冯 禹，崔宁博，龚道枝



机器学习算法和Hargreaves模型在四川盆地ET0计算中的比较*

冯 禹1，崔宁博2,3**，龚道枝1

(1.中国农业科学院农业环境与可持续发展研究所/农业部旱作节水农业重点实验室，北京 100081；2.四川大学水力学与山区河流开发保护国家重点实验室/水利水电学院，成都 610065；3.南方丘区节水农业研究四川省重点实验室，成都 610063)

以四川盆地中部遂宁气象站2001-2010年逐日温度资料和大气顶层辐射（Ra）为输入参数，以FAO-56 Penman-Monteith（PM）模型计算的参考作物蒸散量（ET0）为标准，分别利用广义回归神经网络（GRNN）和小波神经网络（WNN）两种机器学习算法建立ET0模拟模型，并对GRNN、WNN和Hargreaves（HS1）与两种改进的Hargreaves（HS2和HS3）模型的ET0模拟效果进行对比分析，利用2011-2014年数据对各模型模拟精度进行验证，分析仅有温度资料时不同模型在四川盆地的适用性。结果表明：GRNN模型和WNN模型均具有较强的适用性，GRNN模型均方根误差（RMSE）、模型效率系数（Ens）和决定系数（R2）分别为0.395mm×d-1、0.924和0.902，WNN模型分别为0.401mm×d-1、0.911和0.901，且两种模型计算精度均高于HS1（1.05mm×d-1、0.885和0.334）、HS2（0.652mm×d-1、0.892和0.736）和HS3（0.550mm×d-1、0.881和0.812）模型。模型适用性验证进一步表明，GRNN和WNN模型在四川盆地西部和东部也具有较好的适用性，在输入参数中引入Ra能提高模型的模拟精度。因此，GRNN和WNN可以作为气象资料缺失条件下四川盆地ET0计算的推荐模型，且GRNN计算精度高于WNN，可优先选用。

参考作物蒸散量；温度资料；FAO-56 Penman-Monteith模型；机器学习算法；Hargreaves模型

参考作物蒸散量（ET0）作为水文过程基本参数之一，其准确估测对农田水分管理意义重大。目前ET0的估测主要包括实测和估算两种方法，后者只需用气象资料进行计算，与实测法相比其成本低、易操作且精度较高，因此成为ET0估测最常用方法。……