不同蒸散量时间尺度提升法用于节水灌溉稻田的对比分析

蒸散量(ET)时间尺度提升方法能充分利用遥感数据与地面观测的优势,获得精确的区域日尺度估算值,对指导农业用水管理特别是农田灌溉具有重要的意义.该研究以节水灌溉稻田为研究对象,基于2015和2016年稻季涡度相关系统实测数据,在能量强制闭合的条件下,选择4种基于能量平衡原理的蒸散量尺度提升方法,分析了蒸发比、作物系数、冠...     

温室葡萄蒸散量时间尺度提升方法优选

为探索在东北寒区温室种植环境下葡萄蒸散发（Evapotranspiration,ET）规律与不同时间尺度ET转化方法,该研究对温室葡萄蒸散过程及环境因子进行2 a的连续监测,利用3种尺度提升方法（蒸发比法、改进蒸发比法、作物系数法）对葡萄ET进行了瞬时到日以及日到全生育期的时间尺度提升。结果表明：利用蒸发比法、改进蒸发比法和作物系数法进行ET瞬时到日尺度提升的关键参数在08:00-16:00变化平稳,平均值分别为0.54、0.52和0.76,变异系数平均值分别为0.11、0.10和0.09。采用3种日尺度提升方法对葡萄ET进行瞬时到日尺度提升时,基于不同评价指标确定的最优模型和最佳尺度提升时间均不一致。进一步,利用综合评价指标确定了4个生育期的最佳模拟时刻,基于该时刻进行瞬时到日尺度提升模拟,模拟精度以蒸发比法最高,作物系数法最低,改进蒸发比法居中。2020和2021年蒸发比法模拟的R2分别达到0.92和0.89,相对均方根误差仅为20.23%和21.49%。利用不同生育期的日蒸腾进行生育期尺度ET提升,其中果实膨大期效果最好,基于3种方法利用该生育期日数据进行全生育期ET模拟,模拟精度仍然以蒸发比法最高,作物系数法最低,改进蒸发比法居中。蒸发比法在2020和2021年的ET模拟绝对误差仅为1.8和7.4 mm,相对误差仅为0.68%和2.73%。研究结果可为东北地区温室葡萄的水分管理提供科学依据。     

由瞬时遥感蒸散量估算农田蒸散日总量的模式

在农田蒸散量日变化规律的基础上，导出了一个由瞬时遥感蒸散量估算农田蒸散日总量的计算模式。并用吴忠春小麦和民勤棉花的田间试验资料对导出的公式进行了验证。结果表明，利用真太阳时９：００～１５：００之间一日一次的瞬时遥感蒸散量由该模式可以较地的估算农田蒸散日总 量。     

基于两种时间尺度气象资料计算的参考作物蒸散量对比分析

利用南四湖流域兖州（1981-1986年）、菏泽（1981-1986年）和定陶（1997-2002年）3个气象站逐日平均、逐月平均两种尺度气象资料,基于FAO Penman-Monteith公式计算逐日ET0,并分别累计月ET0值,评估两种时间尺度数据计算月ET0值的差异,分析在日平均资料不可获取的情况下,可否用月平均资料代替计算ET0。结果表明：（1）两种时间尺度资料计算月ET0值相当接近,具有极显著的正相关关系;（2）全年月平均资料计算的ET0值高于日平均资料计算的ET0值,平均相对偏高约2.0%;暖季月平均资料计算的ET0值明显低于日平均资料计算的ET0值,平均相对偏低约3.7%;而在冷季则正好相反,平均相对偏高约8.1%。可以看出,两者偏差主要发生在冷季。（3）月平均资料相对于日平均资料计算月ET0值的相对偏差不大,暖季计算结果较精确。（4）不管暖季或冷季,两种时间尺度资料计算月ET0值产生差值的原因主要是能量项计算的差异造成的。暖季月平均资料计算的ET0值偏低的原因,主要是暖季月平均资料计算的能量项的减少造成的,约占131.8%;冷季月平均资料计算的ET0值偏高,主要是冷季月平均资料计算的能量项的增加造成的,约占92.1%。     

