CN115327666A - 一种新型气象站用参考作物蒸散量测定方法及设备 - Google Patents

一种新型气象站用参考作物蒸散量测定方法及设备 Download PDF

Info

Publication number
CN115327666A
CN115327666A CN202210916982.3A CN202210916982A CN115327666A CN 115327666 A CN115327666 A CN 115327666A CN 202210916982 A CN202210916982 A CN 202210916982A CN 115327666 A CN115327666 A CN 115327666A
Authority
CN
China
Prior art keywords
evapotranspiration
reference crop
data
daily
station
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210916982.3A
Other languages
English (en)
Inventor
黄娟
张祖莲
黄健
冯婉悦
黄欣
顾雅文
林静
谷然
王曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
INSTITUTE OF DESERT METEOROLOGY CMA URUMQI
Xinjiang Xingnong Network Information Center
Original Assignee
INSTITUTE OF DESERT METEOROLOGY CMA URUMQI
Xinjiang Xingnong Network Information Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by INSTITUTE OF DESERT METEOROLOGY CMA URUMQI, Xinjiang Xingnong Network Information Center filed Critical INSTITUTE OF DESERT METEOROLOGY CMA URUMQI
Priority to CN202210916982.3A priority Critical patent/CN115327666A/zh
Publication of CN115327666A publication Critical patent/CN115327666A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及一种新型气象站用参考作物蒸散量测定方法及设备，其中，新型气象站用参考作物蒸散量测定方法，包括以下步骤：获取各个气象站采集的参考作物所在区域内的站点气象数据；根据站点气象数据计算参考作物所在区域的参考作物蒸散量，包括：根据站点气象数据计算参考作物所在区域的参考作物逐日蒸散量；根据参考作物逐日蒸散量求和生成参考作物逐旬蒸散量；根据参考作物逐日蒸散量求和生成参考作物逐月蒸散量；根据参考作物逐日蒸散量求和生成参考作物逐年蒸散量。在本发明的技术方案中，能够专门针对气象要素数据进行自动判识功能的处理系统，即能够自动识别有效气象要素数据，插补缺测数据，剔除实际情况不符合参考作物蒸散概念的站点。

Description

一种新型气象站用参考作物蒸散量测定方法及设备
技术领域
本发明涉及气象行业数据监测领域，尤其涉及一种新型气象站用参考作物蒸散量测定方法、系统和计算机可读存储介质。
背景技术
在农田上，作物的蒸腾量是水分流失的最主要方式，也是研究农田水循环及农业系统的重要环节之一。作物的生长、营养成份的运移和田间节水灌溉等都与土壤水分的蒸发量息息相关，所以研究土壤水分的蒸发量有着重要的意义。目前，用于测量水分蒸发量的方法有很多，对不同的环境有不用的测量方法，如液流法、涡度相关法、土壤水量平衡法，蒸渗仪法、遥感法等都是比较常见的测量方法。蒸渗仪法指的是传感器、计算机等电子仪器被布置在蒸渗仪中，该方法用于测量计算土壤的蒸发量。虽然在一些一定规模的实验站中，相关人员已经用蒸渗仪法进行测量土壤蒸发量，但是不能对大面积的土壤进行分布式测量，只能测量小范围的土壤蒸发量，并且不同植物在边界范围的蒸发量都不相同，所以很难代表同一土壤上不同植物的蒸发量，此外，需要专门的技术人员对其进行监控，所需要的成本较高，所以还需要对此进行改进。
