冉梽乂，肖 璐，崔寧博,,5，張志亮，蔡煥杰，張寶忠

(1.四川農(nóng)業(yè)大學(xué)水利水電學(xué)院，四川 雅安 625014；2.四川大學(xué)水力學(xué)與山區(qū)河流開發(fā)保護(hù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，成都 610065；3.四川大學(xué)水利水電學(xué)院，成都 610065； 4.西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，陜西 楊凌 712100；5.南方丘區(qū)節(jié)水農(nóng)業(yè)研究四川省重點(diǎn)實(shí)驗(yàn)室，成都 610066；6.中國(guó)水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100038)

0 引 言

蒸發(fā)蒸騰(簡(jiǎn)稱蒸散，evapotranspiration，ET)主要由土壤蒸發(fā)(evaporation，E)和作物蒸騰(transpiration，T)構(gòu)成[1]，是農(nóng)業(yè)生態(tài)系統(tǒng)能量平衡和水量平衡的重要組成部分[2]。目前，大約60%的降雨通過蒸發(fā)(E)和蒸騰(T)重新進(jìn)入大氣，且90%以上的農(nóng)業(yè)用水以作物蒸發(fā)蒸騰的形式散失[3]，因此準(zhǔn)確測(cè)量和估算ET對(duì)提高作物水分利用效率、作物產(chǎn)量及制定區(qū)域灌溉規(guī)劃尤為重要[4]。獲取蒸發(fā)蒸騰量的主要方法有水文學(xué)法(水量平衡、蒸滲儀)、微氣象學(xué)法(波文比-能量平衡、空氣動(dòng)力學(xué)、渦度協(xié)方差)、植物生理學(xué)法(莖液流)[5]。直接測(cè)定蒸發(fā)蒸騰量耗時(shí)長(zhǎng)、成本高、受自然因素限制，易出現(xiàn)測(cè)量結(jié)果精度不高、誤差較大等問題。針對(duì)直接測(cè)量法的不足，較多學(xué)者聚焦于ET估算模型的研究，主要包括直接計(jì)算的一步法(單源Penman-Monteith(P-M)、雙源Shuttleworth-Wallace(S-W)和多源Clumping等模型)和基于參考作物蒸發(fā)蒸騰量(Reference evapotranspiration，ET0)間接估算的兩步法(作物系數(shù)法等)。

為提高ET估算模型精度，有關(guān)ET模擬模型有關(guān)參數(shù)修正及適用性評(píng)價(jià)工作已有大量報(bào)道。王娟[6]等基于渦度相關(guān)系統(tǒng)測(cè)定夏玉米蒸發(fā)蒸騰量，并利用分階段處理方法改進(jìn)KP-PM模型的經(jīng)驗(yàn)系數(shù)，使模型的ET估算值比FAO-PM模型更接近實(shí)測(cè)值，R2達(dá)到0.91；馮禹[7]等重點(diǎn)考慮葉面積指數(shù)動(dòng)態(tài)變化，實(shí)現(xiàn)對(duì)土壤蒸發(fā)系數(shù)的修正，并利用微型蒸滲儀、渦度相關(guān)系統(tǒng)測(cè)量的春玉米ET對(duì)修正后的雙作物系數(shù)法適用性進(jìn)行評(píng)估；Amazirh[8]等采用遙感技術(shù)獲取冠層反射率與土壤濕度等系列因子的關(guān)系，在此基礎(chǔ)上改進(jìn)P-M模型中的冠層阻力表達(dá)式，進(jìn)一步估算Tensift Al Haouz地區(qū)小麥的蒸發(fā)蒸騰量并將估算值與實(shí)測(cè)值進(jìn)行比較，發(fā)現(xiàn)新模型效果顯著。采用傳統(tǒng)模型估算ET準(zhǔn)確性雖已較高，在生產(chǎn)研究中應(yīng)用廣泛，但計(jì)算過程較繁復(fù)，所需氣象數(shù)據(jù)多，部分?jǐn)?shù)據(jù)(如太陽輻射)在許多地區(qū)不易獲取，若數(shù)據(jù)缺失則無法進(jìn)行精確預(yù)估，因此需探索更加簡(jiǎn)便高效的ET估算模型。

