公共文化服务平台

搜索到1125篇“ 参考作物蒸散量“的相关文章

京津冀地区参考作物蒸散量算法比较及参数标定: 2025年; 为解决京津冀地区参考作物蒸散量估算中风速或日照时数等气象要素不足的问题,分别以Penman-Monteith、Priestley-Taylor、Hargreaves 3种方法计算了参考作物蒸散量,并以Penman-Monteith方法为标准,分站点逐月进行了参数标定,获得了适用于京津冀地区Priestley-Taylor与Hargreaves方法的参数标定值。结果表明:用Priestley-Taylor、Hargreaves默认参数估算参考作物蒸散量时,冷干月份(1—3月、11—12月)参考作物蒸散量偏低,暖湿月份(7—8月)参考作物蒸散量偏高;利用标定后的Priestley-Taylor方法计算时,温度较低月份的参考作物蒸散量相对均方根误差(NRMSE)平均降低10%~21%,暖湿月份的参考作物蒸散量相对均方根误差(NRMSE)平均降低7%~9%;利用标定后的Hargreaves方法计算时,冷干月份的参考作物蒸散量相对均方根误差(NRMSE)平均降低2%~10%,暖湿月份的参考作物蒸散量相对均方根误差(NRMSE)平均降低4%~5%。综上,基于各站点64年气象实测数据逐月标定的参数可知,使用Priestley-Taylor、Hargreaves方法可以较准确地估算京津冀地区参考作物蒸散量。; 薛庆禹武荣盛党超琪刘淑梅黎贞发; 关键词：参考作物蒸散量 PENMAN-MONTEITH HARGREAVES

一种基于用户数据信息的参考作物蒸散量估算方法: 本发明公开了一种基于用户数据信息的参考作物蒸散量估算方法，包括以下步骤：S1、构建全国数据库，并计算日尺度的参考作物蒸散量；S2、用户上传气象数据和地理信息，需根据数据模板，提供2者以上的必选信息；S3、计算每种气象因子...; 刘法吴立峰刘文彬

Ångström-Prescott模型参数校正下陕西省参考作物蒸散量的时空演变特征: 2025年; 利用陕西省延安站、西安站和安康站3个气象站太阳辐射(Rs)和日照时数的观测数据,采用最小二乘法对估算Rs的Ångström-Prescott(A-P)模型参数a和b进行季节尺度和年尺度的校正,并验证校正精度;基于全省92个气象站点1971−2021年日值气象数据,采用Penman-Monteith公式估算ET0,通过Anusplin插值方法得到ET0的空间分布,采用回归分析和Hurst指数研究陕西全省及其3个地区(陕北地区、关中地区和陕南地区)ET0的时空演变特征。结果表明:(1)FAO对参数a和b的推荐值并不适用于陕西省,3个站点校正后的参数a和b的范围分别为0.14~0.19和0.53~0.58,年尺度校正是相对最优选择。(2)使用FAO推荐值相对于年尺度校正值估算ET0在陕西全省高估了8.6%,陕北地区、关中地区和陕南地区分别高估了9.3%、4.8%和11.8%;春季、夏季、秋季和冬季分别高估了7.5%、9.5%、8.1%和2.9%。(3)1971−2021年全省ET0的年平均值为765.54~986.06mm,呈关中>陕南>陕北的空间格局,全省及其3个地区的时间变化趋势及未来变化趋势均不明显。春季、夏季、秋季和冬季ET0分别占全年ET0的30.8%、40.5%、18.1%和10.6%。陕北和陕南地区季节ET0的时间变化趋势均不明显,关中地区春季和夏季ET0分别呈显著增加和显著减少趋势。全省及其3个地区季节ET0的未来变化趋势均不明显。; 张亚军李佩张猛杨帆; 关键词：参考作物蒸散量参数校正 PENMAN-MONTEITH公式

顾及时空特征的参考作物蒸散量集成学习估算被引量：2: 2024年; 为提升参考作物蒸散量(ET_(0))的估算精度,以四川省为研究区域,发现全省ET_(0)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ET_(0)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年逐年精度验证中,Stacking模型精度始终优于其每年最优基模型精度.因此,顾及时空特征的Stacking模型可有效提升四川省ET_(0)估算精度.; 刘傲赵东保魏义长肖炼; 关键词：参考作物蒸散量

一种三七栽培设施内参考作物蒸散量的估算方法: 本发明公开了一种三七栽培设施内参考作物蒸散量的估算方法,该方法通过马尔可夫链蒙特卡罗抽样方法率定Irmak公式中的参数，在小样本情况下提高了公式的估算精度，改进Irmak公式的计算值与FAO‑56PM公式的计算值接近，相...; 李晓丽杨启良

基于预报气温和HS公式估算麦季参考作物蒸散量: 2024年; 为了精准评价基于预报气温和Hargreaves-Samani (HS)公式计算参考作物蒸散量的可行性和准确性,基于1961—2017年新乡历史气象数据以Penman-Monteith (PM)公式计算结果对HS公式参数进行了校正,采用预报气温数据通过修正后的HS公式计算2018—2020年冬小麦生长季节的参考作物蒸散量。以Penman-Monteith计算的参考作物蒸散量为对照值进行对比,结果表明用Hargreaves-Samani(HS)公式和预报气温估算的日参考作物蒸散量与Penman-Monteith计算的参考作物蒸散量相关程度较高,平均绝对误差为0.48 mm/d,均方根误差为0.64 mm/d,决定系数为0.84,拟合度为0.96。说明在华北地区用日预报气温资料采用Hargreaves-Samani(HS)公式估算参考作物蒸散量这一方法可行,这为农业灌溉预报提供了理论和方法上的保证,并且对指导当地农业水资源配置具有参考意义。; 刘小飞谢朝晖; 关键词：参考作物蒸散量

