江蘇地區(qū)不同參考作物蒸發(fā)蒸騰量估算模型

王婷, 劉春偉, 張佩, 王讓會(huì),邱讓建, 周麗敏, 王蒙

(1. 江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室/南京信息工程大學(xué)應(yīng)用氣象學(xué)院, 江蘇 南京 210044; 2. 新疆維吾爾自治區(qū)氣候中心，新疆 烏魯木齊 830002； 3. 江蘇省氣候中心, 江蘇 南京 210008)

1998年聯(lián)合國(guó)糧農(nóng)組織提出以FAO-56 Penman-Pontieth(PM)模型作為標(biāo)準(zhǔn)的參考作物蒸發(fā)蒸騰量ET0計(jì)算公式.但是PM公式所需氣象參數(shù)多,在氣象資料缺乏的情況下，對(duì)準(zhǔn)確計(jì)算ET0有很大的難度,因此需要一系列簡(jiǎn)化的ET0計(jì)算公式估算參考作物蒸散量.

近年來(lái),國(guó)內(nèi)外有不少學(xué)者對(duì)不同區(qū)域的參考作物蒸散量的計(jì)算方法以及適用性進(jìn)行了研究.BOURLETSIKAS等[1]和SHIRI[2]發(fā)現(xiàn)基于輻射的模型優(yōu)于其他模型. VALLE JNIOR等[3]對(duì)基于動(dòng)量傳輸、輻射、溫度氣象要素和綜合法共21種ET0估算方法以及遺傳算法(GA)計(jì)算的ET0進(jìn)行比較研究,結(jié)果發(fā)現(xiàn)基于輻射的Priestly-Taylor方法更精確.劉曉英等[4]研究發(fā)現(xiàn),基于溫度的1985 Hargreaves在華北地區(qū)的適用性很好;研究表明Thornthwaite法在丹麥哥本哈根與實(shí)測(cè)值較符合;MC-Cloud法在國(guó)內(nèi)研究較少. VALIPOUR[5]發(fā)現(xiàn)基于不同氣候條件下的Valiantzas 1和Valiantzas 2模擬結(jié)果都較好. BOURLETSIKAS等[1]研究表明Copais法的結(jié)果比較好,但是這些方法在國(guó)內(nèi)缺乏研究.

隨著現(xiàn)代計(jì)算機(jī)學(xué)習(xí)技術(shù)的發(fā)展,一系列機(jī)器學(xué)習(xí)模型也被用于預(yù)測(cè)ET0.毛亞萍等[6]研究發(fā)現(xiàn)在新疆地區(qū)，SVM模型在日尺度和月尺度上可以代替PM法進(jìn)行計(jì)算ET0.劉小華等[7]發(fā)現(xiàn)SVM模型能在江西省參考作物蒸散量的模擬中取得很好的精度.張皓杰等[8]研究發(fā)現(xiàn)ELM模型可以作為中國(guó)西北地區(qū)ET0計(jì)算的推薦模型.吳立峰等[9]利用蝙蝠算法優(yōu)化ELM模型提高了ET0的計(jì)算精度.

XGBoost模型對(duì)數(shù)據(jù)波動(dòng)較大、受外界影響較大、特征因子較多的數(shù)據(jù)集有很好的適用性,但是在國(guó)內(nèi)ET0估算方面研究較少. FAN等[10]研究表明XGBoost模型在與SVM和ELM輸入相同參數(shù)的情況下,XGBoost模型的計(jì)算結(jié)果更穩(wěn)定、更精確，并且計(jì)算時(shí)間大大減少.

