设为首页 加入收藏 期刊导航 网站地图
  • 首页
  • 期刊
    • 数学与物理
    • 地球与环境
    • 信息通讯
    • 经济与管理
    • 生命科学
    • 工程技术
    • 医药卫生
    • 人文社科
    • 化学与材料
  • 会议
  • 合作
  • 新闻
  • 我们
  • 招聘
  • 千人智库
  • 我要投搞
  • 办刊

期刊菜单

  • ●领域
  • ●编委
  • ●投稿须知
  • ●最新文章
  • ●检索
  • ●投稿

文章导航

  • ●Abstract
  • ●Full-Text PDF
  • ●Full-Text HTML
  • ●Full-Text ePUB
  • ●Linked References
  • ●How to Cite this Article
Advances in Environmental Protection 环境保护前沿, 2014, 4, 18-27
Published Online December 2014 in Hans. http://www.hanspub.org/journal/aep
http://dx.doi.org/10.12677/aep.2014.46B003
18
Applicability of Four Combination
Methods for Reference Crop
Evapotranspiration in China’s Main
Agricultural Areas
Jinfeng Cao, Yuzhong Li, Xiaoying Liu*, Xiuli Zhong , Yemeng Zhao
Institute of Environment and Sustainable Development in Agriculture, Chinese Academy of Agricultural
Sciences/Key laboratory of Dry Land Agriculture, MOA, Beijing
Email: bameixiu @126.com, *liu xiaoy ing@caas.cn
Received: September 2014
Abstract
Accurate estimation of reference crop evapotranscpiration (ET0) is critical for computation of crop
water requirement. The currently numerous ET0 methods, which bring convenience for computing
water requirement, cause confusion in method choice. Using data from six sites in main agricul-
tural areas in China and with FAO 56 Penman -Monteith (PM) as reference, four commonly used
combination methods were assessed. Results showed that the 1963 Penman, FAO-ppp-17 and
1996 Kimberly Penman overestimated the PM by 0.28, 0.52 and 0.14 mmd−1 (averaged over six
sites), respectively, corresponding to 16.0%, 25.2% and 2.4%. In contrast, the FAO 24 undere sti-
mated the PM by 0.17 mmd−1 or −5.3%. Overall, daily ET0 of the four methods differed significantly
from that of the PM, and their performance based on RMSE showed the order: FAO 24 > Pen63 >
Kpen > FAO-ppp-17, which varied among southern and northern sites: the 1963 Penman was the
best at northern sites and the FAO 24 was the best at southern sites. In addition, validity of the
1963 Penman was the best, and that of the FAO-ppp-17 was the poorest, implying the importance
to evaluate the latter before use. As a whole, the four methods performed poorer at the northern
sites than that at the southern ones, and they gave best performance at Shapingba and poorest at
Haerbin, meaning that the Penman and its derivative versions are more applicable in humid cli-
mates. Daily comparison at each month indicated that mean bias error (MBE) was larger at sum-
mer months and smaller at winter months, but it was opposite for relative error (RMBE). Total so-
lar radiation, net radiation and humidity are the most important factors influencing performance