隨著信息技術(shù)的高速發(fā)展，機(jī)器學(xué)習(xí)算法也被運(yùn)用于作物蒸發(fā)蒸騰量估算中，簡(jiǎn)化了計(jì)算過程，極大提高了模擬精度。Tang等[9]利用支持向量機(jī)(SVM)和遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)(GANN)兩種模型對(duì)山西壽陽地區(qū)春玉米實(shí)際ET進(jìn)行模擬；Deepak等[10]采用極限學(xué)習(xí)機(jī)(ELM)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、遺傳規(guī)劃(GP)和支持向量機(jī)(SVM)模型模擬印度Bihar北部地區(qū)田間蒸發(fā)蒸騰量。研究表明使用機(jī)器學(xué)習(xí)算法進(jìn)行模擬訓(xùn)練取得了較高的預(yù)報(bào)精度，和傳統(tǒng)模型相比優(yōu)勢(shì)明顯。

本文采用廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)對(duì)關(guān)中地區(qū)夏玉米蒸發(fā)蒸騰量進(jìn)行模擬，以不同作物指標(biāo)或氣象因子的組合作為輸入向量，以實(shí)測(cè)ET作為輸出向量構(gòu)建模型，并與S-W物理模型作對(duì)比，提出在缺失部分氣象或作物的情況下模擬大區(qū)域尺度ET的最優(yōu)模型，對(duì)減少農(nóng)田耗水量具有重要的科學(xué)意義。

1 材料與方法

1.1 研究區(qū)概況

試驗(yàn)于2011-2013年6-10月在陜西楊凌西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程重點(diǎn)實(shí)驗(yàn)室節(jié)水灌溉試驗(yàn)站進(jìn)行，站點(diǎn)位于北緯34°20′，東經(jīng)108°24′，海拔521 m，屬溫帶大陸性季風(fēng)氣候，年均降水量635.1 mm，年均溫度12.9 ℃，土壤質(zhì)地為中壤土，1 m土層內(nèi)平均田間持水率與干容重分別為23%～25%和1.44 g/cm3。試驗(yàn)作物為夏玉米，種植日期分別為6月18日、6月19日、6月23日，收獲日期為同年10月1日、10月2日、10月2日。

1.2 測(cè)量項(xiàng)目

夏玉米實(shí)際蒸發(fā)蒸騰量由安裝在田內(nèi)的大型稱重式蒸滲儀監(jiān)測(cè)。氣象數(shù)據(jù)包括日照時(shí)數(shù)、溫度、空氣相對(duì)濕度、風(fēng)速等，由氣象站獲得。主要觀測(cè)作物指標(biāo)包括夏玉米各生育期(出苗-抽雄、抽雄-灌漿、灌漿-收獲)株高、地面覆蓋度、葉面積指數(shù)。

1.3 研究方法

(1)Shuttleworth-Wallace模型計(jì)算方法。本文選用Shuttleworth-Wallace[11]模型直接計(jì)算ET。具體函數(shù)表達(dá)式如下：

λET=λE+λT=CcETc+CsETs

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(2)廣義回歸神經(jīng)網(wǎng)絡(luò)計(jì)算方法。廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network，GRNN)是徑向基神經(jīng)網(wǎng)絡(luò)的一種，具有很強(qiáng)的非線性映射能力和柔性網(wǎng)絡(luò)結(jié)構(gòu)以及高度的容錯(cuò)性和魯棒性，適用于解決非線性問題，在逼近能力和學(xué)習(xí)速度上較傳統(tǒng)徑向基函數(shù)網(wǎng)絡(luò)有更強(qiáng)的優(yōu)勢(shì)，網(wǎng)絡(luò)最后收斂于樣本量積累較多的優(yōu)化回歸面，處理較少樣本數(shù)據(jù)時(shí)也有較好的模擬效果，在各個(gè)領(lǐng)域得到了廣泛應(yīng)用[13]。

本文運(yùn)用SPSS軟件進(jìn)行Pearson相關(guān)性分析，計(jì)算不同生育期影響蒸發(fā)蒸騰量的作物指標(biāo)(株高、地面覆蓋度、葉面積指數(shù))和氣象因素(實(shí)際日照時(shí)數(shù)、平均溫度、空氣相對(duì)濕度、風(fēng)速)7個(gè)參數(shù)與實(shí)測(cè)ET的相關(guān)性，結(jié)果見表1。各個(gè)因子按相關(guān)系數(shù)數(shù)值從大到小排序后隨機(jī)組合，利用GRNN建立以不同參數(shù)組合作為輸入的模型，各生育期及全生育期抓取1/4作為模擬樣本，余下3/4作為訓(xùn)練樣本，在Matlab中直接調(diào)用GRNN函數(shù)，具體實(shí)現(xiàn)方法參見文獻(xiàn)[14]。

