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。     

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。     

我国西南地区近56年参考作物蒸散量的敏感性分析

参考作物蒸散量(ET_0)是水文气象研究及水资源管理规划中的重要参数。基于1960—2015年我国西南地区96个气象站的逐日相对湿度(RH)、日照时数(n)、风速(u)、最低温度(T_(min))、最高温度(T_(max))和平均温度(T_(mean))资料,采用1998年联合国粮食及农业组织(FAO)推荐的Penman-Monteith公式,计算近56年研究区的ET_0,并分析ET_0对各气象因子的敏感系数。结果表明,近56年我国西南地区的平均ET_0为1 027.11 mm,在空间分布上表现为自东北向西南方向逐渐增大;全区ET_0对气象因子敏感系数的绝对值排序为RHnT_(max)T_(mean)uT_(min),在空间分布上,RH、n、u敏感系数在研究区西部较高,T_(max)敏感系数在以云贵高原的元江、广西盆地的北海为中心的地区较高,T_(mean)敏感系数在研究区东部及云贵高原西南部较高,T_(min)敏感系数在广西盆地地区较高;RH、T_(max)、u、T_(min)敏感系数呈上升趋势,其中T_(max)敏感系数显著(P0.05)上升,其余气象因子的敏感系数呈极显著(P0.01)上升趋势,n敏感系数呈极显著(P0.01)下降趋势,T_(mean)敏感系数变化不明显;RH、T_(max)与n敏感系数的年内变化特征为双峰型曲线,T_(mean)、u、T_(min)敏感系数呈单峰型曲线;全区ET_0的突变时间为1996年,突变时间以前ET_0呈极显著(P0.01)下降的趋势,气候倾向率为-13.437 mm/10年,突变时间后呈显著(P0.05)上升趋势,气候倾向率为21.770 mm/10年。因此可见,西南全区及各分区参考作物蒸散量均对相对湿度的敏感性最高,除四川盆地外,其余分区对日照时数、最高温度的敏感性较高,四川盆地对平均温度的敏感性较高。     

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。     

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。     

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。     

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。     

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。     

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。     

基于天气预报估算参考作物蒸发蒸腾量的预测模型比较

参考作物蒸发蒸腾量(ET0)是计算作物需水量和进行灌溉预报的基础要素.利用天气预报可测因子和Penman Monteith公式计算ET0,分别建立多元线性回归模型(MLR)和自适应神经模糊推理系统模型(ANFIS),两种方法的估算值与PenmanMonteith公式计算值没有明显的差异,自适应神经模糊推理系统预测值相对于多元线性回归模型具有整体吻合度好,相关性高.两种预测模型的输入项完全可以从当前短期气象预报中获得,程序运行操作简单,具有实用价值,为实时灌溉预报提供了理论基础.     

黑河流域参考作物蒸散量与气象因素的相关关系研究

【目的】研究黑河流域参考作物蒸散量(ET_0)与气象因素间及各气象因素间的相关关系,精确估算和预测黑河流域ET_0.【方法】基于黑河流域17个气象站点1960-2014年逐日气象资料,在利用Penman-Monteith公式计算逐日ET_0的基础上,分析ET_0与气象因素的年际变化特征,将通径分析法和主成分分析法相结合,从线性关系和方差贡献2个角度综合探讨ET_0与气象因素间及各气象因素间的相关关系.【结果】近55a间黑河流域年均ET_0、平均温度和降水量呈增加趋势,平均相对湿度、平均风速和日照时数呈递减趋势.平均温度和平均风速间以及平均相对湿度、日照时数和降水量间线性关系显著,平均相对湿度主要受平均温度的主导影响;线性关系和方差贡献分析气象因素影响程度结果基本一致,影响程度排序:平均相对湿度>降水量>平均风速>日照时数>平均温度.【结论】单因素作用方面平均相对湿度为影响ET_0变化的主要因素,平均温度主导平均相对湿度的变化,多因素共同作用方面日照时数与降水量相组合是ET_0波动性变化的主导因素,多方面的共同作用造成黑河流域ET_0呈上下波动式的增加趋势.从不同角度综合分析能更全面探寻ET_0与气象因素间及各气象因素间的相关关系,为ET_0的变化特征提供科学依据.     

