潜在蒸散发量计算公式在贵州省适用性分析

利用贵州省18个气象站1961-2001年逐日气象资料,采用Penman-Monteith方程计算潜在蒸散发量,对以辐射和气温为基础的简化公式参数进行率定,对比分析不同计算公式推求的潜在蒸散发量之间的差异以及用于气候变化情景下预测适用程度。结果表明,各种潜在蒸散发量公式经参数率定后计算的多年平均蒸散发量相近,但变化趋势存在较大差异。与考虑综合气象因子对潜在蒸散发影响的Penman-Monteith公式计算结果相比,以辐射为基础的蒸散发公式在该地区的适用性较好,以气温为基础的蒸散发公式用于气候变化情景下潜在蒸散发量预测,结果偏大。

五种潜在蒸散发公式在汉江流域的应用

以汉江流域14个测站1960-2009年逐日气象资料为数据源,采用FAO-56 Penman-Monteith以及Hargreaves,Blaney-Criddle,Thornthwaite,Hamon 4种温度法计算各测站逐日以及逐月潜在蒸散发量,利用反距离加权插值法得到流域面平均年潜在蒸散发量。以FAO-56 Penman-Monteith结果为标准,与温度法年潜在蒸散发量计算结果进行对比,修正温度法计算公式的经验系数,分析修正公式在汉江流域的适用性。结果表明:参数修正前温度法计算结果存在较大误差,相对偏差最大可达41.34%。修正后计算结果相对误差明显减小,最大偏差小于0.1%,并显示出较好的变化趋势和峰谷一致性。修正后的Hargreaves公式与FAO-56 Penman-Monteith公式相关性最好,相关系数达到0.94,其次为Hamon公式和Thornthwaite公式,最后是Blaney-Criddle公式。

利用温度资料和广义回归神经网络模拟参考作物蒸散量

参考作物蒸散量(reference evapotranspiration,ET0)精确模拟对水资源高效利用和灌溉制度制定具有重要意义,该文以四川盆地19个气象站点1961-1990年逐日最高、最低温度和大气顶层辐射作为输入参数,FAO-56 Penman-Monteith(PM)模型计算的ET0为标准值,建立基于广义回归神经网络(generalized regression neural network,GRNN)的ET0模拟模型,基于1991-2014年资料进行模型验证,将GRNN模型同Hargreaves(HS1)和改进Hargreaves(HS2)等简化模型的模拟结果进行比较,分析只有温度资料情况下不同模型模拟ET0误差的时空变异性。结果表明:GRNN、HS1和HS2模型均方根误差(root mean square error,RMSE)分别为0.41、1.16和0.70 mm/d,模型效率系数(Ens)分别为0.88、0.13和0.67。3种模型RMSE在时空上均呈现HS1>HS2>GRNN、Ens均呈现GRNN>HS2>HS1趋势;与PM模型模拟结果相比,GRNN、HS1和HS2模型模拟结果分别偏大0.8%、45.1%和17.3%。在时空尺度上的误差分析均表明利用温度资料建立的GRNN模型能够较为准确地模拟四川盆地ET0,因此可以作为资料缺失情况下ET0模拟的推荐模型。该研究可为四川盆地作物需水精确预测提供科学依据。

机器学习算法和Hargreaves模型在四川盆地ET_0计算中的比较

以四川盆地中部遂宁气象站2001-2010年逐日温度资料和大气顶层辐射(Ra)为输入参数,以FAO-56Penman-Monteith(PM)模型计算的参考作物蒸散量(ET0)为标准,分别利用广义回归神经网络(GRNN)和小波神经网络(WNN)两种机器学习算法建立ET0模拟模型,并对GRNN、WNN和Hargreaves(HS1)与两种改进的Hargreaves(HS2和HS3)模型的ET0模拟效果进行对比分析,利用2011-2014年数据对各模型模拟精度进行验证,分析仅有温度资料时不同模型在四川盆地的适用性。结果表明:GRNN模型和WNN模型均具有较强的适用性,GRNN模型均方根误差(RMSE)、模型效率系数(Ens)和决定系数(R2)分别为0.395mm?d^(-1)、0.924和0.902,WNN模型分别为0.401mm?d^(-1)、0.911和0.901,且两种模型计算精度均高于HS1(1.05mm?d^(-1)、0.885和0.334)、HS2(0.652mm?d^(-1)、0.892和0.736)和HS3(0.550mm?d^(-1)、0.881和0.812)模型。模型适用性验证进一步表明,GRNN和WNN模型在四川盆地西部和东部也具有较好的适用性,在输入参数中引入Ra能提高模型的模拟精度。因此,GRNN和WNN可以作为气象资料缺失条件下四川盆地ET0计算的推荐模型,且GRNN计算精度高于WNN,可优先选用。

