科研产出
考虑辐射改进Hargreaves模型计算川中丘陵区参考作物蒸散量
《农业工程学报 》 2016 EI 北大核心 CSCD
摘要：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。
用统计降尺度模型预测川中丘陵区参考作物蒸散量
《农业工程学报 》 2016 EI 北大核心 CSCD
摘要：区域蒸散量(evapotranspiration)预测对精准灌溉预报与农田水分管理意义重大。该文利用川中丘陵区11个气象站点1961-2013年逐日气象资料,采用FAO-56 Penman-Monteith公式计算参考作物蒸散量(reference evapotranspiration,ET0),基于Hadley Centre Coupled Model version 3(HadCM3)的输出和统计降尺度模型(statistical downscaling model,SDSM)分别对A2(高温室气体排放)、B2(低温室气体排放)情景下川中丘陵区2014-2099年ET0进行预测,并使用Mann-Kendall检验和反距离加权插值法对1961-2099年ET0的时空演变特征进行分析。结果表明:基准期(1961-2010年)川中丘陵区ET0整体呈现明显下降趋势,空间上呈现出东北部、西北部和东南部相对较大、中部相对较小的差异;与基准期相比,A2、B2情景下未来2020 s(2011-2040年)、2050 s(2041-2070年)和2080 s(2071-2099年)川中丘陵区ET_0月和年均值都呈增大趋势;A2情景下3个时期ET0将分别增加7.9%、10.9%和16.7%,B2情景下ET_0将分别增加7.1%、4.9%和12.8%;A2、B2情景下3个时期川中丘陵区ET_0空间分布均呈现西北部和南部较大、中部较小的空间差异,且3个时期的ET0相对变化率显示中部及其偏北、偏南区域ET_0增幅相对较大,北部和南部增幅相对较小。因此,未来川中丘陵区ET0的上升可能导致水资源短缺与季节性干旱进一步加剧。该研究可为川中丘陵区水资源优化管理和灌溉制度制定提供科学参考。
四川省不同区域参考作物蒸散量计算方法的适用性评价
《农业工程学报 》 2016 EI 北大核心 CSCD
摘要：为实现参考作物蒸散量(reference crop evapotranspiration,ET0)在资料缺失情况下的准确计算,对ET0简化算法在四川省不同区域的适用性进行科学评价,将四川省划分为4个区域(I东部盆地区、II盆周山地区、III川西南地区和IV川西高原区),采用46个气象站点1954-2013年逐日气象资料,以1998 FAO-56 Penman-Monteith(PM)法的计算结果为标准,对具有代表性的6种简易算法48 Penman(48PM)法、Hargreaves-Samani(HS)法、Pristley-Taylor(PT)法、Irmark-Allen(IA)法、Makkink(MAK)法和Penman-Van Bavel(PVB)法的计算精度进行对比,结果表明:6种方法在四川省不同区域计算精度差异明显,HS法、PT法和PVB法较为精准,48PM法、IA法和MAK法误差较大,其中I区表现最好的为HS法,II、III和IV区表现最好的方法均为PT法;同时,除PT法和PVB法外,其余方法空间变异性较大(HS法在海拔较低的I、II区较为精准,在海拔较高的III和IV区结果远小于PM法,48PM法在四川东南地区的计算误差为11.1%~37.5%,在浅山丘区和高原区计算误差多大于50%)。因此,计算四川省的参考作物蒸散量时,推荐在东部盆地区使用HS法,盆周山地区、川西南地区与川西高原区使用PT法。
关键词： 蒸散 模型 气象 参考作物蒸散量 计算方法 适应性评价 四川省
全文链接
请求原文
基于反距离权重法的长江流域参考作物蒸散量算法适用性评价
《农业工程学报 》 2016 EI 北大核心 CSCD
摘要：为实现大区域尺度参考作物蒸散量(reference crop evapotranspiration,ET0)资料缺失情况下的准确计算,该文将长江流域划分为上、中、下游3个子区域,基于反距离权重法的新型空间展布方法得到3个虚拟站点分别代表每个子区域,利用长江流域102个站点1964-2013年近50a的逐日气象数据,根据FAO-56 Penman-Monteith(P-M)法、Hargreaves-Samani(HS)法、Irmark-Allen(I-A)法、Priestley-Taylor(P-T)法、Makkink(M-K)法、Penman-Van Bavel(PVB)法、1948年Penman(48-PM)法分别计算每个站点逐日ET0,并以P-M法为标准,利用Nash-Sutcliffe系数(CD)、逐日相对均方根误差(RMSE)、Kendall一致性系数(K)对其适用性进行评价,结果表明:在3个子区域6种ET0计算方法的日值与P-M法拟合方程确定系数R2均通过了极显著水平检验(α=0.01),长江上游P-T法ET0日值计算精度最高(ET0日值拟合方程斜率为1.030,RMSE=0.341 mm/d,CD=0.886,K=0.829),H-S法、I-A计算精度较低(ET0日值拟合方程斜率分别为1.427、1.308,RMSE=0.909、0.829 mm/d,CD=0.581、0.523,K=0.792、0.742),长江中、下游PVB法计算精度最高,P-T法计算精度次之,H-S法与I-A法计算精度较低;长江上游6种算法ET0月值的计算精度由高到低依次为P-T法、PVB法、M-K法、48-PM法、H-S法、I-A法,与P-M法的平均误差分别为0.27、0.35、0.51、0.48、0.74、0.78 mm/d;长江中、下游6种算法计算精度由高到低为PVB法、P-T法、M-K法、48-PM法、H-S法、I-A法;整个长江流域P-T法、PVB法与P-M法ET0计算结果相对误差均在35%以下,H-S法、I-A法计算精度较低,其相对误差基本高于40%;因此,PVB法与P-T法在整个长江流域的计算精度较高,可作为长江流域ET0简化计算推荐方法。
基于极限学习机的参考作物蒸散量预测模型
《农业工程学报 》 2015 EI 北大核心 CSCD
摘要：为实现气象资料缺乏情况下参考作物蒸散量(reference crop evapotranspiration,ET0)高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机(extreme learning machine,ELM)的ET0预测模型。选取川中丘陵区7个气象站点1963-2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明:ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度(均方根误差和模型效率系数分别为0.504 mm/d和0.827)高于Hargreaves模型(均方根误差和模型有效系数分别为0.692 mm/d和0.741);基于最高、最低温度和辐射的ELM模型模拟精度(均方根误差和模型有效系数分别为0.291 mm/d和0.938)明显高于Priestley-Taylor(均方根误差和模型有效系数分别为0.467 mm/d和0.823)、Makkink(均方根误差和模型有效系数分别为0.540 mm/d和0.800)和Irmark-Allen模型(均方根误差和模型有效系数分别为0.880 mm/d和0.623)。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。
关键词： 蒸散 模型 作物 极限学习机 参考作物蒸散量 预测模型 川中丘陵区
全文链接
请求原文
基于极限学习机的参考作物蒸散量预测模型
《第18届CIGR国际农业工程学会世界大会论文集2 》 2014 CSCD
摘要：为实现气象资料缺乏情况下参考作物蒸散量(referencecropevapotranspiration,ET0)高精度预测,以气象因子的不同组合为输入参数,利用FAO-56Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机(extremelearningmachine,ELM)的ET0预测模型。选取川中丘陵区7个气象站点1963-2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明:ELM模型能很好地反映气象因子同ET0间复杂...
首页上一页1下一页尾页
