關中地區夏玉米和冬小麥不同蒸發蒸騰量估算方法的研究

Linvolak Pich，蔡煥杰， Qaisar Saddique，王云霏， Sereyrorth Ouk，彭雄標，Saleh Shahriar

(1.西北農林科技大學水利與建筑工程學院，陜西 楊凌 712100；2.西北農林科技大學中國旱區農業節水研究院，陜西 楊凌 712100)

0 引 言

小麥和玉米是重要的糧食作物，尤其在在半干旱和干旱地區，它們是不可或缺的糧食和飼料作物。由于這些作物的產量和品質經常受到供水不足或者不合理的灌溉制度的影響，因此更好地了解農田水量平衡對于節水灌溉措施的探索至關重要。農田水量平衡最重要的一個方面是作物蒸發蒸騰(ET)，這是確定適宜的灌溉制度和提高弄田水分利用效率的關鍵因素。ET是兩個過程的結合，水從土壤蒸發和作物蒸騰中流失[1]：土壤蒸發是水從土壤向大氣移動的過程;同時，通過蒸騰作用散失的水分通過根部進入植物，然后進入葉子，在那里蒸發并通過氣孔流失到大氣中[2]。蒸發和蒸騰同時發生，并且在兩個過程之間難以區分。計算作物蒸發蒸騰量的重要性在于評估作物需水量和干旱預測和監測等。Allen等[3,4]人引用了預測蒸發蒸騰量的標準方法來評估作物的需水量。也可以通過直接測量土壤和植被樣本的水分損失(蒸滲儀法)，或通過參考作物蒸發蒸騰量(ET0)和作物系數(Kc)估算ETc[5-8]。目前存在多種用于測量和估計ET的方法，這些方法來源不同的理論假設。包括：經驗關系[9]、水預算[10,11]、能源預算[12,13]及其組合[15]。此外，所有計算ET的方法都呈現出不同的結構復雜性和數據要求[16]。然而，對于給定的研究，選擇最合適的ET方法難度較大。在年降雨量非常低的干旱和半干旱地區，尤其是在在運河控制區域水的有效利用至關重要。因為在不同的區域之間水源通過運輸將損失很大一部分，甚至損失總水量的71%[17]。因此，如果根據作物的需水量精準估算需要施用的水量，則在控制區域釋放的水將充分被利用。為了估計ET0，在世界不同地區已經提出并嘗試了多種模型，特別是在溫帶地區[18]。然而，對于給定氣候模型的適用性尚無普遍共識[19]，因此模型需要嚴格的局部校準才能用于估算灌溉制度中的ET0。

在半干旱和干旱地區，局部校準和驗證較之溫帶氣候更重要，因為大多數模型已經經過校準，并在溫帶環境中得到驗證[20]。在溫帶環境區域的大多數評估研究中，當長期氣象數據用于ET0估算時，原始Penman模型及其修訂版本優于其他模型。這主要是由于缺乏方法選擇的客觀標準[21]，在時間和空間尺度上更好地理解ET估算方法可能是解決這個問題的一種方法。Smith等[22]人的研究表明Penman Monteith方法比其他ET0估算方法提供更精準的ET0估算。但Penman-Monteith方程所需的氣候數據并不總是可用，特別是在欠發達地區。在某些地區已經使用并測試了許多其他估算方法。Allen等[23]人研究表明基于Penman Monteith(PM)方法修訂得出的FAO56-PM方程已經通過廣泛評估，并與不同氣候條件下的稱重蒸滲儀所測得的ET進行了比較，被評為適用于所有氣候條件下的最佳估算方法。Allen等[19]人也證實使用Penman Monteith方程估算的ET0十分接近ET測量值。在這些研究之后，Allen等[23]人采用FAO56-PM方法作為定義和估算草地(冷季草)參考面的標準方法，并作為比較其他評估方法的比較措施。

在本研究中，應用了5種最常用的ET0估算方法來評估它們之間的關系。分別采用FAO56-PM、Penman Monteith(PM)，Priestley Taylor(PT)，Hargreaves(HG)和Makkink(MK)預測區域的參考作物蒸發蒸騰量。FAO-PM和PM方法必然需要氣象數據來計算ET0，與此同時MK和PT估算方法需要部分氣象數據用于估算。 因此，本研究通過對這5個估算方法進行了分析比較，并對其重要性進行統計分析，以評估冬小麥和夏玉米作物中最可靠的ET0估算模型及作物系數，從而估算出半干旱環境中冬小麥的需水量。

