基于主成分分析的溫室內水面蒸發(fā)量估算模型構建及驗證.pdf

2023 年 5 月 灌溉排水學報 第 42 卷 第 5 期 May 2023 Journal of Irrigation and Drainage No 5 Vol 42 60 文章編號 1672 3317 2023 05 0060 07 基于主成分分析的溫室內 水面蒸發(fā)量 估算 模型構建及驗證 王 科 1 2 李銀坤 1 鄭文剛 1 劉美英 2 武佳樂 1 2 紀玉如 3 陳 菲 1 侯升林 4 1 北京市農林科學院 智能裝備技術研究中心 北京 100097 2 內蒙古農業(yè)大學 草原與資源環(huán)境學院 內蒙古自治區(qū)土壤質量與養(yǎng)分資源重點實驗室 呼和浩特 010018 3 中國農業(yè)大學 園藝學院 北京 100094 4 河北省農林科學院 石家莊 050051 摘 要 目的 估算 溫室無 風環(huán)境下的 水面蒸發(fā)量 Ep 方法 基于溫室內 2020 年 與 2022 年 3 7 月的實測水 面蒸發(fā)量 Ep 與氣象數據 采用主成分分析法對 Ep 的 影響因素進行分析 利用提取出的主成分與 Ep 構建多元回 歸模型 并 對估算結果 進行 驗證 結果 試驗 期間 Ep隨試驗時間的延長呈上升趨勢 2020 年 3 月 與 2022 年 3 月 的 Ep日平 均值分別為 1 84 mm 與 1 94 mm 6 月 分別增加 至 3 77 mm 與 5 15 mm 輻射 濕度 對溫室無風環(huán)境下水面蒸 發(fā)量 的 影響占主要地位 其中光合有效輻射與水面蒸發(fā)量的相關性最高 相關系數為 0 852 P 0 01 其次為太陽 輻射 與濕度 相關系數 分別 為 0 811 與 0 770 P 0 01 第一主成分的 太陽輻射 光合有效輻射以及濕度對水面蒸 發(fā)量影響較大 特征值為 4 44 其中太陽輻射對水面蒸發(fā)量影響最明顯 得分系數最高 為 0 328 濕度與光合有效 輻射次之 得分系數分別為 0 311 與 0 321 基于 主成分 分析結果建立了水面蒸發(fā)量估算 模型 水面蒸發(fā)量 估算 值 與 實測值 顯著正相關 P 0 01 方程 相關 系數 R2為 0 908 MBE為 0 10 RMSE為 0 48 mm d 一致性指數較高 d 0 94 結論 在溫室無風環(huán)境下 太陽輻射 光合有效輻射與濕度 對水面蒸發(fā)量影響較 高 關 鍵 詞 溫室 水面蒸發(fā)量 氣象要素 多重共線 性 主成分分析 中圖分類號 P332 2 文獻標志碼 A doi 10 13522 ki ggps 2022543 OSID 王科 李銀坤 鄭文剛 等 基于主成分分析的溫室內水面蒸發(fā)量估算模型構建及驗證 J 灌溉排水學報 2023 42 5 60 66 WANG Ke LI Yinkun ZHENG Wengang et al Construction and Validation of a Model for Estimating Surface Water Evaporation in Greenhouse Based on Principal Component Analysis J Journal of Irrigation and Drainage 2023 42 5 60 66 0 引 言 1 研究意義 我國設施蔬菜種植面積 已達 410 hm2 總產值占蔬菜產業(yè)的 50 1 灌溉 水 是溫室蔬 菜 水分需求的 主要來源 灌溉 決策 不合理是我國目前 盲目灌溉現象 依舊 普遍存在的主要原因 2 灌溉量不 足或過多 不僅 影響了蔬菜正常生產 浪費水資源 還 導致了溫室蔬菜經濟效益下降等問題 3 水面蒸發(fā)量 是指單位時間內從單位 水 表面面積蒸發(fā)的水量 常表示為單位時間內從全部 水 面積上所蒸發(fā)的液 態(tài)水的深度 4 精確獲取溫室內水面蒸發(fā)量信息 對 構建 科學合理灌溉制度 促進溫室蔬菜 高產 優(yōu)質生產 至關重要 5 20 cm 標準蒸發(fā)皿是目前直接 測量不同 生產條件下水面蒸發(fā)量 E p 的主要 方式 但人工測 收稿日期 2 022 09 30 基金項目 河北省重點研發(fā)計劃項目 21327005D 國家重點研發(fā)計劃 項目政府間國際科技創(chuàng)新合作專項 2019YFE0125100 河北省現代農 業(yè)產業(yè)技術體系項目 HBCT2021200201 