多元自适应回归样条算法模拟川中丘陵区参考作物蒸散量

摘要

参考作物蒸散量(reference crop evapotranspiration, ET0)是作物精准灌溉管理与农业高效用水的核心参数。为提高川中丘陵区气象资料缺省下的ET0预报精度,利用不同的气象因子组合,建立15种基于多元自适应回归样条算法(multivariate adaptive regression splines, MARS)的ET0预报模型。选取11个代表性气象站点1961-2016年逐日气象资料进行分析,将其与其他ET0预报模型进行对比,并利用可移植性分析评价MARS模型在川中丘陵区的适用性。结果表明:基于温度和风速项输入的MARS5(输入大气顶层辐射、最高气温、最低气温、2m处风速)、MARS9(输入最高气温、最低气温、2 m处风速)和MARS13(输入最高气温、2 m处风速)模型,以及仅基于风速项输入的MARS15模型都具有良好的模拟精度;大气顶层辐射和风速是决定机器学习模型地域性适应能力的关键;引入大气顶层辐射后,MARS6(输入大气顶层辐射、最高气温、最低气温、相对湿度)、MARS7(输入大气顶层辐射、最高气温、最低气温、日照时长)、MARS8(输入大气顶层辐射、最高气温、最低气温)模型均优于相同气象因子依赖下的Irmak-Allen、Irmak、Hargreaves-M4模型;通过可移植性分析发现,在训练站点和测试站点的随机交叉组合下,MARS5模型保持了较高的精度(纳什效率系数和决定系数均大于0.985),且输出较为稳定的模拟结果,均方根误差变化范围为0.121~0.193 mm/d,平均相对误差变化范围为2.7%~4.2%。因此,基于多元自适应回归样条算法的ET0预报模型可作为川中丘陵区ET0预报的推荐模型。