排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
蒸散(ET)是水分交换的重要过程,对理解地表水平衡至关重要。基于安徽省寿县国家观测站多年的通量和气象数据,分析了江淮流域稻麦轮作作物ET变化特征,并利用通径分析方法分别对冬小麦和水稻ET的影响因子进行辨识。结果表明:①江淮流域稻麦轮作田多年均ET年总量为740.3 mm,其中冬小麦、水稻、裸地分别占比40.7%、52.3%、7.0%。冬小麦ET的日均值为1.40 mm/d,在生长季内ET变化表现为弱"双峰型"特征,两峰值分别位于出苗-三叶和开花期。水稻ET的日均值为3.23 mm/d,在生长季内ET变化表现为"单峰型",峰值位于拔节期。②冬小麦ET主要受净辐射(R_n)和叶面积指数(LAI)影响,R_n的直接作用最明显,而LAI主要通过R_n路径对ET产生间接影响。水稻ET主要受R_n和20 cm土壤体积含水量(VSWC_(20))影响,R_n直接作用更明显。对比两种作物,R_n对其ET都起决定性作用,LAI对冬小麦ET作用明显高于水稻,而VSWC_(20)对水稻ET促进作用明显,对冬小麦ET变化促进作用可以忽略。 相似文献
2.
为了科学认识城市化对极端气温的影响,利用南京地区3个城区气象站和3个周边乡村站1961—2005年日最高、最低气温资料,对比分析城市站和乡村站17个极端气温指数的平均值和变化趋势,并定量估算极端气温变化趋势的城市化影响及贡献。结果表明:近45年南京地区暖事件均为增加趋势,而冷事件多为减少趋势,最高气温、最低气温的平均值和极值均为上升趋势。城市站与乡村站相比,暖事件更多,冷事件更少,最高气温、最低气温的平均值和极值更大。城市化对极端气温变化趋势的影响有两大特点:城市化加速了极端气温指数的变化速率,使得暖事件、平均值、极值的上升趋势和冷事件的下降趋势变得更大;基于最低气温的极端气温指数变化趋势比基于最高气温的极端气温指数受城市化影响更显著。城市化贡献表现为:暖事件大于冷事件,最低气温极值和平均值大于相应的最高气温极值和平均值。 相似文献
3.
气象要素时间分辨率对参考作物蒸散估算的影响 总被引:2,自引:1,他引:2
参考作物蒸散(reference evapotranspiration,ET0)的准确估算是农业水资源合理利用的重要环节。为了明确气象要素不同时间分辨率对参考作物蒸散估算的影响,该文基于寿县国家气候观象台2007-2013年观测资料,将1min时间分辨率数据平均值作为真实值,分析了10、20、30、40、60 min、4次/d(02:00、08:00、14:00、20:00)和3次/d(08:00、14:00、20:00)这7种不同时间分辨率对逐日气温、风速、太阳辐射、相对湿度和日、月及年参考作物蒸散(ET0)估算的误差情况。结果表明:ET0和气象要素的误差整体上随时间分辨率降低而增大。4个气象因子中,日平均风速估算受时间分辨率变化的影响最显著,误差最大;其次是太阳辐射。逐日ET0估算在7种时间分辨率的平均绝对相对误差(mean absolute relative error,MAPE)依次为0.53%、1.01%、1.38%、1.72%、2.46%、4.72%和6.14%,表明10至60min时间分辨率的估算效果相较3次/d和4次/d有明显改善。10至40 min的绝对误差超过95%都在-0.20~0.20 mm/d区间内,误差较小且集中度高;太阳辐射时间分辨率变化对ET0估算误差贡献最大,其次是风速,这主要是由于两个要素本身对分辨率较敏感且分别是ET0辐射项和动力项的主要组成因子。时间分辨率的变化对累计后长时间尺度ET0的影响较小,月和年ET0的误差明显小于逐日ET0,月ET0在7种时间分辨率的MAPE值依次为0.13%、0.21%、0.27%、0.40%、0.50%、1.18%和1.48%;各年ET0相对误差(relative error,PE)的绝对值多数均小于0.50%。 相似文献
4.
安徽省参考作物蒸散模型参数化 总被引:1,自引:1,他引:0
模型参数优化是准确估算参考作物蒸散(reference crop evapotranspiration,ET0)的关键问题之一。该研究基于安徽省81个地面气象站点1961—2011年逐日气象数据和合肥、武汉、南京、杭州和南昌5个辐射站1993—2011年的逐日辐射数据,评估日尺度的净长波辐射、气压和水汽压模型在安徽地区的适用性;并结合已有研究获得的最优逐日太阳辐射参数化估算模型,建立安徽省本地化逐日ET0模型的最优参数化方案,探讨模型参数优化对ET0估算的影响。结果表明:7种净长波辐射估算参数化方案中,邓根云法的精度最高,在安徽地区的适用性优于其他方案,建议作为安徽本地化方案使用;FAO56 Penman-Monteith公式中推荐的气压估算模型和基于实测平均气温和相对湿度估算水汽压的模型在安徽省基本适用,但该研究认为在资料能够获取的情况下直接使用实测值为最优。与基于实测资料计算的ET0相比,该研究建立的本地化最优模型估算的ET0在日、月和年尺度上的相对误差分别为15.5%、9.05%和6.12%,能较好地适用于安徽地区。FAO56 Penman-Monteith公式推荐的参数化方案由于高估了安徽地区的太阳辐射,低估了净长波辐射,导致其与基于实测资料计算的ET0值相比,在日、月和年尺度上高估ET0达40.0%以上,不推荐安徽地区直接使用。研究可为安徽省准确估算作物需水量、农业旱涝评估和合理调度水资源等提供依据。 相似文献
5.