目前研制的蒸渗装置通常有两种，分别为非称重式蒸渗仪、称重式蒸渗仪。非称重式蒸渗仪有供水式、注水式、压/吸气排水式。这一类蒸渗仪制造简单，随意观测性较强、使用安全、精度高、集水效果明显等优点，但是分别存在误差大、雨后水入渗时间长、未考虑地下水补给，受尺寸、热量交换影响，边界效应，易引起误差等缺点。称重式蒸渗仪有大型(智能)称重式、地中蒸渗计、微型称重式、盆栽式/小型称重式。这一类蒸渗仪具有代表性较强、自动化程度较高、真实模拟地下水状态、精度高、简单高效、易于制备、无扰动、可移动、无损测量、性能稳定等优点，但是分别存在基础造价较高、有边界效应、基础质量大、土石方量开挖较多、存在环境效应、安装维修管理工艺复杂、重复试验、大面积推广较难、存在较大人为误差、测量预测精度较低、造价较高等缺点。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此，本发明的目的在于提供一种新型气象站用参考作物蒸散量测定方法、系统和计算机设备，其能够真实模拟作物水分循环状态、体现大田作物生长，能够实现在现场实时、持续检测功能。
为实现上述目的，本发明第一方面的技术方案提供了一种新型气象站用参考作物蒸散量测定方法，包括以下步骤：
获取各个气象站采集的参考作物所在区域内的数据要素，得到站点气象数据；
根据站点气象数据计算参考作物所在区域的参考作物蒸散量；
其中，参考作物蒸散量的表达式为：
Figure BDA0003776213940000021
ETO(FAO-98)为参考作物蒸散量；Rn为地表净辐射；G为土壤热通量； T为2m高度处平均气温；U2为2m高度处风速；es为饱和水汽压；ea为实际水汽压；Δ为饱和水汽压曲线斜率；V为干湿表常数；
Figure BDA0003776213940000031
Figure BDA0003776213940000032
RSO＝(0.75+2z×10-5)Ra；
t为反射率、且为无量纲；Rs为地表短波辐射；e为斯蒂芬表示波尔兹曼常数；Tmax,k为日最高气温；Tmin,k为日最低气温；Rso为晴天地表短波辐射；as为阴天地表短波辐射与大气层外太阳辐射的比例系数；(as+bs)为晴天地表短波辐射与大气层外太阳辐射的比例系数；n为实际日照时数； N为最大可能日照时数；Ra为大气层外太阳辐射；z为海拔高度。
在上述技术方案中，优选地，根据站点气象数据计算参考作物所在区域的参考作物蒸散量，包括以下步骤：
根据站点气象数据计算参考作物所在区域的参考作物逐日蒸散量；
根据参考作物逐日蒸散量求和生成参考作物逐旬蒸散量，其中10日为一旬；
根据参考作物逐日蒸散量求和生成参考作物逐月蒸散量；
根据参考作物逐日蒸散量求和生成参考作物逐年蒸散量。
在上述技术方案中，优选地，根据站点气象数据计算参考作物所在区域的参考作物蒸散量，还包括以下步骤：
根据预设阈值对参考作物逐日蒸散量、参考作物逐旬蒸散量、参考作物逐月蒸散量和参考作物逐年蒸散量进行筛选，得到参考作物有效蒸散量；
其中，预设阈值为：日值：0＜Xdaily＜25；旬值：0＜X10days＜500；月值：0＜Xmonthly＜500；年值：500＜Xannual＜1500；异常值：32766/0；缺测值：null；
剔除异常值、并对缺测值进行参考作物逐日蒸散量的均值插补。
在上述任一技术方案中，优选地，获取各个气象站采集的参考作物所在区域内的数据要素，得到站点气象数据，包括以下步骤：
获取各个气象站采集的参考作物所在区域内的数据要素；
对数据要素进行归一化处理，得到站点气象数据；
其中，归一化处理为：对序列χ1,χ2,…,χn,进行变换：
Figure BDA0003776213940000041
则新序列y1,y2,…,yn∈[0，1]，且为无量纲；其中max为样本数据的最大值，min为样本数据的最小值；Xi指数据列中第i个源数据，Xj指取最大值或最小值之后的数据集。
在上述任一技术方案中，优选地，数据要素包括区站号、年、月、日、平均本站气压、日最高本站气压、日最低本站气压、平均气温、日最高气温、日最低气温、平均相对湿度、最小相对湿度、20-20时降水量、平均风速、最大风速、最大风速的风向、极大风速、极大风速的风向和日照时数中的一种或多种。
本发明第二方面的技术方案提供了一种新型气象站用参考作物蒸散量测定系统，包括：
获取模块，被设置为用于获取各个气象站采集的参考作物所在区域内的数据要素，得到站点气象数据；
蒸散量计算模块，被设置为用于根据站点气象数据计算参考作物所在区域的参考作物蒸散量。
在上述任一技术方案中，优选地，蒸散量计算模块包括：
逐日蒸散量计算单元，被设置为用于根据站点气象数据计算参考作物所在区域的参考作物逐日蒸散量；
逐旬蒸散量计算单元，被设置为用于根据参考作物逐日蒸散量求和生成参考作物逐旬蒸散量，其中10日为一旬；
逐月蒸散量计算单元，被设置为用于根据参考作物逐日蒸散量求和生成参考作物逐月蒸散量；
逐年蒸散量计算单元，被设置为用于根据参考作物逐日蒸散量求和生成参考作物逐年蒸散量。