這些研究成果表明在不同的區(qū)域，ET0估算方法的適用性不盡相同,ET0的結(jié)果受到地理位置、溫度、濕度、氣壓、風(fēng)速、日照時(shí)數(shù)等的影響,影響因素復(fù)雜.然而,對(duì)于江蘇省參考作物蒸散量計(jì)算方法的應(yīng)用缺乏研究.文中旨在利用幾種常用參考作物蒸散量的簡(jiǎn)化模型以及機(jī)器學(xué)習(xí)模型，計(jì)算江蘇省的參考作物蒸散量,找到除了Penman-Monteith模型之外更簡(jiǎn)便的計(jì)算方法，以對(duì)實(shí)現(xiàn)江蘇省水資源的合理配置、農(nóng)業(yè)用水灌溉及科學(xué)管理具有一定的指導(dǎo)而做出貢獻(xiàn).

1 材料與方法

1.1 研究區(qū)域概況

江蘇省位于中國(guó)東部沿海的中部及長(zhǎng)江、淮河的下游地區(qū),屬于東亞季風(fēng)區(qū),又屬亞熱帶和暖溫帶的過(guò)渡區(qū).長(zhǎng)江以南是蘇南,長(zhǎng)江以北、淮河以南是江淮,淮河以北是淮北.徐州位于淮北地區(qū),屬暖溫帶季風(fēng)氣候區(qū);高郵位于江淮地區(qū),屬亞熱帶濕潤(rùn)氣候區(qū);昆山位于江蘇南部,屬北亞熱帶南部季風(fēng)氣候區(qū).表1為站點(diǎn)信息，表中LAT為緯度，LON為經(jīng)度，H為海拔，P為多年平均降雨量，Ta為平均空氣溫度，u2為風(fēng)速.

表1 站點(diǎn)信息Tab.1 Site station information

1.2 數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)自江蘇省徐州、高郵、昆山3個(gè)氣象站點(diǎn)的1957年1月至2019年12月逐日氣象數(shù)據(jù),包括最高氣溫Tmax、最低氣溫Tmin、平均氣溫Ta、氣壓p、相對(duì)濕度RH、風(fēng)速u2、日照時(shí)數(shù)n、測(cè)站海拔高度H、測(cè)站經(jīng)緯度等.

機(jī)器學(xué)習(xí)模型訓(xùn)練集為1957—2009年各站逐日數(shù)據(jù),測(cè)試集為2010—2019年各站點(diǎn)逐日數(shù)據(jù).經(jīng)驗(yàn)?zāi)Ｐ筒捎玫臄?shù)據(jù)集也是2010—2019年各站點(diǎn)逐日氣象數(shù)據(jù).

1.3 XGBoost模型

XGBoost模型[11]是一種新穎的基于樹(shù)增強(qiáng)的算法. 在時(shí)間步t可以給出表達(dá)式為

fi(t)=fi(t-1)+ft(xi)，

(1)

式中：ft(xi)為時(shí)間步t的學(xué)習(xí)者；fi(t)，fi(t-1)為時(shí)間步t和t-1的預(yù)測(cè)值；xi為輸入數(shù)據(jù).

XGBoost模型為了防止過(guò)度擬合采用的最終優(yōu)化目標(biāo)函數(shù)的解析表達(dá)式為

(2)

(3)

式中：γa為最小損失率；T為葉子節(jié)點(diǎn)數(shù)；λa為正則化系數(shù)；ω為葉子結(jié)點(diǎn)的得分值.

1.4 支持向量SVM

SVM[12]是一種二分類模型,公式為

(4)

式中：xj,yi為輸入向量的縱坐標(biāo);k(xi,xj)為由輸入向量xi轉(zhuǎn)換而來(lái)的高維特征向量;αi為輸入向量的權(quán)重;b為經(jīng)驗(yàn)系數(shù).

1.5 不同估算模型輸入?yún)?shù)

表2為不同ET0估算方法的輸入?yún)?shù).XGB表示XGBoost模型；XGB，XGB1，XGB2，XGB3和SVM，SVM1，SVM2，SVM3分別代表2種模型不同輸入?yún)?shù)下的預(yù)測(cè)結(jié)果；輸入?yún)?shù)為Tmax,Tmin,RH,u2,n.公式中所包含的參數(shù)見(jiàn)所引參考文獻(xiàn).

