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。     

温室内香蕉树蒸腾量预报的试验研究

在温室内研究了香蕉树蒸腾量和小气候的关系，用5种方法计算了温室内的参考作物腾发量，用20 cm蒸发皿测定温室内的水面蒸发力，并和测定的香蕉树蒸腾量进行对比。试验结果显示香蕉树蒸腾量和蒸发皿水面蒸发量的回归系数(R²)最高，为0.94，而和5种公式计算的参考作物腾发量的回归系数为0.47～0.60，以蒸发皿水面蒸发量计算温室内的作物蒸腾量要优于以参考作物腾发量计算作物蒸腾量的方法。温室内香蕉树的蒸腾量和20 cm蒸发皿蒸发量线性相关，可以此计算温室内作物的蒸腾量。     

基于随机样本的神经网络模型估算参考作物腾发量

参考作物腾发量(ET₀)是计算作物需水量、制定灌溉制度和进行水资源管理的主要参数之一。计算参考作物腾发量(ET₀)的方法众多，为规范ET₀的求法，联合国粮农组织(FAO)推荐采用修改的Penman-Monteith方法。该文指出不需要收集长序列气象资料，而以随机样本建立学习速率和动量因子自适应的BP神经网络模型估算参考作物腾发量(ET₀)的方法，并且与FAO推荐的Penman-Monteith法计算值对比分析，结果表明：利用随机样本建立的的BP神经网络模型可以很好的反映气象因子(最高温度、最低温度、最大湿度、最小湿度、净辐射和风速)与参考作物腾发量(ET₀)的非线性函数映射关系，并且取得了良好的估算效果，给出了国家自然科学基金重点项目研究区内蓝旗试验站2004年的时间尺度为日、十日参考作物腾发量(ET₀)的计算及对比分析过程。     

基于天气预报的漳河灌区参考作物腾发量预报方法比较

为了提出适合湖北省漳河灌区的参考作物腾发量预报方法,以FAO56-Penman-Monteith公式采用历史气象数据计算出的值为基准,利用天气预报数据,比较Hargreaves-Samani(HS)法、逐日均值修正法及该文改进的逐日均值修正法在该灌区钟祥站点的预报精度,并评价各方法适用性.结果表明:利用这3种方法进行参考作物腾发量预报时,1~7 d预见期平均绝对误差均值分别为0.75、0.80、0.76 mm/d,均方根误差分别为1.00、1.07、1.05 mm/d,相关系数分别为0.82、0.80、0.80.1 d预见期最优预报方法为改进逐日均值修正法,2~7 d预见期的最优方法均为HS法.总体而言,预报精度最好的为HS法、改进逐日均值修正法次之、逐日均值修正法最差.对于漳河灌区,建议采用HS法进行预报,可为灌溉预报提供较为准确的数据基础.     

应用自适应神经模糊推理系统(ANFIS)的ET0预测

参照作物腾发量是计算作物需水量和进行灌溉预报的基础要素。该文利用自适应神经模糊推理系统(ANFIS)所具有的直接通过模糊推理实现输入层与输出层之间非线性映射能力，和神经网络的信息存储和学习能力，将其应用于参照作物腾发量预测中。根据相关分析，输入变量选择日照时数和日最高气温；用5年共1827个数据组对系统进行训练，建立了参照作物腾发量预测系统。利用该系统对近年213个数据组进行了实际预测，与Penman-Monteith方法计算结果进行比较，结果相关性良好。     

