淮北平原36种参考作物蒸散量估算方法适用性研究

为分析不同参考作物蒸散量估算方法在淮北平原的适用性,以FAO56 Penman-Monteith(FAO56PM)模型为标准,基于五道沟实验站2009-2022年气象观测数据,选取6种统计指标,从日、月尺度综合分析。结果表明,所有方法中,日尺度下FAO24Penman(FAO24PM)法、1996 KiM-Berly Penman(K-P)法、Pristley-Taylor(P-T)法最优,月尺度下FAO24PM法、P-T法、Debruin-Keijman(D-K)法最优;综合法最优,其次依次为辐射法、质量传输法和温度法;综合法中FAO24PM法最优,辐射法中P-T法最优,温度法中FAO24BC法最优,质量传输法中Mahringer法日尺度下最优,Trabert法月尺度下最优。因此,当数据资料充足时推荐FAO24PM法,资料不齐全时推荐P-T法、FAO24BC法、Mahringer法(日尺度)或Trabert法(月尺度)。

宁夏沿黄绿洲参考作物蒸散演变特征及其归因

参考作物蒸散(Reference crop evapotranspiration,ET_(0))是生态水文过程中的关键因子,研究ET_(0)在干旱绿洲区的演变,不仅有助于理解气候变化背景下的绿洲水文过程响应,亦对绿洲水土资源高效配置和生态系统稳定性维持有指导意义。以宁夏沿黄绿洲为例,基于1960—2019年的气象资料和Penman-Monteith模型计算ET_(0),利用Mann-kendall突变检验、相对敏感系数和Morlet小波分析等方法,对宁夏沿黄绿洲近60 a的ET_(0)演变特征及其归因进行研究。结果表明:(1)宁夏沿黄绿洲ET_(0)年内呈单峰形态,ET_(0)在5—7月间较高,累积ET_(0)占年总ET_(0)的43.6%;近60 a的ET_(0)年均值为1226.38 mm,并以1.66 mm/a(P<0.01)幅度上升,但年际波动特征明显,其中在1988年突变之前,ET_(0)无显著变化趋势,而突变之后则以每10 a左右的周期显著增加或降低。(2)年ET_(0)主要以20—40 a和50—60 a周期振荡,且有多重时间尺度的复杂嵌套现象,不同季节的周期振荡差异较大,夏、秋季振荡幅度较强,其周期接近于年ET_(0)规律,而冬、春季振荡幅度较弱。(3)虽然ET_(0)与6种气象因子均存在显著相关性,但ET_(0)对不同气象因子的敏感性存在差异,其中对最高温度和相对湿度的敏感性较高,敏感系数分别为11.58%和8.40%。(4)宁夏沿黄绿洲ET_(0)与区域气候变化特征有较强的耦合性,区域气候的持续升温和相对湿度持续降低、以及由此引发的饱和水汽压亏缺持续增强是推动ET_(0)上升的重要原因,而气候由湿润向干旱的突变和平均风速的异常波动是诱发ET_(0)突变的原因。

基于径向基神经网络预测日参考作物需水量

为了利用有限的气象数据准确预测蓄水坑灌果园的日参考作物需水量,利用蓄水坑灌试验基地逐日温度与湿度数据,构建了基于径向基神经网络的ET0预测模型,并将其模拟结果及Hargreaves、Priestley-Taylor两种常用ET0计算模型的计算结果同FAO-56 Penman-Monteith(FAO56-PM)公式计算的标准值进行对比。结果表明:径向基神经网络预测模型的模拟结果与标准方法FAO56-PM公式的计算结果最接近,而Hargreaves、Priestley-Taylor两个常用计算模型的计算结果比标准值偏大,在实际应用中应对其进行校正。

高邮灌区参考作物腾发量预报模型研究

【目的】探索高邮灌区的参考作物腾发量(ET_(0))预报方法,提升灌溉预报精度。【方法】基于高邮灌区2003—2017年实测气象数据及2016—2017年气温预报数据,以FAO-56 Penman-Monteith(PM)计算的ET_(0)为基准,将气温预报数据代入率定后的Blaney-Criddle(BC)、Hargreaves-Samani(HS)、McCloud(MC)和简化的PM(PMT)模型,比较不同模型的ET_(0)预报精度。【结果】基于上述4种模型进行ET_(0)预报时,1~7 d预见期的平均均方根误差分别为1.07、1.00、1.16、0.99 mm/d,绝对误差平均值分别为0.85、0.74、0.94、0.75 mm/d,相关系数平均值分别为0.79、0.81、0.76、0.81。【结论】HS和PMT模型的预报精度最好,优于BC和MC模型,MC模型的预报精度最差。建议采用率定后的HS和PMT模型对高邮灌区ET_(0)进行预报。

