基于蒸渗仪实测的参考作物蒸散发模型北京地区适用性评价

参考作物蒸散发(ET0,reference evapotranspiration)是计算植被耗水量、分析区域水分平衡、管理水资源的基本参数。由于区域间气象条件的差异,ET0模型在不同地区表现出不同的适用性。蒸渗仪实测是欧美地区评价参考作物蒸散发模型的经典方法,而中国尚少研究,华北地区未见报道。2012年生长季(4-10月),应用自动称重式蒸渗仪实测高羊茅草坪蒸散评价了Penman-Monteith(FAO-56)、Hargreaves-Samani、Priestley-Taylor、Penman-van Bavel模型在北京地区的适用性。在2个蒸渗仪中建植冷季型高羊茅草坪,以获得ET0标准数据。试验地安装Dynamet气象站,自动测量并记录气象数据:空气温度、空气相对湿度、太阳总辐射和高度2m的风速,用于模型计算参考作物蒸散发。应用线性回归与均方根误差(RMSE)、一致性指数(d)2个指标评价模型的预测准确性。研究结果表明,太阳总辐射与月蒸散之间呈现较强的线性关系(R2=0.95,p=2.72×10-7),说明太阳辐射能量是驱动SPAC(soil-plant-atmosphere continuum)系统中水分从植被向大气运动的主要动力。随着时间尺度减小,模型的估算准确度降低。由于模型的输入参数不同,在ET0计算中出现了不同方向的偏差。月尺度上,Priestley-Taylor模型低估,而Penman-Monteith、Hargreaves-Samani和Penman-van Bavel模型高估了蒸散。日尺度上,Hargreaves-Samani模型和Penman-van Bavel模型略微高估了日蒸散,比率分别为1.0167和1.0526;Penman-Monteith模型和Priestly-Taylor模型低估了日蒸散,比率分别为0.8204和0.7593。时尺度上,除了Priestly-Taylor模型全部得出最低的数值,其余模型在不同天气类型下得出不同的计算结果。综合月、日、时3个时间尺度的评价结果,Penman-van Bavel是最准确的ET0计算公式,RMSE分别为0.63 mm/d(月)、1.43 mm/d(日)、0.087mm/h(时),d值分别为0.96(月)、0.89(日)、0.87(时)。Penman-Monteith模型的计算准确性比Penman-van Bavel模型略低,d值为0.73~0.93。     

基于STME模型和MODIS数据的滹滏平原实际蒸散量遥感估算

滹滏平原光、热及土壤资源优越,是华北平原重要的粮食生产基地,灌溉是该区农业获得稳产高产的重要保障,持续抽取地下水和无节制利用地表水已经引起了严重的水资源危机,合理高效利用有限水资源进行农业生产势在必行。本文利用单源梯形遥感蒸散发模型(a single-source trapezoid model for evapotranspiration,STME)和中等分辨率成像光谱仪MODIS(2011—2012年共115期)地表温度和反射率产品估算区域地表土壤缺水状况及实际蒸散量,并利用中国科学院栾城农业生态系统试验站(以下简称"栾城站")和赵县梨园涡度相关系统地表水热通量的观测值对STME模型估算结果进行验证。结果表明该模型可以很好地估算区域蒸散量,误差在可接受范围内。赵县梨园净辐射Rn的观测平均值为4.10 mm,估算平均值为4.69 mm,均方根差RMSD为0.80 mm;赵县梨园蒸散量观测平均值为2.86 mm,估算平均值为3.01 mm,均方根差RMSD为0.95 mm;栾城站蒸散量的观测平均值为2.67 mm,估算平均值为2.44 mm,均方根差RMSD为0.87 mm。将STME模型应用到滹滏平原估算日蒸散量,明确了区域尺度蒸散发的时空变化特征:10月份果园生态系统蒸散量多于农田生态系统;11月份区域蒸散量整体小于1 mm;第2年春季小麦返青、拔节期,农田生态系统蒸散量多于果园生态系统蒸散量;5月份处于植被生长旺盛期,农田和果园生态系统的蒸散量相差不大;6月份小麦收获,玉米播种,农田生态系统蒸散量少于果园生态系统;7月份整个区域蒸散量达到最大,蒸散量不仅与植被长势相关,而且与土壤湿度相关;8、9月份随着植被的成熟和收获,区域蒸散量整体变小。不同时期区域水分亏缺指数不同,可根据其指导区域灌溉量。STME模型继承了基于数理计算确定梯形顶点的方法和水分亏缺指数,使得计算过程得以简化且物理机制明确。     

