MARS模型在渭河流域参考作物蒸散量计算中的适应性研究

为有效提高气象资料缺失时渭河流域参考作物蒸散量(ET_(0))计算精度,选取流域及附近20个气象站58 a(1960-2017年)逐日气象资料,基于不同气象要素组合,构建16种基于多元自适应回归样条(MARS)的ET_(0)计算模型,并将计算结果与Hargreaves-Samani、Makkink和Irmark-Allen模型进行对比,评价MARS模型在渭河流域的适应性及可移植性。结果表明:MARS模型能很好地甄别ET_(0)与各输入因子间的非线性关系,MARS2(T_(max)、T_(min)、R_(a))计算精度(平均MAE为0.225 mm/d,平均RMSE为0.327 mm/d,平均R2为0.897)能满足应用要求,模型精度随输入气象要素数量的增加而升高;输入因子中引入地球外辐射R_(a),可明显提高MARS模型精度;在输入因子相同时,MARS模型精度高于Hargreaves-Samani、Irmark-Allen和Makkink模型;MARS模型在渭河流域具有很强的泛化能力和可移植性。因此,气象资料缺失时基于MARS建立的ET_(0)计算模型可作为渭河流域ET_(0)计算的推荐模型。

黄河源区近40年参考作物蒸散量变化特征研究

选取位于黄河源区10个气象台站1971—2010年观测资料,运用彭曼—蒙蒂斯公式计算出各站参考作物蒸散量(ET0)。通过数学统计、相关分析、小波分析等方法对黄河源区ET0分别作了空间分布、年内变化和年变化等特征分析,结果发现源区ET0空间分布不均匀,呈现西北部大于东南部。年内ET0逐月变化表现为典型的单峰型;源区ET0的四季分布差异较大,夏季蒸散量最大,冬季最小,春、秋季次之。各季节ET0与气温和日照呈显著正相关,而与降水量和相对湿度呈明显负相关。ET0年际变化为逐年波动式上升趋势,整个源区年平均ET0以6.1mm·10a-1的气候倾向率逐年增大。40 a间ET0曾出现过两次较为明显的准周期变化,分别在20世纪70年代中期至80年代中期,约为准8 a周期,1990年以后基本表现为准5 a周期变化。

修正温度法计算农作物蒸散量ET_0研究

作物腾散量是农业灌溉管理方面最主要参数。目前确定作物腾散量的方法很多,根据新疆维吾尔自治区21个典型气象站1981～2000年的20年月平均气象资料运用FAOPenman-Monteith法(1990)与温度法进行计算和系统对比分析,结果表明二方法具有较好的相关性,样本总数为126个,相关系数为0.925。通过验证误差在允许的范围之内。因此为今后灌溉管理和产量评估提供了较为简便实用的模型。

1961-2013年中国粮食主产区参考作物蒸散量时空演变特征研究

准确评估粮食主产区参考作物蒸散量(reference crop evapotranspiration,ET_0)时空变化特征,对灌区水资源优化调度、灌溉制度优化、农田水分高效利用及粮食水分生产力提高等均具有重要意义。本文基于中国粮食主产区258个气象站点逐日气象资料,采用Penman-Monteith公式计算1961—2013年参考作物蒸散量,通过Sen’s+Mann-Kendall法、累积距平法及气象倾向率等方法对其近53年时空变化趋势与特征进行分析。结果表明:近53年中国粮食主产区(全区)、温带湿润半湿润地区(Ⅰ区)、温带干旱半干旱地区(Ⅱ区)、亚热带湿润地区(Ⅲ区)及暖温带半湿润地区(Ⅳ区)ET_0年均值分别为901.90、741.89、1 077.93、940.17、847.61 mm,呈现Ⅱ>Ⅲ>全区>Ⅳ>Ⅰ区的趋势;全区及Ⅰ~Ⅳ区主要粮食作物生长季(3—10月)ET_0约占全年ET_0的87.58%、91.91%、90.05%、85.11%和83.39%;除Ⅳ(其年倾向率Y为0.002 mm/a)区外,全区及Ⅰ~Ⅲ区ET_0近53年整体呈现下降趋势,其中全区呈下降趋势的站点数达171个,占总数的61.0%,年倾斜率达到显著下降水平,其Y值为-0.288*mm/a(P<0.05);全区及各分区ET_0在20世纪90年代均呈增大趋势,其年尺度上Sen’s趋势度β全区=4.993,M-K检验值Z全区=1.978*(P<0.05),增大趋势显著,其他各年代际上趋势减小;近53年ET_0空间分布基本呈西北向东南、东北方向递减,区域性差异显著;ET_0的M-K趋势变化季节性差异显著,春季ET_0趋势自北向南增大,夏季与之相反,秋季ET_0趋势呈现中部低南北高的趋势,冬季较秋季有明显的下降趋势,整体呈现由北至南、西至东递减的趋势。

