基于主成分分析的温室内水面蒸发量估算模型构建及验证.pdf

2023 年 5 月 灌溉排水学报 第 42 卷 第 5 期 May 2023 Journal of Irrigation and Drainage No 5 Vol 42 60 文章编号 1672 3317 2023 05 0060 07 基于主成分分析的温室内 水面蒸发量 估算 模型构建及验证 王 科 1 2 李银坤 1 郑文刚 1 刘美英 2 武佳乐 1 2 纪玉如 3 陈 菲 1 侯升林 4 1 北京市农林科学院 智能装备技术研究中心 北京 100097 2 内蒙古农业大学 草原与资源环境学院 内蒙古自治区土壤质量与养分资源重点实验室 呼和浩特 010018 3 中国农业大学 园艺学院 北京 100094 4 河北省农林科学院 石家庄 050051 摘 要 目的 估算 温室无 风环境下的 水面蒸发量 Ep 方法 基于温室内 2020 年 与 2022 年 3 7 月的实测水 面蒸发量 Ep 与气象数据 采用主成分分析法对 Ep 的 影响因素进行分析 利用提取出的主成分与 Ep 构建多元回 归模型 并 对估算结果 进行 验证 结果 试验 期间 Ep随试验时间的延长呈上升趋势 2020 年 3 月 与 2022 年 3 月 的 Ep日平 均值分别为 1 84 mm 与 1 94 mm 6 月 分别增加 至 3 77 mm 与 5 15 mm 辐射 湿度 对温室无风环境下水面蒸 发量 的 影响占主要地位 其中光合有效辐射与水面蒸发量的相关性最高 相关系数为 0 852 P 0 01 其次为太阳 辐射 与湿度 相关系数 分别 为 0 811 与 0 770 P 0 01 第一主成分的 太阳辐射 光合有效辐射以及湿度对水面蒸 发量影响较大 特征值为 4 44 其中太阳辐射对水面蒸发量影响最明显 得分系数最高 为 0 328 湿度与光合有效 辐射次之 得分系数分别为 0 311 与 0 321 基于 主成分 分析结果建立了水面蒸发量估算 模型 水面蒸发量 估算 值 与 实测值 显著正相关 P 0 01 方程 相关 系数 R2为 0 908 MBE为 0 10 RMSE为 0 48 mm d 一致性指数较高 d 0 94 结论 在温室无风环境下 太阳辐射 光合有效辐射与湿度 对水面蒸发量影响较 高 关 键 词 温室 水面蒸发量 气象要素 多重共线 性 主成分分析 中图分类号 P332 2 文献标志码 A doi 10 13522 ki ggps 2022543 OSID 王科 李银坤 郑文刚 等 基于主成分分析的温室内水面蒸发量估算模型构建及验证 J 灌溉排水学报 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 研究意义 我国设施蔬菜种植面积 已达 410 hm2 总产值占蔬菜产业的 50 1 灌溉 水 是温室蔬 菜 水分需求的 主要来源 灌溉 决策 不合理是我国目前 盲目灌溉现象 依旧 普遍存在的主要原因 2 灌溉量不 足或过多 不仅 影响了蔬菜正常生产 浪费水资源 还 导致了温室蔬菜经济效益下降等问题 3 水面蒸发量 是指单位时间内从单位 水 表面面积蒸发的水量 常表示为单位时间内从全部 水 面积上所蒸发的液 态水的深度 4 精确获取温室内水面蒸发量信息 对 构建 科学合理灌溉制度 促进温室蔬菜 高产 优质生产 至关重要 5 20 cm 标准蒸发皿是目前直接 测量不同 生产条件下水面蒸发量 E p 的主要 方式 但人工测 收稿日期 2 022 09 30 基金项目 河北省重点研发计划项目 21327005D 国家重点研发计划 项目政府间国际科技创新合作专项 2019YFE0125100 河北省现代农 业产业技术体系项目 HBCT2021200201 HBCT2021200202 作者简介 王科 1999 男 硕士研究生 主要从事作物水肥高效利 用研究 E mail wke1020 通信作者 刘美英 1974 女 内蒙古清水河人 副教授 硕士生导 师 主要从事土壤肥力与植物营养方面的教学科研工作 E mail liumeiyingimau 量的误差大 效率低 而采用自动称质量法的条件要 求高 测量成本高 6 模型估算法也是获取 Ep的主要 途径 该方法需要根据 区域气候特点 进行 Ep 模型 构 建与验证 具有应用范围广 成本低等优点 7 建立 适宜的 Ep 估算模型 对制定科学合理的灌溉制度 发展节水农业等具有十分重要的意义 2 研究进展 目前 Ep估算模型主要包括经验公式模型与机理公式 模型 机理公式模型结构通常较为复杂 不利于推广 应用 有研究 9 提出 了 气 水二维湍流流动理论模型 模型考虑了风在经过水体而产生的环流 以及空气流 速 水温 