳辐射的最新进展改进PMT模型。结果表明:改进HS模型较传统HS模型提高了半干旱区到湿润区ET0的估算精度; PMT模型与改进HS模型估算的各气候区相关系数(r)均值相似,但与改进HS模型相比,PMT模型提高了除湿润区和亚湿润干旱区外各气候区的ET0估算精度,均方根误差(RMSE)和相对均方根误差(RRMSE)均值分别降低0.01~0.15 mm/d和0~0.05,且模型效率(EF)均值提高了0.01~0.06;本文提出的改进PMT模型可进一步改进PMT模型估算除干旱区和半干旱区外各气候区精度,RMSE和RRMSE均值较原PMT模型分别降低0.04~0.12 mm/d和0.02~0.04,r和EF均值更接近于1;并且改进PMT模型估算各站点全局性能指数(Global Performance Index,GPI)值较好,90%的站点GPI值排名第一。因此,建议在仅有气温数据时,使用改进PMT模型作为估算ET0的推荐模型。研究成果可为区域农业水资源管理提供依据。 相似文献
10.
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. 相似文献