稻田蒸散估算方法及灌溉影响分析

【目的】寻找合适的蒸散模型及其敏感因子。【方法】以稻田生态系统为研究对象,根据江西省余江县试验区的净辐射、土壤热通量等小气候数据及相关农学观测数据,进行了不同时间尺度3种蒸散模型(Penman-Monteith、Priestley-Taylor和Hargreaves模型)拟合效果的比较以及蒸散对气象因子的敏感性分析,并研究了灌溉对潜在蒸散的影响。【结果】逐日尺度上,Penman-Monteith模型的拟合效果最优,其次为Priestley-Taylor模型,Hargreaves模型较差且低估了实际蒸散值;逐时尺度上,拟合效果较好的是Penman-Monteith模型和Priestley-Taylor模型。【结论】不同时间尺度,蒸散对各个气象因子的敏感性不同,逐日逐时蒸散对净辐射和水汽压较为敏感。不同灌溉处理,Penman-Monteith模型潜在蒸散变化显著,Priestley-Taylor模型变化不明显。     

低丘红壤区旱田水热通量特征及其气象影响因素

为研究低丘红壤区近地层农田水热通量特征,更好地利用农业气候资源、理解农业水文生态系统过程,利用2013年和2014年田间波文比系统数据和气象资料,分析了红壤区近地层的水热通量分配特征及相关气象因素的影响。结果表明:1能量平衡各个分量的日变化呈单峰趋势且受到天气条件影响很大,其中潜热通量所占份额最大,感热和土壤热通量均较小。2能量平衡各分量的分配具有季节性变化,7月份净辐射和潜热通量较大,土壤热通量在5月、7月为正值,10月、12月为负,表明研究区土壤在秋冬季节向外输出热量;在花生的生长季,花生地的波文比小于橘园,表明花生地的潜热交换多于橘园。3对旱地潜热和感热影响较大的气象因素有净辐射、相对湿度,其次有气温,而风速和水汽压对潜热、感热交换的影响并不显著。雨季降水量与农田潜热、感热总体呈负相关,旱季降水量影响相对较小。     

覆膜滴灌紫薯农田水热传输规律及其对环境因子的响应

农田水热传输过程的量化对于农业用水管理和作物灌溉制度的制定具有重要意义。本文利用波文比通量观测系统实测数据和气象站资料,对覆膜滴灌紫薯农田的水热通量变化规律及其对环境因子的响应进行了研究。结果表明：潜热通量是全生育期覆膜滴灌农田能量支出的主要部分,显热通量和土壤热通量支出占比较小,全生育期潜热通量、显热通量、土壤热通量支出占比分别为69.12%、25.14%、6.57%。不同天气条件下,显热通量的大小和变化范围均小于潜热通量。潜热通量对降雨和灌溉的响应最为显著,且降雨影响程度大于灌溉。净辐射、气温对潜热通量的影响较大,表层土温和风速变化的影响则较低,各环境因子主要通过直接和间接作用共同对潜热通量产生影响。该研究成果可以深化对覆膜滴灌紫薯农田水热传输规律的认识,为作物高效用水提供理论依据。     

冬小麦生育中期农田水分与二氧化碳通量研究

以大兴实验站冬小麦为研究对象,采用涡度相关技术监测农田显热、潜热和二氧化碳通量,依据实测数据分析了冬小麦碳、热通量的变化特征,并研究各分量在抽穗期的关系和农田群体水分利用效率的变化规律。结果表明,①CO2通量的日变化成单谷型下凹曲线,极值出现在12:00左右,潜热和显热通量则呈单峰型上凸变化;②抽穗期,CO2通量与净辐射和潜热通量都呈现出极显著相关关系,而与显热通量在晴天成极显著相关关系;③作物农田水分利用效率在08:00—11:30较高,范围在0.02~0.04 g(CO2)/g(H2O)。     

基于SEBAL模型和Landsat-8遥感数据的农田蒸散发估算

【目的】及时准确地获取农田蒸散发量,为科学管理农田灌溉、精准估算作物产量和预报土壤水分动态、合理开发水资源等提供有效依据。【方法】以广利灌区为研究对象,基于SEBAL模型利用Landsat-8数据对研究区域农田蒸散发进行估算,通过地表参数计算净辐射通量、土壤热通量和感热通量,利用余项法求得潜热通量及瞬时蒸散发。假定24 h内蒸散比不变,由瞬时蒸散发扩展到日蒸散发量,最终求得研究区的日平均蒸散发量,将模型计算结果与彭曼公式进行了对比,同时结合灌区提供数据对计算结果进行了验证。【结果】彭曼公式计算2014年5月6日和2015年9月14日蒸散量与实测结果相差分别为5.2%和9.4%,SEBAL模型估算得到2014年5月6日和2015年9月14日的日蒸散量与灌区提供日蒸散量相差4.5%、6.0%,且冬小麦及夏玉米蒸散发在空间上存在一定的差异性,主要集中在灌区中部区域及西南区域。【结论】SEBAL模型计算结果具有较高的精度,而且方法相对快捷高效。     

