河北省典型区域典型作物ET估算方法研究
发布时间：2021-11-16 07:11
为研究河北省典型作物需水量（Evapotranspiration,ET）估算方法,以河北省邢台市和石家庄市作为典型区域,选择夏玉米和棉花作为典型作物,以作物系数法为基础,构建典型作物ET估算方法。以分段单值平均作物系数法计算作物不同生育期作物系数,以Penman-Monteith模型（PM）计算结果作为标准值,分别估算Hargreaves-Samani模型（HS）、Irmark-Allen模型（IA）、HS改进模型、Trajkovic模型（Tra）、Droogres-Allen模型（DA）5种经验模型和极限学习机（ELM）、广义回归神经网络（GRNN）、随机森林（RF）、M5树模型（M5T）共4种人工智能模型的参考作物蒸散量数值（Reference crop evapotranspiration,ET0）,求得不同尺度ET数值,得出最优模型。结果表明:在ET日值模拟中,ELM模型在夏玉米和棉花ET估算中的精度最高,拟合方程斜率更接近标准值"1",经验模型中的IA模型精度相对较高;ET月值模拟中,ELM模型最高,经验模型中的Tra模型精度相对较高;不同生育期内,夏玉...
【文章来源】：水利水电技术. 2020,51(11)北大核心
【文章页数】：10 页
【部分图文】：
玉米不同模型ET月值计算结果及相对误差分布
图1为邢台市夏玉米不同模型ET日值与标准模型的拟合结果对比。由图1可以看出,人工智能模型算法精度普遍高于经验模型。经验模型ET日值的拟合方程斜率均在0.5～0.7之间,与标准值“1”之间的差距较大,HS模型拟合方程斜率在经验模型中最接近“1”,但仅为0.697,同时经验模型的决定系数R2的值较小,仅有IA模型R2达到了0.804,其余模型均在0.675～0.693之间,表明经验模型计算结果与标准值的一致性较差。人工智能模型拟合方程斜率较接近于标准值“1”,其中ELM模型和RF模型拟合方程斜率分别为0.883和0.889,同时ELM模型和GRNN模型的决定系数R2较高,分别为0.859和0.858,表明仅考虑温度资料条件下,ELM模型在邢台市夏玉米ET日值估算中表现出了最高的精度。由于篇幅限制,石家庄棉花ET日值拟合结果如表3所列。由表3中可以看出,在估算石家庄棉花ET时,人工智能模型精度普遍高于经验模型。经验模型中,HS改进模型的拟合方程斜率最接近“1”,但决定系数R2较低,仅为0.843,IA模型拟合方程斜率较高,达到了0.791,同时决定系数R2在经验模型的取值最高,因此在模拟石家庄棉花ET时,经验模型中的IA模型表现出了较高的精度。在人工智能模型中,ELM模型可在保证拟合方程斜率较好的同时,获取较高的决定系数R2值,2者取值分别为0.879和0.927,表现出的精度较高。GRNN模型虽R2取值最高,但拟合方程斜率较低,其整体计算精度较低。而RF模型的R2值较低,M5T模型的拟合方程斜率较差,均无法满足精度要求,因此表明ELM模型在模拟棉花ET日值时表现出了较高的精度。
图2 玉米不同模型ET月值计算结果及相对误差分布图3为石家庄棉花ET月值计算结果与相对误差分布。由图3可以看出,不同模型虽计算的ET数值有所差异,但趋势基本相同, ET在4—9月均呈现先升高后降低的二次抛物线型式。经验模型精度普遍偏低,其估算值普遍高估了棉花ET数值,其中Tra模型在计算棉花ET月值时的精度相对较高,相对误差为4.67%～17.23%。人工智能模型精度普遍高于经验模5型,ELM模型、RF模型、GRNN模型和M5T模型的相对误差分别为-3.67%～13.25%、-2.85%～13.50%、-4.62%～13.50%和-4.17%～13.20%,ELM模型相对误差较低,因此,ELM模型在棉花ET月值计算中表现出的精度最高。
【参考文献】：
期刊论文
[1]西北地区夏玉米不同生育期蒸发蒸腾量模拟模型适用性评价[J]. 肖璐,崔宁博,赵璐,蔡焕杰,胡笑涛,张念,张福娟,虎海波,杨德文. 灌溉排水学报. 2019(S2)
[2]不同简化算法模型模拟都江堰灌区参考作物蒸散量[J]. 娄忠秋,李桢. 水土保持研究. 2019(05)
[3]基于LSTM深度学习模型的华北地区参考作物蒸散量预测研究[J]. 邢立文,崔宁博,董娟. 水利水电技术. 2019(04)
[4]河北省主要作物系数时空分布特征[J]. 曹永强,李晓瑞,朱明明. 水利水电科技进展. 2019(02)
[5]新形势下我国节水现状及问题分析[J]. 李慧,丁跃元,李原园,郭东阳. 南水北调与水利科技. 2019(01)
[6]基于极限学习机模型的中国西北地区参考作物蒸散量预报[J]. 魏俊,崔宁博,陈雨霖,张青雯,冯禹,龚道枝,王明田. 中国农村水利水电. 2018(08)