of the four methods.
Keywords
Reference Crop Evapotranspiration, FAO-ppp-17, Penman-Monte ith , Kimberly Penman,
Combination Methods, China’s Main Agricultural Area
*通讯作者。
四种参考作物蒸散量综合法在我国农业主产区的适用性
19
四种参考作物蒸散量综合法在我国
农业主产区的适用性
曹金峰，李玉中，刘晓英*，钟秀丽，赵叶萌
中国农业科学院农业环境与可持续发展研究所/农业部旱作节水农业重点开放实验室，北京
Email: b ameixiu @126.co m, *liuxiao ying@caas.cn
收稿日期：2014年9月
摘 要
参考作物蒸散量(ET0)的准确估算是作物需水量计算的关键。目前的许多ET0方法在为需水量估算带来便
利的同时，也造成选择上的困惑。本文利用我国农业主产区六个站点的数据，以FAO 56 Penman-
Monteith (PM)为标准，评价了国内外常用的四种 综合法的 适用性。 结果表明 ， 1963 Penman、FAO-
ppp-17 及1996 Kimberly penman都高估PM ，在六站点平均高估0.28 mmd−1、0.52 mmd−1和0.14
mmd−1，相当于16.0%、25.2%和2.4%；而FAO 24 penman低估PM，六站点平均−0.17 mmd−1，相当
于−5.3%。总体上 ，四种综 合法与PM间的日值差异显 著。依据R MSE (均方根误差 )的吻合程度排序为：
FAO 24 > 1963 Penman > 1996 Kimberly penman > FAO-ppp-17，但南、北方站点有差异：北方站点
1963 Penman与PM最吻合，南方站点FAO 24与PM最吻合。此外，1963 Penman的普适性最好，FAO-
ppp-17最差，故应用前对其评价更重要。四种综合法在北方站点表现较差，在南方站点较好，其中在沙
坪坝适用性最好，在哈尔滨最差 ，表明 P enman法 及其衍生 的多种综合 法在湿润气候下 适用性更好 。逐
月日ET0比较显示，绝对差值 在夏 季月 份较 大、 冬季 月份 较小 ，但 相对 差值 则是 夏季 月份 较小 、冬 季 月
份较大。影响四种综合法与PM差异的关键因子为总辐射、净辐射和相对湿度。
关键词
参考作物蒸散量，FAO-ppp-17，Penman-Montei th ，Kimberly Penman，综合法，农业主产区
1. 引言
作物蒸散量/需水量是农田水分循环的重要组成部分，目前有多种测定手段，但由于成本问题，基于
参考作物蒸散量
( )
0
ET
的间接估算，即作物系数乘以ET0的方法[1]仍是主流，使ET0成为影响作物需水量
准确估算的关键。
过去已提出很多类ET0方法，每一类中又有若干方法，十分繁杂。根据计算原理及输入数据的不同，
这些方法大致划分为综合法[2] [3]、辐射法[4]、温度法[5] [6]和蒸发皿法[7]。目前每类方法都有一定应用，
但一般认为Penman类综合方法估算精度最好[8]，FAO也向全球推荐了Penman-Monteith (PM)法为计算ET 0
的标准方法[1]。
综合法基于 1948 年提出的 Penman [2]公式，该式针对英格兰南部的气候和试验而建立，最初用于描
述开阔水面的自由蒸发。综合法的计算原理十分复杂，涉及到大气能量传输、地表能量平衡以及水汽扩
散的空气动力学原理。因此，在诸多 ET0估算方法中，围绕综合法的研究最活跃，并进一步衍生出多种
版本。例如，Dorenbos & Pruitt [9]对Penman 公式中风函数的改进形成较有影响的 FAO 24 Penman；Frére
四种参考作物蒸散量综合法在我国农业主产区的适用性
20
& Popov [10]对Penman 式中风函数的修正衍生出 FAO-ppp-17 公式；Monteith [3]通过引入水汽扩散的冠
层阻力形成著名的 PM 公式；Wright & Jensen在美国 Kimberly, I daho对Penman 公式的研究衍生出 1972、
1982 以及 1996 Kimberly Penman公式[11]-[13]。
综合法多版本的出现，虽为实际应用带来了便利，但由于气候的多样性及复杂性，加之对这些版本
缺乏检验，实际中做出合理选择并非易事，导致方法选择的困惑及任意性。而且，目前关于综合法的评
价结果很不一致，国内学者龚元石[14 ] 、杜尧东[15]及张文毅[16]的研究，国外学者H owe l l等[17]、Yoder
等[18]、Nandagiri and Kovoor [19]的研究都反映了这一点。这些问题不仅增加了研究结果的不确定性，导
致夸大实际用水或对其估计不足，也影响了对水资源相关科学问题的正确阐释。本文利用我国农业主产
区六个站点近60年的数据，评价了国内外常用的四种综合方法，旨在为作物用水及农业水资源规划管理
提供参考。
2. 材料与方法
2.1. 综合法公式
评价的方法包括1963 Penman [20]、FAO-ppp-17 Penman、FAO 24 Penman以及1996 Kimberly Pen-
man，下文分别简称为Pen63、F AO-ppp-17、FAO 24及Kpen。这些方法都以供水良好的草为试验建立。
1963 Penman具体公式[8]为：
()()( )
02
ET
nwww sa
R GKabuee
γ
λγγ
∆
=−++ −
∆+ ∆+
(1)
式中ET0为参考作物蒸散量(mmd −1)；
n
R
为净辐射(MJm−2d−1)；
G
为土壤热通量(MJm−2d−1)，本 文 取
0G=
；
∆
为饱和水汽压~气温关系斜率(kPa℃−1)；
γ
为干湿计常数(kPa℃−1)；
w
K
为单位转换系数
( )
6.43=
；
w
a
、
w
b
为风函数系数；
2
u
为2 m高度风速(ms−1)；
s
e
、
a
e
为饱和、实际水汽压(kPa)。
FAO -ppp-17 [10]公式形式与(1)相同，但风函数系数为依赖于温差
( )
T∆
的分段函数：
( )
0.54 12
0.54 0.3512 412
w
T
bTT
∆<

