不同通风方式日光温室微环境模拟与作物蒸腾研究

日光温室后墙蓄热降低了通风降温效率,高温会刺激植物水分蒸腾,降低水资源利用率。本文以北京市通州区日光温室为研究对象,在原有的上、下通风口基础上,增设后墙通风口。基于DO辐射模型、组分输运模型和多孔介质模型建立了日光温室的计算流体力学(CFD)模型,探究了不同通风方式下温室微环境状况,并结合作物蒸腾模型分析获得了作物蒸腾特征。结果表明,气温变化会直接影响作物蒸腾强度,两者空间分布特征一致。中午温室高温,开启后墙、下通风口,较原来开启上、下通风口,气流走向相似,因减少部分蓄热墙体,降温效率提高5.7%,蒸腾量下降0.020 mm/h,开启后墙、上、下通风口,蒸腾量较原来下降0.005 mm/h。开启后墙、上通风口,由于两通风口靠近一侧且距离作物较远,只能形成北侧局部降温,降温效率下降10.3%,除湿效率较原来提高5.7%,蒸腾量升高0.035 mm/h。此外,在通风口组合中,将靠下的通风口设置在迎风方向,可减少外界来风能量、动量损失,以提高通风降温效率。研究结果可为日光温室微环境调节提供参考。

参考作物蒸腾蒸发时空变化及其影响因素分析

利用淠史杭灌区及周边12个气象站1958—2022年气象观测资料和Penman-Monteith公式计算参考作物蒸腾蒸发量(ET0),采用Mann-Kendall趋势检验、敏感曲线和线性回归等方法分析淠史杭灌区ET0变化特征及主要气象因子对年ET0变化的贡献,量化气象因素对其影响。该研究成果对提高农业应对气候变化适应能力和抵御气候灾害能力具有重要意义。

西北黑河中游荒漠绿洲农田作物蒸腾与土壤蒸发区分及作物耗水规律

利用中国生态系统研究网络临泽内陆河流域研究站绿洲农田2009年小气候、湍流交换、土壤蒸发和叶片气孔导度等综合观测试验数据,应用Shuttleworth-Wallace(S-W)双源模型以半小时为步长估算了绿洲农田玉米生长季实际蒸散量,并利用涡动相关与微型蒸渗仪实测数据对田间蒸散发量和棵间土壤蒸发量计算结果进行了检验。结果表明:S-W模型较好地估算研究区的蒸散量,并能有效区分农田作物蒸腾和土壤蒸发;全生育期玉米共耗水640 mm,其中作物蒸腾累积量为467 mm,土壤蒸发累积量为173 mm,分别占总量的72.9%和27.1%;日时间尺度上,作物蒸腾和土壤蒸发分别在0—6.3 mm/d和0—4.3 mm/d之间变化,其日平均分别为2.9和1.0 mm/d;田间供水充足,作物蒸腾与土壤蒸发比值明显受作物生长过程影响,播种—出苗期、出苗—拔节期、拔节—抽雄期、抽雄—灌浆期、灌浆—成熟期,其比值分别为0.04、0.8、7.0、5.2和1.4,不同阶段的比值差异主要受叶面积指数影响。

基于FAO-56双作物系数法估算农田作物蒸腾和土壤蒸发研究--以西北干旱区黑河流域中游绿洲农田为例

【目的】确定中国西北干旱区黑河流域中游绿洲农田蒸散量并区分作物蒸腾和土壤蒸发,为制定合理的作物灌溉制度和提高区域水资源利用效率提供依据。【方法】本文利用中科院临泽内陆河流域研究站绿洲内部大田玉米地2009年的小气候和土壤蒸发等综合观测试验数据,运用FAO-56和ASCE推荐的两种时间步长的四种不同形式的Penman-Monteith模型估算了甘肃临泽绿洲玉米农田2009年参考蒸散量,并结合FAO-56双作物系数法估算了其实际蒸散量。【结果】4种P-M模型FAO-56-PM24h、ASCE-PM24h、FAO-56-PM0.5h及ASCE-PM0.5h和双作物系数法估算的实际蒸散量依次为672.1、766.2、991.2和805.6mm。【结论】利用涡动相关数据及小型蒸渗仪实测数据对其进行了检验,结果表明,使用FAO-56-PM24h模型估算参考作物蒸散量的参考作物蒸散-双作物系数法能够较好估算研究区的蒸散量并有效地区分农田作物蒸腾和土壤蒸发。2009年研究区域农田制种玉米的耗水量大约为671.2mm,日均蒸散量为4.1mm,其中作物蒸腾累积量为498.5mm,土壤蒸发累积量为172.7mm,分别占蒸散量的74.2%和25.8%。

