不同时间尺度农田蒸散影响因子的通径分析

基于2011-2015年冬小麦农田实测大型称重式蒸渗仪数据及农业气象观测数据,分析不同时间尺度农田蒸散量的分布特征,并利用通径分析方法对各时间尺度农田蒸散的影响因子进行辨识。结果表明:(1)冬小麦开花-乳熟期典型晴天小时尺度蒸散呈单峰变化,最大值为0.9~1.1mm·h~(-1),日累计蒸散量7.0~9.1mm·d~(-1);冬小麦全生育期多年平均蒸散总量为385.4mm,日平均蒸散量为2.6mm·d~(-1),最大日蒸散量11.0mm·d~(-1),变化趋势为前期较低、后期较高;在生育期尺度,播种-返青期的蒸散速率较小,多年平均值为1.1mm·d~(-1),返青后,农田蒸散速率加快,多年平均值为4.2mm·d~(-1)。(2)不同时间尺度蒸散变化的影响因子主要包括净辐射(Rn)、饱和水汽压差(VPD)、0cm地温(T_(g0))、20cm土壤水分(SW20)。在小时尺度,VPD对典型晴天蒸散变化的直接作用最大,其次为Rn,T_(g0)通过Rn路径对EThourly变化产生间接影响,对蒸散的综合决定能力排序依次为VPDT_(g0)Rn;在日尺度,Rn作为最关键的影响因子,对蒸散的直接影响最大,VPD对蒸散的间接影响最大,VPD、T_(g0)主要通过Rn路径间接影响蒸散,SW20再通过T_(g0)路径间接影响蒸散且为负效应,各因子决策系数排序依次为RnVPDT_(g0)SW20;在生育期尺度,T_(g0)和Rn是驱动蒸散变化的最主要因子并起直接影响作用,决策系数表明T_(g0)对蒸散变化的促进作用比Rn明显。     

四川省潜在蒸散量变化及其气候影响因素分析

潜在蒸散(ET_0)是评价某一地区干旱程度的重要指标,在全球气候变暖趋势下,估计ET_0的变化对科学估算作物需水量,提高水分利用率具有重大意义。本文利用四川省1961-2014年151个气象站的气象资料,采用Penman-Monteith公式分3个区域(四川盆地、攀西地区和川西高原)计算ET_0,并对主要气象因子平均气温、相对湿度、日照时数、平均风速的相对变化率、敏感系数及其对ET_0贡献率的时空变化进行分析。结果表明:四川盆地和川西高原ET_0呈现微弱减少,而攀西地区则呈现一定的增加,其空间分布表现为:攀西地区和川西高原南部年ET_0为高值区,多在1000~1350mm,四川盆地的西南部年ET_0为低值区,多在651~900mm,从西南向东北呈现"高-低-高"趋势。各气象因子对ET_0的影响(对ET_0变化的贡献率)主要取决于敏感性和相对变化率两方面。3个区域ET_0对相对湿度的变化均表现最敏感,其敏感系数分别为-1.13、-1.40、-1.53。在主要气象因子中,在四川盆地和攀西地区,平均风速的多年相对变化率最大(-29.7%、-16.3%),川西高原则为平均温度(40.4%)。进一步分析得出,平均风速在四川盆地和川西高原对ET_0变化的贡献率最大,是主导影响因素,而在攀西地区则为相对湿度。     

