青绿苔草蒸散特性及与其他草坪地被的比较研究

青绿苔草（Carex leucochlora）是北京地区的乡土草坪地被植物。为缓解园林灌溉和水资源紧缺之间的矛盾,实施节水灌溉,2012-2014年采用自动称重式大型蒸渗仪研究了青绿苔草草坪的蒸散特性,与北京地区代表性的草坪地被高羊茅（Festuca arundinacea）、野牛草（Buchloe dactyloides）、山麦冬（Liriope spicata）进行了对比分析,并对各种草坪地被的灌溉需水量进行估测。结果表明,青绿苔草在不同月份的蒸散速率不同,5月的蒸散速率最高为3.96±0.23 mm·d^-1,月作物系数为0.73±0.09~0.95±0.03。青绿苔草草坪的蒸散速率高于同种地被。青绿苔草草坪地被的蒸散速率明显低于高羊茅草坪,略低于山麦冬地被,略高于野牛草草坪。以平均值计算,高羊茅、山麦冬、野牛草的蒸散速率分别是青绿苔草的1.40倍、1.11倍、0.98倍。充足水分供应条件下,生长季灌溉需水量从低到高为青绿苔草地被（110.9~136.2 mm）、野牛草草坪（167.1 mm）、青绿苔草草坪（191.7 mm）、山麦冬地被（233.6 mm）、高羊茅草坪（352.2 mm）。     

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。     

GIS环境下1999～2000年中国东北参考作物蒸散量时空变化特

为了实现农业持续发展和保护生态环境，该文应用Penman-Monteith公式和GIS的空间分析功能，通过建立区域参考作物蒸散量的空间分布模型计算了中国东北地区自20世纪90年代以来参考作物蒸散量的时空变化特征。研究发现，20世纪90年代东北地区5～9月份日平均蒸散量呈逐年增大趋势，并以每年0.04 mm的速度递增； 其中5、6、7、8、9各月份绝大部分地区日均蒸散量年变化呈增加的趋势，东北平原年增长超过0.05 mm，≥0.4 mm蒸散地区年平均增长面积为248.73万hm²。5月份和8月份大部分地区日均蒸散量呈减少的趋势，6、7、9月份大部分地区日均蒸散量呈增加的趋势。5月和8月蒸散量的减少以及6月到9月蒸散量的增加都由东北(三江平原)向西南(辽河平原)迁移，并在空间范围上表现出一定的收缩趋势。日均蒸散量≥0.4 mm蒸散地区的重心呈有规律的波动，5～9月份平均重心年际波动主要位于呼伦贝尔高原和西辽河平原两个地区，5、6、7、8、9月份重心的波动轨迹基本为由西北—东北—西南地区，空间上也逐渐由较集中变为较分散。     

毛乌素沙地杨树防护林内紫花苜蓿蒸散耗水规律的研究

本文利用验证后的Penman-Monteith模型,计算了内蒙古毛乌素沙地新疆杨防护林内紫花苜蓿的蒸散耗水,结果表明：(1)通过Penman-Monteith模型计算得到的蒸散量与涡度相关法实测值平均相对误差为14.73%(R²=0.84),说明利用Penman-Monteith模型计算林草复合模式内牧草蒸散量是可行的;(2)不同生育期内紫花苜蓿蒸散量差别较大,具体表现为：返青－分枝阶段、现蕾－开花阶段蒸散量较小,分别为5.03 mm和44.95 mm;分枝－现蕾、开花－结荚阶段蒸散量较大,分别为71.10 mm和101.74 mm;其中耗水最大的生育期为开花－结荚阶段,占整个生育期总耗水量的45.66%。在空间上表现为：随着距主防护林带距离增加,紫花苜蓿蒸散量逐渐增大,最大蒸散量出现在距离林带约115 m处(约7倍树高),为234.41 mm,之后,受另一侧防护林的影响,蒸散量逐渐减少。整个生育期防护林内紫花苜蓿总蒸散量为222.83 mm,对照地紫花苜蓿蒸散量为269.02 mm,与对照相比,防护林内紫花苜蓿比林外蒸散量降低了17.2%。防护林内和对照紫花苜蓿生物量干重分别为3287.28 kg/hm²和2959.93 kg/hm²,林内比对照增产11.1%。     

喀什地区1957-2013年潜在蒸散量变化及其影响因子

基于喀什地区4个气象站点1957-2013年的最高气温、最低气温、月平均气温、相对湿度、风速、日照时数以及降水量数据,采用Penman-Monteith模型、一元回归分析、累积距平和Mann-Kendall非线性突变检验法,分析其年潜在蒸散量的时间序列变化及其影响因子.结果表明:近57 a来,喀什和巴楚的潜在蒸散量呈减少趋势,倾向率分别为-7.53 mm/10 a,-7.47 mm/10 a;塔什库尔干与莎车的潜在蒸散量呈现增加趋势,倾向率分别为8.27 mm/10 a,6.25 mm/10 a;在四季变化中,夏季最多,春、秋季次之,冬季最少;喀什地区潜在蒸散量突变点存在明显差异:喀什年潜在蒸散量突变点为1981年,巴楚的为1962年,塔什库尔干的为1974年和1983年,莎车年潜在蒸散量突变点为1961年、1965年、1968年和1978年;喀什地区年蒸散量最主要受风速和日照时数的影响.     

