科研产出
基于不同ELM的西北旱区参考作物蒸散量模拟模型
《中国农村水利水电 》 2019
摘要：参考作物蒸散量(reference crop evapotranspiration,ET0)的精准模拟是智慧灌溉、农田水分高效利用及水资源优化调度的重要依据.为有效提高气象资料缺乏情况下对西北旱区ET0的模拟精度,在西北旱区选取4个代表性站点,并以FAO 56 Penman-Monteith(P-M)模型的ET0计算结果为标准值,基于"sin"、"radbas"和"hardlim"3种激活函数构建27种极限学习机模型(extreme learning machine,ELM,分别记为ELM-sini、ELM-radj、ELM-hardk),并将其模拟结果与Hargreaves-Samani(H-S)、Makkink(MK)、Irmark-Allen(I-A)模型进行比较.结果表明:ELM-sin7(输入u2、Tmax和Tmin)的R2和NSE均大于0.96,RMSE小于0.35 mm/d,其GPI排名第4,模型模拟精度较高; ELM-rad5(输入Tmax、Tmin和n)和ELM-sin8(输入Tmax和Tmin)的R2和NSE分别大于0.78和0.76,RMSE小于0.93 mm/d; H-S、MK和I-A模型的R2和NSE分别小于0.77和0.63,RMSE大于1.00 mm/d,可见ELM-rad5和ELM-sin8模型精度明显高于相同输入下的其他物理模型;基于ELM-sin7探究隐含层节点数对模型精度的影响发现隐含层节点数为60~100时模型精度最高;基于ELMsin7模型进行可移植性分析发现,ELM-sin7在西北旱区内各训练站点和模拟站点组合下模拟精度较高.因此,在相同气象因子组合输入下,ELM-sini和ELM-radj模型模拟精度明显高于ELM-hardk,其中ELM-sin7模拟精度较高适用于西北旱区气象因子较少时的ET0模拟;而较传统物理模型,仅有温度和日照时数时ELM-rad5模型在西北旱区适用性更好,仅有温度时ELM-sin8模型在西北旱区适用性更强.
关键词： ET0 ELM 激活函数 隐含层节点数 中国西北旱区
全文链接
请求原文
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
《灌溉排水学报 》 2017 北大核心 CSCD
摘要：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(P<0.05),而相对湿度与ET0在全区及各分区均极显著负相关(P<0.01);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。
关键词： 气象因子 ET0 Penman-Monteith Mann-Kendall 粮食主产区 相关分析 贡献率
全文链接
请求原文
四川省参考作物腾发量时空分布特征及成因分析
《中国农村水利水电 》 2014 北大核心
摘要：为探究四川省参考作物腾发量(ET0)的变化,利用1961-2010年四川省12个气象站点的逐日资料,使用联合国粮农组织(FAO)1998年推荐的Penman-Monteith公式计算各站点ET0,在此基础上采用GIS的克里金插值、Mann-Kendall趋势检验及相关分析方法分析ET0的时空变化规律及其原因。结果表明:1961-2010年四川省各站的年ET0总体呈波动性递减趋势,其中ET0在1992年以前显著下降,之后逐渐上升;ET0年内分布不均,呈单峰曲线趋势,最大值在6月,达到了96mm;ET0空间分布基本呈现自东北、西南向中部递减趋势,自西部青藏高原到中部成都平原逐渐减小,过渡到东部丘陵区又逐渐增大,随地理纬度的增大呈递减趋势,随海拔高度的增大呈递增趋势,时空分布存在较大的区域差异;ET0和气象因子的相关分析表明,ET0和日照时数、风速呈显著正相关(α=0.05),是四川省ET0变化的主要影响因素。
关键词： ET0 克里金 Mann-Kendall趋势检验 相关分析 四川省
全文链接
请求原文
首页上一页1下一页尾页