东北地区参考作物蒸散量对主要气象要素的敏感性分析

利用国家气象局提供的地面气候资料日值数据集,通过FAO推荐的Penman-Monteith公式计算了东北地区1961-2008年生长季(5-9月)逐日的参考作物蒸散量(ET0),分析了ET0及主要气象要素的变化趋势,并通过响应曲线、敏感矩阵、敏感系数等方法分析了ET0对气温、日照时数、平均风速、平均相对湿度的敏感性。结果表明:(1)近50a来,东北地区的气温呈极显著上升趋势(P<0.01),日照时数、平均风速、平均相对湿度呈极显著下降趋势(P<0.01);东北地区生长季平均日ET0在以3.60mm.d-1为平均值、±0.3mm.d-1的范围内波动,总体上比较稳定,最大值出现在2001年(3.87mm.d-1),最小值出现在1990年(3.28mm.d-1);(2)当气温、日照时数、平均风速的变化量从-20%变化到20%时,ET0表现为逐渐增加的趋势,当平均相对湿度的变化量从-20%增加到20%时,ET0则逐渐减小;(3)气温、日照时数、平均风速、平均相对湿度的生长季平均日敏感系数均具有较强的空间分异特性,其中气温变化对ET0的影响最为明显,其次是平均相对湿度,日照时数、平均风速对ET0的影响较小。

基于云模型的甘肃省参考作物蒸散量变化特征及影响因子

为了深入认识甘肃省参考作物蒸散量（ET0）的变化特征,解决该地区水资源供需矛盾,利用甘肃省29个气象测站1951~2013年的日气象资料分析甘肃地区ET0年、季的时间变化趋势.依靠处理定性概念与定量描述不确定转换的云模型,对ET0时间变化特征和影响ET0的气象因子进行了分析,同时采用通径分析方法,对影响ET0变化的气象因子进行了探讨.结果表明：河西半干旱区、陇中半干旱区、陇东半湿润区、陇南湿润区4个分区ET0在近63a均表现为持续性的上下波动.ET0在时间尺度上分布较为均匀、稳定.季节分布呈现出夏季〉春季〉秋季〉冬季的分布态势.离散性方面秋、冬季最均匀,夏季最不均匀;稳定性则是冬、春季好于夏〉、秋季.年际变化来看,平均气温对ET0的直接作用最大,平均相对湿度和日照时数对ET0的间接作用最大.不同季节气象因子分析表明,春、秋、冬3个季节对ET0直接作用最强的气象因子为平均气温,夏季对ET0直接作用最强的气象因子为平均相对湿度;间接作用显示,春、秋季对ET0间接作用最强的气象因子为平均相对湿度,夏、冬季则分别为日照时数和平均气温.

利用估算的太阳辐射计算浑善达克沙地参考作物蒸散速率的精度分析

利用FAO推荐的Penman-Monteith公式,以内蒙浑善达克沙地三个气象站太阳辐射实测值计算的参考作物蒸散速率(ET0)为背景值,分析了利用估算的太阳辐射计算ET0时的精确度。结果表明:太阳实际日照时数短时,ET0的计算误差比较明显,必须利用适当的方法予以修正。

新疆参考作物蒸散量敏感性分析

根据1961—2013年我国新疆地区55个气象站常规气象资料,基于Penman-Monteith公式计算了参考作物蒸散量(ET0),并计算其对最高温度、最低温度、风速、日照时数和相对湿度的敏感系数,最后分析了敏感系数的时空变化特征。结果表明,年最高、最低温度呈显著增长趋势,风速、参考作物蒸散量及日照时间呈显著减少趋势。最高温度对ET0敏感性最高,相对湿度次之,而日照时数的敏感性最低。由于气象因子空间分布不均匀,所以新疆敏感系数存在空间分布差异。最高温度、风速和相对湿度的敏感系数在新疆中部及北部较高。最低温度在新疆的西部、东部较高,中部天山山区较低。日照时数在南疆地区较高,北疆地区较低。53年来,最高温度和风速的敏感系数呈减少趋势,其中南疆地区减少趋势明显。最低温度的敏感系数全疆呈增加趋势,在天山山区增加趋势明显,日照时数的敏感系数在南疆地区增加趋势明显,相对湿度的敏感系数在全疆地区呈增加趋势。

