论文部分内容阅读
参考作物蒸散量（ET0）是水文与水资源管理的一个主要研究领域,特别是在农业灌溉方面,ET0的准确计算能够为合理规划灌区、制定灌溉计划、水资源优化配置等提供理论依据。FAO P-M公式作为FAO推荐的ET0标准计算公式,与实际值最为接近,但该公式需要输入大量气象数据,在缺少气象数据地区难以应用,因此,获得一个输入气象数据少、计算精度高、应用范围广的ET0计算模型变得至关重要。本文利用陕西省30个气象站点57 a（1960～2016年）逐日气象资料,使用FAO P-M公式计算出标准ET0,对ET0进行时空分布特征分析、敏感性分析,并对ET0进行周期分析、预测,对ANFIS、RF、SVM 3种机器学习算法在陕西省ET0计算的适用性与可移植性进行分析,并与其他ET0简化方法进行对比。主要结论如下:（1）陕西省多年平均ET0为978.77mm,在多年变化中,陕西、关中地区呈降低趋势,陕北、陕南地区呈上升趋势,除关中地区变化趋势显著外,其余地区变化趋势均不显著,除夏季ET0呈显著性上升趋势外,春季、秋季、冬季ET0上升趋势为不显著,陕西省ET0由北向南呈减弱趋势,南北相差较大,春季、夏季ET0均为北高南低,秋季、冬季ET0逐渐变为南高北低。（2）对陕西省多年ET0进行R/S分析,陕西、陕北、关中、陕南的Hurst指数分别为0.775、0.707、0.806、0.845,ET0在陕北地区未来一段时间为上升趋势,其他地区为下降趋势,持续时间均为9 a左右,春、夏、秋、冬四季ET0的Hurst指数分别为0.699、0.855、0.526、0.560,ET0在春季、秋季未来一段时间为上升趋势,在夏季、冬季为下降趋势,四个季节ET0变化趋势持续时间分别为9 a、5 a、10 a、9 a。对陕西省多年ET0进行小波分析,各地区及各季节ET0周期变化特征相似,24～32年尺度下周期变化最明显,主周期尺度为28a左右,周期长度为18a左右,在57a时间里经历了大约3个周期的变化。（3）使用相关系数法、偏导数敏感性分析、通径分析3种方法对ET0进行敏感性分析,3种方法得出结论一致,除相对湿度与ET0为负相关外,其余气象因子与ET0均为正相关,敏感性大小为:气温>日照时数>相对湿度、风速,相对湿度和风速的排名在不同站点略有差异,气温对ET0贡献率的贡献率最大,在ET0多年时空变化中气温是主要影响因素。（4）利用4种气象因子构建15种气象因子输入组合,从而构建ANFIS11～ANFIS15、RF11～RF15、SVM11～SVM15等ET0计算模型,将FAO P-M计算出的ET0作为评价标准,比较模型模拟结果,气温、日照时数对模型精度的提升要明显大于相对湿度和风速,随着气象因子的增加,构建的模型精度会随之提高,使用4种气象因子构建的ANFIS15、RF15、SVM15模型精度最高,虽然使用的气象数据与FAO P-M相同,但计算结果仍有一定的差异,SVM是3种机器学习算法中模拟效果最好的;在使用相同气象因子计算ET0时,SVM模型要优于H-S、Iramk、Makkink、P-T等4种传统ET0计算方法,SVM可以应用到陕西省缺少气象资料地区的ET0计算,代替其他ET0简化方法,提高计算精度;3种机器学习算法在ET0计算时具有较好地可移植性,在陕西省境内可以将训练好的ANFIS、RF、SVM等模型应用到具有相似气象条件的地区,由于不同模型在不同地区的模拟效果不同,因此在不同地区需要根据使用情况选择适合的机器学习算法建立ET0计算模型。