作物蒸发蒸腾量研究

作物蒸发蒸腾量的研究在节水灌溉中有非常重要的意义.介绍了作物蒸发蒸腾量的估算、测量方法及特点,分析了影响作物蒸发蒸腾量的因素,时如何做好作物蒸发蒸腾量的估算和测量进行了展望.     

西藏参考作物蒸发蒸腾量的空间分布规律

根据西藏高原区38个气象站自建站到2006年的逐日气象观测资料,采用FA056标准Penman—Monteith公式计算各站逐日参考作物蒸发蒸腾量（ET0）。利用软件Golden Software Surfer8．0空间分析功能,得到西藏高原区四季ET0均值、极值ET0均值、干湿季ET0均值和年ET0均值的等值线灰度图,重点分析了全区各种ET0均值的空间分布特征。分析结果表明：西藏高原区各种ET0均值的高、低值中心空间分布各有差异;西藏高原区各种ET0均值均具有东部和中南部高、东北部和东南缘低的空间分布规律;多年平均气温、平均风速和平均相对湿度等主要气象因子共同作用导致了西藏高原区各种ET0均值呈现三个ET0高值中心。     

参考作物蒸发蒸腾量的计算方法对比研究

选取陕西省典型站点,并采用不同的方法计算典型站点的参考作物蒸发蒸腾量,可以得出:Priestley-Taylor计算的结果和Penman-Monteith计算结果大致有着相同的变化趋势,还可以看出计算结果和FAO提供的数据具有很强的一致性,但Priestley-Taylor结果与Penman-Monteith方法的数值相差较大;而Priestley-Taylor方法和Pen-manFAOPPP-17方法不能直接用来计算陕西省地区的ET0,但又因为它们与Penman-Monteith方法计算结果有着良好的线性关系,可以建立回归方程对其进行修正之后应用.     

陕西地区参考作物蒸发蒸腾量空间分布特征

根据FAO提供的Climate Information Tool获取陕西省地理网格各节点的多年月平均气象数据,通过对代表站点采用Penman-Monteith公式计算了陕西省历年各月参考作物蒸发蒸腾量ET0,分析得出:陕西地区参考作物蒸发蒸腾量月际变化比较大,6月至8月的ET0总和在全年中占的比例较大,约为50%左右;并绘制列陕西地区多年平均各月ET0等值线图,发现陕西地区的参考作物蒸发蒸腾量ET0整体变化趋势由西南向东北逐渐增加。     

辐射参数计算方法对参考作物蒸发蒸腾量计算值的影响

采用FAO-56PM公式和其他计算公式计算净辐射Rn和参考作物蒸发蒸腾量ET0,对不同方法所得Rn计算值进行了比较.结果表明,不同辐射参数计算值对Rn计算值影响不同,大气边缘辐射计算值对Rn影响很大,Irmak方法和Allen方法所得Rn与FAO-56PM公式结果较一致.进一步以不同方法所得Rn代入FAO-56PM公式计算ET0,Irmak方法和Allen方法所得ET0与FAO-56PM公式计算值较一致.敏感性分析表明,Rn波动10%,ET0波动在7%左右,Rn对ET0的影响很大.在中亚热带低丘岗地区估算ET0时,可考虑Irmak方法和Allen方法来估算Rn.     

北疆滴灌春小麦参考作物蒸发蒸腾量与气象因子的关系

根据2011年气象资料,应用Penman-Monteith公式计算滴灌春小麦生育期内逐日ET0值,采用相关分析法研究了ET0与气象因子之间的关系.结果表明:滴灌春小麦生育期内ET0的变化规律为先增大后减小,到抽穗期达到最大.在滴灌春小麦生育期内,缺乏气象数据资料的情况下,可以利用日平均气温和净辐射估算ET0,日平均湿度及日平均风速与ET0之间基本不存在线性关系,不能用日平均湿度及日平均风速估算ET0;各气象因子的累积量与ET0累积量相关系数均达到极显著线性相关水平,可以用各气象因子累积量计算ET0的累积值.     

基于温度资料的参考作物蒸发蒸腾量计算方法

针对利用FAO56-PM法计算参考作物蒸发蒸腾量ET0时气象资料需求往往不易满足的问题,研究了温度法及基于温度资料的BP人工神经网络预测模型.以FAO56-PM法ET0计算值为标准,比较分析了Hargreaves法、改进的Thornthwaite法、简化的FAO56-PM法以及Mc cloud法在我国湿润气候区的应用效果,评价了校正后的温度法以及基于温度资料的BP人工神经网络预测模型在该气候区的适用性.结果表明,在ET0较小时,Hargreaves法、改进的Thornthwaite法和简化的FAO56-PM法计算值较FAO56-PM法偏大,在ET0较大时较FAO56-PM法偏小;改进后的Thornthwaite法与FAO56-PM法最为接近,Mc cloud法与FAO56-PM法的计算结果差异最大;除Mc cloud法外,校正后的温度法检验合格率较高,具有较好的地区适用性;基于温度资料的BP人工神经网络预测模型具有较高的预测精度,结果好于校正后的Thornthwaite法和Mc cloud法,可应用于只有温度资料时湿润气候区ET0的预测.     