不同作物类型下蒸散发时间尺度扩展方法对比

该文的目的是评价由瞬时潜热通量经过时间尺度扩展方法计算日蒸散发量的可靠性。为此,采用蒸发比法、改进的蒸发比法、正弦关系法及作物系数法等4种常用的蒸散发时间尺度扩展方法,针对位于华北平原的高营站和位于东北平原的通榆站的5种典型下垫面类型,分别对瞬时潜热通量进行时间尺度扩展,估算日蒸散发量,并与通量站采用涡度相关系统观测的日蒸散发量进行对比。结果表明,尽管4种方法在总体上具有一致性,但改进的蒸发比法的模拟精度最高（相对均方根误差20%左右）,更适合于估算中国北方典型农田的日蒸散发量。然而,4种方法均存在系统误差,从而导致采用上午时段瞬时通量估算的日蒸散发量系统偏小,而采用下午时段估算的日蒸散发量系统偏大。     

不同冠层阻力模型对冬小麦返青-成熟期蒸散量估算的影响

蒸散量是农田水循环的重要组成部分,其准确估算对精准灌溉及农业节水具有重要意义。PenmanMonteith(P-M)模型是常用的估算方法之一,但冠层阻力/表面阻力的准确表达一直是应用中的难点。选取常用的7种冠层阻力模型,根据北京市顺义区2a(2020年和2021年)的波文比实测结果,对不同模型模拟的小麦冠层阻力及P-M估算的小麦蒸散量进行比较,并进一步分析影响小麦冠层阻力的主要因子。结果表明,7种模型均低估了小麦冠层阻力,同时高估了蒸散量。总体而言,Todorovic模型（TD）模拟效果最好,其模拟的冠层阻力和蒸散量的R2均大于0.605,平均偏差（MBE）分别为-82.8s·m-1和10.4W·m-2,相应的均方根误差（RMSE）分别为254.4s·m-1和33.5W·m-2;其余6种模型表现均较差,所模拟的冠层阻力R2仅0.113～0.241,MBE和RMSE在-236.4～-61.3s·m-1、277.2～373.8s·m-1;基于6种模型模拟阻力得到的小麦蒸散量与实测值的R2在0.046～0.184,MBE和RMSE分别在44.5～97.4W·m-2、81.4～147.9W·m...     

计算农田蒸散量的冠层温度法研究

目前,测算农田蒸散的方法有许多种,但都难以准确地求出大面积范围内的平均蒸散.红外测温技术由蒸散的估算提供了一种新的方法,本文在对几种冠层温度——蒸散模型评述的基础上,由实测资料用Brown-Rosenbefg模型计算了冬小麦郁闭地面后的农田蒸散并与波文比方法计算的蒸散做了比较.结果表明,该模型可以较好地用于计算作物郁闭地面后的农田蒸散.     

用涡度相关法测定网室内香蕉树蒸散量

为了研究涡度相关法在网室内的适用性,于2005年6月在一个长、宽、高分别为352m、228m和6m的香蕉树种植网室内进行试验,测定的参数主要有网室内的潜热和感热、网室内的净辐射,土壤热通量和表层土壤热量.研究发现涡度相关法测定的能量和和小气候仪器测定的能量一致,说明涡度相关法可用来准确测定网室内作物的蒸散量.在试验期间(6月7日-20日),涡度相关法测定的网室内香蕉树的蒸散量在4.83～6.50 mm/d之间,考虑到当地每年4～10月之间气象要素变化较小,则该文测定的蒸散量可用来指导当地网室内香蕉树的灌溉.     

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0.73mm/d,各生育阶段ET平均绝对误差分别为0.82、0.98、0.68和0.29mm/d。不同时间尺度下(1、3、5 d) 2种埋...     

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。     

遥感反演蒸散发时间尺度拓展方法研究进展

区域尺度蒸散发的精确估算对农业生态系统和水文循环至关重要。由于地表空间异质性,传统点上测量和反演方法只能代表有限站点周围区域的蒸散发情况,遥感能够克服传统蒸散发的空间尺度拓展问题。由于遥感只能提供卫星过境时刻的瞬时值,根据其反演的蒸散发是瞬时蒸散发,现实生产活动中通常需要更长时间尺度的蒸散发值。围绕如何解决遥感反演蒸散发时间尺度拓展问题,该文系统介绍了遥感反演蒸散发时间尺度拓展方法,总结了每种方法的基本原理、优缺点、适用性和误差来源,对比了不同时间尺度拓展方法估算精度,并给出选取合适时间尺度拓展方法的可量化意见,简要分析了遥感反演蒸散发模型应用中的地表参数、时间尺度拓展方法本身算法、方法验证及适用性的不确定性,最后对遥感反演蒸散发时间尺度拓展方法的发展趋势进行了探讨。     

