不同草种草坪蒸散量及各草种抗旱性的研究

对草地早熟禾（午夜）、高羊茅（交战2号）、多年生黑麦草（百客来）、狗牙根（普通型）及结缕草（青岛结缕草）等5种常见草坪草草坪的蒸散量及各草种的抗旱性进行了对比试验研究，发现在土壤水分充足时，冷地型草草坪的蒸散量显著比暖地型草草坪的高（P＜0.01）；3种冷地型草草坪间的差异较小；狗牙根草坪的蒸散量显著比结缕草草坪的高（P＜0.01）。在水分胁迫条件下，暖地型草的抗干旱胁迫能力明显比3种冷地型草坪草的高。黑麦草与高羊茅的耗水量大，土壤含水量变幅大，土壤水吸力值高，叶片相对含水量及水热下降快，萎蔫早，保水性比草地早熟禾的差；在开始萎蔫时高羊茅根系的吸水能力更强，说明它具有更高的抗干旱胁迫能力。     

秦岭火地塘林地区不同林分水源函养效能的研究

采用直接测定法对秦岭火地塘林区2种针叶林分和3种阔叶林分的水源涵养和理水效能进行了研究，结果表明，不同林分类型间水源涵养和理水效能具有明显差异，阔叶林比针叶林能显著地增加土壤水分收入，减少水分消耗，推迟径流时间，处宅径流过程，消减洪峰流量，在降水较少时期增加河流水量，促使雨水均匀进入河流的作用更加突出，显示了较强的水源涵养和理水作用。     

基于SPEI和时空立方体的中国近40年干旱时空模式挖掘

利用1980—2019年中国612个气象站点逐月降水量和温度数据计算多尺度标准化降水蒸散指数(SPEI),根据中国气温条件划分7大地理分区并结合时空立方体、时空热点分析、时空聚类和时空异常值来探究中国近40年多尺度标准化降水蒸散指数SPEI的时空分布特征。结果表明:(1)通过干旱频率的计算,发现轻度干旱和极端干旱最为严重的地区为内蒙古草原地区,严重干旱和中度干旱在西北荒漠地区最为严重。(2)通过时空立方体展示出中国旱情在时空分布上差距较为显著,西北地区最为严重,其次是西南的西部地区和华北的北部地区;(3)对我国近40年SPEI 12的时空热点进行分析可得我国旱情的时空趋势,其中冷点地区和热点地区各有2个,热点主要分布在华中和东北地区的西部,冷点主要分布在华中的中部地区;4)对多尺度SPEI进行局部异常值分析得到,年尺度的华南西部和华中、华南湿润亚热带地区的中部呈低-低聚类,说明该地全年旱情相对更严重。     

河北坝上地区雨养裸燕麦田间蒸散规律

依托大型称重式蒸渗仪在2018年和2019年裸燕麦生育期内进行田间蒸散量的测定,利用根区水质模型(RZWQM2)对田间蒸散量变化的动态过程进行了模拟,并分析了不同时间尺度下田间蒸散特征及其环境影响因素。结果表明:RZWQM2模型对裸燕麦生育期内田间蒸散量模拟结果较好,2018年和2019年绝对平均误差(MAE)分别为1.11 mm·d~(-1)和1.19 mm·d~(-1),决定系数(R~2)分别为0.71和0.68,一致性指数(d)值均大于0.60;生育期内裸燕麦田间蒸散呈现"单峰型"曲线,在孕穗期日均蒸散峰值分别达到5.02、5.41 mm·d~(-1);各生育期内日均蒸散量为:孕穗期开花期成熟期拔节期出苗期,变化态势与叶面积指数表现一致;两种不同天气(多云和晴天),雨养裸燕麦田间蒸散均主要集中在6∶00—18∶00,约占日总蒸散的84%,而在18∶00—6∶00蒸散较低且变化相对稳定,约占日总蒸散的16%,雨养裸燕麦的蒸散过程受天气影响较大,晴天田间蒸散约为多云条件下的2倍。     