表1 夏玉米各生育期不同參數(shù)與實(shí)測(cè)蒸發(fā)蒸騰相關(guān)性Tab.1 Correlation of different growing season parameters with measured evapotranspiration for summer maize

注：**表示在0.01的水平上極顯著相關(guān)；*表示在0.05的水平上顯著相關(guān)。

1.4 模型評(píng)價(jià)指標(biāo)

本文采用平均絕對(duì)誤差(MAE)、納什系數(shù)(NSE)、決定系數(shù)(R2)、平均相對(duì)誤差(MRE)、相對(duì)均方根誤差(RRMSE)以及整體評(píng)價(jià)指標(biāo)[15](Global Performance Indicator，GPI)對(duì)模型精度進(jìn)行評(píng)價(jià)，計(jì)算公式如下：

(9)

(10)

(11)

(12)

(13)

(14)

2 結(jié)果與分析

2.1 GRNN輸入的模型參數(shù)組合情況

參照表1中Pearson相關(guān)系數(shù)計(jì)算結(jié)果將不同生育期的ET影響因子按照相關(guān)程度進(jìn)行排序，根據(jù)從高到低的排名順序形成參數(shù)組合，利用GRNN建立以不同參數(shù)組合作為輸入的模型見表2。

2.2 GRNN對(duì)夏玉米蒸發(fā)蒸騰量的模擬

(1)夏玉米出苗-抽雄期蒸發(fā)蒸騰量模擬。出苗～抽雄期模擬情況見表3。從整體情況看，MAE在0.90上下波動(dòng)，NSE均大于0.20，R2多處于0.30左右，并會(huì)出現(xiàn)輸入?yún)?shù)減少R2增大的情況。在輸入6個(gè)參數(shù)時(shí)，MⅠ-4的MAE、NSE、R2、MRE、RRMSE分別為0.917 5 mm/d、0.434 1、0.452 8、0.350 3、0.384 8，GPI排名第1，模擬效果較好；在輸入2個(gè)參數(shù)時(shí)，MⅠ-14的MAE、NSE、R2、MRE、RRMSE分別為0.866 0 mm/d、0.391 7、0.425 2、0.360 6、0.399 0，GPI排名第2，與MⅠ-4模擬精度差距不大而輸入?yún)?shù)更少，因此推薦MⅠ-14為出苗-抽雄期蒸發(fā)蒸騰量模擬最優(yōu)模型。

表2 夏玉米各生育期輸入GRNN模型參數(shù)組合Tab.2 Combination of parameters at different growing stage for summer maize

注：n表示日照時(shí)數(shù)，T表示平均溫度，RH表示相對(duì)濕度，u2表示距地面2 m高處的風(fēng)速，fc表示地面覆蓋度，LAI表示葉面積指數(shù)，下同。

表3 夏玉米出苗-抽雄期不同參數(shù)組合輸入下GRNN對(duì)蒸發(fā)蒸騰量模擬精度Tab.3 Accuracy of GRNN in simulating actual evapotranspiration for summer maize under different combinations of parameters input during seedling emergence to tasseling stage

注：排名為GPI由大到小的排序，排名越靠前代表模型模擬效果越好，下同。

(2)夏玉米抽雄-灌漿期蒸發(fā)蒸騰量模擬。抽雄-灌漿期模擬情況見表4。模型整體模擬精度較高。在輸入4個(gè)參數(shù)時(shí)，MAE、NSE、R2、MRE、RRMSE的波動(dòng)范圍分別為0.59～0.93 mm/d、0.56～0.76、0.57～0.77、0.22～0.55、0.28～0.38，其中模擬效果最好的模型為MⅡ-9，GPI排名第1，因此推薦MⅡ-9為抽雄-灌漿期蒸發(fā)蒸騰量模擬最優(yōu)模型，其MAE、NSE、R2、MRE、RRMSE分別為0.593 3 mm/d、0.753 7、0.760 1、0.229 9、0.284 0。R2隨輸入?yún)?shù)減少出現(xiàn)由大變小的趨勢(shì)，GPI排名最低模型MⅡ-16的R2較最優(yōu)模型MⅡ-9降低了51.9%，NSE降低了84.2%。該現(xiàn)象產(chǎn)生主要與是否輸入葉面積指數(shù)LAI有關(guān)。輸入5個(gè)參數(shù)的模型MⅡ-6、輸入3個(gè)參數(shù)及輸入2個(gè)參數(shù)的所有模型(均不含LAI且GPI排名均在10以上)，R2明顯減小，表明LAI對(duì)抽雄-灌漿期ET具有一定的影響作用，其原因主要在于此時(shí)ET的主要來源為植被蒸騰，作物生長(zhǎng)狀況趨于穩(wěn)定，LAI值愈高，冠層郁閉度愈大，植被蒸騰量則越大，即表明ET與LAI關(guān)系密切。

