农业机械学报

作者：崔宁博,魏俊,赵璐,张青雯,龚道枝,王明田

单位：四川大学,四川大学,四川大学,四川大学,中国农业科学院农业环境与可持续发展研究所,中国气象局成都高原气象研究所,

关键词：参考作物蒸散量;预报模型;思维进化;神经网络;西北旱区;可移植性

基金：国家重点研发计划项目（2016YFC0400206）、国家自然科学基金项目（51779161）、“十二五”国家科技支撑计划项目（2015BAD24B01）和2017年中央高校基本科研业务费专项资金项目（2016CDDY-S04-SCU）

为有效提高西北旱区参考作物蒸散量（Reference crop evapotranspiration，ET0）预报精度，在西北旱区选择5个代表性气象站点，构建10种基于思维进化算法（Mind evolutionary algorithm，MEA）优化的误差反向传波神经网络（Back propagation neural network，BPNN）ET0预报模型，并将其与Hargreaves-Samani模型、Irmak模型和48-PM模型等3种在西北旱区ET0计算精度较高的模型进行比较。结果表明：在不同输入的情况下MEA-BPNN模型模拟精度具有相对较高水平，其中MEA-BPNN1（输入最高气温?Tmax?、最低气温?Tmin?、相对湿度?RH、日照时数?n?和距地面2?m高处的风速?u2）、MEA-BPNN2（输入Tmax?、Tmin?、n和u2）及MEA-BPNN3（输入Tmax、Tmin、RH和u2）模型的R2、NSE均大于0.96，RMSE、MAE也分别小于0.34、0.25?mm/d，以上3种MEA-BPNN模型的整体评价指标（Global performance indicator，GPI）排名分别为1、2、3;MEA-BPNN7（输入?Tmax?、?Tmin?和?u2?）的?R2?、NSE分别为0.966?2、0.962?2， RMSE、MAE分别为0.3610、0.2761mm/d，模拟精度较高；MEA-BPNN模型可移植性的分析表明： MEA-BPNN模型在西北旱区具有较强的泛化能力，基于不同站点数据构建的预报模型也有较高精度；在相同输入情况下MEA-BPNN模型模拟精度均高于Hargreaves-Samani模型、Irmak模型和48-PM模型。因此，在气象资料缺乏情景下MEA-BPNN模型可作为西北旱区ET0计算的推荐模型，可为实时精准灌溉预报的实现提供科学依据。

来源：2018年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2018年第8期