基于主成分分析的溫室內(nèi)水面蒸發(fā)量估算模型構(gòu)建及驗(yàn)證.pdf

2023 年 5 月 灌溉排水學(xué)報(bào) 第 42 卷 第 5 期 May 2023 Journal of Irrigation and Drainage No 5 Vol 42 60 文章編號(hào) 1672 3317 2023 05 0060 07 基于主成分分析的溫室內(nèi) 水面蒸發(fā)量 估算 模型構(gòu)建及驗(yàn)證 王 科 1 2 李銀坤 1 鄭文剛 1 劉美英 2 武佳樂(lè) 1 2 紀(jì)玉如 3 陳 菲 1 侯升林 4 1 北京市農(nóng)林科學(xué)院 智能裝備技術(shù)研究中心 北京 100097 2 內(nèi)蒙古農(nóng)業(yè)大學(xué) 草原與資源環(huán)境學(xué)院 內(nèi)蒙古自治區(qū)土壤質(zhì)量與養(yǎng)分資源重點(diǎn)實(shí)驗(yàn)室 呼和浩特 010018 3 中國(guó)農(nóng)業(yè)大學(xué) 園藝學(xué)院 北京 100094 4 河北省農(nóng)林科學(xué)院 石家莊 050051 摘 要 目的 估算 溫室無(wú) 風(fēng)環(huán)境下的 水面蒸發(fā)量 Ep 方法 基于溫室內(nèi) 2020 年 與 2022 年 3 7 月的實(shí)測(cè)水 面蒸發(fā)量 Ep 與氣象數(shù)據(jù) 采用主成分分析法對(duì) Ep 的 影響因素進(jìn)行分析 利用提取出的主成分與 Ep 構(gòu)建多元回 歸模型 并 對(duì)估算結(jié)果 進(jìn)行 驗(yàn)證 結(jié)果 試驗(yàn) 期間 Ep隨試驗(yàn)時(shí)間的延長(zhǎng)呈上升趨勢(shì) 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(duì)溫室無(wú)風(fēng)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(guān)性最高 相關(guān)系數(shù)為 0 852 P 0 01 其次為太陽(yáng) 輻射 與濕度 相關(guān)系數(shù) 分別 為 0 811 與 0 770 P 0 01 第一主成分的 太陽(yáng)輻射 光合有效輻射以及濕度對(duì)水面蒸 發(fā)量影響較大 特征值為 4 44 其中太陽(yáng)輻射對(duì)水面蒸發(fā)量影響最明顯 得分系數(shù)最高 為 0 328 濕度與光合有效 輻射次之 得分系數(shù)分別為 0 311 與 0 321 基于 主成分 分析結(jié)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(shí)測(cè)值 顯著正相關(guān) P 0 01 方程 相關(guān) 系數(shù) R2為 0 908 MBE為 0 10 RMSE為 0 48 mm d 一致性指數(shù)較高 d 0 94 結(jié)論 在溫室無(wú)風(fēng)環(huán)境下 太陽(yáng)輻射 光合有效輻射與濕度 對(duì)水面蒸發(fā)量影響較 高 關(guān) 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(hào) P332 2 文獻(xiàn)標(biāo)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(nèi)水面蒸發(fā)量估算模型構(gòu)建及驗(yàn)證 J 灌溉排水學(xué)報(bào) 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(guó)設(shè)施蔬菜種植面積 已達(dá) 410 hm2 總產(chǎn)值占蔬菜產(chǎn)業(yè)的 50 1 灌溉 水 是溫室蔬 菜 水分需求的 主要來(lái)源 灌溉 決策 不合理是我國(guó)目前 盲目灌溉現(xiàn)象 依舊 普遍存在的主要原因 2 灌溉量不 足或過(guò)多 不僅 影響了蔬菜正常生產(chǎn) 浪費(fèi)水資源 還 導(dǎo)致了溫室蔬菜經(jīng)濟(jì)效益下降等問(wèn)題 3 水面蒸發(fā)量 是指單位時(shí)間內(nèi)從單位 水 表面面積蒸發(fā)的水量 常表示為單位時(shí)間內(nèi)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(nèi)水面蒸發(fā)量信息 對(duì) 構(gòu)建 科學(xué)合理灌溉制度 促進(jìn)溫室蔬菜 高產(chǎn) 優(yōu)質(zhì)生產(chǎn) 至關(guān)重要 5 20 cm 標(biāo)準(zhǔn)蒸發(fā)皿是目前直接 測(cè)量不同 生產(chǎn)條件下水面蒸發(fā)量 E p 的主要 方式 但人工測(cè) 收稿日期 2 022 09 30 基金項(xiàng)目 河北省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目 21327005D 國(guó)家重點(diǎn)研發(fā)計(jì)劃 項(xiàng)目政府間國(guó)際科技創(chuàng)新合作專項(xiàng) 2019YFE0125100 河北省現(xiàn)代農(nóng) 業(yè)產(chǎn)業(yè)技術(shù)體系項(xiàng)目 HBCT2021200201 HBCT2021200202 