利用PRECIS分析AIB情景下西江流域气候变化特征

使用英国Hadley气候中心区域气候模式PRECIS,分析了西江流域A1B温室气体排放情景下未来年份(2011-2040年)相对于气候基准时段(1961-1990年)地面降水量、气温的变化趋势。结果表明:相对于气候基准时段,在A1B情景下西江流域年均降水较基准时段增大,且预估A1B情景年降水量的标准偏差与离势系数明显高于基准年;月平均降水在主汛期总体呈显著上升趋势,枯季降水有减小趋势。模式预估2011-2040年西江流域年平均气温与月平均气温明显上升,极端高温发生频数增加,极端低温发生频数减少。     

三江源地区作物参考蒸散量的时空分布特征变化及未来趋势预测北大核心

基于1979-2014年三江源地区ET_(0)计算值结合NCEP再分析数据建立统计降尺度模型SDSM,通过模型验证发现该方法在三江源地区ET_(0)预测具有较好的适用性;然后通过率定的模型将2015-2100年CanESM5模式中ssp1-2.6,ssp2-4.5和ssp5-8.5情景模式下的预测数据降尺度处理为站点数据,最终分析计算出了三江源地区13个气象站点近36年来作为基准期的ET_(0)变化特征,以及ET_(0)值在未来不同情景下相对于基准期的变化。结果表明:(1)基准期空间分布上呈现南部和东北部高,西北和中部地区低的分布格局,其中年平均ET_(0)为855 mm,以0.043 mm/a的增长率增加;(2)2015-2100年夏季和冬季的季节平均ET_(0)在空间分布上与基准期一致,但春季、秋季都以五道梁为低值区中心,存在低值区范围缩小、扩散的分布变化;年平均ET_(0)在3种情景模式下均呈现显著增长趋势,ssp5-8.5增幅最多,其次是ssp2-4.5,ssp1-2.6增幅最少;(3)ssp1-2.6和ssp2-4.5情景模式下的ET_(0)增量秋季大于春季,与ET_(0)值春季高于秋季的季节分布特征存在差异。总体来看,2015-2100年年平均ET_(0)空间分布特征和基准期保持一致,ET_(0)值均有明显上升趋势,但区域增量存在地区差异,玛多、班玛可能成为未来ET_(0)高值区。ET_(0)的不断上升可能导致区域水资源短缺进一步加剧,干旱发生频率增加,需要加强区域生态需水指标构建、作物气候生产潜力以及干旱分布研究等工作,以便提前做好应对措施。     

若尔盖湿地参考作物蒸散量时空演变特征及成因分析

参考作物蒸散量(ET_0)对作物灌溉、水资源评价和气候变化均具有重要意义。利用若尔盖湿地及其周边19个气象站1960—2015年逐日气象资料,根据辐射修正的Penman-Monteith模型计算了湿地ET_0,采用累积距平、Mann-Kendall检验、Pettitt检验、Theil-Sen趋势度、EOF分解等方法分析了蒸散时空演变规律,并采用通径分析研究蒸散变化成因。结果表明:(1)若尔盖湿地年ET_0均值为625.3 mm,并以4.89 mm/10 a的速率显著上升(p0.01),四季ET_0表现为夏季春季秋季冬季。年、秋、冬ET_0分别在1968年(p0.01)、1997年(p0.01)、2003年(p0.1)突变上升,春、夏两季未出现突变。(2)湿地年均ET_0呈南部、东部边缘高、西北—东南一线较低的空间分布特征,且变化速率由东北向西南递减,其中西部班玛以北及南部马尔康、黑水之间地区ET_0呈缓慢下降趋势。(3)ET_0第一特征向量均为正值,说明若尔盖湿地ET_0变化保持高度区域一致性,南、北反向差异和东西、中部反向差异分别为第二和第三空间结构特征。(4)影响若尔盖湿地ET_0的主要气象因子为相对湿度,且能够综合其它因子对ET_0产生作用。近年来若尔盖湿地ET_0的上升主要是因为相对湿度的显著下降,其次是净辐射、平均气温和风速的显著上升。     

