基于改进Makkink模型的四川盆地参考作物蒸散量估算

为了有效提高四川盆地参考作物蒸散量ET₀的预报精度,选取四川盆地16个代表性气象站点1961-2019年逐日气象数据,基于差分进化算法(DE)对辐射模型的经验参数校准改进Makkink模型并估算四川盆地ET₀,在日、月尺度上对改进的Makkink模型(M1-M6)和Jennsen-Haise(JH)及Irmak(IK)模型评价.结果表明:在日尺度上,改进的Makkink(M1-M6)模型(R²为0.77~0.87)模拟结果比JH和IK模型(R²为0.74~0.76)更精确,改进的Makkink模型中,M4模型估算精度最高,综合性指标GPI中位数为1.05;在月尺度上,改进的Makkink模型模拟结果(误差为3.59~15.71 mm/月)也优于JH和IK模型(误差为6.84~25.31 mm/月),其中M4模型估算精度最佳,综合性指标GPI为1.72.总体而言,推荐以温度和相对湿度作为输入数据的M4模型模拟四川盆地ET₀.     

四川省不同区域地表太阳总辐射模型适用性评价

选用1994−2016年四川省7个辐射站气象数据,在3个辐射区（川西高原I区、川东盆地II区和川西南山地III区）中评价了6种地表太阳总辐射（Rs）估算模型在3种天气类型（晴、多云、阴）下的适用性,并分析基于天气类型的组合模型在不同区域的模拟效果,以探寻最适宜全省不同区域的Rs估算方法。结果表明：（1）各经验模型在四川省整体表现良好（决定系数R2介于0.554～0.934,P <0. 001）,I区（甘孜和红原站）模拟效果最好的为日照时数模型A−P（平均绝对误差MAE为2.210±0.714MJ∙m⁻²∙d⁻¹）,II区（成都、绵阳和泸州站）、III区（峨眉山和攀枝花站）模拟效果最佳的均为混合模型Chen（II区MAE为1.510±0.027MJ∙m⁻²∙d⁻¹,III区为1.930±0.006MJ∙m⁻²∙d⁻¹）;（2）6个模型在四川省3种天气类型下的模拟效果呈晴天>多云>阴天的规律,日照时数模型（A−P和Ba模型）能更好地模拟晴天时的Rs,混合模型（Chen和Ab模型）则在多云和阴天时模拟效果更佳,I区在晴天、多云、阴天3种天气下模拟效果最好的模型分别是A−P（整体评价指标GPI为0.850）、Ab（1.294）、Ba（0.862）,II区分别为A−P（0.381）、Chen（1.358）、Chen（1.742）,III区分别为Chen（0.204）、Chen（0.857）、Chen（0.526）;（3）基于天气类型的组合模型（M新）模拟各区Rs的效果均比未组合前各模型的效果好（3个区GPI分别为0.558、0.582、0.134）。因此,推荐使用基于天气类型的组合模型来估算四川省Rs。