水稻蒸散特征及日尺度作物系数估算*5

基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。     

东北地区春玉米生长季农田蒸散量动态变化及其影响因子

利用大型称重式蒸渗仪对东北春玉米田蒸散量的观测结果,分析玉米生长季蒸散量的分布特征及其影响因子。结果表明：东北春玉米生长季（播种-成熟）农田蒸散量为362.3mm,日平均蒸散量为2.6mm·d-1。从各生育期的分布情况看,播种-七叶期蒸散量较小,日平均蒸散量为1.4mm·d-1,占全生育期的11.7%;七叶期开始,日平均蒸散量逐渐增加,在大喇叭口-抽雄期达到最大,为4.3mm·d-1;抽雄-乳熟期总蒸散量最大,为97.2mm,占生长季蒸散量的26.8%。从月蒸散量分布看,7-8月累积蒸散量达207.0mm,占5-9月蒸散量的54.5%;5、6和9月蒸散量较少,分别占5-9月总蒸散量的11.6%、19.6%和14.3%。从逐小时蒸散量变化看,蒸散量日变化表现为早晚低、中午高的“单峰型”曲线特征。蒸散量与叶面积指数、太阳辐射、5cm地温、平均气温、最高气温、最低气温存在显著的线性正相关关系,与空气相对湿度和饱和差间呈显著的二次函数关系。叶面积指数是影响春玉米农田蒸散最主要的生物因子,5cm地温和太阳辐射是最主要的环境驱动因子。     

水稻蒸散特征及日尺度作物系数估算

基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。     

实测草坪蒸散量评价P-M模型在北京地区适用性

为了研究北京地区的参考作物蒸散(reference evapotranspiration,ET0)特征以及Penman-Monteith(P-M)模型的适用性,2012-2014年生长季,应用蒸渗仪实测了冷季型高羊茅(Festuca arundinacea)、暖季型野牛草(Buchloe dactyloides)和乡土草种青绿苔草(Carex leucochlora)3种草坪的蒸散,应用自动气象站监测了试验地的太阳辐射、温度、空气相对湿度、风速等气象参数,通过P-M模型计算获得了ET0。将同期的P-M模型计算值与实测值进行了不同天气以及不同尺度下的比较分析,应用线性回归斜率与决定系数(R2)以及均方根误差(root mean square error,RMSE)与一致性指数(d)等统计参数进行了一致性评价。结果表明,P-M模型计算ET0与实测值在日、周、月尺度上均呈现一致的变化趋势。北京地区ET0高峰出现于5月,蒸散速率分别为4.18±0.27(P-M模型)、4.43±0.98(高羊茅)、3.96±0.23(青绿苔草)、3.53±0.25 mm/d(野牛草),10月最低。P-M模型计算的ET0与太阳辐射、平均气温、最高气温均呈极显著的线性关系,其中ET0与太阳辐射回归的R2最高,达到0.885。天气影响P-M模型的准确性,P-M模型计算ET0与草坪实测值的比值随着太阳辐射的降低(从晴天到雨天)而升高。P-M模型高估了阴雨天下的ET0。P-M模型计算ET0与实测值的RMSE和d值均随评价尺度减小而增大。实测ET0在3种草坪间差异显著,高羊茅青绿苔草野牛草。P-M模型计算ET0与高羊茅实测值的一致性最高,具有接近1.0的回归方程斜率(0.99~1.03)、最小的均方根误差(0.62~1.05 mm/d)和最高的一致性指数(0.89~0.90)。P-M模型在北京地区有较好的适用性,但在阴雨天气及春季低温情况下会高估ET0。     

基于气象-生理的夏玉米作物系数及蒸散估算

准确估算作物系数对预测作物实际蒸散量和制定精准的灌溉计划至关重要。为反映作物逐日作物系数变化,综合考虑气象和生物因子对作物生长的共同影响,采用五道沟水文实验站大型蒸渗仪夏玉米实测蒸散及气象数据,基于地温及叶面积指数建立了气象-生理双函数乘法模型,并结合梯度下降法对模型进行了精度优化。结果表明,在整个玉米生长期中,作物系数实测值和计算值平均绝对误差为0.12,均方根误差为0.15,相关性为0.91,蒸散量实测值与计算值平均绝对误差为1.0 mm/d,均方根误差为4.5 mm/d,相关性为0.75。该模型计算的全生育期蒸散量准确率（误差在2～3 mm/d以内）相比使用联合国粮农组织（FAO）推荐的作物系数计算所得准确率提高了3倍以上,可更精确用于作物系数及蒸散量计算。     

