基于公共天气预报数据的中国冬小麦中长期作物蒸散发组合模型预测研究

本研究针对中国冬小麦生长期作物需水与降水时间不匹配问题，基于6种参考作物蒸散发（ETo）模型（HG/MC/MK/PMT/PT/PMF），利用2391个站点数据构建1-30天预报期组合模型，实现月均误差<11%的中长期ETc预测，为农业水资源动态管理提供理论支撑。

　　

中国作为全球最大的小麦生产国，冬小麦产量占全国小麦总产量的90%以上。然而，其生长关键期（3-5月）正值旱季，灌溉需求与水资源短缺矛盾突出。当前农业用水效率低下，灌溉水利用系数仅0.568，远低于发达国家水平。传统作物需水预测方法存在时空局限性：直接法依赖历史数据难以应对极端天气，遥感法无法预测未来需求，而基于参考作物蒸散发（ET_o）的间接法虽广泛应用，但中长期（>10天）预测研究匮乏。中国气象网虽提供40天免费预报数据，现有研究多集中于1-10天短期预测，难以满足大型灌区动态管理需求。

中国水利水电科学研究院等单位的研究人员联合开展全国尺度研究，通过分析2391个气象站50年数据，首次系统评估了6种ET_o模型（Hargreaves/HG、McClound/MC、Makkink/MK、温度型Penman-Monteith/PMT、Priestley-Taylor/PT和预报型Penman-Monteith/PMF）在1-30天预报期的适用性，构建误差最小化的组合模型，并耦合作物系数法实现冬小麦ET_c预测。论文发表于《Computers and Electronics in Agriculture》。

关键技术包括：1）基于最小二乘法校准HG/MC/MK/PT模型分布式参数；2）利用中国气象网40天预报数据驱动PMF模型；3）采用均方根误差（RMSE）优化模型组合；4）整合Sun等（2013）研究的冬小麦作物系数进行ET_c转换。

研究结果

1. 模型参数校准
通过最小二乘法校准发现：HG模型系数c（0.0012-0.0074）在新疆显著偏高；MC模型参数E超过推荐值0.5的站点占42%；MK模型α系数在湿润区校准值（0.92）高于干旱区（0.85）；PT模型α系数全国平均校准值为1.31。

2. 模型精度排序
短中期（1-10天）预报以HG和PMF模型最优，长期（>10天）预报则MC、PT和PMF表现更佳。空间上，PMF模型在东部湿润区优势明显，HG模型在西北干旱区适用性更强。

3. ET_c预测验证
组合模型实现月均误差<11%的中长期ET_o预测，冬小麦ET_c时空变化与Sun等（2013）研究一致。3-5月需水高峰期内，华北平原ET_c预测值达4.2-5.8 mm/d，与历史观测偏差<0.5 mm/d。

结论与意义
该研究首次建立覆盖中国全域的分布式ET_o组合预测体系，突破传统模型单一站点或短期预测局限。通过揭示不同气候区最优模型的选择规律（如干旱区优选HG，湿润区优选PMF），为跨区域农业水管理提供差异化解决方案。提出的30天预报期ET_c预测方法，使大型灌区能提前制定轮灌计划，理论上可提升灌溉效率12-15%。研究成果被纳入"国家农业节水项目"（HBAT02312301007-CG），为《中国水资源公报》编制提供方法论支持。未来需进一步研究气候变化情景下模型参数的动态调整机制。