ET_0变化趋势分析及估算模型研究——以新乡站为例

【目的】参考作物蒸散量(ET_0)的估算是计算作物腾发量的基础,也是区域水资源评价与灌溉政策制定的前提,因此,研究ET_0变化趋势与估算模型能够对该地区农田灌溉用水预报提供基础支持,进而为灌溉制度的制定以及水资源高效利用提供科学依据。【方法】以河南新乡气象站1962―2016年气象资料为基础,运用Penman-Monteith模型计算ET_0序列,Mann-Kendall趋势检验法对年及季节尺度ET_0序列变化趋势进行分析,并用均值生成函数模型对其进行了拟合与验证。【结果】①新乡地区年尺度ET_0序列在1975―2016年间呈减小趋势,并在1985―2004年、2006年显著;②新乡地区春季ET_0序列在1982―1983年及1988―2003年间呈显著的减小趋势,夏季ET_0序列在1980―2012年间呈显著的减小趋势。③均值生成函数模型在对年尺度ET_0序列进行拟合时,其一致性系数达到0.83,绝对误差与相对误差分别在-120.8～120.0 mm及-14.0%～18.2%之间。④均值生成函数模型在对季节尺度ET_0序列进行拟合时,其一致性系数在春、夏、秋、冬各季节分别达到0.85、0.81、0.88及0.89,绝对误差分别在-60.2～64.3、-64.4～58.9、-39.6～32.8、-37.0～25.1 mm之间,相对误差分别在-20.1%～36.7%、-22.1%～32.1%、-18.0%～22.9%、-23.9%～24.6%之间。【结论】新乡地区年尺度ET_0序列在1985―2004年间显著减小,均值生成函数模型在对年及各季节尺度ET_0序列进行拟合时整体效果较好,因此,可通过其进行年及季节尺度ET_0序列的估算,且其在秋、冬二季的拟合效果明显好于春、夏二季。     

Venlo型温室内参考作物蒸散量计算方法比较研究

【目的】明确温室内参考作物蒸散量(ET_0)计算方法。【方法】通过实测Venlo型温室内气象数据,并对FAO-56Penman-Monteith(FAO-56 P-M)中隐含的空气动力阻力r*a进行修正,以修正后的Penman-Monteith法作为计算温室内ET_0的标准方法,对其他4种常用的ET_0计算方法:FAO-56 P-M法、FAO-24 Penman法、Irmak-Allen(I-A)法、Priestley-Taylor(P-T)法进行了对比分析。【结果】试验期间温室内日ET_0变化范围为0.49~6.04 mm/d,平均为2.43mm/d;4种计算方法与Penman-Monteith(P-M)修正法均具有良好的线性关系(R20.90),FAO-24 Penman法与P-M修正法计算结果最为接近(RMSE=0.40 mm/d,NSE=0.93),其次为I-A法(RMSE=0.67 mm/d,NSE=0.81)、P-T法(RMSE=0.76 mm/d,NSE=0.76),而在大田条件下广泛应用的FAO-56 P-M法表现最差(RMSE=1.18 mm/d,NSE=0.41)。【结论】4种ET_0计算方法中,I-A法应用最简便,可作为气象资料短缺条件下该地区温室ET_0的简化计算方法。     

气候变化对江苏省未来水稻灌溉需水量的影响

未来我国的气候将继续向变暖的方向发展,最终可能影响水稻需水量与可供水量,成为限制我国水稻生产的主要因素之一。以江苏省为例,利用HadCM3模式A2与B1排放情景下基准期(1961-2000年)以及未来逐月平均气温和降水数据,计算比较了江苏省未来水稻生育期参考作物腾发量ET0、灌溉需水量IR变化规律。结果表明,两种情景ET0、IR总体上均呈上升趋势,且随着时间的推移,变化幅度都呈递增变化,其中A2情景变化幅度更大;IR高值区均位于江苏省北部,空间上大致呈由北至南递减分布;IR增幅最大的时段均在2071-2100年。根据IR在不同地区的变化趋势,提出了相应的灌溉管理应对策略,以期为江苏省水稻生产应对气候变化提供科学依据,降低气候变化对水稻生产的负面影响。     