1.6 數(shù)據(jù)評(píng)價(jià)方法

誤差統(tǒng)計(jì)指標(biāo)包括平均偏差MBE、均方根誤差RMSE、絕對(duì)誤差PE、一致性指數(shù)IOA和納什效率系數(shù)NSE.其中MBE,PE和RMSE越接近于0,誤差越小；IOA和NSE越接近1,誤差越小.GPI為綜合評(píng)價(jià)指數(shù)，GPI越大,模型精度越好.各統(tǒng)計(jì)變量計(jì)算公式為

(5)

(6)

(7)

(8)

(9)

(10)

2 估算結(jié)果及分析

2.1 月蒸散量變化

為了研究不同計(jì)算方法在月尺度上的差異，對(duì)徐州、高郵、昆山3個(gè)站點(diǎn)的月ET0進(jìn)行分析；不同計(jì)算方法按表1所列的4種估算法劃分：輻射法、溫度法、綜合法、機(jī)器學(xué)習(xí)模型.圖1為月蒸散量的變化情況.

從圖1可以看出,在徐州站，輻射法計(jì)算的ET0除模型JH外,其他方法與模型PM的月變化趨勢(shì)一致.模型PM的最高值出現(xiàn)在6月,為5.18 mm/d,而最低值出現(xiàn)在1月,為1.68 mm/d; 模型PT的最高值為6.18 mm/d,最低值為1.63 mm/d,在1，2月和11，12月與模型PM基本重合,在其他月份偏大；模型Mak和Han的計(jì)算結(jié)果小于模型PM,模型Mak的最高值為3.80 mm/d,最低值為0.91 mm/d；模型Han的最高值為4.50 mm/d,最低值為1.18 mm/d;模型JH在1—4月和10—12月小于模型PM,在5—9月份大于模型PM,最高值出現(xiàn)在7月,為6.38 mm/d,而最低值出現(xiàn)在1月,為0.59 mm/d.溫度法中，模型Har與PM的月變化趨勢(shì)一致,最高值出現(xiàn)在6月,為12.61 mm/d,而最低值出現(xiàn)在1月,為2.72 mm/d,模型Har的明顯偏高; 模型MC和Th與模型PM的趨勢(shì)不一致,最高值出現(xiàn)在7月,分別為8.58和5.92 mm/d, 而最低值出現(xiàn)在1月,分別為0.39和0.14 mm/d; 模型MC在6—9月份明顯高于模型PM,在其他月份明顯低于模型PM; 模型Th在6月份與模型PM幾乎重合,7和8月份偏高,其他月份明顯偏低.綜合法中，模型Co和V2與模型PM的變化趨勢(shì)一致,最高值出現(xiàn)在6月,最低值出現(xiàn)在1月; 模型Co明顯高于模型PM,最高值為7.62 mm/d,最低值為3.04 mm/d; 模型V2明顯低于模型PM,最高值為3.27 mm/d,最低值為-0.04 mm/d; 模型V1與模型PM變化趨勢(shì)不一致,最高值出現(xiàn)在7月,為6.01 mm/d,而最低值出現(xiàn)在1月,為1.50 mm/d,模型V1在4月份幾乎與模型PM重合,而12，1，2和3月略小于模型PM,5—11月明顯高于模型PM.

