论文部分内容阅读
参考作物蒸散量是表征大气蒸散能力的一个重要指标,是作物需水量研究的重要组成部分。明晰ET0时间序列尺度效应、周期性特征,可为精确预测参考作物蒸散量未来的变化趋势提供重要理论依据,对农作物种植结构调整、区划与布局具有指导意义,进而实现区域农业水资源可持续利用的目的。本文选取我国四大气候区温带季风、温带大陆、亚热带季风和高原山地气候区,采用19602017年ET0时间序列数据,基于多重分形、小波分析及云模型理论,进行了ET0时间序列非线性分析、周期性分析及构建云推理预测模型。取得主要结果如下:(1)基于数理统计特征和多重分形谱,解析了参考作物蒸散量时间序列的时间尺度特征。4个气候区年、季、月尺度ET0时间序列均具有多重分形特征,ET0时间序列呈现不规则高频振荡且为不完全随机分布。月尺度呈现长程相关性与短距离变异,年尺度变异过程表现为反持续性特征与长距离变异。(2)采用Morlet小波系数实部等值线图、小波方差图和特征时间小波系数实部过程线,表征4个气候区年、季、月ET0时间序列的周期特征和多年变化趋势。4个气候区年尺度表现出28年长时间周期,未来具有下降趋势;季尺度表现为6、83和87季时间周期;月尺度具有18月短时间周期,中长时间周期中嵌套了短时间周期,两个周期相互影响。(3)云模型能很好的实现不确定性概念的度量,同时将不确定过程可视化。随着时间尺度的缩小,ET0的期望和熵值均减小,ET0时间序列分布的不确定性降低。温带大陆气候区相较于其他气候区ET0的期望在各月之间变化的幅值最剧烈,高原山地气候区幅值变化最平缓,不同气候区年、季、月时间尺度上超熵值变化规律不清晰。温带季风气候区的云推理预测模型精度最高,高原山地气候区的预测精度最低,随着时间尺度的缩小,预测值与真实值的相对误差增大、离散度减小。单条件单规则和单条件多规则云推理模型均能准确的预测不同气候区不同时间尺度ET0数值,单条件多规则模型增加了ET0周期性和长程相关性的特征,从而减小预测值与真实值的离散度,进一步提高了预测精度。