=+ ∆−∆≥

℃
℃
(2)
FAO 24是Doorenbos & Pruitt [9]对Penman公式的一个修正版本，其不仅使用了更为敏感的风函数，
还引入了修正系数
c
。具体公式为：
( )
( )
( )
02
ET2.7 10.864
n sa
c RGuee
γ
γγ

∆
=−+ +−

∆+ ∆+

(3)
式中
c
的计算很复杂，除需要最大相对湿度和总辐射外，还需要日间及夜间风速。后人围绕
c
又有较多修
正，致使其越来越复杂。因此实际中采用
1
c≠
的情况不多，本文取
1c=
。
1996 Kimberly Penman基于美国Idaho、Kimberly的数据，使用了时变的风函数系数：
2
2
170
0.30.58exp,
45
228
0.32 0.54exp67
w
w
J
a
J
b

−

=+−






−

=+−





(4)
式中
J
为儒历日。
FAO 56 PM [1] 是在Jensen等[8]的研究基础上，经过FAO专家小组讨论向全球推荐的方法。该法是对
四种参考作物蒸散量综合法在我国农业主产区的适用性
21
原始PM式的简化，将反映下垫面特性的参数如株高、叶面积指数及冠层阻力固定下来。具体公式为：
( )()
( )
2
02
900
0.408 273
ET 1 0.34
n sa
R Gue e
Tu
γ
γ
∆ −+−
+
=∆+ +
(5)
式中
T
为平均气温(℃)，其它符号同前。
2.2. 相关变量的估算
除特别说明，本文所有相关变量及辅助参数的估算主要依据FAO 56的方法[1]。总辐射
s
R
是综合法
计算ET0时最重要的估算变 量，本文 估算时 模型参 数全 部采用刘 晓英等[2 1]的校正值。反射 率在Pen63中
取值0.25，其他方法均为0.23。由于使用校正的辐射参数，晴空辐射
0s
R
的计算也不同于FAO 56 ，具体计
算见Liu e t al. [22]。此外，不同综合法对
s
e
的计算也不同。早期版本使用平均温度计算，近期的PM及Kpen
则通过先计算最高、最低再取平均值的方法。
2.3. 站点及数据
选择我国粮食主产区六个站点近60年的长系列数据(表1)，包括哈尔滨、乌鲁木齐、北京、南京、武
汉、重庆沙坪坝，使用日数据进行评价。实测气象要素包括最高、最低温度，风速，日照，平均相对湿
度、大气压，由中国气象局气候资料中心提供。
2.4. 评价方法与指标
由于ET0实测值获取困难，用一种公认的准确方法去评价其它方法是国际上常用手法，目前多使用
FAO 56 PM作为标准[7]。本文也使用这种方法。评价指标包括决定系数
2
R
、平均偏差MBE、平均相对偏
差RMBE、均方根误差RMSE以及
t
统计量。具体计算公式参阅Liu et al.[21]。
3. 结果分析
3.1. 综合法与 PM的日 ET0比较
图1为四种综合法在六个站点的日估算值与PM估算值的比较。显见，Pen63与PM的一致性最好，表
现在其R2最高(0.992~0.998)，斜率也最接近于1(1.027~1.081)。相反，Kpen与PM的一致性最差，但在哈尔
滨是例外，此站点FAO-ppp-17与PM的一致性最差。图1还表明，除FAO 24比PM估算值偏低以外，其他
三种方法都高估，尤以F AO-ppp-17的高估最严重。
Table 1. Characteristics of the studied sites
表1. 站点基本信息
站名 纬度/˚N 经度/˚E 海拔/m
多年平均 资料年限
降水/mm 温度/˚C 温差/˚C 日照/h 相对湿度/%
哈尔滨 45.75 126.77 142.3 634 4.39 11.34 2528 66 1951~2010
乌鲁木齐 43.78 87.62 917.9 267 7.57 10.27 2676 58 1955~2010
北 京 39.80 116.47 31.3 588 12.48 10.81 2669 57 1951~2010
南 京 32.00 118.80 8.9 1061 16.10 8.67 2043 76 1951~2010
武 汉 30.62 114.13 23.1 1260 17.30 8.15 1964 77 1951~2010
沙坪坝 29.58 106.47 259.1 1096 18.94 6.60 1097 80 1952~2010
四种参考作物蒸散量综合法在我国农业主产区的适用性
22
Figure 1 . Comparison of daily ET0 between PM and combination methods
图1. ET0综合法与 PM 计算的日值比较
综合法与 PM 日值比较的统计特征值(图2)同样表明，Pen63 及FAO -ppp-17 都高估 PM，前者的高估
