中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 利用温度模型估算太阳辐射数据稀缺地区ET0 中国农业气象 2024 (7) 701-714
Position: Home > Articles > 利用温度模型估算太阳辐射数据稀缺地区ET0 Chinese Journal of Agrometeorology 2024 (7) 701-714

利用温度模型估算太阳辐射数据稀缺地区ET0

作  者：
周俊伟;董勤各
单  位：
中国科学院教育部水土保持与生态环境研究中心/中国科学院水利部水土保持研究所
关键词：
参考作物蒸散发;太阳辐射;温度;机器学习算法
摘  要：
准确估算参考作物蒸散量（ET0）对于区域水资源规划和灌溉调度具有重要意义，而太阳辐射（Rs）数据缺失是影响ET0估算的常见问题。本研究探讨基于温度模型估算Rs的可行性，寻求解决太阳辐射数据稀缺的方法，以提供更便捷且准确参考作物蒸散量估算。基于2001-2018年中国339个国家基本气象站数据，对比9种经验模型（M1-M9）和3种机器学习算法（RF、GRNN和ANN）估算逐日Rs，提出在太阳辐射数据稀缺或缺失地区估算逐日ET0的两种策略。结果表明：（1）基于温度模型估算逐日Rs可以得到满意的精度（R2>0.6），且机器学习算法优于经验模型。机器学习算法估算精度表现为人工神经网络（ANN）>广义回归神经网络（GRNN）>随机森林（RF）；经验模型估算精度表现为M9>M8>M6>M7>M5>M2>M3>M1>M4;12个模型在4个气候区估算精度表现为温带大陆区（TCZ）>温带季风区（TMZ）>亚热带季风区（SMZ）>山地高原区（MPZ）。（2）对9种经验模型综合评估发现，Hargreaves-Samani模型（M1）是最可靠的太阳辐射估算模型，其估算结果与其他模型接近，参数的变异系数（0.10）远低于其他经验模型，结合克里格插值法计算全国范围内的校准参数，得到可靠的逐日太阳辐射值。（3）不同机器学习算法在不同气候区估算逐日ET0有差异，机器学习精度表现为ANN>GRNN>RF,4个气候区精度表现为TCZ>TMZ>MPZ>SMZ。（4）有、无实际Rs校准的逐日ET0估算策略精度非常接近，两种策略都能提供准确的逐日ET0估算（R2>0.95），策略一较策略二平均R2仅提高0.39%。综合而言，本研究为解决太阳辐射数据稀缺提供了新的思路，并强调机器学习在ET0估算中的应用潜力，可在太阳辐射数据稀缺地区有效进行参考作物蒸散量的估算。

相似文章

PDF下载 PDF预览
导出引用
计量
文章访问数: 32
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46