基于MODIS数据计算的RLPM模型在黄土高原地区的应用

为了更加准确地估算黄土高原的蒸散发,本文基于FAO56的Penman-Monteith数学模型,结合Leuning提出的叶面积指数(LAI)反演ET的理论思想,提出Remote Sensing Leaf Area Index Penman-Monteith模型(RLPM)。使用MODIS中国合成产品NDVI和研究区气象资料数据反演出所需的参数值,以黄土高原为研究区域,最后可计算研究区域内任意时间、任意地点的日ET值。将本模型的ET反演值与普通的P-M模型得到的反演值进行线性分析,得到相关性系数均大于0.8。该研究旨在丰富蒸散发模型计算方法,提高蒸散发计算的准确度。     

新疆参考作物蒸散量敏感性分析

根据1961—2013年我国新疆地区55个气象站常规气象资料,基于Penman-Monteith公式计算了参考作物蒸散量(ET0),并计算其对最高温度、最低温度、风速、日照时数和相对湿度的敏感系数,最后分析了敏感系数的时空变化特征。结果表明,年最高、最低温度呈显著增长趋势,风速、参考作物蒸散量及日照时间呈显著减少趋势。最高温度对ET0敏感性最高,相对湿度次之,而日照时数的敏感性最低。由于气象因子空间分布不均匀,所以新疆敏感系数存在空间分布差异。最高温度、风速和相对湿度的敏感系数在新疆中部及北部较高。最低温度在新疆的西部、东部较高,中部天山山区较低。日照时数在南疆地区较高,北疆地区较低。53年来,最高温度和风速的敏感系数呈减少趋势,其中南疆地区减少趋势明显。最低温度的敏感系数全疆呈增加趋势,在天山山区增加趋势明显,日照时数的敏感系数在南疆地区增加趋势明显,相对湿度的敏感系数在全疆地区呈增加趋势。     

土默特右旗ET0对气象因子和相关参数的响应

【目的】研究ET0与气象因子和相关参数的响应性。【方法】以内蒙古包头市土默特右旗为研究区,采用ENVI5.3软件,遥感反演相关参数,分析了参考作物腾发量(ET0)与气象因素和相关参数的相关性和主成分。【结果】(1)在年尺度上,气象因素对ET0的相关性排序为:净辐射日照时间最高温度相对湿度最低温度风速。在月尺度上,ET0在7月对最高温度和日照时间最敏感;4月ET0对相对湿度最敏感;5月对风速最敏感;净辐射与ET0相关性在4—10月都很显著;ET0与最低温度相关性不显著。在作物生长季,ET0主要受净辐射、日照时间、最高温度的影响。(2)3种相关参数NDVI、植被覆盖度、地表温度和ET0均显著正相关,NDVI的相关性最显著。(3)利用主成分分析得到主成分变量Z1、Z2代替了原始数据(最高温度、最低温度、相对湿度、日照时间、风速、NDVI、植被覆盖度、地表温度、净辐射),使复杂的研究变得简单。【结论】在作物生长季,ET0主要受净辐射、日照时间、最高温度的影响;在相关参数中,与NDVI的相关性最好。     

气候变化背景下关中地区参考作物蒸散量变化趋势及敏感性分析

气候变化影响了区域水循环过程和水资源管理,研究参考作物蒸散量(ET0)变化特征及其原因对于灌溉农业地区水资源的合理配置具有重要指导意义。以关中地区为研究对象,根据研究区内8个站点1974-2016年逐日气象资料,通过Penman-Monteith公式计算ET0,利用Mann-Kendall检验和Sen斜率估计来检验参考作物蒸散量和气象要素的变化特征,并采用敏感性分析方法探讨影响ET0变化的主要气象因子。结果表明,近43年来关中地区平均气温和饱和水汽压差变化呈现显著增加趋势,而相对湿度和平均风速变化呈现显著下降的趋势,降水量、日照时数、辐射量下降趋势不明显,这些变化使得ET0呈轻微增加的趋势。关中地区ET0对气象要素的敏感性随时间和位置发生变化,夏季、秋季、冬季和小麦生长季ET0对平均风速最敏感,而影响春季和年尺度ET0变化的主要气象因子是平均气温。研究区西北方向影响ET0变化的主要气象因子是平均气温和相对湿度,而其他区域的ET0对平均风速最敏感。     

基于敏感系数的贡献值法对参考作物腾发量变化的成因分析

本文采用FAO Penman-Monteith公式对大连地区1970-2006年间的参考作物腾发量进行计算,分析了该地区近37年来ET0的变化成因及各气象要素对ET0变化的贡献值.结果表明:37年来,大连地区生长季ET0逐渐减少,年际ET0呈不明显增加趋势,从生长季来看,ET0对相对湿度的变化最敏感,太阳辐射是对ET0变化贡献最大的因素,也是引起ET0变化的主要因素;而从年际来看,ET0对相对湿度的变化最敏感,尽管太阳辐射对ET0变化的贡献值最大,但对ET0变化成因起主导作用的却是相对湿度和平均温度.     