作者簡(jiǎn)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(nèi)蒙古清水河人 副教授 碩士生導(dǎo) 師 主要從事土壤肥力與植物營(yíng)養(yǎng)方面的教學(xué)科研工作 E mail liumeiyingimau 量的誤差大 效率低 而采用自動(dòng)稱質(zhì)量法的條件要 求高 測(cè)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(jù) 區(qū)域氣候特點(diǎn) 進(jìn)行 Ep 模型 構(gòu) 建與驗(yàn)證 具有應(yīng)用范圍廣 成本低等優(yōu)點(diǎn) 7 建立 適宜的 Ep 估算模型 對(duì)制定科學(xué)合理的灌溉制度 發(fā)展節(jié)水農(nóng)業(yè)等具有十分重要的意義 2 研究進(jìn)展 目前 Ep估算模型主要包括經(jīng)驗(yàn)公式模型與機(jī)理公式 模型 機(jī)理公式模型結(jié)構(gòu)通常較為復(fù)雜 不利于推廣 應(yīng)用 有研究 9 提出 了 氣 水二維湍流流動(dòng)理論模型 模型考慮了風(fēng)在經(jīng)過(guò)水體而產(chǎn)生的環(huán)流 以及空氣流 速 水溫 氣溫等物理因素對(duì)水面蒸發(fā)的影響 經(jīng)驗(yàn) 公式 模型包括 2 類 一類是考慮太陽(yáng) 水與空氣之間 質(zhì)量和能量的交換過(guò)程 來(lái)估算 Ep 例如 Penman 法 9 與波文比法 8 另一類是以風(fēng)速 水汽壓差等其他氣 象因子建立的經(jīng)驗(yàn)公式 例如 Blaney Criddle公式 7 閔騫 8 對(duì)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(gè)參數(shù)進(jìn)行修正 針對(duì)露天環(huán)境 建立 了以風(fēng)速 濕度和飽和水汽壓為主要參數(shù)的適用于全 國(guó)的 Ep模型 也有研究 10 以 Blaney Criddle 公式為基 礎(chǔ) 建立了精度在月 旬 日的 Ep經(jīng)驗(yàn)?zāi)Ｐ?且 Ep 王科 等 基于主成分分析的溫室內(nèi)水面蒸發(fā)量估算模型構(gòu)建及驗(yàn)證 61 模型精度較 原始模型有所提高 濮培民 11 通過(guò)分析水 面蒸發(fā)過(guò)程中的水汽 界面上的 質(zhì)量和能量傳遞過(guò)程 建立了基于溫度 水汽壓差 風(fēng)速 相對(duì)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(fēng)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(gè)主成分 作為變量 與 其建立的 PCA BP 神經(jīng)網(wǎng)絡(luò)算法模型精 度較高 切入點(diǎn) 精確獲取水面蒸發(fā)量是 溫室內(nèi) 水 資源高效利用與農(nóng)業(yè)灌溉制度確定的關(guān)鍵前提 14 目 前 Ep估算 模型 的 研究 主要針對(duì)露天環(huán)境 并 將風(fēng)速 作為主要 模型 參數(shù) 但對(duì) 溫室 無(wú)風(fēng)環(huán)境下的 Ep 模型 估算 研究較少 擬解決的關(guān)鍵問(wèn)題 為此 本研究 利用 標(biāo)準(zhǔn)蒸發(fā)皿 獲取實(shí)測(cè) Ep 分析 其 在溫室內(nèi) 無(wú)風(fēng)環(huán) 境下的 主要變化趨勢(shì) 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(guān)系 進(jìn) 而建立基于 主成分 的 溫室內(nèi) 水面蒸發(fā)量 估算 模型 并驗(yàn) 證 為溫室 節(jié)水灌溉和 綠色生產(chǎn)提供 科學(xué) 理論支持 1 試驗(yàn) 與方法 1 1 試 驗(yàn) 區(qū) 概況 試驗(yàn)于 2020 年 與 2022 年 的 3 7 月 在 北京市農(nóng) 林科學(xué)院 三連跨多功能連棟溫室 開(kāi)展 試驗(yàn)溫室南北 走向 長(zhǎng) 39 m 寬 11 m 試驗(yàn)布置于 三 連跨多功能 連棟溫室的中跨 試驗(yàn)溫室位于東經(jīng) 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(fēng) 氣候 溫 室內(nèi) 透光性良好 且 溫室 內(nèi) 氣流較弱 風(fēng)速 近似為 0 試驗(yàn)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(jù)直徑 20 cm 蒸發(fā)皿測(cè) 定的水面蒸發(fā)量的 80 進(jìn)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(yàn)區(qū)基施有機(jī)肥 30 000 kg hm2 試驗(yàn)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(shù)據(jù)處理與分析 采 用 Excel 2016 軟件整理分析 數(shù)據(jù) 利用 SPSS 20 0 對(duì)氣象數(shù)據(jù)進(jìn)行主成分分析 再將主成分與水面 