喀斯特与非喀斯特地区参考作物蒸散量时空变化分析——以广西壮族自治区为例

参考作物蒸散量(ET_0)是确定植被生态系统需水量的关键因子,其时空分布特征及主要影响因素分析对于制定植被恢复策略与区域水资源配置方案具有重要意义。本文基于FAO-56 Penman-Monteith公式和广西地区25个气象站点1960—2010年的逐日资料,计算了各站点的ET_0,在此基础上采用GIS的克里金插值、Spearman秩次相关法和通径分析方法分析了广西喀斯特与非喀斯特地区ET_0的时空变化特征及其影响因子。结果表明,51年来广西各站点多年平均ET_0为1 138 mm×a~(-1);空间分布呈由南向北、由低纬度向高纬度递减的特征,高值区主要分布在非喀斯特地区,低值区主要分布在喀斯特地区。喀斯特与非喀斯特地区年ET_0累积距平曲线均呈"N"型分布;20世纪70年代最高,90年代最低,21世纪以来年ET_0有所回升,但仍低于51年平均值。此外,喀斯特地区ET_0年际变化小于非喀斯特地区。日照时数、风速和平均温度是影响非喀斯特地区年ET_0变化的主要气象因子,而相对湿度则通过与其他气象因子的相互作用间接对喀斯特地区年ET_0的变化产生较大影响。在季节尺度上,日照时数和平均气温在各季节都是ET_0最主要的影响因子,与ET_0呈正相关关系;风速在喀斯特地区冬、春两季对ET_0的间接作用系数为负,在非喀斯特地区并未发现这一现象。了解不同地区ET_0的变化趋势是植被生态需水定额计算的必要措施。     

阿勒泰地区不同时间尺度参考作物蒸散量的时空变化及影响

基于阿勒泰地区7个气象站1961-2016年逐日气象数据和联合国粮农组织推荐的Penman-Monteith公式,估算该区域近56a参考作物蒸散量(ET_0),利用气候倾向率和反距离加权插值法分析ET_0及主要气象因子的时空变化特征,并采用相关系数和多元回归分析相结合的方法对不同尺度ET_0变化成因进行分析。结果表明:阿勒泰地区年平均ET_0为928.46mm,其气候倾向率为-10.90mm·10a~(-1)(P0.01)。季节ET_0平均值由大到小依次为夏季、春季、秋季和冬季,夏季、秋季ET_0呈极显著降低趋势(P0.01),冬季ET_0呈显著增加趋势(P0.05)。6-7月ET_0最大,1月和12月ET_0最小,年内变化呈抛物线形。总体来看,各时间尺度ET_0空间分布特征基本一致,且呈现中西部地区ET_0显著减少趋势,年ET_0减少是夏季ET_0减少所致。各尺度ET_0变化主要贡献因子不一,但平均风速的极显著降低对ET_0减少的影响最大。     

雅鲁藏布江流域潜在蒸散发的气候敏感性及其变化的主导因子分析

潜在蒸散发敏感性分析是研究水资源对气候变化响应的基础内容之一。基于气象站点的观测资料,应用Penman-Monteith公式计算雅鲁藏布江流域1961—2012年逐日的潜在蒸散发,并分析其时空分布特征;在此基础上,分析潜在蒸散发对4个气象因子(平均气温、风速、太阳辐射、相对湿度)的敏感程度及各气象因子的贡献率,识别出雅鲁藏布江流域潜在蒸散发的敏感因子和主导因子。结果表明:(1) 1961—2012年,雅鲁藏布江流域的潜在蒸散发呈现显著增加趋势,增幅为8.81 mm/10 a;年潜在蒸散发空间分布表现为中游河谷地区高于其他地区;(2)对于雅鲁藏布江流域大部分区域,潜在蒸散发量对气候因子的敏感性排序为:太阳辐射平均气温相对湿度风速,各气象因子的贡献率从高到低为:平均气温风速相对湿度太阳辐射。总体而言,雅鲁藏布江流域潜在蒸散发对太阳辐射最为敏感,而平均气温是1961—2012年间潜在蒸散发变化的主导因子。     

