Penman Monteith模型中水稻冠层阻力的模拟

针对Penman Monteith模型冠层阻力的参数化问题,以南京地区2012-2013年水稻为研究对象,参照Jarvis的气孔阻力模型,建立了水稻的冠层阻力rc与气象、环境因子（太阳净辐射、饱和水汽压差、气温和土壤水分）的关系模型,并以蒸渗仪实测蒸散量资料为对照,对模型的精度进行检验。结果表明,所建水稻冠层阻力模型的拟合度2012年为0.911,2013年为0.810,将模型应用于Penman Monteith公式计算稻田蒸散量,两年的拟合精度分别为0.967和0.953,能较精确地估算稻田耗水量。对模型的敏感性分析表明,饱和水汽压差的拟合参数a2对模型的影响最显著。模型在一定程度上解决了冠层阻力计算复杂,观测量大且易产生观测误差的问题,可作为稻田蒸散的计算方法之一。     

基于Penman-Monteith模型的低丘红壤区稻田蒸散模拟

基于低丘红壤区稻田波文比仪测量值和小气候观测资料,将8种组合形式的Jarvis公式和Irmak公式应用到Penman-Monteith模型中,组成9种蒸散模型,模拟稻田全生育期的逐时蒸散量,以波文比仪观测的蒸散量作为实测值检验模型精度。结果表明:PM_Irmak模型对水稻全生育期的蒸散模拟效果在所有模型中最好,均方根误差和平均绝对误差最小,分别为0.064和0.049mm·h~(-1),确定系数、纳什效率系数和一致性指数最高,分别为0.940、0.922和0.953。8种PM_Jarvis模型模拟蒸散的日动态变化值在水稻返青期均明显小于实测值,PM_Irmak模型模拟蒸散的日动态变化值在整个生育期与实测值均较为接近。由此可见,Irmak公式应用到PM模型后模拟精度较高,可为低丘红壤区稻田蒸散研究提供参考。     

基于极限学习机的参考作物蒸散量预测模型

为实现气象资料缺乏情况下参考作物蒸散量（reference crop evapotranspiration, ET0）高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机（extreme learning machine, ELM）的ET0预测模型。选取川中丘陵区7个气象站点1963－2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明：ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度（均方根误差和模型效率系数分别为0.504 mm/d和0.827）高于Hargreaves模型（均方根误差和模型有效系数分别为0.692 mm/d和0.741）;基于最高、最低温度和辐射的ELM模型模拟精度（均方根误差和模型有效系数分别为0.291 mm/d和0.938）明显高于Priestley-Taylor（均方根误差和模型有效系数分别为0.467 mm/d和0.823）、Makkink（均方根误差和模型有效系数分别为0.540 mm/d和0.800）和Irmark-Allen模型（均方根误差和模型有效系数分别为0.880 mm/d和0.623）。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。     

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。     

华北地区设施茄子蒸散量估算模型及作物系数确定

构建华北地区设施茄子蒸散量估算模型,可为制定其优化灌溉制度提供理论依据。本研究设灌水定额15 mm(W1)、22.5 mm(W2)、30 mm(W3)和37.5 mm(充分灌溉, CK)4个处理,在设施茄子苗期、开花座果期和成熟采摘期土壤含水率分别达田间持水量的70%、80%和70%时进行灌溉,以保证土壤供水充足。基于修正后的Penman-Monteith方程,通过分析CK处理的作物系数与叶面积指数的关系,建立了基于气象数据与叶面积指数的蒸散量估算模型,利用W1、 W2和W3实测蒸散量对其进行验证。结果表明:修正后的Penman-Monteith方程可用于设施参考作物蒸散量的估算,W1、W2和W3蒸散量的实测值与新建模型的模拟值平均相对误差分别为17.81%、18.31%和17.97%。作物系数与叶面积指数呈显著线性关系,可通过叶面积指数确定作物系数。分析W1、W2、W3和CK处理的产量和水分利用效率(WUE)得出, W2与CK产量差异性不显著,而WUE差异性显著,较CK提高31.59%,表明W2兼顾产量和WUE。W2处理下茄子的作物系数,苗期为0.21～0.46,开花座果期为0.62～0.94,成熟采摘期为0.70～0.92。本研究认为,新建模型在估算设施茄子实际蒸散量上具有较好适用性,计算出的作物系数在节水灌溉条件下具有实际应用价值。     