不同尺寸蒸渗仪测定作物蒸散的田间试验研究

称重式蒸渗仪测定作物蒸散量（ET）是公认的一种标准测定方法。大型称重式蒸渗仪因单点独立安装而无法进行不同处理的重复试验,小型蒸渗仪则可解决该问题,但目前对于小尺寸蒸渗仪的适用性尚无统一结论。本文利用1m2（SL）、2m2（ML）和4m2（LL）3种不同面积的蒸渗仪在冬小麦（2012年11月21日播种,2013年6月20日收获）和水稻（2013年6月22日移栽,2013年10月28日收获）整个生长季进行连续蒸散量观测,筛选无有效降水日的数据进行对比分析。结果表明：（1）在冬小麦和水稻生长季内,SL（小）蒸渗仪所测蒸散量日内变化均表现出较大的变化幅度,ML（中）蒸渗仪所测蒸散量日内变化趋势均与LL（大）蒸渗仪所测一致,日内变化比较平稳;（2）ML蒸渗仪所测日蒸散量与LL所测结果的相关性最好（P<0.01）;（3）SL蒸渗仪所测水稻日平均蒸散量和蒸散总量与LL接近,所以可将SL蒸渗仪替代LL测定水稻日平均蒸散量和蒸散总量;ML所测冬小麦和水稻的日平均蒸散量及蒸散总量均比LL明显偏小,蒸散总量偏小主要由于拔节后较大的日蒸散量偏差导致。     

基于SEBAL模型的盘锦湿地日蒸散估算及其分布特征

为了验证SEBAL模型对湿地蒸散量估算的准确性,本研究基于Landsat 8卫星数据和SEBAL模型,以盘锦湿地生态系统野外观测站的涡动相关实测数据为检验,估算盘锦湿地2013-2015年典型晴天卫星过境时刻的瞬时蒸散量,并利用正弦函数法将遥感反演订正后的蒸散瞬时值转换为日尺度的蒸散值,分析芦苇和稻田湿地的日蒸散量分布特征.结果表明:SEBAL模型反演的盘锦湿地瞬时蒸散量比实测值偏高,平均相对误差为31.6％,但相关系数达0.79,为了提高反演精度,利用线性方程进行订正,订正后的遥感估算值与实测值平均相对误差为6.4％,提高了25.2％;芦苇湿地日蒸散量集中在3.4～4.0 mm/d之间,占总面积的64.7％～82.4％;稻田湿地日蒸散量集中在3.6～4.1mm/d之间,占总面积的67.4％ ～86.6％;稻田湿地日蒸散量普遍比芦苇湿地高0.1 ～0.2mm/d.应用订正后的SEBAL模型反演湿地蒸散量,可为湿地区域蒸散估算及湿地水资源管理提供依据.     

基于GLEAM模型的淮河流域地表蒸散量时空变化特征

蒸散发是连接地表水循环和能量循环的纽带,淮河流域地表蒸散量的时空变化分析对深入理解中国气候过渡带水循环对全球变化的响应具有重要价值。该文基于流域水量平衡原理,利用流域水文数据对淮河流域GLEAM产品进行精度验证;并利用GLEAM(global land-surface evaporation:the Amsterdam methodology)产品分析1980-2011年淮河流域地表蒸散发年际和年内的时空变化。结果表明:1)淮河流域及其水资源二级分区的降水实测值与GLEAM产品估算结果比较,平均相对偏差为8.0%,相关系数高达0.94,GLEAM产品对于淮河流域的模拟精度较高;2)淮河流域1980-2011年多年平均年地表蒸散量为673 mm;3)淮河流域多年平均年地表蒸散量空间变化范围为528~848 mm,空间差异显著,呈从西南向东北逐渐减少,淮河以南地表蒸散量大于淮河以北地表蒸散量,四个季节地表蒸散发具有类似的空间分布特征;4)近32 a淮河流域平均的年地表蒸散量变化范围为588.6~767.8 mm,且存在显著的上升趋势;地表蒸散量的季节变化大致呈单峰型分布,峰值出现在8月,最小值出现在12月;且季节变化较为明显,夏季(272.0 mm)春季(191.4 mm)秋季(144.3 mm)冬季(65.0 mm);5)基于栅格尺度年地表蒸散量的变化速率主要受春季主导,依次为夏季、秋季,冬季的影响最小,淮河流域大部分区域地表蒸散发量呈增加趋势。该研究可为淮河流域洪涝、干旱等极端水文气象事件的监测与预警提供科学依据,同时为该流域水资源管理提供参考及决策依据。     

