郑州地区各气象要素与参考作物腾发量的相关性研究

根据郑州地区1980—2000年的气象资料,应用Penman-Monteith公式计算21 a间参考作物腾发量ET0,分析了ET0的月际变化和年际变化特征.结果表明,ET0值呈现为逐年减少趋势,说明气候变化对ET0的影响较大;并分析了各气象要素与ET0的相关性,在郑州地区ET0与平均相对湿度相关性最好.     

盘锦参考作物腾发量演变规律分析

本文应用平彭曼公式计算1957～2006年间逐日、逐月参考作物腾发量,在对国内外参考作物腾发量研究现状及存在问题进行分析的基础上,对参考作物腾发量的年际变化、年内变化特征及趋势进行了分析。     

基于气象因素的辽宁省阜新市参考作物腾发量的敏感性

基于辽宁省阜新市近15年的气象观测资料,利用敏感系数法分别分析了阜新市多年日平均参考作物腾发量(ET0)对各气象因素的敏感性,探讨了阜新地区不同季节ET0的主要气象影响因素。结果表明:气温、太阳辐射、ET0多年平均变化均呈现抛物线形,最大值均出现在夏季;ET0对太阳辐射的正敏感性最大,对水汽压的负敏感性最大;阜新地区参考作物腾发量最大值为4.6 mm。     

气象因素对民勤地区参考作物腾发量变化的贡献分析

利用世界粮农组织的Penman-Monteith方法以及敏感曲线分析法,对甘肃国家级地面站点民勤站1968—2018年来的参考作物腾发量和气象因素的变化规律及各气象因子对参考作物腾发量变化的贡献大小进行了研究。结果表明:1)民勤站参考作物腾发量ET0年内变化特征呈抛物线形式,在1—5月增加,8—12月递减,7月达到最大值为5.29mm/d,年际变化整体呈波动上升趋势;2)利用相关性分析与主成分分析发现ET0与平均最高气温Tmax、平均饱和水汽压差VPD的相关性最大,利用偏相关性分析发现ET0与平均风速U、平均净辐射与土壤热通量的差Rn-G的相关性最小,但ET0与U、Rn-G的偏相关性较大,说明ET0与U、Rn-G的关系受其他气象因素的影响较大;3)气象因素的年内变化与ET0对各气象因素的敏感系数在年内的变化趋势有一定的相似度。ET0对Rn-G的敏感系数不大,但是由于Rn-G自身的增长幅度较大,导致Rn-G对ET0增长的贡献率最大;平均气温T和VPD对ET0的增长也产生了一定的贡献;U对ET0的增长产生了较大的负贡献。     

流域参考作物腾发量分布式计算模型

地形(坡度、坡向、地形遮蔽等)对太阳辐射的空间分布影响显著,并进而造成了参考作物腾发量(ET0)空间分布的巨大差异。基于淮河史灌河流域数字高程模型(DEM)对参考作物腾发量计算模型中所涉及的几个参数(包括气压、温度、辐射)进行地形校正,改进并建立了考虑地形影响的流域参考作物腾发量计算模型。结果表明,改进的参考作物腾发量计算模型的计算结果的空间分布差异显著,更好地反映了地形对于ET0空间分布的影响。辐射和ET0随着坡向的变化由南坡至北坡依次减少。该研究结果提高了起伏地形影响下ET0空间分布估算的精度,并为流域水资源综合规划和利用提供重要依据。     

柳园口灌区参考作物腾发量的长期变化趋势 及其对灌溉需水量的影响

研究该文的目的在于揭示了柳园口灌区参考作物腾发量的长期变化规律.阐明其产生原因及可能产生的影响,为应对气候变化对农业生产带来的负面影响提供基础.采用FAO-56推荐的Pen-man-Monteith公式计算河南省柳园口灌区1983-2003年的逐日参考作物腾发量.用Mann.Kendall检验对灌区的参考作物发量进行长期变化趋势分析,对参考作物腾发量的长期变化趋势及其与气象因素、灌溉引水量的关系进行了分析.结果表明,在过去的20多年中,ET0呈极显著的下降趋势,其下降的幅度约为50mm/10年;导致ET0下降的主要原因是日照时数下降,其次是风速的下降,气温升高并不足以抵消日照时数和风速的下降而使ET0上,升;ET0的下降主要出现在4月和6-8月.在降雨量变化不明显的情况下,灌溉季节的ET0的下降使灌区的灌溉需水量呈下降趋势,而灌区近年来的引黄水量减少也证明了这一事实.因此,除了节水灌溉技术的推广,气候变化使灌溉需水量减少,灌区的节水也有气候变化的"贡献".     

