林果果

(重庆市水利电力建筑勘测设计研究院有限公司，重庆 400020)

1 概 述

我国是重要的农业生产大国，每年绝对部分用水量均为农业用水。由于近年来干旱现象严重，同时我国水资源较匮乏，人均水资源占有量不及世界平均水平的25%，用水量的缺乏和严重的干旱在一定程度上限制了我国农业产值和经济的发展[1-6]。在有限的水资源前提下，发展节水农业是缓解国内农业用水供需压力的重要途径[7]。为进一步精确制定作物灌溉制度，获得作物需水量数据十分关键。潜在蒸散量(ET0)是估算作物需水量的重要参数之一，其与作物系数的乘积即为作物需水量，且该方法已被证明精度较高[8-9]。FAO-56分册规定的Penman-Monteith模型为计算的标准模型，但该模型考虑因素较多，计算过程复杂，限制了该模型的应用[10-11]。因此，在合适的区域找寻合适的ET0简化计算方法，对当地灌溉决策的制定有着十分重要的意义。

目前，针对ET0简化计算方法的研究主要集中在经验模型和机器学习模型两大类[12-13]。其中机器学习模型由于其模型操作方便，且精度较高，被广泛应用于ET0模拟中。毛亚萍和房世峰[14]在新疆区域基于SVM、RF、GBDT和ELM 4种机器学习模型构建了当地ET0预测模型，指出SVM和GBDT这两种算法在日尺度和月尺度都有较好的适用性；张薇等[15]基于ELM模型和GRNN模型两种机器学习模型计算了河北省不同站点的ET0，并与H-S模型计算精度进行了对比，指出机器学习模型精度显著高于经验模型；黄滟淳等[16]基于不同机器学习模型在川中丘陵区构建了ET0预测模型，M5回归树模型计算精度最高。……