基于BCC_CPSv2模式的淮河流域月参考作物蒸散概率订正预报

参考作物蒸散预报（Reference Evapotranspiration,ET0）在农业水资源配置、区域干湿演变评估方面有着重要作用。该研究基于国家气候中心第二代气候预测系统（Beijing Climate Center second-Generation Climate Prediction System,BCC_CPSv2）模式预报数据和1991－2020年淮河流域地面气象观测数据,利用分位数映射法对模式预报的气象要素进行概率订正,采用Penman-Monteith公式计算ET0,并评估了订正前后BCC_CPSv2模式对淮河流域月ET0和气象要素的预报性能。结果表明：1）模式对平均气温、净辐射和相对湿度的预报值较观测值偏小,风速预报值在3－6月偏小,其他月份偏大,4个气象要素预报的均方根误差（Root Mean Square Error,RMSE）分别为1.84℃、1.70 MJ/m2d、15.8%和1.39 m/s;气象要素预报偏差导致2－6月ET0预报值较计算值偏小,1月和7-12月偏大,区域平均RMSE为0.59 mm/d,绝对百分比误差（Mean Absolute Percentage Error,MAPE）为21.9%。2）概率订正有效降低了气象要素和ET0的预报误差。气温、净辐射、相对湿度和风速预报订正值的RMSE比订正前减小了0.52℃、0.96 MJ/m2d、8.4%和0.86 m/s;80%月份ET0预报订正值的RMSE小于订正前,区域平均RMSE减小了0.23 mm/d,MAPE减小了11.2%。3）夏半年和冬半年ET0预报误差的首要来源分别是净辐射和相对湿度,主要是由于模式对这2个要素的预报精度较低且ET0对其敏感,误差容易传递。4）基于模式概率订正的月尺度ET0预报方法精度较高,可以为水资源优化管理、灌溉制度制定和农业中长期需水决策提供科学参考。     

安徽省参考作物蒸散模型参数化

模型参数优化是准确估算参考作物蒸散(reference crop evapotranspiration,ET0)的关键问题之一。该研究基于安徽省81个地面气象站点1961—2011年逐日气象数据和合肥、武汉、南京、杭州和南昌5个辐射站1993—2011年的逐日辐射数据,评估日尺度的净长波辐射、气压和水汽压模型在安徽地区的适用性;并结合已有研究获得的最优逐日太阳辐射参数化估算模型,建立安徽省本地化逐日ET0模型的最优参数化方案,探讨模型参数优化对ET0估算的影响。结果表明:7种净长波辐射估算参数化方案中,邓根云法的精度最高,在安徽地区的适用性优于其他方案,建议作为安徽本地化方案使用;FAO56 Penman-Monteith公式中推荐的气压估算模型和基于实测平均气温和相对湿度估算水汽压的模型在安徽省基本适用,但该研究认为在资料能够获取的情况下直接使用实测值为最优。与基于实测资料计算的ET0相比,该研究建立的本地化最优模型估算的ET0在日、月和年尺度上的相对误差分别为15.5%、9.05%和6.12%,能较好地适用于安徽地区。FAO56 Penman-Monteith公式推荐的参数化方案由于高估了安徽地区的太阳辐射,低估了净长波辐射,导致其与基于实测资料计算的ET0值相比,在日、月和年尺度上高估ET0达40.0%以上,不推荐安徽地区直接使用。研究可为安徽省准确估算作物需水量、农业旱涝评估和合理调度水资源等提供依据。     

干旱区内陆河流域中游低湿草地蒸散特征

以气象观测资料为基础,采用波文比能量平衡法(BREB)对低湿草地的蒸散进行了估算。结果表明,在一个完整年度内,试验地蒸散量(ET)为611.5mm,日均1.67mm。在牧草不同生长季节,ET变化剧烈,非生长期、生长初期、生长中期、生长末期分别为0.57mm/d、2.01mm/d、3.82mm/d和1.49mm/d,蒸散量分别占全年蒸散总量的18.26%、9.20%、61.83%和10.71%。ET月变化显示,从3月开始草地蒸散量有所增大,6月牧草进入生长中期后蒸散量迅速增大,到7月蒸散量达到最大,9月牧草进入生长末期,蒸散急剧减小;随着牧草生长终结和土壤冻结,蒸散量逐步减小,在11月中旬到次年2月蒸散基本停止。蒸散的日内变化规律显示,草地蒸散开始于早晨7:00～8:00,13:00左右达到最大,19:00～20:00蒸散趋于0。晴天蒸散强度远大于阴天。     