基于动态模拟的作物系数优化蒸散量估算研究

通过作物生长模型动态模拟的冬小麦全生育期潜在蒸散量和实际蒸散量计算冬小麦各生育时期的模拟作物系数,并与FAO提供的冬小麦各个生长阶段的标准作物系数对比,验证了其数值和变化趋势的准确性。基于地面实测和遥感反演的叶面积指数,建立了作物系数与叶面积指数的经验对数模型,根据遥感反演的叶面积指数获取冬小麦全生育期以天为步长的区域尺度的作物系数。利用冬小麦各生育时期模拟作物系数与以天为步长的区域尺度作物系数的比值优化蒸散量模型,获取关中平原2013—2014年冬小麦全生育期优化前后的蒸散量反演结果。通过与实测数据对比,发现优化前最大相对误差为14.36%,优化后最大相对误差为9.89%,优化后的蒸散量反演模型比未优化的蒸散量反演模型能够更加准确地反演冬小麦全生育期的蒸散量,特别是在低植被覆盖条件下的反演精度有明显的提升。     

极端干旱区成龄葡萄园蒸散研究

利用波文比能量平衡法对新疆吐哈盆地葡萄园的蒸散变化规律进行了研究。结果表明,葡萄园水热平衡各分量的日变化呈典型的单峰曲线,潜热、感热和土壤热通量都随净辐射的增减而增减,但峰值出现的时间和大小各异,潜热通量占净辐射能量支出的大部分,其变化规律与净辐射的日变化规律一致性最好,土壤热通量变化很平缓,趋势与净辐射基本相同,但滞后净辐射2～3h。在晴朗无云的条件下,葡萄蒸散速率日变化呈单峰型。蒸散从早晨8:00以后出现,迅速增加,到中午13:00-15:00达到峰值,随后蒸散速率迅速下降;葡萄生长期内耗水强度呈现先增大后减小的趋势,果粒膨大期耗水强度最大为8.78mm/d,葡萄整个生长期内的日均蒸发蒸腾量为5.58mm,蒸发蒸腾总量为1 228.45mm。     

柑橘园区红壤水分特征及其对环境气象因子的响应

借助气象自动观测站、土壤水分监测仪等,对柑橘园区2003~2004年内大气总辐射、大气反辐射、大气净辐射、紫外辐射、光合有效辐射、红壤热通量、2 m高度的风速2、m高度的空气温度、2 m高度的空气相对湿度、降水量和日蒸散量等气象环境因子和30 cm土层红壤含水量连续监测分析,发现园区红壤含水量呈现明显的季节性变化,即冬春季高而夏秋季低。红壤水分与气象环境因子中的大气净辐射、紫外辐射、红壤热通量、降水量、2 m高风速和2 m高空气相对温度等达到显著相关。     

基于SIMDual_Kc模型估算非充分灌水条件下冬小麦蒸散量

为研究关中冬小麦植株蒸腾和土壤蒸发规律,利用2 a冬小麦小区控水试验实测数据,率定和验证了双作物系数SIMDual_Kc模型在关中地区的适用性.用大型称重式蒸渗仪的实测蒸散量值(或水量平衡法计算值)与模型模拟值进行对比.结果表明:SIMDualKc模型可较准确地模拟关中不同水分条件下冬小麦蒸散量,且模拟精度较高.模型估算的平均绝对误差为0.643 3 mm/d.模型估算的冬小麦初期、中期和后期的基础作物系数分别为0.35,1.30,0.20.另外,模型还可以较准确地估算不同水分供应条件下的土壤水分胁迫系数、土壤蒸发量和植株蒸散量.冬小麦整个生育期,土壤蒸发主要发生在作物生育前期,中期较低,后期略微增大;植株蒸腾主要发生在作物快速生长期和生长中期,整个生育期中呈先增大后减小的趋势.     