蒸發(fā)量進(jìn)行多元回歸分析 同時(shí)采用均方根誤差 RMSE 平均偏差 MBE 與一致性指數(shù) d 等 指標(biāo)對(duì)估算值和實(shí)測(cè)值的符合度進(jìn)行統(tǒng)計(jì)學(xué)分析 誤 差 RMSE 越小 MBE 越接近 0 一致性指標(biāo) d 越大 則模擬效果越好 1 3 數(shù)據(jù)的選取與監(jiān)測(cè) 利 用 2020 年 3 月 1 日 7 月 15 日 實(shí)測(cè) 逐日水面 蒸發(fā)量與氣象數(shù)據(jù)探討溫室內(nèi)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(shù)據(jù)對(duì)模型進(jìn)行準(zhǔn)確性檢驗(yàn) 1 3 1 水面蒸發(fā)量 利用直徑為 20 cm的稱 質(zhì)量 式標(biāo)準(zhǔn)蒸發(fā)皿測(cè)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(cè)量 1 次數(shù)據(jù) 1 3 2 氣象數(shù)據(jù) 氣象數(shù)據(jù)來(lái)源于溫室內(nèi)小型氣象站 型號(hào) AG1000 美國(guó) 生 產(chǎn) 氣象站位于溫室中央 監(jiān)測(cè)要 素包括平均氣溫 T 日最高 低 氣 溫 Tmax Tmin 太陽(yáng)輻射 Ra 光合有效輻射 PAR 和相對(duì)濕度 RH 數(shù)據(jù)采集間隔為 10 min 通過(guò) FAO 56 推薦方法 計(jì)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(gè)或多個(gè)變量之間 存在高度相關(guān) 關(guān)系 共線性的存在 會(huì) 使回歸模型 剔除 有用的自變量 導(dǎo)致模型失真或難以準(zhǔn)確估計(jì) 或會(huì)使回歸模型的系 數(shù)符號(hào)與實(shí)際情況相反 使得模型中的變量無(wú)法得到 合理的解釋 診斷多重共線性 時(shí) 最常用的方法為 方差膨脹因 子法 VIF 法 18 在多元回歸中 設(shè)有 k 個(gè)自變量 X1 X2 Xk 則 VIF 11 R i2 1 Ri2 為 Xi 自變量與其他 k 1 個(gè) 自變量間的復(fù)相關(guān) 系數(shù) VIF 1 則表明 自變量 Xi與其他 k 1 個(gè) 自變量 之間沒(méi)有共線性關(guān)系 一般情況下認(rèn)為 19 當(dāng) VIF 10 時(shí)自變量之間存在較為嚴(yán)重的共線性 且 VIF 值 越大 共線性越強(qiáng) 還有研究 17 對(duì) VIF 的倒數(shù) 即容忍值 TOL 法 對(duì)回歸模型的共線性進(jìn)行進(jìn)一步探討 TOL 1 Ri2 2 TOL 的取值在 0 1 之間 一般認(rèn)為 該 值越接近 0 說(shuō)明自變量之間的共線性越強(qiáng) 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(wèn)題的新方法 基本思路是將原來(lái)多個(gè) 自變量通過(guò)線性組合 轉(zhuǎn)化為少數(shù)幾個(gè)主成分 然后 再將主成分與因變量建立 回歸方程 依據(jù)主成分與自 變量的關(guān)系 求得基于原自變量的回歸模型 灌溉排水學(xué)報(bào) 62 1 4 3 主成分分析 主成分分析 19 是通過(guò)降維將多個(gè)變量轉(zhuǎn)化為幾 個(gè)互不相關(guān)的變量 其數(shù)學(xué)模型為 對(duì)于 k 個(gè)觀測(cè)變量 X1 Xk n 個(gè)觀測(cè)的樣本 數(shù) 矩 陣 X X11 X12 X1k X21 X22 X2k Xn1 Xn2 Xnk X1 X2 Xk 3 將 k個(gè)預(yù)測(cè)變量綜合成為 p個(gè)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(guān) 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(shù) 選取主成分的個(gè)數(shù)取決 主成分的累計(jì)方差貢獻(xiàn) 率 通常選取累計(jì)貢獻(xiàn)率大于 85 以上等主成分 這 些主成分更好地保留了原來(lái)因子的信息 減少了因子 數(shù)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(gè)變量 Y與 2個(gè)或 2 個(gè)以上的變量 X1 X2 Xn之間是否存在確定的 函數(shù)關(guān)系 其表達(dá)式一般為 Y a0 a1X1 anXn 5 式中 a0為回歸常數(shù) a1 an為回歸系數(shù) Y 為 因變量 X 為自變量 為誤差項(xiàng) 2 結(jié)果與分析 2 1 試驗(yàn)期間 水 面蒸發(fā)量變化規(guī)律 圖 1為 2020年 與 2022年 試驗(yàn)期間水面蒸發(fā)量 Ep 的逐日變化規(guī)律 溫室內(nèi) Ep年 內(nèi) 變化規(guī)律一致 2020 年 和 2022 年 溫室內(nèi) 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(yàn)時(shí)間的延長(zhǎng) Ep呈波動(dòng)上升趨勢(shì) 