利用估算的太阳辐射计算浑善达克沙地参考作物蒸散速率的精度分析

利用FAO推荐的Penman—Monteith公式。以内蒙浑善达克沙地三个气象站太阳辐射实测值计算的参考作物蒸散速率（ET0）为背景值，分析了利用估算的太阳辐射计算ET0时的精确度。结果表明：太阳实际日照时数短时。ET0的计算误差比较明显，必须利用适当的方法予以修正。     

通径分析结合BP神经网络方法估算夏玉米作物系数及蒸散量

准确估算蒸散量对于精准管理农田水分至关重要。为了解作物系数的动态特征,准确估算作物需水量,使用叶面积指数和气象要素模拟玉米全生育期作物系数及蒸散量。利用2018年五道沟实验站气象和称重式蒸渗仪实测数据,运用通径分析法筛选影响作物系数的关键因子,建立无雨期不同地下水埋深下作物系数模型,以此估算蒸散量。结果表明:1 m埋深下全生育期作物系数平均绝对误差为0.04 mm/d,相关系数为0.94,其中初期、发育期、中期和后期平均绝对误差分别为0.06、0.09、0.05和0.03 mm/d。3 m埋深下全生育期作物系数平均绝对误差为0.08 mm/d,相关系数为0.92,各生育期平均绝对误差分别为0.11、0.10、0.07和0.03 mm/d,利用温度、风速和叶面积指数模拟作物系数精度较高。1 m埋深全生育期ET平均绝对误差为0.72 mm/d,各生育阶段平均绝对误差分别为0.56、059、0.66和0.45 mm/d。3 m埋深全生育期ET平均绝对误差为0.73 mm/d,各生育阶段ET平均绝对误差分别为0.82、0.98、0.68和0.29 mm/d。不同时间尺度下(1、3、5 d)2种埋深ET模拟值与实际值一致性指数均接近1.00,平均绝对误差小于1.0 mm/d,预报准确率达70%。随预报时间尺度的增加,预报精度提高。该方法可用于夏玉米蒸散发量计算。     

四川地区参考作物蒸散量的变化特征及气候影响因素分析

参考作物蒸散量是估算作物需水量的关键因子,对指导农田灌溉具有重要的现实意义。本文利用1961-2009年四川地区5个盆地站点和5个高原站点的逐日气候资料,采用FAO推荐的Penman-Monteith公式计算参考作物蒸散量（ET0）,分析了当地ET0的日值、月值、季值和年值的变化特征,并采用偏相关分析方法,对影响ET0变化的主要气候因子进行了探讨。结果表明：（1）四川盆地与高原地区参考作物蒸散量的日均值、月均值呈单峰或双峰型曲线变化,有明显的季节特点,最小值出现在冬季,最大值出现在夏季。（2）盆地地区各站点的年ET0呈波动递减趋势,且下降趋势通过了显著性检验;高原地区木里、松潘两站点的ET0呈上升趋势,其他站点呈减少的趋势。（3）四川地区的年、季参考作物蒸散量与日照时数、风速、相对湿度、平均温度、最高温度、最低温度、气压等要素关系密切,但近50a来日照时数的显著下降是导致盆地地区参考作物蒸散量减少的主要原因,风速的变化是导致高原地区参考作物蒸散量变化的主要原因。     

