Penman-Monteith公式与FAO-PPP-17 Penman修正式计算参考作物蒸散量的比较

本文以田间试验资料为基础,建立了一个农田水量平衡模型,模型中根系吸水项采用 DeJong 吸水函数,用农田潜在蒸散量乘以土壤水分胁迫系数计算农田实际蒸散量,降水或灌水后进入土壤每层的水量选用一个雨水分配模型。利用模型模拟的结果研究了冬小麦和夏玉米农田的水分变化规律,并计算了农田实际蒸散量和土壤分层根系吸水量。     

六安市参考作物蒸散量变化规律

通过采用彭曼-蒙蒂斯(Penman-Monteith)公式,计算了六安市参考作物蒸散量,并对参考作物蒸散量的月际、年际变化规律进行分析,以期为水利工程规划设计及节水农业提供科学依据。     

山丹参考作物蒸散量的变化研究

本文以国家地面台站山丹站1955-1998年的气象观测资料为基础,用FAO推荐的FAOPenman-Monteith公式估算了山丹地区的参考作物蒸散量(ET0)。结果表明:山丹地区多年平均ET0为1184.3mm,日均3.23mmd-1。ET0全年的变化呈现出“两头小,中间大”的态势。ET0在3月迅速增大,4月增大幅度最大,此后ET0进一步增大直到6月达到最大,随后ET0逐步减小。     

新疆参考作物蒸散量空间变化规律研究

为全面了解参考作物蒸散量的空间变化对作物种植和生态环境的影响,本文运用相关系数法、一元线性方程及GIS空间分析功能,分析了新疆59个气象站近60年的月参考作物蒸散量在不同经纬度、海拔区的变化规律及空间分布特征。研究结果表明：在不同经度区, 3-10月的月参考作物蒸散量与经度之间呈正相关关系,其余各月与经度之间呈负相关;在不同纬度区,5-9月的月参考作物蒸散量与纬度之间成正相关关系,其余各月与纬度呈负相关关系;在不同海拔高程区,4月和9月的月参考作物蒸散量与海拔高程呈显著负相关、5-8月呈极显著负相关关系;11-3月的参考作物蒸散量与海拔之间呈正相关关系,其中3月相关性最低,可以忽略。从整体空间分布看在不同的经度区,4-10月从低经度到高经度（从西到东）相关性逐渐增加,2,3,11,12月参考作物蒸散量从高纬度到底纬度（从北往南）逐渐增加最明显;1月大部分地区亦是从高纬度到低纬度呈增加趋势,为此可得出新疆月参考作物蒸散量在不同的经纬度、海拔区存在明显的空间区域差异。     

参考作物蒸散计算方法及其评价

介绍了符合Penman-Monteith公式要求的参考作物蒸散的新定义，对比了该公式和FAO－17Penman修正式的基本方程和主要参数的异同。应用辽宁33个气象站30a的平均气象资料，分别计算了作物生育期内（月）平均参考作物蒸散量，结果表明，两者既具有一定的差异，又呈显著的线性相关，产生差异的主要原因是由幅射项引起，建议国内推广应用标准化的Penman-Monteith公式计算参考作物蒸散量，并以此作为确定新的作物系数和校准其它经验公式的标准。     

几种计算参考作物蒸散量的模型在湖南的适用性研究

[目的]探讨几种计算参考作物蒸散量的模型在湖南的适用性。[方法]利用衡阳站的日气象观测资料,对4种常用参考作物蒸散量模型的计算结果与小型蒸发皿实测值进行月平均值的比较、相关分析及均方差、平均偏差分析。[结果]4个模型计算的月平均值与实测值的变化趋势基本一致。由Penman-Monteith模型计算出的参考作物蒸散量与实测值变化趋势的一致性最好,线性相关较好,与实测值偏差最小。能较好地反映当地作物蒸散变化的实际。[结论]Pemmn-Monteith模型在湖南的适用性较好。     