青海省农业生态区参考作物蒸散量的遥感反演

根据青海省农业生态区15个气象站2003年气象资料,应用FAO推荐的Penman-Monteith方程计算参考作物蒸散量(ET0),利用MODIS高程(DEM)、地表温度(LST)及法国SPOT卫星的归一化植被指数(NDVI)遥感影像资料,提取遥感数据并耦合到时间分辨率为旬,空间分辨率为1km,将其与计算所得ET0进行相关分析,运用MATLAB软件进行模型拟合,获得该地区的ET0遥感反演模型及其适用条件,使用Arcgis9.3对利用该模型反演的结果进行了空间分布规律分析。研究结果表明,2003年7—11月各旬遥感因子DEM、NDVI和LST与ET0的线性关系显著,其中DEM与ET0呈显著负相关关系,NDVI和LST与ET0呈极显著正相关关系;获得了该地区基于遥感数据的旬ET0三元线性遥感反演模型,该模型通过α=0.01的F和t显著性检验,模型效果极显著,适用期为7—10月;对2004年计算及反演结果表明,ET0空间分布从西北往东南方向递增,低海拔处往高海拔处递减;模型反演平均相对误差为-1.9%,有较好的反演结果。

华北山区核桃液流变化特征及对不同时间尺度参考作物蒸散量的响应

核桃是华北山区重要的经济树种,但该地区水资源紧缺,因此研究核桃液流耗水变化及其对气象因子的响应对于加强核桃水分管理、确定水分承载力具有指导意义。2008—2010年连续3个生长季节观测分析了华北山区核桃单株液流变化特征,研究了不同时间尺度(日尺度、月尺度)核桃液流与气象因子、参考作物蒸散量(ET0)的关系,并利用2009—2010年数据建立了拟合方程,在此基础上用拟合方程的估算值与2008年液流实测值进行了对比验证。结果表明:核桃液流具有明显的时间变化特征,最大液流量出现在5、6月份,2008—2010年生长季节(4—9月份)核桃液流量分别为893.23 L、854.88 L和841.77 L,日平均液流量分别为4.96 L、4.75 L和4.68 L。液流年际差异主要是由年降雨量引起。核桃液流与不同时间尺度下气象因子、ET0均有较好的相关性,且随着时间尺度的增加,二者间的相关性变大。利用2009—2010年液流实测值与气象因子、ET0建立的拟合方程,对2008年液流值进行了拟合,并与实测值进行了对比验证,发现不同时间尺度下液流拟合值与实测值均具有较好的一致性。在不能实现对液流进行连续观测的情况下,可以结合当地的气象资料、ET0等因子,利用建立的拟合方程对树木液流进行估算,弥补缺失的数据,具有较高的精确性,可用于指导当地核桃水分管理。