气温等物理因素对水面蒸发的影响 经验 公式 模型包括 2 类 一类是考虑太阳 水与空气之间 质量和能量的交换过程 来估算 Ep 例如 Penman 法 9 与波文比法 8 另一类是以风速 水汽压差等其他气 象因子建立的经验公式 例如 Blaney Criddle公式 7 闵骞 8 对彭曼模型中的水面辐射平衡值与水面附近 的空气干燥力 2 个参数进行修正 针对露天环境 建立 了以风速 湿度和饱和水汽压为主要参数的适用于全 国的 Ep模型 也有研究 10 以 Blaney Criddle 公式为基 础 建立了精度在月 旬 日的 Ep经验模型 且 Ep 王科 等 基于主成分分析的温室内水面蒸发量估算模型构建及验证 61 模型精度较 原始模型有所提高 濮培民 11 通过分析水 面蒸发过程中的水汽 界面上的 质量和能量传递过程 建立了基于温度 水汽压差 风速 相对湿度等因子 的 Ep估算 模型 Jafari 等 12 利用主成分回归法 建立 了基于风速 湿度 水汽压 差 等气象因子的 Ep 估算 模型 且精度明显高于回归模型 陆云燕 等 13 利用主 成分分析法 从诸多气象因子之间提取出 3 个主成分 作为变量 与 其建立的 PCA BP 神经网络算法模型精 度较高 切入点 精确获取水面蒸发量是 温室内 水 资源高效利用与农业灌溉制度确定的关键前提 14 目 前 Ep估算 模型 的 研究 主要针对露天环境 并 将风速 作为主要 模型 参数 但对 温室 无风环境下的 Ep 模型 估算 研究较少 拟解决的关键问题 为此 本研究 利用 标准蒸发皿 获取实测 Ep 分析 其 在温室内 无风环 境下的 主要变化趋势 利用主成分分析法 探究影响 Ep的 主要因素 分析 提取出的主成分与 Ep的关系 进 而建立基于 主成分 的 温室内 水面蒸发量 估算 模型 并验 证 为温室 节水灌溉和 绿色生产提供 科学 理论支持 1 试验 与方法 1 1 试 验 区 概况 试验于 2020 年 与 2022 年 的 3 7 月 在 北京市农 林科学院 三连跨多功能连栋温室 开展 试验温室南北 走向 长 39 m 宽 11 m 试验布置于 三 连跨多功能 连栋温室的中跨 试验温室位于东经 116 29 北纬 39 94 海拔 56 m 多年平均气温为 11 1 年均降 水量为 500 600 mm 该区属 典型的温带大陆性季风 气候 温 室内 透光性良好 且 温室 内 气流较弱 风速 近似为 0 试验期间种植作物为茄子 2020 年 3 月 1 日定 植 2020 年 7 月 15 日收获 2022 年 3 月 3 日定植 2022 年 7 月 15 日收获 依据直径 20 cm 蒸发皿测 定的水面蒸发量的 80 进行灌水 15 灌水周期为 7 10 d 供试茄子品种为 京茄黑宝 采用畦栽模 式 栽培畦宽 0 75 m 高 0 1 m 每畦种植 2 行 株距 为 0 45 m 行距 为 0 5 m 试验区基施有机肥 30 000 kg hm2 试验期间追施水溶性肥料 N P2O5 K2O 3 1 6 3 次 每次 纯氮施量 为 75 kg hm2 1 2 数据处理与分析 采 用 Excel 2016 软件整理分析 数据 利用 SPSS 20 0 对气象数据进行主成分分析 再将主成分与水面 蒸发量进行多元回归分析 同时采用均方根误差 RMSE 平均偏差 MBE 与一致性指数 d 等 指标对估算值和实测值的符合度进行统计学分析 误 差 RMSE 越小 MBE 越接近 0 一致性指标 d 越大 则模拟效果越好 1 3 数据的选取与监测 利 用 2020 年 3 月 1 日 7 月 15 日 实测 逐日水面 蒸发量与气象数据探讨温室内水面蒸发量变化规律 及影响因素 并建立 模型 使用 2022 年 3 月 2 日 7 月 15 日 的数据对模型进行准确性检验 1 3 1 水面蒸发量 利用直径为 20 cm的称 质量 式标准蒸发皿测定水 面蒸发量 Ep 蒸发皿位于温室中央 精度 为 0 1 mm 每 10 min 测量 1 次数据 1 3 2 气象数据 气象数据来源于温室内小型气象站 型号 AG1000 美国 生 产 气象站位于温室中央 监测要 素包括平均气温 T 日最高 低 气 温 Tmax Tmin 太阳辐射 Ra 光合有效辐射 PAR 和相对湿度 RH 数据采集间隔为 10 min 通过 FAO 56 推荐方法 计算 饱和水汽压差 VPD 16 1 4 研究方法 1 4 1 多重共线性分析 多重共线性 最早于 1934 年提出 17 是指线 性回归模型中的 2 个或多个变量之间 存在高度相关 关系 共线性的存在 会 使回归模型 剔除 有用的自变量 导致模型失真或难以准确估计 或会使回归模型的系 数符号与实际情况相反 