农田尺度下干旱指标及应用

简要综述了农田尺度下干旱胁迫的指标表达方法,分析了各种方法的优缺点及所需基础资料的获取途径,着重介绍了干旱胁迫综合指标(CWSI)的计算原理及应用。比较结果表明,从农田水分循环系统出发建立起来的CWSI～ETa/ETp、CWSI～Ta/Tp关系,直接考虑了土壤、作物、大气的综合影响,与作物生长过程结合紧密,是考虑因素最全面、综合程度最高的一种方法。该方法不仅具有较严格的理论基础,而且计算时所需基本数据都是气象站常规的观测资料,易于获得。

基于温度和空气动力学的海河流域潜在蒸散发量估算方法的适用性

针对潜在蒸散发量估算方法众多但缺乏统一评价的问题,基于海河流域46个国家气象站点1960~2010年日气象数据序列,以Penman-Monteith方法估算量和蒸发皿蒸发量为基准,从估算量与蒸发皿蒸发量的相关性、年均值空间变化特征、年内四季空间变化特征和年际变化趋势四个方面,开展六种基于温度和空气动力学的潜在蒸散发量估算方法及Penman-Monteith法在海河流域的适用性讨论。结果表明,PenmanMonteith方法在整个流域适用性较强;六种基于温度和空气动力学的方法中,Kaharrafa方法和Blaney-Criddle方法在多年均值和年际变化趋势上估算效果较好,但在年内四季分布上却不太好,Penman和Rower方法在多年均值和年内四季分布方面适用性较强,但估算的年际变化趋势与蒸发皿蒸发量不一致。由于各方法考虑的气象因子及各因子对估算量的影响程度不同,基于温度和空气动力学方法仅考虑单一气象要素,只能反映某一方面的变化。

蒸散量双线性曲面回归模型的改进及验证

潜在蒸散发是水文循环和能量循环的一项重要组成,准确估算蒸散发对农业水资源有效利用具有重要的理论和现实意义。为获得精度稳定可靠的蒸散发估计值同时只需较少的气象资料,以沂沭河上游流域(临沂控制站)为研究区,提出改进的双线性曲面回归模型(bilinear surface regression model,BSRM)计算站点的潜在蒸散量。以实测蒸发数据折算的陆面潜在蒸散量为标准,同时以彭曼公式(P-M)为参考与之对比,检验和评价3种BSRM模型的精度,并分析各气象因子对潜在蒸散量的影响。结果表明:3种BSRM模型中,基于日照百分率、气温和相对湿度建立的双线性曲面回归模型模拟精度最高,以基于日照百分率计算的太阳辐射、气温、相对湿度建立的双线性曲面回归模型次之,以基于Hargreaves-Allen方程计算的太阳辐射、气温和相对湿度建立的双线性曲面回归模型模拟精度最差。基于日照百分率、气温和相对湿度建立的BSRM模型的模拟精度略优于P-M公式,但所需的气象因子较少,计算方法简单;且受气象因子的变化影响较少,模拟精度稳定可靠,是一种有效的替代方法。

秦淮河流域五种参考作物蒸散量估算方法的比较及改进

基于秦淮河流域内部及周边共7个气象站2000-2013年的逐日气象资料,使用FAO-56 Penman-Monteith、Irmak-Allen、Makkink、Turc、Jensen-Haise和Hargreaves共6种方法估算各站点逐日参考作物蒸散量(ET0)。以FAO-56 Penman-Monteith结果为标准,修正其余5种方法估算公式的原始经验系数,并通过平均绝对误差、平均相对误差、相关系数等精度评价指标和Wilcoxon非参数检验法,分别从年、月尺度对比分析5种方法修正前后的估算结果,旨在获得一种适于秦淮河流域的数据要求低,估算过程简单,精度较高的ET0估算方法。分别以5种方法的ET0日值为自变量,P-M法ET0日值为因变量,建立逐月线性回归方程,寻找经验系数的修正倍数,对5种方法经验系数进行逐月修正。结果表明,使用原始经验系数时,年尺度上,Irmak-Allen、Makkink、Turc法存在较大误差,Hargreaves法相关性较差,均不适于秦淮河流域;月尺度上,Irmak-Allen法在5-8月,Turc在9-11月,Hargreaves法在4月及9-11月适用性较好,其余月份误差较大,Makkink和J-H法分别在1-12月和3-11月存在显著差异,故5种方法均不能代替P-M法在年内12个月使用。使用修正后经验系数,年尺度上Makkink法适用性最好,平均绝对误差和平均相对误差分别为14.9mm·a^(-1)和1.4%,相关系数为0.89,无显著差异,其次为Turc法,I-A法估算结果仍存在显著差异,Hargreaves法相关性仍较差;月尺度上,从估算精度考虑,Turc和Makkink法搭配使用,4-10月推荐使用Turc法,其平均绝对误差为2.1~6.1mm·mon^(-1),平均相对误差为2.9%~4.3%,无显著差异,月平均相对误差波动较小,稳定性好,1-3月和11-12月推荐使用Makkink法,其平均绝对误差为1.2~2.4mm·mon^(-1),平均相对误差为3.2%~5.7%,无显著差异,月平均相对误差波动较小,稳定性好,从时间连续性考虑,推荐使用Hargreaves法,其平均绝对误差为1.9~10.4mm·mon^(-1),平均相对误差为3.9%~9.2%,无显著差异,月平均相对误差波动较小,稳定性好。