改进FAO双作物系数法估算夏玉米蒸散量

为了更加准确地估算淮北平原夏玉米(Zea mays L.)蒸散量,基于安徽省蚌埠市五道沟水文试验站实测的叶面积指数数据,对FAO双作物系数法中的基础作物系数(K_(cb))和土面蒸发系数(K_e)的计算方法进行改进;并以2016、2017两年基于蒸渗仪实测的夏玉米蒸散量对FAO双作物系数法和改进双作物系数法的估算结果的准确性进行评估。结果表明,改进双作物系数法在夏玉米各生长阶段及全生育期的估算结果准确性都高于FAO双作物系数法;改进双作物系数法在夏玉米拔节期至抽雄期的蒸散量计算中改进效果最为明显。说明改进双作物系数法更适用于淮北平原夏玉米蒸散量的估算。     

内蒙古参考作物蒸散量时空变化特征

利用内蒙古地区50个站点1959~2009年逐日气象资料,采用FAO56 Penman-Monteith方法计算出逐年参考蒸散量,探讨参考作物蒸散量的年际变化特征,运用ArcGIS软件分析参考作物年均蒸散量的空间分布规律,并分析其与气象因子的相关性。结果表明,51年间,内蒙古自治区的参考作物年蒸散量变化速率为-15~42 mm/(10年);全区的参考作物年均蒸散量从东北部向西部方向呈逐渐增大的趋势;风速和太阳总辐射量是影响参考作物蒸散量变化的主要因子。     

山东省参考作物蒸散分布研究

根据山东省20个气象观测站点的44年的观测资料,利用FAO推荐的Penman-Monteith公式计算各站各年各月的ET0值,根据山东省的等值线分布图分析ET0的时空分布规律,最后得出:ET0的月际变化较大,6月份最大,1月份最小,存在1个高值区、4个低值区、2个季节性高低区。ET0的年际变化在不同的站点也呈现不同的变化趋势。温度对ET0的影响最大。     

澳大利亚参考作物蒸散量变化及影响因素分析

[目的]探讨参考作物蒸散量在全球气候变化环境中的区域响应形式及其影响因素。[方法]利用Penman-Monteith方程计算澳大利亚1998～2007年的参考作物蒸散量(ET0),通过GIS方法分析ET0的时空变化特征并探讨ET0与主要气候因子的关系。[结果]①多年平均ET0呈半环状分布,自东、南2面向西北部和内陆逐渐增加,与气候带分布具有较高的空间一致性;②全区平均ET0约1750mm,2000年取得最小值(1647.97mm),2002年取得最大值(1851.45mm);③ET0按夏、春、秋、冬的顺序递减,1、12月ET0最高,分别为200.42和201.24mm,6月最低,为79.55mm;④ET0与平均气温、太阳辐射量呈正相关,确定性系数分别为0.83、0.94,与平均相对湿度呈负相关关系,与降水量没有明显的相关性。[结论]该研究为澳大利亚的作物需水量研究及灌溉措施的制定提供了参考。     

应用Penman - Monteith简化公式计算极端干旱区参考作物潜在腾发量

[目的]用Penman - Monteith(P -M)简化公式代替标准的Penman - Monteith公式计算参考作物的潜在蒸腾量.[方法]通过2008 -2010年鄯善试验站的气象资料,对Penman - Monteith简化公式(忽略饱和差项)计算的参考作物潜在腾发量(ET0)与FAO推荐的P-M公式计算的参考作物潜在腾发量(ET0(PM))进行比较.[结果]Penman - Monteith简化公式计算的ET0年值略小于Penman - Monteith公式计算的年值,其绝对偏差为75 ～114 mm,相对偏差为10.5; ～14.3;,变异系数分别为0.04和0.06,简化公式的计算稳定性略好于标准的PM公式.两种方法计算的参考作物潜在腾发强度的月变化相近,统计分析的标准差分别为0.80和0.83,变异系数分别为0.23和0.2.空气动力学项中的饱和差项是Penman - Monteith简化公式和标准Penman - Monteith公式的主要差别,通过回归分析表明两种公式计算的参考作物潜在腾发量具有显著的线性相关性,各月a值很接近,差值最大为0.08,最小仅为0.0041,较好的说明了空气动力学项中的饱和差项对参考作物潜在腾发量的影响较小.[结论]在极端干旱区可利用Penman - Monteith简化公式代替标准的Penman - Monteith公式计算参考作物的潜在蒸腾量.     

