《表1 2011—2016年ET0-HS校正前后精度比较结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《农业分区框架下Hargreaves-Samani公式的逐月回归修正》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（2）由表1可知，大部分农业区均不同程度存在ET0-HS优于ET0-HC的情况。存在这一结果的原因，除了长时间序列数据的线性回归增强了气候变化引起的误差和短期验证应用存在的随机误差外，如从数据的角度分析，可能数据质量也是这一结果的一个影响因子。本研究数据的获取时间尺度是1957—2016年。因气象观测中存在的不可控因素，站点数据均存在不同程度缺失，即，实际上站点的数据时间序列是不连续的，只是在研究中将其假设为时间序列数据。另外，不同站点的有效观测时间尺度也不一致，所以，最后各站点回归求得系数a、b时的样本量不一致。之后，又以区域的站点平均值来代表整个研究区的取值，但各农业区内站点密度明显不均（图1），系数a、b取站点的平均值没有考虑其他地理因子的影响，所以，以区域内站点的平均结果代表整个区域的取值也可能进一步致使结果存在偏差。因此，未来不仅要考虑验证不同气候尺度下ET0-HS的校正精度，以确定最优的气候尺度从而削弱气候变化对ET0的影响，还需要讨论如何进一步弱化现有数据不连续的影响，而最优系数在具体验证年份及未来应用中是否存在变化，也值得进一步的探讨。