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。     

基于日天气预报数据估算小麦生长季参考作物蒸散量

为了在气象要素类型不完整条件下采用Penman-Monteith方法估算小麦生长季蒸散量,运用2014/2015和2015/2016年度两个小麦生长季新乡历史日天气预报数据和对应日气象实测数据,以及修正后的太阳辐射参数和调节系数,首先验证天气预报气温值的准确性,并以预报气温为基础,估算实际水汽压和太阳辐射,最后利用天气预报气温和平均风速值,以Penman-Monteith公式为基础估算参考作物蒸散量。结果表明：日天气预报温度数据可以代替气温观测数据;用天气预报中的最高和最低气温估算的水汽压和太阳辐射能满足Penman-Monteith公式的要求;用天气预报数据估算的辐射项的精度高于空气动力项的精度。总体上,用天气预报数据估算的日参考作物蒸散量中辐射项的精度高于空气动力项,用天气预报估算值总体偏低,但低估范围在7%之内,经统计分析,用天气预报估算与利用Penman-Monteith估算的日参考作物蒸散量相关性较高（R2=0.77）。因此,采用日天气预报的气象资料估算参考作物蒸散量这一方法可行,建议在干旱半干旱地区采用辐射法估算参考作物蒸散量,这给农业灌溉预报提供了理论和方法上的保证,并对指导当地农业水资源的优化配置具有参考意义。     

覆膜滴灌棉田蒸散量的模拟研究

通过综合考虑影响作物蒸散量的土壤、作物、大气3方面因子,结合新疆滴灌棉田覆膜栽培的生产实际,设计了不同覆盖度和品种试验,以Penman－Montieth方程估算参考作物蒸散量,确定了不同覆盖度及品种条件下的作物系数,并在此基础上实现了覆膜滴灌棉田蒸散量较为准确地估计。试验结果认为覆膜滴灌棉田全生育期蒸散量在540～620 mm之间,全生育期蒸散量和作物系数都随着覆盖度的增加而减小,叶面积指数与日蒸散量及作物系数关系密切,品种间由于品种特性的差异而引起的叶面积指数变化,最终导致了品种间作物系数K_c的不同。     

四种参考作物蒸散量综合法的比较

参考作物蒸散量(ET0)的估算是作物需水量计算的关键,诸多估算方法在不同地区具有不同的适应性。本文利用中国农业主产区6个代表站点的气象数据,以FAO 56 Penman-Monteith (PM)为标准,对常用的1963 Penman(Pen63)、FAO 1979 Penman(FAO 79)、FAO 24 Penman(FAO 24)及1996 Kimberly Penman(Kpen)共4种参考作物蒸散量综合方法进行比较评价。结果表明：（1）Pen63、FAO 79及Kpen的日估算值均比PM估算值偏高,FAO 24偏低,其平均偏差分别为0.28、0.52、0和-0.17mm×d-1,相对偏差为16.0%、25.2%、2.4%、-5.3%,相对均方根误差为12.1%、22.4%、14.2%和13.5%。（2）Pen63、FAO 79的月估算值显著高于PM值,在高估最大的5月份平均偏高12.5mm (10.8%)和28.2mm (22.6%)。FAO 24表现为低估,低估最大的月份平均偏低11.4mm (8.1%),但在南方站点多数月份的估算值与PM估算值无显著差异。Kpen月估算值与PM估算值相比,既有高估(5-10月),也有低估,高估最大的月份平均偏高19.7mm(14.5%),且在南方站点的秋冬季有近6个月与PM无显著差异。（3）Pen63和FAO 79的年值均显著大于PM年值,平均偏高103.8mm(11.8%)和191.5mm(21.3%)。FAO 24年平均低估PM值60.9mm (6.3%),Kpen则平均高估50.5mm (5.8%)。（4）时间尺度对评价结果具有一定影响,4种综合法依据日、年值的评价效果排序分别为Pen63＞FAO 24＞Kpen＞FAO 79和Kpen＞FAO 24＞Pen63＞FAO 79。在日尺度下4种方法更适于湿润气候,但年尺度下仅FAO 79和FAO 24较适于湿润气候。可见,4种综合法以Pen63普适性最好,FAO 79最低,因此使用FAO 79前对其进行适应性评价尤为重要。     