艾比湖绿洲参考作物蒸散量的敏感性分析

【目的】研究艾比湖绿洲参考作物蒸散量对不同气象因子的敏感性。【方法】利用Penman-Monteith公式,基于艾比湖绿洲1962—2016年4个气象站的逐月气象资料计算ET0。通过敏感性分析,计算最高温度、最低温度、相对湿度、日照时间和风速的敏感系数,并运用MK趋势检验分析其变化趋势,最后分析了敏感系数在各个站点的变化特征。【结果】通过MK趋势检验,发现参考作物蒸散量、日照时间和风速呈下降趋势;最高温度、最低温度和相对湿度呈上升趋势。通过敏感性分析,发现最高温度、风速在研究区呈下降趋势,最低温度、相对湿度、日照时间为上升趋势。艾比湖绿洲中,各气象因子对ET0的敏感程度为相对湿度>最高温度>风速>最低温度>日照时间。ET0对不同气象因子的敏感系数在空间上存在差异,最高温度、最低温度、风速、相对湿度在艾比湖北部的阿拉山口较高,在温泉站较低;日照时间则在温泉较高,在阿拉山口较低。【结论】相对湿度对艾比湖绿洲ET0的敏感性最高,日照时间的敏感性最低。     

气象因子对负水头供液下番茄日耗液量的敏感性分析

以番茄为试验材料,测定其在温室内基质栽培负水头供液条件下的日耗液量、空气相对湿度、气温和太阳辐射强度等气象因子数据,采用通径分析方法,建立多元回归模型,计算各气象因子对番茄日耗液量的直接通径系数、间接通径系数、决定系数和对回归方程估测可靠程度R~2的总贡献值。结果表明:作物系数和日平均太阳辐射强度的直接通径系数达到极显著水平(P0.01),2个因子的决定系数和对R~2总贡献值最大,是影响番茄日耗液量的重要因子;气象因子减少对番茄日耗液量影响的通径分析发现,敏感性最强的气象因子是日平均太阳辐射强度,其次分别是作物系数和日最高太阳辐射强度。     

参考作物蒸散量对气象要素的敏感性分析

为了研究参考作物蒸散量(ET_0)对气象要素的敏感性,利用新乡地区1951―2003年逐日气象资料,由Penman-Manteith公式计算参考作物蒸散量,采用敏感曲线和敏感系数方法分析了参考作物蒸散量对气象要素的敏感性。结果表明,温度、风速和日照时间3种气象要素与ET_0正相关,相对湿度与ET_0负相关。1―12月,相对湿度和风速的敏感系数表现为"先减小后增大"趋势,而日照时间和温度敏感系数表现为"先增大后减小"趋势。在全年中,ET_0对气象要素的敏感程度表现为相对湿度风速日照时间温度;第一、四季度各气象要素在季尺度中的敏感性均为相对湿度风速日照时间温度,第二季度表现为相对湿度日照时间风速温度,第三季度表现为相对湿度日照时间温度风速;冬小麦生育期典型时段内各气象要素敏感性在1、3、10月份均表现为相对湿度风速日照时间温度,5月则表现为相对湿度日照时间风速温度。     

豫东平原参考作物腾发量时空变化

根据豫东平原六地（市）（安阳,西华,信阳,许昌,郑州,驻马店）气象站1961～2000年40年的观测资料,应用1998年FAO最新推荐的Penman—Monteith公式计算了40年各月参考作物蒸发蒸腾量ET0,分析了ET0的月际变化和年际变化特征。结果表明ET0值除信阳有所增加外,其余各站呈现为逐年减少趋势,说明气候变化对ET0的影响较大;并对平均气压、平均最低气温、平均气温、平均最高气温、年日照时数、平均风速、平均相对湿度、年降水量、地理纬度、海拔高度与ET0的相关性进行了分析和检验,得出安阳、西华、许昌ET0值与年日照时数相关性最好;信阳、郑州、驻马店ET0值与平均相对湿度相关性最好。空间上ET0随地理纬度的增大呈递增趋势,随海拔高度的增大呈递减趋势。     

