基于思维进化算法优化的东北地区参考作物蒸散量估算

作     者：刘琦 董娟 韩晓阳 乔江波 鱼洋 袁银颍 朱元骏 

作者机构：中国科学院教育部水土保持与生态环境研究中心 中国科学院水利部水土保持研究所 中国科学院大学 西北农林科技大学水土保持科学与工程学院 

出 版 物：《节水灌溉》 (Water Saving Irrigation)

年 卷 期：2024年

学科分类：082802[工学-农业水土工程] 08[工学] 0828[工学-农业工程] 09[农学] 0815[工学-水利工程] 0903[农学-农业资源与环境] 

主　　题：东北地区 参考作物蒸散量 思维进化算法 时空特征 经验模型 

摘      要：准确估算参考作物蒸散发(Reference crop evapotranspiration，ET0)对于农业水资源管理至关重要。东北地区是我国最重要的粮食产区，但该区域纬度相对较高、气温相对较低，ET0影响因素多、估算的不确定性高。本研究选取东北地区20个代表性气象站点1961-2019年气象数据，采用Mann-Kendall非参数趋势检验及反距离加权插值法模拟东北地区ET0时空变化特征，并利用思维进化算法（Mind Evolutionary Algorithm，MEA）优化模型参数，以FAO-56 Penman-Monteith公式计算结果为标准值，比较9种不同输入因子的模型精度，结果表明：①1961-2019年东北地区ET0的年平均值在567.81～1 080.66 mm之间，东北地区北部的年均ET0值呈上升趋势，中部平原及南部沿海呈下降趋势；②通过对东北地区20个站点使用不同类型模型计算ET0的评估，优化前精度表现：辐射型模型湿度型模型温度型模型。其中Mak模型在东北地区的计算精度最高，相应的R2、NSE、RMSE、和MAE中位数值分别为0.801、0.786、0.570 mm/d和0.331 mm/d；③MEA算法优化后，对9种经验模型的R2、NSE、RMSE和MAE提升幅度分别为14.43% ～ 47.15%、14.84% ～ 50.47%、5.42% ～ 46.79%、7.47% ～ 39.86%。优化后的Mak模型相应的R2、NSE、RMSE、和MAE中位数值分别为0.910、0.907、0.510 mm/d、0.291 mm/d。因此，在气象资料缺乏情景下，Mak模型可作为东北地区ET0计算的最优模型，并且MEA算法优化能够高效提高的模型计算精度，实现了准确性和效率之间更优化的平衡。