利用温度资料和广义回归神经网络模拟参考作物蒸散量

摘要

参考作物蒸散量(reference evapotranspiration,ET0)精确模拟对水资源高效利用和灌溉制度制定具有重要意义,该文以四川盆地19个气象站点1961-1990年逐日最高、最低温度和大气顶层辐射作为输入参数,FAO-56 Penman-Monteith (PM)模型计算的ET0为标准值,建立基于广义回归神经网络(generalized regression neural network,GRNN)的ET0模拟模型,基于1991-2014年资料进行模型验证,将GRNN模型同Hargreaves (HS1)和改进Hargreaves(HS2)等简化模型的模拟结果进行比较,分析只有温度资料情况下不同模型模拟ET0误差的时空变异性.结果表明:GRNN、HS1和HS2模型均方根误差(root mean square error,RMSE)分别为0.41、1.16和0.70 mm/d,模型效率系数(Ens)分别为0.88、0.13和0.67.3种模型RMSE在时空上均呈现HS1＞HS2＞GRNN、Ens均呈现GRNN＞HS2＞HS1趋势;与PM模型模拟结果相比,GRNN、HS1和HS2模型模拟结果分别偏大0.8％、45.1％和17.3％.在时空尺度上的误差分析均表明利用温度资料建立的GRNN模型能够较为准确地模拟四川盆地ET0,因此可以作为资料缺失情况下ET0模拟的推荐模型.该研究可为四川盆地作物需水精确预测提供科学依据.