公开(公告)号：CN114943361A

公开(公告)日：2022-08-26

申请号：CN202210256098.1

申请日：2022-03-15

Applicant: 水利部交通运输部国家能源局南京水利科学研究院

Inventor： 舒章康 ,  金君良 ,  张建云 ,  周游 ,  吴厚发 ,  汪琳 ,  王国庆 ,  鲍振鑫

IPC: G06Q10/04 ,  G06N20/20 ,  G06Q50/02

Abstract: 本发明公开了一种估算缺资料地区参考作物蒸散量的方法，包括资料收集，参数优化，地理因子选择，基于机器学习的参数区域化模型，计算得到的Hargreaves‑Samani模型参数，采用气温数据进一步计算缺资料地区参考作物蒸散量。本发明充分借助研究区内资料齐全地区的气象数据和地理因子信息，结合机器学习算法构建了Hargreaves‑Samani模型参数的缺资料区优化估计方法，相对于原始的Hargreaves‑Samani模型能显著提高缺资料地区参考作物蒸散量计算精度，同时相比于以往直接利用气象数据和机器学习模型建模的方式，本发明以Hargreaves‑Samani模型为基准，具备良好的物理基础，为缺资料地区精准的参考作物蒸散量估算提供了技术手段。

公开(公告)号：CN114943361B

公开(公告)日：2023-04-18

申请号：CN202210256098.1

申请日：2022-03-15

Applicant: 水利部交通运输部国家能源局南京水利科学研究院

Inventor： 舒章康 ,  金君良 ,  张建云 ,  周游 ,  吴厚发 ,  汪琳 ,  王国庆 ,  鲍振鑫

IPC: G06Q10/04 ,  G06N20/20 ,  G06Q50/02

Abstract: 本发明公开了一种估算缺资料地区参考作物蒸散量的方法，包括资料收集，参数优化，地理因子选择，基于机器学习的参数区域化模型，计算得到的Hargreaves‑Samani模型参数，采用气温数据进一步计算缺资料地区参考作物蒸散量。本发明充分借助研究区内资料齐全地区的气象数据和地理因子信息，结合机器学习算法构建了Hargreaves‑Samani模型参数的缺资料区优化估计方法，相对于原始的Hargreaves‑Samani模型能显著提高缺资料地区参考作物蒸散量计算精度，同时相比于以往直接利用气象数据和机器学习模型建模的方式，本发明以Hargreaves‑Samani模型为基准，具备良好的物理基础，为缺资料地区精准的参考作物蒸散量估算提供了技术手段。