四种参考作物蒸散量综合法的比较

参考作物蒸散量(ET0)的估算是作物需水量计算的关键,诸多估算方法在不同地区具有不同的适应性。本文利用中国农业主产区6个代表站点的气象数据,以FAO 56 Penman-Monteith(PM)为标准,对常用的1963 Penman(Pen63)、FAO 1979 Penman(FAO 79)、FAO 24 Penman(FAO 24)及1996Kimberly Penman(Kpen)共4种参考作物蒸散量综合方法进行比较评价。结果表明:(1)Pen63、FAO 79及Kpen的日估算值均比PM估算值偏高,FAO 24偏低,其平均偏差分别为0.28、0.52、0和-0.17mm?d-1,相对偏差为16.0%、25.2%、2.4%、-5.3%,相对均方根误差为12.1%、22.4%、14.2%和13.5%。(2)Pen63、FAO79的月估算值显著高于PM值,在高估最大的5月份平均偏高12.5mm(10.8%)和28.2mm(22.6%)。FAO24表现为低估,低估最大的月份平均偏低11.4mm(8.1%),但在南方站点多数月份的估算值与PM估算值无显著差异。Kpen月估算值与PM估算值相比,既有高估(5-10月),也有低估,高估最大的月份平均偏高19.7mm(14.5%),且在南方站点的秋冬季有近6个月与PM无显著差异。(3)Pen63和FAO79的年值均显著大于PM年值,平均偏高103.8mm(11.8%)和191.5mm(21.3%)。FAO24年平均低估PM值60.9mm(6.3%),Kpen则平均高估50.5mm(5.8%)。(4)时间尺度对评价结果具有一定影响,4种综合法依据日、年值的评价效果排序分别为Pen63>FAO24>Kpen>FAO79和Kpen>FAO24>Pen63>FAO79。在日尺度下4种方法更适于湿润气候,但年尺度下仅FAO79和FAO24较适于湿润气候。可见,4种综合法以Pen63普适性最好,FAO79最低,因此使用FAO79前对其进行适应性评价尤为重要。

乌鲁木齐参考作物蒸散量计算方法的比较

以Penman-Monteith方法为标准,利用Hargreaves方法,Priestley-Taylor方法和FAO-17 Penman方法计算乌鲁木齐的参考作物蒸散量ET0(Reference Crop Evapotranspiration),对计算结果分别作了对比分析,并对不同的方法进行相应的修正。结果表明:(1)乌鲁木齐的ET0季节分布极不均匀,表现出夏季、春季、秋季、冬季依次减小的趋势;(2)总的来说,PT和HG方法的估算值比PM的标准值要偏低,F17方法的估算值比PM方法的标准值要偏高,造成不同方法的估算偏差的主要原因是由于各自选用了不同的辐射项和动力项所致;(3)在气象资料缺乏、精度要求不高的时候,PT方法能够用来计算乌鲁木齐的ET0,如果精度要求较高,可以使用修正后的公式;(4)修正后的HG公式计算结果最接近PM方法的标准计算结果,如果使用HG方法估算乌鲁木齐的ET0,必须先进行修正;(5)F17方法采用了与PM方法不同的风速修正方案,修正前后的误差都较大,不适用于乌鲁木齐ET0的计算。上述方法在其它地区的适用性有待进一步检验。

甘肃省参考作物蒸散量变化特征与影响因子分析

为了探寻甘肃省参考作物蒸散量(ET_0)的变化特征及其影响因子,利用FAO-Penman-Monteith(98)公式计算甘肃省4个分区的ET_0。依靠处理定性概念与定量描述不确定转换的云模型对ET_0变化特征和影响ET_0的气象因子进行了研究;同时,采用通径分析的方法,对不同区域影响ET_0变化的气象因子进行了探讨。结果表明:63年来,ET_0在空间上表现为西北地区大于东南地区。其中,河西地区ET_0在甘肃省内一直处于最高值,但呈逐年减小的趋势;陇中地区和陇东地区前30年先减小,后33年较之前有所增加,但总体趋于稳定;陇南地区则表现为多年最低值且较为稳定,无明显变化。63年来河西地区ET_0分布最为离散,不均匀性也最不稳定性;陇东地区ET_0分布最为均匀,稳定性也相对最好。通径分析表明,各个气象因子对ET_0变化都有影响且对不同区域ET_0的主要影响因子也不尽相同。对河西地区和陇南地区ET_0变化直接作用最大的气象因子为平均温度;对陇中地区和陇东地区ET_0变化直接作用最大的气象因子分别为平均相对湿度和日照时数。平均风速是对河西地区、陇中地区和陇东地区间接作用最为显著的气象因子;而对陇南地区ET_0间接作用最为显著的气象因子则为日照时数。

