测定和估算田间作物腾发量方法研究综述

            测定和估算田间作物腾发量方法研究综述许迪刘钰（中国水利水电科学研究院北京１０００４４）有关测定和估算田间作物腾发量的方法研究在以往３０年中取得较大进展。一些常见的直接或间接测定法虽得到不断简化和完善，但距离在田间尺度范围内推广使用尚有一定差距。利用气象观测数据通过经验公式计算参照作物腾发量的方法似乎具有较好的效果，但估值的时间精度限制和较强的区域局限性，制约了其自身的普遍应用。理论公式中修正的Ｐｅｎｍａｎ－ＦＡＯ公式与Ｐｅｎｍａｎ－ＭｏｎｔｅｉｔｈＦＡＯ公式是目前被广泛采用的较好估算参照作物腾发量的方法，虽然后者的基础理论假设要比前者更趋合理，但实际应用结果表明两者间谁更切合实际还应参照当地具体情况决定。计算作物系数的方法主要分为时间平均Ｋｃ法和基础Ｋｃ法，前者适用于灌溉系统的规划设计和管理工作，后者则可用于以日水量平衡为基础的研究中。为实现农业可持续发展的目标，需要对测定和估算田间作物腾发量的方法不断进行完善和提高，只有在准确地确定作物腾发量基础上，才能严格地建立起田间土壤水平衡关系和区域水均衡模式，避免过量灌溉引起的水资源浪费和诸如土壤盐碱化

区域参考作物腾发量演变特征及预测模型研究

             区域参考作物腾发量演变特征及预测模型研究根据辽宁省近50年的气象资料，应用Penman-Montieth（P-M）公式计算了逐月参考作物腾发量，对参考作物腾发量及气象要素的年际变化特征、季节变化特征、月际变化特征及趋势进行了分析，应用统计检验方法分析了影响参考作物腾发量变化的主要气象因素。利用计算的逐月ETO数据，一个地区（流域）相应建立了一种或几种腾发量预测模型[随机型时间序列模型、确定型时间序列模型、基于小波消噪的随机模型、α-加权模糊线性回归预测模型、小波消噪的偏最小二乘回归预测模型、BP神经网络ETO预测模型、RBF神经网络ETO预测模型、Elman神经网络ETO预测模型、支持向量机（support vector machine，SVM）ET,。预测模型、基于最小二乘支持向量机的ETO预测模型、动量改进BP神经网络ETO预测模型、自适应模糊推理系统（ANFIS）神经网络ETO预测模型、广义回归神经网络模型、灰色BP神经网络模型、灰色广义回归神经网络模型]，并对模型进行了显著性检验。同时还研究了抚顺地区参考作物腾发量的分布式模型。

区域参考作物腾发量演变特征及预测模型研究可供农田水利、水源、水文、生态、环境等专业的生产、教学、科研、管理及决策者使用和参考。