辐射模型不同率定方法总辐射数据缺失插补比较

在长期连续观测中,总辐射(Rs)的观测数据通常有不同程度的缺失。基于日照时数的ngstrm-Presscott(AP)模型是一种广泛应用且精度较高的总辐射估算经验模型。选取A-P模型3种不同参数率定方法 (M1:每年率定,M2:分月率定,M3:多年率定),基于6个辐射站的辐射资料,对年平均Rs、年平均ET0、参数取值和插补精度进行了比较。t检验结果表明,3种方法下A-P模型在昌都站数据插补无明显差异,Rs年际变化大是造成该站Rs模拟不准的主要原因。在宜昌和南宁站,M1方法进行数据插补精度高于其他方法,M1方法 Rs缺失天数分别为40 d和70 d时,两站计算的参考作物蒸发蒸腾量(ET0)与实测Rs计算的ET0相比,t检验无明显差异。M2与M3相比精度稍高,但在昆明、赣州、杭州和南宁站冬季精度更高且6—8月份精度更低。与1990年以前相比,各站点A-P模型参数a在1990年以后有明显上升,工业污染导致气溶胶增加是原因之一。A-P模型在极端年份率定精度不高,在极端炎热气候年份,应用该模型用于灌溉预报时会低估作物耗水量,可能会给决策带来风险。该研究结果可用于A-P模型的风险评估和提高总辐射时间序列数据缺失情况下的插补精度。     

淮北平原冬小麦蒸发蒸腾量与不同土层土壤含水率关系初探

利用大型称重式蒸渗仪测定了冬小麦不同生育期的农田蒸发蒸腾量,分析了冬小麦的蒸发蒸腾变化规律,探讨了参考作物蒸发蒸腾量(ET0)、土壤含水率与作物蒸发蒸腾量(ET)之间的关系。结果表明,ET0和蒸渗仪实测的ET生育期内变化趋势基本一致;冬小麦ET受0~60cm土层土壤含水率的影响,尤其是0~40cm土层土壤含水率对作物ET影响显著,80cm以下土层土壤含水率基本对作物ET无明显影响。     

淮北平原冬小麦作物系数的变化规律研究

[目的]研究淮北平原冬小麦作物系数的时空变化规律.[方法]采用水量平衡法、涡度相关法和Bouchet互补关系理论,结合Penman-Montieth方程,计算得到1991-2018年淮北平原冬小麦的作物系数;采用线性拟合法、Mann-Kendall趋势检验法和突变检验法滑动t检验法,结合ArcGIS,研究了作物系数在淮...     

近50年新疆参考作物蒸发蒸腾量的时空演变分析

根据新疆地区53个气象站1960—2009年50年的气象资料,采用FAO推荐的Penman-Monteith公式计算了各站点逐月参考作物蒸发蒸腾量(ET0)。采用GIS反距离插值方法得到新疆参考作物蒸发蒸腾量分布图,将各站点ET0变化趋势进行聚类分析,通过Morlet小波变换、倾向率等方法探讨了时空变化特征及影响因素。结果表明,近50年新疆平均ET0呈显著减小趋势,不同区域ET0的年际变化趋势差异显著;在25～30年时间尺度上,全区平均ET0的周期振荡较为明显,经历了"多→少→多"3个循环交替过程;ET0年内分布均呈单峰状,且各站之间峰值相差很大;多年平均ET0空间分布总体上由西北向东南增加,且与地形起伏有高度的一致性。新疆大部分地区ET0变化率为负值,与"蒸发悖论"规律相符,其主要原因是风速降低对ET0的影响超过了温度上升,但1992年以来,由于温度持续升高,ET0出现了回升态势。     

基于大型蒸渗仪和遗传算法的受旱玉米蒸发蒸腾量估算

受旱胁迫下作物蒸发蒸腾量估算重要且复杂,依托新马桥农水综合试验站6台大型称重式蒸渗仪开展玉米受旱胁迫专项试验,对不同受旱胁迫下玉米蒸发蒸腾量特征进行分析,在双作物系数法估算无受旱胁迫下玉米蒸发蒸腾量的基础上,采用遗传算法优化率定基础作物系数Kcbini、Kcbmid、Kcbend和作物系数上限Kcmax,同时基于试验站实测太阳辐射数据采用遗传算法优化率定了Angstrom公式经验参数a、b,进而优化了参考作物蒸发蒸腾量(ET0)的计算结果,并以此基础运用双作物系数法估算受旱胁迫下玉米蒸发蒸腾量。结果表明:营养生长中前期轻微的水分亏缺可能会刺激玉米适应性机能,复水后各项生理功能恢复正常;水分亏缺加重时不仅会使玉米当期的蒸发蒸腾量减少,而且会产生累积效应,将这种胁迫影响传递到之后的生育阶段;相同受旱胁迫强度对玉米生殖生长阶段影响更为明显,且易造成永久胁迫;Kcbini、Kcbmid、Kcbend、Kcmax的率定结果分别为0.150、1.090、0.152和1.400,在此基础上运用双作物系数法估算无受旱胁迫下玉米全生育期蒸发蒸腾量的均方根误差RMSE和平均绝对误差MAE分别为1.39 mm和0.97 mm,比对应的FAO-56推荐值估算结果小6.74%和8.23%,受旱胁迫下玉米计算的2个处理全生育期RMSE、MAE和MRE均值分别为1.60 mm、1.18 mm和6.73%,整体估算效果虽然没有无受旱胁迫下的好,但仍优于FAO-56推荐值的估算结果。因此,基于双作物系数法和遗传算法的受旱胁迫下玉米蒸发蒸腾量估算合理可靠,该研究可为区域制定适宜灌溉制度和降低农业旱灾损失风险提供理论依据。     