使得模型中的变量无法得到 合理的解释 诊断多重共线性 时 最常用的方法为 方差膨胀因 子法 VIF 法 18 在多元回归中 设有 k 个自变量 X1 X2 Xk 则 VIF 11 R i2 1 Ri2 为 Xi 自变量与其他 k 1 个 自变量间的复相关 系数 VIF 1 则表明 自变量 Xi与其他 k 1 个 自变量 之间没有共线性关系 一般情况下认为 19 当 VIF 10 时自变量之间存在较为严重的共线性 且 VIF 值 越大 共线性越强 还有研究 17 对 VIF 的倒数 即容忍值 TOL 法 对回归模型的共线性进行进一步探讨 TOL 1 Ri2 2 TOL 的取值在 0 1 之间 一般认为 该 值越接近 0 说明自变量之间的共线性越强 1 4 2 主成分 回归 主成分回归是 Massy 20 于 1965 年提出的一种解 决多重共线性问题的新方法 基本思路是将原来多个 自变量通过线性组合 转化为少数几个主成分 然后 再将主成分与因变量建立 回归方程 依据主成分与自 变量的关系 求得基于原自变量的回归模型 灌溉排水学报 62 1 4 3 主成分分析 主成分分析 19 是通过降维将多个变量转化为几 个互不相关的变量 其数学模型为 对于 k 个观测变量 X1 Xk n 个观测的样本 数 矩 阵 X X11 X12 X1k X21 X22 X2k Xn1 Xn2 Xnk X1 X2 Xk 3 将 k个预测变量综合成为 p个新 变量 综合变量 即 F1 a11X1 a12X2 a1kXk F2 a21X1 a22X2 a2kXk Fp ap1X1 ap2X2 apkXk 4 模型满足 Fi Fj互不相关 i j i j 1 2 p F1 的方差 F2 的方差 F3 的方差 以此类推 aj12 aj22 ajk2 1 j 1 2 k 模型中称 F1 为第一主成分 F2为第二主成分 以此类推 aij称为 主成分系数 选取主成分的个数取决 主成分的累计方差贡献 率 通常选取累计贡献率大于 85 以上等主成分 这 些主成分更好地保留了原来因子的信息 减少了因子 数量 从而起到筛选因子的作用 1 4 4 多元回归分析 多元线性回归 19 模型 是研究一个变量 Y与 2个或 2 个以上的变量 X1 X2 Xn之间是否存在确定的 函数关系 其表达式一般为 Y a0 a1X1 anXn 5 式中 a0为回归常数 a1 an为回归系数 Y 为 因变量 X 为自变量 为误差项 2 结果与分析 2 1 试验期间 水 面蒸发量变化规律 图 1为 2020年 与 2022年 试验期间水面蒸发量 Ep 的逐日变化规律 温室内 Ep年 内 变化规律一致 2020 年 和 2022 年 温室内 Ep 的变化范围 分别 为 0 19 6 85 mm 和 0 37 7 01 mm Ep均值 分别 为 3 32 mm 和 3 27 mm 随着试验时间的延长 Ep呈波动上升趋势 2020 年 和 2022年 3月的 Ep均值分别为 1 84 mm和 1 94 mm 6 月 Ep分别增加至 3 77 mm 和 5 15 mm 图 1 温室内水面蒸发量 动态 Fig 1 Dynamic of pan evaporation in greenhouse 2 2 水面蒸发量影响因子筛选及影响因子间共线性 诊断 表 1 为 水面蒸发量 Ep 与气象 因子相关分析 结果 由表 1 可知 各气象因子 均 与水面蒸发量极 显著相关 P 0 01 其中 RH 与其 负相关 其他 环境因子 均 与 Ep正相关 Ep与 PAR 的相关 性 最 高 相关系数 为 0 852 与 Tmin相关 性 最 低 相关系数 为 0 428 表 1 温室蒸发皿水面蒸发量与 气象 因子的相关 分析 Table 1 Correlation between pan evaporation and various environmental factors in greenhouse 指标 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 水平上显著相关 由表 1 还可以看出 各气象因子之间存在明显相 关性 其中 PAR 与 Ra相关性最高 相关系数为 0 968 0 2 4 6 8 0302 0317 0401 0416 0501 0516 0531 0615 0630 0715 水面蒸发量 m m 日期 2020 2022年份 王科 等 基于主成分分析的温室内水面蒸发量估算模型构建及验证 63 而 Tmin与 RH Ra PAR 相关性 均不 显著 表 2 为采 用方差膨胀因子法与容忍值法对各气象要素的共线 性定量分析结果 可以看出 除 RH 外 各气象因子 的 容忍值均小于 0 1 膨胀系数大于 