在0.25~0.31 mmd−1之间，六个站点平均 0.28 mmd−1，相 应RMBE 为16.0%；后者高估在 0.35~0.68 mmd−1
之间，六个站点平均 0.52 mmd−1，相应 RMBE 为25.2%。Kpen 的高估程度小于 Pen63 及FAO-ppp-17，
在0.02~0.19 mmd−1之间，六个站点平均 0.14 mmd−1，相应 RMBE 为2.4%。四种方法中只有 FAO 24低
四种参考作物蒸散量综合法在我国农业主产区的适用性
23
a. MBE
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
MBE /mmd
-1
b. RMBE
-10
0
10
20
30
40
RMBE /%
c. RMSE
0.0
0.4
0.8
1.2
哈尔滨 乌鲁木齐北京南京武汉沙坪坝
站 点
RMSE /mmd
-1
Pen63 FAO-ppp-17 FAO 24
Kpen
d. t
0
7
14
21
28
35
哈尔滨 乌鲁木齐北京南京武汉沙坪坝
站 点
t
t0. 05
Figure 2 . Statistics comparing daily ET0 between PM and combination methods (Data pair is 20454~21915)
图2. ET0综合法与 PM 日值比较的统计特征值(数据样本为20454~21915)
估PM，范围在−0.04~−0.38 mmd−1之间，六个站点平均为−0.17 mmd−1，相应 RMBE 为−5.3%。可见，依
据MBE 及RMBE 的排序为 Kp en > FAO 24 > Pen63 > FAO-ppp-17。
然而，根据 RMSE(图2c)上述排序发生变化。其中 FAO 24表现最好，RMSE 为0.14~0.64 mmd−1，
六站点平均 0.32 mmd−1；其次为 Pen63，RMSE为0.28~0.36mmd−1，平均 0.33 mmd−1，与 FAO 24极为接
近；再次为 Kpen，RMSE 为0.24~0.47 mmd−1，平 均0.37 mmd−1；FAO-ppp-17 表现最差，RMSE 为0.40~1.08
mmd−1，平均 0.69 mmd−1，特别在哈尔滨，RMSE 高达 1.08 mmd−1。由于很大的高估与低估有相互抵消
作用，可导致很小的 MB E
，
这将掩盖方法之间真正的差异。因此依据 RMSE 的排序更可靠。
四种综合法的普适性不同，其中 Pen63 及Kpen 优于 FAO-ppp-17 及FAO 24，这从 RMBE 和RMSE
在不同站点的波动反映出来。Pen63 在应用效果最好与最差站点的 RMBE 分别为15%和16.3%，RMSE
分别为 0.28 和0.36 mmd−1；Kpen 在应用效果最好与最差站点的 RMBE 分别为−0.1%、4.9%，RMSE 分
别为 0.24、0.47 mmd−1；两个指标在站点间的波动较小。相反，F AO-ppp-17 在应用效果最好与最差站点
的RMBE 分别为 19.7%、33.4%，RMSE 分别为 0.40、1.08 mmd−1；FAO 24在应用效果最好与最差站点
的RMBE 分别为−0.1%、−10.2%，RMSE 分别为 0.14、0.64 mmd−1，两个指标在站点间的波动较大。因
此，使用前对 FAO-ppp-17 及FAO 24的评价更为重要。
由于站点间气候差异，每种方法的适用性地域差异明显。例如 Pen63 在乌鲁木齐应用效果最好，在
北京最差；F AO-ppp-17 在沙坪坝应用效果最好，在哈尔滨最差；FAO 24在沙坪坝应用效果最好，在乌
鲁木齐最差；Kpen 在北京应用效果最好，在乌鲁木齐最差。就空间表现而言，北方站点 Kpen 的适用性
最好，平均MBE 和RMBE 分别为 0.13 mmd−1、−0.02%；而南方站点 FAO 24的适用性最好，平均 MBE
和RMBE 分别为−0.06 mmd−1、−1.14%。但总体上，所有综合法在南方站点的适用性优于北方，其中在
沙坪坝表现最好，而在哈尔滨最差。可见，Penman 综合法及其衍生出的多种版本更适用于湿润气候。
t
检
验(图2(d))表明，四种综合法与 PM 的ET0日值差异显著。但在北京 Kepn 与PM 无显著差异
()
0.05
1.3 1.645tt=<=
。
3.2. 综合法与 PM的逐月日 ET0比较
为进一步了解综合法与 PM 在不同月份的差异，把不同年份、同一月份的日值构成新样本分析。逐
月MBE(图3a~图3f)表明，Pen63 及FAO-ppp-17 在所有站点的所有月份都高估 PM，且后者比前者高估
