基于水文气象要素的淮北平原夏玉米蒸散灰色模型研究

发布时间：2021-02-24 09:30

　　准确预测作物蒸散量对制定精准的灌溉制度和提高水分利用率至关重要。为进一步研究识别气象要素对作物蒸散的影响,本文采用五道沟水文实验站大型称重式蒸渗仪实测资料及气象资料,利用灰色关联法分析了玉米蒸散量与14个水文气象要素间的关联度,建立12个不同影响因素组合下的GM（1,n）逐日蒸散量预测模型。结果表明:淮北平原夏玉米蒸散量与各影响因素的灰色关联度从大到小排序依次为:水汽压力差>日最高气温>地温100cm>地温30cm>地温10cm>地温50cm>日平均气温>相对湿度>绝对湿度>叶面积指数>饱和差>日最低气温>日照时数>风速;不同影响因素组合下的建模结果表明输入要素个数为4～8时,模型预测精度均合格,后验差比值均小于0.45,小误差概率均大于0.8,可用于蒸散预测。采用GM（1,7）模型时,模型精度最高。 

【文章来源】：水文. 2020,40(03)北大核心

【文章页数】：7 页

【部分图文】：

2018年夏玉米日蒸散量及降雨变化过程

根据灰色关联法计算得出的结果可知，在玉米全生长期，各影响因素的关联度按从大到小排序为：水汽压力差（0.8229）>日最高气温（0.7812）>地温100cm(0.7812）>地温30cm(0.7774）>地温10cm(0.7762）>地温50cm(0.7760）>日平均气温（0.7716）>相对湿度（0.7684）>绝对湿度（0.7646）>叶面积指数（0.7626）>饱和差（0.7584）>日最低气温（0.7531）>日照时数（0.7398）>风速（0.7100）。日蒸散量与各要素的关联度均大于0.6，关联度较强。图2为夏玉米日蒸散量与关联度最高的前7个水文气象要素变化过程。可以看出，水汽压力差的变化趋势与蒸散量变化趋势有较高的一致性，符合灰色关联分析结果，日最高气温和不同深度地温变化趋势与日蒸散量也基本一致，依此逐步建立灰色模型。3.3 灰色模型预测结果分析

为了检验模型的适用性，本文选取了同种土质、同种口径、同种作物及同种埋深的测筒数据进行验证，两个测筒蒸散趋势出现差异可能是内部环境有差别。采用蒸渗仪内相应地温及各水文气象要素，将所得GM(1,7）模型用于验证集，所得均方根误差约为0.64，纳什效率系数约为0.70，模型所得后验差比值为0.3188，小误差概率为1.1307，模型精度较高。从图4可以看出，夏玉米全生长期实际蒸散值与预测值的变化趋势基本一致，模型模拟效果较好。表明水汽压力差、气温及地温对蒸散的影响较大，在作物生育期内可根据这些气象数据建立GM(1,7）模型预测蒸散。4 结语与讨论

【参考文献】：
期刊论文
[1]高级计算器在灰色预测GM（1,1）模型精度检验中的使用[J]. 毕永.  世界最新医学信息文摘. 2019(30)
[2]基于灰色关联与预测模型分析陕西省交通运输碳排放[J]. 栾紫清.  汽车实用技术. 2019(03)
[3]基于灰色关联法的涉水边坡稳定性影响因素敏感性分析[J]. 聂兵其,汤明高,邵山,马新建,李云杰,杨何.  长江科学院院报. 2019(01)
[4]河套灌区玉米农田蒸散动态变化及其影响因子的通径分析[J]. 刘美含,史海滨,李仙岳,闫建文,孙伟,窦旭.  排灌机械工程学报. 2018(11)
[5]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)
[6]东北地区春玉米生长季农田蒸散量动态变化及其影响因子[J]. 郭春明,任景全,张铁林,于海.  中国农业气象. 2016(04)
[7]水稻蒸散特征及日尺度作物系数估算[J]. 高磊,申双和,邵立瑛,褚荣浩,谭诗琪.  中国农业气象. 2016(02)
[8]基于大型称重式蒸渗仪研究北疆滴灌麦田蒸散量[J]. 李杰,吴杨焕,陈锐,杨平,柴顺喜,崔静,马富裕.  作物学报. 2016(07)
[9]基于气象因子敏感性的参照蒸散发简化计算模型[J]. 李玫,邱诚,周洋,赵伟.  人民长江. 2015(11)
[10]大型称重式蒸渗仪测定的冬小麦农田的蒸散规律研究[J]. 汪秀敏,申双和,韩晓梅,徐延红.  气象与环境科学. 2011(04)



本文编号：3049168