摘要:針對(duì)實(shí)際蒸散量(Actual evapotranspiration,ETa)估算過程中太陽(yáng)輻射測(cè)量設(shè)備昂貴,、難以大量布署安裝,以及單元機(jī)器學(xué)習(xí)回歸算法精度低,、泛化性能差的問題,,提出了一種基于光照度的集成算法。首先,,將光照度作為模型的輸入量代替太陽(yáng)輻射,,提出了基于光照度的晴朗指數(shù);提出了以極端梯度提升模型(Extreme gradient boosting,XGBoost),、分布式梯度提升框架(Light gradient boosting machine,LightGBM),、隨機(jī)森林回歸(Random forest regression,RFR)、支持向量回歸(Support vector regression,SVR)為基礎(chǔ)模型的實(shí)際蒸散量估算集成算法,。結(jié)果表明:在農(nóng)田實(shí)際蒸散量的估算中光照度可以替代太陽(yáng)輻射,,通過單元模型和集成模型分別對(duì)比基于光照度和太陽(yáng)輻射的ETa估算結(jié)果,兩者最大均方根誤差(RMSE)差值為0.031mm/h,,決定系數(shù)(R2)的最大差值為0.053,。晴朗指數(shù)有助于模型更好地學(xué)習(xí)不同天氣條件下的蒸散量數(shù)據(jù)分布特征,,與未添加晴朗指數(shù)的集成模型估算結(jié)果相比,RMSE降低了0.028mm/h,,R2提高了0.03,。采用集成算法比單元模型算法性能有明顯提升,基于光照度的集成模型RMSE為0.037mm/h,、R2為0.985,。本文從估算蒸散量所需的數(shù)據(jù)源、特征量以及估算算法等多個(gè)角度進(jìn)行了探索,,為農(nóng)田蒸散量的估算提供了一種新思路,。