科研之友
微信
新浪微博
Facebook
分享链接
摘要
为高效准确地估算遮荫设施内参考作物蒸散量（reference evapotranspiration, ET0），该研究通过分析三七栽培遮荫设施（四周及顶部均由黑色遮阳网遮盖，通风性较好）内及设施外气象参数的关系，采用Sobol敏感性分析方法筛选出设施外有效的气象参数，并将其作为模型输入，以Penman-Monteith(FAO-56PM)模型计算的值为标准值，采用贝叶斯优化（bayesianoptimization,BO）算法优化机器学习方法（支持向量回归机（support vector regression, SVR）、随机森林（random forest, RF）和极限学习机（extreme learning machine, ELM））中的参数，建立3种遮荫设施内ET0估算模型（BO-SVR、BO-RF和BO-ELM）。结果表明：遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高，一阶敏感系数分别为0.450、0.304、0.064和0.026，故基于4组气象参数建立模型。BO-ELM模型的测试精度整体优于BO-SVR和BO-RF，其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高，决定系数、均方根误差和平均绝对误差分别为0.928、0.069和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数（平均相对湿度和平均风速）估算设施内ET0，决定系数、均方根误差和平均绝对误差分别为0.910、0.078和0.057mm/d。综合考虑计算精度和计算代价，可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法。研究为遮荫设施内ET0的估算提供有效方法。
- 单位