基于气温预报和HS公式的参考作物腾发量预报

为探索精确预报未来短期参考作物腾发量ET0的方法,提出基于气温预报和HargreavesSamani(HS)公式进行ET0预报.收集了南京站2001—2011年逐日气象观测数据和2011年预见期为4 d的逐日天气预报数据,采用FAO-56Penman-Monteith公式计算逐日ET0,用2001—2010年计算的ET0率定HS公式参数;用率定后的公式和2011年的天气预报气温数据进行未来4 d的ET0预报;比较2011年ET0的计算值与预报值、气温观测值与预报值以评价ET0预报精度及误差原因.结果表明:最低气温预报准确率达81.9%,最高气温预报准确率为80.1%;经过参数校正后,HS公式精度较高.ET0预报准确率为85.7%,平均绝对误差为1.01 mm/d,均方根误差为1.42 mm/d,相关系数为0.74;各项预报误差随着预见期的增大而增大.产生误差的主要原因为气温预报误差和HS公式未考虑平均风速和相对湿度的影响.总体而言,基于气温预报和HS公式的ET0预报方法精度较高,可为灌溉预报及决策提供较为准确的ET0预报数据.     

近56年西南地区四季参考作物蒸散量变化成因分析

准确评估西南地区参考作物蒸散量ET0对作物耗水量分析,作物生产潜力评价及区域水资源管理等具有重要意义。本文应用西南地区近56 a逐日气象数据,利用FAO-56 Penman-Monteith模型计算ET0,通过MannKendall检测、变化趋势分析及基于敏感系数的贡献率分析,对近56 a西南地区ET0及相关气象因子的年内变化特征与变化趋势进行分析。结果表明:近56 a西南地区春、夏、秋、冬四季ET0值分别为314.71、345.78、219.13、169.51 mm,气候倾向率分别为0.850、-2.841、0.571、1.125 mm/(10 a),其中春、秋季ET0呈不显著变化趋势,夏季ET0呈极显著下降趋势(P0.01),冬季呈极显著上升趋势(P0.01);相对湿度、日照时数和风速在四季均呈下降趋势,温度呈上升趋势,其中相对湿度呈极显著下降趋势(P0.01),最低温度呈极显著上升趋势(P0.01);春季相对湿度对ET0贡献率最大,为5.23%,夏季日照时数对ET0贡献率最大,为-7.49%,秋季最高温度对ET0贡献率最大,为3.94%;冬季最低温度对ET0贡献率最大,为6.69%,其次是平均温度,为6.57%。因此,近56 a西南地区春、秋、冬季ET0上升的主要原因分别是相对湿度降低、最高温度上升、最低温度和平均温度升高,夏季ET0下降的主要原因是日照时数减少。     

山西地区近55年参考作物蒸散量的变化特征及其主要影响因素分析

利用1955—2009年山西地区5个站点(大同、阳泉、太原、吕梁和临汾)逐日气象资料,采用FAO推荐的Penman-Monteith公式计算参考作物蒸散量(ET0),分析了不同地区的气象要素(温度、相对湿度、日照时数和风速)和年ET0随时间变化特征,并采用敏感性分析方法对影响ET0变化的主要气候因子进行了探讨。结果表明,5个站点平均温度和平均相对湿度从低纬度到高纬度逐渐增大;而平均风速和平均日照时数则逐渐减小。5站点的多年平均温度随时间有平缓上升趋势。大同和阳泉的年ET0高于其他站点,其他站差异不明显。4气象要素中对大同、太原和吕梁站ET0影响最大的要素为相对湿度,对临汾站ET0影响最大的要素为日照时数,温度变化对各站点ET0的影响作用最小。     