10 说明除 RH 以外的气象 因子 之间 均 存在较为严重的共线性 问题 需要对数据进行主成分分析以解决共线性问题 表 2 共线性诊断 Table 2 The diagnosis of collinearity 指标 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 水面蒸发量 主成分多元回归模型建立 对水面蒸发量影响的气象因子进行主成分分析 表明 提取出 2 个主成分 F1和 F2 F1综合了原始 变量的 63 4 的变异信息 明显高于第二主成分 F2 的 24 5 二者合计贡献率大于 85 这表明 2 个主 成分在包含全部变量的同时 对水面蒸发量 Ep 的 影响最为明显 依据表 3 各主成分的 得分系数可知 F1 中 Ra PAR 和 RH 的 载荷较大 得分系数分别为 0 328 0 311 和 0 321 F2中 T 与 Tmin的 载荷较大 得分系数 分别为 0 353和 0 431 故 Ep主要受 Ra PAR T Tmin的正向影响 受 RH 的负向影响 依据表 3 提取出的 2 个互相独立的 主成分 F1与 F2 与 实测 Ep进行多元回归分析 详见 表 4 建立的 主成分回归 模型 参数均通过 P 0 05 水平的显著性检 验 模型决定系数 R2为 0 854 表明 Ep变化的 85 4 是 由 F1和 F2所代表的 影响 因子所引起 的 表 3 主成分系数和 贡献率 Table 3 Principal component score coefficient and contribution rates 自变量 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 贡献率 63 4 24 5 表 4 水面蒸发量 主成分多元回归模型 Table 4 The pan evaporation and main components regression model 因变量 主成分回归模型 决定系数 Ep Ep 1 195F1 0 804F2 3 320 0 854 注 表示表示在 0 01 水平上显著相关 2 4 水面蒸发量 估算 值与 实测 值 比较及相关性分析 将验证数据进行标准正态变换后 代入表 4 主成 分回归 模型 中 水面蒸发量 Ep 估算 值与实测值 变 化趋势如图 2 所示 估算值与实测值全生育期变化规 律一致 峰值较为接近 分别为 6 88 mm和 7 01 mm 整个生育期的 Ep估算值为 441 16 mm 与实测 Ep相 比 高估了 14 82 mm Ep的实测值 与 估算值 相关性 如图 3 所示 模型 估算 值与实测值 极显著 正相关 方程 决定 系数 R2为 0 908 P 0 01 回归趋势线与 1 1 线较为接近 可见模型 估算 值与实测值有较高 的线性相关 图 2 水面蒸发量估算值与实测值 比较 Fig 2 Changes of measured values of pan evaporation and estimated values of the model 图 3 水面蒸发量 估算 值与 实测 值 相关性 比较 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 水面蒸发量 m m 日期 实测值 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 实测值 拟合线 1 1线 灌溉排水学报 64 2 5 水面蒸发量 估算 值与实测 值的统计分析 为进一步评价水面蒸发量 Ep 估算 模型的估 算精度 对模型的 估算 值与实测值进行统计分析 详 见 表 5 基于模型 估算 的日均 Ep为 3 32 mm d 与 实测 Ep相对误差为 3 51 RMSE 为 0 48 mm d MBE 为 0 10 一致性指数为 0 94 综合来看模型 误差较低 表 5 模型估算值与蒸发皿实测水面蒸发量比较的统计特征值 Table 5 Statistical comparison between measured values of pan evaporation and estimated values of the model 日均 估算 水面蒸发量 mm d 1 日均实测水面蒸发量 mm d 1 比值 相对误差 RMSE mm d 1 MBE d 3 32 3 21 1 03 3 51 0 48 0 10 0 94 注 比值为 日均 估算 水面蒸发量与 日均 实测 水面蒸发量 之比 d 为一致性指数 3 讨 论 本试验中 水面蒸发量 Ep 整体呈波动上升趋 势 这 与环境温度不断上升 光照逐渐增强 等 有关 8 陆云燕 