HBCT2021200202 作者簡介 王科 1999 男 碩士研究生 主要從事作物水肥高效利 用研究 E mail wke1020 通信作者 劉美英 1974 女 內蒙古清水河人 副教授 碩士生導 師 主要從事土壤肥力與植物營養(yǎng)方面的教學科研工作 E mail liumeiyingimau 量的誤差大 效率低 而采用自動稱質量法的條件要 求高 測量成本高 6 模型估算法也是獲取 Ep的主要 途徑 該方法需要根據 區(qū)域氣候特點 進行 Ep 模型 構 建與驗證 具有應用范圍廣 成本低等優(yōu)點 7 建立 適宜的 Ep 估算模型 對制定科學合理的灌溉制度 發(fā)展節(jié)水農業(yè)等具有十分重要的意義 2 研究進展 目前 Ep估算模型主要包括經驗公式模型與機理公式 模型 機理公式模型結構通常較為復雜 不利于推廣 應用 有研究 9 提出 了 氣 水二維湍流流動理論模型 模型考慮了風在經過水體而產生的環(huán)流 以及空氣流 速 水溫 氣溫等物理因素對水面蒸發(fā)的影響 經驗 公式 模型包括 2 類 一類是考慮太陽 水與空氣之間 質量和能量的交換過程 來估算 Ep 例如 Penman 法 9 與波文比法 8 另一類是以風速 水汽壓差等其他氣 象因子建立的經驗公式 例如 Blaney Criddle公式 7 閔騫 8 對彭曼模型中的水面輻射平衡值與水面附近 的空氣干燥力 2 個參數進行修正 針對露天環(huán)境 建立 了以風速 濕度和飽和水汽壓為主要參數的適用于全 國的 Ep模型 也有研究 10 以 Blaney Criddle 公式為基 礎 建立了精度在月 旬 日的 Ep經驗模型 且 Ep 王科 等 基于主成分分析的溫室內水面蒸發(fā)量估算模型構建及驗證 61 模型精度較 原始模型有所提高 濮培民 11 通過分析水 面蒸發(fā)過程中的水汽 界面上的 質量和能量傳遞過程 建立了基于溫度 水汽壓差 風速 相對濕度等因子 的 Ep估算 模型 Jafari 等 12 利用主成分回歸法 建立 了基于風速 濕度 水汽壓 差 等氣象因子的 Ep 估算 模型 且精度明顯高于回歸模型 陸云燕 等 13 利用主 成分分析法 從諸多氣象因子之間提取出 3 個主成分 作為變量 與 其建立的 PCA BP 神經網絡算法模型精 度較高 切入點 精確獲取水面蒸發(fā)量是 溫室內 水 資源高效利用與農業(yè)灌溉制度確定的關鍵前提 14 目 前 Ep估算 模型 的 研究 主要針對露天環(huán)境 并 將風速 作為主要 模型 參數 但對 溫室 無風環(huán)境下的 Ep 模型 估算 研究較少 擬解決的關鍵問題 為此 本研究 利用 標準蒸發(fā)皿 獲取實測 Ep 分析 其 在溫室內 無風環(huán) 境下的 主要變化趨勢 利用主成分分析法 探究影響 Ep的 主要因素 分析 提取出的主成分與 Ep的關系 進 而建立基于 主成分 的 溫室內 水面蒸發(fā)量 估算 模型 并驗 證 為溫室 節(jié)水灌溉和 綠色生產提供 科學 理論支持 1 試驗 與方法 1 1 試 驗 區(qū) 概況 試驗于 2020 年 與 2022 年 的 3 7 月 在 北京市農 林科學院 三連跨多功能連棟溫室 開展 試驗溫室南北 走向 長 39 m 寬 11 m 試驗布置于 三 連跨多功能 連棟溫室的中跨 試驗溫室位于東經 116 29 北緯 39 94 海拔 56 m 多年平均氣溫為 11 1 年均降 水量為 500 600 mm 該區(qū)屬 典型的溫帶大陸性季風 氣候 溫 室內 透光性良好 且 溫室 內 氣流較弱 風速 近似為 0 試驗期間種植作物為茄子 2020 年 3 月 1 日定 植 2020 年 7 月 15 日收獲 2022 年 3 月 3 日定植 2022 年 7 月 15 日收獲 依據直徑 20 cm 蒸發(fā)皿測 定的水面蒸發(fā)量的 80 進行灌水 15 灌水周期為 7 10 d 供試茄子品種為 京茄黑寶 采用畦栽模 式 栽培畦寬 0 75 m 高 0 1 m 每畦種植 2 行 株距 為 0 45 m 行距 為 0 5 m 試驗區(qū)基施有機肥 30 000 kg hm2 試驗期間追施水溶性肥料 N P2O5 K2O 3 1 6 3 次 每次 純氮施量 為 75 kg hm2 1 2 數據處理與分析 采 用 Excel 2016 軟件整理分析 數據 利用 SPSS 20 0 對氣象數據進行主成分分析 再將主成分與水面 蒸發(fā)量進行多元回歸分析 同時采用均方根誤差 RMSE 平均偏差 MBE 與一致性指數 d 等 