基于Logistic曲线的作物累积蒸发蒸腾量模拟研究

为了探讨作物全生育期内累积蒸发蒸腾量的变化规律,采用Logistic曲线建立了夏玉米、设施栽培番茄和西瓜的累积蒸发蒸腾量随生育时间变化的模拟模型,并通过Logistic曲线的不同阶段分析了作物生育期内的需水规律.结果表明:玉米、番茄和西瓜的全生育期累积蒸发蒸腾量呈现出符合Logistic曲线的“慢—快—慢”的变化规律,采用Logistic曲线模拟大田和设施栽培作物累积蒸发蒸腾量是可行的;与FAO推荐的生育进程划分结果相比,根据Logistic曲线对大田作物玉米的生育进程划分结果相差不大,而设施栽培番茄和西瓜的生育进程划分结果有较大的差异.     

未来气候情景下海河流域参考蒸发蒸腾量预估

开展未来气候情景下海河流域参考蒸发蒸腾量的预估研究,揭示流域未来气候变化背景下的水文响应规律,有助于更好地为水资源分配和管理提供科学基础和理论依据.根据海河流域及其周边共40个气象站1961—2010年逐日气象资料,基于FAO Penman-Monteith法计算参考蒸发蒸腾量(RET),通过统计降尺度模型(SDSM)实现HadCM3输出RET数据网格到站点的尺度降解,进而生成未来情景下RET并分析其时空变化规律.结果表明,基于SDSM模型的模拟效果较好,可以用于未来情景下海河流域GCM输出RET的降尺度应用;虽然过去50年流域大部分站点的RET年值呈下降趋势,但SDSM模型预测的未来气候情景下大部分区域却呈增加的趋势,其中H3A2情景下增加量略高于H3B2情景,且随着时间的推移增加量越来越大,以流域西北部边缘区域、滦河上游和下游以及徒骇马颊河流域的增加趋势最为明显,RET减少的区域在2020s时期主要位于流域中部,随着时间的推移逐渐缩小到京津塘地区;RET季节值的变化同样具有很强的时空特性,而除了春季时在流域南部、秋季在2020s时期滦河流域下游和海河北系的东部部分区域、冬季在流域的西南部和东北部RET呈减小趋势外,其余RET则主要呈增加的趋势;同时研究表明未来情景下RET增加主要由温度的上升导致.     

控制灌溉条件下水稻蒸发蒸腾量及作物系数试验研究

根据国家“863”节水农业重大专项江西示范区晚稻节水灌溉试验资料,分析了控制灌溉条件下晚稻移栽后各周蒸发蒸腾量变化规律和影响因素,研究了控制灌溉条件下水稻作物系数的变化.研究结果表明:控制灌溉条件下水稻蒸发蒸腾在拔节孕穗期以及抽穗开花期保持较大值,其他时期则较小;蒸发蒸腾量与冠层净辐射量、饱和水汽压差等气象因素以及田间土壤水分状况关系密切,叶面积指数不是关键的影响因子;利用冠层净辐射量等气象因子及土壤水分系数表示的冠层阻抗与蒸发蒸腾量呈明显负相关关系;双季晚稻全生育期作物系数Kc平均值为1.27,生育中期的作物系数值稍大于FAO推荐参考值.     

蒸发蒸腾量支持向量机预测

分析了遥感月蒸发蒸腾量数据的动态变化趋势,把一维遥感月蒸发蒸腾量输入空间映射到高维输入空间,将蒸发蒸腾量时间序列重构为12维相空间,建立了基于支持向量机的蒸发蒸腾量预测模型。根据预测精度,确定了损失系数ε、惩罚因子C及径向基核函数的宽度σ。通过对48个训练样本的学习,得到拟合样本平均相对误差为3.51%;将模型应用于12个样本的预测,预测平均相对误差为12.30%,预测值与实测值的确定性系数达0.97。结果表明,支持向量机(SVM)模型泛化能力强,具有较满意的预测效果。研究结论较好地解决了小样本、过学习、高维数、局部最小等问题。     

韩江流域参考作物蒸散量时空变化及其影响因素

基于韩江流域12个气象站点1961—2013年的逐日气象数据,应用Penman-Monteith公式计算参考作物蒸散量(ET0),并利用Mann-Kendall检验、Kring插值、Pearson相关分析和敏感性系数等方法分析了韩江流域ET0的时空变化特征及其影响因素. 结果表明：(1)近53年来,韩江流域多年平均ET0为1 121.96 mm,整体呈下降趋势,速率为0.39 mm/a,在1967年左右发生突变. 全流域ET0的年内变化较为明显,夏季的贡献最大,占到全年的37%;年均ET0以广东最多,江西最少. (2)空间上,韩江流域ET0呈现“自东南向西北逐渐递减”、“三高一低”的分布格局,即韩江上游梅江源头地区、韩江三角洲以及梅潭河流域为明显的高值区,而汀江上游地区的值相对较低;四季ET0的空间分布与年高低值的分布格局基本一致. (3)韩江流域ET0对相对湿度呈负敏感性,对平均气温、日照时数和平均风速呈正敏感性,对相对湿度最为敏感,其次是平均温度,对日照时数和平均风速的敏感性相对较小. (4)风速的下降是该流域ET0减少的主要原因,其次是相对湿度. 本文为山区流域水循环研究奠定了一定的基础,可为区域水资源评价与管理提供参考依据.     