称重式蒸渗仪系统改进及在农田蒸散研究中的应用

水分是制约黄土丘陵区农作物正常生长和农业生产的关键因子。该区年平均降水量少且季节多变,研究农田土壤水分平衡对该区旱地农业生产具有重要意义。土壤蒸渗仪（Lysimeter）可测量总蒸散量、渗漏量等有关水量平衡的各个分量,具有其它装置和方法不可比拟的优越性。它为田间蒸散和降水入渗实验研究提供了一种较先进的量测方法和技术手段。它对推动我国实验水文学的发展具有重要作用,并为相关领域的科学研究提供了一种较先进的技术设备和实验环境。中国科学院安塞试验站对原建造的用于测定农田蒸腾蒸发转化的称重式蒸渗仪在2005年对称重感应系统、电源进行改造,主要对主机、采集软件进行了重新更新,使其可直接在Windows界面下工作,数据采集更加方便,将测量出来的模拟量信号转换为数字信号,经处理显示并记录在数据采集器内。改进后蒸渗仪主要有以下特点：（1）土柱重19～26t,蒸渗仪精度为152g（0．05nm）,可测量蒸腾蒸发量和地下水对土壤水的补给量与入渗量;（2）蒸渗仪面积3m^2（1．5m&#215;2m）,深度3m,可充分允许农作物根系发育与吸水,土壤水和地下水转化,地下水位变化等过程进行,蒸渗仪的供排水系统能够在蒸渗仪内模拟实际地下水位变化,可较好代表大田实际情形,并对作物生长过程中水分利用动态变化进行深入研究。     

R-K蒸散模型用于华北平原冬小麦农田的参数校正与评价

为了解华北平原冬小麦田蒸散特征,并对蒸散估算模型在冬小麦田的适用性和稳定性进行分析,该文利用涡度相关系统对2013-2015年冬小麦田的蒸散量进行观测,以气象数据为基础对估算模型Rana和Katerji模型(简称R-K模型)进行修正;利用修正后模型对日蒸散量进行预测;并与FAO-PM模型的预测值及涡度相关系统的测量值进行对比,来说明R-K模型在冬小麦田的适用性。结果表明冬小麦田蒸散量有明显的季节变化,日蒸散量在1月底最小,返青期开始逐渐增大,于4、5月份达到最大值;2个冬小麦生长季总蒸散量分别为436.3和334.8 mm。统计参数的对比说明修正后R-K模型对冬小麦田日蒸散量的预测效果优于FAO-PM模型。敏感性分析说明R-K模型对气象因素不敏感,稳定性良好。R-K模型对冬小麦不同生长阶段的蒸散量预测效果在后期表现最佳,其次为发育期、中期和初期,越冬期表现最差。该研究可为利用模型估算蒸散量及指导农田精确灌溉提供参考。     

基于遥感蒸散发的区域作物估产方法

灌区作物产量估算对农业用水效率评价和灌区水分管理具有重要意义。该研究以干旱区代表性灌区-内蒙古河套灌区主要农作区为研究对象,基于遥感蒸散发模型HTEM和遥感作物识别结果获取河套灌区玉米生育期日蒸散发量。选取Jensen模型、Blank模型和Stewart模型3种常用水分生产函数模型,建立河套灌区玉米估产模型,并分析各估产模型的适用性及其参数。结果表明,研究区玉米生育期多年平均蒸散发量约为526 mm。3个模型均有较高的估产精度,其中Stewart模型的产量模拟精度最高,相对误差为4.30%,相关系数为0.75。因此,Stewart模型在河套灌区具有更好的适用性,基于遥感蒸散发模型、遥感作物识别模型和作物水分生产函数模型建立灌区作物估产模型可以取得良好的模拟效果。     

应用地表温度与植被指数梯形空间关系估算陆面蒸散量

提出了以Priestley-Taylor方程为基础,综合利用地面气象观测数据与卫星遥感观测数据的陆面蒸散量估算方法。其基本思路是:基于地表能量平衡原理,利用遥感观测与地面气象观测数据,计算给定气温条件下全植被覆盖与祼土地面在极湿、极干状况下的地表温度,构建每个像元的地表温度(Ts)与植被指数(VI)的理论梯形空间,进而根据该象元Ts-VI坐标点在该梯形中的位置,计算其Priestley-Taylor系数,并利用Priestley-Taylor方程估算像元的蒸散比。利用美国一个半干旱地区的地面观测数据进行了精度验证,结果表明该方法具有较理想的精度,蒸散量估算的平均绝对误差约为35.5%。     