1 資料與方法

1.1 試驗地概述

試驗于2013-2017年在西北農林科技大學教育部旱區農業水土工程重點實驗室試驗站的農田(圖1)進行，試驗地位于東經108°04′07″，北緯34°17′45″，海拔521 m，年平均氣溫12.9 ℃，年平均降水量635.1 mm，年平均蒸發量1 440 mm，地下水位低于土壤表面50 m，屬干旱半干旱地區。冬小麥和夏玉米以犁溝栽培模式旋轉播種，用標準行作作物田間設備進行田間準備。通過鏟子在蒸滲儀中構建與周圍區域相同的溝槽尺寸。蒸滲儀的尺寸為3 m長，2 m寬，2 m深。蒸滲儀邊緣的高度保持與地面相近，以最大限度地減少蒸滲儀內部和周圍的邊界層效應。于蒸滲儀上方安裝了移動防雨棚以控制土壤水分狀態。提供高安全系數以允許更換稱重傳感器而沒有過載的危險并且還避免沖擊負載的影響，保證所有蒸滲儀的種植和所有其他現場管理都是統一的。1 m土層的田間平均含水率為23%～25%，凋萎系數為8.5%(以上均為質量含水率)，平均干密度為1.44 g/cm3[24]。

圖1 試驗地示意圖Fig.1 The location of the research

每天測量以下天氣因素：降雨量，溫度(最高和最低)，大氣溫度，相對濕度(早上8點，下午2點)，蒸發量，太陽輻射，日照時長和2 m高處的風速。這些變量在數據記錄器中自動記錄為每小時的平均值，每小時氣象平均數據按照分析的要求轉換為日平均值和月平均值。在本文中，直接采用線性內插法對短時間內(小于3 h)的缺失數據進行補充延長；用平均日變化法(MDV)補充對于較長時間(大于3 h) 的缺失數據、或者用以10 d(依不同作物不同生育期取7～14 d)為窗口的相鄰數據變化規律插補所缺少的數據[25]。

表1顯示了研究期間的月平均天氣特征。關中地區大多屬于半干旱地區，冬季寒冷干燥，夏季炎熱潮濕。由于陜西省的緯度跨度較大，陜西有各種氣候。根據K?ppen氣候分類法，試驗地所處區域，有冷干旱或半冷干旱，冬季寒冷干燥，干燥的春季和秋季，以及炎熱的夏季。

表1 所選氣象參數的日平均值(2013-2017)Tab.1 Daily averages of selected climatic parameters (2013-2017)

1.2 蒸發蒸騰量評估方法

采用5種參考作物蒸發蒸騰量評估方法計算所得的計算值與實測值進行分析比較，5種評估方法分別為：FAO-56 PM模型、Penmen Monteith(1948)模型、Priestly Taylor模型、Makkink模型和Hargreaves模型。 溫度、風速、凈輻射、土壤熱通量和相對濕度等氣象數據對參考作物蒸發蒸騰量的估算至關重要。以下各節提供了每種方法的描述。

1.2.1 FAO-56 PM模型

FAO-56 PM模型于1998年由國際糧食及農業組織第56號灌溉和排水文件出版[23]，利用氣象數據估算ET0。

(1)

式中：ET0為參考作物蒸發蒸騰量，mm/d；Rn為植物冠層表面太陽凈輻射量，MJ/( m2·d);G為土壤熱通量，MJ/(m2·d);es為飽和水氣壓，kPa;ea為實際水氣壓，kPa;Δ為飽和水氣壓-溫度曲線斜率，kPa/℃;γ為濕度表常數，kPa/℃;T為空氣平均溫度，℃;u2為地面以上2 m高處風速。

1.2.2 Penman Monteith模型

Penman(1948)是利用11個水文學參數開發了ET0估算模型[15]。

ET0=

(2)

式中：Kw為單位常數(Kw=6.43)；aw和bw是風函數系數，本實驗的取值分別為1/0.536；λ是汽化潛熱，MJ/kg；其他參數意義同上。

1.2.3 Priestly Taylor模型

Priestly Taylor模型是ET0的評估方法[26]，但參數數量少于FAO-PM，計算更為方便。

(3)

式中：α為經驗修正系數，取值1.26；其他參數如上所示。

1.2.4 Makkink模型

Makkink評估方法是于1957年開發，利用幾種氣象數據估算ET0。

(4)

