科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】实现较少气象资料输入下参考作物腾发量(ET0)的精准模拟。【方法】选取西北地区5个代表性气象站点1967—2016年逐日气象数据作为输入参数,以FAO-56 Penman-Monteith(PM)模型计算的ET0作为标准值,基于思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络,构建了不同气象因子输入组合的12种MEABP模型,并将模拟结果与Penman-Monteith 24(PM 24)、Hargreaves-Samani(H-S)和Irmark-Allen(I-A)3种在西北地区ET0模拟精度较高的经验模型进行了比较。【结果】MEA-BP模型能很好地反映气象因子与ET0间复杂的非线性映射关系;MEA-BP11模型(输入气温、日照时间和风速)、MEA-BP10模型(输入气温、相对湿度和风速)和MEA-BP7模型(输入气温和风速)的R2、NSE、MAE、RMSE和nRMSE范围分别为0.978 9～0.986 5、0.977 7～0.985 6、0.172 2～0.216 6 mm/d、0.229 9～0.285 9 mm/d和3.96%～8.64%,GPI排名分别为2、3、4,精度均明显高于3种经验模型;与H-S、I-A和PM 24模型有相同气象因子输入的MEA-BP1模型(仅输入气温)的R2、NSE、MAE、RMSE和nRMSE分别为0.770 6、0.644 3、0.772 8 mm/d、1.037 2 mm/d和31.48%,MEA-BP8模型(输入气温和日照时间)的分别为0.782 4、0.669 0、0.745 2 mm/d、1.004 6 mm/d和30.47%,MEA-BP12模型(输入气温、相对湿度、日照时间和风速)的分别为0.987 5、0.986 6、0.164 8 mm/d、0.222 0 mm/d和6.71%,其GPI排名分别为8、7和1,以上3种MEA-BP模型模拟精度均明显高于相同气象因子输入下H-S、I-A及PM 24模型。【结论】在中国西北地区应用MEA-BP模型可实现较少气象参数输入下ET0精准模拟,当仅输入气温时推荐使用MEA-BP1模型,当输气温和风速时推荐使用MEA-BP7模型,当输入气温、日照时间和风速时推荐使用MEA-BP11模型。
- 单位