表4 夏玉米抽雄-灌漿期不同參數(shù)組合輸入下GRNN對(duì)蒸發(fā)蒸騰量模擬精度Tab.4 Accuracy of GRNN in simulating actual evapotranspiration for summer maize under different combinations of parameters input during tasseling to grouting stage

(3)夏玉米灌漿-收獲期蒸發(fā)蒸騰量模擬。灌漿-收獲期模擬情況見表5。GRNN模型對(duì)灌漿-收獲期的模擬精度較高，穩(wěn)定性好，為作物生長(zhǎng)過程中ET模擬最為準(zhǔn)確的階段，模型R2均于0.80左右波動(dòng)，MAE、NSE、MRE、RRMSE分別分布在0.30、0.80、0.20、0.20左右。在輸入4個(gè)參數(shù)時(shí)，MAE、NSE、R2、MRE、RRMSE的波動(dòng)范圍分別為0.29～0.46 mm/d、0.69～0.87、0.85～0.89、0.19～0.29、0.20～0.32，其中模擬效果最好的模型為MⅢ-10，GPI排名第1；輸入3個(gè)參數(shù)時(shí)，MAE、NSE、R2、MRE、RRMSE的波動(dòng)范圍分別為0.32～0.41 mm/d、0.73～0.86、0.83～0.89、0.21～0.29、0.21～0.30，其中模擬效果最好的模型為MⅢ-11，GPI排名第2。MⅢ-11的R2值(0.885 2)與MⅢ-10的R2值(0.886 6)相比差別極小，表明減少部分輸入?yún)?shù)對(duì)模型模擬效果影響不明顯，因此推薦MⅢ-11為灌漿-收獲期蒸發(fā)蒸騰量模擬最優(yōu)模型，其MAE、NSE、R2、MRE、RRMSE分別為0.325 8 mm/d、0.857 0、0.885 2、0.211 2、0.215 5。

(4)夏玉米全生育期蒸發(fā)蒸騰量模擬。全生育期模擬情況見表6。在輸入6個(gè)參數(shù)時(shí)，MAE、NSE、R2、MRE、RRMSE的波動(dòng)范圍分別為0.85～0.96 mm/d、0.52～0.61、0.52～0.61、0.64～0.89、0.40～0.45，其中精度最高模型為M2，GPI排名第1；在輸入3個(gè)參數(shù)時(shí)，MAE、NSE、R2、MRE、RRMSE的波動(dòng)范圍分別為0.92～1.22 mm/d、0.17～0.56、0.22～0.58、0.83～1.18、0.43～0.59，其中精度最高的模型為M12，GPI排名第4?？紤]模型實(shí)際應(yīng)用意義，推薦M12為全生育期蒸發(fā)蒸騰量模擬最優(yōu)模型，MAE、NSE、R2、MRE、RRMSE分別為0.925 2 mm/d、0.550 0、0.553 6、0.836 8、0.430 7，輸入?yún)?shù)少，模擬精度較高，表明在部分參數(shù)缺少的條件下模型可較精確模擬作物全生育期蒸發(fā)蒸騰量。

在輸入3個(gè)和2個(gè)參數(shù)的條件下，參數(shù)中未含有葉面積指數(shù)LAI的模型精度大幅度下降，GPI排名低，R2從0.50左右降低至0.20左右。M11與M12相比，R2降低了59.6%；M15與M16相比，R2降低了72.8%，表明LAI是夏玉米全生育期蒸發(fā)蒸騰量的重要影響因素。該結(jié)論與梁文清[16]研究結(jié)果一致。

表5 夏玉米灌漿-收獲期不同參數(shù)組合輸入下GRNN對(duì)蒸發(fā)蒸騰量模擬精度Tab.5 Accuracy of GRNN in simulating actual evapotranspiration for summer maize under different combinations of parameters input during grouting to harvest stage

