Priestley-Taylor模型在江西省适用性研究

发布时间：2022-01-17 10:49

　　为了提高Prietley-Taylor（P-T）模型在江西省的适用性和精度,提高区域作物需水量估算精度和水资源优化配置水平,使用了江西省26个气象站1961-2010年逐日气象数据,以FAO Penman-Monteith（P-M）模型为标准,使用对P-T模型参数进行了全年率定（PT1）和分季率定（PT2）,并对P-T模型模拟结果进行了评价和精度分析,并使用周边省份17个站点气象数据建立模型,对模型参数进行了空间插值。结果显示:全年率定参数α介于1.05～1.18之间,且参数呈现北部平原最高,西部山区较低的趋势。分季率定模式下,春季和夏季参数值较小,冬季最大,并呈现一定程度的高估。P-T模型两种率定方法在年尺度和月尺度上均呈现出了较好适用性,但t检验结果显示,分季率定模式数据一致性更高。PT2对P-T模型随季节变化的响应能力得到了增强,精度和适应性得到了提高,可用于在气象资料缺乏条件下江西省ET₀的简化计算。 

【文章来源】：节水灌溉. 2019,(12)北大核心

【文章页数】：8 页

【部分图文】：

江西省P-T模型率定后参数α值空间分布

分季率定模式下PT2率定方法参数α与统计指标相关关系如图4所示。从图4可以看出,统计指标(d-index、R2和NRMSE)与α参数均呈现极显著的线性相关关系(p<0.01),尽管拟合方程本身没有应用价值,但是可以给我们很多启发。分季节来看,夏季和秋季统计指标与参数α值的相关性最好,冬季和春季较差,而这2个季节的α值普遍也偏大,这可能是由于本研究所使用的参数率定方法是最小二乘法造成的,其所获得的是离差平方和的最小,而α值本身是具备一定物理意义的,即其代表了某一特定气候区空气动力学项占总ET0的比例,该比例应该与该地区气候条件有关,虽然在某些季节通过简单建立经验的回归关系就能获得统计上的意义,但这种统计学的显著也可能违背了自身的客观规律。因此,有必要去进一步探究江西地区空气动力学项与辐射项的比例关系。2.8 江西地区空气动力学项与辐射项比例

P-T模型两种率定方法下的NRMSE空间分布如图2所示。由图2可知,PT1法结果的NRMSE最高地区位于江西的北部,向东和向西2个方向快速降低,并在东部和西部形成了2个NRMSE值的最低区域,其中西部的最低值区域分布范围更广泛,而NRMSE向南则呈现缓慢下降。PT2法中,春季的NRMSE与PT1法分布非常相似,但PT2法整体NRMSE要高于PT1法0.06～0.12。在夏季,PT1法最高区域也分布在北部并且呈现向四周逐渐下降趋势,其中在西部下降速度很快,并在东部形成一个NRMSE最低值区域,而由于向南缓慢下降,在最南部也形成了NRMSE一个最低值区域。NRMSE在秋季与夏季分布趋势相似。冬季最高值也出现在北部地区,但在南部也存在一个局部高值区域,在东西两侧NRMSE较小,其中西部NRMSE最小值的区域更大。从各个季节看,PT2法在秋季整体NRMSE最低,其次是夏季,而冬季和春季总体精度较差。2.5 P-T模型ET0年值比较


本文编号：3594595