青海省农业生态区参考作物蒸散量的遥感反演

根据青海省农业生态区15个气象站2003年气象资料,应用FAO推荐的Penman-Monteith方程计算参考作物蒸散量(ET0),利用MODIS高程(DEM)、地表温度(LST)及法国SPOT卫星的归一化植被指数(NDVI)遥感影像资料,提取遥感数据并耦合到时间分辨率为旬,空间分辨率为1km,将其与计算所得ET0进行相关分析,运用MATLAB软件进行模型拟合,获得该地区的ET0遥感反演模型及其适用条件,使用Arcgis9.3对利用该模型反演的结果进行了空间分布规律分析。研究结果表明,2003年7—11月各旬遥感因子DEM、NDVI和LST与ET0的线性关系显著,其中DEM与ET0呈显著负相关关系,NDVI和LST与ET0呈极显著正相关关系;获得了该地区基于遥感数据的旬ET0三元线性遥感反演模型,该模型通过α=0.01的F和t显著性检验,模型效果极显著,适用期为7—10月;对2004年计算及反演结果表明,ET0空间分布从西北往东南方向递增,低海拔处往高海拔处递减;模型反演平均相对误差为-1.9%,有较好的反演结果。     

豫东平原参考作物腾发量时空变化分析及影响研究

根据豫东平原6地(市)(安阳、西华、信阳、许昌、郑州、驻马店)气象站1961～2000年40年的观测资料.应用1998年FAO最新推荐的Penman-Monteith公式计算了40年各月参考作物蒸发蒸腾量ET0,分析了ET0的月际变化和年际变化特征.结果表明ET0值除信阳有所增加外,其余各站呈现为逐年减少趋势,说明气候变化对ET0的影响较大.对平均气压、平均最低气温、平均气温、平均最高气温、年日照时数、平均风速、平均相对湿度、年降水量、地理纬度、海拔高度与ET0的相关性进行了分析和检验,得出安阳、西华、许昌ET0值与年日照时数相关性最好;信阳、郑州、驻马店ET0值与平均相对湿度相关性最好.空间上ET0随地理纬度的增大呈递增趋势,随海拔高度的增大呈递减趋势.     

昆明地区玉米需水量及灌溉用水量研究

基于CROPWAT模型,利用昆明地区气象数据、玉米生育期数据和土壤数据,模拟研究1980-2012年玉米生育期需水量和灌溉用水量年际变化特征及气象要素对其的影响。结果表明:1980-1999年玉米需水量和灌溉用水量呈现微弱下降的趋势(p=0.22,p=0.06);1999-2012年玉米需水量和灌溉用水量呈上升趋势为(p0.01),多年平均玉米需水量和灌溉用水量分别为354.5和64.0mm。玉米需水量与温度、风速和日照时数呈正相关而与降水量和相对湿度呈负相关;灌溉用水量与温度、风速和日照时数呈正相关而与降水量呈负相关。逐步回归分析表明气温、风速和日照时数的组合可以预测年尺度上玉米需水量的变化趋势;气温、风速和降水的组合可以预测年尺度上灌溉用水量的变化趋势。     

ET0计算模型及其主要输入因子的影响分析评估

采用内蒙古中部呼和浩特1961~2003年,43年的气象资料,对计算ET0的修正Penm an模型与Monte ith-Penm an模型中输入的主要气象因子(气温、风速、湿度、太阳辐射或日照)分析评估。结果显示:单纯的模型计算对比难以评价哪一种模型更适合中国复杂的地理及气候环境,必须利用Lysm iets等实验结果对各种模型进行率定考核。同时ET0模型中,输入的某些主要气象因子对ET0值的影响非常明显:不同地区、不同的作物、不同生长期,净辐射计算Angstrom公式中的a、b值应不同;年平均气温增加2.1℃时,北方干旱、半干旱区4~10月份ET0值增加3.9%~5.2%;当风速增加20%时,作物生育期内(4~10月份)ET0增加3.9%~8.0%,春夏之交4~6月份ET0增加值占全生育期的61.9%;而半干旱区相对湿度的改变对ET0值影响很小。对二种模型中输入各因子影响程度的分析评估有助于ET0的认识深化及应用推广。     