[7]中国三大灌区参考作物蒸散量温度法模型的修订与适应性评价[J]. 杨永刚,崔宁博,胡笑涛,龚道枝,李晨,贾悦. 中国农业气象. 2018(06)
[8]机器学习模型在河北省参考作物蒸散量计算中的比较[J]. 张薇,霍树义,贾悦. 节水灌溉. 2018(04)
[9]新常态下提升河北省水资源承载力对策研究[J]. 卢秀茹,张倩,周耀利,贾肖月. 中国水利. 2017(09)
[10]基于极限学习机的参考作物蒸散量预测模型[J]. 冯禹,崔宁博,龚道枝,魏新平,王君勤. 农业工程学报. 2015(S1)
本文编号：3498396
【文章来源】：水利水电技术. 2020,51(11)北大核心
【文章页数】：10 页
【部分图文】：
玉米不同模型ET月值计算结果及相对误差分布
图1为邢台市夏玉米不同模型ET日值与标准模型的拟合结果对比。由图1可以看出,人工智能模型算法精度普遍高于经验模型。经验模型ET日值的拟合方程斜率均在0.5～0.7之间,与标准值“1”之间的差距较大,HS模型拟合方程斜率在经验模型中最接近“1”,但仅为0.697,同时经验模型的决定系数R2的值较小,仅有IA模型R2达到了0.804,其余模型均在0.675～0.693之间,表明经验模型计算结果与标准值的一致性较差。人工智能模型拟合方程斜率较接近于标准值“1”,其中ELM模型和RF模型拟合方程斜率分别为0.883和0.889,同时ELM模型和GRNN模型的决定系数R2较高,分别为0.859和0.858,表明仅考虑温度资料条件下,ELM模型在邢台市夏玉米ET日值估算中表现出了最高的精度。由于篇幅限制,石家庄棉花ET日值拟合结果如表3所列。由表3中可以看出,在估算石家庄棉花ET时,人工智能模型精度普遍高于经验模型。经验模型中,HS改进模型的拟合方程斜率最接近“1”,但决定系数R2较低,仅为0.843,IA模型拟合方程斜率较高,达到了0.791,同时决定系数R2在经验模型的取值最高,因此在模拟石家庄棉花ET时,经验模型中的IA模型表现出了较高的精度。在人工智能模型中,ELM模型可在保证拟合方程斜率较好的同时,获取较高的决定系数R2值,2者取值分别为0.879和0.927,表现出的精度较高。GRNN模型虽R2取值最高,但拟合方程斜率较低,其整体计算精度较低。而RF模型的R2值较低,M5T模型的拟合方程斜率较差,均无法满足精度要求,因此表明ELM模型在模拟棉花ET日值时表现出了较高的精度。
图2 玉米不同模型ET月值计算结果及相对误差分布图3为石家庄棉花ET月值计算结果与相对误差分布。由图3可以看出,不同模型虽计算的ET数值有所差异,但趋势基本相同, ET在4—9月均呈现先升高后降低的二次抛物线型式。经验模型精度普遍偏低,其估算值普遍高估了棉花ET数值,其中Tra模型在计算棉花ET月值时的精度相对较高,相对误差为4.67%～17.23%。人工智能模型精度普遍高于经验模5型,ELM模型、RF模型、GRNN模型和M5T模型的相对误差分别为-3.67%～13.25%、-2.85%～13.50%、-4.62%～13.50%和-4.17%～13.20%,ELM模型相对误差较低,因此,ELM模型在棉花ET月值计算中表现出的精度最高。
【参考文献】：
期刊论文
[1]西北地区夏玉米不同生育期蒸发蒸腾量模拟模型适用性评价[J]. 肖璐,崔宁博,赵璐,蔡焕杰,胡笑涛,张念,张福娟,虎海波,杨德文. 灌溉排水学报. 2019(S2)
[2]不同简化算法模型模拟都江堰灌区参考作物蒸散量[J]. 娄忠秋,李桢. 水土保持研究. 2019(05)
[3]基于LSTM深度学习模型的华北地区参考作物蒸散量预测研究[J]. 邢立文,崔宁博,董娟. 水利水电技术. 2019(04)
[4]河北省主要作物系数时空分布特征[J]. 曹永强,李晓瑞,朱明明. 水利水电科技进展. 2019(02)
[5]新形势下我国节水现状及问题分析[J]. 李慧,丁跃元,李原园,郭东阳. 南水北调与水利科技. 2019(01)
[6]基于极限学习机模型的中国西北地区参考作物蒸散量预报[J]. 魏俊,崔宁博,陈雨霖,张青雯,冯禹,龚道枝,王明田. 中国农村水利水电. 2018(08)
[7]中国三大灌区参考作物蒸散量温度法模型的修订与适应性评价[J]. 杨永刚,崔宁博,胡笑涛,龚道枝,李晨,贾悦. 中国农业气象. 2018(06)
[8]机器学习模型在河北省参考作物蒸散量计算中的比较[J]. 张薇,霍树义,贾悦. 节水灌溉. 2018(04)
[9]新常态下提升河北省水资源承载力对策研究[J]. 卢秀茹,张倩,周耀利,贾肖月. 中国水利. 2017(09)
[10]基于极限学习机的参考作物蒸散量预测模型[J]. 冯禹,崔宁博,龚道枝,魏新平,王君勤. 农业工程学报. 2015(S1)
本文编号：3498396
本文链接：https://www.wllwen.com/nykjlw/nygclw/3498396.html