基于MODIS遥感数据计算无定河流域日蒸散

为研究无定河流域日蒸散分布规律,应用遥感数据、农业气象站测量数据及Nishida模型等对该流域日蒸散进行了模拟。首先用2001～2002年晴天中国科学院禹城生态试验站Lysimeter测量日蒸散验证模型,模拟与测量的日蒸散相关系数达到0.61。随后,用该模型计算了无定河流域日蒸散,发现无定河流域日蒸散存在较为明显的空间分布规律：2001～2003年连续3年的8月份日蒸散都表现为东北部蒸散明显小于西南部,这是因为东北部基本是荒漠而东南部多是农田,且8月份日蒸散基本在2～5 mm之间变化;从2001年8月份第222 d日蒸散空间分布看,无定河主干道两边蒸散显著高于其他位置,这是由于8月份无定河流域为多雨季节,河谷土壤水分较高的缘故;从2002年内变化来看,不同的土地利用/覆被类型日平均蒸散差别不显著。     

基于GLEAM模型的淮河流域地表蒸散量时空变化特征

蒸散发是连接地表水循环和能量循环的纽带,淮河流域地表蒸散量的时空变化分析对深入理解中国气候过渡带水循环对全球变化的响应具有重要价值。该文基于流域水量平衡原理,利用流域水文数据对淮河流域GLEAM产品进行精度验证;并利用GLEAM(global land-surface evaporation:the Amsterdam methodology)产品分析1980-2011年淮河流域地表蒸散发年际和年内的时空变化。结果表明:1)淮河流域及其水资源二级分区的降水实测值与GLEAM产品估算结果比较,平均相对偏差为8.0%,相关系数高达0.94,GLEAM产品对于淮河流域的模拟精度较高;2)淮河流域1980-2011年多年平均年地表蒸散量为673 mm;3)淮河流域多年平均年地表蒸散量空间变化范围为528~848 mm,空间差异显著,呈从西南向东北逐渐减少,淮河以南地表蒸散量大于淮河以北地表蒸散量,四个季节地表蒸散发具有类似的空间分布特征;4)近32 a淮河流域平均的年地表蒸散量变化范围为588.6~767.8 mm,且存在显著的上升趋势;地表蒸散量的季节变化大致呈单峰型分布,峰值出现在8月,最小值出现在12月;且季节变化较为明显,夏季(272.0 mm)春季(191.4 mm)秋季(144.3 mm)冬季(65.0 mm);5)基于栅格尺度年地表蒸散量的变化速率主要受春季主导,依次为夏季、秋季,冬季的影响最小,淮河流域大部分区域地表蒸散发量呈增加趋势。该研究可为淮河流域洪涝、干旱等极端水文气象事件的监测与预警提供科学依据,同时为该流域水资源管理提供参考及决策依据。     

Determination of the potential evapotranspiration and crop coefficient for saffron using a water-balance lysimeter

Agriculture is the major consumer of water and it is possible to decrease water consumption in this sector by proper irrigation scheduling. Irrigation scheduling is based on crop water requirements. Saffron is an important crop in Iran. The main purpose of this study was to determine the potential evapotranspiration and crop coefficient for saffron using single and dual crop coefficients, in Badjgah region, College of Agriculture, Shiraz University, Shiraz, Iran. Three water-balance lysimeters were used for this experiment in a two-year study. Total saffron potential evapotranspiration values were 523 and 640 mm in the first and second growing seasons, respectively. The maximum evapotranspiration rates for saffron were 4.5 and 6.1 mm d^?1 in the first and second growing seasons, respectively. Based on the results of this study, different saffron growing stages for evapotranspiration were 30, 40, 70 and 60 days. Crop coefficient (K _c) values for the initial, mid- and late-season growth stages were 0.41–0.45, 0.93–1.05 and 0.29–0.31 in both years, respectively. Basal crop coefficient (K _cb) values for the initial, mid- and late-season growth stages were 0.15–0.16, 0.41–0.65 and 0.15–0.17 in both years, respectively.     