在上述技术方案中，优选地，蒸散量计算模块还包括：
气象要素自动筛选单元，被设置为用于根据预设阈值对参考作物逐日蒸散量、参考作物逐旬蒸散量、参考作物逐月蒸散量和参考作物逐年蒸散量进行筛选，得到参考作物有效蒸散量；
其中，预设阈值为：日值：0＜Xdaily＜25；旬值：0＜X10days＜500；月值：0＜Xmonthly＜500；年值：500＜Xannual＜1500；异常值：32766/0；缺测值：null；
气象要素异常处理单元，被设置为用于剔除异常值、并对缺测值进行参考作物逐日蒸散量的均值插补。
在上述任一技术方案中，优选地，获取模块包括：
获取单元，被设置为用于获取各个气象站采集的参考作物所在区域内的数据要素；
数据归一化单元，被设置为用于对数据要素进行归一化处理，得到站点气象数据。
本发明第三方面的技术方案提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面的任一技术方案提供的新型气象站用参考作物蒸散量测定方法的步骤；其中，计算机可读存储介质插接于气象站数据存储接口上以读入各个气象站采集的参考作物所在区域内的数据要素。
本发明提供的新型气象站用参考作物蒸散量测定方法、系统和计算机设备与现有技术相比的优点在于：
1)本发明首次提出了能够专门针对气象要素数据进行自动判识功能的处理系统，即能够自动识别有效气象要素数据，插补缺测数据，剔除实际情况不符合参考作物蒸散概念的站点；
2)本发明无需其他辅助仪器，仅需要数据接口，运算系统已设置完毕，能够自动识别并处理有效数据，不会因数据错误停止程序运行，具有安全性、识别性；
3)本发明能够真实模拟作物水分循环状态、体现大田作物生长，其适用范围广、易于大面积推广，具有普适性；
4)本发明数据库及生成数据存储模块支持任一数据量的气象要素信息文件，不限制存储数据类型及大小，计算参考作物蒸散量程序过程中默认调用对应的文件内容，具有扩展性；
5)本发明可应用于全国各地的国家基准气候站、国家基本气象站、国家一般气象站、农田小气候气象站、林业自动气象站、校园自动气象站、景区气象监测站等环境监测系统，用于监测局地小气候，服务于旅游气象，评估当地水分条件，为作物产量的估算、农业用水的安排、各地灌溉制度的制定和选种育种的区域划分提供依据。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了本发明实施例所涉及测定方法的流程框图；
图2示出了本发明一个实施例所涉及步骤S200的流程框图；
图3示出了本发明另一实施例所涉及步骤S200的流程框图；
图4示出了本发明实施例所涉及S100的流程框图；
图5示出了本发明实施例所涉及测定系统的结构框图；
图6示出了本发明一个实施例所涉及蒸散量计算模块20的结构框图；
图7示出了本发明另一个实施例所涉及蒸散量计算模块20的结构框图；
图8示出了本发明实施例所涉及获取模块10的结构框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不限于下面公开的具体实施例的限制。
下面参照图1至图8描述根据本发明一些实施例的新型气象站用参考作物蒸散量测定方法、系统和计算机可读存储介质。
如图1所示，按照本发明一个实施例的一种新型气象站用参考作物蒸散量测定方法，包括以下步骤：
S100，获取各个气象站采集的参考作物所在区域内的数据要素，得到站点气象数据；
S200，根据站点气象数据计算参考作物所在区域的参考作物蒸散量；
其中，参考作物蒸散量的表达式为：
Figure BDA0003776213940000071
ETO(FAO-98)为参考作物蒸散量；Rn为地表净辐射；G为土壤热通量； T为2m高度处平均气温；U2为2m高度处风速；es为饱和水汽压；ea为实际水汽压；Δ为饱和水汽压曲线斜率；V为干湿表常数；
Figure BDA0003776213940000081
Figure BDA0003776213940000082
RSO＝(0.75+2z×10-5)Ra；
t为反射率、且为无量纲；Rs为地表短波辐射；e为斯蒂芬表示波尔兹曼常数；Tmax,k为日最高气温；Tmin,k为日最低气温；Rso为晴天地表短波辐射；as为阴天地表短波辐射与大气层外太阳辐射的比例系数；(as+bs)为晴天地表短波辐射与大气层外太阳辐射的比例系数；n为实际日照时数； N为最大可能日照时数；Ra为大气层外太阳辐射；z为海拔高度。