基于深度学习的参考作物蒸散量预测模型

为了科学准确预测参考作物蒸腾量(ET₀),提高预测精度,减少输入变量的数量,从而降低智能节水灌溉系统的建设成本,采用深度学习和人工神经网络方法分别建立ET₀智能预测模型,采用局部敏感性分析、模糊曲线和模糊曲面等方法研究ET₀预测中各输入变量对预测结果的影响,以影响因子大小为依据,构建8种不同气象因子输入组合,利用日照气象站的逐日气象资料,对采用不同方法和不同输入变量组合的预测模型进行训练和测试,并以彭曼公式的计算结果作为参考,对预测模型的性能进行评估。结果表明,在以完整变量作为预测输入时,深度学习预测模型R²为0.980,高于人工神经网络模型(0.963),获得了更高的预测精度;而在缺省输入变量的ET₀预测中,深度学习预测模型的性能均优于人工神经网络,以平均温度和日照时数作为输入变量的深度学习预测模型R²仍达到0.935,表明在仅有少量气象参数的情况下,深度学习预测模型仍能获得较好的预测结果。综合分析R²、RMSE、RMSRE、MRE...     

澳大利亚参考作物蒸散量变化及影响因素分析

[目的]探讨参考作物蒸散量在全球气候变化环境中的区域响应形式及其影响因素。[方法]利用Penman-Monteith方程计算澳大利亚1998～2007年的参考作物蒸散量（ET0）,通过GIS方法分析E瓦的时空变化特征并探讨了E瓦与主要气候因子的关系。[结果]①澳大利亚多年平均E瓦呈半环状分布,自东、南两面向西北部和内陆逐渐增加,与气候带分布具有较高的空间一致性;②全区平均E瓦约1750mm,2000年取得最小值（1647．97mm）,2002年取得最大值（1851．45mm）;③E死按夏、春、秋、冬的顺序递减,1月、12月E瓦最高,分别为200．42mm、201．24mm,6月最低,为79．55mm;④Er,0与平均气温、太阳辐射量正相关,确定性系数分别为0．83、0．94,与平均相对湿度呈负相关关系,与降水量没有明显的相关性。[结论]该研究为澳大利亚的作物需水量研究及灌溉措施的制定提供了参考。     

河南省参考作物蒸散量季节变化及其成因分析

利用河南省99个气象站1965—2018年逐日气象资料,采用Penman-Monteith公式计算逐日参考作物蒸散量,利用气候倾向率、相关分析和偏相关分析等方法分析河南省参考作物蒸散量的季节变化特征,并对其主要影响因子进行探讨。结果表明,季参考作物蒸散量呈减少趋势,各季节参考作物蒸散量的气候倾向率绝对值由大到小依次为夏季、秋季、冬季、春季。春季参考作物蒸散量为北高南低的纬向型分布,夏、秋2季均为东高西低的经向型分布。风速的减小和日照时数的缩短是河南省参考作物蒸散量减少的主要原因。     

聊城市参考作物蒸散量的多时间尺度特征及影响因子

为聊城市估算和科学分析作物需水量提供依据,选取1961—2015年聊城市8个气象观测站点的逐日气象资料,应用Penman-Monteith法计算该地区参考作物蒸散量(ET0),并与气象因子进行相关性分析。结果表明:参考作物蒸散量的日值为3.04mm,年内极大值呈下降趋势,极小值呈上升趋势;月值1月最小(30.88 mm),6月最大(164.48 mm);春、夏、秋、冬各季值分别为332 mm、435 mm、237 mm和102mm;年值为1108mm;不同尺度的参考作物蒸散量呈下降趋势。参考作物蒸散量与日气象因子气温、风速、日照时数呈正相关,与相对湿度呈负相关,其中与最高气温的典型相关系数最高,达0.841 3。不同尺度的参考作物蒸散量下降的主要影响因素为平均风速和日照时数。     

