确定蒸散量的方法
阅读：253发布：2020-05-11
专利汇可以提供确定蒸散量的方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种确定 蒸散量 的方法，包括以下步骤：S1、采集待检测区的气象数据；S2、分别用两种或三种模型来计算蒸散量，所述两种或三种模型中，其中一种为彭曼模型，另一种或两种为经验模型；S3、利用所述彭曼模型对经验模型进行标定，提出一组回归标定系数，利用所述标定系数标定所述经验模型；S4、对标定的经验模型进行比对验证。本发明分区域进行蒸散量估算，并采用彭曼模型对经验模型进行校准，不仅提高了经验模型估算蒸散量的 精度 ，而且有利于气象数据稀缺地区的蒸散量的快速估算，进而为估算农业需 水 量、监测干旱和指导 灌溉 等提供重要的技术依据。，下面是确定蒸散量的方法专利的具体信息内容。
1.一种确定蒸散量的方法，其特征在于，包括以下步骤：
S1、采集待检测区的气象数据；
S2、分别用两种或三种模型来计算蒸散量，所述两种或三种模型中，其中一种为彭曼模型，另一种或两种为经验模型；
S3、利用所述彭曼模型对经验模型标定，提出一组基于回归计算的标定系数，利用所述标定系数标定所述经验模型；
S4、对标定后的经验模型进行对比验证。
2.如权利要求1所述的方法，其特征在于，步骤S2中，经验模型为Thornthwaite模型和Hargreaves模型，或其中的任一种。
3.如权利要求1所述的方法，其特征在于，步骤S1中，分区域采集气象数据。
4.如权利要求1所述的方法，其特征在于，步骤S2中，分别用两种或三种模型来计算各区域每个月的蒸散量。
5.如权利要求3所述的方法，其特征在于，步骤S3中，利用所述彭曼模型对经验模型标定，具体为：利用彭曼模型计算出的蒸散量分别与经验模型估算出的蒸散量进行回归，分区域提出标定系数。
6.如权利要求1～5任一项所述的方法，其特征在于，所述气象数据包括最高气温、最低气温、风速、相对湿度、降水量、日照时数、经纬度和高程信息。
确定蒸散量的方法
技术领域
背景技术
[0002] 作为干旱发生过程中的重要特征参数之一，蒸散量的精确估算对于及时了解农业旱情有着重要的作用。蒸散量的估算目前主要有两种方法，第一种是基于气象数据的物理模型，如彭曼模型；第二种是基于能量或水量平衡方程。其遥感估算也是在这两种方法的基础上，对其中的某些参数采用遥感手段获取，进而间接估算蒸散量。
[0003] 目前利用气象数据估算蒸散量的模型主要是彭曼模型，即FAO56-Penman Monteith(简称FAO56-PM)，该模型考虑了温度、饱和水汽压差和风速等蒸散量过程中的重要气象参数，因此具有较高的精度，被许多研究学者作为标准采用，联合国粮农组织也采用该模型。然而，虽然该模型精度较高，但所需气象资料繁多，难于获取，在气象资料匮乏地区，实际研究应用中不便推广。所以，需要参数较少的经验模型得到较大的关注。经验模型是指根据待测变量和实测数据之间的经验统计关系而得到的模型，在这样的模型中，变量之间的关系是通过对数据进行统计拟合获取。
[0004] ET0(表示参考蒸散量)是天气参数的函数，一系列包括物理的、经验的和半经验的方法已经用来评估蒸散量(可参见Penman，1948；Thornthwaite，1948；Monteith，1965；Priestly 和 Taylor，1972；Hargreaves，1974；Linacre，1977；Hargreaves 等，
1985；Qiu，1996等文献)。精确和简单适用是估算蒸散量的两个关键需求(Dinpashoh，
2006；Gao等，2007；Gavilán等，2006；Pereira和Pruitt，2004等文献)。对于经验方法，Thornthwaite(可参见Thornthwaite，1948文献)和Hargreaves(可参见Hargreaves等，
1985文献)法只需要气温参数。这是方便的，因为在许多地区往往缺乏物理模型所需的太阳日照时数、风速和相对湿度等正确的气象资料。Thornthwaite和Hargreaves方程在某个地区的应用需要进行当地校正。用一个方程校正或验证另一个方程的方法在世界上广泛运用(可参见Allen等，1998；Itenfisu等，2003；Irmak等，2003等文献)。
1985；Qiu，1996等文献)。精确和简单适用是估算蒸散量的两个关键需求(Dinpashoh，