在该实施例中，参考作物蒸散量的计算方法多种多样。其中 Penman-Monteith公式是基于能量平衡和水汽扩散理论的算法，在充分了解植被生理特性的基础上，结合空气动力学参数的变化，计算出某一地区的参考作物蒸散量。由于理论依据充分，应用性广泛，计算误差小，因此，该方法于1998年被联合国粮农组织(FAO)推荐为计算参考作物蒸散量的标准方法，直至今日仍然在各个地区得到广泛的应用。本发明也利用该公式进行全国参考作物蒸散量的计算和分析：读取数据库中标准化后各气象站点气象要素，通过参数调用，完成对公式各气象要素值的配置；根据Penman-Monteith模型原理自动运行计算，并存储运算结果。通过调用Penman-Monteith模型，能够真实模拟作物水分循环状态、体现大田作物生长，以测出全国任一气象站的参考作物蒸散量
在上述实施例中，优选地，如图2所示，S200，根据站点气象数据计算参考作物所在区域的参考作物蒸散量，包括以下步骤：
S201，根据站点气象数据计算参考作物所在区域的参考作物逐日蒸散量；
在该步骤中，从气象站数据库中读入标准化后的全国542个气象站站点的数据。此处默认读入excel数据，也可读入txt数据。依据匹配站点、站号及日期依次读取，判定是否为异常数据，调用Penman-Monteith模型进行数据处理；分析完毕后，将运算结果存储，程序自动进入下一步骤。
S202，根据参考作物逐日蒸散量求和生成参考作物逐旬蒸散量，其中10日为一旬；
在该步骤中，调用上一步骤计算出的全国529个站点的逐日参考作物蒸散量。支持Excel、TXT格式或其他任一程序预设定格式的文件均可。分三个批次，定义每月1-10日为上旬，11-20日为中旬，21-31日为下旬，读取数据时，Excel最多可有256列，所以把数据分别存在3个excel文件中，用来分段分析每个月的气象条件，依据匹配站点、站号及日期依次读取，判定是否为异常数据，调用Penman-Monteith模型对上述逐日参考作物蒸散量进行求和，得到逐旬参考作物蒸散量；分析完毕后，将运算结果存储，程序自动进入下一步骤。
S203，根据参考作物逐日蒸散量求和生成参考作物逐月蒸散量；
在该步骤中，调用计算出的全国529个站点的逐日参考作物蒸散量数据。支持Excel、TXT格式或其他任一程序预设定格式的文件均可。分三个批次，依据匹配站点、站号及日期依次读取，判定是否为异常数据，调用Penman-Monteith模型进行数据求和；分析完毕后，将运算结果存储，程序自动进入下一步骤；
S204，根据参考作物逐日蒸散量求和生成参考作物逐年蒸散量；
在该步骤中，调用计算出的全国529个站点的逐日参考作物蒸散量数据。支持Excel、TXT格式或其他任一程序预设定格式的文件均可。分三个批次，依据匹配站点、站号及日期依次读取，判定是否为异常数据，调用Penman-Monteith模型进行数据求和处理；分析完毕后，将运算结果存储，程序自动进入下一步骤。
在上述实施例中，优选地，如图3所示，S200，根据站点气象数据计算参考作物所在区域的参考作物蒸散量，还包括以下步骤：
S205，根据预设阈值对参考作物逐日蒸散量、参考作物逐旬蒸散量、参考作物逐月蒸散量和参考作物逐年蒸散量进行筛选，得到参考作物有效蒸散量；
其中，预设阈值为：日值：0＜Xdaily＜25；旬值：0＜X10days＜500；月值：0＜Xmonthly＜500；年值：500＜Xannual＜1500；异常值：32766/0；缺测值：null；
S206，剔除异常值、并对缺测值进行参考作物逐日蒸散量的均值插补。
在该实施例中，气象自动站获取数据，由于多种因素(天气、硬件) 偶尔会出现(缺数据、数据异常(过高或过低)，一般情况如果某时段有缺数据情况，自动站会在后面几分钟再次采集一次。如果数据异常高或低会有自动站维护人员及时来维护)等，首选要进行数据质量评估，只有数据质量评估后的数据才能进行业务使用。本发明能够自动识别有效数据，针对每一项气象要素设置符合实际情况的标准值范围，在数值范围内则为有效数据，异常值被剔除，从而剔除实际情况不符合参考作物蒸散概念的站点(高山站)，缺测数据实行均值插补，存储本步骤的运算结果。
在上述任一实施例中，优选地，如图4所示，S100，获取各个气象站采集的参考作物所在区域内的数据要素，得到站点气象数据，包括以下步骤：
S101，获取各个气象站采集的参考作物所在区域内的数据要素；
S102，对数据要素进行归一化处理，得到站点气象数据；
其中，归一化处理为：对序列χ1,χ2,…,χn,进行变换：
Figure BDA0003776213940000111
则新序列y1,y2,…,yn∈[0，1]，且为无量纲；其中max为样本数据的最大值，min为样本数据的最小值；Xi指数据列中第i个源数据，Xj指取最大值或最小值之后的数据集。
在该步骤中，气象站点各数据要素执行数据标准化，归一化处理。数据的标准化是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据的归一化处理，即将数据统一映射到[0，1]区间上。本方法根据气象要素计算方法选择min-max标准化即0-1标准化方法。此方法也叫离差标准化，是对原始数据的线性变换，使结果落到[0，1]区间。
