覆膜滴灌棉田蒸散量的模拟研究

通过综合考虑影响作物蒸散量的土壤、作物、大气3方面因子，结合新疆滴灌棉田覆膜栽培的生产实际，设计了不同覆盖度和品种试验，以Penman－Montieth方程估算参考作物蒸散量，确定了不同覆盖度及品种条件下的作物系数，并在此基础上实现了覆膜滴灌棉田蒸散量较为准确地估计。试验结果认为覆膜滴灌棉田全生育期蒸散量在540～620 mm之间，全生育期蒸散量和作物系数都随着覆盖度的增加而减小，叶面积指数与日蒸散量及作物系数关系密切，品种间由于品种特性的差异而引起的叶面积指数变化，最终导致了品种间作物系数K_c的不同。     

气象要素时间分辨率对参考作物蒸散估算的影响

参考作物蒸散(reference evapotranspiration,ET0)的准确估算是农业水资源合理利用的重要环节。为了明确气象要素不同时间分辨率对参考作物蒸散估算的影响,该文基于寿县国家气候观象台2007-2013年观测资料,将1min时间分辨率数据平均值作为真实值,分析了10、20、30、40、60 min、4次/d(02:00、08:00、14:00、20:00)和3次/d(08:00、14:00、20:00)这7种不同时间分辨率对逐日气温、风速、太阳辐射、相对湿度和日、月及年参考作物蒸散(ET0)估算的误差情况。结果表明:ET0和气象要素的误差整体上随时间分辨率降低而增大。4个气象因子中,日平均风速估算受时间分辨率变化的影响最显著,误差最大;其次是太阳辐射。逐日ET0估算在7种时间分辨率的平均绝对相对误差(mean absolute relative error,MAPE)依次为0.53%、1.01%、1.38%、1.72%、2.46%、4.72%和6.14%,表明10至60min时间分辨率的估算效果相较3次/d和4次/d有明显改善。10至40 min的绝对误差超过95%都在-0.20~0.20 mm/d区间内,误差较小且集中度高;太阳辐射时间分辨率变化对ET0估算误差贡献最大,其次是风速,这主要是由于两个要素本身对分辨率较敏感且分别是ET0辐射项和动力项的主要组成因子。时间分辨率的变化对累计后长时间尺度ET0的影响较小,月和年ET0的误差明显小于逐日ET0,月ET0在7种时间分辨率的MAPE值依次为0.13%、0.21%、0.27%、0.40%、0.50%、1.18%和1.48%;各年ET0相对误差(relative error,PE)的绝对值多数均小于0.50%。     

彭曼修正式在长武塬区的检验

本文在简介彭曼修正式之后,依长武塬区的水面蒸发量(经过校正的E601蒸发量实测值),对其进行了检验,结果是比较满意的。对偏差产生的原因,暖平流的影响以及蒸发力的计算,文章也作了讨论。     

太子河流域参考作物腾发量演变特征及气候影响因素分析

采用太子河流域内8个气象站1960～2005年间气象资料，应用Penman-Montieth公式计算了46年间逐月参考作物腾发量(ET₀)，对参考作物腾发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流域参考作物腾发量变化的主要气象因素。结果表明：近46年间太子河流域ET₀值呈现缓慢下降趋势，年内ET₀值分布以5、6月份最高，1月份最低。影响ET₀的主要气候要素按影响程度强弱依次为日照、风速、温度、相对湿度。     

Establishment of a proteomic reference map for the gastrocnemius muscle in the rabbit (Oryctolagus cuniculus)

In several laboratory and production species, the establishment of a proteome reference map of a specific tissue has been accomplished. The rabbit is widely used as both a production and experimental animal. A lot of physiology research involving the gastrocnemius muscle of rabbit is described, although no reference proteome map is available. In this work, the first reference map of the rabbit’s gastrocnemius muscle using 2D gel electrophoresis and the identification of proteins through peptide mass fingerprinting (PMF) was established. A total of 45 proteins were localized and identified with three major roles: cell structure and contractile apparatus; metabolic and cell defense proteins. A reference map of major proteins expressed is described enabling possible comparisons with other physiological studies.     

