基于不同LSTM模型和Hargreaves模型估算鲁中地区参考作物蒸散量

作者：马钊; 任传栋^*; 刘静; 王志真

来源：江苏农业学报, 2022, 38(06): 1559-1568.

• 鲁中地区
• 参考作物蒸散量
• 温度
• 长短期记忆神经网络(LSTM)模型
• 贝叶斯理论
• Hargreaves模型

为找出在仅使用温度这一气象参数条件下适用于区域参考作物蒸散量(ET0)估算的简化模型，本研究以鲁中地区为研究区域，基于6个气象站点1961-2019年的逐日气象数据，以长短期记忆神经网络(LSTM)模型和Hargreaves(HS)模型为基础，利用粒子群优化LSTM模型(PSO-LSTM)、遗传算法优化LSTM模型(GA-LSTM)、贝叶斯理论优化LSTM模型(BA-LSTM)和5种HS改进模型估算ET0,并将估算结果与Penman-Monteith(PM)模型的ET0进行对比。结果表明，相同参数输入条件下，LSTM模型精度普遍优于HS模型，4种LSTM模型具有较强的适用性，其中BA-LSTM模型对ET0日值的估算效果最优，其均方根差(RMSE)、平均绝对误差(MAE)、决定系数(R2)、效率系数(Ens)的中位线分别为0.378 mm/d、0.276 mm/d、0.904和0.902,其综合性指标指数(GPI)的中位线为1.837。同时，BA-LSTM模型在全区的相对误差(RE)仅为0.01%～1.75%。因此，在仅有温度这一气象参数时，推荐使用BA-LSTM模型估算鲁中地区ET0。

• 单位
  山东省水利勘测设计院