2006；Gao等，2007；Gavilán等，2006；Pereira和Pruitt，2004等文献)。对于经验方法，Thornthwaite(可参见Thornthwaite，1948文献)和Hargreaves(可参见Hargreaves等，
1985文献)法只需要气温参数。这是方便的，因为在许多地区往往缺乏物理模型所需的太阳日照时数、风速和相对湿度等正确的气象资料。Thornthwaite和Hargreaves方程在某个地区的应用需要进行当地校正。用一个方程校正或验证另一个方程的方法在世界上广泛运用(可参见Allen等，1998；Itenfisu等，2003；Irmak等，2003等文献)。
[0005] 与标准的蒸渗仪测量值相比，大量的研究表明Penman-Monteith方程优于其它方法(可参见Jensen等，1990；Allen等，1994a，b；Lecina等，2003；López-Urrea等，2006a，b等文献)。这种情况使得FAO把Penman-Monteith方程作为标准来估算ET0，并且推荐FAO Penman-Monteith方程来标定或验证其它ET0方法(可参见Smith等，1991；Allen等，1998；Gavilán等，2006等文献)。该方程被证明能够较好地适用于许多气候条件(Allen等，1989；
Smith，1991；López-Urrea等，2006等文献)。
Smith，1991；López-Urrea等，2006等文献)。
[0006] 根据当地的条件，改进或评估经验模型的重要性不言而喻(可参见Gavilán等，2006文献)。因此，最近四五十年，改进的模型在世界范围内广泛提出(可参见Hargreaves等，1985；Hargreaves，1994；Willmott等，1985；Xu and Singh，2001；Hargreaves和Allen，
2003；Pereira和Pruitt，2004等文献)。尽管中国近年来也开展了类似的研究(可参见Li等，2002；Zhang等，2008等文献)，但对于水资源匮乏的中国北方地区的研究还很少。Liu等(2006)基于华北的有限气象站点，采用FAO-56PM方程评估了几个经验模型，但研究区域还很局限。
2003；Pereira和Pruitt，2004等文献)。尽管中国近年来也开展了类似的研究(可参见Li等，2002；Zhang等，2008等文献)，但对于水资源匮乏的中国北方地区的研究还很少。Liu等(2006)基于华北的有限气象站点，采用FAO-56PM方程评估了几个经验模型，但研究区域还很局限。
[0007] 而经验的蒸散量模型如Hargreaves模型和Thornthwaite模型，则因为模型简单，精度较高的特点被广泛使用。不过这些经验模型的精度与FAO56-PM标准模型相比还有一定的误差。
发明内容
[0008] (一)要解决的技术问题
[0009] 本发明要解决的技术问题是：如何快速提高蒸散量的估算精度。
[0010] (二)技术方案
[0011] 本发明提供了一种确定蒸散量的方法，包括以下步骤：
[0012] S1、采集待检测区的气象数据；
[0013] S2、分别用两种或三种模型来计算蒸散量，所述两种或三种模型中，其中一种为彭曼模型，另一种或两种为经验模型；
[0014] S3、利用所述彭曼模型对经验模型标定，提出一组基于回归计算的标定系数，利用所述标定系数标定所述经验模型；
[0015] S4、对标定后的经验模型进行对比验证。
[0016] 其中，步骤S2中，经验模型为Thornthwaite模型和Hargreaves模型，或其中的任一种。
[0017] 其中，步骤S1中，分区域采集气象数据。
[0018] 其中，步骤S2中，分别用两种或三种模型来计算各区域每个月的蒸散量。
[0019] 其中，步骤S3中，利用所述彭曼模型对经验模型标定，具体为：利用彭曼模型计算出的蒸散量分别与经验模型估算出的蒸散量进行回归，分区域提出标定系数。
[0020] 其中，所述气象数据包括最高气温、最低气温、风速、相对湿度、降水量、日照时数、经纬度和高程信息。
[0021] (三)有益效果
[0022] 本发明分区域进行蒸散量估算，并采用彭曼模型对经验模型进行校正，不仅提高了经验模型估算蒸散量的精度，而且有利于气象数据稀缺地区的蒸散量的快速估算，进而为估算农业需水量、监测干旱和指导灌溉等提供重要的技术依据。附图说明
[0023] 图1为本发明的方法流程图；
[0024] 图2为待检测区的气象站点分布图；
[0025] 图3为本发明实施例所采用的中国北方FAO56-PM模型和两个ET(表示蒸散量)估算模型的关系；
