• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Hydrology research >Testing hourly reference evapotranspiration approaches using lysimeter measurements in a semiarid climate
【24h】

Testing hourly reference evapotranspiration approaches using lysimeter measurements in a semiarid climate

机译：在半干旱气候下使用溶渗仪测量来测试每小时参考蒸散量方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Numerous approaches have been developed for estimating hourly reference evapotranspiration ET_0, most of which require numerous meteorological data. In many areas, the necessary data are lacking and new techniques are required. The objectives of this study are: (1) to develop artificial neural networks for estimating hourly reference evapotranspiration from limited weather data; (2) to evaluate the reliability of obtained artificial neural networks (ANNs) and Food and Agricultural Organization-56 Penman Monteith (FAO-56 PM) equation compared to the lysimeter measurements; (3) to test the performance of the FAO-56 PM equation for hourly daytime periods using r_c = 70 sm~(-1) (PM70) and using a lower r_c = 50 sm~(-1) (PM50); and (4) to evaluate the reliability of obtained ANNs compared to the FAO-56 PM equation using an hourly dataset from a variety of locations. The accuracy of two reduced-set artificial neural networks (ANNTR and ANNTHR) and two FAO-56 Penman-Monteith equations with different canopy resistance values (PM50 and PM70) was assessed using hourly lysimeter data from Davis, California. The ANNTR required only two parameters (temperature and radiation) as inputs. Temperature, humidity and (R_n - G) term were used as inputs in the ANNTHR. The ANNTR and PM50 were best at estimating hourly grass ET_0. The ANNTR approach was additionally tested using hourly FAO-56 PM ET_0 data from California Irrigation Management Information System (CIMIS) dataset. The overall results recommended Radial Basis Function (RBF) network for estimating hourly ET_0 from limited weather data. Also, the results support the introduction of new value for canopy resistance (r_c = 50s m~(-1)) in the hourly FAO-56 PM equation.
机译：已经开发出许多方法来估计每小时参考蒸散量ET_0，其中大多数方法需要大量的气象数据。在许多领域，缺少必要的数据，因此需要新技术。这项研究的目标是：（1）开发人工神经网络，以从有限的天气数据中估计每小时的参考蒸散量； （2）与溶渗仪测量值相比，评估获得的人工神经网络（ANN）和粮食与农业组织-56 Penman Monteith（FAO-56 PM）方程的可靠性； （3）使用r_c = 70 sm〜（-1）（PM70）和较低的r_c = 50 sm〜（-1）（PM50）在白天时段测试FAO-56 PM方程的性能； （4）使用来自不同地点的每小时数据集，评估与FAO-56 PM方程相比获得的人工神经网络的可靠性。使用来自加利福尼亚州戴维斯的每小时溶渗仪数据评估了两个简化集的人工神经网络（ANNTR和ANNTHR）以及两个具有不同冠层阻力值的FAO-56 Penman-Monteith方程（PM50和PM70）的准确性。 ANNTR仅需要两个参数（温度和辐射）作为输入。温度，湿度和（R_n-G）项用作ANNTHR中的输入。 ANNTR和PM50最适合估算每小时的草ET_0。 ANNTR方法还使用来自加州灌溉管理信息系统（CIMIS）数据集的每小时FAO-56 PM ET_0数据进行了测试。总体结果推荐使用径向基函数（RBF）网络从有限的天气数据中估算每小时ET_0。同样，结果支持在每小时的FAO-56 PM方程中引入新的树冠阻力值（r_c = 50s m〜（-1））。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号