基于GLEAM遥感模型的中国1980－2011年地表蒸散发时空变化

对中国地表蒸散发时空变化的分析,有助于了解气候变化对水循环的影响及对中国水资源的合理配置。该文基于GLEAM（global land-surface evaporation: the Amsterdam methodology）遥感蒸散发模型,通过对GLEAM产品在站点尺度和流域尺度的精度验证以及中国地表蒸散发时空变化特征的研究,得出以下结论：1）GLEAM产品在中国区域满足精度要求,在站点尺度上,GLEAM产品在草原半干旱区的模拟程度最好,海北、内蒙古、当雄3个草原站皮尔逊相关系数（pearson correlation coefficient,CC）均值为0.77（0.65～0.85）;森林站的CC相关系数均值为0.66（0.40～0.85）,禹城农田站CC值为0.68;在流域尺度上,海河（相对偏差（relative bias,RB）16.2%）、黄河（RB,15.2%）、西北诸河流域（RB,9.2%）的验证结果精度较好。在绿洲或农灌区降水较少的年份,GLEAM产品符合地表实际蒸散发可能大于降水的规律;2）1980－2011年中国的多年平均蒸散发为18～1 400 mm,空间分布呈从西北向东南方向递增,西北地区多年平均蒸散发最少,海南岛与台湾岛是多年平均蒸散发的极大值区;3）1980－2011年中国平均的年地表蒸散发变化范围为349.7～436.0 mm,多年平均年地表蒸散量为397.5 mm。近32 a中国区域平均地表蒸散发呈显著的上升趋势,上升速率为12.3 mm/(10 a);4）1980－2011年中国各栅格地表蒸散量变化速率为?86.5～108.7 mm/(10 a),地表蒸散发减少的面积占28.4%,9.45%的区域地表蒸散发呈明显减少、显著减少及急剧减少趋势,主要位于内蒙古东部、青藏高原西部（新疆西部及东北部、西藏西北部）、甘肃南部等地。地表蒸散发增加的面积占71.6%,18.2%的区域地表蒸散发呈显著增加、急剧增加的趋势,主要位于海河区的河北南部及山东西北部、淮河流域的山东半岛、黄河区的青海东部、长江中下游区的四川东部、山西南部、湖北、湖南、安徽、江西等地、东南诸河区、珠江区及云南南部等;5）各栅格年蒸散发的变化趋势主要由夏季蒸散发变化趋势主导,春季、秋季、冬季对年蒸散发变化趋势的影响较弱。该研究对理解中国气候变化与水资源之间的相互影响具有重要作用,可为中国水资源评价与管理提供参考及决策依据。     

基于BP神经网络的冬小麦耗水预测

该文根据中国科学院禹城农业试验站2003－2006年冬小麦季的气象资料和大型称重式蒸渗仪观测资料,把实测作物系数作为作物因子指标,建立了以日最高温度、日净辐射、实测表层60 cm土壤含水率、日序数和作物系数为输入因子,蒸渗仪实测蒸散量为输出因子的BP神经网络预测模型,神经网络拓扑结构为5-9-1,训练函数为Trainbr。检验结果表明冬小麦耗水量模型预测平均相对误差为13.1%,预测值和实测值的均方根误差为0.88 mm,模型预测Nash-Sutcliffe效率指数为0.865,预测效果较好,可满足生产需要。     

基于SEBAL模型的盘锦湿地日蒸散估算及其分布特征

为了验证SEBAL模型对湿地蒸散量估算的准确性,本研究基于Landsat 8卫星数据和SEBAL模型,以盘锦湿地生态系统野外观测站的涡动相关实测数据为检验,估算盘锦湿地2013-2015年典型晴天卫星过境时刻的瞬时蒸散量,并利用正弦函数法将遥感反演订正后的蒸散瞬时值转换为日尺度的蒸散值,分析芦苇和稻田湿地的日蒸散量分布特征.结果表明:SEBAL模型反演的盘锦湿地瞬时蒸散量比实测值偏高,平均相对误差为31.6％,但相关系数达0.79,为了提高反演精度,利用线性方程进行订正,订正后的遥感估算值与实测值平均相对误差为6.4％,提高了25.2％;芦苇湿地日蒸散量集中在3.4～4.0 mm/d之间,占总面积的64.7％～82.4％;稻田湿地日蒸散量集中在3.6～4.1mm/d之间,占总面积的67.4％ ～86.6％;稻田湿地日蒸散量普遍比芦苇湿地高0.1 ～0.2mm/d.应用订正后的SEBAL模型反演湿地蒸散量,可为湿地区域蒸散估算及湿地水资源管理提供依据.