-
题名基于天气大模型的参考作物蒸散量预报
- 1
-
-
作者
孙克俭
闫子黄
王梅
赵书婷
吴立峰
任长江
-
机构
襄阳市水利规划设计院有限公司
南昌工程学院水土保持学院
-
出处
《节水灌溉》
北大核心
2025年第11期50-54,62,共6页
-
基金
江西省教育厅科技项目(GJJ211904)
江西省科技合作专项重点项目(20212BDH80016)。
-
文摘
参考作物蒸散量是农业气象干旱诊断和灌溉预报的重要参数。基于中国南方地区3个气象站观测数据,运用了GraphCast人工智能天气预报模型预报的气象因子和XGBoost算法对参考作物腾发量进行了1~10 d的ET_(0)预报,并评估了GraphCast模型预报因子重要性。结果表明,GraphCast模型对于最高气温和最低气温的预报精度较高,且最高气温预报性能优于最低气温,相对湿度预报能力尚可,而风速预报能力较差。GraphCast模型预报ET_(0)在3个站点MAE介于0.53~1.02 mm/d之间,使用XGBoost校正后下降至0.44~0.75 mm/d,偏差也有明显改善。缺乏太阳辐射预报能力是制约该模型精度进一步提高的最主要原因,其次是相对湿度和最高气温,u_(2)尽管预报能力较差,但对ET_(0)预报影响很小。
-
关键词
人工智能天气预报
偏差校正
中国南方
graphcast模型
-
Keywords
artificial intelligence weather forecasting
bias correct
south China
graphcast model
-
分类号
S161.4
[农业科学—农业气象学]
P426.2
[天文地球—大气科学及气象学]
-