实测草坪蒸散量评价P-M模型在北京地区适用性

为了研究北京地区的参考作物蒸散(reference evapotranspiration,ET0)特征以及Penman-Monteith(P-M)模型的适用性,2012-2014年生长季,应用蒸渗仪实测了冷季型高羊茅(Festuca arundinacea)、暖季型野牛草(Buchloe dactyloides)和乡土草种青绿苔草(Carex leucochlora)3种草坪的蒸散,应用自动气象站监测了试验地的太阳辐射、温度、空气相对湿度、风速等气象参数,通过P-M模型计算获得了ET0。将同期的P-M模型计算值与实测值进行了不同天气以及不同尺度下的比较分析,应用线性回归斜率与决定系数(R2)以及均方根误差(root mean square error,RMSE)与一致性指数(d)等统计参数进行了一致性评价。结果表明,P-M模型计算ET0与实测值在日、周、月尺度上均呈现一致的变化趋势。北京地区ET0高峰出现于5月,蒸散速率分别为4.18±0.27(P-M模型)、4.43±0.98(高羊茅)、3.96±0.23(青绿苔草)、3.53±0.25 mm/d(野牛草),10月最低。P-M模型计算的ET0与太阳辐射、平均气温、最高气温均呈极显著的线性关系,其中ET0与太阳辐射回归的R2最高,达到0.885。天气影响P-M模型的准确性,P-M模型计算ET0与草坪实测值的比值随着太阳辐射的降低(从晴天到雨天)而升高。P-M模型高估了阴雨天下的ET0。P-M模型计算ET0与实测值的RMSE和d值均随评价尺度减小而增大。实测ET0在3种草坪间差异显著,高羊茅青绿苔草野牛草。P-M模型计算ET0与高羊茅实测值的一致性最高,具有接近1.0的回归方程斜率(0.99~1.03)、最小的均方根误差(0.62~1.05 mm/d)和最高的一致性指数(0.89~0.90)。P-M模型在北京地区有较好的适用性,但在阴雨天气及春季低温情况下会高估ET0。     

基于日天气预报数据估算小麦生长季参考作物蒸散量

为了在气象要素类型不完整条件下采用Penman-Monteith方法估算小麦生长季蒸散量,运用2014/2015和2015/2016年度两个小麦生长季新乡历史日天气预报数据和对应日气象实测数据,以及修正后的太阳辐射参数和调节系数,首先验证天气预报气温值的准确性,并以预报气温为基础,估算实际水汽压和太阳辐射,最后利用天气预报气温和平均风速值,以Penman-Monteith公式为基础估算参考作物蒸散量。结果表明：日天气预报温度数据可以代替气温观测数据;用天气预报中的最高和最低气温估算的水汽压和太阳辐射能满足Penman-Monteith公式的要求;用天气预报数据估算的辐射项的精度高于空气动力项的精度。总体上,用天气预报数据估算的日参考作物蒸散量中辐射项的精度高于空气动力项,用天气预报估算值总体偏低,但低估范围在7%之内,经统计分析,用天气预报估算与利用Penman-Monteith估算的日参考作物蒸散量相关性较高（R2=0.77）。因此,采用日天气预报的气象资料估算参考作物蒸散量这一方法可行,建议在干旱半干旱地区采用辐射法估算参考作物蒸散量,这给农业灌溉预报提供了理论和方法上的保证,并对指导当地农业水资源的优化配置具有参考意义。     

北疆地区生长季参考作物蒸散量的时空变化特征及其敏感性分析

基于北疆地区20个气象站点1966-2012年逐日气象数据,采用Penman-Monteith公式计算各站生长季逐日参考作物蒸散量(ET0),利用线性趋势分析、M-K突变检验、因子贡献率、敏感系数等方法,对该地区ET0的时空变化规律及其对气象要素的敏感性进行分析。结果表明,北疆地区生长季ET0多年平均值为939.43mm,47a间以16.30mm×10a-1的速率呈极显著下降趋势（P水汽压>风速>日照时数。水汽压升高、风速减小、日照时数减少对ET0的减小作用超过温度上升对ET0的增大作用,是导致近47a北疆地区ET0总体呈下降趋势的根本原因。     