四种参考作物蒸散量综合法在我国农业主产区的适用性
24
a. 哈尔滨
-0.5
0.0
0.5
1.0
1.5
MBE /mmd
-1
b. 乌鲁木齐
-1.0
-0.5
0.0
0.5
1.0
1.5
MBE /mmd
-1
c. 北京
-0.5
0.0
0.5
1.0
1.5
MBE /mmd
-1
d. 南京
-0.5
0.0
0.5
1.0
1.5
MBE /mmd
-1
e. 武汉
-0.5
0.0
0.5
1.0
1.5
MBE /mmd
-1
f. 沙坪坝
-0.5
0.0
0.5
1.0
1.5
12 3 4 5 67 8 910 1112
月份/Month
MBE /mmd
-1
g. 哈尔滨
-30
-20
-10
0
10
20
30
40
50
PMBE /%
h. 乌鲁木齐
-30
-20
-10
0
10
20
30
40
50
PMBE /%
i. 北京
-30
-20
-10
0
10
20
30
40
50
PMBE /%
j. 南京
-20
-10
0
10
20
30
40
50
PMBE /%
k. 武汉
-20
-10
0
10
20
30
40
50
PMBE /%
l. 沙坪坝
-20
-10
0
10
20
30
40
50
1234567891011 12
月份/Month
PMBE /%
m. 哈尔滨
0
10
20
30
t
o. 北京
0
10
20
30
t
n. 乌鲁木齐
0
10
20
30
t
p. 南京
0
10
20
30
t
q. 武汉
0
10
20
30
t
t0.05
r. 沙坪坝
0
10
20
30
12345678910 1112
月份/Month
t
Pen63 FAO-ppp-17 FAO 24
Kpe n
Figure 3 . Monthly MBE, RMBE and t-test for daily values of PM and combination methods
图3. ET0综合法与 PM 日值比较的逐月MBE、RMBE 及t检验
幅度大。就站点而言，在哈尔滨高估最严重，其次为北京、乌鲁木齐。相比之下，南方站点高估都较小。
就月份而言，4~6 月高估较大，但以5月最大，如Pen63 在哈尔滨、乌鲁木齐、北京分别平均高估 0.49、
0.43、0.44 mmd−1，FAO-ppp-17 在这些站点 5月份高估更是达到 1.68、1.05、1.24 mmd−1；5月份 Pen63
在南京、武汉、沙坪坝分别高估 0.40、0.35、0.31 mmd−1，FAO-ppp-17 则高估 0.66、0.51、0.43 mmd−1。
FAO 24以低估为主，且在南方站点低估幅度很小，多在−0 .1 mmd−1以内；但在北方的哈尔滨、北京低估
较多，其中低估最大的 5月为−0.47 mmd−1；在乌鲁木齐低估更多，达到−0.60~−0.88 mmd−1，且涉及长达
5个月(5~9 月)，其中 8月份低估最大。Kpen 则既有高估、也有低估月份，且高估月份多在夏半年，低估
月份在冬半年。显见，Kpen 的高估幅度远大于其低估幅度，其中 7月份最大，自北向南站点的 MBE 依
次为：0.74、0.90、0.59、0.59、0.56、0.46 mmd−1，相应 RMBE 为12.8~18.8%。
从RMBE 来看，综合法与 PM 日值差异在年内分布为 U型(图3g~图3l)，且 6~8月最小，冬季月份
较大，这是因为冬季月份 ET0相对较小造成的。其中 Pen63 在哈尔滨、北京的 6月RMBE 最小，为 12%、
9.4%；在乌鲁木齐的 8月最小，为 6.1%；在南方站点的 7月最小，为 9.6%~9.9%。Pen63 在所有站点的
1~3 及11~12月份、FAO-ppp-17 在所有站点的 1~4 及10~12 月份的高估程度多在 20%以上。FAO-ppp-17
在所有站点的 7月低估最小，在 13.0%~17.6%之间，且自北向南有减小趋势。F AO 24在南方站点的低估
不大，多在 5%以内，且很多月份不到 2%；而在北方站点的 3~9 月低估多在 10%以内，但乌鲁木齐是例
外。Kpen 与PM 日值差异逐月分布较为复杂，其中 6~9 月高估严重，所有站点均在 10%~19%之间，而
冬季月份低估严重，特别在北方站点，有些接近−30%。
综合法与 PM 逐月日值比较的 t检验(图3m~图3r)显示，Pen63 及FAO-ppp-17 与PM在所有站点的
四种参考作物蒸散量综合法在我国农业主产区的适用性
25
所有月份差异均显著，而 F AO 24在南方站点有 4~6 个月与 PM 无显著差异，且多在上半年。
3.3. 综合法与 PM差异的关键影响因子
