关于参考作物腾发量预报的研究进展

龚孟梨

（山西省西山提黄灌溉工程建设管理中心 山西太原030002）

0 引言

作物需水量是作物水量平衡中的一个重要分量，它的准确计算与预报是制定农作物动态用水计划的基础。而参考作物腾发量（ET0）则是计算作物需水量的基础，也是灌溉预报及灌溉决策的基础。因此，利用各种实时气象数据结合作物实际生长发育过程、土壤水分状况等对作物参考作物需水量及变化做出预测，成为了实时灌溉预报的核心内容。目前国内外专家学者针对ET0预报已经展开了大量的研究，主要集中在ET0预报方法、适用性以及时空变异特性研究。

1 预报方法及适用性研究

目前计算参考作物腾发量的方法很多，常用的大致有以下几种:彭曼公式法、HS 公式法、ET0逐日均值修正法、PT 公式法以及神经网络模型法。这些计算方法大都以气象数据为基础，在不同的研究区域，公式的适用性有较大差异，本节主要对这5 种预报方法及其适用性的研究成果进行介绍。

1.1 彭曼公式

目前，专家学者普遍认为ET0的标准计算方法为1998年FAO-56 分册的Penman-Monteith 公式[1]:

式中，ET0为参考作物腾发量（mm/d），式中其他各项含义参见文献［1］。现在普遍认为Penman-Monteith（PM）公式在各种地区均具有广泛的适用性。这种方法全面考虑了影响蒸发蒸腾的各种因素，无论是在干旱地区，还是在较为湿润地区均具有较高的计算精度。

1.2 HS 公式

Hargreaves 等人在1985年建立了Hargreaves 公式，利用该公式计算参考作物腾发量只需要日平均气温、最低气温以及外空辐射这3 个影响因素。日平均最高气温和最低气温在气象站可以收集到，外空辐射资料可以根据当地纬度查阅FAO 的相关文献得到:

式中，Ra 为大气顶太阳辐射，MJ/（m2·d）；Tmax和Tmin分别为最高气温、最低气温，℃；C、E、T 为参数，分别建议取0.002、0.5、17.8。该公式所需资料较易收集，目前国内外学者已经做了大量对比研究，并针对不同的气候条件提出了相应的改进建议。Allen 和Droogers[2-3]研究认为HS 公式计算精度的影响因素主要有平均风速、降雨和大气压。王新华等[4]研究表明，HS 公式和PM 公式的计算结果在干旱区有显著差异，绝对偏差在-9.02～99.28 mm 之间，平均相对偏差为4.3%。这种年值偏差与年平均风速有显著正相关性。并根据月参考作物需水量的差异规律，将利用HS公式计算结果作为自变量建立回归公式，对计算结果进行比较发现，无论是年值还是月值，该回归公式都能有较好的计算精度。

1.3 ET0 逐日均值修正法

在日常的天气预报中，无法对日照时数及相对湿度进行预报，那么就不能利用式（1）对作物逐日参考腾发量进行预报。但可以收集历史气象资料利用（1）式对历史ET0值进行计算，并分析多年平均逐日ET0，i的年内变化规律。茆智等根据此规律，同时考虑实时天气类型的差异，提出了多年平均逐日参考作物腾发量的预测公式[5]，即:

式中，ET0，max为多年平均最大旬参考作物腾发量日平均值，mm/d；i 为日序数；im为产生ET0，max的日序数；A0为经验参数，A0的确定一般有以下2 种方法:1）对年内分月取常数；2）年际取为常数；φi为第i日天气类型修正系数。

针对A0的两种确定方法，蔡学良等[6]对其计算值与实测值进行了比较，发现计算值与实测值有较大误差。采用年内分月取常数方法的计算值在月末与月初之间存在明显的跳跃性；采用年际取常数方法的计算值年内变化范围过大，驼峰效应明显。蔡学良等为了提高计算模拟精度，提出了A0逐日取值的计算公式:

式中各项含义同上，用该方法所得逐日ET0，i的预报精度较传统方法有了较大改善。

1.4 Priestley-Tay lor 公式[7]的基本形式为

式中，Rn 为冠层净辐射；G 为土壤热通量；T 为Priestley-Taylor 系数，一般取值为1.26。可见，Priestley-Taylor 公式计算参考作物腾发量需要的气象数据主要有:冠层净辐射及平均气温（或最高、最低气温）。将Priestley-Taylor 公式与Penman 公式进行对比不难看出，两者的差别主要在于后者考虑了空气动力项，而前者则没有考虑。