Venlo型温室内参考作物蒸散量计算方法比较研究

【目的】明确温室内参考作物蒸散量(ET_0)计算方法。【方法】通过实测Venlo型温室内气象数据,并对FAO-56Penman-Monteith(FAO-56 P-M)中隐含的空气动力阻力r*a进行修正,以修正后的Penman-Monteith法作为计算温室内ET_0的标准方法,对其他4种常用的ET_0计算方法:FAO-56 P-M法、FAO-24 Penman法、Irmak-Allen(I-A)法、Priestley-Taylor(P-T)法进行了对比分析。【结果】试验期间温室内日ET_0变化范围为0.49~6.04 mm/d,平均为2.43mm/d;4种计算方法与Penman-Monteith(P-M)修正法均具有良好的线性关系(R2>0.90),FAO-24 Penman法与P-M修正法计算结果最为接近(RMSE=0.40 mm/d,NSE=0.93),其次为I-A法(RMSE=0.67 mm/d,NSE=0.81)、P-T法(RMSE=0.76 mm/d,NSE=0.76),而在大田条件下广泛应用的FAO-56 P-M法表现最差(RMSE=1.18 mm/d,NSE=0.41)。【结论】4种ET_0计算方法中,I-A法应用最简便,可作为气象资料短缺条件下该地区温室ET_0的简化计算方法。

甘肃中东部半干旱区参考作物蒸散量多种计算方法的比较研究

为明确甘肃中东部丘陵沟壑地区参考作物蒸散量(ET0)在气象资料短缺条件下的计算方法,依据6个气象站的长系列资料,以FAO Penman-Monteith方法为标准,对7种ET0计算方法进行评价。结果表明:Hargreaves与FAO Penman-Monteith吻合最好,其次为Jensen-Haise,各地区年均标准偏差(RMBE)分别为120.0 mm、446.1 mm。Pennman、FAO-17 Penman、FAO-24 Radiation、Preiestley-Taylor计算结果偏高,各地区年均RMBE在3 122.1～1 383.4mm间,以FAO-24 Radiation差异最大。8种方程计算的年内月均ET0趋势基本呈单峰曲线,峰值出现在7月份。Hargreaves、Jensen-Haise两种方程3-9月差异大于1-2月和10-12月份; Penman、FAO-17 Penman、FAO-24Radiation、Preiestley-Taylor、Makkink 5种方程7月份差异最大,地区间表现不一。不同的方程与FAO PenmanMonteith方程均存在显著的线性相关关系(0. 994**≤R≤0.8743**),回归系数t检测均达到显著水平,以FAO Penman-Monteith方程为基础对各方程进行矫正是可行的。

气象要素缺失条件下不同机器学习模型计算参考作物蒸散量比较

为了实现气象要素缺失条件下对参考作物蒸散量(ET_(0))的预测,以山西果树研究所Adcon-Ws无线自动气象站2020-2021年每日最高气温(T_(max))、最低气温(T_(min))、2 m高风速(u_(2))、相对湿度(RH)和日照时数(n)数据为例,构建了9种气象要素缺失组合下的决策树(CART)、随机森林(RF)、梯度提升决策树(GBDT)、极端梯度提升(XGBoost)、支持向量机(SVR)、BP神经网络(BPNN)和深度学习(DL)7种ET_(0)机器学习模型,以PM公式计算值作为标准值,并与经验法Hargreaves-Samani、Irmak-Allen、Makkink和Priestley-Taylor进行对比。结果表明,在所有气象要素组合中,深度学习和BP神经网络均能取得较高的模拟精度并且有较好的泛化能力,其他模型在不同气象要素缺失组合中模拟精度和泛化能力有不同的排名,但整体效果较好的是支持向量机。不同气象要素对模型模拟ET_(0)的影响程度不同,影响由大到小排序依次为n、T_(max)、T_(min)、RH、u_(2)。与4种经验法相比,机器学习模型模拟精度均大于输入相同组合的经验法。

