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。     

气象要素时间分辨率对参考作物蒸散估算的影响

参考作物蒸散(reference evapotranspiration,ET0)的准确估算是农业水资源合理利用的重要环节。为了明确气象要素不同时间分辨率对参考作物蒸散估算的影响,该文基于寿县国家气候观象台2007-2013年观测资料,将1min时间分辨率数据平均值作为真实值,分析了10、20、30、40、60 min、4次/d(02:00、08:00、14:00、20:00)和3次/d(08:00、14:00、20:00)这7种不同时间分辨率对逐日气温、风速、太阳辐射、相对湿度和日、月及年参考作物蒸散(ET0)估算的误差情况。结果表明:ET0和气象要素的误差整体上随时间分辨率降低而增大。4个气象因子中,日平均风速估算受时间分辨率变化的影响最显著,误差最大;其次是太阳辐射。逐日ET0估算在7种时间分辨率的平均绝对相对误差(mean absolute relative error,MAPE)依次为0.53%、1.01%、1.38%、1.72%、2.46%、4.72%和6.14%,表明10至60min时间分辨率的估算效果相较3次/d和4次/d有明显改善。10至40 min的绝对误差超过95%都在-0.20~0.20 mm/d区间内,误差较小且集中度高;太阳辐射时间分辨率变化对ET0估算误差贡献最大,其次是风速,这主要是由于两个要素本身对分辨率较敏感且分别是ET0辐射项和动力项的主要组成因子。时间分辨率的变化对累计后长时间尺度ET0的影响较小,月和年ET0的误差明显小于逐日ET0,月ET0在7种时间分辨率的MAPE值依次为0.13%、0.21%、0.27%、0.40%、0.50%、1.18%和1.48%;各年ET0相对误差(relative error,PE)的绝对值多数均小于0.50%。     

安徽省参考作物蒸散模型参数化

模型参数优化是准确估算参考作物蒸散(reference crop evapotranspiration,ET0)的关键问题之一。该研究基于安徽省81个地面气象站点1961—2011年逐日气象数据和合肥、武汉、南京、杭州和南昌5个辐射站1993—2011年的逐日辐射数据,评估日尺度的净长波辐射、气压和水汽压模型在安徽地区的适用性;并结合已有研究获得的最优逐日太阳辐射参数化估算模型,建立安徽省本地化逐日ET0模型的最优参数化方案,探讨模型参数优化对ET0估算的影响。结果表明:7种净长波辐射估算参数化方案中,邓根云法的精度最高,在安徽地区的适用性优于其他方案,建议作为安徽本地化方案使用;FAO56 Penman-Monteith公式中推荐的气压估算模型和基于实测平均气温和相对湿度估算水汽压的模型在安徽省基本适用,但该研究认为在资料能够获取的情况下直接使用实测值为最优。与基于实测资料计算的ET0相比,该研究建立的本地化最优模型估算的ET0在日、月和年尺度上的相对误差分别为15.5%、9.05%和6.12%,能较好地适用于安徽地区。FAO56 Penman-Monteith公式推荐的参数化方案由于高估了安徽地区的太阳辐射,低估了净长波辐射,导致其与基于实测资料计算的ET0值相比,在日、月和年尺度上高估ET0达40.0%以上,不推荐安徽地区直接使用。研究可为安徽省准确估算作物需水量、农业旱涝评估和合理调度水资源等提供依据。     

海南岛参考作物蒸散量时空变化特征及成因分析

根据海南岛18个气象站1971–2010年逐日气象资料和Penman–Monteith模型计算各站ET0,利用线性回归和ArcGIS空间插值技术分析年和四季ET0的时空变化特征,并采用敏感系数和气象因子的相对变化率相结合的方法对年和四季ET0变化成因进行分析。结果表明：海南岛18个市（县）年ET0均值为1191.4mm,其空间分布,除夏季外,年和其余各季ET0大致呈由东北向西南递增的趋势。近40a海南岛18个市（县）年ET0的气候倾向率均值为-5.0mm×10a-1,其中13市（县）为负值,5市（县）为正值。春、夏、秋、冬四季ET0的气候倾向率分别为-3.1、1.8、-0.7和-2.8mm×10a-1。总体来看,年ET0减少的区域主要是由于春季ET0减少所致,年ET0增加的区域主要是因夏季ET0增加之故。引起海南岛大部分地区年和春、夏、秋季ET0减少的主要原因是平均风速减小和日照时数的减少,冬季ET0减少除与平均风速减小、日照时数减少有关外,水汽压增加也是主要成因之一。年和四季ET0增加的区域主要是平均最高和平均最低气温升高。     

