- Tytuł:
-
Przewidywanie ewapotranspiracji wskaźnikowej w sadzie na podstawie numerycznej prognozy pogody
Forecasting the potential evpotranspiration In the orchard with thr numerical weather forecast - Autorzy:
-
Kursa, M.
Walowiak, S.
Rudnicki, W. - Powiązania:
- https://bibliotekanauki.pl/articles/61074.pdf
- Data publikacji:
- 2011
- Wydawca:
- Polska Akademia Nauk. Stowarzyszenie Infrastruktura i Ekologia Terenów Wiejskich PAN
- Tematy:
-
meteorologia
systemy numeryczne
prognozy pogody
model COAMPS
ewapotranspiracja wskaznikowa
model Penmana-Monteitha
model Hargreavesa
uczenie maszynowe - Opis:
-
Numeryczne prognozy pogody osiągnęły już dostateczny poziom dokładności i wiarygodności by w wypadku braku danych pomiarowych traktować przewidywania z modeli jako najlepszą możliwą reprezentację stanu atmosfery w danym miejscu i czasie. W pracy omawiamy zastosowanie modelu numerycznego CO-AMPS do obliczania i prognozowania ewapotranspiracji wskaźnikowej ET0. ET0 jest obliczana na podstawie danych z modelu, mieszanych danych z modelu i pomiarowych. Zastosowano również metody uczenia maszynowego do poprawy jakości przewidywań modelu. Wyniki wskazują, że w wypadku braku danych pomiarowych zastosowanie danych z numerycznej prognozy daje bardzo dobrą zgodność przewidywanego ET0 z obliczonym z danych pomiarowych. Modele hybrydowe wykazują nieco większą dokładność od modeli czysto symulacyjnych a zastosowanie uczenia maszynowego pozwala na kolejne podniesienie jakości modelu ET0.
Numerical weather forecasts have reached the acuraccy and reliability level that their results can be used as a replacement for the measurements of weather parameters when the availability of the latter is limited. Here we present the application of the COAMPS numerical weather forecast model to prediction of the potential evapotranspiration ET0. ET0 is computed using the data from the model. Also a hybrid model with part of the data coming from the model and part of the data from the measurements was used. Additionally a machine learning methods were used to improve model skill. The results show that application of the simulated data gives very good agreement of the predicted ET0 with that computed using measurement data. Hybrid models are slightly better than the purely simulationbased and machine learning allows for further improvement od the ET0 models. - Źródło:
-
Infrastruktura i Ekologia Terenów Wiejskich; 2011, 06
1732-5587 - Pojawia się w:
- Infrastruktura i Ekologia Terenów Wiejskich
- Dostawca treści:
- Biblioteka Nauki
Artykuł