高寒草甸非生长季土壤表层水汽传输阻抗的变化特征和水热驱动

土壤表层水汽传输阻抗是估算区域蒸散的关键参数之一,但其与土壤水热参数的数量关系的研究在高寒系统中十分薄弱。利用涡度相关系统观测的2014/2015年度高寒草甸非植被生长季(11月-翌年4月)的土壤蒸发数据,基于Penman-Monteith方程反推得出非生长季土壤表层阻抗的昼(9:00-18:00)变化特征,并研究其与土壤5cm温度和土壤5cm含水量的关系。结果表明,非生长季土壤表层阻抗表现出单峰型日变化特征,其最大值一般出现在15:00前后。逐时土壤表层阻抗与土壤5cm温度呈极显著幂函数阈值关系(R2=0.38,P0.01,N=115),即土壤温度为–4.25℃时土壤表层阻抗最大;与土壤5cm含水量呈极显著指数负相关(R2=0.12,P0.01,N=115)。非生长季逐日土壤表层阻抗的变化无明显季节规律,与土壤5cm温度(R2=0.69,P0.01,N=10)和土壤5cm含水量(R2=0.27,P0.01,N=10)均表现为极显著指数负相关。相关分析表明,非生长季土壤蒸发主要受太阳总辐射(R20.50,P0.01)的控制。研究结果表明土壤温度而非土壤含水量主导着高寒草甸非生长季土壤表层阻抗的变化。     

辽西参考作物潜在腾发量变化及其气象影响因子研究

根据辽西半干旱区阜新、朝阳站上世纪50年代至今的气象资料,采用FAO推荐的Penm an-Monte ith公式计算参考作物潜在腾发量(ET0),统计并分析生长季与非生长季辽西地区的ET0、气象因子变化与及其影响ET0变化的主要气象因子。结果表明:阜新地区ET0表现为随时间的增长趋势,而朝阳表现为随时间逐年减少趋势,80年代至今阜新、朝阳变化趋势显著。阜新、朝阳ET0与各气象因子的相关性大体一致。在辽西地区影响ET0显著的气象因子顺序为:风速太阳辐射最高温度降水量,20世纪80年代至今风速的显著性变化是辽西半干旱区ET0之间差异的主要原因。     

基于彭曼公式的膜下滴灌棉田灌水量研究

[目的]探讨基于彭曼公式,膜下滴灌棉田不同灌溉量对棉花生长的影响.[方法]基于彭曼公式,设计一定梯度的灌溉处理,结合气象数据和土壤墒情,进行小区试验,分析干物质积累、水分消耗的变化规律,研究干物质积累、产量与耗水量的关系.[结果]棉花各生育时期干物质积累趋势符合“S”型变化规律;基于彭曼公式推荐灌溉量下的土壤储水量基本上处于棉花各个生育期需水的适宜状态,在未对棉花生长造成胁迫的前提下,对土壤水分利用充分,起到了节水的作用;棉田日蒸散量在整个生育时期呈现“低-高-低”的趋势;从干物质日积累和日耗水量拟合结果来看,其2=0.857 8,说明两者之间具有显著的相关性;建立了籽棉产量与灌溉置的回归模型:Y=-0.010 8 x2+ 7.9069 X-1 029.9 R2=0.926 2).[结论]以彭曼公式为理论指导膜下滴灌棉花的灌溉量,基本符合棉花各个生育时期的需水规律.     

日光温室番茄不同生育期的蒸腾作用及模拟研究

采用盆栽称重法,用Penman-Monteith方程模拟了番茄生育期蒸腾速率的变化,以期为北方日光温室节水灌溉、环境调控提供理论基础.结果表明,番茄结果期日蒸腾量最大,苗期最小,结果期的需水量是开花期和苗期的14倍;苗期的蒸腾量在午后12:30时达到最大值为8g·h-1,开花期和结果期在上午11:30时达到峰值分别为1...     

Prediction of annual reference evapotranspiration using climatic data

It is important to determine how well ET_o can be estimated from easily observed E_pan (free water evaporation measured by a pan) measurements and the other climatic data. Our objectives are to predict annual ET_o with E_pan data (with a calibrated k_p (=ET_o/E_pan)) and with a 4-variable regression function method. The significance of the trends of E_pan, ET_o and k_p series were detected. The whole data series (ET_o, E_pan, mean temperature, sunlight hours, relative humidity and wind speed) were divided into the early (L-5) years for calibrating k_p and coefficients of a 4-variable function and the last 5 years for predicting ET_o. From the results, significance of series trends decreased when using the modified Mann-Kendall (MMK) test compared to the Mann-Kendall (MK) method. For ET_o, five out of six sites showed significant trends according to the MK statistic Z, and two sites were significant in trend combining with the MMK statistic Z*(j). For E_pan, two sites were significant in trends according to Z, and zero sites were significant in trends combining with Z*(j). For k_p, two sites were significant in trends according to Z, and no sites were significant in trends combining with Z*(j). Thus the calibrated k_p can be treated as a constant when using the E_pan method. The predicted annual ET_o using the E_pan and the multi-variable methods showed generally good agreements with the estimated annual ET_o (based on monthly PM equation) with low relative errors (RE). Mean ET_o values were well predicted by both methods. When using E_pan method, RE ranged from −14.7 to −3.3% for Urumqi, from 17.6 to 21.7% for Xning, from 1.8 to 10.7% for Lanzhou, from 4.7 to 17.0% for Huhehaote, from −7.4 to 9.1% for Beijing, and from −8.6 to 2.3% for Changchun. RE of predicting annual ET_o with 4-variable regression function were even lower compared to E_pan method. The main error source of the predictions came from the deviation between calibrated k_p and the actual k_p of the predicted years when using E_pan method and from random fluctuations of climatic data when using the 4-varible regression function. In conclusion, the MMK test was a robust method for trend detection because it considered serial time dependence. Insignificant trend of the k_p series supports the choice of a mean value as the calibrated k_p and for ET_o predictions. The E_pan method is recommended for prediction of annual ET_o.