川中丘陵区参考作物蒸散量时空变化特征与成因分析

为深入认识川中丘陵区参考作物蒸散量(reference crop evapotranspiration,ET0)变化特征,使用联合国粮农组织1998年推荐的Penman-Monteith公式计算川中丘陵区13个气象站点近52 a(1961-2012年)的逐日ET0,利用GIS克里金插值法和Mann-Kendall趋势检验法分析川中丘陵区ET0时空变化特征;在此基础上,使用基于通径分析原理的指标敏感性分析方法研究ET0的变化成因。结果表明:近52 a来川中丘陵区ET0年际间整体下降明显,ET0年内变化呈单峰曲线,主要集中在每年3-10月,占全年ET0的85.82%;ET0空间分布整体上呈现自东北、东南向中部递减趋势;在指标敏感性分析中,分别去掉日照时数(n)、风速(u2)、相对湿度(relative humidity,RH)和温度(T)后,剩余3个气象因子对回归方程估测可靠程度(E)由0.89分别降为0.596、0.81、0.84和0.88,表明ET0对n最为敏感,其次为u2、RH和T。因此,日照时数和风速是引起川中丘陵区ET0变化的最主要气象因子,相对湿度次之,温度对ET0的影响最小。当使用各季度平均温度代替逐日温度计算ET0时,各季度估算结果同实际计算结果间决定系数分别达到了0.93、0.97、0.96和0.94,表明估算精度较高,因此在资料缺乏情况下可以使用各季度平均温度替代温度计算ET0。该研究可为川中丘陵区的农田水分管理提供科学依据。     

基于天气预报的漳河灌区参考作物腾发量预报方法比较

为了提出适合湖北省漳河灌区的参考作物腾发量预报方法,以FAO56-Penman-Monteith公式采用历史气象数据计算出的值为基准,利用天气预报数据,比较Hargreaves-Samani(HS)法、逐日均值修正法及该文改进的逐日均值修正法在该灌区钟祥站点的预报精度,并评价各方法适用性.结果表明:利用这3种方法进行参考作物腾发量预报时,1~7 d预见期平均绝对误差均值分别为0.75、0.80、0.76 mm/d,均方根误差分别为1.00、1.07、1.05 mm/d,相关系数分别为0.82、0.80、0.80.1 d预见期最优预报方法为改进逐日均值修正法,2~7 d预见期的最优方法均为HS法.总体而言,预报精度最好的为HS法、改进逐日均值修正法次之、逐日均值修正法最差.对于漳河灌区,建议采用HS法进行预报,可为灌溉预报提供较为准确的数据基础.     

蒸散量双线性曲面回归模型的改进及验证

潜在蒸散发是水文循环和能量循环的一项重要组成,准确估算蒸散发对农业水资源有效利用具有重要的理论和现实意义。为获得精度稳定可靠的蒸散发估计值同时只需较少的气象资料,以沂沭河上游流域(临沂控制站)为研究区,提出改进的双线性曲面回归模型(bilinear surface regression model,BSRM)计算站点的潜在蒸散量。以实测蒸发数据折算的陆面潜在蒸散量为标准,同时以彭曼公式(P-M)为参考与之对比,检验和评价3种BSRM模型的精度,并分析各气象因子对潜在蒸散量的影响。结果表明:3种BSRM模型中,基于日照百分率、气温和相对湿度建立的双线性曲面回归模型模拟精度最高,以基于日照百分率计算的太阳辐射、气温、相对湿度建立的双线性曲面回归模型次之,以基于Hargreaves-Allen方程计算的太阳辐射、气温和相对湿度建立的双线性曲面回归模型模拟精度最差。基于日照百分率、气温和相对湿度建立的BSRM模型的模拟精度略优于P-M公式,但所需的气象因子较少,计算方法简单;且受气象因子的变化影响较少,模拟精度稳定可靠,是一种有效的替代方法。     

夏季黑河中游绿洲样带蒸散量遥感估算

黑河中游绿洲集中了全流域95%的耕地,利用了全流域68%的水资源,绿洲农田蒸散是水资源的主要支出项。为了解绿洲生态系统不同景观单元的耗水规律,高效管理区域水资源,该文利用2011年6-8月的7期Landsat TM影像,结合地面气象、物候数据和土地覆盖类型,基于SEBAL-METRIC模型估算了夏季黑河中游样带尺度不同土地覆盖类型蒸散量,并利用涡度观测数据对卫星过境日模型估算的蒸散量进行验证,发现遥感估算值与实测值具有较好的一致性。结果表明:由于土地覆盖类型和灌溉的差异,黑河中游样带尺度内蒸散量空间变化较大,6-8月农田平均总蒸散量是340 mm,林地是328 mm,草地的平均值是214 mm,荒漠区只有97 mm;夏季不同土地覆盖类型蒸散量均保持在较高水平,农田日蒸散量在6月底达到最大值,荒漠日蒸散量于7月中旬达到最大值,草地6月和7月平均日蒸散值较8月大,林地蒸散量月际变化较小。另外,荒漠与绿洲土壤类型差异较大,在荒漠区与绿洲区分别选取"热点"可有效提高模型估算精度。研究对于干旱半干旱区域水资源利用与管理有参考价值。     

