河北省典型区域典型作物ET估算方法研究

• 作者: 李鹏程 王凤春 贾悦 高悦
• 来源期刊: 水利水电技术
• 学科: 农学
• 关键词: 典型作物 作物需水量 作物系数法 极限学习机 节水型社会建设
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 水文水资源
• 页码范围: 68-77
• 页数: 10页
• 分类号: S161.4
• 语种: 中文
• DOI: 10.13928/j.cnki.wrahe.2020.11.008

摘要

为研究河北省典型作物需水量(Evapotranspiration,ET)估算方法,以河北省邢台市和石家庄市作为典型区域,选择夏玉米和棉花作为典型作物,以作物系数法为基础,构建典型作物ET估算方法.以分段单值平均作物系数法计算作物不同生育期作物系数,以Penman-Monteith模型(PM)计算结果作为标准值,分别估算Hargreaves-Samani模型(HS)、Irmark-Allen模型(IA)、HS改进模型、Trajkovic模型(Tra)、Droogres-Allen模型(DA)5种经验模型和极限学习机(ELM)、广义回归神经网络(GRNN)、随机森林(RF)、M5树模型(M5T)共4种人工智能模型的参考作物蒸散量数值(Reference crop evapotranspiration,ET0),求得不同尺度ET数值,得出最优模型.结果 表明:在ET日值模拟中,ELM模型在夏玉米和棉花ET估算中的精度最高,拟合方程斜率更接近标准值"1",经验模型中的IA模型精度相对较高;ET月值模拟中,ELM模型最高,经验模型中的Tra模型精度相对较高;不同生育期内,夏玉米全生育期、初始生长期、快速发育期、生育中期和成熟期的最优模型依次为ELM模型、ELM模型、GRNN模型、GRNN模型、GRNN模型,棉花5个生育期尺度的最优模型依次为ELM模型、ELM模型、ELM模型、GRNN模型、GRNN模型;同时,辐射项的输入可进一步提高人工智能模型的精度,可为以后的研究提供思路.研究成果可为河北省节水型农业和节水型社会建设提供依据.