黄土高原降雨量空间插值精度比较——KRIGING与TPS法

 黄土高原地域广阔,降雨量时空分布复杂多变,插值方法将影响降雨量的时空变化特征分析,进而影响水文及土壤侵蚀模拟效果。采用黄土高原河龙区间及毗邻地区50余个气象站点20年(1981—2000年)的降雨量数据,分别利用KRIGING（克里金）和TPS（薄板光滑样条）方法对多年平均、年和月降雨量进行插值,对研究区内27个站点进行交叉验证,比较和分析其插值精度变化特征。结果表明：1）无论多年平均,还是年和月尺度,KRIGING与TPS方法降雨量插值结果都能正确反映河龙区间降雨量的空间变化趋势,2种方法交叉验证平均一致性指标（A）绝对值相差均在±0.01范围内,2种方法面平均插值精度均没有显著性差异。2）不同时间尺度的插值精度,KRIGING与TPS 2种插值方法的交叉验证平均一致性指标（A）均表现出多年均值优于4月约14%,优于年值约19%,优于7月约35%。     

基于反距离权重法的长江流域参考作物蒸散量算法适用性评价

为实现大区域尺度参考作物蒸散量(reference crop evapotranspiration,ET0)资料缺失情况下的准确计算,该文将长江流域划分为上、中、下游3个子区域,基于反距离权重法的新型空间展布方法得到3个虚拟站点分别代表每个子区域,利用长江流域102个站点1964-2013年近50a的逐日气象数据,根据FAO-56 Penman-Monteith(P-M)法、Hargreaves-Samani(HS)法、Irmark-Allen(I-A)法、Priestley-Taylor(P-T)法、Makkink(M-K)法、Penman-Van Bavel(PVB)法、1948年Penman(48-PM)法分别计算每个站点逐日ET0,并以P-M法为标准,利用Nash-Sutcliffe系数(CD)、逐日相对均方根误差(RMSE)、Kendall一致性系数(K)对其适用性进行评价,结果表明:在3个子区域6种ET0计算方法的日值与P-M法拟合方程确定系数R2均通过了极显著水平检验(α=0.01),长江上游P-T法ET0日值计算精度最高(ET0日值拟合方程斜率为1.030,RMSE=0.341 mm/d,CD=0.886,K=0.829),H-S法、I-A计算精度较低(ET0日值拟合方程斜率分别为1.427、1.308,RMSE=0.909、0.829 mm/d,CD=0.581、0.523,K=0.792、0.742),长江中、下游PVB法计算精度最高,P-T法计算精度次之,H-S法与I-A法计算精度较低;长江上游6种算法ET0月值的计算精度由高到低依次为P-T法、PVB法、M-K法、48-PM法、H-S法、I-A法,与P-M法的平均误差分别为0.27、0.35、0.51、0.48、0.74、0.78 mm/d;长江中、下游6种算法计算精度由高到低为PVB法、P-T法、M-K法、48-PM法、H-S法、I-A法;整个长江流域P-T法、PVB法与P-M法ET0计算结果相对误差均在35%以下,H-S法、I-A法计算精度较低,其相对误差基本高于40%;因此,PVB法与P-T法在整个长江流域的计算精度较高,可作为长江流域ET0简化计算推荐方法。     

四川地区参考作物蒸散量的变化特征及气候影响因素分析

参考作物蒸散量是估算作物需水量的关键因子,对指导农田灌溉具有重要的现实意义。本文利用1961-2009年四川地区5个盆地站点和5个高原站点的逐日气候资料,采用FAO推荐的Penman-Monteith公式计算参考作物蒸散量（ET0）,分析了当地ET0的日值、月值、季值和年值的变化特征,并采用偏相关分析方法,对影响ET0变化的主要气候因子进行了探讨。结果表明：（1）四川盆地与高原地区参考作物蒸散量的日均值、月均值呈单峰或双峰型曲线变化,有明显的季节特点,最小值出现在冬季,最大值出现在夏季。（2）盆地地区各站点的年ET0呈波动递减趋势,且下降趋势通过了显著性检验;高原地区木里、松潘两站点的ET0呈上升趋势,其他站点呈减少的趋势。（3）四川地区的年、季参考作物蒸散量与日照时数、风速、相对湿度、平均温度、最高温度、最低温度、气压等要素关系密切,但近50a来日照时数的显著下降是导致盆地地区参考作物蒸散量减少的主要原因,风速的变化是导致高原地区参考作物蒸散量变化的主要原因。     