图4表明，在相关的方向上，Pen63、Kpen、F AO-ppp-17 表现出较好的一致性，即这三种方法与 PM
的吻合程度与大气压、相对湿度、降水多为负相关，与其他因子为正相关，表明在低海拔区及较湿润地
区吻合程度高。影响四种方法与 PM 吻合度最大的关键因子为
s
R
、
n
R
(图4a、b、d)，说明总辐射和净辐
射水平越高，这些方法与 PM 的差异越大，选用综合方法时越需要谨慎。这与 2.1 中南方站点表现好、
北方站点表现差是一致的。
从图 4(c)表面上看，FAO 24在相关方向上与上述方法趋势相反。但仔细分析就会发现，该趋势实质
上与图 4(a)、(b)、(d)是一致的。因为 FAO 24低估 PM，即其 MBE < 0。因为 MBE 低于 0的幅度越大，
在数学上 MBE 越小；而 MBE 低于 0的幅度越小，在数学上 MBE 越大。因此对图 4(c)的正确解读就是：
相对湿度越大，数学上 MBE 也越大，即低估幅度越小，FAO 24与PM 的吻合程度越好。这也与 2.1 中
FAO 24在南方站点表现好、北方站点表现差是一致的。因此图 4(c))说明，在越湿润的气候条件下，FAO
24 与PM的吻合程度越好，反之则差。可见，影响 FAO 24 与PM 吻合程度的关键因子与其他综合法不
同。
b. FAO-ppp-17
-1.0
-0.5
0.0
0.5
1.0
a. Pen6 3
-1.0
-0.5
0.0
0.5
1.0
相关系数
c. FAO 24
-1.0
-0.5
0.0
0.5
1.0
哈尔滨乌鲁木齐北京 南京 武汉沙坪坝
站 点
相关系数
RsRnlRn
PRH u n Tx TnTmRΔT
d. Kpen
-1.0
-0.5
0.0
0.5
1.0
哈尔滨乌鲁木齐北京 南京 武汉沙坪坝
站 点
Figure 4 . Correlations of difference for ET0 between PM and combination methods with meteorological variables
图4. 综合法与 PM 差异与气象变量的相关性
4. 讨论与结论
本文结果与以往研究结果有一定差异。Jensen 等[8]综合所有站点的排序为：Pen63 > FAO -ppp-17 >
FAO 24，其标准差(SEE)分别为 0.57、0.91、0.66 mmd−1，而且这一顺序在干旱、湿润站点都适用。这与
本文结果部分一致，即在北方的干旱站点 Pen63 表现最好。但在湿润站点关于 FAO24 的结果与本文不一
致。由于涉及的 ET0方法及站点较多，Jensen 等[8]使用了月平均日数据，因而忽略了数据在月内的日变
化，这可能会影响评价结果。Irmak 等[7]在美国湿润气候下也评价了 Pen63 和FAO 24，但结论与本文也
不一致。其结果是 Pen63 最好，FAO 24则较差，SEE 分别为 0.14、0.22 mmd−1。但与本文比较一致的是
Pen63 高估。差异的原因有可能是公式辅助参数的算法不同所致，他们的估算完全按照 FAO 56方法，而
本文部分遵循了 Pen63 原式的算法。
国内专门针对综合法的系统研究很少。龚元石[14]在北京比较了 FAO-ppp-17 与PM，指出前者高于
四种参考作物蒸散量综合法在我国农业主产区的适用性
26
PM，月偏差 10%~25%，年偏差 16%，这与本文结果趋势相一致。胡顺军等[23]在新疆的研究表明，
FAO -ppp-17 的年值略大于 PM，绝对偏差 42~128 mm，相对偏差 3.3%~9.8%。但 1、2、12 月低估 PM，
3~10 月高估。与本文结论趋势一致，但个别月份有差异。国内虽对 F AO-ppp-17 研究较多，但很少提供
计算细节。龚元石[1 4] 只给出了 Rn 公式，其他参数如何计算均未提及。杜尧东[15]给出了计算细节，但
其结论与本文不一致，特别是峰值月份 PM > F AO-ppp-17 与本文结果相反。张文毅[16]也未给出具体过
程，其结果是 4~7 月FAO -ppp-17 > PM，其他月份小于 PM，这与杜尧东[15]的结论也不一致。这些不一
致的结论，可能是辅助参数算法不同引起，也可能是数据处理方式不同引起。深究这些不一致的原因是
目前 ET0评价研究面临的重要科学问题。
本文结果强调了作物系数法估算需水量范式下
c
K
与ET0匹配使用的重要性。在 FAO 56 PM推荐之
前，FAO-ppp-17 及Pen63 曾在我国广泛使用。例如我国上世纪 90 年代初期较有影响的作物需水量等值
线图研究[24]就基于 F AO-ppp-17。当时由于对 ET0评价的重要性认识不足，未经比较就直接选用了该方