刘晓英等根据华北地区6 个具有代表性气象站点的历史气象资料，分别利用Priestley-Taylor 和Penman 公式对参考作物腾发量进行了计算，并对计算结果进行了比较。结果表明，利用Priestley-Taylor公式计算结果比Penman 公式计算结果低11%～27%。分析认为计算结果偏差既有Priestley-Taylor 公式没有考虑空气动力项这一因素的影响，亦有降雨的影响，而前者的影响可能更大些。空气动力项与辐射项两者之比越小，两种方法的吻合程度越好；反之，吻合程度越差。同时分析表明，Priestley-Taylor 公式主要适用于湿润地区，虽然诸多学者在将其引入干旱半干旱地区应用时加入了修正系数，但结果并不是十分理想[8-10]。

1.5 神经网络模型

BP 神经网络是目前应用最多的一种非线性函数逼近方法，运用该方法能够较好地反映参考作物腾发量ET0与其各影响因素之间较为复杂的非线性关系。

霍再林等[11]以Penman-Monteith 公式计算得到的ET0作为输出向量，分别以平均气温、相对湿度、净辐射这3 因子，以平均气温、相对湿度、净辐射、2 m 处风速这4 因子为输入向量，构建了3 层、4 层BP 网络模型，并将两者预报结果进行比较发现:3 因子和4 因子法均可用于ET0的预报计算，且均有较好的预测效果，两者相比4 因子法的预报效果更好。这与吴宏霞等[12]的研究结果保持一致。徐俊增等[13]以前3日的参考作物腾发量为输出向量，以平均气温、阴晴指数、平均风速等作为实时输入向量构建了3 层BP 网络模型。结果显示所建网络模型具有较好的模拟效果和泛化能力，能较为准确地反映出参考作物腾发量与各影响因素之间的关系。

2 时空变异特性研究

在年尺度上，在干旱半干旱地区，参考作物腾发量年际间变化也比较大。参考作物腾发量对相对湿度、太阳辐射、平均风速、日照时数等相关性较好，相比较而言，温度变化则对参考作物蒸散量的影响并不显著。

在季节尺度上，在干旱半干旱地区，参考作物腾发量月际间变化比较大，春夏两季的参考作物腾发量总和在全年中所占的比例较大。西北地区（如陕西、甘肃等地）春夏两季太阳总辐射对参考作物腾发量的影响最明显，其次是相对湿度和气温，风速对其影响最小；秋冬两季相对湿度对参考作物腾发量的影响最明显。东北地区生长季（5-9月）参考作物腾发量对气温变化最为敏感，对风速的敏感性最低。

从空间分布上看，李春强等[14]分析得出河北省参考作物腾发量从东北至东南呈递增趋势；佟玲等[15]分析得到甘肃省石羊河流域ET0多年平均值从山区到绿洲平原逐渐加大。可见，参考作物腾发量与海拔高度成显著负相关，海拔高度与地形变化是导致参考作物腾发量在空间分布变化的主要因素，这与段永红等[16]的研究结果保持一致。

从地区分布上看，廖显琴等[17]通过分析得出陕西省参考作物腾发量对单个气象要素的敏感系数随区域而变化，在陕西南部气温和太阳辐射变化对参考作物腾发量影响最为明显，而在横山和吴旗则为相对湿度对参考作物腾发量影响最为明显，参考作物腾发量对风速变化的敏感系数从南往北逐渐增强。陈超等[18]通过研究表明导致盆地地区参考作物腾发量对日照时数最为敏感，而高原地区参考作物腾发量则对风速变化最敏感。

3 结语

通过对参考作物腾发量实时预报的研究文献进行分析，可以发现:目前国内外在参考作物腾发量预报方法这方面的研究比较多，随着我国农业气象站点建设日益加强，我国的农业气象事业日渐发展，彭曼公式的应用条件将日趋完善。在此之前，应用各种改进公式时，需要针对应用地区进行参数校核及结果验证。

不难发现，目前对参考作物腾发量预报时空变异特性研究大多针对年降雨量偏少但蒸发量较大的西北等干旱半干旱地区，而针对南方尤其是沿海湿润地区的研究相对较少，需在逐步应用中得到进一步的研究。