基于天气预报信息的参照作物腾发量预报

申润东　张倩

【摘 要】为获得较精确的参照作物腾发量（ET0）短期预报结果，提出使用天气预报信息和Penman-Monteith （P-M）公式进行预报的方法。通过解析某市7个月中逐日对未来三天的气象预报数据，获得Penman-Monteith公式所需参数，进行逐日ET0预报并与用实测气象数据计算的ET0值进行比较评价，结果显示预见期内ET0预报值在允许误差下的精度达94.7%。本文提出的方法所需数据较易获取且允许误差下精度较高，有助于较精确地对ET0进行预报。

【關键词】参照作物腾发量;Penman-Monteith公式;天气预报;灌溉预报

中图分类号： S311文献标识码： A 文章编号： 2095-2457（2019）35-0167-003

DOI：10.19694/j.cnki.issn2095-2457.2019.35.077

Reference Crop Evapotranspiration Forecast Based on Weather Forecasts and Penman-Monteith Equation

SHEN Run-dong ZHANG Qian

（School of hydraulic and civil engineering， shandong agricultural university， Taian Shandong 271018， China）

【Abstract】In order to obtain an accurate short-term forecast results of reference crop evapotranspiration（ET0）， a method of forecasting by using weather forecast information and Penman-Monteith（P-M）equation is proposed. Based on the daily weather forecast and the date of the next three days in a city for seven months， the daily ET0 forecast is calculated and compared with the value calculated by the measured meteorological data. The results show that the accuracy of ET0 prediction during the prediction period is 94.7% under the allowable error. The method proposed in this paper has a high accuracy under allowable error and easy to obtain the required data， which is helpful for accurate prediction of ET0.

【Key words】ET0; Penman-Monteith equation; Weather forecast; Irrigation forecast

1 研究内容与方法

参照作物腾发量（ET0）的预测是进行灌溉预报的基础[1]。目前基于参照作物腾发量计算实际作物需水量的方法应用最为广泛。国内外研究者经过试验和理论分析相结合，发现Penman-Monteith（P-M）公式在任何气候区都是最精确的方法[2]该公式也被联合国粮农组织（FAO）推荐为计算ET0最精确的方法。ET0的预测是灌溉预报的基础，用实测气象资料进行预测未来一段时间内的参照作物蒸腾发量势必会造成预报结果的滞后。大量研究结果证明使用天气预报信息去估算ET0是可行的[3]。

以农田种植的冬小麦为研究对象，通过解析某市7个月中逐日对未来三天的气象预报数据，获得Penman-Monteith公式所需参数，进行逐日ET0预报并与用实测气象数据计算的ET0值进行比较评价。

2 基于实测气象数据的参照作物腾发量计算

2.1 数据

某市气象局提供了某气象基站7个月的逐日气象数据。该站点位于北纬35.32度、东经113.88度，海拔73.2m。气象数据含日照时数、降雨量、相对湿度、气温均值、气温最高值、气温最低值、10m高度处风速。

2.2 ET0预报模型

本文利用天气预报信息使用P-M方法作为计算依据直接预测ET0，该方法是联合国粮农组织推荐的现在最精细精确的计算ET0方法。计算逐日ET0的P-M公式的精度较高，计算式为：

ET0=■（1）

式中符号及其单位解释如下：

ET0：参照作物腾发量，单位：mm/d、Δ：温度水汽压曲线斜率，单位：kPa/℃、G：土壤热通量密度，单位：MJ/（m2·d）、Rn：作物表面净辐射量，单位：MJ/（m2·d）、？酌：湿度计常数，单位：kPa/℃、u2：2m高处风速，单位：m/s、es：饱和水汽压，单位：kPa、ea：实际水汽压，单位：kPa、T：2m高处平均气温，单位：℃。

式（1）中参数的具体计算公式参照文献[4]。

2.3 逐日ET0计算结果

基于实测气象数据使用 P-M公式计算得到年逐日ET0，使用Excel软件绘图功能得到下图1折线图。

3 基于天气预报信息的参照作物腾发量预报

3.1 数据

数据来源同2.1。

3.2 预测ET0的方法

采用FAO-56 P-M公式估算逐日ET0时需要当天的太阳辐射、气温最高值、气温最低值、风速均值、实际水汽压。这些数据通过解析天气预报内容得到，下文介绍解析方法。

3.2.1 逐日实际水汽压的预测

当处于夜间最低气温时，空气湿度接近于饱和的状态，此时可将日最低气温看作露点温度。

ea=e0（Tmin）=0.611exp■（2）

式中  e0（Tmin）—气温处于最低点时的饱和水汽压，kPa

Tmin—当日最低气温，℃

图1 年ET0变化曲线

3.2.2 逐日净辐射量的预测

每天的净辐射Ra可通过分析当地的太阳常数、日地相对距离、当地纬度、太阳倾角、日落时角等地理位置参数得到：

Ra=■Gscdr（ωssinφsinδ+cosφcosδsinωs）（3）

其中：δ=0.409sin（2πJ/365-1.39）（4）

dr=1+0.033cos（2πJ/365）（5）

J=int（275M/9-30+D）-2（6）

φ=π/180（当地纬度数）（7）

ωs=arccos（-tanφtanδ）（8）

式中符号解释：Ra：天文辐射量，MJ/（m2·d）、Gsc：太阳常数，取0.082MJ/（m2·min）、δ：太阳倾角，与某天在全年中的序数J有关、dr：日地相对距离、D：日数、φ：当地纬度，Rad、ωs：日落时角、M：月数。