越冬期麦田地表蒸散量估算模型适用性分析与参数修正

地表蒸散量是作物需水量估算以及农田水管理的重要依据。越冬期农田地表蒸散过程改变了土壤内部水热参数分布,进而影响春季作物的生长状况。本文对Penman-Monteith(PM)模型、Priestley-Taylor(PT)模型和Simultaneous heat and water(SHAW)模型在越冬期麦田地表蒸散量估算精度及适用性进行分析与评价,并针对冬季土壤冻结的特殊情况对模型参数进行了修正。麦田试验采集了北京市昌平区2011—2012年和2012—2013年2个冬季的气象参数与实际蒸散量。通过对比3种模型默认或经验参数下的估算值与实际测量值发现:PT模型对蒸散量的估算精度最高(PT、PM、SHAW模型RMSE分别为0.159、0.697、0.390 mm),PM和PT模型的估算整体高于实际测量值,其原因在于冬季地表经历了固-液相变和气-液相变两个过程。为了提高估算精度,在PT和PM模型中引入水分胁迫系数,并利用第1年冬季的数据对3种模型参数进行修正,结果表明,修正后的PM模型(2011—2012年RMSE为0.159 mm)和SHAW模型(2011—2012年RMSE为0.280 mm)对蒸散量的估算精度都有明显提高。将参数修正后的模型用于预测2012—2013年冬季的地表蒸散量,结果表明:3种修正模型的估算精度均较高(PT、PM、SHAW模型RMSE分别为0.267、0.252、0.253 mm)。相比之下,PT模型的计算最为简单,所需数据最少,因此,在估算越冬期麦田地表蒸散量时,可优先选择PT模型。     

砂石覆盖条件下冬小麦蒸散量的单、双作物系数法估算

农田蒸散(ETc)是农业系统能量平衡和水分平衡的关键要素,砂石覆盖条件下ETc的估算对于评价砂石覆盖对农田作物的影响非常重要。为准确估算砂石覆盖条件下冬小麦ETc,在陕西杨凌建立了遮雨棚下的蒸渗仪动态观测系统。利用FAO-56的Penman-Monteith(PM)模型和单、双作物系数法对冬小麦ETc进行估算,并基于两年度不同砂石覆盖量下冬小麦实测ETc数据,对单、双作物系数法进行改进和修正,得到适用于砂石覆盖条件下单、双作物系数与砂石覆盖量的关系。结果表明:(1)冬小麦不同生长阶段的单作物系数与砂石覆盖量具有很好的线性关系,进一步结合估算的参考作物腾发量(ET0)计算,能很好地模拟两年度不同砂石覆盖量下的冬小麦ETc。(2)基于冬小麦实测ETc对双作物系数进行修正,可得到其修正系数A与砂石覆盖量之间的线性关系,进一步结合ET0可准确估算两年度不同砂石覆盖量下的冬小麦各生长阶段ETc。(3)不同砂石覆盖量下,双作物系数法比单作物系数法和PM模型估算冬小麦ETc的精度更高。总体上,单、双作物系数法在估算砂石覆盖条件下的冬小麦ETc中仍有一定的适用性,但需经实测数据进行修正。     

基于SEBAL模型的农作物NPP反演

基于能量平衡原理,运用SEBAL陆地能量平衡模型,利用国产HJ-1卫星CCD、IRS影像反演了河北省保定市涿州市和高碑店市的农作物净初级生产力(NPP)。利用HJ-1卫星影像、DEM、气象数据,反演净辐射通量、土壤热通量、感热通量,通过能量平衡计算蒸发比系数,进而计算光能利用率;基于DEM计算太阳总辐射,结合通过HJ-1卫星影像计算的光合有效辐射分量(f PAR)反演被作物吸收的光合有效辐射(APAR);利用反演的农作物APAR和光能利用率2个因子,反演农作物NPP。实验结果表明:研究区日蒸散量范围为4.43~8.18 mm/d,均值为6.28mm/d,与利用气象数据和Penman-Monteith公式计算结果 (7.15 mm/d)大致相等,反演精度较高;研究区农作物NPP均值为31.02 g/(m2·d),最高达到139.29 g/(m2·d),其空间分布特征与地物类型分布特征一致。     

作物系数小时尺度和日尺度关系研究

利用Penman-Monteith公式估算参考作物蒸散,研究了日尺度参考作物蒸散(ET0d)和日内小时尺度参考作物蒸散之和(ET0dh)的关系。结果表明,ET0d和ET0dh以及实际日尺度和日内小时尺度作物系数均显著线性相关;基于Penman-Monteith公式的日尺度和小时尺度参考作物蒸散估算方法可用于作物系数的作物蒸散时间尺度转换。     

