基于气象参数的内陆干旱区作物生育期ET0预测

为实现大田作物灌溉的精细化管理,研究了基于气象因素的生育期ET0预测模型。采用灰色理论对ET0与日均、日最高、最低温度,日均风速,相对湿度以及日照时数进行灰色关联度分析,结果表明ET0与温度(包括日均、最高、最低温度)及相对湿度的灰色关联度较高。在分析ET0与上述气象因素间的相关系数基础上,采用日均温度、日均风速以及日照时数作为模型的输入,ET0作为输出,建立了BP神经网络(BPNN)预测模型;采用日均温度、日均风速、日照时数及灰色关联度作为输入,建立了模糊最小二乘支持向量机(FLSSVM)预测模型。研究结果表明,BPNN模型的训练值决定系数为0.8643,平均相对误差6.29%,预测值决定系数为0.8099,平均相对误差7.83%;FLSSVM模型的训练值决定系数为0.9684,平均相对误差2.89%;预测值决定系数为0.9663,平均相对误差3.43%。BP神经网络与FLSSVM模型的精度均较高,可以用来预测ET0日值,这为大田作物的精细化灌溉管理提供理论与技术支持。