高郵站輻射法計(jì)算的ET0與模型PM的月變化趨勢(shì)一致.模型PM最高值出現(xiàn)在7月,為4.66 mm/d,而最低值出現(xiàn)在1月,為1.67 m/d; 模型PT在1和2月、11和12月與模型PM基本重合,在其他月份偏大,最高值為5.86 mm/d,最低值為1.86 mm/d; 模型Mak和Han的計(jì)算結(jié)果小于模型PM,最高值分別為3.59和4.26 mm/d,最低值分別為1.05和1.34 mm/d; 模型JH在1—3月、11和12月小于模型PM,4月和10月幾乎與模型PM重合,在5—9月份大于模型PM,最高值為6.39 mm/d,最低值為0.74 mm/d.溫度法中，模型MC和Th與模型PM的月變化趨勢(shì)一致,最高值出現(xiàn)在7月,最低值出現(xiàn)在1月; 模型Har明顯偏高,最高值為11.19 mm/d出現(xiàn)在7月,最低值為2.69 mm/d出現(xiàn)在12月; 模型MC在6—9月份明顯高于模型PM,在其他月份明顯低于模型PM,最高值為9.03 mm/d,最低值為0.44 mm/d; 模型Th在6月份與模型PM幾乎重合,7和8月份偏高,其他月份明顯偏低,最高值為5.97 mm/d,最低值為0.22 mm/d.綜合法與模型PM的變化趨勢(shì)一致,最高值出現(xiàn)在6月,最低值出現(xiàn)在1月; 模型Co明顯高于模型PM,最高值為7.12 mm/d,最低值為3.35 mm/d; 模型V2的明顯低于模型PM,最高值為3.09 mm/d,最低值為0.02 mm/d; 模型V1在1—4月份和12月份幾乎與模型PM重合,5—11月明顯高于模型PM,最高值為6.02 mm/d,最低值為1.65 mm/d.

昆山站輻射法計(jì)算的ET0與模型PM的月變化趨勢(shì)一致, 模型PM最高值出現(xiàn)在7月,為4.67 mm/d,而最低值出現(xiàn)在1月,為1.58 mm/d; 模型PT在1和2月、11和12月與模型PM基本重合,在其他月份偏大,最高值為5.83 mm/d,最低值為1.77 mm/d; 模型Mak和Han的計(jì)算結(jié)果小于模型PM,最高值分別為3.58和4.24 mm/d,最低值分別為0.99和1.28 mm/d; 模型JH在1—3月、11和12月小于模型PM,4和10月幾乎與模型PM重合,在5—9月份大于模型PM,最高值為6.45 mm/d,最低值為0.79 mm/d.溫度法中，模型MC和Th與模型PM的月變化趨勢(shì)一致,最高值出現(xiàn)在7月,最低值出現(xiàn)在1月; 模型Har明顯偏高,最高值為11.62 mm/d,出現(xiàn)在7月,而最低值為2.96 mm/d;出現(xiàn)在12月; 模型MC在6—9月份明顯高于模型PM,在其他月份明顯低于PM,最高值為9.81 mm/d,最低值為0.53 mm/d; 模型Th在5和10月份與模型PM幾乎重合,6—8月份偏高,其他月份明顯偏低,最高值為6.18 mm/d,最低值為0.33 mm/d.綜合法與模型PM的變化趨勢(shì)一致,最高值出現(xiàn)在7月,最低值出現(xiàn)在1月; 模型Co明顯高于模型PM,最高值為7.07 mm/d,最低值為3.13 mm/d;V2明顯低于PM,最高值為3.13 mm/d,最低值為0.05 mm/d; 模型V1在1—3月和12月幾乎與模型PM重合,4—11月明顯高于PM,最高值為6.08 mm/d,最低值為1.77 mm/d.

在3個(gè)站點(diǎn),模型XGB和SVM均隨著其輸入?yún)?shù)變小,與模型PM模擬值的差距也越來(lái)越大.

2.2 相關(guān)分析

圖2為徐州站不同ET0估算方法與模型PM日均ET0相關(guān)分析.