6.
基于BCC_CPSv2模式的淮河流域月参考作物蒸散概率订正预报 总被引:1,自引:1,他引:0
参考作物蒸散(Reference Crop Evapotranspiration,ET0)预报在农业水资源配置、区域干湿演变评估方面有着重要作用。该研究基于国家气候中心第二代气候预测系统(Beijing Climate Center Second-Generation Climate Prediction System,BCC_CPSv2)模式预报数据和1991-2020年淮河流域地面气象观测数据,利用分位数映射法对模式预报的气象要素进行概率订正,采用Penman-Monteith公式计算ET0,并评估了订正前后BCC_CPSv2模式对淮河流域月ET0和气象要素的预报性能。结果表明:1)模式对平均气温、净辐射和相对湿度的预报值较观测值偏小,风速预报值在3-6月偏小,其他月份偏大,4个气象要素预报的均方根误差(Root Mean Square Error,RMSE)分别为1.84 ℃、1.70 MJ/m2d、15.79%和1.39 m/s;气象要素预报偏差导致2-6月ET0预报值较计算值偏小,1月和7-12月偏大,区域平均RMSE为0.59 mm/d,绝对百分比误差(Mean Absolute Percentage Error,MAPE)为21.9%。2)概率订正有效降低了气象要素和ET0的预报误差。气温、净辐射、相对湿度和风速预报订正值的RMSE均小于订正前;80%月份ET0预报订正值的RMSE小于订正前,区域平均RMSE减小了0.23 mm/d,MAPE减小了11.2%。3)夏半年和冬半年ET0预报误差的首要来源分别是净辐射和相对湿度,主要是由于模式对这2个要素的预报精度较低且ET0对其敏感,误差容易传递。可见,基于模式概率订正的月尺度ET0预报方法精度较高,可以为水资源优化管理、灌溉制度制定和农业中长期需水决策提供参考。 相似文献
7.
近54年临汾市气温变化特征 总被引:3,自引:1,他引:2
利用临汾市1954年1月~2007年12月逐日温度观测资料,分析了临汾54年来平均气温、极端气温、冷积温和热积温的变化趋势和特征。结果表明,在全球气候变暖的背景下,54年来临汾平均气温明显上升,尤其是春、冬季升温显著,且冬季升温大于春季升温,年极端最低气温和冷积温显著上升,年极端最高气温和热积温略有上升;冷冬皆分布在80年代以前,而暖冬主要分布在90年代以后;凉夏主要分布在80年代,酷暑主要分布在80年代以后;90年代以来酷暑和暖冬频繁出现。 相似文献
8.
西北地区近49年生长季参考作物蒸散量的敏感性分析 总被引:6,自引:0,他引:6
基于FAO Penman-Monteith公式计算了西北地区126个站点1961-2009年的生长季参考作物蒸散量(ET0)对气温、风速、相对湿度和太阳总辐射的敏感系数,并对敏感系数的时空变化特征进行分析。结果表明:西北地区生长季ET0对太阳总辐射最敏感,其次是气温和相对湿度,对风速的敏感性最低。气象要素分布的不均匀性导致敏感系数的空间差异显著,气温和风速的敏感系数在西风带气候区较大,相对湿度敏感系数在较湿润地带形成高值区,太阳总辐射敏感系数南部明显大于北部。生长季内,各气象因子的敏感系数均存在一定程度的波动,气温和太阳总辐射的敏感系数呈单峰型分布,风速敏感系数呈单谷型分布,相对湿度敏感系数的绝对值持续上升。49a来,太阳总辐射敏感系数显著上升,相对湿度敏感系数明显下降,其趋势系数均通过0.05水平的显著性检验,而气温和风速的敏感系数以波动为主,无明显变化趋势。 相似文献
9.
西北地区小型蒸发皿资料估算参考作物蒸散 总被引:4,自引:3,他引:1
参考作物蒸散是水文循环的重要参量,它的准确估算对于农业水资源的合理规划和利用尤为关键。本文利用西北干旱半干旱地区123个气象台站1971-2000年的逐日气象观测资料,以FAO推荐的Penman-Monteith公式确定的参考作物蒸散为标准,建立了基于相对湿度与10m高度处风速的由20cm小型蒸发皿换算参考作物蒸散的Kp模型。结果表明:西北地区参考作物蒸散ETref与蒸发皿蒸发Epan的相关系数达到0.967,两者之间存在明显的线性相关关系。与单站模型和全区模型相比,分区域Kp模型的精度介于两者之间,同时具有一定的推广价值,建议使用。 相似文献
10.
利用山西省1961-2006年夏季降水量资料和四种东亚夏季风指数,采用相关分析和距平分析法,对比分析了山西夏季降水与四种东亚季风指数的关联性。结果表明:山西夏季降水与四种东亚夏季风指数的相关性有好有坏,与郭其蕴GI和王斌WI指数的相关性均比与黄刚HI指数和李建平LI指数表现的好,但夏季降水与GI指数为正相关而与WI指数为负相关,其中高相关区分布在南部和中部;GI和WI指数距平符号对山西夏季降水异常有较好表征意义,尤其在干旱年份,而HI和LI指数几乎没有表征能力;GI和WI高指数年和低指数年降水差异明显,在南部和中部尤为显著,而HI和LI指数差异较小,且空间分布上有正有负。 相似文献