利用温度资料和广义回归神经网络模拟参考作物蒸散量

• Published in: 农业工程学报 Vol. 32; no. 10; pp. 81 - 89
• Main Author: 冯禹 崔宁博 龚道枝 胡笑涛 张宽地
• Format: Journal Article
• Language: Chinese
• Published: 南方丘区节水农业研究四川省重点实验室,成都610066%西北农林科技大学水利与建筑工程学院,杨凌,712100 2016; 中国农业科学院农业环境与可持续发展研究所/作物高效用水与抗灾减损国家工程实验室/农业部旱作节水农业重点实验室,北京,100081%四川大学水力学与山区河流开发保护国家重点实验室/水利水电学院,成都610065
• Subjects: 农业; 参考作物蒸散量,温度资料,Penman-Monteith模型,广义回归神经网络,模型适用性; 模型; 温度; 温度; agriculture; models; reference evapotranspiration; 农业; generalized regression neural network; 模型; temperature; 参考作物蒸散量,温度资料,Penman-Monteith模型,广义回归神经网络,模型适用性; temperature data; Penman-Monteith model; performance of model
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2016.10.012

参考作物蒸散量（reference evapotranspiration,ET0）精确模拟对水资源高效利用和灌溉制度制定具有重要意义,该文以四川盆地19个气象站点1961-1990年逐日最高、最低温度和大气顶层辐射作为输入参数,FAO-56 Penman-Monteith（PM）模型计算的ET0为标准值,建立基于广义回归神经网络（generalized regression neural network,GRNN）的ET0模拟模型,基于1991-2014年资料进行模型验证,将GRNN模型同Hargreaves（HS1）和改进Hargreaves（HS2）等简化模型的模拟结果进行比较,分析只有温度资料情况下不同模型模拟ET0误差的时空变异性。结果表明：GRNN、HS1和HS2模型均方根误差（root mean square error,RMSE）分别为0.41、1.16和0.70 mm/d,模型效率系数（Ens）分别为0.88、0.13和0.67。3种模型RMSE在时空上均呈现HS1〉HS2〉GRNN、Ens均呈现GRNN〉HS2〉HS1趋势;与PM模型模拟结果相比,GRNN、HS1和HS2模型模拟结果分别偏大0.8%、45.1%和17.3%。在时空尺度上的误差分析均表明利用温度资料建立的GRNN模型能够较为准确地模拟四川盆地ET0,因此可以作为资料缺失情况下ET0模拟的推荐模型。该研究可为四川盆地作物需水精确预测提供科学依据。