夏玉米田作物蒸腾与棵间土壤蒸发模拟计算方法研究

本文依据能量平衡原理和质量守恒定律，提出了作物蒸腾与棵间土壤蒸发的估算模式，并对参数的估算做了详细的分析和讨论。最后利用试验区实测资料，通过田间水热耦合运移的数值模拟，对夏玉米田作物蒸腾棵间土壤蒸发模型及其模拟计算方法进行了验证，结果表明，本文提出的模型和模拟计算方法是有效而实用的。

基于PSO-BP神经网络的参考作物蒸腾量预测

针对以往BP神经网络收敛速度慢及易陷于局部极小值等问题,引入粒子群算法优化BP网络的权值和阈值,建立PSO-BP神经网络,预测参考作物蒸腾量ET0。以西安地区的相关资料为基础,设计9种影响因子组合方案,利用PSO-BP网络模型进行ET0的预测,结果表明,该模型运算速度快,预测精度较高;对比分析9种方案的预测结果发现,方案7为最优,该方案只需选用平均温度、平均相对湿度、风速和日照时数四项影响因子,即可获得较高精度的参考作物蒸腾量预测值。

湖北省参考作物蒸腾量时空变异特征

根据湖北省20个测站1977—2007年的气象资料,应用Penman-Monteith公式计算了31年的逐日ET0。应用GIS技术和统计检验方法分析了参考作物蒸腾量的时空变异特征和气象因子对ET0的影响。结果表明,湖北省参考作物蒸腾量的空间分布呈西低东高的特征;随多年时间变化空间分布趋于均匀;年内ET0值分布以7、8月最高,12、1月最低;影响ET0的主要气象因子为风速,平均温度次之。

参考作物蒸腾量的多重分形特性分析

分析ET(Evapotranspiration,参考作物蒸腾量)的动力学特性,有助于进行中长期需水量的分析与预测。将多重分形特性分析方法应用于1978—2007年间30 a汉江流域3个典型站点(钟祥、天门、武汉)的参考作物ET时间序列。结果表明,逐日参考作物ET序列不仅具有不规则的高频振荡的特征,而且还具有明显的分形行为;在不同时间宽度(日、旬、月)下,逐日参考作物ET序列的多重分形特征最强。进一步的分析结果表明,序列中脉动引起的波动相关性和极端事件引起的胖尾概率等都是引起多重分形特征形成的原因。结合趋势转折分析方法发现:不同时间阶段内的多重分形特征显著;但在不同的时间段内,多重分形谱和局部分维宽度等都受到了极端事件的影响,且影响幅度与所处流域内的位置有关。

作物蒸腾与棵间蒸发计算原理与应用研究

通过对作物蒸腾与棵问蒸发的计算原理及计算方法进行分析与研究,并采用不同受旱水平下的冬小麦实测腾发量对其进行了验证。

基于基质含水率的作物蒸腾量估算与预测模型研究

作物蒸腾作用是基质水分传输的主要驱动力,建立了基于基质含水率变化量的温室番茄作物蒸腾量估算模型和预测模型,并进行对比分析。使用校准后的EC5基质含水率传感器,记录第1次灌溉后与第2次灌溉前基质实时含水率变化量,使用称量法测量作物实时蒸腾量。通过基质含水率变化量与基质栽培槽体积的多元线性回归运算,建立番茄单株日蒸腾量估算模型;将基质含水率变化量、空气温度、空气湿度和光照强度作为输入,利用GABP神经网络算法,建立番茄单株日蒸腾量预测模型。将试验所得温室作物日蒸腾量估算模型和预测模型分别与温室作物实际日蒸腾量进行线性回归分析,结果表明,基于基质含水率变化量建立的估算模型在苗期、花期的预测精度分别为0.9729、0.9796,预测模型的预测精度分别为0.9915、0.9890,两者之间差异不大,但估算模型运算速度远高于预测模型的运算速度,估算模型对于温室灌溉管理具有推广应用价值。