指標對估算值和實測值的符合度進行統(tǒng)計學分析 誤 差 RMSE 越小 MBE 越接近 0 一致性指標 d 越大 則模擬效果越好 1 3 數據的選取與監(jiān)測 利 用 2020 年 3 月 1 日 7 月 15 日 實測 逐日水面 蒸發(fā)量與氣象數據探討溫室內水面蒸發(fā)量變化規(guī)律 及影響因素 并建立 模型 使用 2022 年 3 月 2 日 7 月 15 日 的數據對模型進行準確性檢驗 1 3 1 水面蒸發(fā)量 利用直徑為 20 cm的稱 質量 式標準蒸發(fā)皿測定水 面蒸發(fā)量 Ep 蒸發(fā)皿位于溫室中央 精度 為 0 1 mm 每 10 min 測量 1 次數據 1 3 2 氣象數據 氣象數據來源于溫室內小型氣象站 型號 AG1000 美國 生 產 氣象站位于溫室中央 監(jiān)測要 素包括平均氣溫 T 日最高 低 氣 溫 Tmax Tmin 太陽輻射 Ra 光合有效輻射 PAR 和相對濕度 RH 數據采集間隔為 10 min 通過 FAO 56 推薦方法 計算 飽和水汽壓差 VPD 16 1 4 研究方法 1 4 1 多重共線性分析 多重共線性 最早于 1934 年提出 17 是指線 性回歸模型中的 2 個或多個變量之間 存在高度相關 關系 共線性的存在 會 使回歸模型 剔除 有用的自變量 導致模型失真或難以準確估計 或會使回歸模型的系 數符號與實際情況相反 使得模型中的變量無法得到 合理的解釋 診斷多重共線性 時 最常用的方法為 方差膨脹因 子法 VIF 法 18 在多元回歸中 設有 k 個自變量 X1 X2 Xk 則 VIF 11 R i2 1 Ri2 為 Xi 自變量與其他 k 1 個 自變量間的復相關 系數 VIF 1 則表明 自變量 Xi與其他 k 1 個 自變量 之間沒有共線性關系 一般情況下認為 19 當 VIF 10 時自變量之間存在較為嚴重的共線性 且 VIF 值 越大 共線性越強 還有研究 17 對 VIF 的倒數 即容忍值 TOL 法 對回歸模型的共線性進行進一步探討 TOL 1 Ri2 2 TOL 的取值在 0 1 之間 一般認為 該 值越接近 0 說明自變量之間的共線性越強 1 4 2 主成分 回歸 主成分回歸是 Massy 20 于 1965 年提出的一種解 決多重共線性問題的新方法 基本思路是將原來多個 自變量通過線性組合 轉化為少數幾個主成分 然后 再將主成分與因變量建立 回歸方程 依據主成分與自 變量的關系 求得基于原自變量的回歸模型 灌溉排水學報 62 1 4 3 主成分分析 主成分分析 19 是通過降維將多個變量轉化為幾 個互不相關的變量 其數學模型為 對于 k 個觀測變量 X1 Xk n 個觀測的樣本 數 矩 陣 X X11 X12 X1k X21 X22 X2k Xn1 Xn2 Xnk X1 X2 Xk 3 將 k個預測變量綜合成為 p個新 變量 綜合變量 即 F1 a11X1 a12X2 a1kXk F2 a21X1 a22X2 a2kXk Fp ap1X1 ap2X2 apkXk 4 模型滿足 Fi Fj互不相關 i j i j 1 2 p F1 的方差 F2 的方差 F3 的方差 以此類推 aj12 aj22 ajk2 1 j 1 2 k 模型中稱 F1 為第一主成分 F2為第二主成分 以此類推 aij稱為 主成分系數 選取主成分的個數取決 主成分的累計方差貢獻 率 通常選取累計貢獻率大于 85 以上等主成分 這 些主成分更好地保留了原來因子的信息 減少了因子 數量 從而起到篩選因子的作用 1 4 4 多元回歸分析 多元線性回歸 19 模型 是研究一個變量 Y與 2個或 2 個以上的變量 X1 X2 Xn之間是否存在確定的 函數關系 其表達式一般為 Y a0 a1X1 anXn 5 式中 a0為回歸常數 a1 an為回歸系數 Y 為 因變量 X 為自變量 為誤差項 2 結果與分析 2 1 試驗期間 水 面蒸發(fā)量變化規(guī)律 圖 1為 2020年 與 2022年 試驗期間水面蒸發(fā)量 Ep 的逐日變化規(guī)律 溫室內 Ep年 內 變化規(guī)律一致 2020 年 和 2022 年 溫室內 Ep 的變化范圍 分別 為 0 19 6 85 mm 和 0 37 7 01 mm Ep均值 分別 為 3 32 mm 和 3 27 mm 隨著試驗時間的延長 Ep呈波動上升趨勢 2020 年 和 2022年 3月的 Ep均值分別為 1 84 mm和 1 94 mm 6 月 Ep分別增加至 3 77 mm 和 5 15 mm 圖 1 