温室葡萄蒸散量时间尺度提升方法优选

为探索在东北寒区温室种植环境下温室葡萄蒸散发（Evapotranspiration,ET）规律与不同时间尺度ET转化方法,该研究对温室葡萄蒸散过程及环境因子进行2 a的连续监测,利用3种尺度提升方法（蒸发比法、改进蒸发比法、作物系数法）对葡萄ET进行了瞬时到日以及日到全生育期的时间尺度提升。结果表明：利用蒸发比法、改进蒸发比法和作物系数法进行ET瞬时到日尺度提升的关键参数在08:00-16:00变化平稳,平均值分别为0.54、0.52和0.76,变异系数平均值分别为0.11、0.10和0.09。采用3种日尺度提升方法对葡萄ET进行瞬时到日尺度提升时,基于不同评价指标确定的最优模型和最佳尺度提升时间均不一致。进一步,利用综合评价指标确定了4个生育期的最佳模拟时刻,基于该时刻进行瞬时到日尺度提升模拟,模拟精度以蒸发比法最高,作物系数法最低,改进蒸发比法居中。2020和2021年蒸发比法模拟的R2分别达到0.92和0.89,相对均方根误差仅为20.23%和21.49%。利用不同生育期的日蒸腾进行生育期尺度ET提升,其中果实膨大期效果最好,基于3种方法利用该生育期日数据进行全生育期ET模拟,模拟精度仍然以蒸发比法最高,作物系数法最低,改进蒸发比法居中。蒸发比法在2020和2021年的ET模拟绝对误差仅为1.8和7.4 mm,相对误差仅为0.68%和2.73%。研究为东北地区温室葡萄的水分管理提供科学依据。     

两种Penman-Monteith公式计算草坪草参考腾发量的适用性

为了揭示ASCE和FAO56两种Penman-Monteith公式在计算小时参考作物腾发量（ET0）时的差异,开展了充分供水草坪草腾发量观测试验。基于自动气象站的小时气象数据和蒸渗仪试验结果,在对比两公式计算结果差异基础上,以实测的日草坪腾发量为标准评价了2种计算公式小时ET0的日累积结果及以日的计算结果。结果表明：2种Penman-Monteith公式计算的小时ET0结果存在一定差异,ET0较高的时段差异也比较大。白天FAO56 Penman-Monteith公式的计算结果低于ASCE Penman-Monteith公式的计算结果,夜晚则正好相反,原因在于Cd取值的差异。与实测日ET0结果相比2种公式小时时段的ET0结果的累积值误差均比较大,ASCE的改进并没有使Penman-Monteith在计算结果上取得实质性的改进,相比之下以日为时段的Penman- Monteith公式（ASCE同FAO56）取得了与实测结果最为一致的效果。进一步根据实测的小时ET0数据以及更长序列的日ET0实测结果,评价FAO56 Penman-Monteith和ASCE Penman-Monteith结果的地区适用性将是今后研究内容之一。     