a_s和b_s取值对参考作物蒸发蒸腾量计算结果的影响

Penm an-Monte ith公式中as和bs是计算净辐射不可缺少的参数,采用江苏射阳2002年日气象资料,分别采用FAO56推荐值和邻近地区南京市的校正值进行计算,得到了日参考作物蒸发蒸腾量和相应的太阳辐射与净辐射资料。分全年、夏半年和冬半年等不同情况分析了2种取值方案计算结果的差异。结果表明:采用邻近站点推荐值计算得到的参考作物蒸发蒸腾量ET0和净辐射Rn计算结果与FAO推荐值计算结果相比偏大,并且在计算值较小的冬半年误差也相对较大。与此相反,采用邻近站点推荐值计算得到太阳辐射Rs的计算结果偏小,并且在计算值较大的夏半年误差更大。因此,参数as和bs的选择对于参考作物蒸发蒸腾量计算结果的影响是不可以忽略的,尤其在辐射较低、蒸腾较弱的冬半年,根据实测的辐射资料进行校正是很有意义的。     

中国北方太阳总辐射模型优化及适用性评价

太阳总辐射(R_s)模型是估算地表能源最简单的方法,对区域ET₀管理、水资源及太阳能利用具有重要意义。选取中国北方47个代表性气象站点(1994-2016年)逐日数据,采用鱼群算法优化温度模型(T1、T2和T3)、日照时数模型(N1、N2和N3)和混合模型(M1),在日和月尺度评价太阳总辐射模拟精度。结果表明：在日尺度上,基于日照时数的模型(N1-N3)精度最高,其次为基于温度的模型(T1-T3),混合模型相对较差(M1),R²分别为0.90～0.93、0.64～0.78和0.80～0.90,MAE分别为1.47～1.95、2.51～4.33和4.88～6.28 MJ/(m²·d);在月尺度上,基于日照时数的模型(N1-N3)精度最高,其次为混合模型(M1)和基于温度的模型(T1-T3),R2分别为0.94～0.97、0.92～0.95和0.86～0.95,MAE分别为25.45～44.29、36.21～102.73和101.25～144.56 MJ/(m²·d)。因此,推荐基于...     

青海东部农业区ET_0变化特征及气候影响因子分析

利用FAO-56推荐的Penman-Monteith公式计算了青海省东部农业区12个气象站47年(1960—2006)逐月参考作物蒸发蒸腾量(ET0),对参考作物蒸发蒸腾量、气象因子随时间变化特征进行了分析。结果显示,ET0年内呈单峰型分布,月际变化较大,最大值出现在7月份,最小值出现在12月份;近47年ET0随时间呈极显著下降趋势变化;风速是影响ET0的最主要影响因子,最高温度对该地区ET0的影响也较为显著;海拔与ET0具有明显的相关性,R2为0.68,且ET0随海拔的增高具有明显下降的趋势。研究表明,在高寒高海拔区,风速是影响ET0的最主要气候影响因子,海拔与ET0呈负相关关系。     

关中地区参考作物蒸发蒸腾量时空变化特征及主要因子分析

【目的】充分认识关中地区参考作物蒸发蒸腾量(ET₀)时空变化特征及其主要影响因子。【方法】使用1980—2019年关中地区43个气象观测站逐日气象资料,结合Penman-Monteith(P-M)模型、反距离权重、逐步回归分析和通径分析等方法,研究1980—2019年关中地区ET₀时空变化特征及其主要影响因子。【结果】最高气温(T_max)、最低气温(T_min)、平均气温(T)呈升温趋势,上升幅度处于1.68～2.85℃之间;相对湿度(RH)呈下降趋势;日照时数(SSD)整体变化较小;平均风速(WS)则呈减小趋势;气象因子空间分布因海拔、地形不同而表现出差异性;关中地区多年平均ET₀为959 mm,整体呈增加趋势,增加速率为1.43 mm/a;ET₀空间分布差异较大,多年平均ET₀处于852～1 099 mm之间,由东北向西南递减,关中地区ET₀季节性差异明显;影响关中地区ET₀的气象因子排序...     