溫室內水面蒸發(fā)量 動態(tài) Fig 1 Dynamic of pan evaporation in greenhouse 2 2 水面蒸發(fā)量影響因子篩選及影響因子間共線性 診斷 表 1 為 水面蒸發(fā)量 Ep 與氣象 因子相關分析 結果 由表 1 可知 各氣象因子 均 與水面蒸發(fā)量極 顯著相關 P 0 01 其中 RH 與其 負相關 其他 環(huán)境因子 均 與 Ep正相關 Ep與 PAR 的相關 性 最 高 相關系數 為 0 852 與 Tmin相關 性 最 低 相關系數 為 0 428 表 1 溫室蒸發(fā)皿水面蒸發(fā)量與 氣象 因子的相關 分析 Table 1 Correlation between pan evaporation and various environmental factors in greenhouse 指標 Ep T RH Ra PAR Tmin Tmax VPD Ep 1 T 0 753 1 RH 0 770 0 317 1 Ra 0 811 0 437 0 773 1 PAR 0 852 0 497 0 760 0 968 1 Tmin 0 428 0 868 0 004 0 042 0 102 1 Tmax 0 705 0 812 0 474 0 581 0 615 0 562 1 VPD 0 751 0 713 0 614 0 581 0 616 0 436 0 928 1 注 表示 表示在 0 01 水平上顯著相關 由表 1 還可以看出 各氣象因子之間存在明顯相 關性 其中 PAR 與 Ra相關性最高 相關系數為 0 968 0 2 4 6 8 0302 0317 0401 0416 0501 0516 0531 0615 0630 0715 水面蒸發(fā)量 m m 日期 2020 2022年份 王科 等 基于主成分分析的溫室內水面蒸發(fā)量估算模型構建及驗證 63 而 Tmin與 RH Ra PAR 相關性 均不 顯著 表 2 為采 用方差膨脹因子法與容忍值法對各氣象要素的共線 性定量分析結果 可以看出 除 RH 外 各氣象因子 的 容忍值均小于 0 1 膨脹系數大于 10 說明除 RH 以外的氣象 因子 之間 均 存在較為嚴重的共線性 問題 需要對數據進行主成分分析以解決共線性問題 表 2 共線性診斷 Table 2 The diagnosis of collinearity 指標 T RH Ra PAR Tmin Tmax VPD TOL 0 05 0 25 0 05 0 05 0 09 0 07 0 08 VIF 18 75 3 99 18 63 18 56 11 21 14 09 12 41 2 3 水面蒸發(fā)量 主成分多元回歸模型建立 對水面蒸發(fā)量影響的氣象因子進行主成分分析 表明 提取出 2 個主成分 F1和 F2 F1綜合了原始 變量的 63 4 的變異信息 明顯高于第二主成分 F2 的 24 5 二者合計貢獻率大于 85 這表明 2 個主 成分在包含全部變量的同時 對水面蒸發(fā)量 Ep 的 影響最為明顯 依據表 3 各主成分的 得分系數可知 F1 中 Ra PAR 和 RH 的 載荷較大 得分系數分別為 0 328 0 311 和 0 321 F2中 T 與 Tmin的 載荷較大 得分系數 分別為 0 353和 0 431 故 Ep主要受 Ra PAR T Tmin的正向影響 受 RH 的負向影響 依據表 3 提取出的 2 個互相獨立的 主成分 F1與 F2 與 實測 Ep進行多元回歸分析 詳見 表 4 建立的 主成分回歸 模型 參數均通過 P 0 05 水平的顯著性檢 驗 模型決定系數 R2為 0 854 表明 Ep變化的 85 4 是 由 F1和 F2所代表的 影響 因子所引起 的 表 3 主成分系數和 貢獻率 Table 3 Principal component score coefficient and contribution rates 自變量 主成分 F 1 F2 T 0 060 0 353 RH 0 321 0 124 Ra 0 328 0 102 PAR 0 311 0 071 Tmin 0 220 0 431 Tmax 0 062 0 241 VPD 0 112 0 179 特征值 4 44 1 71 貢獻率 63 4 24 5 表 4 水面蒸發(fā)量 主成分多元回歸模型 Table 4 The pan evaporation and main components regression model 因變量 