表6 夏玉米全生育期不同參數(shù)組合輸入下GRNN對(duì)蒸發(fā)蒸騰量模擬精度Tab.6 Accuracy of GRNN in simulating actual evapotranspiration for summer maize under different combinations of parameters input during the whole growing season

2.3 GRNN與Shuttleworth-Wallace模型模擬精度對(duì)比

本文選用GRNN模型、S-W模型估算ET，其模擬結(jié)果與實(shí)測(cè)ET精度對(duì)比結(jié)果見表7。

據(jù)表7，出苗-抽雄期S-W、GRNN蒸發(fā)蒸騰量模擬最優(yōu)模型MⅠ-14的R2值分別為0.0163和0.4252；抽雄-灌漿期S-W、最優(yōu)模型MⅡ-9的R2值分別為0.657 1、0.760 1；灌漿-收獲期S-W、最優(yōu)模型MⅢ-11的R2值分別為0.567 4、0.885 2；全生育期S-W、最優(yōu)模型M12的R2值分別為0.152 8、0.553 6。各生育期及全生育期S-W的MAE、MRE、RRMSE均大于GRNN模型，NSE均小于GRNN模型且在出苗-抽雄期S-W的NSE遠(yuǎn)小于0，表明S-W模型估算效果更差，模型不可信。S-W模型無法滿足準(zhǔn)確估算實(shí)測(cè)ET的要求，GRNN模型模擬結(jié)果明顯優(yōu)于S-W模型。

表7 MⅠ-14、MⅡ-9、MⅢ-11、M12(GRNN)最優(yōu)模擬模型及Shuttleworth-Wallace(S-W)模型模擬夏玉米ET的精度對(duì)比Tab.7 Comparisons of accuracy between simulated ET by MⅠ-14、MⅡ-9、MⅢ-11、M12(GRNN) and Shuttleworth-Wallace (S-W) model and measured ET of summer maize

3 討 論

研究表明日照時(shí)數(shù)為夏玉米各分生育期及全生育期均存在的主要驅(qū)動(dòng)因子，與ET相關(guān)性均達(dá)到極顯著水平(P<0.01)，但不同生育期ET主要驅(qū)動(dòng)因子存在差異。表1顯示，出苗-抽雄期主要驅(qū)動(dòng)因子為作物指標(biāo)地面覆蓋度、株高和LAI。該時(shí)段為夏玉米生長(zhǎng)前期，包括苗期和快速生長(zhǎng)期，作物活動(dòng)不斷增強(qiáng)，生理指標(biāo)動(dòng)態(tài)變化大，植物生長(zhǎng)態(tài)勢(shì)成為影響ET變化的關(guān)鍵要素，地面覆蓋度成為影響ET的最主要因素?？焖偕L(zhǎng)期，冠層蒸騰量占比逐漸大于土壤蒸發(fā)量，隨著時(shí)間推移，地面覆蓋度越大，作物冠層越茂密，大量輻射被作物冠層截獲用于蒸騰，ET與地面覆蓋度相關(guān)性則較高。抽雄-灌漿期，ET受日照時(shí)數(shù)影響最為顯著，呈極顯著正相關(guān)，主要是由于該時(shí)期作物生長(zhǎng)狀況穩(wěn)定，冠層郁閉度高，蒸騰速率大。一定條件下日照時(shí)數(shù)愈長(zhǎng)，太陽輻射則愈大，而輻射對(duì)蒸騰起主要驅(qū)動(dòng)作用，因而日照與ET關(guān)系密切。灌漿-收獲期地面覆蓋度有所降低，作物生長(zhǎng)態(tài)勢(shì)逐漸減緩，其對(duì)ET的影響減小，此時(shí)與ET相關(guān)性最高的因素為平均相對(duì)濕度且呈極顯著負(fù)相關(guān)，原因在于較大的平均相對(duì)濕度導(dǎo)致較小的飽和水汽壓差，ET隨之下降，王子申[17]研究結(jié)果與本結(jié)論類似。