基于辐射改进Penman-Monteith模型估算粮食主产区参考作物蒸散量

为进一步提高Penman-Monteith模型估算参考作物蒸散量(Reference crop evapotranspiration,ET0)的精度,以中国粮食主产区为研究对象,将其划分为温带湿润半湿润地区(THSZ)、温带干旱半干旱地区(TASZ)、暖温带半湿润地区(WTSZ)和亚热带湿润地区(SHZ),基于32个气象站点1994-2020年长序列实测逐日气象数据,将猎豹算法(CO)、沙猫算法(SCSO)、野狗算法(DOA)优化的时间卷积神经网络模型(TCN)和3种基于日照时数、3种基于温度的经验模型估算的辐射(R_(s))值与PM模型进行融合,得到改进PM模型。以均方根误差(RMSE)、决定系数(R^(2))、平均绝对误差(MAE)和效率系数(E_(NS))为精度评价体系,找出了粮食主产区不同分区的ET0最优估算模型,结果表明:基于日照时数模型的计算精度要优于温度模型,其中CO-TCN模型在全区内均表现出了较高的精度,在不同分区的RMSE、MAE、R^(2)和E_(NS)中位数取值分别为0.099~0.171 mm/d、0.057~0.111mm/d、0.984~0.998、0.983~0.997,由此可将CO-TCN模型估算的辐射值与PM模型融合,作为标准值用于估算粮食主产区ET0。

基于自适应模糊推理系统的汾河流域参考作物蒸散量模拟研究

【目的】有效提高缺少气象资料条件下汾河流域参考作物蒸散量(ET0)计算精度。【方法】选取汾河流域及附近7个气象站点1960—2017年逐日气象资料,根据不同气象要素组合,构建16种基于自适应模糊推理系统(ANFIS)的ET0模拟模型,并与Hargreaves-Samani、Irmak-Allen、Makkink模型进行比较,评价ANFIS模型在汾河流域的适用性及可移植性。【结果】(1)ANFIS模型能很好地展现ET0与各输入因子之间的非线性关系;仅输入Tmax、Tmin、Ra建立的ANFIS2模型模拟精度(平均R^(2)为0.882,平均NSE为0.876,平均RMSE为0.341 mm/d)能满足使用要求,随着输入气象要素数量的增加,模型模拟精度不断提高;(2)在输入因子相同时,ANFIS模型精度高于Hargreaves-Samani、Irmak-Allen、Makkink模型;(3)ANFIS模型在汾河流域具有很强的泛化能力和可移植性,不同分区建立的ANFIS模型相互移植时具有较高精度(平均R^(2)为0.983,平均NSE为0.978,平均RMSE为0.134 mm/d)。【结论】因此,在缺少气象资料时,基于自适应模糊推理系统建立的ET0模拟计算模型可作为汾河流域ET0计算的推荐模型。

MARS模型在渭河流域参考作物蒸散量计算中的适应性研究

为有效提高气象资料缺失时渭河流域参考作物蒸散量(ET_(0))计算精度,选取流域及附近20个气象站58 a(1960-2017年)逐日气象资料,基于不同气象要素组合,构建16种基于多元自适应回归样条(MARS)的ET_(0)计算模型,并将计算结果与Hargreaves-Samani、Makkink和Irmark-Allen模型进行对比,评价MARS模型在渭河流域的适应性及可移植性。结果表明:MARS模型能很好地甄别ET_(0)与各输入因子间的非线性关系,MARS2(T_(max)、T_(min)、R_(a))计算精度(平均MAE为0.225 mm/d,平均RMSE为0.327 mm/d,平均R2为0.897)能满足应用要求,模型精度随输入气象要素数量的增加而升高;输入因子中引入地球外辐射R_(a),可明显提高MARS模型精度;在输入因子相同时,MARS模型精度高于Hargreaves-Samani、Irmark-Allen和Makkink模型;MARS模型在渭河流域具有很强的泛化能力和可移植性。因此,气象资料缺失时基于MARS建立的ET_(0)计算模型可作为渭河流域ET_(0)计算的推荐模型。