艾比湖流域潜在蒸散量时空变化特征

潜在蒸散发是衡量气候变化下区域水热资源演变的重要参数。利用艾比湖流域10个气象站1961-2012年逐日气温、降水、日照时数、风速、相对湿度等资料,计算了该流域近52 a潜在蒸散量(ET_0),并分析了其时空变化特征。结果表明:(1)艾比湖流域年、春季、夏季和秋季的ET_0都呈增加趋势,冬季ET_0呈减少趋势。年ET_0增势为0.93 mm/a,在1987年发生增加突变并存在15 a左右的变化周期。(2)艾比湖流域春季、夏季、秋季和年ET_0空间分布总体都表现为北部大于南部,而冬季ET_0在空间上自西向东逐渐减少。变化趋势上,艾比湖流域年、春季、夏季和秋季的ET_0表现为中部增势强于南部和北部;冬季中部减势强于流域南部和北部。(3)年代变化上,20世纪60-80年代ET_0空间上都呈减少趋势,20世纪80年代-21世纪初呈增加趋势。其中80年代ET_0最小,2001-2012年ET_0最大。(4)气候因子与ET_0的变化密切相关,但在突变前后存在差异;其中气温对ET_0的影响最大。该研究可为气候变化下干旱半干旱区水热演变的研究以及流域尺度的生态环境保护和管理提供借鉴。     

Hargreaves法在岷江源区适用性及未来参考作物蒸散量预测

本文利用岷江源区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C_0进行修正,建立基于月尺度的参考作物蒸散发公式,结合RegCM4.0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 56Penman-Monteith月值之间均方根误差RMSE为3.76mm、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5.6mm/(10a)。     

气候与种植结构变化对温室气体排放及灌溉需水的影响

针对气候变化和种植结构调整对黄淮海地区农业生产作用不明晰的问题,基于反硝化分解模型(Denitrification-decomposition, DNDC),采用情景分析法评估了气候与种植结构变化对黄淮海地区农业温室气体(CO₂、CH₄和N₂O)排放和灌溉需水量的影响。结果表明：从1995年到2015年,研究区气候向暖湿化方向发展,其中年均最高温度无显著变化,年均最低温度上升0.7℃,年降水量增长46.5 mm; 1995年研究区玉米、小麦和水稻种植面积分别约为7.9×10⁶、1.4×10⁷、2.9×10⁶ hm²;2015年3种作物种植面积均增大,而水稻、小麦种植比例减小。气候变化影响下,黄淮海地区农业温室气体排放增加,灌溉需水量小幅减小。与1995年相比,2015年CO₂、CH₄、N₂O排放强度分别增长至3 730.5、443.2、5.9 kg/hm²     

河南省参考作物蒸散量时空分布特征及主要成因分析

根据1951—2016年河南省10个典型气象站点逐日气象资料,利用Penman-Monteith模型计算了参考作物蒸散量,通过Mann-Kendall检验、克里金插值分析、通径分析等方法,对河南省近66 a参考作物蒸散量的时空变化特征及主要影响因素进行了分析.结果表明:河南省整体ET_0随年际变化呈下降趋势,降幅约为1.37 mm/a,其中安阳、洛阳、郑州、商丘、许昌、宝丰、西华和驻马店等地ET_0下降趋势显著;河南省ET_0曾在20世纪80年代初期经历了由高至低的突变,降幅约为62 mm/a;近66 a来,河南省年参考作物蒸散量介于917~1 007 mm之间,中部地区即郑州市南部、许昌市西北部参考作物蒸散量较大,而在东南部即西华、宝丰、商丘和驻马店,参考作物蒸散量较小;突变前后ET_0空间分布差异显著,且四季ET_0空间分布差异明显,其中春季和夏季分布特征与全年分布较为接近;对ET_0构成主要影响的气象因子排序依次为风速、日照时数、平均相对湿度和平均温度;风速、日照时数和平均温度与ET_0呈正相关,平均相对湿度与ET_0呈负相关.该研究可为河南省农田水分管理提供科学依据.     

滴灌对农田N2O排放影响的研究进展

灌溉作为调控土壤水分状况的重要措施,直接影响农田温室气体的排放过程。滴灌是一种高效节水灌溉技术,其对温室气体排放的影响受到广泛关注。通过查阅大量文献,综合分析了滴灌对农田土壤N2O排放影响的研究进展与发展趋势。文献资料显示,滴灌通过调控土壤湿度和温度环境,改变土壤微生物菌群和土壤中气体传输速度,进而影响土壤N2O的产生以及排放速率;与其他灌溉方式相比,滴灌不破坏土壤结构,土壤内部水、肥、气、热条件稳定,适宜于作物生长,有利于土壤有机氮的矿化。但目前滴灌条件下温室气体排放的空间异质性和多种温室气体的同步定量研究等方面仍存在一些不足(例如:滴灌条件下土壤干燥区和湿润区N2O排放通量间差异研究和不同种类温室气体的同期影响研究)。今后,要加强监测滴灌下多种温室气体同期排放和不同土壤区域N2O排放差异,加强从分子水平探究滴灌模式下土壤微生物对N2O气体产生过程的作用机理等方面的研究,为构建环境友好型农业模式提供科学依据。     