不同时间尺度下华北平原干湿气候时空变化及成因分析

利用华北平原62个气象站点1961-2014年逐日地面观测资料以及同期降水量资料,基于Penman-Monteith方法计算的参考作物蒸散量(ET_0)研究近54a研究区干湿气候时空变化特征,并利用敏感性和贡献率法分析气候变化背景下主要气象因子对ET_0的影响,对干湿气候变化的成因进行探讨。结果表明:华北平原在3个时间段(时段1:1961-1980;时段2:1981-2000;时段3:2001-2014)半干旱区和半湿润区的分界线呈东扩和南移,半干旱区面积不断扩大,湿润区面积变化不明显;研究区1961-2014年ET_0呈显著下降趋势,空间差异大,河南和山东部分地区由于ET_0下降趋势大于降水量减少趋势,气候变湿润;鲁东、天津、河北东部地区降水量减少且ET_0增加,干旱化趋势明显。就月尺度而言,降水量在7月和8月减少幅度最大,夏季ET_0减少幅度较大,5月和6月气候呈变湿趋势。ET_0对相对湿度的变化最敏感,各月导致ET_0变化的主要贡献因子不一,11月-翌年1月风速起主导作用,2月温度为主导因子,6-9月日照时数为主导因子,其它月份为相对湿度、风速等综合作用的结果。     

基于高维Copula函数的逐日潜在蒸散量及气象干旱预测

尝试引入高维Copula函数对影响参考作物蒸散量ET_0的气象因素进行联合分布构建,揭示不同变量间的相关结构,建立多元气象因素对ET_0的联合分布模型,对逐日ET_0及短期干旱等级进行预测,并将枯季1—4月份的多维Copula联合分布预测模型的系统性偏差构造成修正函数,代回ET_0预报模型以改善预报效果,利用洱海流域内大理站1954—2018年逐日气象观测数据,以FAO Penman-Monteith方程为标准值对比分析。结果表明:1)平均气温(T)和最高气温(T_(max))2个气象因子组合时,二维Normal Copula模型对逐日ET_0预测的精度最高,叠加上修正函数项之后,相对误差小于10%、15%、20%、25%的样本比例分别提高到71.6%、84.4%、91.4%、96.5%,全年符合指数IA变化范围为0.98～0.99,平均偏差ME为0.17～0.30,均方根误差RMSE为0.54～0.64,Nash-Sutcliffe效率系数为0.90～0.98;2)将逐日ET_0预测方法应用于逐日气象干旱预测评估(以逐日SPEI指数为例),逐日SPEI指数预测值与标准值的相关系数为0.95～0.99,平均偏差ME为-0.10～0.35,均方根误差RMSE为0.20～0.30,符合指数IA为0.97～0.98,Nash-Sutcliffe效率系数NSE为0.91～0.97,在降水量多的季节,Copula函数模型预测ET_0的精度更高一些,且逐日SPEI预测的误差参数都优于逐日ET_0的预测结果。     

基于不同数理统计方法的河南省ET0气候影响因素分析

确定影响ET_0年际变化的主要气象因子是准确估算未来作物需水的基础,对于农业生产科学应对气候变化具有重要意义。以河南省17个站点为例,分别采用国内外常用的5种数理统计方法评价7个气象要素对参考作物蒸散量(reference crop evapotranspiration,ET_0)年际变化的影响程度,结果发现:日照和风速是影响河南省地区参考作物蒸散量的主要因子,黄河以北地区主要为风速,黄河以南地区以日照为主,信阳、西峡两地高温作用不容忽视。5种方法评判结果差异较大,采用灰色关联分析法,利用不同的数据变换方式,其结果大相径庭,认为其不适宜用于评价影响ET_0变化主要因子的判定;结合各站气象要素年际变化趋势分析认为,逐步回归分析法得出的结论与各站点气象要素及ET_0实际变化趋势存在多处悖理,不适宜用于评价影响ET_0变化主要因子的判定;相关分析、偏相关分析、主导分析方法结果较为统一,差异较小,认为采用3种方法综合判定某地区影响ET_0的主要因子,其结果较为可信。其中,采用主导分析法对各气象因子的影响排序与各因子对ET_0的影响趋势以及ET_0实际变化趋势较为一致,建议用于评价影响ET_0变化的气象因子排序,但因其无法得到各因子与ET_0的相关关系,需借助相关分析与偏相关分析才能得到详实可信的结果。     

