姚付启 董建华 范军亮 曾文治 吴立峰

(1.鲁东大学水利工程学院， 烟台 264010； 2.南昌工程学院水利与生态工程学院， 南昌 330099；3.西北农林科技大学水利与建筑工程学院， 陕西杨凌 712100；4.武汉大学水资源与水电工程科学国家重点实验室， 武汉 430072)

0 引言

准确的蒸散量预报对作物需水量、驱动水文和作物生长模型评估以及农业和水资源管理决策具有重要意义。蒸散量可以通过蒸渗仪、涡动相关和波文比等系统观测，但这些设备通常价格昂贵，且维护成本很高[1]。作物的实际蒸散量更多采用参考作物蒸散量(ET0)函数进行推导[2]。

Penman-Monteith方程(以下简称FAO56 PM)[3]是国际公认的计算ET0的标准方法。FAO56 PM方程是一种基于物理的方法，结合了生理和空气动力学参数[2]，并不需要参数本地化校正。然而，FAO56 PM方程要求太阳辐射、气温、风速和相对湿度等气象资料齐全。

近年来，学者们不断尝试使用公共天气预报信息进行未来ET0的预测。CAI等[4]将公共天气预报的多云情况、每日最高和最低温度以及风速等级转换为FAO56 PM公式所需的信息，获得了理想的ET0预报精度。LUO等[5]使用1～7 d公共天气预报和Hargreaves-Samani模型进行ET0预报，其均方根误差(RMSE)介于0.87～1.36 mm/d，相关系数介于0.64～0.86。CHANG等[6]使用改用Thornthwaite模型基于公共天气预报的气温数据对ET0进行了预报。YANG等[7]研究发现，天气预报风速对ET0估算精度低于多年的日平均风速。

进入21世纪以来，数值天气预报(Numerical weather prediction，NWP)模型在高空探测影响天气过程、气候变化和全球尺度天气异常方面取得了巨大的进展[8]。如同基于卫星和雷达观测的数据同化技术[9-10]，NWP的进步是计算机能力增强、模型的时空高分辨率以及预报技术和工具改进的直接结果。……