為了研究其他模型與模型PM在日尺度上的差異,利用相關(guān)分析,根據(jù)R2和斜率(k)判斷各方法與模型PM的擬合程度和接近程度.R2越大,擬合程度越高；k值越接近1,表明該方法的計(jì)算結(jié)果越接近模型PM；k值小于1,表明該方法整體結(jié)果小于模型PM；k值大于1,表明該方法整體結(jié)果大于模型PM.從圖2可以看出,在徐州站,根據(jù)擬合程度排序從高到低依次為R2(SVM)=R2(XGB)(0.98)>R2(XGB2)=R2(SVM2)(0.97)>R2(PT)=R2(Han)=R2(Mak)(0.96)>R2(Co)(0.95)>R2(SVM1)(0.93)>R2(V2)=R2(XGB1)(0.92)>R2(JH)(0.89)>R2(V1)(0.82)>R2(Har)(0.75)>R2(XGB3)=R2(SVM3)(0.72)>R2(Th)(0.51)>R2(MC)(0.46);根據(jù)斜率從高到低依次為k(Har)(1.99)>k(JH)(1.44)>k(Co)(1.37)>k(MC)(1.27)>k(PT)(1.24)>k(SVM)=k(XGB)=k(SVM2)=k(XGB2)(0.98)>k(V1)(0.97)>k(Han)(0.92)>k(SVM1)=k(XGB1)=k(Th)(0.90)>k(V2)(0.85)>k(Mak)(0.79)>k(SVM3)(0.74)>k(XGB3)(0.72).

圖2 徐州站不同ET0估算方法與模型PM日均ET0相關(guān)分析Fig.2 Correlation analysis of daily average ET0 between each method and PM at Xuzhou station

圖3為高郵站不同ET0估算方法與模型PM日均ET0相關(guān)分析.

圖3 高郵站不同ET0估算方法與模型PM日均ET0相關(guān)分析Fig.3 Correlation analysis of daily average ET0 between each method and PM at Gaoyou station

從圖3可以看出,在高郵站,根據(jù)擬合程度排序從高到低依次為R2(PT)=R2(Han)=R2(Mak)(0.98)>R2(SVM)=R2(SVM2)=R2(XGB)=R2(XGB2)=R2(Co)(0.97)>R2(XGB1)=R2(SVM1)(0.95)>R2(V2)(0.94)>R2(JH)(0.91)>R2(V1)(0.83)>R2(XGB3)=R2(SVM3)(0.76)>R2(Har)(0.75)>R2(Th)(0.50)>R2(MC)(0.47);根據(jù)斜率從高到低依次為k(Har)(1.87)>k(JH)(1.45)>k(Co)(1.38)=k(MC)>k(PT)(1.25)>k(SVM)=k(XGB)=k(XGB2)=k(SVM2)=k(V1)(0.97)>k(Han)=k(SVM1)(0.91)>k(XGB1)(0.90)>k(Th)(0.89)>k(V2)(0.84)>k(SVM3)(0.81)>k(Mak)(0.79)>k(XGB3)(0.77).

圖4為昆山站不同ET0估算方法與模型PM日均ET0相關(guān)分析.

從圖4可見(jiàn),在昆山站,根據(jù)擬合程度排序從高到低依次為R2(PT)=R2(Han)=R2(Mak)(0.98)>R2(SVM)=R2(XGB)=R2(XGB2)=R2(SVM2)=R2(Co)(0.97)>R2(XGB1)=R2(SVM1)(0.94)>R2(V2)(0.93)>R2(JH)(0.91)>R2(V1)(0.82)>R2(XGB3)(0.72)>R2(SVM3)=R2(Har)(0.71)>R2(Th)(0.47)=R2(MC);根據(jù)斜率從高到低依次為k(Har)(1.85)>k(MC)(1.51)>k(JH)(1.45)>k(Co)(1.39)>k(PT)(1.25)>k(SVM)(0.98)>k(XGB)=k(XGB2)=k(SVM2)>k(V1)(0.95)>k(Han)=k(XGB1)=k(SVM1)(0.91)>k(Th)(0.90)>k(SVM3)(0.84)>k(V2)(0.82)>k(XGB3)(0.80)>k(Mak)(0.79).