基于无人机热红外遥感的夏玉米蒸散量估算及其影响因子

农田蒸散量(ET)是土壤—作物—大气连续体水分运移的关键参数,与作物生理活动和产量有着极为密切的关系,准确实时估算田间作物蒸散量对研究作物生长发育至关重要。基于无人机热红外传感器反演夏玉米的冠层温度,基于反演的冠层温度构建夏玉米蒸散模型(ET_(d,t))并验证了模型反演作物蒸散量的精度,分析了ET_(d,t)相关影响因子。结果表明:以热红外冠层温度作物蒸散模型计算的ET_(d,t)最低值出现在幼苗期为3.42 mm/d,最高值出现在灌浆期为10.94 mm/d,并与涡度相关实测值ET_(d,e)、FAO Penman-Monteith模型计算值ET_(d,f)进行验证,在P0.01水平上呈显著线性关系(R~2=0.739、0.742,RMSE=0.676、0.109 mm/d),ET_(d,t)估算精度达到80%以上。ET_(d,t)的计算受日净辐射、风速、气温、降雨等气象因子影响,不同气象条件的ET_(d,t)不同。叶面积指数(LAI)为夏玉米农田最主要的生物因子,LAI与ET_(d,t)呈线性正相关关系(R~2=0.700),空气动力学阻抗(r_a)是最主要的环境驱动因子,r_a与ET_(d,t)呈线性负相关关系(R~2=0.696)。随着植被覆盖度(NDVI)的变化,ET_(d,t)呈现相同变化趋势(R~2=0.656)。因此,基于无人机热红外反演的冠层温度计算的(ET_(d,t))能较好的反映田间夏玉米蒸散变化过程,从而为利用无人机热红外遥感估算作物蒸散量提供了科学依据。     

西藏高原灌区参考作物蒸散量模型的适用性研究

为明确参考作物蒸散量(ET_0)计算模型在西藏高原灌区的适用性,推荐适宜于气象资料短缺条件下的ET_0计算模型,本研究基于满拉、墨达、江北3个灌区的气象站的长系列数据,以FAO推荐的Penman-Monteith(FAO 56 PM)模型计算的ET_0为标准,对ET_0的5种常用计算模型的适用性进行评价。结果表明:Makkink、Irmark-Allen、FAO 17Penman、Hargreaves-Samani和Priestley-Taylor 5种模型模拟的日尺度ET_0变化趋势与FAO 56 PM模型一致,在年际间均呈先增后减的变化规律,且峰值出现在6～7月份,但各模型适用性存在显著差异。Makkink模型的日尺度MAE、RMSE、NSE值分别为0.37 mm/d、0.45 mm/d和0.84,模拟精度及可信度最高;Irmark-Allen模型次之,MAE、RMSE、NSE分别为0.65 mm/d、0.71 mm/d、0.62;Priestley-Taylor模型最差,MAE值最大达4.91 mm/d且NSE值小于0。年尺度下,各模型较FAO 56 PM均存在高估现象,其中FAO 17Penman、Hargreaves-Samani、Priestley-Taylor模型的NSE值介于-3 571.76～-118.00之间,模拟结果不可信;Makkink模型的NSE值最接近于0,模拟结果可信,但模拟过程的误差较大。综合评定,推荐Makkink为西藏高原灌区气象资料短缺条件下的ET_0简化模型。     

基于无人机光谱遥感的田块尺度蒸散发空间分布估算

针对农田中高分辨率空间模式蒸散量(ET)缺少有效量化的问题,提出一种基于无人机(UAV)估算农田蒸散量的方法。构建了M100型多旋翼无人机搭载FLIR Vue ProR热像仪和Micasense Red Edge多光谱成像仪的采集数据平台;将无人机数据匹配卫星遥感蒸散模型,比较典型单层模型METRIC(Mapping evapotranspiration at high resolution with internalized calibration)模型和典型双层模型RSEB(Remote sensing energy balance)模型在农田中的适用程度;针对RSEB模型的土壤热通量计算方式不适用于农田环境的问题,对模型进行基于多光谱数据的改进;针对模型中温度参数易产生较大误差的问题,基于无人机热像仪数据与实际温度间的关系,对获取的热像仪数据进行校正;将模型计算值与涡度相关系统(OPEC)测量值进行对比。结果表明,结合无人机多光谱数据的RSEB模型经过温度校正可得到结果较为准确的通量数据,显热通量均方根误差为20. 013 W/m~2,平均绝对误差为15. 835 W/m~2,潜热通量均方根误差为40. 202 W/m~2,平均绝对误差为26. 017 W/m~2,进而得到分米级分辨率的农田蒸散量空间分布图。本文估算方法可以有效获取高分辨率空间模式的田间蒸散量,为精准农业灌溉提供技术支持。     