主成分回歸模型 決定系數 Ep Ep 1 195F1 0 804F2 3 320 0 854 注 表示表示在 0 01 水平上顯著相關 2 4 水面蒸發(fā)量 估算 值與 實測 值 比較及相關性分析 將驗證數據進行標準正態(tài)變換后 代入表 4 主成 分回歸 模型 中 水面蒸發(fā)量 Ep 估算 值與實測值 變 化趨勢如圖 2 所示 估算值與實測值全生育期變化規(guī) 律一致 峰值較為接近 分別為 6 88 mm和 7 01 mm 整個生育期的 Ep估算值為 441 16 mm 與實測 Ep相 比 高估了 14 82 mm Ep的實測值 與 估算值 相關性 如圖 3 所示 模型 估算 值與實測值 極顯著 正相關 方程 決定 系數 R2為 0 908 P 0 01 回歸趨勢線與 1 1 線較為接近 可見模型 估算 值與實測值有較高 的線性相關 圖 2 水面蒸發(fā)量估算值與實測值 比較 Fig 2 Changes of measured values of pan evaporation and estimated values of the model 圖 3 水面蒸發(fā)量 估算 值與 實測 值 相關性 比較 Fig 3 Comparison between measured values of pan evaporation and estimated values of the model 0 2 4 6 8 0303 0315 0327 0408 0420 0502 0514 0526 0607 0619 0701 0713 水面蒸發(fā)量 m m 日期 實測值 估算值 y 0 869 2x 0 530 7 R2 0 908 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 估算值 實測值 擬合線 1 1線 灌溉排水學報 64 2 5 水面蒸發(fā)量 估算 值與實測 值的統(tǒng)計分析 為進一步評價水面蒸發(fā)量 Ep 估算 模型的估 算精度 對模型的 估算 值與實測值進行統(tǒng)計分析 詳 見 表 5 基于模型 估算 的日均 Ep為 3 32 mm d 與 實測 Ep相對誤差為 3 51 RMSE 為 0 48 mm d MBE 為 0 10 一致性指數為 0 94 綜合來看模型 誤差較低 表 5 模型估算值與蒸發(fā)皿實測水面蒸發(fā)量比較的統(tǒng)計特征值 Table 5 Statistical comparison between measured values of pan evaporation and estimated values of the model 日均 估算 水面蒸發(fā)量 mm d 1 日均實測水面蒸發(fā)量 mm d 1 比值 相對誤差 RMSE mm d 1 MBE d 3 32 3 21 1 03 3 51 0 48 0 10 0 94 注 比值為 日均 估算 水面蒸發(fā)量與 日均 實測 水面蒸發(fā)量 之比 d 為一致性指數 3 討 論 本試驗中 水面蒸發(fā)量 Ep 整體呈波動上升趨 勢 這 與環(huán)境溫度不斷上升 光照逐漸增強 等 有關 8 陸云燕 等 13 研究表明 露天 環(huán)境下的 Ep從 4 7 月呈 逐漸升高趨勢 水面 蒸發(fā)主要因為水面水汽壓大于上 空水汽壓 而使逸出水面的水分子多于大氣返回的水 分子量 其蒸發(fā)強度 與氣象因子相關性 較高 且受各 氣象因子 影響 程度 不同 21 本研究表明 Ep 與 Ra 的 相關系數 為 0 811 與 PAR 的相關系數為 0 852 P 0 01 明顯高于 Ep與 VPD 的相關系數 0 751 Ep與 RH 的相關系數 0 770 P 0 01 這與李銀坤等 2 在 溫室環(huán)境 中 的研究結果類似 但露天環(huán)境條件下 RH 與 VPD 是影響 Ep的主要環(huán)境因素 8 這 可能是 露天 環(huán)境 中 風速較 強 而 造成 的 研究結果差異 孫鳳賢 等 22 劉昌宇 9 對靜止水面下 Ep 的主要影響因素的研究 得 出 在風速較低時 太陽輻射強度越高 Ep越大 且 在 無風環(huán)境下 光照強度對 Ep的影響可以提高 21倍 本研究中 主成分分析 的結果 也 進一步 說明 了這個問 題 對 Ep影響最大第一主成分 的 主要影響因素為 Ra PAR 和 RH 主成分 貢獻率可達 63 4 而第二主成 分的主要影響因素為 T 和 Tmin 主成分貢獻率僅為 