基于GLEAM遥感模型的中国1980－2011年地表蒸散发时空变化

对中国地表蒸散发时空变化的分析,有助于了解气候变化对水循环的影响及对中国水资源的合理配置。该文基于GLEAM（global land-surface evaporation: the Amsterdam methodology）遥感蒸散发模型,通过对GLEAM产品在站点尺度和流域尺度的精度验证以及中国地表蒸散发时空变化特征的研究,得出以下结论：1）GLEAM产品在中国区域满足精度要求,在站点尺度上,GLEAM产品在草原半干旱区的模拟程度最好,海北、内蒙古、当雄3个草原站皮尔逊相关系数（pearson correlation coefficient,CC）均值为0.77（0.65～0.85）;森林站的CC相关系数均值为0.66（0.40～0.85）,禹城农田站CC值为0.68;在流域尺度上,海河（相对偏差（relative bias,RB）16.2%）、黄河（RB,15.2%）、西北诸河流域（RB,9.2%）的验证结果精度较好。在绿洲或农灌区降水较少的年份,GLEAM产品符合地表实际蒸散发可能大于降水的规律;2）1980－2011年中国的多年平均蒸散发为18～1 400 mm,空间分布呈从西北向东南方向递增,西北地区多年平均蒸散发最少,海南岛与台湾岛是多年平均蒸散发的极大值区;3）1980－2011年中国平均的年地表蒸散发变化范围为349.7～436.0 mm,多年平均年地表蒸散量为397.5 mm。近32 a中国区域平均地表蒸散发呈显著的上升趋势,上升速率为12.3 mm/(10 a);4）1980－2011年中国各栅格地表蒸散量变化速率为?86.5～108.7 mm/(10 a),地表蒸散发减少的面积占28.4%,9.45%的区域地表蒸散发呈明显减少、显著减少及急剧减少趋势,主要位于内蒙古东部、青藏高原西部（新疆西部及东北部、西藏西北部）、甘肃南部等地。地表蒸散发增加的面积占71.6%,18.2%的区域地表蒸散发呈显著增加、急剧增加的趋势,主要位于海河区的河北南部及山东西北部、淮河流域的山东半岛、黄河区的青海东部、长江中下游区的四川东部、山西南部、湖北、湖南、安徽、江西等地、东南诸河区、珠江区及云南南部等;5）各栅格年蒸散发的变化趋势主要由夏季蒸散发变化趋势主导,春季、秋季、冬季对年蒸散发变化趋势的影响较弱。该研究对理解中国气候变化与水资源之间的相互影响具有重要作用,可为中国水资源评价与管理提供参考及决策依据。     

区域蒸散和表层土壤含水量遥感模拟及影响因子

以甘肃省武威市为研究区域,应用灌溉前后两景Landsat TM-5卫星遥感数据,采用SEBAL模型进行了区域蒸散估算,综合应用归一化植被指数(NDVI)和地表温度(Ts),计算了该区域的条件植被温度指数(VTCI),并估算了表层土壤含水量(0～20 cm)。在获得区域净辐射通量、地表温度以及植被覆盖度空间分布的基础上,进一步对灌溉前后两景影像中日蒸散和表层土壤含水量的影响因素进行了分析。结果表明,区域蒸散和表层土壤含水量的遥感估算与地面同步观测值比较,能较好地反映研究区域的蒸散和地表含水量的空间变异特征。当土壤较干时,区域蒸散的空间分布变异较大,而表层土壤含水量的空间变异较小。在灌溉前后两景影像中,日蒸散与净辐射通量、地表温度和覆盖度之间都有极显著的相关性,决定系数均在0.90以上,而日蒸散量与表层土壤含水量的相关性以灌溉后较高。此外,表层土壤含水量与地表温度、覆盖度都呈显著的相关性,但比较而言,地表温度指数关系的离散性较小,相关系数也大。但地表温度、覆盖度与表层土壤含水量的相关性都依赖于土壤干湿程度,通常土壤越湿,相关性也越高。     

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

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。     

利用MODIS数据计算地表蒸散

地表蒸散影响着地表水分和能量的输送,在水文、气象、地理等诸多领域占有重要地位。该文首先基于大气辐射传输原理,利用MODIS大气产品提供的臭氧、水汽以及550 nm气溶胶含量,运用大气透过率计算模型,进行了太阳总辐射的计算,均方根误差（RMSE）为61.4 W/m2,相比FAO-56透过率模式112.1 W/m2的误差有了明显改进。在此基础上结合MODIS的地表温度、植被指数产品进行了地表蒸散的计算。瞬时显热通量与郑州市大孔径闪烁仪（LAS）观测相比,有较好的一致性,RMSE为29.9 W/m2。应用本文的透过率模型计算得到的日蒸散与观测值相比,RMSE为0.69 mm,应用FAO-56透过率计算式得到的日蒸散RMSE为1.42 mm。从验证结果来看,透过率的准确计算能够比较明显的提高地表蒸散计算精度。