抚顺地区参考作物需水量与气候变化的关系分析

根据抚顺地区3个气象站1995~2004年的气象资料,应用FAO推荐的Penman-Monteith公式计算了10年来每年(5~9月)各月的参考作物需水量ET0,分析了ET0的月际变化和年际变化特征。抚顺地区的ET0月际和年际变化都较大,但ET0的变化趋势十分相似。同时分析了各气象因素对ET0的影响,对清源气象站的年均ET0的影响较大的气象因素是:最高气温(Tmax)、相对湿度(RH)、实测风速(U)以及日照时数(H),其中相对湿度(RH)与ET0呈负相关性;对章党气象站的年均ET0的影响较大的气象因素是:相对湿度(RH)和日照时数(H),其中相对湿度(RH)与ET0呈负相关性;对新宾气象站的年均ET0影响较大的气象因素是:大气压(P)和日照时数(H),与ET0均呈负相关性。日照时数(H)是影响抚顺地区参考作物需水量ET0最主要因素。抚顺地区ET0空间变化也较大,从山区到绿洲平原ET0多年平均值呈递增趋势,ET0与海拔高度呈显著负相关。     

基于小波消噪和符号动力学的参考作物腾发量变化的复杂性研究

提出了基于小波消噪的符号动力学途径研究参考作物腾发量(ET0)变化的复杂度,以辽宁省的锦州、北镇、义县、黑山4个站为例,对各气象因素(1957～2006年)及ET0序列进行小波消噪,运用Lempel-Ziv算法计算其复杂度。结果表明:整个锦州市由于噪声影响ET0的平均复杂度为9.25,较真实序列平均复杂度大;义县ET0变化比其他3个站复杂;从时间上分析,锦州4个站中有3个站(锦州、义县、黑山)近20年呈现下降趋势。从符号动力学的角度研究ET0系统的复杂性,为ET0研究提供了新的工具。     

参照作物腾发量变化规律的探讨

选用Penman-Monteith公式计算了三河市参照作物腾发量(ET0),分析了不同水文年降水与参照作物腾发量的变化关系,并对参照作物腾发量构成项进行了比较。结果表明:参照作物腾发量中辐射项(ETrad)的变化趋势基本反映了腾发量(ET0)的变化趋势,一年四季都处于主导地位,而空气动力学项(ETaero)全年变化较小,一般在冬季对腾发量有较大影响。     

近60年桂西北喀斯特地区气候与参考腾发量变化及成因分析

根据桂西北喀斯特地区7个国家气象站1951-2011年逐月气象资料,采用Penman-Monteith公式计算逐月参考腾发量(ET0),分析各气象因子及ET0的年际变化特征,并计算ET0对太阳净辐射、气温、风速和相对湿度的敏感系数,探讨ET0近60年的变化成因。结果表明:桂西北地区气温呈小幅升高趋势,温度增长量变化范围为0.004-0.186℃/10a,60年平均气温上升范围为0.024-1.116℃;日照时数、风速及相对湿度呈极显著减少趋势,降雨量减少趋势不显著。敏感性分析表明,桂西北地区ET0最敏感的气象因素为相对湿度,其次为太阳净辐射和气温,风速对其影响最小;气温和太阳辐射的敏感系数呈单峰型分布,夏季较大,风速敏感系数呈单谷型分布,夏季较小,相对湿度敏感系数在雨季较小;桂西北地区日照时数和风速的减少对ET0的负贡献率分别为-3.49%和-1.51%,气温的升高和相对湿度的减少对ET0的正贡献率分别为1.36%和3.36%,负贡献大于正贡献,导致ET0下降。研究阐明了日照时数和风速的减少是引起桂西北ET0变化的主要原因。     