在上述任一实施例中，优选地，数据要素包括区站号、年、月、日、平均本站气压、日最高本站气压、日最低本站气压、平均气温、日最高气温、日最低气温、平均相对湿度、最小相对湿度、20-20时降水量、平均风速、最大风速、最大风速的风向、极大风速、极大风速的风向和日照时数中的一种或多种。
如图5所示，按照本发明另一个实施例的新型气象站用参考作物蒸散量测定系统100，包括：
获取模块10，被设置为用于获取各个气象站采集的参考作物所在区域内的数据要素，得到站点气象数据；
蒸散量计算模块20，被设置为用于根据站点气象数据计算参考作物所在区域的参考作物蒸散量；
数据库，包括本地数据库30和云端数据库40，用于存储需要处理对象的气象要素及运算中所需参数集；
生成数据存储模块50：存储每一步运算输出数据集，数据集包括参考作物逐日蒸散量、参考作物逐旬蒸散量、参考作物逐月蒸散量和参考作物逐年蒸散量，支持运算过程中的数据调用；
其中，参考作物蒸散量的表达式为：
Figure BDA0003776213940000121
ETO(FAO-98)为参考作物蒸散量；Rn为地表净辐射；G为土壤热通量； T为2m高度处平均气温；U2为2m高度处风速；es为饱和水汽压；ea为实际水汽压；Δ为饱和水汽压曲线斜率；V为干湿表常数；
Figure BDA0003776213940000122
Figure BDA0003776213940000123
RSO＝(0.75+2z×10-5)Ra；
t为反射率、且为无量纲；Rs为地表短波辐射；e为斯蒂芬表示波尔兹曼常数；Tmax,k为日最高气温；Tmin,k为日最低气温；Rso为晴天地表短波辐射；as为阴天地表短波辐射与大气层外太阳辐射的比例系数；(as+bs)为晴天地表短波辐射与大气层外太阳辐射的比例系数；n为实际日照时数； N为最大可能日照时数；Ra为大气层外太阳辐射；z为海拔高度。
在上述任一实施例中，优选地，如图6所示，蒸散量计算模块20包括：
逐日蒸散量计算单元21，被设置为用于根据站点气象数据计算参考作物所在区域的参考作物逐日蒸散量；
逐旬蒸散量计算单元22，被设置为用于根据参考作物逐日蒸散量求和生成参考作物逐旬蒸散量，其中10日为一旬；
逐月蒸散量计算单元23，被设置为用于根据参考作物逐日蒸散量求和生成参考作物逐月蒸散量；
逐年蒸散量计算单元24，被设置为用于根据参考作物逐日蒸散量求和生成参考作物逐年蒸散量。
在上述实施例中，优选地，如图7所示，蒸散量计算模块还包括：
气象要素自动筛选单元25，被设置为用于根据预设阈值对参考作物逐日蒸散量、参考作物逐旬蒸散量、参考作物逐月蒸散量和参考作物逐年蒸散量进行筛选，得到参考作物有效蒸散量；
其中，预设阈值为：日值：0＜Xdaily＜25；旬值：0＜X10days＜500；月值：0＜Xmonthly＜500；年值：500＜Xannual＜1500；异常值：32766/0；缺测值：null；
气象要素异常处理单元26，被设置为用于剔除异常值、并对缺测值进行参考作物逐日蒸散量的均值插补。
在上述任一实施例中，优选地，如图8所示，获取模块10包括：
获取单元11，被设置为用于获取各个气象站采集的参考作物所在区域内的数据要素；
数据归一化单元12，被设置为用于对数据要素进行归一化处理，得到站点气象数据；
其中，归一化处理为：对序列χ1,χ2,…,χn,进行变换：
Figure BDA0003776213940000141
则新序列y1,y2,…,yn∈[0，1]，且为无量纲；其中max为样本数据的最大值，min为样本数据的最小值；Xi指数据列中第i个源数据，Xj指取最大值或最小值之后的数据集。
在上述任一实施例中，优选地，数据要素包括区站号、年、月、日、平均本站气压、日最高本站气压、日最低本站气压、平均气温、日最高气温、日最低气温、平均相对湿度、最小相对湿度、20-20时降水量、平均风速、最大风速、最大风速的风向、极大风速、极大风速的风向和日照时数中的一种或多种。
基于上述如图1至图4所示方法，相应的，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一实施例的新型气象站用参考作物蒸散量测定方法的步骤；其中，所述计算机可读存储介质插接于气象站数据存储接口上以读入各个所述气象站采集的所述参考作物所在区域内的数据要素。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U 盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景的方法。
