夏兴生 朱秀芳 潘耀忠 张锦水

(1.北京师范大学遥感科学国家重点实验室， 北京 100875； 2.北京师范大学遥感科学与工程研究院， 北京 100875；3.北京师范大学地表过程与资源生态国家重点实验室， 北京 100875； 4.青海师范大学地理科学学院， 西宁 810016)

0 引言

参考作物需水量(ET0)是农业灌溉作业的主要参考指标。联合国粮农组织(FAO)1998年发布的《Crop evapotranspiration-guidelines for computing crop water requirements》(FAO 56)推荐Penman-Monteith(PM)公式为基于气象站点观测数据计算ET0的标准方法[1]。此后，这一方法得到了广泛应用[2-7]。然而，在实践中，因为气象/气候观测站点分布的时空差异及建设配置条件的差异，PM公式所要求的输入要素数据并不是在所有地区均能够通过观测获取，特别是在较大尺度的研究应用中，往往无法获得完整的观测数据。针对这一问题，FAO 56建议，基于可获取的气象/气候要素观测数据，以经验或理论方程估算获得缺失数据[1]。这一处理方式已经被应用于很多研究中[8]。但是，在不同的时空尺度下，气象/气候要素受大气及地表环境影响，其估算值和观测值存在不同程度的差异，进而对ET0的计算结果产生影响。因此，从20世纪70年代开始，很多学者针对不同的地理区探索了不同气象/气候要素对基于PM公式计算ET0的敏感性[9-14]，结果表明，不同地区不同时段，不同的气象/气候因子对基于PM计算的ET0结果(ET0-PM)敏感性不同，而在没有各要素观测值的条件下，采用FAO 56建议的方案计算各要素值、输入PM公式获得的ET0存在偏差。

中国目前仅国家级观测站点就超过2 400个，普遍能观测到与工农业生产密切相关的气温、湿度、气压、风速等常规气象要素，唯独能够获得地表太阳辐射数据的站点较少，而地表太阳辐射又是获得ET0-PM必不可少的参量[10,12-13]。因此，研究太阳辐射参数对准确计算ET0-PM具有重要的意义。文献[15-26]基于不同时空尺度的研究说明了太阳辐射参数对ET0-PM的影响不能忽略，也评价了FAO 56推荐的地表太阳辐射Rs计算方法(Angstrom公式)在各自研究尺度的适用性，并提出了基于Angstrom公式计算Rs的本地化参数，以满足ET0-PM计算的要求。但是这些研究大部分局限于小区域或少数站点，且时间尺度不统一。仅有胡庆芳等[18]、YIN 等[21]进行了全国尺度的研究讨论，但也存在时空尺度的差异性，且空间划分与农业区划不匹配。因此，太阳辐射数据的极度缺乏及已有研究成果的时空差异性，给大规模计算高精度的ET0-PM带来了困难。实际应用中，FAO 56建议的通过Angstrom公式及其参数计算Rs，仍然是大规模计算ET0-PM的首选。

本研究以中国九大农业行政区划为研究区，试图从更精细的时空尺度，基于多年平均观测数据对比分析FAO 56建议的通过Angstrom公式及对应参数计算的太阳辐射经验值Rs-c与观测值Rs-o的时空差异，以及输入PM公式获得的ET0结果(ET0-c)的可靠性，以丰富基于Rs-c计算ET0-c的研究案例，为大尺度区域寻求更稳定合理和高精度的标准参考作物需水量计算方案提供参考。

1 数据及预处理

1.1 气象观测数据与处理

本研究使用的气象观测数据来源于中国气象数据网(http:∥data.cma.cn/)，包括中国地面气候资料月值数据集和中国辐射月值数据集，数据的时间尺度为1957年1月—2017年3月，具体数据要素及用途见表1。

数据预处理上，首先，通过站点编号将中国地面气候资料月值数据集、中国辐射月值数据集、站点经纬度进行关联，使得所有要素数据均一一对应，并将月Rs-o数据转换为日均值，与此同时，将所有要素校正为PM公式要求的对应高度(如风速要求为2 m相对高度)的标准数值[1]；其次，根据FAO 56建议的以日为时段的天顶辐射计算程序，以上一步得到的共有数据站点的纬度求得各站点逐月的日平均天顶辐射Ra，并依据Ra大于Rs的规律，剔除Rs-o大于Ra的数据记录。最终，参考FAO计算ET0-PM的案例，确保每个站点至少有15年的累计观测数据，共得到有效数据站点112个(图1，图中A表示东北平原区、B表示北方干旱半干旱区、C表示黄淮海平原区、D表示黄土高原区、E表示青藏高原区、F表示长江中下游地区、G表示四川盆地及周边地区、H表示华南区、I表示云贵高原区)。