2000～2008年黑河流域潜在蒸散量的时空变化

[目的]研究2000~2008年黑河流域潜在蒸散量的时空变化。[方法]利用2000~2008年黑河流域21个气象站的逐日气候资料,结合FAO Penman-Monteith模型,分析了黑河流域9年来潜在蒸散量（ET0）的时空变化特征,并对其主要气候影响因子进行了探讨。[结果]黑河流域春、夏、秋、冬四季和年的ET0序列变化呈现缓慢上升趋势,但并未达到显著性水平;多年平均ET0空间分异特征明显,表现为从东北荒漠向西南山区逐渐减少,且多年季节变化依照夏、春、秋、冬季的顺序递减,逐月变化呈单峰变化趋势,峰值出现在7月。相对湿度、平均风速和水汽压是影响研究区内ET0变化的主要气候因子,而平均气温对ET0的影响作用不显著。[结论]该研究为制定流域规划、地区水利规划及排灌工程提供理论依据。     

河流硅藻指数在太子河水生态健康评价中的应用研究

为了用硅藻指数评价太子河的水生态健康状况,于2012年5月对太子河河岸不同土地利用方式(森林用地、森林耕作用地、耕地和城镇建设用地)下的38个采样点位进行了调查研究,并应用6项硅藻指数(硅藻生物指数IBD、硅藻属指数IDG、特定污染敏感指数IPS、欧盟硅藻指数CEE、硅藻营养化指数TDI和戴斯指数DESCY)对太子河的水生态环境进行健康评估。结果表明:MRPP结果显示,太子河流域4种土地利用类型具有显著的空间异质性(P0.05);太子河流域香农多样性指数、均匀度指数和物种丰富度的平均值分别为2.96、0.72和18,物种密度为7.83×106cells/cm2;根据相关分析显示,硅藻指数之间、硅藻指数与水环境因子之间具有显著的相关性(P0.05);根据K-S检验,6项硅藻指数均符合正态分布;根据线性回归方程分析,D-IBI与IBD、IPS、IDG、CEE、TDI、DESCY均呈显著的线性回归关系(P0.05),表明6项硅藻指数在太子河流域具有较好的适用性;用硅藻指数评价太子河流域的结果显示,太子河上游地区水生态健康状况较好,中游地区水生态健康状况一般,下游地区水生态健康状况较差。     

辽西参考作物潜在腾发量变化及其气象影响因子研究

根据辽西半干旱区阜新、朝阳站上世纪50年代至今的气象资料,采用FAO推荐的Penm an-Monte ith公式计算参考作物潜在腾发量(ET0),统计并分析生长季与非生长季辽西地区的ET0、气象因子变化与及其影响ET0变化的主要气象因子。结果表明:阜新地区ET0表现为随时间的增长趋势,而朝阳表现为随时间逐年减少趋势,80年代至今阜新、朝阳变化趋势显著。阜新、朝阳ET0与各气象因子的相关性大体一致。在辽西地区影响ET0显著的气象因子顺序为:风速太阳辐射最高温度降水量,20世纪80年代至今风速的显著性变化是辽西半干旱区ET0之间差异的主要原因。     

基于SPEI的陕北黄土丘陵区干旱特征及影响因素分析

为探讨陕北黄土丘陵区干旱特征及其影响因素,借助绥德2000-2014年逐日的气象数据,基于Hargreaves、Thornthwaite和Penman-Monteith蒸散模型及同一套降水资料计算,获得不同时间尺度(月、半年和年)3种标准化降水蒸散指数(SPEI),对比分析上述3种SPEI的差异并选取适宜于陕北黄土丘陵区的SPEI,而后采用SPEI分析干旱特征,并利用通径法分析气象因子对SPEI敏感性。结果表明:1)基于Penman-Monteith蒸散模型的SPEI(SPEI-PM)能够准确反映陕北黄土丘陵区干旱事件,与SPEI-PM相比,基于Hargreaves和Thornthwaite的SPEI值偏低,计算误差为0.26～0.38;2)干旱变化呈现减弱趋势,短时间尺度上(1和6个月)SPEI-PM值变化频繁,长时间尺度上(12、18和24个月)SPEI-PM值变化幅度小且变化周期长;3)在月、半年和年尺度上对SPEI-PM影响程度最大的气象因素分别为气温和相对湿度。     