24 5 可見 溫室環(huán)境條件下 Ra與 PAR 對 Ep的 影 響 明顯強于 VPD 與 RH 對 Ep的影響 多元回歸模型中 多重共線性 問題 的來源主要是 自變量自身的性質 即多個自變量之間高度相關 17 本研究中 除 RH 外 各氣象因子之間容忍值皆小于 0 1 膨脹系數 大于 10 這說明除 RH 以外的 氣象因 子之間存在較為 嚴重的共線性 19 而 共線性強的各氣 象因子之間 通常存在 較為緊密 的聯系 如表 1 所示 Ra與 RH顯著負相關 P 0 01 相關系數可達 0 773 而與其他氣象因子顯著正相關 P 0 01 相關系數 在 0 4 以上 這主要 是因為 環(huán)境中 熱量的主要來源是 太陽輻射 隨著光照增強 溫度升高 飽和水汽壓 差 也隨之升高 空氣隨著溫度的升高而膨脹 因此單位 體積內的水分子減少 濕度隨之降低 21 許瑩瑩等 19 研究發(fā)現 平均氣溫 地溫 絕對濕度和水汽壓差間 彼此密切相關 相關系數在 0 75 0 97 之間 共線性 分析 表明 地溫 絕對濕度和平均氣溫的容忍度均小 于 0 1 方差膨脹因子均大 于 10 說明各影響因子之 間存在較為嚴重的共線性 可見各自變量之間 聯系較 為緊密時 會在建立回歸方程時產生共線性問題 本 研究 利用主成分回歸法建立的 Ep 估算 模型 的相對誤 差為 3 51 RMSE 值為 0 48 mm d 一致性指數為 0 94 主成分分析 可以很好地解決 共線性問題 具有 降低模型誤差的效果 17 Jafari 12 研究 發(fā)現 使用主 成分回歸模型來預測 Ep的模型 R2為 0 82 RMSE 為 0 52 mm d 而多元回歸模型的 R2為 0 79 RMSE 為 2 28 mm d 還有學者 17 利用了主成分分析與相關分 析相結合的方式 重新提取出 7 個各自獨立的變量 消除了 傳統(tǒng)最小二乘法建立的多元回歸模型 中存在 的共線性 并利用多元回歸分析建立了模型 陸云燕 等 13 使用機器學習算法的建模方式 將提取出的主成 分 通過 BP 神經網絡建立 Ep的 估算 模型 得到了 較 好 的結果 本試驗 利用 不同年份 數據 建立了 基于 主 成分 分析的 Ep估算 模型 為 估算 溫室 環(huán)境下 的 Ep提 供了可靠的依據 4 結 論 1 溫室 2020 年 與 2022 年 春茬茄子 種植期間 水面蒸發(fā)量 Ep 的 變化范圍 分別 為 0 19 6 85 mm 和 0 37 7 01 mm 且 隨試驗時間的延長 Ep呈上升 趨勢 2 溫室無風環(huán)境內 輻射因素 與濕度 對 Ep的影 響占主導地位 其中 PAR 與 Ep的相關性最高 相關 系數為 0 852 P 0 01 PAR 與 Ra RH 的 相關系數 分別為 0 811 和 0 770 P 0 01 在主成分分析中得 出 F1 對 Ep 影響最明顯 特征值最大 為 4 44 其 主要 代表 Ra PAR 和 RH 對 Ep的影響 各因子得分 系數分別為 0 328 0 311 和 0 321 3 建立了 基于 主成分 分析的多元 回歸 Ep估算 模 型 該模型消除了各變量之間的共線性 其估算值與 實測值 顯著正相關 P 0 01 R2為 0 908 MBE 為 0 10 RMSE為 0 48 mm d 一致性指數較高 d 0 94 模型 估算 誤差較低 王科 等 基于主成分分析的溫室內水面蒸發(fā)量估算模型構建及驗證 65 參考文獻 1 周杰 夏曉劍 胡璋健 等 十三五 我國設施蔬菜生產和科技進 展及其展望 J 中國蔬菜 2021 10 20 34 ZHOU Jie XIA Xiaojian HU Zhangjian et al Technological development and production of protected vegetable in China during The thirteenth five year plan and future prospect J China Vegetables 2021 10 20 34 2 李銀坤 詹保成 郭文忠 等 基于蒸發(fā)皿水面蒸發(fā)量的溫室生菜適 宜灌溉量研究 J 灌溉排水學報 2022 41 4 13 19 LI Yinkun ZHAN Baocheng GUO Wenzhong et al Optimizing irrigation amount for greenhouse lettuce production based on pan measured