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)。     

基于烟花算法优化极限学习机的温室参考作物蒸散量预测研究

为提高温室环境下参考作物蒸散量(Reference Crop Evapotranspiration,ET_0)的预测精度,提出烟花算法(Fireworks Algorithm, FWA)优化极限学习机(Extreme Learning Machine, ELM)的参考作物蒸散量预测模型,有效解决了极限学习机在数据预测过程中因随机输入权值矩阵和偏置矩阵导致的数据波动问题,提高了极限学习机的预测精度。以温室环境数据作为模型的输入,以参考作物蒸散量ET_0为输出,建立FWAELM模型,并将结果与ELM模型预测结果进行对比,结果表明,FWAELM模型的均方根误差、平均绝对误差和模型可决系数分别为:0.115 6、0.143 6、0.943 8,高于ELM模型的0.403 5、0.346 7和0.819 0,FWAELM模型预测精度较高。同时进行了气象参数缺失情况下的模型预测精度研究,结果表明参数在保留3个及以上时,模型的预测精度依然较高,适用于温室ET_0的预测研究。     

不同灌溉方法对宁夏葡萄园土壤二氧化碳和甲烷排放的影响

采用静态箱-气相色谱法对不同灌溉方法(滴灌、沟灌)及相应施肥管理下的葡萄园土壤CO_2和CH_4排放进行了原位观测。结果表明,2012年与2013年生长季之中,不同灌溉方法显著影响葡萄园土壤CO_2和CH4的排放。以滴灌替换沟灌后,2012年CO_2与CH4减排量分别达到(3 530.34±1 611.97)kg/(hm2·a)和(0.392±0.424)kg/(hm~2·a),2013年则分别达到(2 198.43±713.97)kg/(hm~2·a)和(0.136±0.192)kg/(hm2·a),且2012年与2013年不同灌溉处理间CO_2排放量均差异显著;若将宁夏全区沟灌葡萄园全部改造为滴灌葡萄园,则2012年和2013年GWP减排总量(以CO_2计)将达到7 077.14万kg与4 402.58万kg。滴灌能有效抑制土壤CO_2与CH_4的排放损失,更具温室气体减排潜力。     

汉江上游流域水文循环过程对气候变化的响应

气候变化对水资源的时空格局及水循环产生了不同程度的影响。以汉江上游流域为例,采用线性回归法、Mann-Kendall非参数检验等方法,分析了1961-2013年的水文气象要素变化特征;构建了分布式时变增益模型(DTVGM),验证了模型在该流域的适用性;根据CMIP5多模式集合平均的结果,分析了RCP4.5和RCP8.5情景下2011-2099年的降水、气温及径流的响应过程。结果表明,1961-2013年汉江上游流域年降水量随时间缓慢减少,气温显著上升,年均径流量显著减少;在两种气候情景下,未来该流域降水量较基准期有所增加,气温随时间将显著上升,径流量较基准期减少但是随时间呈现增加趋势。结果预示着在未来气候变化的情况下,汉江上游流域水文循环将受到较大影响,可能出现一定程度的水资源短缺。     