基于称重式蒸渗仪实测日值评价16种参考作物蒸散量(ET_0)模型

参考作物蒸散量(ET_0)的准确估算是作物需水量及区域农业水分供需计算的关键,尽管已提出大量方法,但缺乏基于实测值的严格检验。本文利用北京小汤山2012年称重式蒸渗仪实测日值,检验16个ET_0模型,包括5个综合法、6个辐射法、5个温度法模型。依据均方根误差RMSE值,各模型估算效果的排序为FAO79 Penman=1963 Peman1996 Kimberly PenmanFAO24 PenmanFAO56 Penman-Monteith(PM)TurcFAO24 Blaney-Criddle(BC)DeBruin-KeijmanJensen-HaisePriestley-Taylor(PT)FAO24RadiationHargreavesMakkinkHamonMcloudBlaney-Criddle(BC)。总体而言,综合法表现最好,其RMSE在1.33~1.47mm·d~(-1),以FAO79 Penman和1963 Penman为最好;辐射法次之,其RMSE在1.48~1.77mm·d~(-1),以Turc最好;温度法检验效果最差,其RMSE在1.50~2.68mm·d~(-1),以FAO24 BC为最好。FAO79Penman和1963 Penman比最好的辐射法和温度法模型的精度分别高10%和13%。综合法、辐射法模型普适性好于温度法的原因在于其均含有影响ET_0的关键因子——辐射或饱和水汽压差VPD。所有模型均具有低蒸发条件下高估、高蒸发条件下低估的阈值特点,综合法及辐射法平均低估0.14mm·d~(-1)和0.33mm·d~(-1),而温度法平均高估0.52mm·d~(-1)。前两类方法 ET_0阈值相对较低,更适于低蒸发力条件,而温度法较适于高蒸发力条件。所有综合法、辐射法模型及温度法的Hargreaves和FAO24 BC法估算值与实测值变化趋势一致,说明模型结构合理,可通过参数校正提高精度;但对于与实测值趋势不吻合的温度法,模型结构尚需优化。VPD和最大湿度RHx是影响综合法、辐射法估算偏差的两大主要因子,其中VPD对低估类模型偏差影响最大,且偏差随着VPD增加而增大;而RHx对高估类综合法模型(1963 Penman、FAO79 Penman)偏差影响最大,且偏差随RHx增加而减小。校正后的PT(1.38)、Makkink(0.83)、Turc(0.014)及Hamon(1.248)系数大于原系数,而Hargreaves(0.0019)和BC(0.192)校正系数低于原系数。此外,PT与Hamon的系数利用最小相对湿度、Turc和Makkink系数利用VPD、Hargreaves和BC系数利用辐射或日照时数能得到最佳估算。FAO56 PM表现不佳(RMSE=1.47mm·d~(-1))的原因与站点气候干燥程度、较低的空气动力项权重有关。后人对原始Penman式的诸多修正并没有显著改善精度,因此建议在类似气候条件地区继续使用老版本Penman式。同时,对FAO56 PM的进一步检验将有助于回答"FAO56 PM是否真正比其它综合法具有优势,在何种气候下表现好,在高蒸发条件下低估是否为普遍现象"等科学问题。     

嘉陵江流域参考蒸散的年际变化趋势及成因分析

利用嘉陵江流域1960—2013年逐日气象数据,计算该流域参考蒸散(ET_0),应用Mann-Kendal方法及突变方法检测ET_0的变化趋势及突变点,应用偏导系数法揭示了ET_0变化原因。结果表明:(1)在1960—2013年,嘉陵江流域平均ET_0减小,减小斜率是0.43 mm/a。ET_0的年际变化较为剧烈,整个流域平均ET_0在1960—2013年间经历了高—低—高的3个变化阶段。在1981年ET_0的变化趋势发生了突变,嘉陵江流域ET_0的变化过程(1960—2013年)可以分为2个阶段,1960—1981年流域的整体ET_0均值变化波动较小(0.44 mm/a),1982—2013年增加趋势明显(2.62 mm/a)。不同时间尺度统计,流域北部均属于ET_0增加区域;(2)"蒸发悖论"现象存在时空差异,从整个研究时段看,流域整体存在"蒸发悖论"现象,1981年前后两个时段分别统计,存在"蒸发悖论"现象的气象站和区域较少;(3) 1960—1981年引起嘉陵江流域ET_0变化的主导因子是风速和太阳辐射,1982年后由于气候变暖趋势明显,温度上升对整个流域的ET_0增加发挥着主导作用。     