法。但根据本文结果，不论是Pen63、还是 FAO -ppp-17 在我国农业主产区都存在严重高估问题。而由于
目前的
c
K
信息多基于 FAO-ppp-17，但使用的 ET0方法已发生改变，
c
K
与ET0不匹配的现实将造成农业
用水估算的不确定性。因此在 FAO 56 PM框架下重新认识我国主要作物的
c
K
对正确认识作物耗水及我
国农业用水十分必要。
参考文献 (References)
[1] Allen, R.G., Pereira, L.S., Raes, D., et al. (1998) Crop evapotranspiration—Guidelines for computing crop water re-
quirements. FAO Irrig and Drain Paper No. 56, Rome.
[2] Penman, H.L. (1948) Natural Evapor ation from open water, b are soil and grass. Proc of the Royal Soc, Series A , 193,
120-145.
[3] Monteith, J.L. (1965) Evaporation and the environment. Symposium of the Society of Exploratory Biology, 19, 205-
234.
[4] P riestley, C.H.B. and T ayl or, R.J. (1972) On t he assessment of surface heat and evaporatio n using large-scale param e-
ters. Mon Weather Rev, 100, 81-92.
[5] Thornthwaite, C.W. and Mather , J.R. (1957) Instruction and tables for computing potential evapotranspiration and the
water bal ance. Drexel Institute of Technology, Laboratory of Climatology, Publications in Climatology, 10, 311.
[6] Hargreaves, G.H. and Samani, Z.A. (1985) Reference crop evapotran spiration from temperature. Applied Engineering
in Agriculture, 1, 96-99.
[7] Irmak, S., Allen, R.G. and Whitty, E.B. (2003) Daily grass and alfa lfa-reference evapotranspiration estimates and al-
fal fa -to -grass evapot ranspir a tion r a t ios in Florida . J. Irrig. Drain. Eng., 129, 360-370.
[8] Jens en, M.E., Burman, R.D. and Allen, R.G. (1990) Evapotranspiration and irrigation water requirements. ASCE Ma-
nuals and Reports on Engineering Practices No. 70. ASC E, New York.
[9] Doorenbos, J. and Pruitt, W.O. (1977) Crop water requirements. Irrigation and Drainage Paper No. 24, (rev.) FAO,
Rome, Italy.
[10] Frére, M. and Popov, G.F. (1979) Agrometeorological crop monitoring and forecasting. FAO Plant Production and
Prot ection Pap er 17. FAO, Rome, Italy.
[11] Wrigh t , J.L. and Jensen, M.E. (1972) Peak water requirements of crops in Southern Idaho. J. Irrig. and Drain. Div.,
ASCE, 96(IR1), 193-201.