3.2.3 逐日日照时数的预测

将最大日照时长N分为5等，对应五种常见天气，具体计算公式为：

n=aN（9）

其中N=24ωs/π（10）

式中：n：预测日照时数，单位：h、N：理论日照时数，单位：h、a：系数，对应晴朗、晴转多云、多云、阴天、雨分别取0.9、0.7、0.5、0.3、0.1[5]。

3.2.4 短波辐射量的预测

太阳短波辐射量Rs与天文辐射量Ra的关系式为：

Rs=（as+bsn/N）Ra（11）

式中n：实际日照时，h、N：理论日照时数、as：阴天时到达地球的总宇宙辐射量系数、as+bs：晴天时到达地球的总宇宙辐射量系数。

如果无多年实测太阳辐射值来标定，推荐采用as=0.25bs=0.50。

3.2.5 逐日风速预测

由气象观测标准可把预报的风力等级转换成风速，按式（12）可把在各高程风速转换为2m处的值。

u2=uz■（12）

式中：uz：距地面z米处的风速，m/s

z：风速测量高程，m

使用以上的各式计算出的太阳辐射、风速均值、实际水汽压，结合站点高程、纬度、最高最低气温预报，即可使用P-M公式得到ET0预报值。

4 分析与评价

4.1 评价指标

评价指标由相关系数（r）、均方根误差（RMSE）、决定系数（R2）、平均绝对误差（MAE）、一致性指数（d）和回归系数（b）组成，并同时结合传统的准确率指标进行分析，对于气温最低值、气温最高值、风速、日照时数、ET0的预报值，定义绝对误差分别在±2℃、±2℃、±2m/s、±2h、±1.5mm/d以内的样本为合格样本。各评价指标公式如下：

b=■（13）

R2=■（14）

RMSE=■（15）

MAE=■（16）

r=■（17）

d=1-■（18）

式中：i：第i个观测数据、pi：第i个预测数据、o：观测数据平均值、p：预测数据平均值、n：统计样本数。

4.2 天气预报数据精度评价

根据公式（13）（14）（15）（16）（17）（18），结合天气预报数据和实测天气数据可得到风速均值、气温最低值、气温最高值和日照时数的精度评价数据，包括相关系数回归系数、决定系数、均方根误差、平均绝对误差、一致性指数。

4.3 ET0预报精度评价

根据公式（13）（14）（15）（16）（17）（18），结合ET0预报值数据和ET0观测值数据可计算得到ET0的预报精度评价数据，包括回归系数、决定系数、均方根误差、平均绝对误差、一致性指数、相关系数。

经分析，基于天气预报信息的FAO-56 P-M公式预报的ET0值相对于基于气象观测信息计算的ET0预报值，在合理允许误差（±1.5mm/d）下的精度为94.7%，回归系数b为0.869，决定系数R2为0.694，均方根误差RMSE为0.847，平均绝对误差MAE为0.570，相关系数r为0.833，一致性指数d为0.904。

由图2可以看出预测值相对于观测值在秋初至春初这段时间内，预测准确率较高。自3月开始，预测值与观测值散点图的离散程度逐渐扩大，并于5月底至6月初达到最大离散程度，主要因天气预报精度不足从而影响了预测精度。

图2 ET0观测值与ET0预报值比较

5 结语

本文以农田种植的冬小麦为研究对象，通过解析天气预报数据进而使用P-M公式预报了预见期为3d的ET0值，在与以实测气象数据计算的ET0值进行比较评价后，得到以如下结论：在允许误差下，预报准确率较高且變化趋势较为一致，误差主要因天气类型预报精度较低导致日照时数预报精度较低而产生。

【参考文献】

[1]张倩.蔡焕杰.魏新光.等. 2010.基于主成分分析的参照作物腾发量预测研究[J].节水灌溉.（12）：64-66.

[2]Jensen. D.T.. Hargreaves. G.H.. Temesgen. B.. Allen. R.G. 1997. Computation of ETo under nonideal conditions. J. Irrig. Drain. Eng. 123（5）：394-400.

[3]Gowing J W. Ejieji C J. 2001. Real-time scheduling of supplemen-tal irrigation for potatoes using a decision model and short-term weather forecasts.Agric. Water Manage.47：137-153.

[4]Allen R G.Pereira L .Raes D.et al.Crop evapotranspiration.Guideline for computing crops water requirements[R].Rome：FAO Irrigation and Drainage Paper No.56.1998.

[5]Cai J B.Liu Y.Lei T W.et al.Estimating reference evapotranspiration with the FAO Penman-Monteith equation using daily weather forecast message[J].Agricultural and Forest Meteorology. 2007.145（1-2）：22-35.