基于上述如图1至图4所示的方法，以及图5至图8所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述任一实施例的基新型气象站用参考作物蒸散量测定方法的步骤。
可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。
在本发明中，术语“第一”、“第二”、“第三”仅用于描述的目的，而不能理解为指示或暗示相对重要性；术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明的限制。
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种新型气象站用参考作物蒸散量测定方法，其特征在于，包括以下步骤：
获取各个所述气象站采集的所述参考作物所在区域内的数据要素，得到站点气象数据；
根据所述站点气象数据计算所述参考作物所在区域的参考作物蒸散量；
其中，所述参考作物蒸散量的表达式为：
Figure FDA0003776213930000011
ETO(FAO-98)为参考作物蒸散量；Rn为地表净辐射；G为土壤热通量；T为2m高度处平均气温；U2为2m高度处风速；es为饱和水汽压；ea为实际水汽压；Δ为饱和水汽压曲线斜率；V为干湿表常数；
Figure FDA0003776213930000012
Figure FDA0003776213930000013
RSO＝(0.75+2z×10-5)Ra；
t为反射率、且为无量纲；Rs为地表短波辐射；e为斯蒂芬表示波尔兹曼常数；Tmax,k为日最高气温；Tmin,k为日最低气温；Rso为晴天地表短波辐射；as为阴天地表短波辐射与大气层外太阳辐射的比例系数；(as+bs)为晴天地表短波辐射与大气层外太阳辐射的比例系数；n为实际日照时数；N为最大可能日照时数；Ra为大气层外太阳辐射；z为海拔高度。
2.根据权利要求1所述的新型气象站用参考作物蒸散量测定方法，其特征在于，根据所述站点气象数据计算所述参考作物所在区域的参考作物蒸散量，包括以下步骤：
根据所述站点气象数据计算所述参考作物所在区域的参考作物逐日蒸散量；
根据所述参考作物逐日蒸散量求和生成参考作物逐旬蒸散量，其中10日为一旬；
根据所述参考作物逐日蒸散量求和生成参考作物逐月蒸散量；
根据所述参考作物逐日蒸散量求和生成参考作物逐年蒸散量。
3.根据权利要求2所述的新型气象站用参考作物蒸散量测定方法，其特征在于，根据所述站点气象数据计算所述参考作物所在区域的参考作物蒸散量，还包括以下步骤：
根据预设阈值对所述参考作物逐日蒸散量、所述参考作物逐旬蒸散量、所述参考作物逐月蒸散量和所述参考作物逐年蒸散量进行筛选，得到参考作物有效蒸散量；
其中，预设阈值为：日值：0＜Xdaily＜25；旬值：0＜X10days＜500；月值：0＜Xmonthly＜500；年值：500＜Xannual＜1500；异常值：32766/0；缺测值：null；
剔除所述异常值、并对所述缺测值进行所述参考作物逐日蒸散量的均值插补。
4.根据权利要求1至3中任一项所述的新型气象站用参考作物蒸散量测定方法，其特征在于，获取各个所述气象站采集的所述参考作物所在区域内的数据要素，得到站点气象数据，包括以下步骤：
获取各个所述气象站采集的所述参考作物所在区域内的数据要素；
对所述数据要素进行归一化处理，得到所述站点气象数据；
其中，所述归一化处理为：对序列χ1,χ2,…,χn,进行变换：
Figure FDA0003776213930000021
则新序列y1,y2,…,yn∈[0，1]，且为无量纲；其中max为样本数据的最大值，min为样本数据的最小值；Xi指数据列中第i个源数据，Xj指取最大值或最小值之后的数据集。
5.根据权利要求1至3中任一项所述的新型气象站用参考作物蒸散量测定方法，其特征在于：所述数据要素包括区站号、年、月、日、平均本站气压、日最高本站气压、日最低本站气压、平均气温、日最高气温、日最低气温、平均相对湿度、最小相对湿度、20-20时降水量、平均风速、最大风速、最大风速的风向、极大风速、极大风速的风向和日照时数中的一种或多种。
6.一种新型气象站用参考作物蒸散量测定系统，其特征在于，包括：
获取模块，被设置为用于获取各个所述气象站采集的所述参考作物所在区域内的数据要素，得到站点气象数据；
蒸散量计算模块，被设置为用于根据所述站点气象数据计算所述参考作物所在区域的参考作物蒸散量。
7.根据权利要求6所述的新型气象站用参考作物蒸散量测定系统，其特征在于，所述蒸散量计算模块包括：
逐日蒸散量计算单元，被设置为用于根据所述站点气象数据计算所述参考作物所在区域的参考作物逐日蒸散量；
逐旬蒸散量计算单元，被设置为用于根据所述参考作物逐日蒸散量求和生成参考作物逐旬蒸散量，其中10日为一旬；