[12] Wrigh t , J.L. (1982) New evapotranspi r ation crop coefficients. J. Irri g. and Drain. Div., ASCE, 108(IR2 ), 57-74.
[13] Wrigh t , J.L. (1996) Derivati on of alfalfa and grass referen ce evapotr anspiration. In : Camp, C.R., Sadler, E.J. and Yo-
der, R.E., Eds. , Evapotranspiration and Irrigation Scheduling, Proc. Int’l. Conf., ASAE, San Antonio, 133-140.
[14] 龚元石 (1995) Penman-Monteith公式与 FAO-PPP-17 Pe nman修正式计算参考作物蒸散量的比较.
北京农业大学
学报
, 1, 68-75.
[15] 杜尧东, 刘作新, 张运福 (2001) 参考作物蒸散计算方法及其评价.
河南农业大学学报
, 1, 57-61.
[16] 张文毅, 党进谦, 赵璐 (2010) Penman-Monteith 公式与 Penman 修正式在计算 ET0 中的比较研究.
节水灌溉
, 12,
四种参考作物蒸散量综合法在我国农业主产区的适用性
27
54-59.
[17] Howell, T.A., Evett, S.R., Schneider, A.D., Dusek, D.A. and Copeland, K.S. (2000) Irrigated fescue grass ET com-
pared with calculated reference ET. Proceedings of the 4th National Irrigation Symposium, St. Joseph, Mich, ASAE,
228-242.
[18] Yoder, R.E., Odhiambo, L.O. and Wright, W.C. (2005) Evaluation of methods for estimating daily reference crop
evapotranspiration at a site in the humid southeast United States. Applied Engineering in Agriculture, 21, 197-202.
[19] Nandagiri, L. and Kovoor, G.M. (2006) Performance evaluation of reference evapotranspiration equation across a
range on Indian climate. Journal of Irrigation and Drainage Engineering, 132, 238-249.
[20] Penman, H.L. (1963) Vegetation and hydrology. Tech. Comm. No. 53, Commonwealth Bureau of soils, Harpenden,
England.
[21] Liu, X.Y., Xu, Y. L. , Zhong, X.L., et al. (2012) Assessing models for parameters of the Ångström-Prescott formula in
China. Applied Energy, 96, 327-338.
[22] Liu, X.Y., Mei, X.R., Li, Y.Z., et al. (2009) Variation in reference crop evapotranspiration caused by the Ångström-
Prescott coefficient: Locally calibrated versus the FAO recommended. Agricultural Water Management, 96, 1137-
1145.
[23] 胡顺军, 潘渝, 康绍忠, 等 (2005) Penman-Monteith 与Penman 修正式计算塔里木盆地参考作物潜在腾发量比较.
农业工程学报
, 6, 30-35.
[24] 陈玉民, 郭国双 (1993) 中国主要农作物需水量等值线图研究. 中国农业科技出版社, 北京.

版权所有：汉斯出版社 (Hans Publishers) Copyright © 2012 Hans Publishers Inc. All rights reserved.