等 13 研究表明 露天 环境下的 Ep从 4 7 月呈 逐渐升高趋势 水面 蒸发主要因为水面水汽压大于上 空水汽压 而使逸出水面的水分子多于大气返回的水 分子量 其蒸发强度 与气象因子相关性 较高 且受各 气象因子 影响 程度 不同 21 本研究表明 Ep 与 Ra 的 相关系数 为 0 811 与 PAR 的相关系数为 0 852 P 0 01 明显高于 Ep与 VPD 的相关系数 0 751 Ep与 RH 的相关系数 0 770 P 0 01 这与李银坤等 2 在 温室环境 中 的研究结果类似 但露天环境条件下 RH 与 VPD 是影响 Ep的主要环境因素 8 这 可能是 露天 环境 中 风速较 强 而 造成 的 研究结果差异 孙凤贤 等 22 刘昌宇 9 对静止水面下 Ep 的主要影响因素的研究 得 出 在风速较低时 太阳辐射强度越高 Ep越大 且 在 无风环境下 光照强度对 Ep的影响可以提高 21倍 本研究中 主成分分析 的结果 也 进一步 说明 了这个问 题 对 Ep影响最大第一主成分 的 主要影响因素为 Ra PAR 和 RH 主成分 贡献率可达 63 4 而第二主成 分的主要影响因素为 T 和 Tmin 主成分贡献率仅为 24 5 可见 温室环境条件下 Ra与 PAR 对 Ep的 影 响 明显强于 VPD 与 RH 对 Ep的影响 多元回归模型中 多重共线性 问题 的来源主要是 自变量自身的性质 即多个自变量之间高度相关 17 本研究中 除 RH 外 各气象因子之间容忍值皆小于 0 1 膨胀系数 大于 10 这说明除 RH 以外的 气象因 子之间存在较为 严重的共线性 19 而 共线性强的各气 象因子之间 通常存在 较为紧密 的联系 如表 1 所示 Ra与 RH显著负相关 P 0 01 相关系数可达 0 773 而与其他气象因子显著正相关 P 0 01 相关系数 在 0 4 以上 这主要 是因为 环境中 热量的主要来源是 太阳辐射 随着光照增强 温度升高 饱和水汽压 差 也随之升高 空气随着温度的升高而膨胀 因此单位 体积内的水分子减少 湿度随之降低 21 许莹莹等 19 研究发现 平均气温 地温 绝对湿度和水汽压差间 彼此密切相关 相关系数在 0 75 0 97 之间 共线性 分析 表明 地温 绝对湿度和平均气温的容忍度均小 于 0 1 方差膨胀因子均大 于 10 说明各影响因子之 间存在较为严重的共线性 可见各自变量之间 联系较 为紧密时 会在建立回归方程时产生共线性问题 本 研究 利用主成分回归法建立的 Ep 估算 模型 的相对误 差为 3 51 RMSE 值为 0 48 mm d 一致性指数为 0 94 主成分分析 可以很好地解决 共线性问题 具有 降低模型误差的效果 17 Jafari 12 研究 发现 使用主 成分回归模型来预测 Ep的模型 R2为 0 82 RMSE 为 0 52 mm d 而多元回归模型的 R2为 0 79 RMSE 为 2 28 mm d 还有学者 17 利用了主成分分析与相关分 析相结合的方式 重新提取出 7 个各自独立的变量 消除了 传统最小二乘法建立的多元回归模型 中存在 的共线性 并利用多元回归分析建立了模型 陆云燕 等 13 使用机器学习算法的建模方式 将提取出的主成 分 通过 BP 神经网络建立 Ep的 估算 模型 得到了 较 好 的结果 本试验 利用 不同年份 数据 建立了 基于 主 成分 分析的 Ep估算 模型 为 估算 温室 环境下 的 Ep提 供了可靠的依据 4 结 论 1 温室 2020 年 与 2022 年 春茬茄子 种植期间 水面蒸发量 Ep 的 变化范围 分别 为 0 19 6 85 mm 和 0 37 7 01 mm 且 随试验时间的延长 Ep呈上升 趋势 2 温室无风环境内 辐射因素 与湿度 对 Ep的影 响占主导地位 其中 PAR 与 Ep的相关性最高 相关 系数为 0 852 P 0 01 PAR 与 Ra RH 的 相关系数 分别为 0 811 和 0 770 P 0 01 在主成分分析中得 出 F1 对 Ep 影响最明显 特征值最大 为 4 44 其 主要 代表 Ra PAR 和 RH 对 Ep的影响 各因子得分 系数分别为 0 328 0 311 和 0 321 3 建立了 基于 主成分 分析的多元 回归 Ep估算 模 型 该模型消除了各变量之间的共线性 其估算值与 实测值 显著正相关 P 0 01 R2为 0 908 MBE 为 0 10 RMSE为 0 48 mm d 一致性指数较高 d 0 94 模型 估算 误差较低 王科 等 基于主成分分析的温室内水面蒸发量估算模型构建及验证 65 参考文献 1 周杰 夏晓剑 胡璋健 等 十三五 我国设施蔬菜生产和科技进 展及其展望 J 