基于临近台站气象数据的参考作物蒸散量估算方法

基于临近台站气象数据的参考作物蒸散量估算方法

论文摘要

参考作物蒸散量(ET0)是评估区域植被耗水进而指导水资源优化管理所需的主要参数之一,但我国大部分地区标准化气象台站稀疏、部分研究点的气象资料通常难以获取,给ET0的计算带来了很大困难。以地处内陆旱区的内蒙古河套灌区为例,利用该区4个标准气象站1981-2006年的气象资料,讨论了研究点在没有历史气象数据且现有气象数据不完备的情况下,采用临近台站气象数据估算ET0的可靠性。估算方法分别为估算未知气象数据的FAO56Penman-Monteith方程(PM56)、基于临近台站气象数据校正的经验公式以及利用临近台站气象数据训练的人工神经网络模型。结果表明:(1)在完全没有气象数据的条件下,可采用临近站点的气象数据估算研究点的ET0,平均绝对误差(MAE)为0.43~0.52 mm d-1,均方根误差(RMSE)为0.56~0.63 mm d-1;估算精度与台站间的距离有关,利用维度信息校正太阳辐射值可提高估算精度。(2)仅有最高和最低气温数据时,估算气象数据的PM56方程计算误差较大,且站点之间表现不稳定,人工神经网络模型的估算精度最高,MAE和RMSE分别为0.14~0.22mm d-1和0.17~0.29 mm d-1;校正后的Hargreaves公式的估算效果次之,MAE和RMSE分别为0.23~0.26 mm d-1和0.30~0.31 mm d-1。(3)在已知温度和辐射数据时,利用临近台站气象数据训练的人工神经网络模型依然表现最好,MAE和RMSE分别为0.13~0.19 mm d-1和0.17~0.25 mm d-1,其他两种方法误差较大。在内陆干旱条件下,利用研究点的气温数据结合临近台站的历史气象信息可有效估算参考作物蒸散发。

论文目录

  • 1 研究区概况与研究方法
  •   1.1 研究区概况
  •   1.2 研究方法
  •     1.2.1 FAO56 Penman-Monteith公式
  •     1.2.2 经验公式及其校正
  •     1.2.3 未知气象数据估算方法
  •     1.2.4 人工神经网络模型
  •     1.2.5 估算效果的评价方法
  • 2 结果分析
  •   2.1 没有气象数据时ET0的估算
  •   2.2 仅有温度数据时ET0的估算
  •   2.3 有温度和辐射数据时ET0的估算
  • 3 结论与讨论
  •   3.1 结论
  •   3.2 讨论
  • 文章来源

    类型: 期刊论文

    作者: 张学梅,王自奎,沈禹颖,杨惠敏

    关键词: 水资源管理,参考作物蒸散发,气象数据缺测,内陆旱区

    来源: 自然资源学报 2019年01期

    年度: 2019

    分类: 基础科学,农业科技,工程科技Ⅱ辑

    专业: 气象学,水利水电工程

    单位: 兰州大学草地农业科技学院草地农业生态系统国家重点实验室草业科学国家级实验教学示范中心

    基金: 国家重点研发计划项目(2016YFC04003),国家自然科学基金项目(51609112),国家牧草产业技术体系(CARS-34)

    分类号: TV213.4;P426.2

    页码: 179-190

    总页数: 12

    文件大小: 3246K

    下载量: 245

    相关论文文献

    • [1].气象数据在电视天气预报节目中的多样态呈现[J]. 气象科技进展 2019(06)
    • [2].大数据背景下气象数据发展趋势分析[J]. 南方农机 2019(10)
    • [3].大数据时代气象数据分析应用方向探析[J]. 智能城市 2018(04)
    • [4].基于二型模糊数据挖掘的船用气象数据网络应用[J]. 舰船科学技术 2017(10)
    • [5].构建完备的气象数据管理体系[J]. 中国信息化 2017(02)
    • [6].气象数据开放专题报告[J]. 中国信息化 2016(07)
    • [7].浅谈基于云计算及关联规则挖掘技术的气象数据发掘[J]. 智能城市 2016(10)
    • [8].关键气象数据不间断传输的3G应急解决方案[J]. 计算机技术与发展 2014(12)
    • [9].气象数据深度挖掘优化方法研究与仿真[J]. 计算机仿真 2013(12)
    • [10].气象数据管理与共享技术研究[J]. 信息通信 2020(10)
    • [11].气象数据的“大数据应用”浅析——《大数据时代》思维变革的适用性探讨[J]. 中国信息化 2014(11)
    • [12].自动站与人工站气象数据差异的原因[J]. 农业与技术 2012(12)
    • [13].市级气象专网网络管理与气象数据维护[J]. 网络安全技术与应用 2020(11)
    • [14].气象数据应用服务系统的研究[J]. 计算机应用与软件 2018(02)
    • [15].基于气象数据的暑多兼湿分析[J]. 中国中医基础医学杂志 2015(08)
    • [16].浅论气象数据发展规划[J]. 中国信息化 2020(09)
    • [17].气象数据在线融合分析原型系统的实现[J]. 计算机工程与应用 2018(15)
    • [18].气象数据光盘归档系统设计与实现[J]. 广东气象 2018(02)
    • [19].批处理实现气象数据定时分类存储[J]. 电脑知识与技术 2018(23)
    • [20].大数据资源技术服务协同研究——以气象数据为例[J]. 信息化研究 2016(01)
    • [21].大数据时代气象数据分析应用的新趋势[J]. 陕西气象 2014(02)
    • [22].我国将建智慧农业气象数据“一张网”[J]. 农业科技与信息 2018(04)
    • [23].基于层权法改进弹道计算中气象数据使用[J]. 兵器装备工程学报 2018(08)
    • [24].海南全岛性集中式实时气象数据服务系统的设计与实现[J]. 中小企业管理与科技(下旬刊) 2019(02)
    • [25].辽宁省农业气象数据集成服务研究[J]. 数字技术与应用 2018(08)
    • [26].基于气象数据的六淫中暑的本质及温与暑的区别分析[J]. 中华中医药杂志 2015(12)
    • [27].气象数据的价值空间[J]. 中国信息化 2016(06)
    • [28].气象数据文件检索与传输方法对比分析与应用[J]. 软件 2015(06)
    • [29].气象数据云数据存储技术及应用[J]. 气象科技 2017(06)
    • [30].船舶自动气象观测站建设与维护[J]. 山东气象 2013(03)

    标签:;  ;  ;  ;  

    基于临近台站气象数据的参考作物蒸散量估算方法
    下载Doc文档

    猜你喜欢