顾及时空特征的参考作物蒸散量集成学习估算

为提升参考作物蒸散量(ET_(0))的估算精度,以四川省为研究区域,发现全省ET_(0)的数据变化具有明显的时间和空间自相关性,继而在气象特征基础上引入时空特征构建以XGBoost, LightGBM,GBDT、随机森林和极限树为基模型的Stacking模型.将顾及时空特征的Stacking模型与其各个基模型以及经验模型彭曼公式(FAO 56 Penman-Monteith)的决定系数、平均绝对值误差和均方误差等多项指标进行了全面的精度对比验证.试验结果表明:在顾及空间特征的情况下,Stacking模型在测试集上决定系数精度提升了3%,平均绝对值误差和均方误差分别降低了51%和76%;在顾及时序特征的情况下,Stacking模型在测试集上的决定系数精度提升了4%,均方误差和平均绝对值误差分别降低了92%和72%.这表明时空特征的引入可有效提升模型估算ET_(0)性能.在同时顾及时空特征的情况下,Stacking模型相较于彭曼公式,决定系数提升了39%,均方误差、平均绝对值误差分别降低了95%和77%,并且,在2006—2010年逐年精度验证中,Stacking模型精度始终优于其每年最优基模型精度.因此,顾及时空特征的Stacking模型可有效提升四川省ET_(0)估算精度.

基于预报气温和HS公式估算麦季参考作物蒸散量

为了精准评价基于预报气温和Hargreaves-Samani (HS)公式计算参考作物蒸散量的可行性和准确性,基于1961—2017年新乡历史气象数据以Penman-Monteith (PM)公式计算结果对HS公式参数进行了校正,采用预报气温数据通过修正后的HS公式计算2018—2020年冬小麦生长季节的参考作物蒸散量。以Penman-Monteith计算的参考作物蒸散量为对照值进行对比,结果表明用Hargreaves-Samani(HS)公式和预报气温估算的日参考作物蒸散量与Penman-Monteith计算的参考作物蒸散量相关程度较高,平均绝对误差为0.48 mm/d,均方根误差为0.64 mm/d,决定系数为0.84,拟合度为0.96。说明在华北地区用日预报气温资料采用Hargreaves-Samani(HS)公式估算参考作物蒸散量这一方法可行,这为农业灌溉预报提供了理论和方法上的保证,并且对指导当地农业水资源配置具有参考意义。

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。

豫西地区一次大气污染过程对参考作物腾发量的影响——以洛阳市为例

综合分析了2016年6月15日20时-6月20日8时豫西地区一次大气污染过程中,洛阳市各气象要素及参考作物腾发量ET0受气溶胶影响的变化,使用WRF-Chem双向反馈试验量化,并通过气象观测数据验证模拟结果精度,从而进一步分析了气溶胶对ET0的影响及其机理。研究结果表明:在这次大气污染过程中,洛阳市区的PM2.5浓度整体偏高,峰值多出现早晨与傍晚时分,洛阳市东北地区PM2.5浓度整体高于西南地区;气溶胶存在使洛阳市各气象要素发生了变化,进而导致了ET0的变化,各站点ΔET0在-0.23~0.33 mm/d之间;受气溶胶的影响,ET0-d变化幅度在-0.26~0.04 mm/d,较ET0-n的变化程度(-0.08~0.02 mm/d)更大;各站点空气动力项ET0-A的变化程度要大于辐射项ET0-R,这也主导了洛阳市各地区ET0的变化。

四种参考作物腾发量ET_(0)计算方法在鄂中地区的适用性分析

为探究适合鄂中地区的参考作物腾发量ET_(0)计算方法,选取1998—2009年荆门站和天门站气象数据为率定期、2010—2022年气象数据为验证期,以FAO推荐的PM法ET_(0)计算值为基准,对逐日均值修正法、BC法、PT法、IA法ET_(0)计算值进行线性拟合率定验证,并分析其适用性。结果表明,率定后的逐日均值修正法和PT法ET_(0)计算值在2个地区率定及验证期的平均绝对误差(MAE)在0.284~0.962 mm/d,均方根误差(RMSE)均在1.000 mm/d以下或接近该值,同时相关系数(r)在0.730以上,两者适用于鄂中地区ET_(0)计算。率定后BC法在荆门站MAE和RMSE均小于1.000 mm/d,拟合效果好,适用于荆门市;在天门站拟合精度差、离散程度高,不适用于天门市。率定后IA法ET_(0)计算值在2个地区验证期偏差均较大,不适用于鄂中地区ET_(0)计算。

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.