表1 数据及用途

图1 农业区划及数据站点位置

1.2 农业区划数据

农业区划数据来源于中国科学院资源环境科学数据中心(http:∥www.resdc.cn/dataList.aspx)发布的以省级行政区划界线划分的中国九大农业区划数据，包括东北平原区、北方干旱半干旱区、黄淮海平原区、黄土高原区、青藏高原区、长江中下游地区、四川盆地及周边地区、华南区、云贵高原区(图1)。

2 基于Penman-Monteith公式的ET0算法

2.1 基于气象观测值的ET0计算过程

根据FAO PM公式的输入要素[1]，基于气象站点观测值的ET0-PM计算公式为

(1)

(2)

(3)

(4)

(5)

(6)

Rn=Rns-Rnl

(7)

Rns=(1-a)Rs-o

(8)

(9)

Rso=(0.75+2×10-5Z)Ra

(10)

式中T——大气温度，℃

e(T)——空气温度T时的饱和水汽压，kPa

λ——水汽化潜热，取2.45 MJ/kg

CP——常压下的比热容，取1.013×10-3MJ/(kg·℃)

ε——水蒸气分子量与干燥空气分子量的比，取0.662

Rns——地表净太阳短波辐射，MJ/(m2·d)

a——发射率或冠层发射系数，以草为假想的参考作物时，取0.23

σ——Stefan-Boltzmann常数，取4.903×10-9MJ/(K4·m2·d)

Tmax,k——24 h内最高绝对温度，K

Tmin,k——24 h内最低绝对温度，K

Rso——晴空条件下到达地表的太阳总辐射，也称晴空太阳辐射，MJ/(m2·d)

Rs/Rso——相对短波辐射值，其值小于等于1.0

Z——观测站的海拔，m，因2×10-5Z实际值较小，在计算中可忽略不计

以月为计算区间的土壤热通量计算式为

Gmonth,i=0.07(Tmonth,i+1-Tmonth,i-1)

(11)

式中Gmonth,i——第i月的土壤热通量，MJ/(m2·d)

Tmonth,i-1——第i-1月的大气平均温度，℃/d

Tmonth,i+1——第i+1月的大气平均温度，℃/d

2.2 FAO 56建议的Rs和Rso估算方法

在不能测得太阳辐射Rs的地区，FAO 56建议通过Angstrom公式进行估算[1]，公式为

(12)

Rso=(as+bs)Ra

(13)

式中n——实际日照持续时间，h

N——最大可能的日照持续时间或日照时数，h

as——回归常数，表示在阴天条件下，Ra到达地面的比例(即n=0)

其中as+bs表示晴天条件下，Ra到达地面的比例(即n=N)，此时太阳总辐射即为晴空太阳辐射Rso；前文已经说明已有研究在对中国区域as、bs的校正结果上存在时空尺度不统一的缺陷，很难直接应用。因此，本研究继续使用FAO 56的建议值[1]，即as=0.25，bs=0.50。

3 Rs-c与Rs-o及对应计算的ET0-PM对比结果

3.1 Rs-c与Rs-o年内变化对比结果

图2 全国及各区平均Rs-c和Rs-o年内变化对比曲线

图2是通过FAO 56建议的Angstrom公式及其参数计算得到的全国及九大农业区的Rs-c和Rs-o站点均值的年内变化。结果表明，在变化趋势上，二者在全国及各区均保持一致，但是全国及各区的数值差异却比较明显。除E区外，其他各区均表现为Rs-c大于Rs-o。在二者的绝对差值上，C、D、E、F、G、H、I区比较稳定，只有夏秋季略微偏大于冬春季； A区在9月到次年3月的Rs差值非常微小，在4—8月却较大；B区在所有区中表现最好，除7、8月有微小的差值外，其他月份几乎接近于0。