黄土高原地区生长季参考作物蒸散量对主要气象要素的敏感性分析

为预测气候因子变化引起的区域参考作物蒸散量(ETo)的变化,以黄土高原地区为研究区,运用FAOPenman-Montieth方程计算了68个站点1961-2010年生长季参考作物蒸散量,并计算其对平均气温、太阳辐射、风速和实际水汽压的敏感系数,最后分析了敏感系数的时空变化特征.结果表明,黄土高原地区生长季ETo对实际水汽压最敏感,其次是太阳辐射和平均气温,对风速的敏感性最低;平均气温的敏感系数和实际水汽压敏感系数绝对值呈单峰型分布,二者分别在7月、9月达到最大值,太阳辐射敏感系数表现为持续上升趋势,风速敏感系数波动幅度最小,其值在4月最大;生长季气候因子敏感系数的空间差异性显著,平均气温敏感系数西部明显大于东部,太阳辐射敏感系数在高海拔地区形成高值区,风速敏感系数在西风带Ⅳ区形成高值区,实际水汽压敏感系数在黄土高原湿润地带最大.     

应用Penman-Monteith公式和土壤湿度指数估算区域地表蒸散

准确计算地表蒸散对于水资源合理利用具有重要意义。Penman-Monteith公式具有坚实的理论基础,被广泛应用于计算地表蒸散,但表面阻抗计算的复杂性阻碍了其向区域应用的进一步推广。本文首先利用地表温度(Ts)-植被指数(Fv)特征空间计算土壤湿度指数,进而计算土壤阻抗,改进和发展了Penman-Monteith蒸散算法,简称为PM-SMI。将该算法与地表温度-植被覆盖特征空间蒸散算法以及Penman-Monteith系列另一种算法(PM-Yuan)进行比较。利用美国南部大平原12个波文比观测数据进行模型比较和验证。研究区域主要覆盖农田和草地,植被覆盖度较低。结果表明在瞬时和日值两个时间尺度PM-SMI整体上都优于其他两种算法,PM-SMI方法适合用于区域地表蒸散估算。     

基于CART重要度排序和混合ELM模型的蒸散预测

准确地预测区域蒸散有助于区域水资源的合理利用,减少水资源浪费。为从多项气象因子中筛选出核心因子,构建少因子蒸散预测模型,高效精确预测蒸散,该研究在九大农业区选取23个典型站点,搜集降水量、日照时数等8个气象因子数据,使用分类回归树（classification and regression tree,CART）对气象因子进行重要度排序。基于排序结果,选取排序前3～5项气象因子,基于极限学习机（extreme learning machine,ELM）模型对蒸散进行预测。同时,使用遗传算法（genetic algorithm,GA）,粒子群算法（particle swarm optimization,PSO）,麻雀搜索算法（sparrow search algorithm,SSA）对ELM模型进行优化,并使用这3种优化算法（GA-ELM、PSO-ELM、SSA-ELM）构建少因子混合优化蒸散预测模型。结果表明：1）基于CART算法重要度排序结果,蒸散的主要影响因子依次是降水量、日照时数、平均本站气压、日最高气温、平均相对湿度。2）3种优化算法预测模型中,PSO-ELM模型的预测精度最高,23个站点的蒸散预测的均方根误差为6.608～22.077 mm/d,纳什效率系数为0.824～0.998,R²为0.908～0.995,平均绝对误差为5.075～16.677 mm/d。3）ELM模型在云贵高原区和四川盆地及周边地区有较好的适用性,3种优化算法在华南区和云贵高原区有较好的适用性,其中PSO-ELM模型的适用性最高。研究结果为中国九大农业区域的作物需水量计算提供参考。     

近40年玛曲草地暖干化趋势及影响因子分析

通过利用Holdridge可能蒸散率(PER),对玛曲草地1971～2010年的干湿变化特征进行了分析,近40年玛曲草地PER呈明显的上升趋势,上升趋势达0.03/10a,20世纪90年代后,玛曲草地PER持续偏高,并在1993年出现了增大突变,降水量以7.4mm/10a的趋势减少,温度以0.46℃/10a的趋势上升,生物温度以0.25℃/10a的趋势上升,降水量与生物温度呈现出明显反向变化,玛曲草地有从极湿润区向湿润区过渡的趋势,出现了明显的暖干化趋势。主成分分析表明玛曲草地暖干化的主要原因是气温升高,同时日照时数增加、降水量减少、相对湿度下降和风速减小加剧了暖干化的趋势。受气候暖干化和人为因素的影响,玛曲草地出现了明显的退化和沙化,沼泽湿地的面积也呈明显的减少趋势,导致玛曲草地牧草产量下降,涵养水源能力急剧下降和生物多样性锐减。