更新基于有限气象数据估算日参考作物蒸散量方法的研究

《Agronomy》：Updating the Estimation of Daily Reference Evapotranspiration Using Limited Meteorological Data

　　

Penman–Monteith模型是计算参考作物蒸散量(ETo–PM)的标准方法，需要完整气象数据，包括太阳总辐射(Rs)、实际水汽压(ea)和2 m高度风速(u2)。然而并非所有数据始终可得。研究人员将近期发展的基于温度估算Rs(Rs_dev)与ea(ea_dev)的方法引入ETo–PM模型(PMT)，并与Paredes和Pereira提出的Rs_PP、ea_PP方案对比；u2缺失时采用全局均值2 m s?1(u2_def)或局地长期均值(u2_ave)。以1993–2016年中国96个辐射站完整数据计算的ETo–PM为基准评估各模型。结果表明：在缺一至两个变量时，用Rs_dev、ea_dev或u2_ave替代Rs_PP、ea_PP或u2_def与完整数据基准更吻合，RMSE降低7–51%，干旱区改善较弱；三变量全缺时，组合Rs_dev、ea_dev、u2_ave无需额外湿度数据即可获得相当或更优一致性。更新的PMT框架为不完整气象条件下复现FAO-56 Penman–Monteith ETo提供了实用路径。

研究背景方面，参考作物蒸散量(ET_o，reference evapotranspiration)是水文、气象及农业环境管理中的关键指标，FAO-56定义的Penman–Monteith方程(ET_o–PM)需太阳总辐射(R_s)、最高/最低温(T_max/T_min)、相对湿度(RH)或露点温(T_dew)、2 m风速(u₂)等完整输入。现实中R_s、RH、u₂常缺失或质量差，故需基于气温插补缺失变量的替代方案。已有Paredes和Pereira(PP)的PMT与Hargreaves–Samani(HS)模型，但近期发展的温度基R_{s_dev}（Qiu等）与动态修正e_{a_dev}（基于AI干旱指数连续函数）尚未在ET_o–PM框架内系统评估。该研究即以完整数据ET_o–PM为基准，在中国96个辐射站（1993–2016年，分6个AI气候区）检验更新PMT在缺1、2、3个变量下的表现，论文发表于《Agronomy》。

关键技术方法上，研究人员使用中国气象数据服务中心96个国家级辐射站日值数据（R_s、T_max、T_min、平均RH、10 m风速u₁₀经对数廓线转为u₂），按UNEP干旱指数(AI)分6气候区。缺湿度的e_a用e_{a_PP}（分区分段修正T_dew）与e_{a_dev}（a_T=?2.87+1.47·lnAI连续修正）；缺R_s用R_{s_PP}（分区k_Rs回归）与R_{s_dev}（广义温度基8系数模型）；缺u₂用u_{2_def}=2 m s^?1或站点的u_{2_ave}。依次屏蔽1/2/3个变量组合成PMT_1-x/PMT_2-x/PMT_3-x系列，以完整ET_o–PM为基准，用b₀、R²、EF、RMSE、RRMSE在站点与气候区两级评价。

研究结果部分，3.1节单变量缺失显示：仅缺湿度时e_{a_dev}(PMT_1–2)较e_{a_PP}低估由11–17%降至1–5%，RMSE降18–51%；仅缺R_s时R_{s_dev}(PMT_1–4)除干旱区外RMSE较R_{s_PP}降15–28%；仅缺u₂时u_{2_ave}(PMT_1–5)较u_{2_def} RMSE降10–33%。3.2节双变量缺失中，R_{s_dev}+e_{a_dev}(PMT_2–2)、R_{s_dev}+u_{2_ave}(PMT_2–4)、e_{a_dev}+u_{2_ave}(PMT_2–8)在各气候区（干旱区R_s相关略弱）均优于对应PP组合，RMSE降5–33%。3.3节三变量缺失时，R_{s_dev}+e_{a_dev}+u_{2_ave}(PMT_3–2)在湿润区RMSE降1–17%、EF升至0.76–0.86，半干旱/干旱区与PMT_3–1相当或略低1–4%；R_{s_dev}+e_{a_dev}+u_{2_def}(PMT_3–4)仅湿润区优于PMT_3–3。3.4节HS模型显示分区校正k_Rs的HS_PP-Zone较默认HS_def的EF由0.64–0.86升至0.69–0.88、RMSE降3–12%，但仍不及PMT_3–2。

讨论部分指出，单变量缺测时新温度基方法因AI连续修正减少分区跳跃偏差而更优，干旱区因强辐射、大日较差、低湿使T_min代理不稳，故R_{s_PP}分区式仍具竞争力；双变量缺测时新旧法偏差可能部分抵消，不可误读为单变量精度提升；三变量缺失时湿润区对输入误差敏感故改进显著，干旱区ET_o–PM对偏倚放大弱致差异缩小。HS类仅需气温，严格缺数据下仍实用，但PMT框架能融合实测与估算变量更灵活。AI与u_{2_ave}可借CLIMWAT 2.0或WorldClim获取；研究局限含u₁₀→u₂转换系统误差、R_{s_dev}开发集与评估集部分重叠、极端干旱T_min–T_dew关系不稳。

结论部分翻译：总体而言，结果证明了在ET_o–PM框架中引入缺失气象变量替代方案的可行性。评估条件下，缺湿度推e_{a_dev}，缺R_s首选R_{s_dev}（干旱区R_{s_PP}分区式仍具竞争性），缺u₂优选u_{2_ave}而非u_{2_def}；多变量缺失时R_{s_dev}+e_{a_dev}+u_{2_ave}组合在多数气候区与完整数据更吻合，但需考虑气候依赖差异。相较更新HS，更新PMT框架能同时利用可用观测与估算变量，在模拟缺数条件下更具灵活性。上述建议旨在复现完整数据ET_o–PM，广泛适用性仍需独立数据集验证。