作物需水量是灌溉工程规划、设计和管理的重要基础数据,充分利用多源数据和先验知识,快速经济地获取精度较高的区域作物需水量对于区域水资源的优化配置具有重要意义。为精确预测作物需水量,该文以长系列实际监测和校核作物系数后计算...作物需水量是灌溉工程规划、设计和管理的重要基础数据,充分利用多源数据和先验知识,快速经济地获取精度较高的区域作物需水量对于区域水资源的优化配置具有重要意义。为精确预测作物需水量,该文以长系列实际监测和校核作物系数后计算得到的作物需水量为硬数据,利用硬数据确定获得最大熵的约束条件,根据软数据获取渠道的不同(部分年份缺失的站点数据、文献中获得的数据、利用灌溉试验数据库中的作物需水量资料,采用协同克立格方法获得的数据、考虑主要地形因子和主要气象要素的影响,采用主成分分析和地理加权回归(geographically weighted regression,GWR)方法获得作物需水量数据以及遥感数据),提出不同来源软数据的概率密度函数表达方法,采用贝叶斯最大熵(Bayesian maximum entropy,BME)方法对不同来源的作物需水量信息进行有机整合。结果表明:除硬数据+文献软数据外,其他数据整合呈现一致结果。华北地区冬小麦作物需水量在豫南地区较小,中部地区黄河北岸有连片的相对高值区,山东需水量相对较高,冀东北的乐亭、唐山附近有相对低值区。除硬数据+文献软数据比不整合的精度低9.41%外,其他软数据源均可不同程度地提高整合效果,硬数据+克立格软数据、硬数据+GWR软数据和硬数据+除文献数据外的其他软数据分别比不整合的精度提高85.33%、85.75%和91.69%。对考虑地形、气象等要素的多源数据进行整合可更好地反映冬小麦作物需水量空间分布的细节,显著提高估算精度,为稀疏监测站点地区水土资源的精准管理和优化配置提供数据支撑。展开更多
文摘作物需水量是灌溉工程规划、设计和管理的重要基础数据,充分利用多源数据和先验知识,快速经济地获取精度较高的区域作物需水量对于区域水资源的优化配置具有重要意义。为精确预测作物需水量,该文以长系列实际监测和校核作物系数后计算得到的作物需水量为硬数据,利用硬数据确定获得最大熵的约束条件,根据软数据获取渠道的不同(部分年份缺失的站点数据、文献中获得的数据、利用灌溉试验数据库中的作物需水量资料,采用协同克立格方法获得的数据、考虑主要地形因子和主要气象要素的影响,采用主成分分析和地理加权回归(geographically weighted regression,GWR)方法获得作物需水量数据以及遥感数据),提出不同来源软数据的概率密度函数表达方法,采用贝叶斯最大熵(Bayesian maximum entropy,BME)方法对不同来源的作物需水量信息进行有机整合。结果表明:除硬数据+文献软数据外,其他数据整合呈现一致结果。华北地区冬小麦作物需水量在豫南地区较小,中部地区黄河北岸有连片的相对高值区,山东需水量相对较高,冀东北的乐亭、唐山附近有相对低值区。除硬数据+文献软数据比不整合的精度低9.41%外,其他软数据源均可不同程度地提高整合效果,硬数据+克立格软数据、硬数据+GWR软数据和硬数据+除文献数据外的其他软数据分别比不整合的精度提高85.33%、85.75%和91.69%。对考虑地形、气象等要素的多源数据进行整合可更好地反映冬小麦作物需水量空间分布的细节,显著提高估算精度,为稀疏监测站点地区水土资源的精准管理和优化配置提供数据支撑。
文摘探索未来主要气候情景下参考作物蒸散量(reference evapotranspiration,ET0)的时空分布可为农业水资源科学配置,科学应对气候变化对农业生产的影响提供基础数据支撑。该文利用黄淮海及周围88个站点1961-2010年逐日气象数据,Penman-Monteith公式估算的ET0为因变量,采用非线性回归分析方法对Hargreaves公式进行参数属地化订正,基于1961-2005年温度日序列,利用统计降尺度模型(statistical downscaling model,SDSM)以及大气环流模型(general circulation models,GCMs)中加拿大地球系统模式(the second generation of Canadian Earth System Model,Can ESM2)得到代表性浓度(representative concentration pathways,RCPs)4.5和8.5两种排放情景下2010-2100年温度日序列,通过率定的Hargreaves公式预测黄淮海地区ET0,并采用普通克里格(ordinary Kriging)方法进行空间化处理。结果表明:率定后的Hargreaves公式与Penman-Monteith公式的相关指数波动范围为0.65-0.85,平均值为0.80,SDSM模拟的最低温度、最高温度率定期和验证期的确定性系数都在0.95以上;未来两种气候情景下,黄淮海地区ET0整体上均呈增加趋势;RCP4.5情景下ET0从河北与山东、河南交界处形成的"勺"状向周围逐渐减小,在河北唐山与乐亭、江苏东台、河南驻马店附近达到最小值;RCP8.5情景下黄淮海地区2020 s(2011-2040年)、2050 s(2041-2070年)ET0的空间分布和RCP4.5非常相似,但2080 s(2071-2100年)ET0的空间分布差异较大,最高值主要分布在山东惠民县附近、河南新乡附近、安徽蚌阜和江苏盱眙附近。如不采取科学的应对措施,未来ET0的增加,可能会进一步加剧该区水资源短缺程度,该研究可为黄淮海地区水资源的优化管理和灌溉制度制定提供科学参考。