研究表明GRNN模型在全生育期與分生育期模擬效果有一定差別。全生育期蒸發(fā)蒸騰量模擬最優(yōu)模型模擬結(jié)果R2為0.553 6，抽雄-灌漿期最優(yōu)模型R2為0.760 1，灌漿-收獲期最優(yōu)模型R2可達(dá)0.885 2，但出苗-抽雄期最優(yōu)模型R2僅0.425 2，主要原因在于不同生育期輸入?yún)?shù)與ET的相關(guān)程度和數(shù)量均有不同。在作物生長(zhǎng)狀況變化較明顯的生長(zhǎng)前期，GRNN模型模擬精度低于生長(zhǎng)狀況較為穩(wěn)定的中后期，說明植物生理指標(biāo)的動(dòng)態(tài)變化將在一定程度上影響模擬效果。同時(shí)模擬結(jié)果呈現(xiàn)隨生育期變化精度逐漸升高的趨勢(shì)，且輸入?yún)?shù)中占據(jù)主導(dǎo)地位的因素逐漸由作物因子過渡為氣象因子，亦說明了生長(zhǎng)前期ET變化與作物生長(zhǎng)狀況關(guān)系更為密切，而生長(zhǎng)中后期生理活動(dòng)速率緩慢甚至出現(xiàn)凋萎態(tài)勢(shì)，作物因素對(duì)ET影響則下降，此時(shí)氣象因素對(duì)ET作用效果凸顯。將相關(guān)性較高的因子組合構(gòu)建模型，即可實(shí)現(xiàn)利用較少的參數(shù)準(zhǔn)確模擬ET。

研究表明GRNN模型對(duì)夏玉米各生育期與全生育期ET的模擬情況較優(yōu)，且其精度明顯優(yōu)于雙源Shuttleworth-Wallace(S-W)模型。Kisi[18]發(fā)現(xiàn)將太陽輻射、氣溫、相對(duì)濕度、風(fēng)速等日氣候數(shù)據(jù)的不同組合作為GRNN的輸入模擬美國(guó)洛杉磯Pomona和Santa Monica地區(qū)作物參考蒸發(fā)蒸騰量的估算結(jié)果明顯優(yōu)于Penman、Hargreaves和Ritchie物理模型，說明GRNN可在一定程度上提高蒸發(fā)蒸騰量模擬精度。在本研究中，據(jù)S-W模型函數(shù)表達(dá)式(1)，輸入因子(平均溫度、日照時(shí)數(shù)、相對(duì)濕度、風(fēng)速等)計(jì)算ET，然而不同生育期ET與不同輸入?yún)?shù)相關(guān)程度差別較大，導(dǎo)致模型不能全面、準(zhǔn)確地模擬ET。GRNN模型可根據(jù)各因子與ET的實(shí)際相關(guān)程度改變輸入?yún)?shù)組合，為在缺失部分?jǐn)?shù)據(jù)或無法進(jìn)行實(shí)際測(cè)量情況下準(zhǔn)確估算ET提供重要依據(jù)。

4 結(jié) 論

(1)在缺少部分作物指標(biāo)或氣象因素時(shí)可使用GRNN模型對(duì)夏玉米蒸發(fā)蒸騰量進(jìn)行合理模擬估算。模型對(duì)作物各生育期的ET具有一定的預(yù)測(cè)性，效果較為顯著。模型符合性最好的階段是灌漿-收獲期，此時(shí)NSE和R2分別達(dá)到0.70和0.80以上，準(zhǔn)確性高。根據(jù)GPI值以及實(shí)際意義綜合考慮，在出苗-抽雄期、抽雄-灌漿期、灌漿-收獲期、全生育期分別采用MⅠ-14、MⅡ-9、MⅢ-11、M12模型即可獲得較精確的估算結(jié)果。

(2)模型對(duì)ET的模擬效果與輸入的作物指標(biāo)和氣象因素密切相關(guān)。出苗-抽雄期、抽雄-灌漿期、灌漿-收獲期、全生育期與ET相關(guān)性最大的參數(shù)分別為：地面覆蓋度、日照時(shí)數(shù)、相對(duì)濕度、平均溫度。將相關(guān)性較大的參數(shù)組合輸入，即可使用較少參數(shù)獲得較精確的模擬結(jié)果，但隨著輸入?yún)?shù)的減少，模型精度在一定程度上有所降低。

(3)GRNN模型相對(duì)其他模型取得了較高模擬精度，但構(gòu)建GRNN模型需確定的參數(shù)“光滑因子”是根據(jù)文獻(xiàn)[13]選取的，可能造成一定計(jì)算誤差，因此在后續(xù)研究中可對(duì)模型進(jìn)行優(yōu)化提高模擬精度，從而為農(nóng)田ET的合理估算、實(shí)現(xiàn)節(jié)水灌溉及水資源管理提供更科學(xué)可靠的依據(jù)。