自寻优最近邻算法估算有限气象数据区潜在蒸散量

摘要：

FAO-56 Penman-Monteith估算ET0方法被广泛使用,但计算时需要输入多个气象数据.开发一种替代方法,在使用尽可能少的气象数据情况下,仍可以提供准确的或至少接近FAO-56 Penman-Monteith的ET0估算值是该领域研究热点之一.该文结合典型相关分析(canonical correlation analysis,CCA)和k最近邻算法(k-nearest neighbor,k-NN),提出自寻优最近邻算法的潜在蒸散量计算方法(CCA-k-NN),利用较少气象数据实现潜在蒸散量的估算.核心思想是用CCA算法寻找与潜在蒸散量最相关的气象数据,实现后续估算ET0时的气象数据降维,然后利用k-NN算法估算ET0.选择西北地区为例,将该区域气象数据分别从时间和空间尺度,分为训练数据集,验证数据集和测试数据集,分别在 3 类数据集上用该文方法估算ET0,并以FAO-56 Penman-Monteith作为参照,评估了该文CCA-k-NN方法的估算精度和适用性.结果表明,CCA-k-NN方法与FAO-56 Penman-Monteith保持了较高的相关性(相关系数大于0.9),有好的估算精度,均方根误差和平均绝对误差均小于1 mm/d,空间尺度上算法纳什效率系数均大于0.5,时间尺度上纳什效率系数均大于0.8,在时空尺度均适用.同时,相对于其他替代方法该文算法具有低的时间复杂度,在计算大量数据时可有效降低时间成本.

关键词：蒸散量、相关分析、气象数据、k最近邻算法、西北地区

所属期刊栏目：35

分类号：P426.2(气象基本要素、大气现象)

资助基金：宁夏自然科学基金2019AAC03049;国家重点研发计划项目2018YFC0408104;国家自然科学基金51869024;宁夏高等学校一流学科建设项目NXYLXK2017A03;宁夏重点研发计划重大项目2018BBF02022;宁夏高等学校科研项目NGY2017026

在线出版日期：2020-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：76-83