江苏地区不同参考作物蒸发蒸腾量估算模型

为了研究不同参考作物蒸发蒸腾量ET 0估算方法在江苏地区的适用性,收集了江苏省徐州市、高邮市和昆山市1957年1月至2019年12月的气象数据,采用12种不同模型估算了各站点的ET 0,其中模型Priestly-Taylor,Hansen,Jensen-Haise,Makkink是基于辐射数据的模型;MC-Cloud,1985 Hargreaves,Thornthwaite是基于温度数据的;Copais,Valiantzas 1和Valiantzas 2是综合法模型;XGBoost和SVM是机器学习模型.12种ET 0的估算模型计算值分别与Penman-Monteith模型(PM)计算值进行比较,结果表明:各站点的综合评价指数GPI最高的为机器学习模型中的SVM模型;在输入参数相同的情况下,机器学习模型模拟精度优于综合法和温度法以及辐射法中的Pristley-Taylor和Makkink模型;机器学习模型随着输入参数减少,模拟精度依次降低.研究结果可以为江苏地区气象数据不完善时估算ET 0提供科学依据.

定量遥感反演作物蒸腾和土壤水分利用率的区域分异

首先讨论了在农业生态站建立的行之有效的、以遥感数据为主体的作物蒸腾二层模型.重点阐明了以多时相辐射温度和热惯量信息为基础的作物地表混合像元（视场）温度的分解模型,在遥感反演过程中提出了一些在模型和算法方面的优化和改进:提出了一个区域比辐射率估算的算法、提出了运用地表温度的静态反馈算法和扩展生态台站的空气温度到区域的算法.并在LUCC分类技术的支持下,提出了以地面粗糙度和辐射温度为参数的地面2m高的气温和风速的空间扩展算法.最后应用 NOAA-AVHRR和地面同步观测及其定标,按像元逐点运算,反演了华北地区农田作物蒸腾和水分利用率的区域分布.揭示了春天华北地区水资源在农业上的利用效率,为采取有效的节水措施提供了科学依据.

基于气象预报的参考作物蒸发蒸腾量的神经网络预测模型

参考作物蒸发蒸腾量(ET0)是进行实时灌溉预报和农田水分管理的主要参数,BP神经网络能够较好地反映ET0与诸影响因素间复杂的非线性关系。本文将ET0看作时间序列,选取前3日ET0作为影响因子,以天气预报可测因子包括最高、最低和日平均温度、反映天气类型的阴晴指数、日序数和风力等级进行修正,建立了三层BP神经网络模型。选取江苏射阳站2003与2004年气象资料,应用Matlab神经网络工具箱,采用trainer算法进行模型训练与预测。结果证明,所建模型能够很好地反映诸多影响因子与ET0之间的关系,具有较高的模拟精度和较好的泛化能力。

参考作物蒸发蒸腾量计算方法在海河流域的适用性

参考作物蒸发蒸腾量(ET0)的计算公式很多,各公式所需参数各异,为寻找一种所需资料少而又精度较高的替代方法,选用1998年FAO-56分册推荐的Penman-Monteith(PM)、Hargreaves、Irmark-Allen等6种方法分别计算海河流域10个典型气象站30a的参考作物蒸发蒸腾量,并以PM公式为标准,对其他方法进行评价。结果表明,10个站点中除了五台山地区,Hargreaves与FAO-24Radiation这2种方法更接近于PM方法的计算结果,其误差较小,在海河流域缺少辐射和风速资料的站点,可以利用Hargreaves方法来代替PM方法;在五台山地区,可以考虑在Hargreaves基础上对其参数进行适当调整。

湛江地区适宜参考作物蒸发蒸腾量计算模型分析

用湛江市日平均、旬平均、月平均气象资料,以6种方法计算参考作物蒸发蒸腾量,并以FAO56 Penman-Monteith公式计算结果为标准,评价其他方法在湛江的适用性。结果表明:Hargreaves-Samani方法的年平均参考作物蒸发蒸腾量与FAO56 Penman-Monteith没有显著差异;月平均参考作物蒸发蒸腾量,除个别月份外,其他5种方法与FAO56 Penman-Monteith方法都有显著差异;不同方法计算结果与FAO56 Penman-Monteith法的均方偏差不同的时间尺度表现不同,日值计算,1948 Penman方法最小,Irmark-Allen次之;旬值计算,1948 Penman方法最小,Hargreaves-Samani、Irmark-Allen次之;月值计算Hargreaves-Samani最小,1948 Penman次之。1948 Penman、FAO24 Penman与FAO56 Penman-Monteith法的相关系数较大,Priestley-Taylor、Irmark-Allen次之,Hargreaves-Samani法的较小。