evaporation J Journal of Irrigation and Drainage 2022 41 4 13 19 3 LIU H DUAN A W LI F S et al Drip irrigation scheduling for tomato grown in solar greenhouse based on pan evaporation in North China plain J Journal of Integrative Agriculture 2013 12 3 520 531 4 段莉珠 障礙物遮擋率對水面蒸發(fā)量的影響淺析 J 黑龍江水利 科技 2019 47 9 75 77 DUAN Lizhu Preliminary analysis of influence of barrier shielding ratio on evaporation quantity of water surface J Heilongjiang Hydraulic Science and Technology 2019 47 9 75 77 5 郭文忠 陳青云 高麗紅 等 設施蔬菜生產節(jié)水灌溉制度研究現狀 及發(fā)展趨勢 J 農業(yè)工程學報 2005 21 S2 24 27 GUO Wenzhong CHEN Qingyun GAO Lihong et al Present situation and developmental tendency on system of water saving irrigation of vegetable production in protective cultivation J Transactions of the Chinese Society of Agricultural Engineering 2005 21 S2 24 27 6 周書影 TEZ 601 全自動稱重式蒸發(fā)系統(tǒng)在杜陵水文站的應用比測 分析 J 廣東水利水電 2020 12 50 53 ZHOU Shuying Application research of TEZ 601 automatic weighing evaporation system in duling hydrology station J Guangdong Water Resources and Hydropower 2020 12 50 53 7 武金慧 李占斌 水面蒸發(fā)研究進展與展望 J 水利與建筑工程學報 2007 5 3 46 50 WU Jinhui LI Zhanbin Advances and prospect of research on water surface evaporation J Journal of Water Resources and Architectural Engineering 2007 5 3 46 50 8 閔騫 利用彭曼公式預測水面蒸發(fā)量 J 水利水電科技進展 2001 21 1 37 39 MIN Qian Prediction of water surface evaporation by penman formula J Advances in Science and Technology of Water Resources 2001 21 1 37 39 9 劉昌宇 太陽光譜吸收對靜止水體蒸發(fā)影響的研究 D 哈爾濱 哈爾濱工程大學 2014 LIU Changyu Effect of spectral absorption of solar energy on evaporation of still water D Harbin Harbin Engineering University 2014 10 閔騫 湖泊 水庫 水面蒸發(fā)量預測方法的探討 J 水文 1997 17 2 39 43 MIN Qian Discussion on prediction method of lake reservoir water surface evaporation J Hydrology 1997 17 2 39 43 11 濮培民 水面蒸發(fā)與散熱系數 公式研究 一 J 湖泊科學 1994 6 1 1 12 PU Peimin Studies on the formulae for calculating evaporation and heat loss coefficient from water surface