Stacking集成模型模拟膜下滴灌玉米逐日蒸散量和作物系数

为准确模拟膜下滴灌玉米逐日蒸散量和作物系数,该研究以4个经典机器学习模型:随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)、BP神经网络(Back Propagation Neural Network,BP)和Adaboost集成学习模型(Adaboost,ADA)为基础,基于Stacking算法建立了集成学习模型(Linear Stacking Model,LSM)对膜下滴灌玉米逐日蒸散量和作物系数进行模拟。并将LSM的模拟精度与RF、SVM、BP和ADA模型的模拟精度相比较,结果表明:1)RF、SVM、BP和ADA模型模拟膜下滴灌玉米的逐日蒸散量和作物系数时的相对均方根误差均大于0.2;2)相比RF、SVM、BP和ADA模型,LSM模型提高了玉米逐日蒸散量和作物系数模拟精度。LSM模拟的膜下滴灌玉米的作物系数相比于FAO推荐值更接近实测值;3)日序数、平均温度、株高、叶面积指数和短波辐射5个特征对玉米膜下滴灌玉米日蒸散量和作物系数影响最高,基于这5个特征建立的LSM模型模拟膜下滴灌玉米的蒸散量和作物系数的R2分别为0.9和0.89,相对均方根误差分别为0.23和0.16。因此,建议在该研究区使用日序数、平均温度、株高、叶面积指数和短波辐射5个特征参数建立LSM模型模拟膜下滴灌玉米蒸散量和作物系数。该研究可为高效节水条件下作物蒸散量和作物系数的精准模拟和合理制定灌溉制度提供参考。     

湛江地区适宜参考作物蒸发蒸腾量计算模型分析

用湛江市日平均、旬平均、月平均气象资料,以6种方法计算参考作物蒸发蒸腾量,并以FAO56 Penman-Monteith公式计算结果为标准,评价其他方法在湛江的适用性.结果表明:Hargreaves-Samani方法的年平均参考作物蒸发蒸腾量与FAO56 Penman-Monteith没有显著差异;月平均参考作物蒸发蒸腾量,除个别月份外,其他5种方法与FAO56 Penman-Monteith方法都有显著差异;不同方法计算结果与FAO56 Penman-Monteith法的均方偏差不同的时间尺度表现不同,日值计算,1948 Penman方法最小,Irmark-Allen次之;旬值计算,1948 Penman方法最小,Hargreaves-Samani、Irmark-Allen次之;月值计算Hargreaves-Samani最小,1948 Penman次之.1948 Penman、FAO24 Penman与FAO56 Penman-Monteith法的相关系数较大,Priestley-Taylor、Irmark-Allen次之,Hargreaves-Samani法的较小.     

甘肃地区参考作物蒸散量时空变化研究

区域水土平衡模型的建立通常需要确定计算参考作物蒸散量的模型,这一模型的精确与否,直接影响整体预测模型的最终预报精度.运用FAO-24 Blaney-Criddle法、FAO-24 Radiation法、FAO PPP-17 Penman法及FAO Penman-Monteith(98) 4种方法,对甘肃省1981～2000年33个站点的月参考作物蒸散量进行了计算.对比分析结果表明,AO Penman-Monteith(98)模型的精度与灵敏度均显示了较强的优越性.运用该模型对甘肃省参考作物蒸散量的时空分布特征进行研究表明:甘肃省参考作物蒸散量年内逐月演变曲线呈单峰状;年际蒸散量变化与夏季年际波动变化存在较高一致性;全年参考作物蒸散量分布具有从东南向西北递增的趋势.     