[0026] 图4为两个改进后的ET模型估算蒸散量的验证比较结果；
具体实施方式
[0027] 下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0028] 为了减少这种误差，本发明基于中国北方的气象数据，利用标准的FAO56-PM对两个使用较广的Hargreaves和Thornthwaite模型进行标定，对于干旱或半干旱的中国北方地区，分区域(华北、西北和东北)提出一组不同区域的经验模型校正系数，进而改进了两个经验模型，并利用一些气象站点进行验证应用，从而提高蒸散量的估算精度。
[0029] 图1示出了本发明实施例的流程图，如图1所示，一种准确快速估算蒸散量的方法包括以下步骤：
[0030] S1、待检测区数据的采集：
[0031] 共采用中国北方的296个气象站点(如图2所示)的37年(1996-2002年)的气象数据，包括最高、最低气温，风速、相对湿度、降水、日照时数、经纬度和高程信息等数据。其中的276个站点用于回归计算，即根据标准的FAO-56PM方程来标定两个经验模型(即图
2中的“回归站点”)，其它20个站点(如表1所示)用来验证标定后的经验模型(即图2中的“验证站点”)。
2中的“回归站点”)，其它20个站点(如表1所示)用来验证标定后的经验模型(即图2中的“验证站点”)。
[0032] 表1三个气候区各省/直辖市的气象站点数
[0033]
[0034]
[0035] S2、分别用三种模型来估算蒸散量。
[0036] 本发明所采用的三个模型分别是经典的Penman-Monteith物理模型(即上面提到的FAO-56PM方程)、经验模型Thornthwaite和Hargreaves模型，这三个模型都是现有技术。
[0037] 下面分别进行介绍。
[0038] FAO-56Penman-Monteith模型(FAO-56PM)的方程为：
[0039]
[0040] ET0是参考蒸散量(mm/d)；Δ是饱和水汽压对气温曲线的斜率(kPa/℃)；Rn是净辐射，G是土壤热通量，U2是2m高处的日平均风速。γ是干湿球常数(kPa/℃)；T是2m高处的平均气温(℃)；es是饱和水汽压(kPa)；ea是实际水汽压(kPa)。所有参数的计算均采用Allen等(1998)提供的方法。
[0041] Thornthwaite模型为：
[0042]
[0043] TCi＝0.5k(3Tmax，i-Tmin，i) (3)
[0044]-7 3 -5 2 -2
[0045] a＝6.75×10 I-7.71×10 I+1.7612×10 I+0.49239 (5)
[0046] TCi是长期有效气温，其定义见Pereira和Pruitt(2004)。Tmax，i、Tmin，i表示第i天的最高气温和最低气温，i表示每月天的序号。
[0047] Hargreaves模型(HG-1985)为：0.5
[0048] ET0＝0.0023Ra(T+17.8)(Tmax-Tmin) (6)
[0049]
[0051] J 是 月 的 序 号，M ＝ 14.9425-0.0098La-0.00175La2，C12 2
＝ -0.5801+0.1834La-0.00066La ，C2 ＝ 3.1365-0.00489La+0.000061La ，C3 ＝
3 2
0.597-5.36×10-6La，C4＝2.9588-0.00909La+0.00024La。La指纬度。
＝ -0.5801+0.1834La-0.00066La ，C2 ＝ 3.1365-0.00489La+0.000061La ，C3 ＝
3 2
0.597-5.36×10-6La，C4＝2.9588-0.00909La+0.00024La。La指纬度。
[0052] 公式(1)、(2)和(6)计算出的ET0都是一个月内每天的平均值，单位是mm/d(“d”表示“天”)，分别对计算结果进行累加，可以将它们分别转换为累计的月蒸散量ET0值，从而获得每个气象站点37年的月蒸散量ET0值。
[0053] S3、利用FAO56-PM模型(以下也简称为P-M模型)对两个经验模型进行标定，提出一组基于回归计算的标定系数(也称为回归标定系数)，改进两个经验模型。
[0054] 图3分别显示了中国北方三个生态气候区的两个经验模型和标准的P-M模型之间的线性回归关系。图3的结果表明，概率P＜0.001时，两个经验模型均和P-M模型极显著相关。其中，Hargreaves与P-M模型的相关性要优于Thornthwaite与P-M模型的相关性，这说明Hargreaves模型对蒸散量的估算更接近标准的P-M模型。