基于随机森林算法的参考作物蒸发蒸腾量模拟计算

选取西南喀斯特地区4个气象站点(都安、河池、百色和融安)5 a(2008—2012年)的逐日气象数据,包括日最高气温Tmax、日最低气温T_(min)、相对湿度R_H、日照时数n和风速u2这5个气象因子的不同组合作为输入,并以FAO 56 Penman-Monteith法(FAO P-M)的计算结果作为标准值,建立基于随机森林(Random forest,RF)算法和基因表达式编程(Gene expression programming,GEP)算法的ET0模型,并将模拟结果与传统Hargreaves模型的计算结果进行比较。结果表明,不同气象因子组合下建立的RF模型均能较好地反映气象因子与ET0之间的非线性关系。随着气象因子的增加,RF模型模拟的精度随之提高。在仅有气温数据时,RF模型仍具有足够的精度(R^2为0.875,RMSE为0.546 mm/d),与传统Hargreaves模型相比R2平均增加了1.98%,RMSE平均减小了22.88%,因此在仅有气温数据时可用RF模型代替Hargreaves模型。RF算法对气象因子的重要性评估表明,在该区域对ET_0最重要的气象因子依次为T_(max)、n、T_(min)、R_a、R_H和u_2。相同气象因子输入下,RF模型精度高于GEP模型。

日光温室作物蒸发蒸腾量的计算方法研究及其评价

对FAO推荐计算参考作物蒸发蒸腾量的Penman-Monteith(缩写为P-M)公式,在日光温室微气候的条件应用作了详细的分析。将P-M公式分为2个部分,即辐射项(ETrad)和空气动力学项(ETaero),推导出了计算温室内参考作物蒸发蒸腾量的P-M修正公式,解决了P-M公式假定温室内风速为“0”所引起的一系列问题。并根据2004年和2005年温室内实测气象数据和水面蒸发对其进行了验证,通过相关分析得出用修正后的P-M公式计算作物蒸发蒸腾量比FAO推荐的P-M公式计算值误差小、精度高。建议在日光温室里使用修正后的P-M公式计算参考作物的蒸发蒸腾量。

参考作物蒸发蒸腾量的多元线性回归模型研究

利用FAOPenman Monteith(1992)公式,根据新疆生产建设兵团农七师127团2004年7月至8月每日的气象资料,计算了逐日参考作物潜在腾发量,建立与实测的日平均气温(T)、日照时数(N1)、风速(W)、相对湿度(RH)的相关关系,Y=0.005+0.162×T-0.03×RH+0.607×W+0.077×N1,Y=-3.382+0.205×T+0.679×W+0.118×N1,Y=3.738+0.131×T-0.047×RH,Y=-1.258+0.218×T。利用这些相关关系进行参考作物潜在腾发量的估算,通过验证精度较高,方法简单。

陕西关中地区参考作物蒸发蒸腾量变化及原因

根据关中地区30个气象站41年的气象资料,采用FAO推荐的Penman-Monteith公式计算参考作物蒸发蒸腾量（ET0）,分析了陕西关中地区ET0的变化及原因,结果表明,从长期来看,关中地区ET0在减少趋势的基础上表现出周期性变化,从阶段性来看,1980年之前和之后则主要表现为增加趋势。关中地区年内ET0的最大值在1980年前主要出现在6月,1980年以后则主要出现在6月和7月,且以7月为多;1980年后5～8月ET0所占比值在减少,但仍在全年中占50%以上。关中地区平均气温、最高气温和最低气温表现为增加趋势,风速、日照时数和相对湿度表现为减少趋势。关中地区ET0与平均气温、最高气温和最低气温表现为不显著正相关,与风速和日照时数表现为显著正相关,与水汽压表现为显著负相关,与年降水量表现为不显著负相关,近一半地区的ET0与年蒸发量显著正相关。对关中地区ET0影响显著的气象因子的顺序为：风速〉日照时数〉水汽压〉年蒸发量。即风速和日照时数的减少趋势是引起关中地区ET0降低趋势的主要原因。

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.