《表7 4种逐日ET0预测模型的相对误差占比》

  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

《考虑“蒸发悖论”的洱海灌区逐日参考作物蒸散发预测》

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

从大理站气象因子、蒸发皿蒸发与逐日ET0的线性回归分析看，将20 cm蒸发皿蒸发量与气象因子一并作为输入，采用多元线性规划方法推求模型参数、预测逐日ET0，并进行误差分析，结果如表5、表6所示。对比表3未引入Epan时的结果，其预测值与实测值的精度均有提升。表7为单纯的气象因子多元线性回归模型法（ET0，Metr）、T-Tmax二维Copula联合分布函数模型法（ET0，Copl）、蒸发皿折算系数Kp模型法（ET0，Kp）和加入Epan后的多元回归模型法（ET0，Epan+Metr）等4种模型方法，进行前述典型年组的逐日ET0预测，相对误差ERR小于10%、15%、20%和25%的样本量占比。由表7可知，在未出现“蒸发悖论”的时期，加入Epan后的多元回归模型法（ET0，Epan+Metr）所得预测ET0的预测结果与标准值间的误差最小，其次为单纯的气象因子多元线性回归模型法（ET0，Metr），最差的为蒸发皿折算系数Kp模型法（ET0，Kp）。另一方面，参与对比的T-Tmax二维Copula联合分布函数模型（ET0，Copl）的预测效果总体最佳，进一步表明其方法的普适性。