新疆参考作物蒸散发趋势转折与大尺度气候变率的关系

参考作物蒸散发(reference crop evapotranspiration,ET₀)能够全面反映一个地区的蒸散发能力,在农业高效节水灌溉等领域得到了广泛应用。近年来大多数研究通常将ET₀与局地气象因子的变化进行敏感性分析,忽略了大尺度气候变率对ET₀的遥相关影响。该研究基于新疆地区84个气象站点的逐日气象资料和气候变率指数,采用多元线性回归和Cramer’s突变检验等方法,探究了厄尔尼诺南方涛动(El Nino-Southern Oscillation,ENSO)、印度洋偶极子(Indian Ocean Dipole,IOD)、太平洋年代际振荡(Pacific Decadal Oscillation,PDO)和北大西洋多年代际振荡(Atlantic Multidecadal Oscillation,AMO)等大尺度气候变率与新疆地区ET₀趋势转折的关系。结果表明：1960—2020年ET₀总体呈下降趋势,平均递减率为0.75 mm/a;1998年为ET₀     

灌溉量对温室全有机营养液栽培甜瓜根际环境和茎流的影响

为探究灌溉量在根际-茎流-空气环境中的调节响应机制,以薄皮甜瓜为试材,采用盆栽,根据甜瓜日蒸腾耗水量的80%(T_1)、100%(T_2)、120%(T_3)设定3个灌水梯度处理,每7天进行一次矫正。通过监测温室空气环境和甜瓜根际环境以及甜瓜茎流量变化,筛选分析了典型天气温室空气环境、植株茎流、根际环境之间的关系。结果表明,灌溉量越大,茎流量越大;根际温度日变化典型阴天为T_2T_1T_3,典型晴天为T_3T_2T_1;根际绝对含水率(Rhizospheric Water Content,SWV)日变化典型阴天0:00-14:00段T_3T_2T_1,14:00-24:00段T_3T_1T_2,典型晴天T_3T_2T_1;根际电导率(Electric Conductivity,EC)典型阴天T_1T_2T_3,典型晴天为00:00-14:00段根际EC值T_1≈T_2T_3,13:00-23:00段根际EC值T_2T_1T_3。典型阴天茎流量与空气饱和蒸气压差(vapor pressure deficit,VPD)的相关系数最大,与SWV的相关系数最小,VPD对茎流的决策系数最大,根际EC值对茎流的决策系数最小。典型晴天茎流量与VPD的相关系数最大,与根际EC相关系数最小,根际EC值对茎流量的决策系数最大,SWV对茎流量的决策系数最小。阴天按日蒸腾量100%灌溉,晴天按日蒸腾量的120%灌溉有利于维持甜瓜水分在土壤-植物-大气连续体(soil-plant-atmosphere continuum,SPAC)中的运输平衡。根际EC主要对茎流的"源"起抑制作用,而VPD主要对茎流的"库"起促进作用。阴天时,VPD是茎流量的限制因子;晴天时,根际含水率是茎流量的限制因子。     

