用统计降尺度模型预测川中丘陵区参考作物蒸散量

区域蒸散量(evapotranspiration)预测对精准灌溉预报与农田水分管理意义重大。该文利用川中丘陵区11个气象站点1961-2013年逐日气象资料,采用FAO-56 Penman-Monteith公式计算参考作物蒸散量(reference evapotranspiration,ET0),基于Hadley Centre Coupled Model version 3(HadCM3)的输出和统计降尺度模型(statistical downscaling model,SDSM)分别对A2(高温室气体排放)、B2(低温室气体排放)情景下川中丘陵区2014-2099年ET0进行预测,并使用Mann-Kendall检验和反距离加权插值法对1961-2099年ET0的时空演变特征进行分析。结果表明:基准期(1961-2010年)川中丘陵区ET0整体呈现明显下降趋势,空间上呈现出东北部、西北部和东南部相对较大、中部相对较小的差异;与基准期相比,A2、B2情景下未来2020 s(2011-2040年)、2050 s(2041-2070年)和2080 s(2071-2099年)川中丘陵区ET_0月和年均值都呈增大趋势;A2情景下3个时期ET0将分别增加7.9%、10.9%和16.7%,B2情景下ET_0将分别增加7.1%、4.9%和12.8%;A2、B2情景下3个时期川中丘陵区ET_0空间分布均呈现西北部和南部较大、中部较小的空间差异,且3个时期的ET0相对变化率显示中部及其偏北、偏南区域ET_0增幅相对较大,北部和南部增幅相对较小。因此,未来川中丘陵区ET0的上升可能导致水资源短缺与季节性干旱进一步加剧。该研究可为川中丘陵区水资源优化管理和灌溉制度制定提供科学参考。     

基于相对湿润指数的云南省季节性干旱变化特征

利用云南省31个气象站1961—2016年逐日气象资料,计算各站点相对湿润指数（MI）,采用Mann-Kendall检验、GIS反距离加权插值和偏相关系数法分析了云南省气象干旱时空变化特征及成因。结果表明：（1）云南省年平均MI为-0.08,平均干旱站次比为30.39%,年干旱呈上升趋势;冬季MI最小（-0.73）,干旱站次比最高（52.58%）;夏季MI最大（0.69）,干旱站次比最低（6.12%）。春旱呈减弱趋势,夏旱、秋旱、冬旱呈增强趋势。（2）年尺度上,除会泽、沾益等少数地区外,均处于无旱等级;全省春季以中旱、轻旱为主;夏季、秋季无干旱发生;冬季以重旱为主。年干旱频率呈自西南向东北递增趋势,平均频率为54.9%,春旱频率在80%以上,夏旱频率小于20%,秋旱也呈西南低东北高的趋势,平均频率为35.6%,冬旱平均频率达92.6%。（3）相关性分析显示,降水量、相对湿度与MI呈极显著正相关（P<0.01）,日照时数与MI呈极显著负相关（P<0.01）,均是云南省MI的主要驱动因子,温度对MI的影响较小。     

Online decision support for irrigation for farmers

Online decision support for irrigation has been available in Denmark since 1996. This paper describes an Internet implementation of a previous stand-alone PC-program; the Internet version has undergone several modifications and upgrades. The system has a morphological model for crop development based on temperature sums, and a hydrological model for calculating soil water balance. Weather data are supplied automatically from weather databases, precipitation data can be overrode by user inputs. Users can initiate the system with data on fields and crops, and add data on irrigations. Irrigation advice and explanation are provided in tables and graphics. The system had 322 active users in 2004 and 490 in 2005.     

利用温度资料和广义回归神经网络模拟参考作物蒸散量

参考作物蒸散量(reference evapotranspiration,ET0)精确模拟对水资源高效利用和灌溉制度制定具有重要意义,该文以四川盆地19个气象站点1961-1990年逐日最高、最低温度和大气顶层辐射作为输入参数,FAO-56 Penman-Monteith(PM)模型计算的ET0为标准值,建立基于广义回归神经网络(generalized regression neural network,GRNN)的ET0模拟模型,基于1991-2014年资料进行模型验证,将GRNN模型同Hargreaves(HS1)和改进Hargreaves(HS2)等简化模型的模拟结果进行比较,分析只有温度资料情况下不同模型模拟ET0误差的时空变异性。结果表明:GRNN、HS1和HS2模型均方根误差(root mean square error,RMSE)分别为0.41、1.16和0.70 mm/d,模型效率系数(Ens)分别为0.88、0.13和0.67。3种模型RMSE在时空上均呈现HS1HS2GRNN、Ens均呈现GRNNHS2HS1趋势;与PM模型模拟结果相比,GRNN、HS1和HS2模型模拟结果分别偏大0.8%、45.1%和17.3%。在时空尺度上的误差分析均表明利用温度资料建立的GRNN模型能够较为准确地模拟四川盆地ET0,因此可以作为资料缺失情况下ET0模拟的推荐模型。该研究可为四川盆地作物需水精确预测提供科学依据。     