逐月蒸散量计算单元，被设置为用于根据所述参考作物逐日蒸散量求和生成参考作物逐月蒸散量；
逐年蒸散量计算单元，被设置为用于根据所述参考作物逐日蒸散量求和生成参考作物逐年蒸散量。
8.根据权利要求7所述的新型气象站用参考作物蒸散量测定系统，其特征在于，所述蒸散量计算模块还包括：
气象要素自动筛选单元，被设置为用于根据预设阈值对所述参考作物逐日蒸散量、所述参考作物逐旬蒸散量、所述参考作物逐月蒸散量和所述参考作物逐年蒸散量进行筛选，得到参考作物有效蒸散量；
其中，预设阈值为：日值：0＜Xdaily＜25；旬值：0＜X10days＜500；月值：0＜Xmonthly＜500；年值：500＜Xannual＜1500；异常值：32766/0；缺测值：null；
气象要素异常处理单元，被设置为用于剔除所述异常值、并对所述缺测值进行所述参考作物逐日蒸散量的均值插补。
9.根据权利要求6至8中任一项所述的新型气象站用参考作物蒸散量测定系统，其特征在于，所述获取模块包括：
获取单元，被设置为用于获取各个所述气象站采集的所述参考作物所在区域内的数据要素；
数据归一化单元，被设置为用于对所述数据要素进行归一化处理，得到所述站点气象数据。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1至5中任一项所述的新型气象站用参考作物蒸散量测定方法的步骤；
其中，所述计算机可读存储介质插接于气象站数据存储接口上以读入各个所述气象站采集的所述参考作物所在区域内的数据要素。
CN202210916982.3A 2022-08-01 2022-08-01 一种新型气象站用参考作物蒸散量测定方法及设备 Pending CN115327666A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210916982.3A CN115327666A (zh) 2022-08-01 2022-08-01 一种新型气象站用参考作物蒸散量测定方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210916982.3A CN115327666A (zh) 2022-08-01 2022-08-01 一种新型气象站用参考作物蒸散量测定方法及设备

Publications (1)

Publication Number Publication Date
CN115327666A true CN115327666A (zh) 2022-11-11

Family

ID=83918929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210916982.3A Pending CN115327666A (zh) 2022-08-01 2022-08-01 一种新型气象站用参考作物蒸散量测定方法及设备

Country Status (1)

Country Link
CN (1) CN115327666A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228500A (zh) * 2023-05-08 2023-06-06 云门(深圳)技术有限公司 气象软件的数据处理方法
CN116894065A (zh) * 2023-07-19 2023-10-17 中国人民解放军陆军工程大学 一种基于物联网技术的土方作业效能评估影响条件采集系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228500A (zh) * 2023-05-08 2023-06-06 云门(深圳)技术有限公司 气象软件的数据处理方法
CN116894065A (zh) * 2023-07-19 2023-10-17 中国人民解放军陆军工程大学 一种基于物联网技术的土方作业效能评估影响条件采集系统
CN116894065B (zh) * 2023-07-19 2024-03-15 中国人民解放军陆军工程大学 一种基于物联网技术的土方作业效能评估影响条件采集系统

Similar Documents

Publication Publication Date Title
Hubbard Spatial variability of daily weather variables in the high plains of the USA
Anapalli et al. Simulation of crop evapotranspiration and crop coefficients with data in weighing lysimeters
