徐 颖，张皓杰，崔宁博,2，冯 禹，胡笑涛，龚道枝

(1.四川大学 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，四川 成都 610065；2.南方丘区节水农业研究四川省重点实验室，四川 成都 610066；3.西北农林科技大学 旱区农业水土工程教育部重点实验室，陕西 杨凌 712100；4.中国农业科学院 农业环境与可持续发展研究所作物、高效用水与抗灾减损国家工程实验室，北京 100081)

0 引 言

参考作物蒸散量(reference crop evapotranspiration，ET0)是计算作物需水量的关键因子，对灌溉系统设计和农业水资源管理具有重要意义[1]，其精准预报对作物需水量估算、水资源优化调配及实现智慧灌溉等有重要价值。目前ET0计算模型有60多种，主要可归为辐射法、温度法、综合法和水面蒸发法等[2]。1998年联合国粮食与农业组织(Food and Agriculture Organization of the United Nation，FAO)将Penman-Monteith(P-M)模型作为ET0计算的标准模型[3]，P-M模型虽然是FAO推荐的最佳估算模型，但需要较完整的气象资料，而很多地区由于标准气象站点少且分布不均、设备不足等问题，常发生气象资料缺失的情况，因此许多适用于较少气象因子输入的ET0计算模型被提出，如温度法中的Hargreaves-Samani(HS)[4]、Blaney-Criddle[5]等模型，辐射法中的Priestley-Taylor(P-T)[6]、Makkink[7]等模型，经验公式法中的Irmark-Allen[8]等模型。

随着机器学习(machine learning，MC)的发展，越来越多机器模型被应用于ET0模拟，如Kumar[9]、Gorka[10]等对BP神经网络(Back-Propagation，BP)模型在ET0模拟中的应用进行探讨，证实BP神经网络在各自研究区域内模拟结果良好，但BP神经网络模型学习速率固定，收敛速度慢且存在局部极值的问题。Tabari[11]等采用支持向量机(support vector machine，SVM)和自适应模糊推理系统(adaptive neural fuzzy inference system，ANFIS)算法对ET0进行模拟，发现该模型精度高于Blaney-Criddle、Hargreaves、Priestley-Taylor等模型。……