基于氧同位素的玉米农田蒸散发估算和区分

农田蒸散发(evapotranspiration,ET)的估算和区分是土壤-植物-大气连续体中的重要研究内容,是农业水资源高效利用的重要基础。该研究分析了土壤水、蒸发水汽、蒸腾水汽和大气背景混合水汽氧同位素组成分布特征,并采用2种同位素的方法对玉米农田蒸散发进行估算和区分:1)结合Keeling plot和Craig-Gordon模型的同位素方法(Iso-CG);2)基于土壤水同位素守恒和水量平衡的方法(Iso-WB)。结果表明,在玉米生育期内Iso-WB方法与Iso-CG方法所计算的玉米蒸腾比例分别为0.64~0.91和0.52~0.91,平均值分别为0.80和0.78。玉米蒸散发总量在前期、中期和后期均值分别为3.95、5.30和4.98 mm/d。通过比较参数并与前人研究结果对比分析,表明采用Iso-CG方法估算区分ET相对精确,采用Iso-WB方法计算蒸散发要求的测量精度相对较高,计算误差较大。该研究成果不仅为玉米农田制定灌溉制度及提高用水效率提供了理论依据,而且对深入探索氧同位素水文学领域具有重要意义。     

利用改进的MOD16模型估算区域蒸散发

蒸散发（Evapotranspiration,ET）是地表水循环和能量循环的关键纽带,准确、定量地估算区域ET对于理解陆-气相互作用、全球气候变化等至关重要。MOD16模型基于Penman-Monteith（P-M）方程,是一种获取区域ET的重要遥感模型。然而,MOD16模型没有直接利用土壤水分信息,而是通过相对湿度（Relative Humidity,RH）、饱和水汽压差（Vapor Pressure Deficit,VPD）、叶面积指数（Leaf Area Index,LAI）等间接表达土壤水分信息的作用,这可能会给区域ET的估算带来一些不确定性。该研究将归一化水指数（Normalized Difference Water Index,NDWI）作为土壤水分信息的补充项,对MOD16模型的地表阻抗进行修正,以改进MOD16模型（改进后的模型为MOD16-sm）,并将改进后的模型在中国西北干旱区绿洲进行验证和应用。模型验证包括模拟值与观测值的对比及误差分析。模拟值与观测值的对比分析结果表明,MOD16-sm模型获取的ET精度较高,决定系数（Coefficient of Determination,R2）为0.77,均方根误差（Root Mean Square Error,RMSE）为0.8 mm/d,平均绝对误差（Mean Absolute Deviation,MAE）为0.46 mm/d;误差分析结果显示,MOD16-sm模型估算结果的误差控制优于MOD16模型,结合模拟值与观测值的对比分析可知,MOD16-sm模型改善了MOD16模型的部分高估现象,MOD16-sm模型能更好地反映土壤水分对ET的影响。模型应用包括ET估算值的空间分布分析及ET估算值的频率分布统计。对MOD16-sm模型的估算结果进行空间分析发现,高植被覆盖区的ET值较高,低植被覆盖区的ET值较低,说明MOD16-sm模型的ET估算结果与土地利用类型密切相关;研究区ET估算值的频率分布结果表明,MOD16-sm模型能较好地反映和表达出不同植被覆盖区的ET通量异质性。因此,利用NDWI对MOD16模型进行改进是可行的和合理的,该研究可为提高区域ET的估算精度提供参考和思路。     

基于遥感技术的绿地耗水估算与蒸散发反演

为研究北京市五环范围内的绿地耗水总量和空间分布情况,该文应用高分辨率遥感影像、长时间序列气象数据、植被耗水规律研究成果等资料,进行绿地提取、耗水估算和蒸散发反演。主要步骤包括:预处理遥感影像,分析典型地物的光谱特征,层次分类提取绿地分布,估算不同气象条件、植被覆盖条件下的耗水量,以遥感技术为基础反演日蒸散发量。遥感技术提取的北京市五环内绿地面积为197.3km2,估算年耗水量为1.61亿m3。特枯年、枯水年、平水年和丰水年的净灌溉水量分别为1.09、0.75、0.59和0.35亿m3。应用地表能量平衡模型反演典型日蒸散发结果表明,城市水体、高植被覆盖率区和低植被覆盖率区的ET均值分别为11.1、5.7和4.0mm/d。五环内城区夏季典型日蒸散总量为126.6万m3,二环内、二三环间、三四环间、四五环间的绿地日ET总量分别为:10.3、14.2、20.4和81.7万m3,该研究可为城市绿地灌溉系统设计提供耗水总量和空间分布的信息。     

应用遥感技术研究贵州春季蒸散发空间分异规律

蒸散发量的估算对于灌溉策略、蓄水流失、水分平衡计算、径流预测和气象气候研究等都是不可缺少的因素.遥感(RS)和地理信息技术(GIS)的发展实现了蒸散发量的空间分布估算.利用1 km分辨率的MODIS影像数据反演的下垫面参数(如地表温度、反照率等)数据、日值的气象数据的空间插值结果数据及高程数据等基础信息数据,以贵州省典型喀斯特环境为研究区域,利用Penman-monteith蒸散发模型,在面的尺度上估算连续2个月的日值蒸散发量,定量描述蒸散发量的转化过程.通过蒸散发与相关因子的相关性分析,总结出贵州省影响蒸散发量时间动态、空间分布变化的主要影响因子和限制因子,进一步探索典型喀斯特生态环境的贵州省蒸散发量的变化规律.     

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。     

基于极限学习机的参考作物蒸散量预测模型

为实现气象资料缺乏情况下参考作物蒸散量（reference crop evapotranspiration, ET0）高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机（extreme learning machine, ELM）的ET0预测模型。选取川中丘陵区7个气象站点1963－2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明：ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度（均方根误差和模型效率系数分别为0.504 mm/d和0.827）高于Hargreaves模型（均方根误差和模型有效系数分别为0.692 mm/d和0.741）;基于最高、最低温度和辐射的ELM模型模拟精度（均方根误差和模型有效系数分别为0.291 mm/d和0.938）明显高于Priestley-Taylor（均方根误差和模型有效系数分别为0.467 mm/d和0.823）、Makkink（均方根误差和模型有效系数分别为0.540 mm/d和0.800）和Irmark-Allen模型（均方根误差和模型有效系数分别为0.880 mm/d和0.623）。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。     

基于机器学习的遮荫设施内参考作物蒸散量估算

为高效准确地估算遮荫设施内参考作物蒸散量（Reference Evapotranspiration, ET0）,该研究通过分析三七栽培遮荫设施（四周及顶部均由黑色遮阳网遮盖,通风性较好）内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith（FAO-56 PM）模型计算的值为标准值,采用贝叶斯优化（Bayesian Optimization, BO）算法优化机器学习方法（支持向量回归机（Support Vector Regression, SVR）、随机森林（Random Forest, RF）和极限学习机（Extreme Learning Machine, ELM））中的参数,建立3种遮荫设施内ET0估算模型（BO-SVR、BO-RF和BO-ELM）。结果表明：遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型。BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数（平均相对湿度和平均风速）估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d。综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法。研究为遮荫设施内ET0的估算提供有效方法。     

基于FAO-Blaney-Criddle方法的河套灌区参考作物蒸散发量估算

实时灌溉预报是河套灌区管理科学化与信息化的要求,利用天气预报中相对准确的气温数据估算参考作物蒸散发量对实时灌溉预报非常重要,因此需要建立一种基于温度的参考作物蒸散发量估算方法。利用 FAO-Penman-Monteith方法估算河套灌区解放闸灌域历史参考作物蒸散发量,以此作为标准值率定 FAO-Blaney-Criddle 公式中逐旬的修正系数,得到基于温度的参考作物蒸散发量估算方法。结果表明,在作物的生长季（4－9月）,FAO-Blaney-Criddle 方法与FAO-Penman-Monteith 方法的估算结果相近。率定期各旬相对误差均<5%,标准误差<0.65 mm/d,验证期各旬相对误差均<9%,标准误差<0.70 mm/d。10 d 滑动平均的参考作物蒸散发量估算精度,Nash 效率系数达到0.75,误差0.5 mm/d 的精确度达到了68%,误差在1 mm/d 以内的准确率达到95%。FAO-Blaney-Criddle 方法可以应用于河套灌区的灌溉预报中。另外,FAO-Blaney-Criddle 方法的参数具有较强的地区差异性,需要针对不同地区的气象数据进行率定和验证。     

参考作物腾发量计算方法在新疆地区的适用性研究

新疆维吾尔族自治区地域辽阔，气候特征空间差异性显著。准确估算各地区的参考作物腾发量(ET₀)是新疆节水灌溉设计的基础。该文选用6种计算公式利用新疆4个典型气候区的气象资料计算了ET₀。并以Penman-Monteith方法作为标准，对其它方法进行评价。结果表明在新疆各气候区1948Penman法估算的ET₀值较FAO-24 Penman与FAO-24 Radiation方法更接近于P-M法的计算结果；在缺少资料的地区，Hargreaves方法或湿润区用Priestley-Taylor方法均可以得到与P-M法估值相当的结果；同时分析了P-M法计算的ET₀值和水面蒸发量之间的关系，为利用水面蒸发资料估算新疆地区ET₀值提供参考。     

Calibration and validation of four common ET0 estimation equations by lysimeter data in a semi-arid environment

In this study, four different methods for reference crop evapotranspiration (ET₀) were calibrated and validated for estimation of daily to mean monthly ET₀ by weighing lysimeter data during 2005–2006 and 2004–2005, respectively, in a semi-arid region. The value of the constant in the Hargreaves–Samani method changed from 0.0023 to 0.0026 for daily to mean monthly ET₀, and can be used in stations with only air temperature data. The constant of the aerodynamic resistance equation in the FAO-56 Penman–Monteith method (208.0) changed to 85.0. The value of coefficient a in the FAO-24-Radiation method was between ?0.5 and ?0.67. Further, the empirical equations were modified to estimate the value of b in the FAO-24-Radiation method and C in the FAO-24 corrected Penman method. The results showed that the modified FAO-56, corrected Penman–Monteith and FAO-24-Radiation methods are the most appropriate for estimating daily to mean monthly ET₀. Furthermore, the modified FAO-24 corrected Penman method was ranked in fourth place and its accuracy was lower than that of the other methods. However, it is appropriate for estimating mean monthly ET₀. Smoothing the daily data decreased the fluctuation in measured daily weather data and ET₀ measured by lysimeter, and consequently resulted in a higher accuracy in the estimation of daily ET₀.     

Calibration of Hargreaves–Samani equation for estimating reference evapotranspiration in semiarid and arid regions

The Penman–Monteith (FAO-56 PM) equation is suggested as the standard method for estimating evapotranspiration (ET₀) by the International Irrigation and Drainage Committee and Food and Agriculture Organization (FAO). On the other hand, the Hargreaves–Samani (HS) equation is an alternative method compared with the FAO-56 PM equation. In the present study, the original coefficient C of the HS equation is calibrated based on the FAO-56 PM equation for estimating the reference ET₀ from 15 meteorological stations in central Iran (about 170,000 km²) under semiarid and arid conditions. After calibration, the new values for C are ranged from 0.0018 to 0.0037. The mean bias error (MBE), the root mean square error (RMSE), and the ratio of average estimations of ET₀ (R) values for all stations are ranged from 0.12 to 5.38, ?5.35 to 1.15 mm d^?1 and 0.64 to 1.28 for the HS equation and from 0.12 to 2.48, ?2.2 to 0.60 mm d^?1, and 1.00 to 1.05 for the calibrated Hargreaves–Samani equation (CHS), respectively. Results indicate that the average RMSE and MBE values are decreased by 40% and 66%, respectively. Relationships for calibrating the C coefficient on the basis of annual average of daily temperature range (ΔT) and wind speed (V) are proposed, calibrated, and validated. Hence, the CHS equation can be used for ET₀ estimates with acceptable accuracy instead of the FAO-56 PM method.     

喀斯特与非喀斯特地区参考作物蒸散量时空变化分析——以广西壮族自治区为例

参考作物蒸散量(ET_0)是确定植被生态系统需水量的关键因子,其时空分布特征及主要影响因素分析对于制定植被恢复策略与区域水资源配置方案具有重要意义。本文基于FAO-56 Penman-Monteith公式和广西地区25个气象站点1960—2010年的逐日资料,计算了各站点的ET_0,在此基础上采用GIS的克里金插值、Spearman秩次相关法和通径分析方法分析了广西喀斯特与非喀斯特地区ET_0的时空变化特征及其影响因子。结果表明,51年来广西各站点多年平均ET_0为1 138 mm×a~(-1);空间分布呈由南向北、由低纬度向高纬度递减的特征,高值区主要分布在非喀斯特地区,低值区主要分布在喀斯特地区。喀斯特与非喀斯特地区年ET_0累积距平曲线均呈"N"型分布;20世纪70年代最高,90年代最低,21世纪以来年ET_0有所回升,但仍低于51年平均值。此外,喀斯特地区ET_0年际变化小于非喀斯特地区。日照时数、风速和平均温度是影响非喀斯特地区年ET_0变化的主要气象因子,而相对湿度则通过与其他气象因子的相互作用间接对喀斯特地区年ET_0的变化产生较大影响。在季节尺度上,日照时数和平均气温在各季节都是ET_0最主要的影响因子,与ET_0呈正相关关系;风速在喀斯特地区冬、春两季对ET_0的间接作用系数为负,在非喀斯特地区并未发现这一现象。了解不同地区ET_0的变化趋势是植被生态需水定额计算的必要措施。     

Evaluation and calibration of simple methods for daily reference evapotranspiration estimation in humid East China

The current study aims to improve the performance of simple methods for the estimation of daily reference evapotranspiration (ET₀) in humid East China, namely Priestley–Taylor 1972 (P-T 1972), Hargreaves–Samani 1985 (H-S 1985) and Turc 1961 (TU 1961). These methods were evaluated and calibrated based on well-watered grass lysimeter experiments. The FAO-56 Penman–Monteith equation (FAO-56 PM) is the best method, and the radiation-based methods (TU 1961 and P-T 1972) perform much better than the temperature-based method (H-S 1985). In the simple methods, the coefficients are calibrated to: 1.34 for P-T 1972; 0.0186, 23.47 and 17.06 for TU 1961; and 0.0027 and 0.449 for H-S 1985. The locally calibrated TU 1961 and P-T 1972 perform much better than the original, with either the observed ET_0r or the ET_0c obtained by FAO-56 PM as standard. However, local calibration does not significantly improve the performance of the H-S 1985 method. In humid East China, FAO-56 PM is the best method for daily ET₀ calculation. TU 1961, especially if locally calibrated, is the optimal choice as a simple substitute for FAO-56 PM when solar radiation is available. Otherwise, serious local calibration is strongly recommended before applying H-S 1985 for daily ET₀ estimation.     

太行山山前平原区蒸散量和作物灌溉需水量的分析

应用Penman-Montieth、Priestley-Taylor和FAO-24 Blaney-Criddle 3种方法计算了太行山山前平原高产区的参考作物蒸散量并对计算结果和利用实际蒸散量计算的作物系数进行了分析，结果表明：Penman-Montieth公式和FAO-24 Blaney-Criddle公式估算的参考作物蒸散量结果相近，而Priestley-Taylor方法结果偏低；在不同公式基础上计算的作物系数也存在着明显的差异，以Penman-Montieth公式为基础计算的作物系数比较合理，FAO-24 Blaney-Criddle计算的作物系数在4月到10月之间比较合理，Priestley-Taylor公式计算的作物系数偏高；在分析了多年作物系数的基础上，对不同水分年型下的作物需水量和灌溉需水量进行了计算，冬小麦和夏玉米季的灌溉需水量分别在270～400 mm和0～330 mm之间。     

Estimation of daily reference evapotranspiration by neuro computing techniques using limited data in a semi-arid environment

In this paper, the daily reference evapotranspiration (ET₀) for Bulawayo Goetz was estimated from climatic data using neuro computing techniques. The region lacks reliable weather data and experiences inconsistencies in the measuring process due to inadequate and obsolete measuring equipment. This paper aims to propose neuro computing techniques as an alternative methodology to estimating evapotranspiration. Firstly, ET₀ was calculated using FAO-56 Penman-Monteith (PM) equation from available climatic data. Data was divided into training, testing and validation for neuro computing purposes. The study also investigated the effect of different normalisation techniques on neuro computing ET₀ estimation accuracy. In another application, neuro-computing ET₀ estimates were compared against those obtained using empirical methods and their calibrated versions. The Z-score normalisation technique for all data sets gave best results with a Multi-layer perceptron (5–5-1) model having RMSE, MAE and R² values in the range 0.12–0.25 mm day^?1, 0.08–0.15 mm day^?1 and 0.94–0.99 respectively. There were no significant differences in ET₀ estimation accuracy by neuro computing techniques due to normalisation technique. The Neuro computing techniques were superior to empirical methods in ET₀ estimation for Bulawayo Goetz. The Neuro computing techniques are recommended for use in cases of limited climatic data at Bulawayo Goetz.     

石羊河流域气候变化对参考作物蒸发蒸腾量的影响

根据甘肃省气象局石羊河流域的6个气象站近50年的观测资料，应用1998年FAO最新推荐的Penman-Monteith公式计算了50年各月参考作物蒸发蒸腾量ET₀，分析了ET₀的月际变化和年际变化特征，除武威与肃南站ET₀呈逐年显著减少趋势外，其他各站的ET₀值均表现为逐年增加趋势，各个站ET₀ 20世纪90年代较80年代均有明显增加，说明气候变化对ET₀的影响较大；并分析了平均气温、平均最高气温、年日照时数、平均风速、平均相对湿度、年降水量、年蒸发量、海拔高度与ET₀的相关性，各站ET₀与平均相对湿度相关性最好；石羊河流域ET₀空间变化也较大，从山区到绿洲平原ET₀多年平均值呈递增趋势。     

中国参考作物腾发量时空变化特性分析

分析参考作物腾发量的时空变化特征，有助于了解中国农业及生态需水的分布与演变规律。基于全国范围200多个气象站测站逐日气象观测资料，应用FAO-Penman-Monteith公式，计算得出各站历年逐日参照作物腾发量ET₀。利用GIS的空间分析功能，采用反距离空间插值方法得到全国参考腾发量的分布图，统计分析了不同分区不同时段ET₀的变化情况。结果表明：西北河西走廊地区和南方岭南地区的参考作物腾发量较大，最大值超过1500 mm。而东北黑龙江一带和四川盆地附近，参考作物腾发量较小，在600～700 mm之间。此外，夏季ET₀的分布特征决定了全年ET₀的分布特征。选取4个代表气象站，对其ET₀的历年变化及其与气象因素的关系进行了分析。分析表明，受风速减小和气温增加的共同影响，干旱地区、半干旱地区和半湿润地区的参考作物腾发量呈现减少趋势，湿润地区则相对稳定。     

Proper methods and its calibration for estimating reference evapotranspiration using limited climatic data in Southwestern China

Proper methods for estimating reference evapotranspiration (ET₀) using limited climatic data are critical, if complete weather data are unavailable. Based on the weather data of 19 stations in Guizhou Province, China, several simple methods for ET₀ estimation, including the Hargreaves, Priestley–Taylor, Irmak–Allen, McCloud, Turk, and Valiantzas methods, were involved in comparison with the standard FAO-56 Penman–Monteith (PM) method. The Turk equation performs well for estimating ET₀ in humid locations. Both the Turk method and the Valiantzas method initially performed acceptably with mean root-mean-square difference (RMSD) of 0.1472 and 0.1282 mm d^?1, respectively, with only requiring parameters of temperature (T), relative humidity (RH), and sunshine duration (n). The corresponding calibration formulas to Turk and Valiantzas method were suggested as the most appropriate method for ET₀ estimation with the RMSD of 0.0098 and 0.0250 mm d^?1, respectively. The local calibrated Hargreaves–Samani method performed well and can be applied as the substitute of FAO-56 PM method under the condition that only the daily mean, maximum, and minimum temperatures were available, and local calibrated McCloud method was acceptable if only the mean temperature was available.