基于最大熵增原理的蒸发蒸腾量模型应用

为了检验和应用Wang和Bras基于最大熵增原理建立的蒸发蒸腾量模型,应用该模型计算实验站的实测数据来改进该模型。通过简述最大熵增原理和最大熵增的蒸发蒸腾量模型构建,用整理的实测数据重新验证最大熵增模型的可靠性和精度,并与Penman-Monteith公式计算对比。在给定净辐射条件下,运用最大熵增模型计算有植被地表的显热通量和潜热通量,与实测数据的变化趋势基本一致,显热通量符合较好;白天的潜热通量计算值偏大,夜间符合较好。对最大熵增模型的2个参数表面温度和表面比湿度分析表明:最大熵增模型计算显热通量和潜热通量的变化趋势主要取决于表面温度。     

参考作物蒸散量的变化特征研究

为了分析西宁参考作物蒸散量(ET0)的变化特征,采用Penman-Monteith(P-M)公式,计算年及四季的ET0值并进行了影响因素分析。结果表明,西宁地区ET0的年际、年内变化呈下降趋势,且趋势显著;ET0年内分布为6月份达到最大值,12月份达到最小值;西宁地区的ET0与平均温度、风速、日照时数呈显著正相关,与降水和相对湿度成显著负相关。这说明ET0值受各种因素的综合影响。     

石河子地区作物VA菌根的调查研究

在对石河子地区14科31属34种作物VA菌根分布调查基础上,对其感染率及部分生态环境进行了一些测定,同时对VA菌根茵的基本形态结构作了观察.石河子地区气候较干燥,调查田块土壤 PH值均偏碱性,作物仍能形成丰富的 VA菌根,说明VA菌根的生态适应性很强,能够广泛分布于自然界.     

基于类别特征编码的参考作物蒸散量预报模型

为提高基于天气预报的参考作物蒸散量(ETo)预报模型精度,通过引入序数(ORD),独热(O-H),目标(TAR)和CatBoost(CAT)4种编码方法对天气类型和风力等级进行数值化处理,结合Light Gradient Boosting Decision Machine(LGB)算法构建了基于天气预报类别特征的ETo预报模型.结果表明,同时引入编码处理的天气类型和风力等级数据可以有效提升LGB3模型精度(R²较LGB1提升-0.97%～9.36%),提升排名为O-H>CAT>TAR>ORD.单独引入天气类型数据的LGB4能够获得与LGB3模型相近的精度,而单独引入风力等级对LGB5模型精度贡献不显著,甚至可能会引入噪声而降低精度.因此采用O-H编码处理天气类型和风力等级数据扩展输入维度,可以提高模型精度,适用于缺少气象站或数据种类不全地区的ETo精准预测.     

基于天气预报的参考作物腾发量预报方法比较

以常州站点为例,收集了2000—2017年历史气象观测数据和2011—2015年历史天气预报数据,以FAO56-PM公式的估算结果为对照,分别对Hargreaves-Samani模型、多元回归模型与傅立叶分析模型进行率定和验证,并以2016-04-21至2017-10-24逐日1～7 d天气预报数据为依据,分析评价3种率定模型的ET0预报精度。结果表明:率定后的MR模型在1 d、4 d、7 d预见期的平均绝对误差为0. 751 mm/d,准确率为87. 2%,预报精度均优于HAR模型与FA模型;均方根误差除在3d预见期时略高于HAR模型外,其他预见期均最小。考虑到天气预报准确率随预见期增加而降低,建议预见期不宜大于3 d。进一步在季节尺度下的精度比较显示,MR模型在各季节1～3 d预见期的预报精度均高于HAR模型与FA模型,总体预报精度最高。因此,建议采用MR模型对常州站点进行ET_0预报。     

次生栎林蒸腾强度与蒸腾量的研究

采用多元回归分析和灰色关联分析方法,探讨了下蜀次生栎林蒸腾强度与生态因子的相关关系;并采用曲线积分的方法对林分蒸腾量作了估测。结果表明影响蒸腾强度的主要生态因子是温度和净辐射;其次是空气相对湿度和土壤热流通量;风速和土壤含水率的影响很小。次生栎林１９９６年总蒸腾量为４２８．８８ｍｍ;总蒸发散量为８５８．６８ｍｍ,占全年总降雨量的６８．８５％。研究结果为进一步阐明次生栎林的结构和功能提供了理论基础。