不同冠层阻力模型在夏玉米蒸散发计算中的优化应用

• Published in: Guanʻgai paishui xuebao Vol. 40; no. 6; pp. 28 - 35
• Main Authors: LIN Xinbei, ZHOU, Gang, ZHENG Zetao, ZHAO, Lu, LIANG, Chuan
• Format: Journal Article
• Language: Chinese; English
• Published: Xinxiang City Chinese Academy of Agricultural Sciences (CAAS) Farmland Irrigation Research Institute Editorial Office of Journal of Irrigation and Drainage 01.06.2021; 四川大学,成都 610065%四川大学,成都 610065; 南方丘区节水农业研究四川省重点实验室,成都 610066
• Subjects: Ant colony optimization; Back propagation networks; Calibration; Canopies; Corn; Covariance; Evapotranspiration; Meteorological data; Neural networks; Radiation; Radiation measurement; Sensitivity analysis; Summer; Surface resistance; Vortices; Weather stations; Wind measurement; Wind speed; 蒸散量; 冠层阻力; 参数优化; 敏感度; 模型
• ISSN: 1672-3317
• DOI: 10.13522/j.cnki.ggps.2020450

【目的】更精确地估算怀来地区夏玉米蒸散量（ET）。【方法】利用怀来站点2013年的气象数据与涡度相关数据，分别采用最小二乘法与蚁群算法优化冠层阻力Jarvis模型（JA模型）和耦合表层阻力模型（CO模型）中的经验参数，使用BP神经网络模型分析冠层阻力（rc）对各气象因子的敏感程度。再利用2014年的气象数据计算ET，并以涡度相关系统实测的ET为标准验证参数优化的结果。【结果】①rc对各影响因子敏感程度从大到小顺序为：Rn>LAI>θ>T>VPD。②使用蚁群算法优化的CO模型拟合rc结果最好（R2=0.89，RMSE=410.90 s/m，d=0.88）。③使用蚁群算法优化后的CO模型模拟ET精度最高（R2=0.72，RMSE=1.07 mm，d=0.75）。【结论】Rn和LAI是影响夏玉米rc的主要因素，使用蚁群算法优化CO模型中的参数，可以获得精度最高的rc拟合结果和ET估计值，可为夏玉米精量用水提供理论依据。