為研究河北省典型作物需水量（Evapotranspiration,ET）估算方法,以河北省邢臺市和石家莊市作為典型區(qū)域,選擇夏玉米和棉花作為典型作物,以作物系數(shù)法為基礎(chǔ),構(gòu)建典型作物ET估算方法。以分段單值平均作物系數(shù)法計算作物不同生育期作物系數(shù),以Penman-Monteith模型（PM）計算結(jié)果作為標(biāo)準(zhǔn)值,分別估算Hargreaves-Samani模型（HS）、Irmark-Allen模型（IA）、HS改進(jìn)模型、Trajkovic模型（Tra）、Droogres-Allen模型（DA）5種經(jīng)驗?zāi)Ｐ秃蜆O限學(xué)習(xí)機（ELM）、廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）、隨機森林（RF）、M5樹模型（M5T）共4種人工智能模型的參考作物蒸散量數(shù)值（Reference crop evapotranspiration,ET₀）,求得不同尺度ET數(shù)值,得出最優(yōu)模型。結(jié)果表明:在ET日值模擬中,ELM模型在夏玉米和棉花ET估算中的精度最高,擬合方程斜率更接近標(biāo)準(zhǔn)值"1",經(jīng)驗?zāi)Ｐ椭械腎A模型精度相對較高;ET月值模擬中,ELM模型最高,經(jīng)驗?zāi)Ｐ椭械腡ra模型精度相對較高;不同生育期內(nèi),夏玉... 

【文章來源】：水利水電技術(shù). 2020,51(11)北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

玉米不同模型ET月值計算結(jié)果及相對誤差分布

圖1為邢臺市夏玉米不同模型ET日值與標(biāo)準(zhǔn)模型的擬合結(jié)果對比。由圖1可以看出,人工智能模型算法精度普遍高于經(jīng)驗?zāi)Ｐ汀＝?jīng)驗?zāi)Ｐ虴T日值的擬合方程斜率均在0.5～0.7之間,與標(biāo)準(zhǔn)值“1”之間的差距較大,HS模型擬合方程斜率在經(jīng)驗?zāi)Ｐ椭凶罱咏?”,但僅為0.697,同時經(jīng)驗?zāi)Ｐ偷臎Q定系數(shù)R2的值較小,僅有IA模型R2達(dá)到了0.804,其余模型均在0.675～0.693之間,表明經(jīng)驗?zāi)Ｐ陀嬎憬Y(jié)果與標(biāo)準(zhǔn)值的一致性較差。人工智能模型擬合方程斜率較接近于標(biāo)準(zhǔn)值“1”,其中ELM模型和RF模型擬合方程斜率分別為0.883和0.889,同時ELM模型和GRNN模型的決定系數(shù)R2較高,分別為0.859和0.858,表明僅考慮溫度資料條件下,ELM模型在邢臺市夏玉米ET日值估算中表現(xiàn)出了最高的精度。由于篇幅限制,石家莊棉花ET日值擬合結(jié)果如表3所列。由表3中可以看出,在估算石家莊棉花ET時,人工智能模型精度普遍高于經(jīng)驗?zāi)Ｐ�。�?jīng)驗?zāi)Ｐ椭?HS改進(jìn)模型的擬合方程斜率最接近“1”,但決定系數(shù)R2較低,僅為0.843,IA模型擬合方程斜率較高,達(dá)到了0.791,同時決定系數(shù)R2在經(jīng)驗?zāi)Ｐ偷娜≈底罡?因此在模擬石家莊棉花ET時,經(jīng)驗?zāi)Ｐ椭械腎A模型表現(xiàn)出了較高的精度。在人工智能模型中,ELM模型可在保證擬合方程斜率較好的同時,獲取較高的決定系數(shù)R2值,2者取值分別為0.879和0.927,表現(xiàn)出的精度較高。GRNN模型雖R2取值最高,但擬合方程斜率較低,其整體計算精度較低。而RF模型的R2值較低,M5T模型的擬合方程斜率較差,均無法滿足精度要求,因此表明ELM模型在模擬棉花ET日值時表現(xiàn)出了較高的精度。

圖2 玉米不同模型ET月值計算結(jié)果及相對誤差分布圖3為石家莊棉花ET月值計算結(jié)果與相對誤差分布。由圖3可以看出,不同模型雖計算的ET數(shù)值有所差異,但趨勢基本相同, ET在4—9月均呈現(xiàn)先升高后降低的二次拋物線型式。經(jīng)驗?zāi)Ｐ途绕毡槠?其估算值普遍高估了棉花ET數(shù)值,其中Tra模型在計算棉花ET月值時的精度相對較高,相對誤差為4.67%～17.23%。人工智能模型精度普遍高于經(jīng)驗?zāi)?型,ELM模型、RF模型、GRNN模型和M5T模型的相對誤差分別為-3.67%～13.25%、-2.85%～13.50%、-4.62%～13.50%和-4.17%～13.20%,ELM模型相對誤差較低,因此,ELM模型在棉花ET月值計算中表現(xiàn)出的精度最高。

【參考文獻(xiàn)】：
期刊論文
[1]西北地區(qū)夏玉米不同生育期蒸發(fā)蒸騰量模擬模型適用性評價[J]. 肖璐,崔寧博,趙璐,蔡煥杰,胡笑濤,張念,張福娟,虎海波,楊德文.  灌溉排水學(xué)報. 2019(S2)
[2]不同簡化算法模型模擬都江堰灌區(qū)參考作物蒸散量[J]. 婁忠秋,李楨.  水土保持研究. 2019(05)
[3]基于LSTM深度學(xué)習(xí)模型的華北地區(qū)參考作物蒸散量預(yù)測研究[J]. 邢立文,崔寧博,董娟.  水利水電技術(shù). 2019(04)
[4]河北省主要作物系數(shù)時空分布特征[J]. 曹永強,李曉瑞,朱明明.  水利水電科技進(jìn)展. 2019(02)
[5]新形勢下我國節(jié)水現(xiàn)狀及問題分析[J]. 李慧,丁躍元,李原園,郭東陽.  南水北調(diào)與水利科技. 2019(01)
[6]基于極限學(xué)習(xí)機模型的中國西北地區(qū)參考作物蒸散量預(yù)報[J]. 魏俊,崔寧博,陳雨霖,張青雯,馮禹,龔道枝,王明田.  中國農(nóng)村水利水電. 2018(08)
[7]中國三大灌區(qū)參考作物蒸散量溫度法模型的修訂與適應(yīng)性評價[J]. 楊永剛,崔寧博,胡笑濤,龔道枝,李晨,賈悅.  中國農(nóng)業(yè)氣象. 2018(06)
[8]機器學(xué)習(xí)模型在河北省參考作物蒸散量計算中的比較[J]. 張薇,霍樹義,賈悅.  節(jié)水灌溉. 2018(04)
[9]新常態(tài)下提升河北省水資源承載力對策研究[J]. 盧秀茹,張倩,周耀利,賈肖月.  中國水利. 2017(09)
[10]基于極限學(xué)習(xí)機的參考作物蒸散量預(yù)測模型[J]. 馮禹,崔寧博,龔道枝,魏新平,王君勤.  農(nóng)業(yè)工程學(xué)報. 2015(S1)



本文編號：3498396