基于涡度相关仪的蒸散量时间尺度扩展方法比较分析

蒸散量（ET,evapotranspiration）的时间尺度扩展是遥感反演区域ET的关键。为比较基于蒸发比、作物系数和冠层阻力的3种ET时间尺度扩展方法的估值效果,该文利用涡度相关仪实测的北京大兴区冬小麦3－6月份生育期内的ET数据,分析了蒸发比、作物系数和冠层阻力3种参数在日内的变异性并最终比较基于3种参数的ET时间尺度扩展方法的估值效果。结果表明,作物系数在日内变异性最小且其在3个时段的小时值最接近日均值,此外,对比3种方法的估值效果发现,基于作物系数的ET时间尺度扩展方法在3个时段表现效果均最优。对与具有相近气象、气候、下垫面条件和空间尺度数据的地区,推荐采用基于作物系数的时间尺度扩展方法开展从小时到日的ET时间尺度扩展。     

辽宁省凌河流域生长季参考作物腾发量变化及气候要素贡献分析

利用辽宁省凌河流域10个气象站1965-2006年的逐日气象资料,采用FAO推荐的P-M公式计算各站逐日参考作物腾发量（ET0）,在分析生长季（4-9月）各气象要素及ET0变化趋势的基础上,用基于敏感系数的贡献值法探讨各气象要素变化对ET0变化的贡献。结果表明：近42a来,凌河流域生长季ET0以21.46mm·10a-1的速率极显著降低（P＜0.01）,平均值为706.73mm,其中最大值发生在5月,最小值发生在9月;ET0高值区集中在朝阳和北票等地,低值区位于义县一带。研究区生长季太阳辐射以0.293MJ·m-2·d-1·10a-1的速率递减;除阜新外其余各站风速均呈极显著下降趋势（P＜0.01）;在全球气候变暖的背景下,过去42a凌河流域生长季平均气温以0.289℃·10a-1的速度上升,其中4月和9月变化显著（P＜0.05）,7月相对稳定。研究区生长季相对湿度变化不大。敏感性分析结果表明,流域内生长季平均ET0对各气象要素变化的敏感性大小依次为太阳辐射＞相对湿度＞风速＞温度,但在研究时段内,显著变化的风速对ET0变化贡献最大,其次为太阳辐射,温度对ET0变化的贡献最小。太阳辐射和风速变化对ET0变化的贡献在流域西部较大,而在东部较小;温度变化对ET0变化的贡献总体上表现为由流域中部向东西两端递减;相对湿度变化对ET0变化的贡献在空间分布上较分散。     

鲁中地区参考作物蒸散量时空变化特征及主要气象因子的贡献分析

基于1980-2014年鲁中地区气象资料,采用Penman-Monteith模型计算该区域近35a的参考作物蒸散量（ET0）,分析不同时间尺度ET0及主要气象因子的时空变化规律,并利用基于敏感系数的贡献率法探讨主要气象因子对不同时间尺度ET0变化的贡献。结果表明：鲁中平原地区近35a年ET0平均值为1165.8mm,山区为1144.6mm,均呈减少趋势,且平原减少趋势极显著,其气候倾向率为-22.2mm·10a-1（P＜0.01）;季节ET0平均值由多到少依次为夏季、春季、秋季和冬季,春季呈增加趋势,其它季节呈减少趋势;6月是ET0最大的月份,1月为最小的月份,其年内分布呈抛物线状;各时间尺度ET0变化主要空间分布基本同步。年、季ET0对相对湿度的变化最敏感,且呈增加趋势,月ET0对主要气象因子变化的敏感性随月份呈现不同规律,3-6月、9-10月的最敏感气象因子为相对湿度,1-2月、11-12月为风速,7-8月为日照百分率。从主要贡献率看,年ET0变化的主要贡献因子为风速,各季、月ET0变化的主要贡献因子不一,但平原和山区两种地形同一时段主要贡献因子基本一致,4个主要气象因子的总贡献率基本能解释各时间尺度ET0变化的原因。     

