利用MARS估算不同气象要素组合下的参考作物蒸散量

摘要：

建立精确预测参考作物蒸散量(ET0)的计算模型对区域水资源规划和灌溉调度设计具有重要意义.聚焦评估多元自适应回归样条模型(multivariate adaptive regression splines,MARS)计算每日ET0的性能.首先,将Penman-Monteith方程计算的ET0作为标准值;然后,利用中国新疆维吾尔自治区伊犁哈萨克自治州伊宁站1996-2015年逐日气象数据,建立14种不同气象参数组合下的MARS模型并计算ET0;最后,将结果与广义回归神经网络(general regression neural network,GRNN)、支持向量机(support vector machine,S VM)及基于温度、传质、辐射和气象参数的10个经验方程进行比较.结果表明,MARS、GRNN和SVM计算ET0的精度均高于经验方程,整体上MARS性能最好、精度最高,而SVM略优于GRNN.

关键词：参考作物蒸散量、多元自适应回归样条、广义回归神经网络、支持向量机

所属期刊栏目：47

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家社会科学基金;新疆维吾尔自治区青年科技创新人才培养工程

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：789-798