文献

J-GLOBAL ID：201702255765761815   整理番号：17A0161401

従来の気象データに基づき,南部地域における全放射線量の推定法を比較した。【JST・京大機械翻訳】

Comparison of Total Radiation Estimation Methods in South Area Based on Conventional Meteorological Data

著者 (6件)： Xiang Youzhen (College of Water Resources and Architectural Engineering, Northwest A&F University, Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education) ,  Wu Lifeng (State-province United Engineering Laboratory on Water Engineering Safety and Resources Efficient Utilization of Poyang Lake Basin, Nanchang Institute of Technology) ,  Zhang Fucang (College of Water Resources and Architectural Engineering, Northwest A&F University, Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education) ,  Fan Junliang (College of Water Resources and Architectural Engineering, Northwest A&F University, Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education) ,  Lu Xianghui (State-province United Engineering Laboratory on Water Engineering Safety and Resources Efficient Utilization of Poyang Lake Basin, Nanchang Institute of Technology) ,  Wang Jiawen (State-province United Engineering Laboratory on Water Engineering Safety and Resources Efficient Utilization of Poyang Lake Basin, Nanchang Institute of Technology)
資料名： Nongye Jixie Xuebao  (Nongye Jixie Xuebao)
巻： 47  号： 10  ページ： 181-192,155  発行年： 2016年 
JST資料番号： C2453A  ISSN： 1000-1298  CODEN： NUYCA3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 日表面総放射量(R_S)は作物生長モデルと参考作物蒸発散量推定の重要な基礎データであるが、中国では約1/20の気象観測所が直接R_Sを観測できる。気温データは容易に入手できるため、基本気象データに基づく経験モデルを用いてR_Sを推定する常用方法である。1982年から2014年までの20の気象観測所の気象データに基づき,BRISTOW-CAMPBELL(B-B)方法とHARGREAVES(HARG)方法の6つの異なる形式についてパラメータを較正した。上記の方法とサポートベクトルマシンの15種類のパラメータの入力形式に対して適用性評価を行った。サポートベクトルマシン(SVM)モデルは,-法とHARG法よりも優れている。その中で、最高温度(T_(MAX))、最低温度(T_(MIN))、相対湿度(RH)と降水量(P)を入力変数とするサポートベクトルマシンモデルの精度が最も高い。20の観測所の平均R2は0.80,RMSEは3.203.20/(M2D)であり,降雨量データを含む場合には,R_Sが負であるか,またはR_Aが負であるかどうかの問題があった。温度データのみの場合,サポートベクトルマシンモデルの平均R2は0.74であり,RMSEは3.72 MJ/(M2D)であった。サポートベクトルマシンモデルの予測精度に及ぼす入力変数の影響は異なり,入力変数はT_(MAX)とT_(MIN)の入力変数よりΔTであった。温度データ以外に、相対湿度と降水量資料を持つ場合、モデルの優劣はRH+P、RH、Pである。経験的モデルにおいて,M1とM3,M2とM12モデルの精度は良好で,R2は0.69~0.70,RMSEは4.00 MJ/(M2D)であったが,M10とM12モデルは気象データに対してより高い要求を示した。降水量の差を除いて、降水量の資料を必要とし、同時に降水量のR_Sの過大評価あるいは負の問題が存在する。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最高気温 ,  蒸発散量 ,  降雨量 ,  最低気温 ,  サポートベクトルマシン ,  相対湿度 ,  測候所 ,  *気象データ ,  適応性 ,  農作物 ,  降水量 ,  気温
準シソーラス用語： 予測精度 ,  経験モデル ,  *推定法 , 【Automatic Indexing@JST】

著者キーワード (5件)： global solar radiation ,  temperature ,  model ,  support vector machine ,  estimation method

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (4件)： 気象データ ,  地域 ,  放射線量 ,  推定法