式中：Rs為太陽總輻射，MJ/m2。

1.2.5 Hargreaves原始模型

此方法基于最高溫與最低溫以及輻射量數據對ET0進行估算[27]。

ET0=0.408×0.002 3 (Tmean+17.8) (Tmean-Tmin)0.5×Ra

(5)

式中：Tmin為最低溫度，℃；Tmean為平均溫度，℃；Ra為大氣層頂部所接收的太陽輻射量，MJ/(m2·d)。

1.3 ET和氣象變量的標準化

計算標準分數的數學表達式如下：

Zi=(Xi-μ)/σ

(6)

式中：Z是Xi的標準分數；Xi是變量或數據；i是數據集中的第i個值；μ是數據集的平均值；σ是數據集的標準差。

1.4 數據分析

為了直觀了解蒸發蒸騰量(ET)對各氣象因子的響應程度，對2013-2017年的實測數據進行回歸分析。R2表示由其他變量計算的因變量中方差的比例[28]，它是確定如何根據模型或關系進行預測的一種特定方法。R2計算如下：

(7)

式中：SSeer是殘差的平方和；SStot是因變量與其平均值之差的平方和。

SSeer=∑i(yi-fi)2

(8)

(9)

式中：yi是數據集中的變量；fi是因變量。在此，yi表示每個氣象變量，fi表示ET。

由于之前的研究報告稱，FAO-56 PM評估方法的精度在干旱、潮濕氣候條件下均表現優異，并被國際糧農組織(FAO)專家組推薦作為參考作物蒸發蒸騰量估算的新標準[23]。 因此，在回歸模型中使用FAO-56 PM評估方法作為因變量，其他4種評估方法用作自變量。

為了判斷FAO-56 PM評估方法與其他4種方法之間的相關性，Hussein(1999)引入的統計分析是在FAO-56 PM評估方法估計的ET0值與每個季節中其他四種評估方法所估計的ET0值之間進行的[29]。回歸參數a，SEE和r2使用以下公式計算：

(10)

(11)

(12)

式中：n是數據點的數量;Sy是y的標準差。利用(n-2)代替n，因為x和y被認為對致病因素有著相同的反應[29]。

2 結果與分析

2.1 蒸發蒸騰量(ET)對氣象因子的響應

2.1.1ET測量值

ET測量值對氣象因子 (包括太陽輻射、溫度、相對濕度和風速) 的響應程度通過比較5年的日平均值標準分數(圖2)并通過R2的定量評估表2來顯示。 兩項分析均表明，研究地點的ET測量結果對太陽輻射和溫度響應較強，而對相對濕度和風速的響應程度較小。 每日ET測量值的標準分數與太陽輻射和溫度的標準分數的總體分布模式基本保持一致，與相對濕度相關性不強，而作物ET與風速之間沒有明顯的相關性(圖2)。

圖2 每日ET測量值與氣象因子之間標準分數的比較(每個變量的標準分數為0對應于該特定日期的5 a平均值)Fig.2 Comparisons of standard scores between daily ET measurement and meteorological variables (standard scores of 0 for each variable correspond to the 5 year average on that specific day)

1-4月試驗區域ET較低且變化不大，這可能是由于積雪穩定的低蒸發占據主導地位。之后，ET迅速增加，直到6月達到峰值。從7月到年底，ET呈整體下降趨勢。太陽輻射的波動趨勢與之類似，年初作物攔截的太陽輻射較少，隨后逐漸增加，在6月和7月到達峰值，之后呈下降趨勢。溫度也以類似的模式波動，但峰值溫度在時間上比ET延后了一個月。 4月中旬至9月的相對濕度普遍低于其他月份。風速在5年的日平均值附近波動，與平均值沒有大的偏差，與ET沒有明顯的相關性。每日ET測量值與氣象因子之間的相關性見(表2)，分析表明太陽輻射和溫度是ET測量值的主要影響因素，而相對濕度與ET測量值相關性較差，風速幾乎不影響ET測量值。