岷江源区Hargreaves法适用性与未来参考作物蒸散量预测

利用岷江源区1961—2010年逐日气象数据,采用FAO 56 Penman-Monteith和Hargreaves公式计算参考作物蒸散量,并以FAO 56 Penman-Monteith为标准对Hargreaves公式适用性进行评价,通过对Hargreaves公式转换系数C0进行修正,建立基于月尺度的参考作物蒸散发公式,结合Reg CM4.0区域模型生成的温度数据,对未来(2011—2099年)研究区参考作物蒸散发量变化进行预测。研究结果表明:通过通径分析发现,在岷江源区气温是影响参考作物蒸散量最重要的气象因子,采用基于温度法的参考作物蒸散发公式具有理论依据;采用未修正的Hargreaves公式明显高估了该区域参考作物蒸散量,特别是在雨季4—10月;修正后的Hargreaves公式绝对偏差与相对偏差显著减小,与FAO 56 Penman-Monteith月值之间均方根误差RMSE为3.76 mm、效率指数EF为0.39、可决系数CD为0.84,吻合系数d为0.8,能够满足研究区参考作物蒸散发估算精度;在未来气候变化情景下岷江源区参考作物蒸散量总体呈增加趋势,气候倾向率为5.6 mm/(10 a)。     

蝙蝠算法优化极限学习机模拟参考作物蒸散量

为提高参考作物蒸散量模拟的准确性,提出蝙蝠算法优化极限学习机的参考作物蒸散量模拟模型.基于汕头站1966-2015年月值气象数据(包括逐月最高温度、最低温度、地表总辐射量、风速和相对湿度),建立参考作物蒸散量的极限学习机模型,并采用蝙蝠算法通过交叉验证方法对极限学习机的正则化系数和径向基函数的幅宽进行优化,最后对参考作物蒸散量模拟效果进行评估.结果表明:与传统调参方法和遗传算法优化后的模型相比,蝙蝠算法优化参数极限学习机模型建立了整体性能优异并且稳定的参考作物蒸散量模型,提高了参考作物蒸散量的模拟精度.     

西北地区冬小麦腾发量估算模型适用性评价

为实现对西北地区冬小麦腾发量(ET)的准确估算,在对不同生育期ET的影响因子进行分析后分别采用双作物系数模型、单作物系数模型和Priestley-Taylor(PT)模型模拟ET,并以大型蒸渗仪实测ET为标准值对比其精度.结果表明:气象因子是播种-返青(Ⅰ期)和抽穗-乳熟(Ⅲ期)ET的主导因子,作物因子是乳熟-收获(Ⅳ期)ET的主导因子,2种因子对返青-抽穗(Ⅱ期)和全生育期ET的驱动作用相近;Ⅰ期双作物系数模型、单作物系数模型和PT模型的R²分别为0.511 8,0.239 3,0.374 2,RMSE变化范围为0.284 6~0.366 3 mm/d,总体评价指标GPI排名分别为1,3,2;Ⅱ期3个模型的R²均在0.700 0 以上,RMSE为0.540 9~0.844 0 mm/d,双作物系数模型模拟效果最好;Ⅲ期各模型的R²均高于0.600 0,RMSE为0.828 8~1.258 7 mm/d,双作物系数模型GPI排名第1;Ⅳ期3个模型的R²分别为0.799 1,0.671 6,0.270 8,RMSE为0.968 1~1.946 2 mm/d,作物系数模型模拟精度明显高于PT模型;全生育期各模型RMSE为0.551 5~0.893 6 mm/d,双作物系数模型的R²达到0.902 2.     

黑河中游绿洲春小麦生育期农田热储通量分析

研究以2012年黑河中游绿洲农田春小麦生育期涡度相关通量观测结果为基础,对干旱区农田能量平衡中各热储通量项进行了深入研究,并以此结果对春小麦农田的能量闭合进行了再分析。结果表明,在干旱区农田生态系统能量闭合分析中,总的热储通量在净辐射通量消耗中占比约7.5%~12%,随作物的生长发育呈先减小后增大的趋势;其中土壤表层热储通量对总的热储通量贡献最大,贡献度超过95%。对农田热储通量影响较大的因素包括太阳辐射、植被因素以及土壤水分条件。在能量平衡方程中加入生态系统热储通量项后,春小麦农田能量闭合度得到显著提高,平均增长幅度超过10%。