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(nèi)水面蒸發(fā)量 動(dòng)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(guān)分析 結(jié)果 由表 1 可知 各氣象因子 均 與水面蒸發(fā)量極 顯著相關(guān) P 0 01 其中 RH 與其 負(fù)相關(guān) 其他 環(huán)境因子 均 與 Ep正相關(guān) Ep與 PAR 的相關(guān) 性 最 高 相關(guān)系數(shù) 為 0 852 與 Tmin相關(guān) 性 最 低 相關(guān)系數(shù) 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(guān) 分析 Table 1 Correlation between pan evaporation and various environmental factors in greenhouse 指標(biāo) 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(guān) 由表 1 還可以看出 各氣象因子之間存在明顯相 關(guān)性 其中 PAR 與 Ra相關(guān)性最高 相關(guān)系數(shù)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(nèi)水面蒸發(fā)量估算模型構(gòu)建及驗(yàn)證 63 而 Tmin與 RH Ra PAR 相關(guān)性 均不 顯著 表 2 為采 用方差膨脹因子法與容忍值法對(duì)各氣象要素的共線 性定量分析結(jié)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(shù)大于 10 說(shuō)明除 RH 以外的氣象 因子 之間 均 存在較為嚴(yán)重的共線性 問(wèn)題 需要對(duì)數(shù)據(jù)進(jìn)行主成分分析以解決共線性問(wèn)題 表 2 共線性診斷 Table 2 The diagnosis of collinearity 指標(biāo) 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(duì)水面蒸發(fā)量影響的氣象因子進(jìn)行主成分分析 表明 提取出 2 個(gè)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(jì)貢獻(xiàn)率大于 85 這表明 2 個(gè)主 成分在包含全部變量的同時(shí) 對(duì)水面蒸發(fā)量 Ep 的 影響最為明顯 依據(jù)表 3 各主成分的 得分系數(shù)可知 F1 中 Ra PAR 和 RH 的 載荷較大 得分系數(shù)分別為 0 328 0 311 和 0 321 F2中 T 與 Tmin的 載荷較大 得分系數(shù) 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(fù)向影響 依據(jù)表 3 提取出的 2 個(gè)互相獨(dú)立的 主成分 F1與 F2 與 實(shí)測(cè) Ep進(jìn)行多元回歸分析 詳見(jiàn) 表 4 建立的 主成分回歸 模型 參數(shù)均通過(guò) P 0 05 水平的顯著性檢 驗(yàn) 模型決定系數(shù) 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(shù)和 貢獻(xiàn)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(xiàn)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(shù) 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(guān) 2 4 水面蒸發(fā)量 估算 值與 實(shí)測(cè) 值 比較及相關(guān)性分析 將驗(yàn)證數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)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(shí)測(cè)值 變 化趨勢(shì)如圖 2 所示 估算值與實(shí)測(cè)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(gè)生育期的 Ep估算值為 441 16 mm 與實(shí)測(cè) Ep相 比 高估了 14 82 mm Ep的實(shí)測(cè)值 與 估算值 相關(guān)性 如圖 3 所示 模型 估算 值與實(shí)測(cè)值 極顯著 正相關(guān) 方程 決定 系數(shù) R2為 0 908 P 0 01 回歸趨勢(shì)線與 1 1 線較為接近 可見(jiàn)模型 估算 值與實(shí)測(cè)值有較高 的線性相關(guān) 圖 2 水面蒸發(fā)量估算值與實(shí)測(cè)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(shí)測(cè) 值 相關(guān)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(shí)測(cè)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(shí)測(cè)值 