江苏省参考作物蒸散量的时空变化及影响因素分析

【目的】参考作物蒸散量是水分循环和能量循环的重要组成部分,研究其变化特征及影响因素可以为该地区合理利用水资源,高效水分管理及农业生产布局提供参考。【方法】利用1961-2018年江苏省60个站点的风速、温度、相对湿度和日照时数等逐日数据计算了逐日蒸散量(ET0),并采用气候倾向率、敏感性分析、通径分析、贡献率分析等方法对江苏省ET0的时空变化及影响因素进行分析。【结果】①江苏省1961-2018年平均ET0为976.8 mm,区域整体ET0的变化幅度为-0.44 mm/10 a,共有28个站点ET0呈增加趋势(47%),主要分布在无锡以及苏州等苏南区域,共有11个站点ET0增加趋势显著(p<0.05),其中无锡、太仓、靖江地区ET0气候倾向率较大,分别为18.6、19.0、30.0 mm/10 a。共有32个站点ET0呈减小趋势(53%),主要分布在连云港、徐州、宿迁等苏北地区,共有16个站点ET0减小趋势显著(p<0.05),其中新沂、泗洪、灌南地区ET0减小趋势较大,分别为-19.2、-23.1、-23.2 mm/10a;②丰县(1 007.4 mm)、徐州(1 041.1 mm)以及西连岛(1 130.3 mm)区域为ET0的高值中心;③ET0对平均温度、日照时间、风速为正敏感,对相对湿度为负敏感,且ET0对相对湿度最敏感。平均温度、日照时间、风速、相对湿度与ET0决策系数分别为0.09、0.33、-0.02、0.29。敏感系数空间分布上,ST与SWS纬向分布特征都较明显;④贡献率分析表明,主要影响因素为风速的有22个站点,均分布在苏北地区,其中沛县、泗阳、新沂站风速对ET0变化贡献较大,分别为-13.44%、-12.52%、-12.49%,主要影响因素为相对湿度的有38个站点,主要分布在苏南地区,其中丹阳、靖江、昆山站相对湿度对ET0变化贡献较大,分别为18.47%、18.57%、20.87%,全区平均温度和日照时间不对ET0变化产生主要影响。【结论】苏北地区ET0变化的主要影响因素是风速,且风速贡献率为负,苏南地区ET0变化的主要影响因素是相对湿度,相对湿度贡献率为正。     

基于NARX模型的参考作物蒸散发预测

为了实现气象资料缺失情况下参考作物蒸散量(ET0)精确计算和预测,以攀枝花站点为例,构建非线性自回归滤波器(NARX)模型预测ET0.以Penman-Monteith模型计算的ET0作为预测标准,将日最高温、日最低温、日照时数、风速和相对湿度作为模型的输入参数,建立11种不同气象因子组合的NARX模型,并与Hargre...     

基于气温预报和HS公式的不同生育期参考作物腾发量预报

根据南京站2001-2011年实测气象数据,以Penman-Monteith(PM)公式计算得到的参考作物腾发量ET0值作为基准值,对仅需要气温数据计算参考作物腾发量的Hargreaves-Samani(HS)公式进行参数率定,采用率定后的HS公式依据2012年6月-2015年6月气温预报数据对南京水稻、冬小麦不同生育期未来1~7d的ET0进行预报,并与基于实测气象数据的PM法计算的ET0值进行比较,评价HS法的ET0预报精度。结果表明:最低、最高气温实测值与预报值相关系数分别为0.97和0.93,最低气温预报精度略高于最高气温;预见期1~7d内,水稻、冬小麦不同生育期ET0预报值与PM法计算值变化趋势基本一致,整个生育期内冬小麦ET0预报值与PM法计算值吻合程度更好,水稻、冬小麦相关系数分别达0.60、0.80左右;水稻各生育期平均准确率为66.0%~97.5%,平均绝对误差为0.65~1.22mm/d,均方根误差为0.76~1.42mm/d,冬小麦各生育期平均准确率为75.4%~99.5%,平均绝对误差为0.33~1.06mm/d,均方根误差为0.43~1.23mm/d;作物生育期各阶段对气温预报误差越敏感,ET0预报精度越低,随着生育期的推进,水稻对气温预报误差的敏感程度逐渐减小,相应的ET0预报精度逐渐增加,而冬小麦反之;但整体上预见期1~7d的气温预报及ET0预报精度达到可利用程度,可为快速灌溉预报及灌溉决策提供数据支撑。     

青海东部农业区ET0与NDVI响应分析

ET0是国际通用的评价水资源和计算作物需水量的基础数据,但是根据理论公式计算ET0需要很多气象数据,因此ET0数据不易获得.利用青海省东部农业区2003年卫星植被指数数据(NDVI),与通过遥感技术用PM方程计算的ET0进行响应分析.实验结果表明单站点的ET0与NDVI线性关系较为显著,可以用来进行ET0反演,而多站点随着距离和站点数的增加,由于地域及气候差异等因素使得两者显著性下降,需要引入更多的参数进行反演.