机器学习算法和Hargreaves模型在四川盆地ET0计算中的比较

以四川盆地中部遂宁气象站2001-2010年逐日温度资料和大气顶层辐射（Ra）为输入参数,以FAO-56 Penman-Monteith（PM）模型计算的参考作物蒸散量（ET0）为标准,分别利用广义回归神经网络（GRNN）和小波神经网络（WNN）两种机器学习算法建立ET0模拟模型,并对GRNN、WNN和Hargreaves（HS1）与两种改进的Hargreaves（HS2和HS3）模型的ET0模拟效果进行对比分析,利用2011-2014年数据对各模型模拟精度进行验证,分析仅有温度资料时不同模型在四川盆地的适用性。结果表明：GRNN模型和WNN模型均具有较强的适用性,GRNN模型均方根误差（RMSE）、模型效率系数（Ens）和决定系数（R2）分别为0.395mm×d-1、0.924和0.902,WNN模型分别为0.401mm×d-1、0.911和0.901,且两种模型计算精度均高于HS1（1.05mm×d-1、0.885和0.334）、HS2（0.652mm×d-1、0.892和0.736）和HS3（0.550mm×d-1、0.881和0.812）模型。模型适用性验证进一步表明,GRNN和WNN模型在四川盆地西部和东部也具有较好的适用性,在输入参数中引入Ra能提高模型的模拟精度。因此,GRNN和WNN可以作为气象资料缺失条件下四川盆地ET0计算的推荐模型,且GRNN计算精度高于WNN,可优先选用。     

基于反距离权重法的长江流域参考作物蒸散量算法适用性评价

为实现大区域尺度参考作物蒸散量(reference crop evapotranspiration,ET0)资料缺失情况下的准确计算,该文将长江流域划分为上、中、下游3个子区域,基于反距离权重法的新型空间展布方法得到3个虚拟站点分别代表每个子区域,利用长江流域102个站点1964-2013年近50a的逐日气象数据,根据FAO-56 Penman-Monteith(P-M)法、Hargreaves-Samani(HS)法、Irmark-Allen(I-A)法、Priestley-Taylor(P-T)法、Makkink(M-K)法、Penman-Van Bavel(PVB)法、1948年Penman(48-PM)法分别计算每个站点逐日ET0,并以P-M法为标准,利用Nash-Sutcliffe系数(CD)、逐日相对均方根误差(RMSE)、Kendall一致性系数(K)对其适用性进行评价,结果表明:在3个子区域6种ET0计算方法的日值与P-M法拟合方程确定系数R2均通过了极显著水平检验(α=0.01),长江上游P-T法ET0日值计算精度最高(ET0日值拟合方程斜率为1.030,RMSE=0.341 mm/d,CD=0.886,K=0.829),H-S法、I-A计算精度较低(ET0日值拟合方程斜率分别为1.427、1.308,RMSE=0.909、0.829 mm/d,CD=0.581、0.523,K=0.792、0.742),长江中、下游PVB法计算精度最高,P-T法计算精度次之,H-S法与I-A法计算精度较低;长江上游6种算法ET0月值的计算精度由高到低依次为P-T法、PVB法、M-K法、48-PM法、H-S法、I-A法,与P-M法的平均误差分别为0.27、0.35、0.51、0.48、0.74、0.78 mm/d;长江中、下游6种算法计算精度由高到低为PVB法、P-T法、M-K法、48-PM法、H-S法、I-A法;整个长江流域P-T法、PVB法与P-M法ET0计算结果相对误差均在35%以下,H-S法、I-A法计算精度较低,其相对误差基本高于40%;因此,PVB法与P-T法在整个长江流域的计算精度较高,可作为长江流域ET0简化计算推荐方法。     

西南湿润区微灌猕猴桃园不同尺度光利用效率与驱动因子

为揭示中国西南湿润区猕猴桃园不同尺度光利用效率(LUE)的变化规律,探明生理、环境和植被因子对猕猴桃园不同尺度LUE的影响机理,以四川省蒲江县猕猴桃果园为研究对象,于2018—2020年采用涡度相关系统(EC)开展了连续3 a的水热碳通量综合观测,研究了猕猴桃叶片尺度瞬时光利用效率(LUE_i)、冠层尺度光利用效率(cLUE)和生态系统尺度光利用效率(eLUE)的变化规律,并采用通径分析方法量化了生理因子［净光合速率(P_n)、气孔导度(g_s)］、气象因子［总辐射(R_g)、光合有效辐射(PAR)、空气温度(T_a)、H₂O浓度(C_H2O)、CO₂浓度(C_CO2)、2 m处风速(U₂)、水汽压差(VPD)］、土壤水分因子(土壤体积含水率(SWC)］和植被因子［叶面积指数(LAI)］对猕猴桃园不同尺度LUE的总影响.结果表明:猕猴桃LUE_i随PAR增大而降低,变化范围为0.006~0.026 μmol/μmol;猕猴桃cLUE和eLUE月平均日内变化均呈先减后增的“U”形,月累积cLUE与eLUE变化幅度分别为0.77~2.67和0.58~1.63 g/MJ, 两者变化趋势基本一致且未呈现明显的季节性变化.叶片尺度LUE_i主要受气象因子(PAR)和生理因子(P_n)影响并具有统计学意义,PAR和P_n对LUE_i分别具有显著的直接影响(量化值为-0.99)和间接影响(量化值为-0.81);冠层尺度cLUE和生态系统尺度eLUE均受气象因子(R_g,T_a和VPD)以及植被因子(LAI)影响并具有统计学意义,其中R_g和VPD主要通过影响光吸收过程以影响eLUE和cLUE,而T_a和LAI则通过碳同化过程以影响eLUE和cLUE.