擬合線 1 1線 灌溉排水學(xué)報(bào) 64 2 5 水面蒸發(fā)量 估算 值與實(shí)測(cè) 值的統(tǒng)計(jì)分析 為進(jìn)一步評(píng)價(jià)水面蒸發(fā)量 Ep 估算 模型的估 算精度 對(duì)模型的 估算 值與實(shí)測(cè)值進(jìn)行統(tǒng)計(jì)分析 詳 見(jiàn) 表 5 基于模型 估算 的日均 Ep為 3 32 mm d 與 實(shí)測(cè) Ep相對(duì)誤差為 3 51 RMSE 為 0 48 mm d MBE 為 0 10 一致性指數(shù)為 0 94 綜合來(lái)看模型 誤差較低 表 5 模型估算值與蒸發(fā)皿實(shí)測(cè)水面蒸發(fā)量比較的統(tǒng)計(jì)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(shí)測(cè)水面蒸發(fā)量 mm d 1 比值 相對(duì)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(shí)測(cè) 水面蒸發(fā)量 之比 d 為一致性指數(shù) 3 討 論 本試驗(yàn)中 水面蒸發(fā)量 Ep 整體呈波動(dòng)上升趨 勢(shì) 這 與環(huán)境溫度不斷上升 光照逐漸增強(qiáng) 等 有關(guān) 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(shì) 水面 蒸發(fā)主要因?yàn)樗嫠麎捍笥谏?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(qiáng)度 與氣象因子相關(guān)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(guān)系數(shù) 為 0 811 與 PAR 的相關(guān)系數(shù)為 0 852 P 0 01 明顯高于 Ep與 VPD 的相關(guān)系數(shù) 0 751 Ep與 RH 的相關(guān)系數(shù) 0 770 P 0 01 這與李銀坤等 2 在 溫室環(huán)境 中 的研究結(jié)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(fēng)速較 強(qiáng) 而 造成 的 研究結(jié)果差異 孫鳳賢 等 22 劉昌宇 9 對(duì)靜止水面下 Ep 的主要影響因素的研究 得 出 在風(fēng)速較低時(shí) 太陽(yáng)輻射強(qiáng)度越高 Ep越大 且 在 無(wú)風(fēng)環(huán)境下 光照強(qiáng)度對(duì) Ep的影響可以提高 21倍 本研究中 主成分分析 的結(jié)果 也 進(jìn)一步 說(shuō)明 了這個(gè)問(wèn) 題 對(duì) 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(xiàn)率可達(dá) 63 4 而第二主成 分的主要影響因素為 T 和 Tmin 主成分貢獻(xiàn)率僅為 24 5 可見(jiàn) 溫室環(huán)境條件下 Ra與 PAR 對(duì) Ep的 影 響 明顯強(qiáng)于 VPD 與 RH 對(duì) Ep的影響 多元回歸模型中 多重共線性 問(wèn)題 的來(lái)源主要是 自變量自身的性質(zhì) 即多個(gè)自變量之間高度相關(guān) 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(shù) 大于 10 這說(shuō)明除 RH 以外的 氣象因 子之間存在較為 嚴(yán)重的共線性 19 而 共線性強(qiáng)的各氣 象因子之間 通常存在 較為緊密 的聯(lián)系 如表 1 所示 Ra與 RH顯著負(fù)相關(guān) P 0 01 相關(guān)系數(shù)可達(dá) 0 773 而與其他氣象因子顯著正相關(guān) P 0 01 相關(guān)系數(shù) 在 0 4 以上 這主要 是因?yàn)?環(huán)境中 熱量的主要來(lái)源是 太陽(yáng)輻射 隨著光照增強(qiáng) 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(nèi)的水分子減少 濕度隨之降低 21 許瑩瑩等 19 研究發(fā)現(xiàn) 平均氣溫 地溫 絕對(duì)濕度和水汽壓差間 彼此密切相關(guān) 相關(guān)系數(shù)在 0 75 0 97 之間 共線性 分析 表明 地溫 絕對(duì)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(shuō)明各影響因子之 間存在較為嚴(yán)重的共線性 可見(jiàn)各自變量之間 聯(lián)系較 為緊密時(shí) 會(huì)在建立回歸方程時(shí)產(chǎn)生共線性問(wèn)題 本 研究 利用主成分回歸法建立的 Ep 估算 模型 的相對(duì)誤 差為 3 51 RMSE 值為 0 48 mm d 一致性指數(shù)為 0 94 主成分分析 可以很好地解決 共線性問(wèn)題 具有 降低模型誤差的效果 17 Jafari 12 研究 發(fā)現(xiàn) 使用主 成分回歸模型來(lái)預(yù)測(cè) 