西北旱区参考作物蒸散量空间格局演变特征分析

利用西北旱区124个站点10a逐日气温、相对湿度、日照时数和风速资料,采用FAO的Penman-Monteith和Kriging方法对参考作物蒸散量进行估算和空间化,分析2000-2009年作物生长季(4-9月)参考作物蒸散量年际变化≥0.4mm区域质心的空间迁移规律。结果表明,作物生长季(4-9月)年际日均蒸散量变化≥0.4mm地区的质心整体经历从西到东两次波动,最后定位在中东部,质心迁移路径空间变化表现为由较发散变为较集中,然后到较发散;从各月年际变化上看,4月质心迁移平面距离最长,其次为7、9、6、8月,5月最短;迁移方向没有明显变化规律,各月质心最后到达位置各不相同,但是都处于内蒙古地区。近10a(2000-2009年)来,4-9月参考作物年际日均蒸散量变化≥0.4mm区域的面积呈现一定的增加趋势,其中4、6、9月的波动较大,年际变化趋势不明显,而5、7、8月面积变化曲线呈稳定增加趋势(P<0.05)。8月蒸散量对平均温度正向敏感的站点最多,敏感性较高的站点主要分布在中部和南部地区,其次是日照时数,蒸散量对相对湿度敏感的站点最少。研究结果对农业旱情监测、水资源管理和评价具有重要意义。     

基于天气预报的漳河灌区参考作物腾发量预报方法比较

为了提出适合湖北省漳河灌区的参考作物腾发量预报方法,以FAO56-Penman-Monteith公式采用历史气象数据计算出的值为基准,利用天气预报数据,比较Hargreaves-Samani(HS)法、逐日均值修正法及该文改进的逐日均值修正法在该灌区钟祥站点的预报精度,并评价各方法适用性.结果表明:利用这3种方法进行参考作物腾发量预报时,1~7 d预见期平均绝对误差均值分别为0.75、0.80、0.76 mm/d,均方根误差分别为1.00、1.07、1.05 mm/d,相关系数分别为0.82、0.80、0.80.1 d预见期最优预报方法为改进逐日均值修正法,2~7 d预见期的最优方法均为HS法.总体而言,预报精度最好的为HS法、改进逐日均值修正法次之、逐日均值修正法最差.对于漳河灌区,建议采用HS法进行预报,可为灌溉预报提供较为准确的数据基础.     

黑龙港流域参考作物蒸散量的时序变化和分形特征

利用位于黑龙港流域的武强、深泽、饶阳、晋州、献县5站1957-2009年日最高气温、日平均气温、日最低气温、日平均相对湿度、日平均风速、日照时数资料,采用Penman-Monteith算法,计算各站不同时间尺度ET0,采用线性趋势分析法分析其趋势倾向,并应用滑动R/S分析方法研究该流域不同时间尺度ET0时间序列的分形特征。线性趋势分析显示,各站历史上自1957年以来的ET0年总值的气候倾向率在-33.81-10.79mm.10a^-1,即均呈下降趋势,但变化倾向率不同;各月ET0倾向率在-11.27-2.02mm.10a^-1,大多数为负值,其中5、6月份各站的下降趋势最大;春、夏、秋、冬季ET0倾向率为-15.87-1.30mm.10a^-1,且夏季各站之间的差异较大,尤以饶阳站与其他4站间的差异最大。气候要素倾向率的对比分析表明,5站参考作物蒸散量总体下降趋势的基本特征主要是由于风速下降、日照时数减少、日最高最低气温上升造成的;5、6月份下降趋势明显则主要是由于风速下降、日照时数减少、日平均气温上升减缓、相对湿度上升明显造成的;饶阳站与其他4站差异较大的主要原因在于2、3、11、12月风速下降和日照时数减少以及日最高最低气温上升趋势减缓、相对湿度和气压下降明显,以致这些月份的ET0倾向率大于0,形成秋季和冬季ET0倾向率大于0,年尺度ET0年际变化下降趋势不明显。R/S分析结果显示,5站全年和各季ET0时间序列的Hurst指数均大于0.5,相关系数均在0.98以上,分维数均小于1.5,说明各站全年和各季节ET0时间序列变化趋势在未来一段时间内具有持续性,即ET0在未来将呈较明显的下降趋势,这种趋势在除饶阳外的其他站月均有不同程度的表现。     

北疆地区生长季参考作物蒸散量的时空变化特征及其敏感性分析

基于北疆地区20个气象站点1966-2012年逐日气象数据,采用Penman-Monteith公式计算各站生长季逐日参考作物蒸散量(ET0),利用线性趋势分析、M-K突变检验、因子贡献率、敏感系数等方法,对该地区ET0的时空变化规律及其对气象要素的敏感性进行分析。结果表明,北疆地区生长季ET0多年平均值为939.43mm,47a间以16.30mm×10a-1的速率呈极显著下降趋势（P水汽压>风速>日照时数。水汽压升高、风速减小、日照时数减少对ET0的减小作用超过温度上升对ET0的增大作用,是导致近47a北疆地区ET0总体呈下降趋势的根本原因。     