根據能量平衡的原理，ET對太陽輻射和溫度的高度依賴性是因為蒸發蒸騰過程是由可用于蒸發水的能量決定的，這些能量主要來自太陽輻射，并且在較小程度上來自周圍環境的空氣溫度[23]。年初，由于可用的太陽輻射較少，溫度仍然較低，只能依靠作物自身的少量能量，因此該期間ET值很低。從4月開始，隨著更多的可用太陽輻射和不斷升高的溫度，試驗地的ET增加。到6月和7月，可獲得足夠的太陽輻射以及溫度，從而出現ET峰值，隨后太陽輻射減少和溫度降低導致呈現下降趨勢。相對濕度與大氣接收蒸發水的能力大小有關，如果大氣的相對濕度低，空氣具有很高的干燥能力，通過ET提取水，隨著相對濕度接近飽和，蒸發蒸騰作用減慢，ET隨之變少。這或多或少可以解釋在此期間的ET測量值較低的原因。從5月到9月，大多數日子的相對濕度仍然很低，高干燥的空氣使得更多的水從試驗地表面蒸發。因此，除了足夠的太陽輻射和高溫，低大氣相對濕度也有助于ET峰值的出現。 9月之后，由于大多數日子的相對濕度相對較高，ET維持在較低的水平。風可以加速空氣流動，從而增大ET值。但在2013-2017年期間，由于該研究地點的風速較低，全年均值僅為1.50 m/s，因此效果不明顯。

2.1.2ET計算值

運用FAO-56 PM，Penman-Monteith，Makkink，Hargreaves原始模型和Prietly-Taylor這5種方法計算的ET0對氣象因子(包括太陽輻射，溫度，相對濕度和風速)的響應程度可見(圖3～圖7)及表2。5個ET計算值都與太陽輻射和溫度高度相關，而對相對濕度和風速的響應程度則較低。5種ET方法所得的計算值大致變化趨勢基本一致，即ET計算值的標準分數的總體分布遵循太陽輻射和溫度的總體分布，與相對濕度呈現相互關系，而與風速沒有明顯的相關性(圖3～圖7)。在4月中旬之前，這5種方法的ET計算值都很低，然后迅速增加，直到6月達到峰值，從7月到年底呈整體下降的趨勢。太陽輻射和溫度的變化與ET計算值的變化類似，但峰值溫度的出現較ET計算峰值推后了一個月。4月中旬至9月期間相對濕度相對較低，其余時期相對濕度較高。風速在1.5 m/s前后波動，沒有出現大的偏差，與ET計算值沒有明顯的相關性。

圖3 FAO-56 PM方法的每日ET計算值與氣象因子之間標準分數的比較(每個變量的標準分數為0對應于該特定日期的5 a平均值)Fig.3 Comparisons of standard scores between daily ET estimations by the FAO Penman-Monteith method and meteorological variables (standard scores of 0 for each variable correspond to the 5 year average on that specific day)

圖4 Penman-Monteith方法的每日ET計算值與氣象因子之間標準分數的比較(每個變量的標準分數為0對應于該特定日期的5 a平均值)Fig.4 Comparisons of standard scores between daily ET estimations by Penman-Monteith method and meteorological variables(standard scores of 0 for each variable correspond to the 5 year average on that specific day)

圖5 Priestly Taylor方法的每日ET計算值與氣象因子之間標準分數的比較(每個變量的標準分數為0對應于該特定日期的5 a平均值)Fig.5 Comparisons of standard scores between daily ET estimations by Priestly Taylor method and meteorological variables(standard scores of 0 for each variable correspond to the 5 year average on that specific day)

圖6 Makkink方法的每日ET計算值與氣象因子之間標準分數的比較(每個變量的標準分數為0對應于該特定日期的5 a平均值)Fig.6 Comparisons of standard scores between daily ET estimations by the Makkink method and meteorological variables (standard scores of 0 for each variable correspond to the 5 year average on that specific day)

圖7 Hargreaves原始模型方法的每日ET計算值與氣象因子之間標準分數的比較(每個變量的標準分數為0對應于該特定日期的5 a平均值)Fig.7 Comparisons of standard scores between daily ET estimations by Hargreaves method and meteorological variables (standard scores of 0 for each variable correspond to the 5 year average on that specific day)

表2 ET與氣象因子之間的決定系數(R2)Tab.2 Coefficient of determination (R2) between ET and meteorological variables

5種ET評估方法所得的ET計算值與表2中的氣象因子之間的相關性表明：太陽輻射和溫度都是ET變化的主要原因，相對濕度影響較小，而低風速幾乎不影響ET計算值。在這些氣象因子中，太陽輻射對ET影響最大，其決定系數R2分別為0.80、0.76、0.75、0.92和0.75；溫度對ET的影響次之，R2分別為0.70、0.68、0.66、0.87和0.67；相對濕度和風速對本研究ET的變化影響非常小。ET與表2中的氣象因子之間的決定系數R2也表明，ET對氣象因子的響應程度因評估方法而異。