CN115327666A (zh) 一种新型气象站用参考作物蒸散量测定方法及设备
Wiegand et al. Leaf area index estimates for wheat from LANDSAT and their implications for evapotranspiration and crop modeling 1
Farahani et al. Evapotranspiration: progress in measurement and modeling in agriculture
US20200128722A1 (en) Device, system, and method for selecting seed varieties and forecasting an optimum planting time and window for the planting of said seed
CN110719336A (zh) 一种基于物联网的灌溉用水分析监控系统
AU2016273991A1 (en) Detection of environmental conditions
Kadioğlu et al. Trends of growing degree-days in Turkey
CN113869173A (zh) 基于卫星遥感的棉花膜下滴灌旱情监测系统及方法
Richardson et al. Remotely-sensed spectral indicators of sorghum development and their use in growth modeling
Ünlü et al. Comparison of soybean evapotranspirations measured by weighing lysimeter and Bowen ratio-energy balance methods
Hidalgo et al. An automated system for surveying and forecasting Olea pollen dispersion
Rusu et al. Impact of climate change on agro-climatic indicators and agricultural lands in the Transylvanian Plain between 2008-2014
CN117094573A (zh) 基于负碳排放的生物炭基肥施用信息化管理方法及系统
Zhang et al. Modeling evapotranspiration and crop growth of irrigated and non-irrigated corn in the Texas High Plains using RZWQM
CN114781199A (zh) 水源涵养对气候变化的响应分析方法、装置、介质和设备
Sun et al. Comparison and evaluation of remote sensing indices for agricultural drought monitoring over Kazakhstan
Ahmadpari et al. Assessment of potential evapotranspiration estimation methods in the fasa region
CN114041360B (zh) 一种人工复垦区植物固碳量化方法
Saseendran et al. Characterization of weekly cumulative rainfall forecasts over meteorological subdivisions of India using a GCM
Bitew et al. Effect of land use land cover change on stream flow in Azuari watershed of the Upper Blue Nile Basin, Ethiopia
Monteith et al. Physical measurements in crop physiology I. Growth and gas exchange
CN117235607B (zh) 一种土壤墒情实时监测系统及监测方法
Foltescu Prediction of crop yield in Sweden based on mesoscale meteorological analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination