东北地区参考作物蒸发蒸腾量随时间变化的研究

根据选取的东北地区9个代表站1973-2003年的气象资料,应用Penman-Monteith公式计算了31年间逐月参考作物蒸发蒸腾量(ET0),对参考作物蒸发蒸腾量及气象要素的年际变化特征、月际变化特征及趋势进行了分析,应用统计检验方法分析了影响东北地区参考作物蒸发蒸腾量变化的主要气象因素。结果表明:近31年间东北地区ET0值呈现缓慢下降趋势,年内ET0值分布以5-8月份最高,1月份最低。影响ET0的主要气候要素为日照、风速和温度。     

高原山区主要气候因子对ET_0影响分析研究

根据云南省4个站30~40年的逐日气象资料,应用FAO-56 Penman-Monteith计算了参考作物的逐日需水量(ET0),分析了ET0的年内年际变化特征;采用了Mann-Kendall方法,对ET0时间序列趋势进行了检验分析;采用了偏相关分析方法研究了各主要影响因子(水汽压、风速、日照、蒸发、降雨、海拔、纬度)对ET0的影响,结果表明:各站点的时空分布特征明显,各站的ET0呈下降趋势,最大值发生在20世纪70~80年代,最小值发生在21世纪,风速的变化对各站ET0的影响最大,水汽压和降雨最小,ET0随海拔的增加而降低,随纬度的增加而增加,反映了高原山区ET0的变化特点。     

湖北省参考作物蒸腾量时空变异特征

根据湖北省20个测站1977—2007年的气象资料,应用Penman-Monteith公式计算了31年的逐日ET0。应用GIS技术和统计检验方法分析了参考作物蒸腾量的时空变异特征和气象因子对ET0的影响。结果表明,湖北省参考作物蒸腾量的空间分布呈西低东高的特征;随多年时间变化空间分布趋于均匀;年内ET0值分布以7、8月最高,12、1月最低;影响ET0的主要气象因子为风速,平均温度次之。     

宁夏引黄灌区参考作物蒸发蒸腾量及其气候影响因子的研究

根据1998年FAO修正彭曼蒙特斯公式,利用宁夏引黄灌区8个气象站近50多年的气象资料,计算了各气象站逐月的参考作物蒸发蒸腾量ET0、各气象因子的长期变化趋势和各气象因子与ET0的相关系数。分析了ET0空间分布特征、年内分布特征和年际变化特征。分析结果表明:黄河以东各站的ET0值均大于黄河以西各站的ET0值;除石嘴山站外,各站5~7月份的ET0占全年比例在20世纪80年代后比80年代前有所下降;除石嘴山站外,各站的ET0均表现为逐年增加的趋势,尤其在1990年后更为明显;气温呈递增趋势、相对湿度呈减少趋势、温差在逐渐减小;相对湿度和最高/最低气温以及平均风速对ET0的影响比较显著。     

气候变化背景下关中地区参考作物蒸散量变化趋势及敏感性分析

气候变化影响了区域水循环过程和水资源管理,研究参考作物蒸散量(ET0)变化特征及其原因对于灌溉农业地区水资源的合理配置具有重要指导意义。以关中地区为研究对象,根据研究区内8个站点1974-2016年逐日气象资料,通过Penman-Monteith公式计算ET0,利用Mann-Kendall检验和Sen斜率估计来检验参考作物蒸散量和气象要素的变化特征,并采用敏感性分析方法探讨影响ET0变化的主要气象因子。结果表明,近43年来关中地区平均气温和饱和水汽压差变化呈现显著增加趋势,而相对湿度和平均风速变化呈现显著下降的趋势,降水量、日照时数、辐射量下降趋势不明显,这些变化使得ET0呈轻微增加的趋势。关中地区ET0对气象要素的敏感性随时间和位置发生变化,夏季、秋季、冬季和小麦生长季ET0对平均风速最敏感,而影响春季和年尺度ET0变化的主要气象因子是平均气温。研究区西北方向影响ET0变化的主要气象因子是平均气温和相对湿度,而其他区域的ET0对平均风速最敏感。     

气候变化下河北省宁晋县参考作物蒸散量变化趋势及敏感性分析

【目的】深入分析宁晋县气候变化及其蒸散发的变化,为该区域的作物种植管理和灌溉计划制定提供参考。【方法】根据1981—2018年河北省宁晋县气象站的逐日气象资料,计算了极端气候指数,并利用FAO56Penman-Monteith公式计算了参考作物蒸散量(ET0)。分析了各气象要素、极端气候指数和ET0的变化趋势,并利用敏感性分析找出影响ET0变化的主要气象因子。【结果】1981—2018年河北省宁晋县降水量无明显变化趋势,平均温度呈显著上升趋势,日照时间、相对湿度和风速呈显著下降趋势;极端高温指标呈上升趋势,极端低温指标呈下降趋势,极端降水指标无显著变化。【结论】相对湿度是ET0年均值主要影响因子;夏季对ET0月均值影响最大的气象因素为净辐射,其他季节,相对湿度对其影响最大;风速和辐射的降低不仅抵消了温度升高和相对湿度降低对ET0的正影响,还使得ET0呈下降趋势,但下降趋势不显著。     

近50年新疆参考作物蒸发蒸腾量的时空演变分析

根据新疆地区53个气象站1960—2009年50年的气象资料,采用FAO推荐的Penman-Monteith公式计算了各站点逐月参考作物蒸发蒸腾量(ET0)。采用GIS反距离插值方法得到新疆参考作物蒸发蒸腾量分布图,将各站点ET0变化趋势进行聚类分析,通过Morlet小波变换、倾向率等方法探讨了时空变化特征及影响因素。结果表明,近50年新疆平均ET0呈显著减小趋势,不同区域ET0的年际变化趋势差异显著;在25～30年时间尺度上,全区平均ET0的周期振荡较为明显,经历了"多→少→多"3个循环交替过程;ET0年内分布均呈单峰状,且各站之间峰值相差很大;多年平均ET0空间分布总体上由西北向东南增加,且与地形起伏有高度的一致性。新疆大部分地区ET0变化率为负值,与"蒸发悖论"规律相符,其主要原因是风速降低对ET0的影响超过了温度上升,但1992年以来,由于温度持续升高,ET0出现了回升态势。     

淮北平原冬小麦蒸发蒸腾量与不同土层土壤含水率关系初探

利用大型称重式蒸渗仪测定了冬小麦不同生育期的农田蒸发蒸腾量,分析了冬小麦的蒸发蒸腾变化规律,探讨了参考作物蒸发蒸腾量(ET0)、土壤含水率与作物蒸发蒸腾量(ET)之间的关系。结果表明,ET0和蒸渗仪实测的ET生育期内变化趋势基本一致;冬小麦ET受0~60cm土层土壤含水率的影响,尤其是0~40cm土层土壤含水率对作物ET影响显著,80cm以下土层土壤含水率基本对作物ET无明显影响。     

云南省参考作物蒸发蒸腾量时空变化特征

基于1960-2012年云南省25个气象站点观测的气象数据,用Penman-Monteith公式计算参考作物蒸发蒸腾量ET0,通过Mann-kendall检验法进行突变检验和趋势检验。结果表明滇中、滇东北、滇东南、滇西南及滇西北各分区多年平均ET0介于872.5~1 240.0mm,突变时间依次分别为1982年、1968年和2008年、1971年、2005年、1965年和2001年。5个区多年平均ET0按从大到小排列的顺序是滇中滇西南滇东北滇东南滇西北。时间尺度上,年均ET0以没有显著变化为主,ET0显著增大的站点数量比显著减小的站点数量多;春季蒸发蒸腾量较大,决定了全年蒸发蒸腾量的分布特征。空间尺度上,ET0呈增加趋势的站点主要位于滇西南和滇西北地区,少部分位于滇中地区的东部和滇东北地区;呈减小趋势的站点主要位于滇中地区,少部分位于滇东北和滇西南地区。     

呼伦贝尔市参考作物蒸散量的时空分布及其气候成因

参考作物蒸发蒸腾量(ET0)是制定作物灌溉制度与灌溉工程规划、设计的重要依据。基于1961-2014年呼伦贝尔市7个典型站点以及其周边隶属于黑龙江省的6个站点的农业气象观测资料,利用国际粮农组织FAO推荐的Penman-Monteith公式计算ET0,采用克里金法进行空间差值,利用MATLAB进行Mann-Kendall检验,采用SPSS对ET0及气候因子进行相关分析。结果表明:(1)呼伦贝尔市作物全生育期及逐月ET0的空间变化趋势呈北低南高之势;ET0随时间推移呈逐月递减趋势,呼伦贝尔市南部地区5月ET0高达158 mm。(2)除东南地区外,全生育期ET0年际间线性趋势与多项式趋势一致,基本呈现上升趋势;除5、6月份生育期内其他月份ET0均有上升趋势。(3)逐月及全生育期ET0突变检验结果均为正值,6月和9月各有两个站点上升趋势显著(UUa)。(4)ET0变化与相对湿度为负相关,与其他气象因子均呈正相关关系,其中气温与水气压是影响ET0最大的两个气象因素。     

京郊平原参考作物腾发量及其与气象因子相关性研究

利用FAO56 Penman-Montieth公式和京郊平原区代表性气象站点的长系列、短时序气象资料计算了该地区的逐日ET0,对ET0及其各分项的时间变异特征进行了分析,采用相关分析法研究了ET0与主要气象影响因子间的关系。结果表明,研究区域近50年来ET0呈不显著的增加趋势,就其各分项来说,辐射项的年际变化幅度较小,而空气动力学项的年际波动较大,且与ET0的年际波动较为符合;ET0的年内变化呈"单峰形"分布,一年内的最大值出现在6月份,为162.6 mm,最小值则出现在12月份,为32.3 mm。从ET0的分项来看,5~9月份ETrad>ETaero,而其余月份ETrad相似文献   

艾比湖绿洲参考作物蒸散量的敏感性分析

【目的】研究艾比湖绿洲参考作物蒸散量对不同气象因子的敏感性。【方法】利用Penman-Monteith公式,基于艾比湖绿洲1962—2016年4个气象站的逐月气象资料计算ET0。通过敏感性分析,计算最高温度、最低温度、相对湿度、日照时间和风速的敏感系数,并运用MK趋势检验分析其变化趋势,最后分析了敏感系数在各个站点的变化特征。【结果】通过MK趋势检验,发现参考作物蒸散量、日照时间和风速呈下降趋势;最高温度、最低温度和相对湿度呈上升趋势。通过敏感性分析,发现最高温度、风速在研究区呈下降趋势,最低温度、相对湿度、日照时间为上升趋势。艾比湖绿洲中,各气象因子对ET0的敏感程度为相对湿度>最高温度>风速>最低温度>日照时间。ET0对不同气象因子的敏感系数在空间上存在差异,最高温度、最低温度、风速、相对湿度在艾比湖北部的阿拉山口较高,在温泉站较低;日照时间则在温泉较高,在阿拉山口较低。【结论】相对湿度对艾比湖绿洲ET0的敏感性最高,日照时间的敏感性最低。     

新疆维吾尔自治区参考作物腾发量时空变异性研究

研究参考作物腾发量的时空变化特征,有助于了解新疆维吾尔自治区农牧业及生态需水的分布与演变规律。选择新疆吾尔自治区范围68个气象站的气象观测资料,应用Penman-Monteith公式,计算得出不同气候分区的历年参照作物腾发量ET0,分析了不同气候分区不同年份ET0的变化情况。采用ArcGIS空间插值技术绘制新疆维吾尔自治区参考作物腾发量的分布图,结果表明:各站ET0变化在660~1 800mm,其空间分布总体表现为南疆大于北疆、东部大于西部、盆地大于山区的分布格局。     

中国粮食主产区主要气象因子时空演变特征及其对参考作物蒸散量影响

准确评估粮食主产区气象因子变化特征及对参考作物蒸散量(reference crop evapotranspiration,ET0)的影响,对农田水文循环、区域农业水资源优化配置与高效利用等具有重要意义。利用中国粮食主产区258个气象站点1961―2013年的逐日气象资料,采用Penman-Monteith公式计算ET0,通过M-K趋势检验法、偏相关分析、多元线性回归计算贡献率等方法,分析了1961—2013年中国粮食主产区主要气象因子时空演变及其对ET0变化的贡献特征。结果表明,1961—2013年中国粮食主产区相对湿度、温度、降水在空间上由南至北呈降低趋势,而日照时间和风速则由南至北呈增高趋势;1961—2013年中国粮食主产区全区、温带湿润半湿润地区(I区)、温带干旱半干旱地区(II区)、亚热带湿润地区(III区)及暖温带半湿润地区(IV区)多年平均气温均呈增大趋势,平均风速、相对湿度、降水与日照时间均呈减小趋势;1961—2013年中国粮食主产区年内ET0均呈锯齿状下降,且ET0在四季呈现出夏季春季秋季冬季的特征;多年平均风速、气温、日照时间与ET0在全区及各分区总体均显著正相关(P0.05),而相对湿度与ET0在全区及各分区均极显著负相关(P0.01);1961—2013年中国粮食主产区全区及I~IV区气温、风速、相对湿度对ET0变化均具有较大贡献,其中相对湿度为I区、III区及IV区的主要气象驱动因子,其次为平均气温和风速;而II区ET0变化的主要驱动因子为风速,其平均贡献率WII(风速)为0.37;综上所述,中国粮食主产区主要气象因子变化特征与ET0的响应,均呈现出区域性、季节性差异。     

GPR、XGBoost和CatBoost模拟江西地区参考作物蒸散量的适应性研究

【目的】提高机器学习模型模拟参考作物蒸散量在江西省适应性和精度。【方法】基于江西南昌等15个气象站2001—2015年日值气象数据(最高气温、最低气温、地表辐射、大气顶层辐射、相对湿度和2 m高风速),以FAO-56Penman-Monteith(P-M)公式的计算结果作为对照,建立了计算ET0的高斯过程回归(GPR)、极限梯度提升(XGBoost)和梯度提升决策树(CatBoost)模型,并分别与经验模型进行比较。【结果】各气象参数对机器学习模型模拟ET0的精度影响由大到小依次为:Rs、Tmax和Tmin、RH、U2,且采用Tmax、Tmin、Rs和RH气象参数组合的机器学习模型(RMSE0.2mm/d)模拟ET0精度高。此外,3种机器学习模型在有限的气象数据时具有较好的适用性,且优于传统经验模型,其中GPR和CatBoost模型的预测精度高,但GPR模型稳定性最好。【结论】考虑到所研究模型调参的复杂性、预测精度和稳定性,GPR模型可作为江西地区参考作物蒸散量模拟的推荐方法。     

山西省参考作物蒸散量的时空变化特征及影响因素分析

利用山西省及周边地区共计35个气象站点1957—2014年的逐日气象数据,使用Penman-Monteith公式计算参考作物蒸散量(ET_0),采用一元线性回归和反距离加权插值法分析ET_0的时空变化特征,并采用逐步回归分析对ET_0的影响因素进行研究。结果表明,1年ET_0随时间的变化特征呈现混合模式,以下降趋势为主。2多年平均ET_0空间分布差异显著,区域内存在2个高值区、2个次高值区和2个低值区。秋季ET_0的空间分布特征与年ET_0的空间分布最为接近,而冬季,春季和夏季ET_0的空间分布特征与年ET_0的空间分布相差较大。3各站点年ET_0受同时期气象要素的影响程度由大到小的排序为:风速、温度、相对湿度、日照时间或降水量。全省不同站点多年平均年ET_0受气象要素的影响程度由大到小的排序为:风速、温度、相对湿度、日照时间、降水量。全省不同站点多年平均年ET_0受地理要素的影响程度由大到小的排序为:海拔、纬度。