云贵高原参考作物蒸散量时空特征及成因分析

为了探究云贵高原地区参考作物蒸散量(ET₀)的时空分布特征,基于云贵高原42个代表性气象站点近56 a(1961—2016年)逐日气象数据,利用Mann-Kendall检验探究ET₀主要的气象驱动因子,并运用多元回归分析量化了各气象因子对ET₀的贡献率.结果表明：云贵高原近56 a风速和气温呈逐年上升趋势,增幅分别为0.001 2 (m·s^-1)/a和0.018℃/a,太阳辐射和相对湿度呈下降趋势,降幅分别为0.007 3 (MJ·m^-2·d^-1)/a和0.074 6%/a;近56 a来ET₀整体呈波动式上升趋势,增幅为0.287 1 mm/a,空间分布西高东低,差异特征显著,西部地区24个站点年均ET₀为1 100～1 200 mm,东部18个站点年均ET₀为843～950 mm;在春、秋、冬季太阳辐射是云贵高原ET₀的主要驱动因子,夏季气温是ET₀     

重庆丘陵山区参考作物蒸散量的确定及气候影响因素分析

基于重庆市北碚区2001—2011年气象资料,采用Penman-Monteith公式计算ET0,分析了3种不同太阳辐射(Rs)计算方法所得ET0的差异性,并利用相关性和敏感性分析方法分析气象因子对ET0的影响。结果表明,研究区2001—2011年年内各月ET0呈抛物线变化,年内ET0最大值出现在7月和8月,最小值出现在1月和12月;不同Rs计算方法是引起ET0和辐射项(ET0(rad))差异的主要原因,但差异不显著;研究区ET0主要由空气动力学项(ET0(aero))贡献;最高温度、最高相对湿度和最低相对湿度是研究区ET0的3个最主要的影响因子;采用Pen-man-Monteith公式计算研究区ET0时,建议采用Hargreaves公式计算Rs。     

新疆参考作物腾发量多元回归模型及空间分布

利用新疆境内42个气象站的多年气象资料,应用Penman-Monteith公式计算得到各站逐日和逐月尺度下的ET0值,应用多元统计回归分析得到相应的ET0与主要气象要素的回归方程,作为各地区计算ET0的经验公式.结合ArcGIS软件的空间分析功能,将各站回归方程的系数进行插值得出整个新疆地区ET0经验公式回归参数的空间分布图.结果表明,逐日和逐月尺度下,区域内的ET0空间分布差异显著,南部明显高于北部.回归所得的经验方程用来估算各地的ET0值是合理可靠的.回归所得的经验方程较Penman-Monteith公式简化得多,且具有一定精度,因此有一定的推广价值和应用前景.对于无气象资料地区,通过查图得出参数值,即可推算该区域特定时间尺度下的ET0值.     

Simulation of transpiration, drainage, N uptake, nitrate leaching, and N uptake concentration in tomato grown in open substrate

Free-drainage or “open” substrate system used for vegetable production in greenhouses is associated with appreciable NO₃⁻ leaching losses and drainage volumes. Simulation models of crop N uptake, N leaching, water use and drainage of crops in these systems will be useful for crop and water resource management, and environmental assessment. This work (i) modified the TOMGRO model to simulate N uptake for tomato grown in greenhouses in SE Spain, (ii) modified the PrHo model to simulate transpiration of tomato grown in substrate and (iii) developed an aggregated model combining TOMGRO and PrHo to calculate N uptake concentrations and drainage NO₃⁻ concentration. The component models simulate NO₃⁻-N leached by subtracting simulated N uptake from measured applied N, and drainage by subtracting simulated transpiration from measured irrigation. Three tomato crops grown sequentially in free-draining rock wool in a plastic greenhouse were used for calibration and validation. Measured daily transpiration was determined by the water balance method from daily measurements of irrigation and drainage. Measured N uptake was determined by N balance, using data of volumes and of concentrations of NO₃⁻ and NH₄⁺ in applied nutrient solution and drainage. Accuracy of the two modified component models and aggregated model was assessed by comparing simulated to measured values using linear regression analysis, comparison of slope and intercept values of regression equations, and root mean squared error (RMSE) values. For the three crops, the modified TOMGRO provided accurate simulations of cumulative crop N uptake, (RMSE = 6.4, 1.9 and 2.6% of total N uptake) and NO₃⁻-N leached (RMSE = 11.0, 10.3, and 6.1% of total NO₃⁻-N leached). The modified PrHo provided accurate simulation of cumulative transpiration (RMSE = 4.3, 1.7 and 2.4% of total transpiration) and cumulative drainage (RMSE = 13.8, 6.9, 7.4% of total drainage). For the four cumulative parameters, slopes and intercepts of the linear regressions were mostly not statistically significant (P < 0.05) from one and zero, respectively, and coefficient of determination (r²) values were 0.96-0.98. Simulated values of total drainage volumes for the three crops were +21, +1 and −13% of measured total drainage volumes. The aggregated TOMGRO-PrHo model generally provided accurate simulation of crop N uptake concentration after 30-40 days of transplanting, with an average RMSE of approximately 2 mmol L⁻¹. Simulated values of average NO₃⁻ concentration in drainage, obtained with the aggregated model, were −7, +18 and +31% of measured values.