图3 全国及各区站点Rs-c和Rs-o各季均值的相关关系

图4 Rs-c和Rs-o相对差值的时空分布

图3是全国及九大农业区站点Rs-c和Rs-o各季均值的相关关系图。以R2为评判标准，全国范围内无论是年均还是各季都相关性显著，R2超过0.8，但各区的结果却表现参差不齐。全年相关性表现相对较显著且稳定的仅有B、E、G区；A区在秋冬季节相关性较好，春夏较差；C区春季略好，其他季节较差；D区除冬季外，其他季节表现较好；而F、H、I区则是在夏季相关性较差，其他季节均较好。各区的年平均相关性方面，D、E、F、G、H、I区Rs-c和Rs-o的相关性相对较好，其他区的相对较差。

图4是Rs-c与Rs-o逐月相对差值(RDS=Rs-c-Rs-o)的时空分布。从图可以看出， E区和G区西侧、B区北侧常年Rs-c小于Rs-o， B区西北部和中部冬春季节Rs-c小于Rs-o，夏秋季节Rs-c大于Rs-o，其中，E区和G区西侧的绝对差值相对较大，B区北侧的绝对差值相对较小，3个区域的差值随季节变化较稳定。其他地区常年Rs-c大于Rs-o，其中，F、H、I区和G区东侧的绝对差值较大，春、夏季最大，最高达到4.41 MJ/(m2·d)。A、C、D区季节性变化明显，冬季绝对差值最小，夏季最大，春、秋居中。

3.2 基于Rs-c和Rs-o计算的ET0-PM对比结果

图5是分别通过Rs-c和Rs-o计算的112个站点ET0-PM(分别表示为ET0-c和ET0-o)在全国及各农业区的站点均值年内变化。从图5可看出，B、E区的ET0-c和ET0-o逐月站点均值几乎重合； A区除5～8月外，其他月份也几乎重合； C、D、I区季节变化明显，冬季基本重合，夏季差值增大； F、G、H区虽然常年存在相对较大的绝对差值，但比较稳定。

图5 基于Rs-c和Rs-o分别计算的ET0-PM逐月站点均值结果对比曲线

图6是全国及各农业区基于Rs-c和Rs-o计算得到的站点ET0-c和ET0-o各季均值关系。ET0-c和ET0-o在各季节均表现为显著的线性相关性，而且较为稳定，R2均超过0.67，最大值更是接近于1，线性回归系数与1.0的绝对差值在大部分农业区不超过0.1，少数在0.1～0.2之间，只有个别超过0.2。ET0-c和ET0-o的年均相关性除F、G区的R2较小外(分别为0.770 6、0.866 4)，其他区均超过0.95，回归系数除D区外，其他区均在1.0左右。

图6 基于Rs-c和Rs-o分别计算的ET0-PM各季均值相关关系

图7是在其他输入参数不变的情况下，由Rs-c和Rs-o分别计算的ET0-c和ET0-o相对差值(RDE=ET0-c-ET0-o)时空分布。ET0-c和ET0-o年均相对差值主要集中在-0.25～0.25 mm/d之间，其中，B区常年维持在-0.25～0.25 mm/d，A、D、E区和G区西北部的绝对差值仅在夏季会有站点突破0.25 mm/d，C、I、H区则表现为春夏部分站点偏高，并在夏季达到最大值，而剩余F区和G区东南部只有冬季的绝对差值在0.25 mm/d以内，其他季节则较高，夏季甚至突破0.5 mm/d。

图7 基于Rs-c和Rs-o计算的ET0-PM相对差值时空分布

4 分析与讨论

4.1 Rs-c与Rs-o对比结果分析

分析Rs-c与Rs-o的逐月站点均值比较结果(图2)可知，FAO 56[1]推荐的Angstrom公式及其参数只有在E区的Rs-c比实际值偏小，且绝对差值非常平稳，说明该区中低纬度和高海拔的地理区位特点使到达其地面的太阳辐射基本不受季节变化的影响；而在其他8个农业区计算的Rs-c均比实际值偏大，且季节变化较明显，夏季偏离程度最大。二者基于全国站点的平均值与C、D、F、G、H、I区的表现一致，但是在A、B、E区的影响下，Rs-c偏离Rs-o的程度较这6个区有所减小，但仍然表现为Rs-c全年大于Rs-o的规律。