多元自适应回归样条算法模拟川中丘陵区参考作物蒸散量

参考作物蒸散量(reference crop evapotranspiration, ET_0)是作物精准灌溉管理与农业高效用水的核心参数。为提高川中丘陵区气象资料缺省下的ET_0预报精度,利用不同的气象因子组合,建立15种基于多元自适应回归样条算法(multivariate adaptive regression splines, MARS)的ET_0预报模型。选取11个代表性气象站点1961—2016年逐日气象资料进行分析,将其与其他ET_0预报模型进行对比,并利用可移植性分析评价MARS模型在川中丘陵区的适用性。结果表明:基于温度和风速项输入的MARS_5(输入大气顶层辐射、最高气温、最低气温、2m处风速)、MARS_9(输入最高气温、最低气温、2 m处风速)和MARS_(13)(输入最高气温、2 m处风速)模型,以及仅基于风速项输入的MARS_(15)模型都具有良好的模拟精度;大气顶层辐射和风速是决定机器学习模型地域性适应能力的关键;引入大气顶层辐射后,MARS_6(输入大气顶层辐射、最高气温、最低气温、相对湿度)、MARS_7(输入大气顶层辐射、最高气温、最低气温、日照时长)、MARS_8(输入大气顶层辐射、最高气温、最低气温)模型均优于相同气象因子依赖下的Irmak-Allen、Irmak、Hargreaves-M4模型;通过可移植性分析发现,在训练站点和测试站点的随机交叉组合下,MARS_5模型保持了较高的精度(纳什效率系数和决定系数均大于0.985),且输出较为稳定的模拟结果,均方根误差变化范围为0.121～0.193 mm/d,平均相对误差变化范围为2.7%～4.2%。因此,基于多元自适应回归样条算法的ET_0预报模型可作为川中丘陵区ET_0预报的推荐模型。     

石河子地区参考作物蒸散量变化特征及气候因子的定量分析

基于石河子地区1961—2012年4个气象站数据,采用FAO推荐的Penman-Monteith模型计算了参考作物蒸散量（ET₀）,分析了ET₀时间变化特征及其对气象因子的敏感性,并结合各气象要素的多年相对变化定量分析了气象因子对ET₀的贡献。结果表明:近52年来,石河子地区平均ET₀以1.19 mm/a的趋势增加,2004年为突变年,并存在27 a左右的周期。ET₀变化对各气象要素的敏感性以及气象因子对ET₀变化的贡献有所不同,其中,平均气温的贡献率较小,但其敏感系数最高,对ET₀变化的贡献是最大,使平均气温成为ET₀变化贡献最大的气象因素。突变后最高气温和最低气温的贡献率较大,但其敏感系数较低,平均气温为主导因子明显上升。     

1981—2019年鄱阳湖流域潜在蒸散变化特征及气候成因分析

为探明鄱阳湖流域潜在蒸散的变化特征,揭示不同季节潜在蒸散趋势差异及其气候成因,该研究基于1981-2019年鄱阳湖流域74个气象站点的逐日气象资料,利用Penman-monteith公式计算各站点逐日潜在蒸散量(ET_0),结合敏感性-贡献率法,分析了1981-2019年鄱阳湖流域ET_0在年、季尺度上的变化趋势及其主导气候因子。结果表明:1)1981-2019年鄱阳湖流域年尺度ET_0具有先降后升的特点,21世纪以前呈下降趋势,进入21世纪后下降趋势减弱,并在21世纪头10年后半段转为上升趋势。整体上,鄱阳湖流域ET_0呈显著增加趋势(1.50mm/a,P0.05),其中春季增加速率最快(0.81mm/a,P0.05),秋季次之(0.64mm/a,P0.05),冬季和夏季分别呈不显著增加和下降趋势(P0.05);2)最高气温升高是年均ET_0和春、秋季ET_0增加的主导因子,冬季ET_0增加的主导因子为最低气温的升高,而辐射下降是夏季ET_0下降的主导因子;3)不同气象要素贡献率的年代际变化分析表明,鄱阳湖流域年均ET_0由降转升的原因是2000年以后气温增加的正贡献超过风速和辐射下降的负贡献。该研究对鄱阳湖流域农田水分管理和季节性干旱监测具有重要意义。     