太行山山前平原区蒸散量和作物灌溉需水量的分析

应用Penman-Montieth、Priestley-Taylor和FAO-24 Blaney-Criddle 3种方法计算了太行山山前平原高产区的参考作物蒸散量并对计算结果和利用实际蒸散量计算的作物系数进行了分析，结果表明：Penman-Montieth公式和FAO-24 Blaney-Criddle公式估算的参考作物蒸散量结果相近，而Priestley-Taylor方法结果偏低；在不同公式基础上计算的作物系数也存在着明显的差异，以Penman-Montieth公式为基础计算的作物系数比较合理，FAO-24 Blaney-Criddle计算的作物系数在4月到10月之间比较合理，Priestley-Taylor公式计算的作物系数偏高；在分析了多年作物系数的基础上，对不同水分年型下的作物需水量和灌溉需水量进行了计算，冬小麦和夏玉米季的灌溉需水量分别在270～400 mm和0～330 mm之间。     

六种冠层阻力模型在冬小麦蒸散估算中的应用

蒸散量是农田水循环中水分损失的主要途径,其准确估算对节水灌溉具有重要意义。单源的Penman-Monteith （P-M）模型是最常用的蒸散量估算方法,但模型中冠层阻力的合理参数化一直是研究中的难点。该研究选取常用6种冠层阻力模型,使用北京顺义2 a（2020年和2021年）的波文比实测结果,分析不同模型进行冬小麦冠层阻力及蒸散估算的可行性。结果表明：1）无参数校正条件下,6种模型均低估了冬小麦冠层阻力,同时高估了蒸散量。其中,Todorovic模型（TD）的普适性最好,其模拟的冠层阻力、蒸散量与实测值的R2都在0.605及以上;耦合的冠层阻力模型（CO模型）普适性最差,冠层阻力、蒸散量与实测值的R2分别为0.113、0.046;2）进一步使用2021年的试验数据进行模型参数校正、2020年的数据进行验证,发现校正后的JA、CO、GA、KP及FAO56-PM模型计算的冠层阻力和蒸散量与实测值的一致性大幅提高。除JA模型低估冠层阻力外,其余均高估冠层阻力、低估蒸散量。其中KP模型模拟的冠层阻力和蒸散量效果最好,R2均在0.907及以上,而其余5种模型估算精度也较好。6种模型的估算精度排序为KP、GA、TD、FAO56-PM、CO、JA。综上,所评价的模型校正后均可作为P-M模型的冠层阻力输入来估算冬小麦蒸散量,但TD 模型不需要参数校正,在数据不足时可作为首选;而KP模型参数较少,校正后拟合精度最高,在数据充足时可作为首选。研究结果对华北地区使用P-M一步法计算冬小麦蒸散量具有重要价值。     

基于Penman-Monteith方程的节水灌溉稻田蒸散量模型

为利用Penman-Monteith方程直接计算非充分灌溉条件下的稻田蒸散量,该文根据国家“863”节水农业重大专项试验资料,在K-P表层阻抗模型修正研究基础上,提出改进的稻田蒸散量模拟模型。结果表明：根据土壤相对含水率修正后的K-P模型较好地模拟了水稻表层阻抗,且反映出不同土壤水分状况下表层阻抗的变化规律;采用改进的Penman-Monteith方程模拟水分胁迫条件下的稻田蒸散量后,误差从改进前的18.57%降低至10.84%,且对冠层未完全覆盖条件下的稻田蒸散量也具有较好的模拟效果;土壤含水率、空气温度和空气湿度是改进的Penman-Monteith方程最为敏感的因子,它们的准确观测对于提高模型的估算精度至关重要;模型回归系数（c1、c0）的变化对模型估算结果的影响较小。表明当某一特定作物的回归系数值确定后,改进的Penman-Monteith方程可应用于不同地区、不同灌溉模式下作物蒸发蒸腾量的估算。     