基于多模式集成输出天气变量的参考作物腾发量预报

参考作物腾发量（reference evapotranspiration, ET0）是农业生产中一项重要的参数,对评估未来的干旱程度和实现农业精细化管理具有重要意义。为进一步提高ET0的预报精度,该研究将多模式集成方法应用于ET0的预报,运用遗传算法-回归型支持向量机对欧洲中期天气预报中心、美国国家环境预报中心、日本气象厅和韩国气象厅4个中心全球集合预报模式输出的天气变量进行多模式集成处理,基于最优的模式和方案使用Penman-Monteith公式对山西运城站未来1～7 d的ET0进行预报,并对其在站点附近农业试验田的适用性进行验证。结果表明,多模式集成能够调和单一模式在气象预报中的优劣,从而提高ET0预报的精度和长预见期下的稳定性;在ET0预报中,多模式方案的性能明显优于原始单一模式,由最优模式和方案组成的重组方案预报性能最好,具有最小的均方根误差、平均绝对百分比误差,分别为0.65～0.81 mm/d和19.43%～23.78%,以及最高的决定系数（0.83～0.89）。在对试验田未来1～7 d的ET0预报中,重组方案仍表现出良好的预报性能,均方根误差、平均绝对百分比误差不超过0.83 mm/d和34.57%。该研究能有效提升数值天气预报在运城站下属乡镇地区的适应性,为当地农业实际生产提供准确的ET0预报信息,对于农业需水预测以及水资源优化管理具有重要意义。     

基于两种时间尺度气象资料计算的参考作物蒸散量对比分析

利用南四湖流域兖州（1981-1986年）、菏泽（1981-1986年）和定陶（1997-2002年）3个气象站逐日平均、逐月平均两种尺度气象资料,基于FAO Penman-Monteith公式计算逐日ET0,并分别累计月ET0值,评估两种时间尺度数据计算月ET0值的差异,分析在日平均资料不可获取的情况下,可否用月平均资料代替计算ET0。结果表明：（1）两种时间尺度资料计算月ET0值相当接近,具有极显著的正相关关系;（2）全年月平均资料计算的ET0值高于日平均资料计算的ET0值,平均相对偏高约2.0%;暖季月平均资料计算的ET0值明显低于日平均资料计算的ET0值,平均相对偏低约3.7%;而在冷季则正好相反,平均相对偏高约8.1%。可以看出,两者偏差主要发生在冷季。（3）月平均资料相对于日平均资料计算月ET0值的相对偏差不大,暖季计算结果较精确。（4）不管暖季或冷季,两种时间尺度资料计算月ET0值产生差值的原因主要是能量项计算的差异造成的。暖季月平均资料计算的ET0值偏低的原因,主要是暖季月平均资料计算的能量项的减少造成的,约占131.8%;冷季月平均资料计算的ET0值偏高,主要是冷季月平均资料计算的能量项的增加造成的,约占92.1%。     

黑龙港流域参考作物蒸散量的时序变化和分形特征

利用位于黑龙港流域的武强、深泽、饶阳、晋州、献县5站1957-2009年日最高气温、日平均气温、日最低气温、日平均相对湿度、日平均风速、日照时数资料,采用Penman-Monteith算法,计算各站不同时间尺度ET0,采用线性趋势分析法分析其趋势倾向,并应用滑动R/S分析方法研究该流域不同时间尺度ET0时间序列的分形特征。线性趋势分析显示,各站历史上自1957年以来的ET0年总值的气候倾向率在-33.81-10.79mm.10a^-1,即均呈下降趋势,但变化倾向率不同;各月ET0倾向率在-11.27-2.02mm.10a^-1,大多数为负值,其中5、6月份各站的下降趋势最大;春、夏、秋、冬季ET0倾向率为-15.87-1.30mm.10a^-1,且夏季各站之间的差异较大,尤以饶阳站与其他4站间的差异最大。气候要素倾向率的对比分析表明,5站参考作物蒸散量总体下降趋势的基本特征主要是由于风速下降、日照时数减少、日最高最低气温上升造成的;5、6月份下降趋势明显则主要是由于风速下降、日照时数减少、日平均气温上升减缓、相对湿度上升明显造成的;饶阳站与其他4站差异较大的主要原因在于2、3、11、12月风速下降和日照时数减少以及日最高最低气温上升趋势减缓、相对湿度和气压下降明显,以致这些月份的ET0倾向率大于0,形成秋季和冬季ET0倾向率大于0,年尺度ET0年际变化下降趋势不明显。R/S分析结果显示,5站全年和各季ET0时间序列的Hurst指数均大于0.5,相关系数均在0.98以上,分维数均小于1.5,说明各站全年和各季节ET0时间序列变化趋势在未来一段时间内具有持续性,即ET0在未来将呈较明显的下降趋势,这种趋势在除饶阳外的其他站月均有不同程度的表现。