泾河上游流域实际蒸散发变化趋势及成因分析

利用泾河上游流域1973—2012年的径流和蒸发皿观测资料,验证了该区域蒸散发量存在互补关系;在此基础上,利用区域内1966—2012年的气象资料,采用蒸散发互补关系模型估算区域实际蒸散发量,并进一步分析实际蒸散发的变化趋势及成因。结果表明,泾河上游流域蒸散发互补关系显著,平流—干旱模型计算该区域1966—2012年多年平均实际蒸散发量为529.4mm,总体呈减少趋势,变化率为-4.64mm/(10a)。季节变化上,春、夏、秋季的实际蒸散发量均呈下降趋势,其中夏季实际蒸散发量下降趋势显著,冬季蒸散发略有上升。通过分析实际蒸散发与气象因子的相关关系以及各气象因子变化趋势可知,研究区实际蒸散发的变化与降水、相对湿度和日照时数呈正相关关系,而与风速的变化呈负相关,该区域年实际蒸散发减少的主要原因可能是由于日照时数减少导致太阳辐射能量下降及降水量减少使可供蒸发的水量减少。     

通径分析结合BP神经网络方法估算夏玉米作物系数及蒸散量

准确估算蒸散量对于精准管理农田水分至关重要。为了解作物系数的动态特征,准确估算作物需水量,使用叶面积指数和气象要素模拟玉米全生育期作物系数及蒸散量。利用2018年五道沟实验站气象和称重式蒸渗仪实测数据,运用通径分析法筛选影响作物系数的关键因子,建立无雨期不同地下水埋深下作物系数模型,以此估算蒸散量。结果表明:1 m埋深下全生育期作物系数平均绝对误差为0.04 mm/d,相关系数为0.94,其中初期、发育期、中期和后期平均绝对误差分别为0.06、0.09、0.05和0.03 mm/d。3 m埋深下全生育期作物系数平均绝对误差为0.08 mm/d,相关系数为0.92,各生育期平均绝对误差分别为0.11、0.10、0.07和0.03 mm/d,利用温度、风速和叶面积指数模拟作物系数精度较高。1 m埋深全生育期ET平均绝对误差为0.72 mm/d,各生育阶段平均绝对误差分别为0.56、059、0.66和0.45 mm/d。3 m埋深全生育期ET平均绝对误差为0.73 mm/d,各生育阶段ET平均绝对误差分别为0.82、0.98、0.68和0.29 mm/d。不同时间尺度下(1、3、5 d)2种埋深ET模拟值与实际值一致性指数均接近1.00,平均绝对误差小于1.0 mm/d,预报准确率达70%。随预报时间尺度的增加,预报精度提高。该方法可用于夏玉米蒸散发量计算。     

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。     

石佛寺人工湿地芦苇群落蒸散发计算与分析

根据联合国粮农组织推荐的Penman-Monteith公式及单作物系数法,以气象数据为基础计算了2009—2012年石佛寺人工湿地芦苇生育期蒸散发量及各月份蒸散发量的多年平均值。采用偏相关分析验证了芦苇蒸散发量的主要影响因子,并确定了各月气象因子存在的线性关系。结果表明,该地区芦苇实际蒸散发量呈逐年递减趋势,多年各月份芦苇实际蒸发量平均值5—9月分别为142.4,149,138.1,120.9,83.1 mm;相关性分析验证了影响芦苇蒸散发量的因子依次是净辐射,平均温度,风速,相对湿度。该文研究了芦苇全生育期的耗水规律,为该地区制定芦苇灌溉及芦苇湿地生态需水提供了依据。     

大凌河流域潜在蒸散发敏感性及变化成因分析

根据大凌河流域1978—2018年10个气象台站的基础气象资料,对流域内近40 a蒸散发(ET0)及各气象要素变化趋势运用FAO56 P-M估算法与M-K检验法研究,为更好的揭示驱动ET0变动的关键因子探讨了各要素敏感性.结果表明:大凌河流域1978—2018年ET0总体呈显著下降趋势,平均下降速率为12.2 mm/1...