[发明专利]一种农田蒸散量短期预测方法

说明书

本发明公开了一种农田蒸散量短期预测方法，涉及农作物监测技术领域，其包括确定预测基准日以及短期预测日；利用PM法获得预测基准日的参考作物蒸散量ET₀；利用涡度相关系统获取目标农田预测基准日的作物实测蒸散量ET_c；计算目标农田用于短期预测的作物系数K_c；采用Hargreaves‑Samani模型预测各短期预测日的参考作物需水量ET′₀；获取各短期预测日的蒸散量ET′_c；计算历史经验修正参数α；计算目标农田各短期预测日的预测蒸散量ET″_c，完成农田蒸散量的短期预测。本发明方法对于农田蒸散量短期预测适用价值更高，预测精度高，稳定性好，为未来平原区农田水分管理提供科学依据。

技术领域

本发明涉及农作物监测技术领域，具体而言，涉及一种考虑作物系数动态变化与历史经验的农田蒸散量短期预测方法。

背景技术

蒸散过程是陆地水文循环的重要组成部分，蒸散量(Evapotranspiration,ET₀)对于灌溉计划以及区域水资源分配具有重要的指导意义。蒸散量的准确预测可在一定程度上节约灌溉用水量，尤其是在农业用水量较大，作物生长对灌溉依赖程度较高的干旱和半干旱地区。因此为了更好地管理作物灌溉用水量以及提高作物水分利用效率，亟待对作物ET₀进行准确预测。

蒸散量的预测常用方法主要分为4类：时间序列法、灰色模型法、智能算法以及经验公式法。时间序列法由于其所用数据单一(只需要蒸散量的历史数据)，而最近的数据则包含了极其重要的预测信息，所以预测精度存在不确定性。灰色预测方法实质是一个指数模型，当目标函数发生零增长时，系统误差严重，而且预测周期越多，误差越严重。智能算法需要数据动态的训练系统，前期需要数据量较大，不适合做短期预测。经验公式法中的单作物系数法是联合国粮农组织(FAO-56)推荐的一种经验模型，单作物系数法相较于其他较复杂的数学模型，只需要较少的气象数据以及作物和土壤的基本参数，可以根据作物种类进行参数实时优化，此方法更能反映实际情况，且计算精度较高。

基于单作物系数法进行ET_c预测时，主要取决于参考作物腾发量(ET₀)和作物系数K_c预测精度。随着天气预报精度的提高，公共天气预报数据作为重要数据来源逐渐应用于ET₀预报，常用方法为Penman-Monteith(PM)法、傅里叶分析模型和Hargreaves-Samani(H-S)模型等。其中，PM法虽然计算精度较高，但是需要气象资料多；傅里叶分析模型的预报精度较高，可以方便的嵌入灌溉系统，但是该模型存在较大的不稳定性；H-S模型由于复杂度低、输入因子(最高气温、最低气温)少，预测精度较高等优点，得到广泛应用。此外，随着作物本身与外界条件的变化，K_c也在不断变化，但是整体变化规律在作物生育期具有稳定性，K_c除与具体作物种类有关外，同种作物的K_c还具有明显的地域和时序差别，其综合反映了作物种类、土壤水肥条件和田间管理水平对ET_c的影响。目前，ET_c预测方法中K_c主要由FAO-56推荐，以常数或两常数间线性差值获得，虽然可根据当地环境气候条件调整FAO-56推荐值，可用于计算包括植被蒸腾和土壤蒸发在内的陆表蒸散发过程，适用于时间步长较大的过程计算，但是不能反映作物逐日动态变化情况，在进行ET_c短期预测时，预测值与实测值存在稍大偏差。因此，对K_c的获取需要考虑作物生长阶段对其动态变化的影响。

综上所述，现有技术对农田蒸散量的短期预测存在以下缺陷：

(1)FAO-56推荐的固定或者简单差值K_c，适合较长周期ET₀的预测，而对于短期ET₀的预测适用价值较低，并且作物系数法中的基础作物系数曲线只由确定的3个节点然后线性差值，对作物生长过程处理有所简化，从而会造成较大偏差；