基于MEA-BPNN的中国西北旱区参考作物蒸散量预报模型

为有效提高西北旱区参考作物蒸散量(Reference crop evapotranspiration,ET_0)预报精度,在西北旱区选择5个代表性气象站点,构建10种基于思维进化算法(Mind evolutionary algorithm,MEA)优化的误差反向传波神经网络(Back propagation neural network,BPNN)ET_0预报模型,并将其与Hargreaves-Samani模型、Irmak模型和48-PM模型等3种在西北旱区ET_0计算精度较高的模型进行比较。结果表明:在不同输入的情况下MEA-BPNN模型模拟精度具有相对较高水平,其中MEA-BPNN1(输入最高气温T_(max)、最低气温T_(min)、相对湿度R_H、日照时数n和距地面两米高处的风速u_2)、MEABPNN2(输入T_(max)、T_(min)、n和u_2)及MEA-BPNN3(输入T_(max)、T_(min)、R_H和u_2)模型的R~2、NSE均大于0.96,RMSE、MAE也分别小于0.34、0.25 mm/d,以上3种MEA-BPNN模型的整体评价指标(Global performance indicator,GPI)排名分别为1、2、3;MEA-BPNN7(输入T_(max)、T_(min)和u_2)的R~2、NSE分别为0.966 2、0.962 2,RMSE、MAE分别为0.3610、0.276 1 mm/d,模拟精度较高;MEA-BPNN模型可移植性的分析表明:MEA-BPNN模型在西北旱区具有较强的泛化能力,基于不同站点数据构建的预报模型也有较高精度;在相同输入的情况下MEA-BPNN模型模拟精度均高于Hargreaves-Samani模型、Irmak模型和48-PM模型。因此,在气象资料缺乏情景下MEA-BPNN模型可作为西北旱区ET_0计算的推荐模型,可为实时精准灌溉预报的实现提供科学依据。     

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。     

基于DSSAT CERES-Wheat模型的未来40年冬小麦最适播期分析

在适播期内播种是促进小麦高产稳产的关键管理技术.为应对未来气候变化带来的不利影响,提高小麦高产优质主产区的冬小麦产量,本研究选取黄淮海和江淮地区作为研究区,并在研究区内选择3个代表站点,利用DSSAT CERES-Wheat模型在基准时段和未来40年分别开展了4种典型浓度路径的温室气体排放气候情景(RCPs)、51个播...     

节水灌溉对农田土壤温室气体排放的影响

农田是温室气体的重要排放源,如何通过有效的管理措施降低农田温室气体的排放成为当前应对气候变化研究的热点之一。不同灌溉方式导致土壤水分差异较大,进而引起温室气体排放的差异。[目的]系统总结分析不同节水灌溉方式对温室气体排放的影响效果有助于对节水灌溉方式优化选择及未来研究方向的聚焦。[方法]在前人研究基础上,进行文献搜集和整理,综述分析了节水灌溉方式对稻田和旱作农田温室气体排放的影响。[结果]与长期淹水相比,现有的水稻节水灌溉方式增加了稻田土壤CO2排放,增幅为20.83%~104.00%,平均增加48.40%,对N2O排放的影响有增加也有降低,其影响率范围为-41.30%~3078.41%,平均增加269.10%,但却显著降低了CH4的排放,降幅为14.19%~78.92%,平均降低51.66%。综合考虑稻田的全球净增温潜势(GWP),节水灌溉较长期淹水降低了稻田的GWP。与漫灌/沟灌相比,滴灌可改变旱作农田CO2和N2O排放及对CH4的吸收,其变化率范围分别为-31.19%~2.81%、-46.51%~52.56%和-150.00%~43.39%,平均分别降低12.84%、18.63%和24.93%。综合考虑旱作农田的GWP,由于N2O是旱作农田的主要温室气体,因此,滴灌降低了旱作农田的GWP。[结论]节水灌溉在节水的同时,还可降低农田温室气体排放的全球净增温潜势。基于研究现状,亟须对不同节水灌溉方式的温室排放效应及其机制开展定量研究。     

贵州省ET_0时空演变规律的成因分析

为了明确贵州省参考作物腾发量(ET_0)的时空变化规律及其驱动原因,利用贵州省19个气象站点1959-2015年的日气象数据,运用FAO-56PM公式进行ET_0的计算,分别采用MK趋势检验法、IDW插值法和偏导数计算法分析了贵州省多年ET_0的年际变化趋势、空间分布特征和ET_0变化的气象因子灵敏度分析,并结合多年相对变化率进行贡献率分析。结果表明:贵州省不同地区的多年ET_0表现出不同程度的变化趋势和分布特征,多年年平均ET_0为785~989mm,总体上呈现为由西南到东北递减的分布特征;贵州省ET_0对相对湿度最为敏感,但日照时数(即太阳辐射)是引起贵州省多年ET_0变化的主要驱动因子。对于贵州省ET_0呈现上升趋势的地区应根据其主导驱动因子采取相应的科学措施,以缓解该区域水资源的供需水矛盾,研究结果可为贵州省农作物种植结构调整和水资源的合理配置提供指导依据。