中国蔬菜 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 李银坤 詹保成 郭文忠 等 基于蒸发皿水面蒸发量的温室生菜适 宜灌溉量研究 J 灌溉排水学报 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 障碍物遮挡率对水面蒸发量的影响浅析 J 黑龙江水利 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 陈青云 高丽红 等 设施蔬菜生产节水灌溉制度研究现状 及发展趋势 J 农业工程学报 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 周书影 TEZ 601 全自动称重式蒸发系统在杜陵水文站的应用比测 分析 J 广东水利水电 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 水面蒸发研究进展与展望 J 水利与建筑工程学报 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 闵骞 利用彭曼公式预测水面蒸发量 J 水利水电科技进展 2001 21 1 37 39 MIN Qian Prediction of water surface evaporation by penman ula J Advances in Science and Technology of Water Resources 2001 21 1 37 39 9 刘昌宇 太阳光谱吸收对静止水体蒸发影响的研究 D 哈尔滨 哈尔滨工程大学 2014 LIU Changyu Effect of spectral absorption of solar energy on evaporation of still water D Harbin Harbin Engineering University 2014 10 闵骞 湖泊 水库 水面蒸发量预测方法的探讨 J 水文 1997 17 2 39 43 MIN Qian Discussion on prediction of lake reservoir water surface evaporation J Hydrology 1997 17 2 39 43 11 濮培民 水面蒸发与散热系数 公式研究 一 J 湖泊科学 1994 6 1 1 12 PU Peimin Studies on the ulae 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 陆云燕 王振龙 吕海深 等 基于主成分分析和 BP 神经网络的五 道沟水面蒸发计算研究 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 刘海军 黄冠华 王明强 等 基于蒸发皿水面蒸发量制定冬小麦喷 灌计划 J 农业工程学报 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 李银坤 郭文忠 等 不同灌水量对温室茄子蒸腾规律及水分 利用的影响 J 中国农村水利水电 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 葛继稳 许向南 等 基于 FAO56 Penman Monteith 公式 估算 神农架大九湖泥炭湿地蒸散及作物系数 J 应用生态学报 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 杨梅 肖静 蔡辉 多元分析中的多重共线性及其处理方法 J 中国 卫生统计 2012 29 4 620 624 YANG Mei XIAO Jing CAI Hui Multiple collinearity in multivariate analysis and its processing s J Chinese Journal of Health Statistics 2012 29 4 620 624 18 梁素梅 吴迪 基于多重共线性的气象观测站优化模型 J 价值工程 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 许莹莹 李薇 王振龙 等 基于主成分分析的裸地潜水蒸发与气象 要素关系模拟 J 水文 2020 40 4 7 13 39 XU Yingying LI Wei WANG Zhenlong et al Simulation of relationship between evaporation and meteorolog