[0055] 将FAO56-PM模型估算出的蒸散量分别与两个经验模型估算出的蒸散量进行回归计算，分区域提出回归标定系数，得到标定后两个经验模型，也就是改进后的两个经验模型(如表2所示)。
[0056] 表2中国北方分区域改进的ET模型及误差分析
[0057]
[0058]
[0059] 表2中，标定后的模型Thornthwaite的方程中，TCi表示是长期有效气温，I和a是TCi的函数。标定后的模型Hargreaves的方程中，Ra是与水汽蒸发等量值的日外太空辐射。MAE(Mean Absolute Error)是绝对平均误差。RMSE(Root Mean Square Error)是均方根误差。它们是衡量一个模型优劣的标准。
[0060] 所述回归标定系数为图3的a～f中各线性方程y＝mx+n中的m、n，图3中的“***”表示极显著相关。因为两个经验模型本身都有系数，所以表2中的方程系数是把所述回归标定系数与各经验模型本身的系数相乘之后的结果，由此对经验模型进行了改进。
[0061] S4、对标定后的模型进行验证。
[0062] 用20个典型气象站点验证上述改进的两个分区域蒸散量经验模型，其结果如图4的a～f(图4中“Calibrated”表示“校正”)。可以看出，改进后的模型对蒸散量的估算能够和标准的P-M模型吻合。
[0063] 与改进前的模型，改进后的Thornthwaite模型的平均MAE和RMSE分别减少约50和45％，这和Garcia et al.(2004)的研究结果一致，他发现干旱和半干旱气候下，对于草地和作物的蒸散量，原模型低估了约50％或更多。这种情况可能是因为模型是基于湿润地区发展的，没有考虑空气饱和水汽压差(可参考Stanhill，1961；Pruitt和Doorenbos，1977；Garcia等，2004)。对Hargreaves模型来说，改进后的MAE和RMSE分别减少大约39和
26％，这和López-Urrea等(2006)的研究一致，他研究中的相对误差为25％，也和Gavilán等(2006)的研究接近，其MAE和RMSE分别减少60和15％。
26％，这和López-Urrea等(2006)的研究一致，他研究中的相对误差为25％，也和Gavilán等(2006)的研究接近，其MAE和RMSE分别减少60和15％。
[0064] 在东北和华北地区，两种改进模型的误差大约是Cai等(2007)研究结果的二倍。这可能是因为Cai et al.等(2007)的研究数据只来自于两个气象站的15年资料，其结果在这些地区的时空代表性不强。
[0065] 然而，两种改进方法的误差总体来说较小，能够接受。以上的误差分析表明Hargreaves模型的误差几乎均小于Thornthwaite模型。这是有两个模型自身的特点决定的。例如，后者只需要温度作为输入，而前者则考虑了温度、辐射和高程效应。因此，这两个模型相比，无论改进前后，Hargreaves模型的精度均要高于Thornthwaite模型。因此，在步骤S2～S4中，更推荐使用Hargreaves模型估算蒸散量。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种高温太阳能真空集热管用复合型吸氢材料 | 2020-05-19 | 778 |
| 获取田块尺度的农田蒸散量的方法 | 2020-05-12 | 746 |
| 渗流补偿式陆面蒸散仪测量方法 | 2020-05-12 | 978 |
| 一种高温太阳能真空集热管用复合型吸氢材料 | 2020-05-20 | 297 |
| 一种测定生态系统蒸散氢氧同位素通量的装置 | 2020-05-14 | 627 |
| 基于农田蒸散量观测修正作物系数的方法 | 2020-05-14 | 855 |
| 一种用于金属直通太阳能真空管的复合吸气剂 | 2020-05-18 | 625 |
| 一种模拟水田环境的稻田蒸散测定装置 | 2020-05-19 | 752 |
| 一种采用动态定压法测量非蒸散型吸气剂吸气性能的检测台 | 2020-05-17 | 907 |
| 一种水稻田间蒸散量简易检测装置 | 2020-05-16 | 449 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