FAO-56 PM方法的ET計算值較之ET測量值對太陽輻射和溫度的響應程度更高，表明該方法假設溫度和空氣溫度的依賴性高于根據測量值所保證的溫度和空氣溫度。由于風速極低的R值，因此忽略不計。 FAO-56 PM和Hargreaves的原始模型方法都提出了比測量值相對于太陽輻射和溫度更高的R2，這是因為太陽輻射和溫度構成了兩者唯一的數據要求。在所有5種ET方法中，FAO-56 P M 和Hagreaves原始模型方法開發了最接近物理過程的ET評估方法，并且相對準確地依賴于太陽輻射和溫度，這可能是由于其物理基礎和各種物理和參與ET估算的生理參數。

2.2 參考作物蒸發蒸騰量(ET0)的模擬

在整個作物生長期(2013-2017)，冬小麥通過蒸滲儀測得的平均實際蒸發蒸騰量(ETc)為412.28 mm，夏玉米為401.866 mm(表3和表4)。參考作物蒸發蒸騰量(ET0)由FAO-56 PM，Penman Monteith(PM)、Priestly Taylor(PT)、Makkink(MK)和Hargreaves(HG)5個模型導出。模擬結果顯示冬小麥整個生育期的ET0分別為492.63、598.42、857.18、405.06和255.15 mm;夏玉米整個生育期的ET0分別為478.46、553.63、548.17、378.53和252.78 mm。冬小麥整個生育期5種評估方法的ET計算值與實測值偏離度分別為+19.06%、+ 37.75%、+ 36.40%、-5.80%和-37.09%，夏玉米分別為+ 26.47%、47.28%、51.14%、-7.25%和-43.65% 。在作物生長前期，蒸發蒸騰速率非常低(冬小麥為2.7 mm每10 d，夏玉米12.85 mm每10 d)。隨著冠層發育，其作物年齡逐漸增加，最大蒸發蒸騰量為40.53 mm每10 d和78 mm每10 d。冬小麥和夏玉米的10 d平均(2013-2017)ET實測值分別為34.36、66.98 mm。但在其余5個模型(FAO-56 PM，P M、P T、MK和HG原始模型5個模型)中，冬小麥的10 d均ET0分別為41.05、49.87、71.43、33.76、21.26 mm，夏玉米的10 d均ET0分別為79.74、92.27、91.36、63.09、42.13 mm。在作物初始生長階段，即冬小麥生育期的前50 d和夏玉米生長季的前30 d，ET=高于蒸滲儀ET測量值。之后，蒸滲儀ET測量值高于FAO-56 PM模型計算的ET0，并持續到冬小麥生育期內的第180 d和夏玉米生長季內的第90 d。PM、MK、HG這3種評估方法偏差過大，參考意義不大。在此期間，隨著作物冠層的不斷發育，冬小麥和夏玉米汲取了更多的水。超過冬小麥生育期的第180 d和夏玉米生育期的第90 d，冬小麥和夏玉米作物進入成熟期，葉片衰老顯著增加，導致蒸滲儀ET測量值開始降低。但由于某些氣象參數值的增加，從而導致更高的ET0。在冬小麥和夏玉米的生長季內，HG方法計算的ET0明顯低于其他4種方法，FAO-56 PM估算的計算值與實測值分布狀況最為接近。HG評估方法的計算結果清楚地表明，對于該區域，僅考慮空氣溫度和太陽輻射進行ET0估計的方法是不可行的。

表3 2013-2017冬小麥參考作物蒸散量和蒸滲儀實測的蒸發蒸騰量(每10 d)Tab.3 Reference evapotranspiration and lysimeter ETc (every 10 day) in winter wheat crop during (2013-2017)

表4 2013-2017夏玉米參考作物蒸散量和蒸滲儀實測的蒸發蒸騰量(每10 d)Tab.4 Reference evapotranspiration and lysimeter ETc (every 10 day) in summer maize crop during (2013-2017)