圖4 昆山站不同ET0估算方法與模型PM日均ET0相關(guān)分析Fig.4 Correlation analysis of daily average ET0 between each method and PM at Kunshan station

2.3 日蒸散量評(píng)價(jià)

表3為不同地區(qū)不同日蒸散量估算方法評(píng)價(jià).表中Rank表示GPI值的排序.在徐州站,由表2和3可以看出,當(dāng)輸入?yún)?shù)為Tmax,Tmin,u2,RH和n時(shí),SVM和XGB的GPI分別為0.52和0.51,模擬精度最好;當(dāng)輸入?yún)?shù)同為Tmax,Tmin,RH,n時(shí),機(jī)器學(xué)習(xí)方法的精度高于綜合法,XGB2和SVM2的GPI為0.42,而綜合法中GPI值最高的模型V1為-0.36;當(dāng)輸入?yún)?shù)同為Tmax,Tmin和n時(shí),機(jī)器學(xué)習(xí)模型的精度高于輻射法,XGB1和SVM1的GPI為0.21和0.23,而輻射法中模擬精度最高的模型JH的GPI為0.15;當(dāng)輸入?yún)?shù)同為Tmax和Tmin時(shí),機(jī)器學(xué)習(xí)模型精度優(yōu)于溫度法.

表3 不同地區(qū)不同日蒸散量估算方法評(píng)價(jià)Tab.3 Evaluation of daily average ET0 estimation methods in different regions

在高郵站,由表2和3可以看出,當(dāng)輸入?yún)?shù)為Tmax,Tmin,u2,RH和n時(shí),SVM和XGB的GPI分別為0.42和0.41,模擬精度最好;當(dāng)輸入?yún)?shù)同為Tmax,Tmin,RH和n時(shí),機(jī)器學(xué)習(xí)模型的精度高于綜合法,SVM2和XGB2的GPI為0.37和0.38,而綜合法中GPI值最高的模型V1為-0.51;當(dāng)輸入?yún)?shù)同為Tmax,Tmin和n時(shí),機(jī)器學(xué)習(xí)模型的精度高于輻射法,XGB1和SVM1的GPI同為0.24,而輻射法中模擬精度最高的模型Han的GPI為0.23;當(dāng)輸入?yún)?shù)同為Tmax和Tmin時(shí),機(jī)器學(xué)習(xí)模型模擬精度優(yōu)于溫度法.

在昆山站,由表2和3可以看出,當(dāng)輸入?yún)?shù)為Tmax,Tmin,u2,RH和n時(shí),SVM和XGB的GPI分別為0.47和0.45,模擬精度最好;當(dāng)輸入?yún)?shù)同為Tmax,Tmin,RH和n時(shí),機(jī)器學(xué)習(xí)方法的精度高于綜合法,XGB2和SVM2的GPI為0.43和0.42,而綜合法中GPI值最高的模型V1才為-0.62;當(dāng)輸入?yún)?shù)同為Tmax,Tmin和n時(shí),輻射法中的模型Han和JH的模擬精度高于機(jī)器學(xué)習(xí)模型,其他的模擬精度低于機(jī)器學(xué)習(xí)模型;當(dāng)輸入?yún)?shù)同為Tmax和Tmin時(shí),機(jī)器學(xué)習(xí)模型模擬精度優(yōu)于溫度法.

此外,根據(jù)表3可以看出,機(jī)器學(xué)習(xí)模型中GPI排序從高到低依次為GPI(XGB)>GPI(XGB2)>GPI(XGB1)>GPI(XGB3),GPI(SVM)>GPI(SVM2)>GPI(SVM1)>GPI(SVM3).機(jī)器學(xué)習(xí)模型隨著其輸入?yún)?shù)的減少,模擬精度依次降低.