Rs-c与Rs-o的相关性结果(图3)显示，112个站点的年均值和各季均值相关性显著，但是各农业区的R2结果却参差不齐，且无论是全国还是各农业区，二者的线性回归系数均不稳定，偏离y=x斜线的程度也不均一，说明Rs-c与Rs-o存在一定的差异，且不同尺度之间的差异程度不同，二者的相对差值时空分布(图4)也印证了这一点，即北方农业区Rs-c与Rs-o的年内绝对差值整体相对较小，南方农业区相对较大，春夏季略微大于秋冬季，与我国雨热同期的典型季风气候造成的季节性天气条件削弱到达地面的太阳辐射规律相符合，但Rs-c与Rs-o相对差值的时空波动却是南方农业区比北方农业区小一些，可能是南方地区常年多云雨的稳定天气条件所造成的。

为了进一步验证Rs-c与Rs-o的差异是否显著，本研究基于统计学中讨论两组样本差异是否显著的独立样本T检验方法进行了检验，结果表明(表2)，全国年均及各季节的方差方程Levene检验显著性概率P值和T检验的显著性概率P值均小于0.05，可见，Rs-c和Rs-o存在显著差异。而各区的Levene检验显著性概率P值均大于0.05，T检验的显著性概率P值却在不同区、不同季节差异明显，A、D、I区在夏季的T检验P值小于0.05，H区则在夏季和秋季T检验P值小于0.05，而C、F区则全年的T检验P值均小于0.05，说明在这些区域的特定时段，Rs-c和Rs-o存在显著差异，其他时段Rs-c和Rs-o差异不显著；只有B、E、G区的T检验P值全年均大于0.05，说明在这三大区域全年Rs-c和Rs-o差异不显著。针对年内平均而言，C、F、H的T检验P值小于0.05，其他区均大于0.05。因此，从统计分析的角度，Rs-c和Rs-o只是在不同区域的特定时段差异性不显著，可以相互替代使用，而在其他时段则差异显著，不可相互替代。因此，在全国范围内基于FAO建议的Angstrom公式及其参数估算Rs时，其结果与观测值的差异不容忽视。

综合而言，因为雨热同期的季风气候造成的多年月平均尺度大气组分时空分布不均一，在全国及九大农业区的所有月份均使用FAO推荐的Angstrom公式及其as、bs系数固定值计算的Rs-c和Rs-o存在一定的时空差异。根据PM公式，推测使用Rs-c直接替代Rs-o计算ET0-PM可能会引起误差，青藏高原(E区)的ET0-PM可能会偏小，其他地区可能会偏大，且 C、D、E、F、G、H、I区的ET0-PM绝对差值可能会常年相对比较稳定，A、B区可能随季节的变化而变化明显。

表2 Rs-c和Rs-o各季节独立样本T检验结果(P值)

4.2 ET0-c和ET0-o对比结果分析

分析各区站点ET0-c和ET0-o均值的时空差异(图5)，北方农业区的ET0-c与ET0-o绝对差值整体较小，南方农业区则整体略大，年内变化与Rs-c和Rs-o的表现(图2)一致，年初、年尾较小，年中略大，且二者的数值相对差异上也与Rs-c和Rs-o的表现基本相符，但总体较小，ET0-c与ET0-o平均只有0.06～0.26 mm/d的差值。

对比ET0-c和ET0-o(图6)与Rs-c和Rs-o(图3)的相关性分析结果可知，ET0-c和ET0-o在各个农业区的不同季节，均表现为显著的线性相关性，而且较为稳定，回归系数也较Rs-c和Rs-o的结果好，大部分拟合直线与y=x斜线吻合度较好，说明ET0-c和ET0-o的整体差异较小，仅个别农业区在特定时段ET0-c与ET0-o偏差略大。

综合分析ET0-c和ET0-o相对差值时空分布(图7)可知，大致以“胡焕庸线”为界，西北地区站点的绝对差值较小，常年维持在0～0.25 mm/d；而“胡焕庸线”以东的北方地区则遵循季风气候的变化规律，绝对差值表现为先增大后减小，夏季的差值大部分站点在0.5 mm/d以内，个别站点会超过0.5 mm/d，南方地区则随季节变化而变化明显，大致以长江、珠江为中线，从春季开始由中线向两侧随着时间的变化不断增大，在夏季达到最大值，但大部分站点在0.75 mm/d以内，个别站点会超过0.75 mm/d，而后，则由两侧向中线随时间变化逐渐减小，在冬季达到最小值。总的来说，ET0-c和ET0-o在北方农业区的差异较小，南方农业区的差异略大，且夏季较明显。