2.3 ET估算方法的評估

2.3.1 數據分析

以前的研究報告稱，FAO-56 PM方法在干旱和潮濕氣候下都具有獨特的優越性，國際糧農組織專家組建議將其作為參考作物蒸發蒸騰量估算的新標準[23]。 因此，FAO-56 PM方法的計算結果被用作簡單回歸模型中的因變量，其他4種方法的計算結果作為自變量,計算方法如式 (7)～(12)。

最高r2通過Penman Monteith方法的估算結果得出，其中冬小麥在4個生長季的ET0分別為(0.19、0.2、0.14和0.16 mm/d)和夏季玉米3個生長季節(0.34、0.2、0.26 mm/d);其次是Makkink法計算值，冬小麥為(0.22、0.23、0.18、0.19 mm/d)和夏玉米(0.26、0.22、0.28 mm/d)；Hagreave法冬小麥計算值為(0.11、0.21、0.12、0.14 mm/d)和夏玉米(0.32、0.23、0.34 mm/d)和；Priestly Taylor法冬小麥計算值為(0.18、0.2、0.14、0.14 mm/d)和夏玉米(0.35、0.19 mm/d)。通過Penman Monteith方法和Makkink方法估計的系數a接近其理想值1， Priestly Taylor方法估計的系數最低，Hargreave方法的估計系數過高(表5)。結果表明，用于估算每日ET0的Penman Monteith方法在作物生長季節與FAO-56 PM方法精度類似，而Priestly Taylor方法和HG方法在估算精度上遠不如前兩者。

2.3.2 作物系數

在本研究中，基于FAO-56 PM、Penman Monteith、Priestly Taylor、Makkink和Hargreaves方法所計算的ET0求得冬小麥(2013-2017)平均作物系數(KC)分別為0.90、0.72、0.64、0.93和1.03，夏玉米平均作物系數為0.81、0.69、0.72、1.02、1.53。2013-2017年冬小麥的作物系數(每10日階段值) 最大值分別為1.48、1.56、1.92、1.81和1.79以及夏玉米1.30、1.48、1.50、1.68、2.69(圖8，圖9)。

作物蒸發蒸騰量隨著作物冠層面積的增大而增加，并且進入成熟期后逐漸減少。Allen[23]等人的研究表明，冬小麥的初期、中期和后期作物生長階段的作物系數分別為0.70,1.15和0.40，夏玉米分別為0.7,1.15和1.05。由于這些值是在溫帶氣候條件下得出的，因此半干旱和干旱條件下的作物系數值對作物灌溉需求的估算是非常必要的。將作物系數作為因變量，將每10 d觀測作為自變量，進行二次回歸分析。據觀察，FAO-56 PM方法表現較好，決定系數最高(R2=0.815 6)；其次是HG方法(R2=0.790 12)和PM方法(R2=0.703 89); PT記錄的相關性最弱(R2=0.481 23)。對于夏玉米，在FAO-56 PM方法表現較好，R2=0.610 4。其中PM、PT，MK、HG方法的決定系數分別為：R2=599 95、R2=0.558 81、R2=596 76、R2=0.587 97。綜上所述，在推薦的FAO-56 PM方法之后，PM方法被發是簡便可靠的，因為它在保證精準估計得同時需要更少的氣象參數。

圖8 冬小麥平均ET實測值，平均ET0和作物系數相關圖(2013-2017)Fig.8 Average Lysimeter ET, average ET0 and crop coefficient in winter wheat (2013-2017)

圖9 夏玉米平均ET實測值，平均ET0和作物系數相關圖(2013-2017)Fig.9 Average Lysimeter ET, average ET0 and crop coefficient in summer maize (2013-2017)

3 結 語

5種估算5方法的計算ET高度依賴于太陽輻射和溫度，與相對濕度和風速的關系很小。太陽輻射是最重要的控制因素，R2均超過0.7；溫度也是一個重要的控制因素，R2大于0.6。蒸滲儀法被證明非常適合測量各種氣候條件下的作物蒸發蒸騰量。從5種常用的ET0估計模型獲得的ET0估計值表明：在半干旱氣候條件下，PM方法被發現用于計算ET0適用性較高，與其余模型相比，該方法還導致ET0的變化最小。由于這種方法僅需要有限的氣象數據來進行ET0估算，因此可以在更廣泛的范圍內采用該方法進行灌溉管理規劃。FAO-56 PM被認為是最成熟可靠的方法之一，但需要在灌溉指揮中進行微觀水平研究時，則需要許多氣象數據，因此這種方法不適用于小流域/灌溉指揮區。