河北省近35年（1965—1999年）参考作物蒸散量的时空变化

在气候变化大背景下,分析河北省参考作物蒸散的时空变化趋势和影响因素,为农作物水分管理提供指导.根据FAO推荐的彭曼-蒙蒂斯方程,利用河北省1965-1999年85个地面气象站资料,计算并分析了河北省参考作物蒸散量的时空分布变化及其与气候变化的关系.结果表明:河北省春、夏、秋、冬四季和年的参考蒸散量序列变化呈现下降趋势,并达到显著水平(α=0.01).其中,春季下降最快,夏季次之,秋季较慢,冬季下降最慢;年参考蒸散量减少速率达43.58mm/10a.在空间上,全省参考作物蒸散量在不同地区减少幅度不同.其中,廊坊及以南地区下降较为突出,减少速率一般均在40mm/10a以上,而北部地区减少较为缓慢,一般均在35mm/10a以下,秦皇岛虽然有所减少,但未达到显著水平(α＞0.05).通过参考作物蒸散与气候要素相关分析表明:影响河北省参考作物蒸散变化的主要因子是风速和日照时数(即太阳辐射).根据能量平衡原理,风速减小和日照时数减少是河北省参考作物蒸散下降的主要原因,而气温升高对其影响作用不显著.     

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。     

冬小麦拔节抽穗期作物系数的研究

在2000～2004年4个冬小麦生长季节研究了冬小麦拔节抽穗期农田蒸散量和参考作物腾发量（FAO56 PM方法计算）的关系，以及作物系数和叶面积指数及作物株高的关系。研究发现在冬小麦拔节抽穗前期，参考作物腾发量要大于或者接近于农田蒸散量，而在后期则要明显小于农田蒸散量。作物系数随着叶面积指数的增加和株高的增加而增加。用2003和2004年的数据回归建立了叶面积指数和株高与作物系数的数学表达式，并计算了2001和2002年的农田蒸散量。结果显示用叶面积和株高两种方法都能够很好的估算农田蒸散量。但是当农田蒸散量小于3 mm/d时，计算值要小于观测值。用叶面积指数和株高两种方法计算的农田蒸散量没有明显差别，说明用株高计算农田蒸散量是可行的。     

基于SPAC系统的作物腾发量模型的试验研究

通过田间试验对河北省2004年和2005年棉花、冬小麦和夏玉米不同生育期的冠层温度、地表温度和叶面积指数进行测定,根据能量平衡方程和空气动力学方程,结合当地气象资料推导出作物腾发量模型,并与棉花、冬小麦和夏玉米不同生育期实际腾发量比较发现:作物腾发量模型计算值不仅反映了这3种作物不同生育期腾发量的变化规律,而且与实际腾发量平均值的相对误差2004年分别为8.46%、4.76%和12.85%,2005年分别为3.42%、1.65%和0.84%,因此可以利用作物腾发量模型来计算作物腾发量,该研究为监测土壤墒情和确定作物缺水指标提供了理论依据.     

基于GEP和地理位置信息的湘鄂地区月参考作物腾发量模拟计算

参考作物腾发量(ET0)是计算植被蒸散发的关键因子,准确估算ET0对水资源管理、灌溉制度设计等具有重要意义。本研究利用湘鄂地区46个气象站点1955—2005年的逐月气象数据,包括月最高气温、最低气温、平均风速、日照时数以及相对湿度,用FAO-56 Penman-Monteith法计算各站的逐月ET0值。然后结合基因表达式编程(GEP)算法挖掘公式的能力,以各站点的地理位置信息(纬度、经度、海拔)及月序数为输入,以多年逐月平均ET0值为输出,建立基于地理位置信息的月ET0模型,并与传统ET0模型的计算结果进行比较。结果表明,所建立的模型具有足够的精度,校正、检验阶段的决定系数(R2)和均方根误差(RMSE)分别为0.934、0.951和10.050 mm、8.628 mm;与Hargreaves和Priestley-Taylor法相比,基于地理位置信息建立的GEP模型的结果均方根误差最小,变化范围为8.628~9.967 mm。本研究所建立的月ET0模型具有明确的表达式,简单易用,在湘鄂地区仅利用地理位置信息计算逐月ET0是可行的,可以利用该模型进行月尺度的灌溉制度设计和植被蒸散发的估算。