吉林省参考作物蒸散演变特征及气候成因定量分析

参考作物蒸散是能量平衡和水分循环的重要环节,明晰吉林省参考作物蒸散演变特征及成因,有助于理解气候变化对水文循环的影响和科学开展灌溉。根据吉林省28个气象站1970-2019年的逐日气象数据,利用Penman-Monteith法、去趋势法探究考蒸散演变特征及其定量化成因。结果表明:近50 a中,吉林省年平均参考作物蒸散呈不显著的增加趋势,四季中,夏季蒸散减少,其他季节蒸散不同程度增加。近50 a中,吉林省各气象因子变化差距明显,年、季平均气温和水汽压差增加,风速和日照时数减少,其中风速和水汽压差的变化幅度明显大于气温和日照时数;吉林省年均蒸散变化由水汽压差和风速主导,各因子正贡献略超过负贡献,使年均蒸散呈弱增加趋势。春季平均蒸散演变主要由水汽压差和风速驱动,夏季平均蒸散由水汽压差、风速和日照时数共同驱动,秋、冬季平均蒸散演变是由水汽压差和风速驱动。空间上,西部地区年蒸散的变化主要由风速驱动,中部年均蒸散同时受到风速和水汽压差变化影响,东部由水汽压差变化驱动。吉林省西部春季蒸散变化主要由风速驱动,中部和东部春季蒸散由水汽压差主导;西部和中部地区夏季平均蒸散由日照时数主导,东部则主要由水汽压差驱动;西部和中部秋、冬季蒸散变化主要受风速影响,东部主要由水汽压差的变化驱动。

Priestley-Taylor和Hargreaves公式在高矮两种参考作物上的适应性与率定

以ASCE标准Penman-Montieth公式为基准,在不同气候区分别对Priestley-Taylor和Hargreaves这两种常用的参考作物蒸发蒸腾量EFref计算公式在高矮两种参考作物上进行适应性分析、地区率定以及率定公式验证。结果表明:以矮型参考作物为参考面时,Priestley-Taylor和Hargreaves公式分别在湿润区和干旱区具有较好的适应性,但对于EFref的估算仍具有较大的误差,两公式均不能直接应用于高型参考作物;经地区率定后两公式在干旱、半干旱半湿润、湿润3个气候区高型参考作物上的计算精度显著改善,但仍低于在矮型参考作物上的精度,Priestley-Taylor公式在气候区间的差异性不明显,Hargreaves公式在干旱区有更好的适应性。

基于日照时数的太阳辐射通用模型提升参考作物蒸散估算精度研究

准确的太阳辐射(R_(s))信息是农业、气象和能源等领域和业务部门的重要基础资料,但R_(s)的可靠观测在全球极具挑战。利用中国96个辐射站1967-2016年观测数据,评估了32个(S1~S32)基于日照时数估算R_(s)的模型精度,确定了适用于无R_(s)观测区的最佳通用模型,并最终更新了FAO56推荐的Penman-Monteith方程参考作物蒸散量(ET_(0))中R_(s)的计算方法。结果表明,S18~S32模型的表现较好且接近,其适用于单站点的模型回归系数、决定系数、均方根误差(RMSE)、相对均方根误差(RRMSE)和模型效率的均值分别为0.975~0.976、0.882~0.886、2.368~2.412 MJ/(m^(2)·d)、0.171~0.175和0.881~0.885。进一步对S18~S32模型进行一般化后发现S18模型仅需3个参数,估算精度较高且稳定性好,推荐该模型为中国无辐射观测区估算日R_(s)的通用模型。基于通用S18模型估算R_(s)进而计算的ET_(0)比FAO56推荐的基于S9模型计算结果精度更高,其RMSE和RRMSE均值分别降低了12.9%和13.9%,因此推荐采用该方法更新FAO56 Penman-Monteith方程中R_(s)估算公式。