我国西南地区近56年参考作物蒸散量的敏感性分析

参考作物蒸散量(ET0)是水文气象研究及水资源管理规划中的重要参数。基于1960-2015年我国西南地区96个气象站的逐日相对湿度(RH)、日照时数(n)、风速(u)、最低温度(Tmin)、最高温度(Tmax)和平均温度(Tmean)资料,采用1998年联合国粮食及农业组织(FAO)推荐的Penman-Monteith公式,计算近56年研究区的ET0,并分析ET0对各气象因子的敏感系数。结果表明,近56年我国西南地区的平均ET0为1 027.11 mm,在空间分布上表现为自东北向西南方向逐渐增大;全区ET0对气象因子敏感系数的绝对值排序为RH>n>Tmax>Tmean>u>Tmin,在空间分布上,RH、n、u敏感系数在研究区西部较高,Tmax敏感系数在以云贵高原的元江、广西盆地的北海为中心的地区较高,Tmean敏感系数在研究区东部及云贵高原西南部较高,Tmin敏感系数在广西盆地地区较高;RH、Tmax、u、Tmin敏感系数呈上升趋势,其中Tmax敏感系数显著(P<0.05)上升,其余气象因子的敏感系数呈极显著(P<0.01)上升趋势,n敏感系数呈极显著(P<0.01)下降趋势,Tmean敏感系数变化不明显;RH、Tmax与n敏感系数的年内变化特征为双峰型曲线,Tmean、u、Tmin敏感系数呈单峰型曲线;全区ET0的突变时间为1996年,突变时间以前ET0呈极显著(P<0.01)下降的趋势,气候倾向率为-13.437 mm/10年,突变时间后呈显著(P<0.05)上升趋势,气候倾向率为21.770 mm/10年。因此可见,西南全区及各分区参考作物蒸散量均对相对湿度的敏感性最高,除四川盆地外,其余分区对日照时数、最高温度的敏感性较高,四川盆地对平均温度的敏感性较高。

基于LSTM深度学习模型的华北地区参考作物蒸散量预测研究

为有效提高华北地下水漏斗区参考作物蒸散量ET_0的预报精度,本文以华北地区7个气象代表站1958—2010年ET_(0-PM)(Penman-Monteith,P-M)的历史时间序列为训练集构建LSTM模型,以2011—2017年ET_(0-PM)的时间序列为验证集将LSTM模型与其他4种经验模型进行对比分析。结果表明:LSTM在华北地区预测的整体评价指标Gpi(Global performance indicator)排名第一,该模型可以作为华北地区逐月ET_0预测的推荐模型,为我国精准农业灌溉预报提供科学的依据。

普洱市近59a参考作物蒸散量时空变化特征

利用普洱市地面气象观测站1959~2017年逐日气象资料,采用FAO 56-Penman-Monteith(FAO-PM)法、距平分析、回归分析和地理信息技术研究了普洱市参考作物蒸散量(reference crop evapotranspiration,ET0)的年代际、年际和年内不同时间尺度下时空变化特征。结果表明:普洱市平均ET0年代均值2011~2017年最大,为1196.2 mm,1959~1960年最小,为1101.0 mm;ET0年代均值高值区在普洱西部南侧,低值区在普洱西部西盟北侧、北部景东以北及东南部江城东部边缘。普洱市各气象站ET0年际变化均呈波动性上升趋势,其中西盟站平均ET0年值年际波动最大,江城站ET0年值年际波动最小。多年平均ET0年值空间分布景东、江城、澜沧以西北地区较小,孟连和澜沧的南部较大。各气象站ET0季节均值春季最大,夏季次之,秋、冬季逐渐减小,各气象站多年ET0月均值的变化趋势基本一致,曲线均为双峰型,最高峰值出现在4、5月,第二峰值出现在8、9月。

衡水市参考作物蒸散量的时空变化特征及其气候成因

参考作物蒸散量是计算作物需水量的关键,是进行实时灌溉预报和农田水分管理的主要参数。本文基于1981-2010年衡水市11个站点的地面气象观测资料,利用FAO推荐的Penman-Monteith公式计算参考作物蒸散量(ET0),通过小波分析、突变检验等方法分析其时空变化特征,并采用相关分析法初步探讨其气候成因。结果表明,(1)近30a衡水市年参考作物蒸散量呈显著下降趋势(P<0.05),除2、3月外,其它月份的参考作物蒸散量均有下降趋势;衡水东北部年参考作物蒸散量较大,西南部及安平较小,年参考作物蒸散量较大的地区其下降速率也较大,较小的地区其下降速率也较小。(2)衡水市年参考作物蒸散量存在准6a的主要振荡周期,周期显著;6、8和12月以及全年参考作物蒸散量均发生了气候突变;全区一致型是衡水市年及月参考作物蒸散量变化的最主要的空间模态,且其空间分布均具有很好的收敛性。(3)气温日较差、最高气温、日照时数和相对湿度是影响参考作物蒸散量变化的关键气候因子,其影响程度因季节而异,ET0与气温日较差、最高气温和日照时数呈显著正相关(P<0.05),与相对湿度呈显著负相关(P<0.05),风速变化对ET0影响较小;其中5-9月ET0受日照时数影响最大,受气温日较差、相对湿度和最高气温的影响依次减小。