in China I J Journal of Lake Science 1994 6 1 1 12 12 JAFARI Majid DINPASHOH Y Derivation of regression models for pan evaporation estimation J Environmental Resources Research 2019 7 1 30 42 13 陸云燕 王振龍 呂海深 等 基于主成分分析和 BP 神經網絡的五 道溝水面蒸發(fā)計算研究 J 水文 2022 42 1 35 39 LU Yunyan WANG Zhenlong LYU Haishen et al Calculation of water surface evaporation in Wudaogou based on principal component analysis and BP neural network J Journal of China Hydrology 2022 42 1 35 39 14 劉海軍 黃冠華 王明強 等 基于蒸發(fā)皿水面蒸發(fā)量制定冬小麥噴 灌計劃 J 農業(yè)工程學報 2010 26 1 11 17 LIU Haijun HUANG Guanhua WANG Mingqiang et al Sprinkler irrigation scheme of winter wheat based on water surface evaporation of a 20 cm standard pan J Transactions of the Chinese Society of Agricultural Engineering 2010 26 1 11 17 15 王湛 李銀坤 郭文忠 等 不同灌水量對溫室茄子蒸騰規(guī)律及水分 利用的影響 J 中國農村水利水電 2019 7 6 10 WANG Zhan LI Yinkun GUO Wenzhong et al The effect of different irrigation amount on the transpiration rate and water use efficiency of autumn eggplant in greenhouses J China Rural Water and Hydropower 2019 7 6 10 16 胡晨 葛繼穩(wěn) 許向南 等 基于 FAO56 Penman Monteith 公式 估算 神農架大九湖泥炭濕地蒸散及作物系數 J 應用生態(tài)學報 2020 31 5 1 699 1 706 HU Chen GE Jiwen XU Xiangnan et al Estimation of evapotranspiration and crop coefficient in Dajiuhu peatland of Shennongjia based on FAO56 Penman Monteith J Chinese Journal of Applied Ecology 2020 31 5 1 699 1 706 17 楊梅 肖靜 蔡輝 多元分析中的多重共線性及其處理方法 J 中國 衛(wèi)生統(tǒng)計 2012 29 4 620 624 YANG Mei XIAO Jing CAI Hui Multiple collinearity in multivariate analysis and its processing methods J Chinese Journal of Health Statistics 2012 29 4 620 624 18 梁素梅 吳迪 基于多重共線性的氣象觀測站優(yōu)化模型 J 價值工程 2020 39 32 157 160 LIANG Sumei WU Di Optimization model of meteorological observation station based on multicollinearity J Value Engineering 2020 39 32 157 160 19 許瑩瑩 李薇 王振龍 等 基于主成分分析的裸地潛水蒸發(fā)與氣象 要素關系模擬 J 水文 2020 40 4 7 13 39 XU Yingying LI Wei WANG Zhenlong et al Simulation of relationship between evaporation and meteorolog