喀什噶尔河流域参考作物蒸散量变化趋势及其主要影响因素分析

根据喀什噶尔河流域2个气象台站的历史气候资料以及P-M公式,计算流域各地逐年参考作物蒸散量,采用线性回归方法,分析了近50年各站气候要素、年参考作物蒸散量的变化特征及参考作物蒸散量变化的气候成因。结果表明,全流域平均气温、日照时数、空气相对湿度呈升高趋势,年平均风速呈减小的趋势,降水量变化不明显;年参考作物蒸散量与平均气温、日照时数、风速呈正相关关系,与平均相对湿度呈负相关关系,与降水量没有直接的相关性;受各气候要素变化的综合影响,近50年喀什噶尔河流域的参考作物蒸散量总体呈减小趋势,这与全球和我国大部分地区的变化基本一致。     

流域特征及景观格局对泥沙输移比的影响研究综述

泥沙输移比是目前预测流域产沙量的一种较实用的方法,它的确定受到很多因素的影响,其中流域特征和流域的景观格局是影响泥沙输移比的重要因子。从流域特征和景观格局两大方面对泥沙输移比研究进行综述,以期为我国开展土壤侵蚀及泥沙输移研究提供参考。     

太子河北支河岸带土壤理化性质分析

通过对太子河北支河岸带土壤理化性质的详细调查和分析,揭示其河岸带生态系统的健康状况。对太子河北支河岸带18个点位0~20 cm、20~30 cm、30~40 cm 3个不同深度的土壤进行了多项理化性质分析。结果表明,太子河北支河岸带土壤基质较硬,容重普遍较大而孔隙率较小,土壤结构性较差;土壤中性偏碱性;河岸带土壤全磷含量中等,而速效磷含量较低,二者之间存在显著线性相关关系;有机质和全氮含量随采样点不同差异较大,二者之间存在极显著的相关性;测定的理化指标普遍在水平方向和垂直方向上均表现出显著差异,在水平方向上,源头土壤的各项理化指标较其它采样点好,垂直方向上,上层最好,下层最差。太子河北支河岸带土壤物理性状普遍较差,几种化学指标较低,富营养化现象比较少见;太子河北支源头土壤保护好,往下游人为干扰逐渐明显;全流域土壤层次较明显,说明近期没有大规模扰动。     

作物蒸发蒸腾量的人工神经网络模型研究

采用盆栽试验,利用BP-人工神经网络模拟作物的蒸发蒸腾量,分别构建ET1(气象因子)、ET2(气象因子与播种天数)、ET3(气象因子、播种天数和含水率)3种人工神经网络模型,并将预测结果与称重法得到的实际值ET进行比较,结果表明,所构建的ET3模型的计算精度较高,是一种最优的计算作物蒸发蒸腾量的BP-人工神经网络模型。     

基于气候年型的河南省冬小麦产量预测

气候变化是影响小麦产量的重要因素,因此科学划分气候年型,对于准确预测小麦产量至关重要。利用河南省15个气象站点（市、县）1984—2018年的温度数据划分暖温年、平温年、冷温年,依据降雨数据划分湿年、平水年、干年,组合成9种气候年型并分析其规律;结合小麦产量数据划分出丰产年、平产年、低产年,分析气候年型和产量年型的关系。然后结合地形土壤、气象等因素把河南划分为豫北麦区、豫中东部麦区、豫西麦区、豫南麦区和南阳盆地5个麦区。在此基础上,利用HP滤波法分离出气象产量和趋势产量,以气象因子驱动并利用BP神经网络构建模型预测气象产量,利用一元线性回归模型建模得到趋势产量,把两者产量叠加得出实际产量,从而实现小麦产量的预测。结果表明：河南省积温年型以暖温年、正常年型为主,降雨年型分布比较均匀,气候年型中以正常年和干年为主,暖湿年小麦高产频率最高,为76.9%,冷湿年小麦低产频率最高,为67.9%;积温是影响小麦产量波动的主要因素,暖年年型下小麦更容易丰产,冷年时小麦低产概率较高;利用气象产量和趋势产量分别建模叠加得出的小麦产量和实际产量相比,豫北、豫中东、豫西、豫南和南阳盆地五大麦区各模型的平均相对误差分别为0.31%、0.36%、0.58%、0.48%、0.38%,说明利用HP滤波和BP神经网络技术预测小麦产量是可行的。