基于气候和土壤水分综合适宜度指数的冬小麦产量动态预报模型

利用河北省16个农气观测站1981-2010年逐日气象资料、土壤水分观测资料、冬小麦生育期观测资料、灌溉记录和8个冬小麦主产市产量资料,根据土壤水分平衡原理和模糊数据理论,建立了综合反映冬小麦生长期气象条件和土壤水分状况的气温-日照-土壤水分适宜度评价模型,并以旬为时间步长,建立了基于气温-日照-土壤水分适宜度指数的冬小麦产量动态预报模型.结果表明,气温-日照-土壤水分适宜度指数克服了气温-日照-降水适宜度指数仅考虑水分状况中降水条件的不足,能够客观反映冬小麦生长期的气象条件和土壤水分状况,与冬小麦产量变化量呈极显著相关(P＜0.01),相关性高于气温-日照-降水适宜度指数;动态产量预报模型对1981-2008年历史拟合检验和2009-2010年预报试验的平均相对误差分别为6.1％和1.2％,误差较小,表明建立的冬小麦产量动态预报模型能够满足业务需求,具有较高应用价值.     

1960-2009年青海省极端气温事件的变化特征

利用1960-2009年青海省26站的最高和最低气温资料,采用线性倾向估计法、反距离加权法、M-K突变检测和Morlet小波分析等方法,研究青海省50a来极端气温事件的时空变化特征。结果表明,青海省冷夜和冷日数分别以-0.80和-0.32d.a-1的趋势显著减少(P<0.01),暖夜和暖日数分别以0.66和0.47d.a-1的速度显著增加(P<0.01),但空间差异明显。研究还表明,青海省近50a来冷夜(日)和暖夜(日)数发生了明显的突变(P<0.01);冷夜(日)和暖夜(日)数在一定的时间序列中存在不同周期变化,且周期反映比较明显。随着气候变暖,青海省"暖冬"事件将继续增多,作物生长季也将随之延长,农业生产要采取相应的措施应对。     

淮河流域参考作物蒸散量变化特征及主要气象因子的贡献分析

利用淮河流域171个站点1971-2010年的气象资料,采用FAO Penman-Monteith公式计算该区近40a的参考作物蒸散量（ET0）,并对ET0的时空分布特征和影响因子进行定量分析。结果表明：淮河流域年ET0为898mm,近40a总体以17.5mm/10a的速率减小（P〈0.05）;空间分布显示西北部大部站点ET0呈显著下降趋势（P〈0.05）,仅东南部个别站点呈显著上升趋势（P〈0.05）。各气象因子对ET0变化的贡献表现为两方面,即ET0对气象因子的敏感性和气象因子的多年相对变化率,在4个主要因子中（平均温度、相对湿度、日照时数和风速）,ET0对相对湿度的变化最敏感（敏感系数最大）,而风速的多年平均变化率最大。从各因子的贡献率看,对ET0贡献最大的是风速,平均温度的贡献最小,4个因子对ET0变化的总贡献率为-4.96%,总贡献率为负在很大程度上解释了ET0呈下降趋势的原因。     

东北地区参考作物蒸散量对主要气象要素的敏感性分析

利用国家气象局提供的地面气候资料日值数据集,通过FAO推荐的Penman-Monteith公式计算了东北地区1961-2008年生长季(5-9月)逐日的参考作物蒸散量(ET0),分析了ET0及主要气象要素的变化趋势,并通过响应曲线、敏感矩阵、敏感系数等方法分析了ET0对气温、日照时数、平均风速、平均相对湿度的敏感性。结果表明:(1)近50a来,东北地区的气温呈极显著上升趋势(P0.01),日照时数、平均风速、平均相对湿度呈极显著下降趋势(P0.01);东北地区生长季平均日ET0在以3.60mm.d-1为平均值、±0.3mm.d-1的范围内波动,总体上比较稳定,最大值出现在2001年(3.87mm.d-1),最小值出现在1990年(3.28mm.d-1);(2)当气温、日照时数、平均风速的变化量从-20%变化到20%时,ET0表现为逐渐增加的趋势,当平均相对湿度的变化量从-20%增加到20%时,ET0则逐渐减小;(3)气温、日照时数、平均风速、平均相对湿度的生长季平均日敏感系数均具有较强的空间分异特性,其中气温变化对ET0的影响最为明显,其次是平均相对湿度,日照时数、平均风速对ET0的影响较小。