Estimation of reference intervals from small samples: an example using canine plasma creatinine

Background: According to international recommendations, reference intervals should be determined from at least 120 reference individuals, which often are impossible to achieve in veterinary clinical pathology, especially for wild animals. When only a small number of reference subjects is available, the possible bias cannot be known and the normality of the distribution cannot be evaluated. A comparison of reference intervals estimated by different methods could be helpful. Objective: The purpose of this study was to compare reference limits determined from a large set of canine plasma creatinine reference values, and large subsets of this data, with estimates obtained from small samples selected randomly. Methods: Twenty sets each of 120 and 27 samples were randomly selected from a set of 1439 plasma creatinine results obtained from healthy dogs in another study. Reference intervals for the whole sample and for the large samples were determined by a nonparametric method. The estimated reference limits for the small samples were minimum and maximum, mean ± 2 SD of native and Box–Cox‐transformed values, 2.5th and 97.5th percentiles by a robust method on native and Box–Cox‐transformed values, and estimates from diagrams of cumulative distribution functions. Results: The whole sample had a heavily skewed distribution, which approached Gaussian after Box–Cox transformation. The reference limits estimated from small samples were highly variable. The closest estimates to the 1439‐result reference interval for 27‐result subsamples were obtained by both parametric and robust methods after Box–Cox transformation but were grossly erroneous in some cases. Conclusion: For small samples, it is recommended that all values be reported graphically in a dot plot or histogram and that estimates of the reference limits be compared using different methods.     

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MODIS遥感数据计算无定河流域日蒸散

为研究无定河流域日蒸散分布规律，应用遥感数据、农业气象站测量数据及Nishida模型等对该流域日蒸散进行了模拟。首先用2001～2002年晴天中国科学院禹城生态试验站Lysimeter测量日蒸散验证模型，模拟与测量的日蒸散相关系数达到0.61。随后，用该模型计算了无定河流域日蒸散，发现无定河流域日蒸散存在较为明显的空间分布规律：2001～2003年连续3年的8月份日蒸散都表现为东北部蒸散明显小于西南部，这是因为东北部基本是荒漠而东南部多是农田，且8月份日蒸散基本在2～5 mm之间变化；从2001年8月份第222 d日蒸散空间分布看，无定河主干道两边蒸散显著高于其他位置，这是由于8月份无定河流域为多雨季节，河谷土壤水分较高的缘故；从2002年内变化来看，不同的土地利用/覆被类型日平均蒸散差别不显著。     

青海大通退耕还林工程区的林木耗水特性

 为了给退耕还林工程建设的树种选择提供依据,2002—2003年,通过实地观测并应用PenmanMonteith方程和定位通量法,对青海大通黄土高寒区自20世纪80年代陆续退耕还林后营造的青海云杉、紫果云杉、华北落叶松、白桦、青杨和沙棘进行了林木耗水特性研究。结果表明:2种方法测算林地蒸散的月平均相对误差是57%。中龄林的青杨沙棘混交林、白桦纯林、青杨灌木混交林和白桦青海云杉沙棘混交林的生长季蒸散总量为488～538mm,其中蒸腾量占蒸散总量的74%～79%,林地土面蒸发总量占蒸散总量的10%～12%,林地无地表径流产生;处于幼龄生长阶段的紫果云杉、青杨、华北落叶松、青海云杉混交林生长季蒸散总量为450～510mm,其中蒸腾总量占蒸散总量的45%～69%,林地土面蒸发总量占蒸散总量的16%～44%,地表径流量占林地降水量的1%～6%。大部分林分6—8月的蒸腾耗水量占全年的80%。     

华北平原冬小麦相对蒸散与叶面积指数及表层土壤含水量的关系

冬小麦相对蒸散(农田蒸散量ET与自由水面蒸发量ET_0之比)表征冬小麦受土壤水分和作物生长状况制约下的耗水规律。冬小麦生长季利用大型蒸渗仪测定农田蒸散,用E601型水面蒸发器测定水面蒸发,并用平行观测方法测定叶面积指数,分析冬小麦相对蒸散与叶面积指数和表层土壤含水量的关系,并建立了冬小麦返青～收获期相对蒸散与叶面积指数和0～60cm表层土壤含水量的经验公式为。在田间条件下由RE和ET_0推算出小麦耗水量ET,并可用于冬小麦适时、适量灌溉管理。