1960-2020年海南岛气温、降水及参考作物蒸散量变化趋势

探究地区气温、降水等气候资源变化特征,可为气候变化下农业生产规划布局和气象灾害防御提供科学依据。利用1960-2020年海南岛7个气象站逐日气象资料,采用气候倾向率法、Mann-Kendal(MK)检验和Morlet小波分析等方法,对海南岛近61 a气温、降水及参考作物蒸散量(ET0)的时空变化趋势进行了系统分析。结果表明:在时间上,海南岛年平均气温以0.22℃/(10 a)的速率显著上升,年平均降水量以33.66 mm/(10 a)的速率不显著增加,ET0以-0.30 mm/(10 a)的速率轻微下降。MK检验表明气温序列未发生突变,而降水和ET0序列存在突变现象。小波分析表明气温存在55 a的变化主周期,降水和ET0存在56 a的主周期。在不同季节,气温均显著上升,降水和ET0的变化趋势不显著。在空间上,海南岛气温以中部琼中为低值中心向周边沿海地区增加,东南部气温整体高于东北部;降水量以中部琼中为中心向周边沿海地区减小,ET0呈从东北向西南递增的趋势。研究表明近61 a海南岛气候呈现暖湿化趋势,对全球变暖响应显著。预测未来几年气温、降水和ET0将处于偏低期,这将对该地区农业生产和生态系统等产生影响。

基于云模型的云南参考作物蒸散量时空变化及影响因素分析

云模型可定量描述参考作物蒸散量(ET_(0))的随机性和模糊性,基于云模型分析云南ET_(0)的时空变化,结果可为云南农业灌溉、水旱灾害等研究提供参考。以云南省31个气象站1958—2013年的逐日气象资料为基础计算ET_(0),基于云模型并结合线性倾向、M-K趋势检验、偏相关分析等研究云南参考作物蒸散量及影响因素的变化特征。结果表明:1958—2013年,云南ET_(0)在时间和空间上分布不均匀,空间分布较时间变化更不均匀且不稳定。56 a间ET_(0)呈不显著增加趋势,2000年后ET_(0)显著大幅增加且分布极不均匀极不稳定;春季ET_(0)最大,冬季ET_(0)最小,冬春ET_(0)分散且不稳定;ET_(0)呈“中高东西低、南多北少”的空间分布和“西增中东减”的变化规律,滇中高值区ET_(0)变化不均匀且不稳定;湿度、日照时数和风速是影响ET_(0)的主要因素。

川滇农牧交错带参考作物蒸散量演变特征及驱动因子分析

应用川滇农牧交错带24个地面观测站点1961—2015年的逐日气象资料,选用Penman-Monteith公式计算各站点逐日参考作物蒸散量(ET0)和地表湿润指数(SWI),并采用气候倾向率、反距离插值法(IDW)、Mann-KendalL突变检验、主成分回归分析等方法分析研究区的ET0和SWI时空变化特征以及各主要气象因子对不同区域参考作物蒸散量演变的影响程度。结果表明,1961—2015年,川滇农牧交错带ET0呈下降趋势,SWI呈缓慢上升趋势,1987年为ET0和SWI的突变年;湿润区与半湿润区可近似以横断山区边界作为分界线;全区四季参考作物蒸散量均在下降,冬季时空演变不显著;平均风速是影响ET0变化的主导因子,日照时数和相对湿度次之,ET0对最低气温响应最弱。

气候变化下广东省参考作物蒸散量变化趋势及其影响因素分析

为探究气候变化下广东省参考作物蒸散量(ET_(0))时空变化特征及其影响因子,基于1980—2020年广东省辖区内37个气象站点的地面观测资料,采用FAO—56 Penman-Monteith法计算各站点逐日ET_(0),系统分析了广东省ET_(0)的时空变化特征,运用敏感性和贡献率分析方法定量研究了各气象要素变化对ET_(0)影响程度。结果表明:时间尺度上,广东省多年年平均ET_(0)为1150 mm,整体上以14.84 mm/10a的速率显著上升,空间尺度上,ET_(0)从北到南呈上升趋势,变化范围为1069~1235 mm;ET_(0)对相对湿度和气温的敏感程度高于日照时数和风速。贡献率分析结果表明:气温是广东省ET_(0)变化的主导因子,其次是日照时数,相对湿度和风速的贡献率相对较小。气温的潜在升高与相对湿度的下降可能会导致未来更高的ET_(0)和干旱事件,研究可为广东省水资源规划和农业灌溉管理提供科学依据。