同样，为进一步确定ET0-c和ET0-o是否存在显著性差异，也对二者进行了独立样本T检验的统计学验证，结果表明(表 3)，ET0-c和ET0-o的方差方程Levene检验显著性概率P值均大于0.05，但是，在全国尺度上、C区年均及C区和H区的夏季ET0-c和ET0-o的T检验P值却小于0.05，而F区则是全年的T检验P值小于0.05，说明在这些特定的时空尺度下ET0-c和ET0-o差异显著，其他时空尺度下，ET0-c和ET0-o的差异并不显著。

表3 基于Rs-c和Rs-o计算的两组ET0-PM独立样本T检验结果(P值)

综上所述，实际应用时，在没有Rs-o的条件下，西北和青藏高原地区全年，黄土高原、黄淮海平原、东北平原地区的春、秋、冬季，南方地区的冬季，使用Rs-c获得的ET0-c与ET0-o相对误差较小且具有一定的时空稳定性，可以直接替代ET0-o使用；而黄土高原、黄淮海平原、东北平原地区的夏季，南方地区的春、夏、秋季因受季风气候的影响，相对误差会略微偏大，且不稳定，因此，在这些时空尺度下使用Rs-c获得参考作物需水量，建议研究相应的方法进行校正，否则会有误差，且偏大。考虑到中国地区的典型季风气候特点、农业生产制度和大宗作物的灌溉需求，春季的北方地区一般容易发生旱灾，即“春旱”，灌溉工程的设计和灌溉作业以参考冬季和春季的ET0为主，基于PM公式大规模计算ET0-PM在缺少辐射观测数据的条件下可使用FAO 56建议的Angstrom公式及其参数计算获得太阳辐射值；在全国范围的夏季“伏旱”期间，无论是北方还是南方，输入Rs-c计算的ET0-c则比输入Rs-o计算的ET0-o偏大。因此，在高精度的节水农业应用中，有必要研究相应的校正模型进行夏季的ET0-c校准。

4.3 讨论

4.3.1Rs-c计算方案的系统误差

从图3、4、6、7的结果分析可知，采用FAO 56建议的Angstrom公式系数固定值计算Rs-c未考虑不同时空尺度下地表大气性质的变化导致实际到达地面的太阳辐射时空变化，所以Rs-c的计算结果存在明显的系统误差，进一步致使ET0-c的计算结果也存在系统误差。这也验证了已有的辐射参数对ET0-PM计算的影响及Angstrom公式参数本地化研究[15-26]的必要性。特别是本研究的结果与胡庆芳等[18]基于Angstrom公式参数对ET0-PM的影响及FAO建议值适用性评价研究在区域上具有基本一致结果，即基于FAO建议的Angstrom公式参数(as=0.25，bs=0.50)估算Rs-c，在中国北方农业区具有较好的适用性，而在中国南方地区的地区适用性较差，而对应基于估算的Rs-c计算的ET0-c在北方地区与实际值一致性较好，在南方地区则偏大。但是，在青藏高原区，二者的研究结果却相反，本研究的结果是FAO的建议值在该区的适用性较好，而胡庆芳等[18]的研究结果是FAO的建议值在该区的适用性不强或较差。可能是二者的分区尺度、数据尺度及数据质量差异引起的，但具体原因则有待进一步探讨。所以，在现有研究基础上[15-26]，还要继续探索和验证Angstrom公式适用于我国各农业管理区的本地化参数，基于不同的时空尺度和精度要求，形成相应的标准或规范才是其进一步推广应用的关键。

4.3.2数据处理方式对结果的影响

本研究通过站点逐月日均值的多年均值来讨论Rs-c对ET0-PM的影响，这一数据处理方式反映了稳定气候条件下的Rs和ET0-PM变化。即无论是Rs-c、Rs-o的结果，还是ET0-c、ET0-o的结果，年内均值变化的增加趋势(图2、5)6月开始在F、G、H、I区均出现了减缓的现象，看似不符合Rs和ET0的年内基本理论规律，但考察中国的气候条件可知，6月开始，中国南方大范围进入“梅雨”季节，持续的阴雨天气导致了地表接收的太阳辐射减少。所以，Rs-c对Rs-o、ET0-c对ET0-o整体上才表现出了相对稳定的差异，在应用中即可对Rs-c、ET0-c引入一个校正常数或者回归校正模型，使其结果更接近观测结果。同时，从本研究的结果分析可知，ET0-c对ET0-o的差异相比Rs-c对Rs-o更稳定，所以在计算ET0的研究应用中，建议对ET0-c建立校正关系进行结果的校正，而不是校正Rs-c后再计算ET0-PM。但是，对数据时间序列的平均处理也弱化了短期气候/天气变化的影响，且区域性的站点平均值未考虑站点海拔等潜在影响因素的变化，基于稳定差异关系校正的结果也可能只是区域的气候平均值。