四川冬春季参考作物蒸散量时空变化及其成因

为深入认识四川冬春季参考作物蒸散量(ET₀)的变化特征,利用1980—2016年四川35个气象站的逐日气象观测资料,采用泰森多边形、气候倾向率和克里金空间插值等方法对其冬春季ET₀的时空变化特征进行分析,并通过敏感性和贡献率分析了ET₀的变化成因。结果表明:ET₀的年代际变化呈先降后增的趋势,空间上呈明显的西南高东部低的分布特征,且高值区范围持续扩大,低值区范围波动缩小。ET₀的年际变化呈上升趋势,春季ET₀气候倾向率和空间差异明显大于冬季,且ET₀高值区与低值区空间分布受海拔高度影响明显。ET₀的同一日多年平均值自初冬至初春逐渐上升,1月22日—5月2日仅有8 d的ET₀值低于多年日平均值,具有明显连续的高值时段。ET₀对日照时数的变化最敏感,其次是对相对湿度与平均气温,对三者均呈高敏感性。平均气温的正贡献率是引起ET₀变化的主导因子,其次是相对...     

基于云模型的甘肃省参考作物蒸散量变化特征及影响因子

为了深入认识甘肃省参考作物蒸散量(ET0)的变化特征,解决该地区水资源供需矛盾,利用甘肃省29个气象测站1951~2013年的日气象资料分析甘肃地区ET0年、季的时间变化趋势.依靠处理定性概念与定量描述不确定转换的云模型,对ET0时间变化特征和影响ET0的气象因子进行了分析,同时采用通径分析方法,对影响ET0变化的气象因子进行了探讨.结果表明:河西半干旱区、陇中半干旱区、陇东半湿润区、陇南湿润区4个分区ET0在近63a均表现为持续性的上下波动.ET0在时间尺度上分布较为均匀、稳定.季节分布呈现出夏季春季秋季冬季的分布态势.离散性方面秋、冬季最均匀,夏季最不均匀;稳定性则是冬、春季好于夏、秋季.年际变化来看,平均气温对ET0的直接作用最大,平均相对湿度和日照时数对ET0的间接作用最大.不同季节气象因子分析表明,春、秋、冬3个季节对ET0直接作用最强的气象因子为平均气温,夏季对ET0直接作用最强的气象因子为平均相对湿度;间接作用显示,春、秋季对ET0间接作用最强的气象因子为平均相对湿度,夏、冬季则分别为日照时数和平均气温.     

深圳市3种灌木单株蒸散量及作物系数的研究

[目的]测定深圳市3种常见灌木在不同灌水梯度下的蒸散量,并确定其作物系数,为深圳市园林灌木的合理灌溉提供理论依据。[方法]盆栽试验,4种灌水梯度分别为田间持水量的45%-30%、60%-45%、75%-60%和90%-75%。利用称重法测定4种灌水梯度下3种灌木的实际蒸散量,同时利用Makkink方法计算参考作物蒸散量,确定3种灌木的作物系数。[结果]3种灌木的蒸散量均随灌水梯度的增加而增加,灌水量多,蒸散量就多。金叶假连翘和龙船花的蒸散量曲线呈现单峰型,变叶木的蒸散量曲线呈现双峰型。3种灌木的蒸散量排列顺序为：金叶假连翘〉变叶木〉龙船花。变叶木、金叶假连翘、龙船花作物系数的变化范围分别为0.97-1.82、0.95-2.17、0.90-1.58。[结论]确定3种灌木在不同月份和不同灌水梯度下的蒸散量和作物系数。     

蒸散量变化的随机模型

根据参考作物蒸散量时间序列的随机变化特征，本文探讨了建立蒸散量变化的自回归滑动平均（ARMA（p，q）模型的方法。应用矩估计法对模型作初步估计，用最小二乘法对ARMA（p，q）模型参数作精估计，模型最佳阶数判别采用AIC准则。结果表明，蒸散量的随机变化特征可用ARMA（1，1）模型描述。最后，根据建立的模型对蒸散量进行了预测。