气象因素对民勤地区参考作物腾发量变化的贡献分析

利用世界粮农组织的Penman-Monteith方法以及敏感曲线分析法,对甘肃国家级地面站点民勤站1968—2018年来的参考作物腾发量和气象因素的变化规律及各气象因子对参考作物腾发量变化的贡献大小进行了研究。结果表明:1)民勤站参考作物腾发量ET0年内变化特征呈抛物线形式,在1—5月增加,8—12月递减,7月达到最大值为5.29mm/d,年际变化整体呈波动上升趋势;2)利用相关性分析与主成分分析发现ET0与平均最高气温Tmax、平均饱和水汽压差VPD的相关性最大,利用偏相关性分析发现ET0与平均风速U、平均净辐射与土壤热通量的差Rn-G的相关性最小,但ET0与U、Rn-G的偏相关性较大,说明ET0与U、Rn-G的关系受其他气象因素的影响较大;3)气象因素的年内变化与ET0对各气象因素的敏感系数在年内的变化趋势有一定的相似度。ET0对Rn-G的敏感系数不大,但是由于Rn-G自身的增长幅度较大,导致Rn-G对ET0增长的贡献率最大;平均气温T和VPD对ET0的增长也产生了一定的贡献;U对ET0的增长产生了较大的负贡献。     

浙江省森林乡村空间分布特征及其影响因素

  目的  探讨森林乡村的空间分布特征及其影响因素,便于优化森林乡村的空间布局。正确认识森林乡村的形成因素,助推生态文明建设及乡村振兴。  方法  以浙江省447个森林乡村为研究对象,综合运用空间基尼系数、核密度分析、空间自相关等方法分析森林乡村的空间分布特征,并采用皮尔逊(Pearson)相关性分析、地理探测器等方法探究影响其空间分布的自然及人文因素。  结果  ① 从整体空间上看,浙江省森林乡村呈现集聚型的分布状态,具有“小范围聚集,大范围分散”的多中心组团分布特点。②从区域空间上看,在五大分区及市域层面上分布不均衡,整体呈现“西多东少”的分布格局。③从整体空间密度上看,形成了双核心集聚区和双核心连绵区。④从空间分布关联上看,呈现西南部热,东北部冷的空间关联特征,次冷点区域变化较小,热点区域呈现条带状分布向条状及零星分布状转变。⑤浙江省森林乡村的空间分布受地形地貌、气候条件、河流水系、森林资源、文化资源、社会经济基础、交通通达性的综合影响。  结论  由于自然及人文的综合影响,浙江省森林乡村的空间分布差异显著。森林乡村的建设与发展中,地形、气候及河流孕育其生态环境,而交通、文化资源及社会经济基础关乎其发展的基础条件、资源优势及经济支撑。今后浙江省在森林乡村建设中,要基于资源优势、基础条件及本地发展政策,坚持科学规划、因地制宜、协同布局等举措以实现全域发展,为生态文明建设提供高质量的浙江样板。图4表2参32     

参考作物蒸发蒸腾量对关中地区主要气象因素变化量的敏感性分析

【目的】分析关中地区参考作物蒸发蒸腾量(ETref)对气象因素变化量(气象变量)的敏感性,以及敏感系数法在单气象因素变化和多气象因素变化下估算ETref的能力(预测能力)。【方法】依据关中地区31个气象站41年的气象观测资料,利用敏感系数法计算并分析关中不同地区多年日平均和月平均ETref对气象变量的敏感性;探讨不同时期对关中地区参考作物蒸发蒸腾量最具影响的气象因素;同时利用实际的数据检验多气象因素同时变化时联合公式估算ETref的精确度。【结果】关中地区ETref对气象变量的敏感性随时间和地区变化。总的来说,相对湿度为关中地区ETref最敏感的气象因素;其次是太阳短波辐射和平均气温,其敏感性相近,在5~8月份对ETref影响最强,在12到次年2月份最弱;风速总的来说是对ETref影响最弱的因素。【结论】敏感系数在单个或多个气象因素变化情况下均有较强的预测能力。     

河套灌区参考作物蒸发蒸腾量估算方法研究

参考作物蒸发蒸腾量（ET₀）是计算作物需水量的基础,一般用FAO推荐的Penman-Monteith公式（PM公式）计算。但是在河套灌区部分地区缺少辐射数据的观测,因而无法利用PM公式计算ET₀。本文选用河套灌区临河气象站1990—2012年的气象资料,分析了利用PM公式计算参考作物蒸发蒸腾量ET₀与气象要素的关系,发现对ET₀影响最大的气象因素为净辐射,其次为饱和水气压差和平均温度。建立了基于饱和水气压差、温度和风速的ET₀估算公式,验证结算显示相关系数、纳什效率系数和总量平衡系数分别为0.96、0.92、1.00。在风速缺测的条件下,也建立了基于饱和水汽压差和温度的ET₀估算公式。以上两个公式为河套灌区缺资料条件下ET₀的估算提供了简单且准确的估算方法。     

