為了提高Prietley-Taylor（P-T）模型在江西省的適用性和精度,提高區(qū)域作物需水量估算精度和水資源優(yōu)化配置水平,使用了江西省26個氣象站1961-2010年逐日氣象數(shù)據(jù),以FAO Penman-Monteith（P-M）模型為標準,使用對P-T模型參數(shù)進行了全年率定（PT1）和分季率定（PT2）,并對P-T模型模擬結(jié)果進行了評價和精度分析,并使用周邊省份17個站點氣象數(shù)據(jù)建立模型,對模型參數(shù)進行了空間插值。結(jié)果顯示:全年率定參數(shù)α介于1.05～1.18之間,且參數(shù)呈現(xiàn)北部平原最高,西部山區(qū)較低的趨勢。分季率定模式下,春季和夏季參數(shù)值較小,冬季最大,并呈現(xiàn)一定程度的高估。P-T模型兩種率定方法在年尺度和月尺度上均呈現(xiàn)出了較好適用性,但t檢驗結(jié)果顯示,分季率定模式數(shù)據(jù)一致性更高。PT2對P-T模型隨季節(jié)變化的響應(yīng)能力得到了增強,精度和適應(yīng)性得到了提高,可用于在氣象資料缺乏條件下江西省ET₀的簡化計算。 

【文章來源】：節(jié)水灌溉. 2019,(12)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

江西省P-T模型率定后參數(shù)α值空間分布

分季率定模式下PT2率定方法參數(shù)α與統(tǒng)計指標相關(guān)關(guān)系如圖4所示。從圖4可以看出,統(tǒng)計指標(d-index、R2和NRMSE)與α參數(shù)均呈現(xiàn)極顯著的線性相關(guān)關(guān)系(p<0.01),盡管擬合方程本身沒有應(yīng)用價值,但是可以給我們很多啟發(fā)。分季節(jié)來看,夏季和秋季統(tǒng)計指標與參數(shù)α值的相關(guān)性最好,冬季和春季較差,而這2個季節(jié)的α值普遍也偏大,這可能是由于本研究所使用的參數(shù)率定方法是最小二乘法造成的,其所獲得的是離差平方和的最小,而α值本身是具備一定物理意義的,即其代表了某一特定氣候區(qū)空氣動力學(xué)項占總ET0的比例,該比例應(yīng)該與該地區(qū)氣候條件有關(guān),雖然在某些季節(jié)通過簡單建立經(jīng)驗的回歸關(guān)系就能獲得統(tǒng)計上的意義,但這種統(tǒng)計學(xué)的顯著也可能違背了自身的客觀規(guī)律。因此,有必要去進一步探究江西地區(qū)空氣動力學(xué)項與輻射項的比例關(guān)系。2.8 江西地區(qū)空氣動力學(xué)項與輻射項比例

P-T模型兩種率定方法下的NRMSE空間分布如圖2所示。由圖2可知,PT1法結(jié)果的NRMSE最高地區(qū)位于江西的北部,向東和向西2個方向快速降低,并在東部和西部形成了2個NRMSE值的最低區(qū)域,其中西部的最低值區(qū)域分布范圍更廣泛,而NRMSE向南則呈現(xiàn)緩慢下降。PT2法中,春季的NRMSE與PT1法分布非常相似,但PT2法整體NRMSE要高于PT1法0.06～0.12。在夏季,PT1法最高區(qū)域也分布在北部并且呈現(xiàn)向四周逐漸下降趨勢,其中在西部下降速度很快,并在東部形成一個NRMSE最低值區(qū)域,而由于向南緩慢下降,在最南部也形成了NRMSE一個最低值區(qū)域。NRMSE在秋季與夏季分布趨勢相似。冬季最高值也出現(xiàn)在北部地區(qū),但在南部也存在一個局部高值區(qū)域,在東西兩側(cè)NRMSE較小,其中西部NRMSE最小值的區(qū)域更大。從各個季節(jié)看,PT2法在秋季整體NRMSE最低,其次是夏季,而冬季和春季總體精度較差。2.5 P-T模型ET0年值比較


本文編號：3594595