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。     

局部湿润模型模拟南疆滴灌枣园蒸散量及蒸腾量适用性研究

为构建适用于模拟南疆滴灌成龄枣园蒸散及其组成成分的模型,了解枣园土壤蒸发特征,本研究在双源模型和局部湿润灌溉方式下稀疏植被蒸散估算模型基础之上构建滴灌枣园局部湿润模型,以涡度相关法实测2017年枣园蒸散数据,对双源模型（Shuttleworth-Wallace）及滴灌枣园局部湿润模型（Partial Root-zone Irrigation model）系数进行拟合;之后通过评价两种模型模拟值的可靠性以及增加和减少模型参数10%来观测模型各参数对蒸散的影响方式,并校验各模型参数计算公式的准确性;然后以涡度相关法与液流法实测的2018年枣园蒸散与蒸腾量为基准值,对双源模型与滴灌枣园局部湿润模型模拟2018年枣园蒸散及蒸腾量的可靠性进行评价,筛选出适合模拟南疆滴灌枣园蒸散及其组分的模型并模拟滴灌枣园土壤蒸发特征。结果表明：滴灌枣园局部湿润模型和双源模型的模型系数拟合准确;依据模型模拟评价标准,两种模型模拟2018年枣园蒸散的结果均为极好,且精度基本一致。滴灌枣园局部湿润模型模拟蒸腾量结果良好,与实际测定值之间的差值为15.73 mm;双源模型模拟蒸腾量结果不可取。因此筛选出滴灌枣园局部湿润模型模拟枣园土壤蒸发,枣园土壤蒸发量占蒸散量的19.74%。滴灌枣园局部湿润模型可以准确估算滴灌成龄枣园蒸散及蒸散组成成分。     

基于机器学习的遮荫设施内参考作物蒸散量估算

为高效准确地估算遮荫设施内参考作物蒸散量（Reference Evapotranspiration, ET0）,该研究通过分析三七栽培遮荫设施（四周及顶部均由黑色遮阳网遮盖,通风性较好）内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith（FAO-56 PM）模型计算的值为标准值,采用贝叶斯优化（Bayesian Optimization, BO）算法优化机器学习方法（支持向量回归机（Support Vector Regression, SVR）、随机森林（Random Forest, RF）和极限学习机（Extreme Learning Machine, ELM））中的参数,建立3种遮荫设施内ET0估算模型（BO-SVR、BO-RF和BO-ELM）。结果表明：遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型。BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数（平均相对湿度和平均风速）估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d。综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法。研究为遮荫设施内ET0的估算提供有效方法。     

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。     

内蒙古河套灌区ET0不同计算方法的对比研究(简报)

为了提出适合内蒙古河套灌区ET0计算方法,该文根据实测田间微气象资料,分别对5种参考作物腾发量（ET0）的计算方法（FAO56Penman-Monteith,Priestley-Taylor、FAO Penman、Hargreaves-Samani、Irmark-Allen拟合）进行对比分析,并评价各方法的适用性。结果表明,FAO Penman法的计算结果与FAO56 Penman-Monteith计算结果最为接近,其平均绝对误差与平均相对误差分别为0.43mm/d,12.50%;其他方法在不同季节具有不同的正负偏差。其中,在整个计算时段内,Irmark-Allen拟合法与Hargreaves-Samani法计算值与Penman-Monteith计算结果偏差较大,不适于在此地区气候条件下使用。FAO Penman法与FAO56 Penman-Monteith法基本相同,适用于大多数气候条件;Hargreaves-Samani法适用于在温差较小地区计算ET0;Irmark-Allen法与Priestley-Taylor法适用于在相对湿度较大地区应用。