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。     

气候变化对河西地区参考作物蒸发蒸腾量的影响

【目的】探讨气候变化对参考作物蒸发蒸腾量(ET0)的影响程度,为节水农业的区域发展及水资源科学利用提供参考。【方法】根据河西地区18个气象站点的长系列气象资料月值数据,利用Penman-Monteith公式计算河西地区历年ET0值;用相关法分析各站ET0与地理位置、气象要素的关系,并应用相关法结合Penman-Monteith公式预测2010-2019年和2020-2029年ET0的年代均值。【结果】河西走廊西段、中段、东段和祁连山地的平均ET0值分别为1 265.1,1 078.6,1 058.5和984.5mm;海拔每升高100m,河西地区中部和东部各站年均ET0值约减少19mm,西部各站则约减少12.4mm;河西地区年ET0值与年平均相对湿度、年平均风速、年日照时数、年降水量、年平均气温的相关系数分别为0.634 1,0.597 3,0.421 3,0.356 6和0.191 9;预测的每10年变化量,西部的安西、玉门镇,中部高台、临泽及祁连山地的肃北站点年ET0值减少20mm以上,西部的马鬃山增加20mm以上,东部的古浪及祁连山地的天祝站点增加10mm以上,其他站点变化小于10mm。【结论】截至2009年,河西地区的年ET0值呈先减小后增大的趋势;其分布地域性比较明显,表现为河西走廊西段高于中段,中段高于东段,祁连山地最小,海拔高度是其决定因素;气象要素对于年ET0值的影响表现为年平均相对湿度>年平均风速>年日照时数>年降水量>年平均气温;未来20年河西地区东段年ET0值呈增加趋势,中段和西段多呈减少趋势,且各站差异明显。     

基于天气预报的参考作物蒸发蒸腾量预测模型

参考作物蒸发蒸腾量(ET_0)是计算作物需水量和进行灌溉预报的基本要素。本文利用天气预报可测因子和Penman Monteith(PM)公式ET_0计算值作为基础数据,分别建立BP神经网络模型和ANFIS自适应模糊神经推理系统模型,两种模型的估算值与PM公式的计算值没有明显差异,均表现出显著的相关性以及整体吻合度。本文对两种模型取相同的数据样本进行比较,BP-ET_0预测结果的MRE值为32.13%,RMSE为0.134 mm,而R2达到了0.971,说明模型预测精度高,稳定性良好。相较于ANFIS-ET_0的检验结果,BP-ET_0模型的均方根误差更小(0.134mm/d0.188 mm/d),表明其预测精度更高;而ANFIS-ET_0模型估算值的平均相对误差明显小于BP-ET_0模型估算值(16.92%32.13%),显示出ANFIS-ET_0模型更高的稳定性。两种预测模型的输入项完全可以从当前短期天气预报因子中取得而不需要专用测量设备,程序操作简单,具有实用价值,为实时灌溉预报提供了理论基础。     

甘肃省农村空间贫困地域分异特征及其影响因素

本文基于空间贫困理论视角,构建农村空间贫困评价指标体系,运用灰色关联TOPSIS模型对2016年甘肃85个县域农村空间贫困进行测度,结合GIS空间制图技术、空间自相关分析和GWR模型等方法探究空间贫困地域分异特征及其影响因素。研究结果表明:1)甘肃农村空间贫困程度总体较深,地理分布差异显著,呈"东南高、西北低",并由东南向西北递减的空间分异特征;2)农村经济、社会及环境贫困在各县域有明显地域差异,农村经济和社会贫困的空间集聚特征显著,环境贫困呈"两翼高、中间低"的空间格局;3)从空间关联格局来看,甘肃农村空间贫困存在显著的空间正向集聚特征,H-H集聚区集中分布在陇南、甘南东部及定西南部,L-L集聚区分布在张掖、酒泉和金昌;4)自然禀赋、经济发展、社会民生、人力资源和交通区位是影响甘肃农村空间贫困地域分异的主要因素,且各因素的影响强度具有明显空间差异性。自然禀赋呈中部向两翼递减的变化趋势,经济发展、人力资源和交通区位呈"东南—西北"的空间分布特征,社会民生由南向北逐渐增加。因此,依据各贫困区特征及致贫原因,从产业、生态、社会事业与基础设施等方面提出针对性减贫策略,以期为甘肃精准扶贫提供理论指导。     

简化参照作物蒸散量（ETo）计算公式在青海省高寒区的适用性分析

【目的】以Penman-Monteith FAO-56公式为参照,分析Hargreaves、Priestley-Taylor和Makkink 3种简化的参照作物蒸散量(ETo)公式在青海高寒区的适用性。【方法】以青海省5个气候区(湿润、半湿润、半干旱、干旱和极端干旱)11个气象站1984-2011年的旬气象资料计算ETo,建立分析3种简化公式旬ETo与PenmanMonteith FAO-56公式的线性回归方程,并对比其年值的均方根误差率,分析3种简化公式的适用性。【结果】Hargreaves公式在大多数站点都低估了ETo,但在湿润和半湿润区的计算结果较好;Priestley-Taylor公式在多数站点都高估了ETo;Makkink公式在所有站点都低估了ETo,但其旬ETo值的误差最小,其与PMF-56公式的线性回归结果也最好。除极端干旱区外,Priestley-Taylor和Makkink公式计算的ETo与PMF-56公式的年均方根误差率均小于15%。【结论】Hargreaves公式只适用于青海省的湿润和半湿润区,Priestley-Taylor和Makkink公式可以直接用于青海省极端干旱区以外地区ETo的计算。