基于PSO-RF模型的汉江流域参考作物蒸散量模拟研究被引量：1: 2024年; 选取1960−2017年汉江流域及附近24个气象站的逐日气象数据,构建16种基于粒子群算法优化随机森林(PSO-RF)的日尺度ET0计算模型,并与Hargreaves-Samani、Makkink和Irmark-Allen共3种模型进行比较,评价PSO-RF模型在汉江流域的适用性及可移植性。结果表明:(1)PSO-RF模型能很好地识别各输入参数与日尺度ET0的非线性关系;仅采用最高气温(Tmax)、最低气温(Tmin)和地球外辐射(Ra)建立的PSO-RF2模型具有足够精度,平均MAE为0.402mm·d^(−1),RMSE为0.575mm·d^(−1),R^(2)为0.863;随输入气象要素数量增加,模型计算精度不断升高,平均MAE减小了37.9%,RMSE减小了36.3%,R^(2)升高了6.78%。(2)PSO-RF模型的计算精度优于相同输入参数的Hargreaves-Samani、Makkink和Irmark-Allen模型,平均MAE减小了43.6%、RMSE减小了34.5%,R2升高了4.12%。(3)PSO-RF模型在汉江流域具有较强的泛化能力和可移植性,分区建立的PSO-RF模型相互移植时,平均MAE为0.159mm·d^(−1),RMSE为0.245mm·d^(−1),R^(2)为0.974。因此缺乏气象数据时,基于PSO-RF建立的日尺度ET0计算模型可作为汉江流域日尺度ET0计算的推荐模型。; 葛杰曹绮欣张晓鹏雷龙陈至立冯家豪; 关键词：汉江流域参考作物蒸散量 PSO 可移植性

淮北平原36种参考作物蒸散量估算方法适用性研究被引量：1: 2024年; 为分析不同参考作物蒸散量估算方法在淮北平原的适用性,以FAO56 Penman-Monteith(FAO56PM)模型为标准,基于五道沟实验站2009-2022年气象观测数据,选取6种统计指标,从日、月尺度综合分析。结果表明,所有方法中,日尺度下FAO24Penman(FAO24PM)法、1996 KiM-Berly Penman(K-P)法、Pristley-Taylor(P-T)法最优,月尺度下FAO24PM法、P-T法、Debruin-Keijman(D-K)法最优;综合法最优,其次依次为辐射法、质量传输法和温度法;综合法中FAO24PM法最优,辐射法中P-T法最优,温度法中FAO24BC法最优,质量传输法中Mahringer法日尺度下最优,Trabert法月尺度下最优。因此,当数据资料充足时推荐FAO24PM法,资料不齐全时推荐P-T法、FAO24BC法、Mahringer法(日尺度)或Trabert法(月尺度)。; 陈雨章启兵吕海深陈小凤李杰蒋鑫平王振龙; 关键词：淮北平原

基于思维进化算法优化的东北地区参考作物蒸散量估算被引量：1: 2024年; 准确估算参考作物蒸散发(Reference crop evapotranspiration,ET_(0))对于农业水资源管理至关重要。东北地区是我国最重要的粮食产区,但该区域纬度相对较高、气温相对较低,ET_(0)影响因素多、估算的不确定性高。研究选取东北地区20个代表性气象站点1961-2019年气象数据,采用Mann-Kendall非参数趋势检验及反距离加权插值法模拟东北地区ET_(0)时空变化特征,并利用思维进化算法(Mind Evolutionary Algorithm,MEA)优化模型参数,以FAO-56 Penman-Monteith公式计算结果为标准值,比较9种不同输入因子的模型精度,结果表明:(1)1961-2019年东北地区ET_(0)的年平均值在567.81~1080.66 mm之间,东北地区北部的年均ET_(0)值呈上升趋势,中部平原及南部沿海呈下降趋势;(2)通过对东北地区20个站点使用不同类型模型计算ET_(0)的评估,优化前精度表现:辐射型模型>湿度型模型>温度型模型。其中Mak模型在东北地区的计算精度最高,相应的R^(2)、NSE、RMSE、和MAE中位数值分别为0.801、0.786、0.570 mm/d和0.331 mm/d;(3)MEA算法优化后,对9种经验模型的R^(2)、NSE、RMSE和MAE提升幅度分别为14.43~47.15%、14.84~50.47%、5.42~46.79%、7.47~39.86%。优化后的Mak模型相应的R^(2)、NSE、RMSE、和MAE中位数值分别为0.910、0.907、0.510 mm/d、0.291 mm/d。因此,在气象资料缺乏情景下,Mak模型可作为东北地区ET_(0)计算的最优模型,并且MEA算法优化能够高效提高模型计算精度,实现了准确性和效率之间更优化的平衡。; 刘琦董娟韩晓阳乔江波鱼洋袁银颍朱元骏; 关键词：参考作物蒸散量思维进化算法

一种适用于有限气象条件的参考作物蒸散量预测方法: 本发明公开了一种适用于有限气象条件的参考作物蒸散量预测方法，步骤如下：通过气象站获取历史气象数据并进行预处理；采用P‑M公式计算参考作物蒸散量标准值；基于集成特征选择方法进行重要因素提取，用特征选择后的数据训练Light...; 周罕觅马林爽苏裕民李纪琛李心平万罕立李辰璐路思博李润泽陈诚

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