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(xué)者 17 利用了主成分分析與相關(guān)分 析相結(jié)合的方式 重新提取出 7 個(gè)各自獨(dú)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(jī)器學(xué)習(xí)算法的建模方式 將提取出的主成 分 通過(guò) BP 神經(jīng)網(wǎng)絡(luò)建立 Ep的 估算 模型 得到了 較 好 的結(jié)果 本試驗(yàn) 利用 不同年份 數(shù)據(jù) 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(jù) 4 結(jié) 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(yàn)時(shí)間的延長(zhǎng) Ep呈上升 趨勢(shì) 2 溫室無(wú)風(fēng)環(huán)境內(nèi) 輻射因素 與濕度 對(duì) Ep的影 響占主導(dǎo)地位 其中 PAR 與 Ep的相關(guān)性最高 相關(guān) 系數(shù)為 0 852 P 0 01 PAR 與 Ra RH 的 相關(guān)系數(shù) 分別為 0 811 和 0 770 P 0 01 在主成分分析中得 出 F1 對(duì) Ep 影響最明顯 特征值最大 為 4 44 其 主要 代表 Ra PAR 和 RH 對(duì) Ep的影響 各因子得分 系數(shù)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(shí)測(cè)值 顯著正相關(guān) P 0 01 R2為 0 908 MBE 為 0 10 RMSE為 0 48 mm d 一致性指數(shù)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(nèi)水面蒸發(fā)量估算模型構(gòu)建及驗(yàn)證 65 參考文獻(xiàn) 1 周杰 夏曉劍 胡璋健 等 十三五 我國(guó)設(shè)施蔬菜生產(chǎn)和科技進(jìn) 展及其展望 J 中國(guó)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(xué)報(bào) 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(duì)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(shè)施蔬菜生產(chǎn)節(jié)水灌溉制度研究現(xiàn)狀 及發(fā)展趨勢(shì) J 農(nóng)業(yè)工程學(xué)報(bào) 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(dòng)稱重式蒸發(fā)系統(tǒng)在杜陵水文站的應(yīng)用比測(cè) 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(jìn)展與展望 J 水利與建筑工程學(xué)報(bào) 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(yù)測(cè)水面蒸發(fā)量 J 水利水電科技進(jìn)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(yáng)光譜吸收對(duì)靜止水體蒸發(fā)影響的研究 D 哈爾濱 哈爾濱工程大學(xué) 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(kù) 水面蒸發(fā)量預(yù)測(cè)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(shù) 公式研究 一 J 湖泊科學(xué) 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(jīng)網(wǎng)絡(luò)的五 道溝水面蒸發(fā)計(jì)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(qiáng) 等 基于蒸發(fā)皿水面蒸發(fā)量制定冬小麥噴 灌計(jì)劃 J 農(nóng)業(yè)工程學(xué)報(bào) 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(duì)溫室茄子蒸騰規(guī)律及水分 利用的影響 J 中國(guó)農(nóng)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(nóng)架大九湖泥炭濕地蒸散及作物系數(shù) J 應(yīng)用生態(tài)學(xué)報(bào) 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(guó) 衛(wèi)生統(tǒng)計(jì) 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(cè)站優(yōu)化模型 J 價(jià)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(guān)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