4.3.3数据质量对结果的影响

从本研究前后的结果比较来看，基于全国尺度的结果要比基于各区的结果要好，且时空变化也比较稳定，可能的原因在于数据站点在各区的分布不均。从相关性分析结果可以看出，站点密度较高且空间分布较均匀的农业区，其结果表现相对较好且稳定，说明了区域站点密度及空间分布的均一性对本研究的结果具有一定的影响，较少的站点分布可能存在区域代表性不足的问题，这一问题则是后续值得探讨的方向。此外，本研究参考FAO计算ET0-PM的案例，选择观测时间尺度累计大于等于15年的站点数据取多年平均值，但是，因为站点建设时间的不一致以及迁站、设备更新、观测任务的变化，各站点获取的数据时间尺度并不一致，这可能是本研究数据处理的缺陷，也是研究结果误差一个主要来源，因此，还需要统一数据的时间尺度进一步验证。

4.3.4Rs对ET0-PM的影响

图8 Rs-c和Rs-o相对差值与ET0-c和ET0-o相对差值的关系

图8是112个站点所有月份Rs-c和Rs-o相对差值与对应的ET0-c和ET0-o相对差值的关系。从图可知，ET0-PM相对差值随Rs相对差值的增大而增大，且呈明显的3次方程曲线关系，R2接近0.9，但是，受回归系数的影响，ET0-PM相对差值对Rs相对差值变化的反应却较平缓。本研究中Rs的相对差值主要集中在-2.0～3.0 MJ/(m2·d)之间，而ET0-PM相对差值却只有-0.15～0.5 mm/d，进一步说明了Rs对ET0-PM影响可能并不大，在精度要求不高的情况下，中国范围内的大部分站点可以直接使用Rs-c计算ET0-PM。然而，从图8拟合的方程曲线可以看出，随着Rs相对差值的不断增大，ET0-PM相对差值增加的值也有上升的趋势，因此，Rs对ET0-PM的影响可能存在一个范围，有必要进一步讨论具有不同误差等级的Rs-c对ET0-PM的影响程度，在实践中，根据不同等级的ET0-PM误差要求，选择对应误差等级的Rs-c，以节约成本。

5 结论

(1)Rs-c和Rs-o的时空差异分析表明，二者的年内变化趋势在各区都表现一致，但是二者的相关性及差异性分析却表明，只有个别区域在特定季节具有较好的相关性，其他季节、其他区域则相关性不显著。单从Rs-c和Rs-o时空差异的角度，在中国九大农业区Rs-c不能替代Rs-o。

(2)基于Rs-c和Rs-o分别计算的ET0-c和ET0-o相关性及时空差异性分析表明，整体上ET0-c和ET0-o时空差异比较小，使用Rs-c替代Rs-o计算具有一定的可行性，只有个别区域在特定季节可能误差偏大。具体而言，在全国范围内的冬季、西北各区一年四季、华北及东北各区春、秋、冬季，以及华南地区秋、冬季的ET0-c和ET0-o差异均较小，可以用ET0-c替代ET0-o指导农业生产，各地区其他时段的ET0-c和ET0-o差异则略大，其中长江流域的差异最显著，使用ET0-c替代ET0-o需要进行必要的修正。

(3)由中国地区典型的季风气候特点及农业生产制度可知，长江流域以北地区的春季一般容易发生旱灾，灌溉工程的设计和灌溉作业以参考冬季和春季的参考作物需水量为主，而本研究的结果恰好表明ET0-c和ET0-o在冬春季的北方地区差异性最小，所以，实践中，在其他要素都是观测值的条件下，在中国北方主要灌溉需求地区的冬、春季，基于PM公式大规模计算ET0-PM在缺少辐射观测数据的条件下可使用FAO 56建议的通过Angstrom公式及其参数计算获得太阳辐射值。而在夏季“伏旱”期间，无论是北方还是南方，输入Rs-c计算的ET0-c比输入Rs-o计算的ET0-o偏大，在高精度的节水农业应用中，有必要研究相应的校正模型进行ET0-c的校准。