3 討 論

基于氣象數(shù)據(jù)建立的基于輻射法、綜合法、溫度法等各種簡(jiǎn)化的ET0模型，雖然也能夠較好地解決氣象資料缺乏測(cè)量下的ET0計(jì)算問(wèn)題,但是從圖1可以看出,機(jī)器學(xué)習(xí)模型模擬值更接近模型PM;從表3可以看出,大多數(shù)經(jīng)驗(yàn)?zāi)Ｐ偷哪M精度不高.并且研究[23-24]表明,經(jīng)驗(yàn)?zāi)Ｐ鸵话阈枰拚拍芡度胧褂?機(jī)器學(xué)習(xí)模型模擬速度快,能處理復(fù)雜因子之間的非線性關(guān)系,對(duì)于ET0研究意義重大.

研究結(jié)果表明,在江蘇省的這3個(gè)站點(diǎn),在風(fēng)速數(shù)據(jù)缺失條件下(只有Tmax,Tmin,RH,n),機(jī)器學(xué)習(xí)模型模擬精度優(yōu)于經(jīng)驗(yàn)?zāi)Ｐ?；在只有Tmax,Tmin,n數(shù)據(jù)時(shí),3個(gè)站點(diǎn)機(jī)器學(xué)習(xí)模型模擬精度優(yōu)于常用的模型Mak和PT.在只有Tmax,Tmin數(shù)據(jù)時(shí),機(jī)器學(xué)習(xí)模型模擬精度高于經(jīng)驗(yàn)?zāi)Ｐ?這些結(jié)果都與已有研究結(jié)果[25]一致.但是,在只有Tmax,Tmin和n數(shù)據(jù)時(shí),昆山站輻射法中模型JH和Han的模擬精度高于機(jī)器學(xué)習(xí)模型,在以往的文獻(xiàn)中沒(méi)有提到機(jī)器學(xué)習(xí)模型跟這2種模型對(duì)比,結(jié)果有待商討.

文中將相同參數(shù)輸入條件下的經(jīng)驗(yàn)?zāi)Ｐ团c2種機(jī)器模型對(duì)比,并沒(méi)有考慮不同參數(shù)組合下的多種機(jī)器學(xué)習(xí)模型模擬精度.在以后的研究中,應(yīng)該繼續(xù)探討不同參數(shù)組合下的更多的機(jī)器學(xué)習(xí)模型模擬精度.

4 結(jié) 論

1) 徐州站各方法月ET0中模型MC和Th的變化趨勢(shì)與模型PM不一致,最高值出現(xiàn)在7月,最低值出現(xiàn)在1月；其他模型都與PM一致,最高值出現(xiàn)6月,最低值出現(xiàn)在1月.高郵站和昆山站各方法月ET0的變化趨勢(shì)一致,最高值出現(xiàn)在7月,最低值出現(xiàn)1月.在月尺度上,3個(gè)站點(diǎn)中,機(jī)器學(xué)習(xí)模型預(yù)測(cè)值隨著輸入?yún)?shù)變少，與模型PM的差距越來(lái)越大.

2) 從決定系數(shù)可以看出,輻射法的擬合程度較好,R2大于0.85;溫度法中模型Har的擬合程度較好,R2大于0.70,而模型MC和Th的擬合程度差,R2在0.50左右;綜合法的擬合程度較好,R2大于0.80;機(jī)器學(xué)習(xí)方法擬合程度隨輸入?yún)?shù)變少，擬合程度依次降低,各方法在3個(gè)站點(diǎn)的差異不大.

3) 日尺度上,在相同輸入?yún)?shù)情況下，徐州站和高郵站的機(jī)器學(xué)習(xí)模型模擬精度優(yōu)于經(jīng)驗(yàn)?zāi)Ｐ?昆山站輻射法中的模型Han和JH模擬精度優(yōu)于相同輸入?yún)?shù)下的機(jī)器學(xué)習(xí)模型,其他相同輸入?yún)?shù)下的經(jīng)驗(yàn)?zāi)Ｐ湍M精度低于機(jī)器學(xué)習(xí)模型.