武剑飞，康银红，宋鑫，梁友鹏

(四川农业大学水利水电学院，四川 雅安 625014)

作物蒸散量是参与大气水文循环的重要因子，同时也是农业灌溉需水量制定的重要参数.参考作物蒸散量(reference crop evapotranspiration，ET0)是国际上计算作物蒸散量的通用参数，准确计算及预报ET0具有重要意义.目前关于ET0的确定主要分为3个方面：试验测定、公式计算、数值模拟.运用蒸渗仪法测定的ET0精度好，但是仪器费用高且耗时长，只适用于一些特定研究，不适宜大范围推广[1-2].基于气象参数建立的ET0计算公式是许多学者常用的方法，目前已发展出50多种计算方法.在1998年，联合国粮农组织(food and agriculture organization，FAO)把Penman-Monteith(PM)公式作为计算ET0的唯一标准方法，并且在全世界范围内都得到了很好应用，但是该公式需要气象参数多，计算复杂，对于一些气象资料缺失的地区不具有适用性[3].因此，一些学者研究出了简化的ET0计算模型，例如温度法中的Hargreaves-Samani模型[4]，辐射法中的Makkink模型[5]、Priestley-Taylor模型[6]，经验法中的Irmak-Allen模型[7]等.这些简化模型虽然能够在气象资料缺失的情况下计算ET0，但是这些模型都是在特定的地区发展而来的，对于不同的环境需要筛选不同的计算模型.

随着计算机技术的发展以及仿真模拟的应用，基于机器学习下的ET0模拟计算以及预测成为国内外学者的研究热点.ANTONOPOULOS等[8]、JAHANBANI等[9]运用人工神经网络(artificial neural network，ANN)模拟了ET0，结果表明ANN模拟的精度比简化模型计算的精度高；ADAMALA[10]对印度不同地区建立广义小波神经网络(wavelet-neural network，WNN)以模拟ET0，结果发现WNN模型比传统的ANN模型、线性回归模型和Hargreaves模……