基于气温估算参考作物蒸散量方法的对比与改进

为提高基于气温数据估算参考作物蒸散量(ET_(0))模型的精度,该研究对比分析了基于温度数据估算ET_(0)的Penman-Monteith(PMT)模型、Hargreaves-Samani(HS)模型和改进HS模型,并运用基于气温数据估算实际水汽压和太阳辐射的最新进展改进PMT模型。结果表明:改进HS模型较传统HS模型提高了半干旱区到湿润区ET_(0)的估算精度;PMT模型与改进HS模型估算的各气候区相关系数(r)均值相似,但与改进HS模型相比,PMT模型提高了除湿润区和亚湿润干旱区外各气候区的ET_(0)估算精度,均方根误差(RMSE)和相对均方根误差(RRMSE)均值分别降低0.01~0.15 mm/d和0~0.05,且模型效率(EF)均值提高了0.01~0.06;本文提出的改进PMT模型可进一步改进PMT模型估算除干旱区和半干旱区外各气候区精度,RMSE和RRMSE均值较原PMT模型分别降低0.04~0.12 mm/d和0.02~0.04,r和EF均值更接近于1;并且改进PMT模型估算各站点全局性能指数(Global Performance Index,GPI)值较好,90%的站点GPI值排名第一。因此,建议在仅有气温数据时,使用改进PMT模型作为估算ET_(0)的推荐模型。研究成果可为区域农业水资源管理提供依据.

小流域水文循环过程中蒸散发量模拟方法评价

蒸散发(ET)在农业灌溉和水资源管理中起着重要作用。ET可通过FAO-Penman-Monteith方法(ET_(FPM))进行准确估算,ET_(FPM)方法是ET估算的标准参考方法,此方法需要提供更为详实的气象数据。对于ET的估算,需要寻找使用较少的输入数据,而不会影响预测准确性的替代方法。研究运用5个基于辐射的模型,包括Makkink(ET_(MAK))、Priestley和Taylor(ET_(PT))、Abtew(ET_(ABT))、Jensen-Haise(ET_(JH))、McGuinness和Bordne(ET_(MB)),3个基于温度的模型,包括Hargreaves and Samani(ET_(HS))、Hamon(ET_(HAM))和Linacre(ET_(LIN)),以及1个基于空气动力学的模型Penman(ET_(PEN)),通过使用韩仓河流域周边6个气象水文站的长期数据,将选取的模型与ET_(FPM)模型在月尺度和生长季节尺度上进行比较评价。结果表明,ET_(JH)、ET_(HAM)分别是67%,33%研究区域每月ET的最佳预测方法。在研究区域中,基于辐射的方法优于基于温度的方法。植被生长季节ET累积值表明,Jensen-Haise和Hamon方法在暖季和秋冬季生长期表现最佳,而春季生长期最佳预测方法仅包括Jensen-Haise方法。最佳替代方法和ET_(FPM)方法之间的差异表明,最佳替代方法在某些地区的估算可信度不高,因此在使用之前应考虑ET模型可预测性能的时空变化。

模型结构与参数化差异对蒸散发估算的影响

基于2012年黑河绿洲HiWATER高密度通量观测数据,对比研究模型结构差异(单源Penman-Monteith/PM公式与双源PM公式、双源PM公式与双源三温模型)以及PM公式中阻抗参数化差异对蒸散发估算的影响。结果表明:1)与模型结构相对复杂的双源PM公式相比,单源PM公式计算的蒸散发平均相对误差(MAPE)为34%,略优于双源PM公式的40%;2)对于两种模型结构差异显著的双源模型,模型中不含阻抗参数的三温模型比模型中含阻抗参数的PM公式具有更高的估算精度,前者的MAPE为18%(R2=0.85),后者为40%(R2=0.34);3)两种单源和一种双源阻抗参数化方法导致PM公式计算的蒸散发出现不同程度的差异,MAPE可相差6%;4)使用先验知识/数据事前率定阻抗参数化方法,可显著地提高单源PM公式的计算精度(MAPE可降低22%),但随着模型结构与参数化复杂度增加,事前率定双源PM公式的阻抗参数化方法难以提高计算精度(MAPE仅减小0.8%)。

1960—2009年石羊河流域气候变化及极端干湿事件演变特征

利用石羊河流域4个气象站1960—2009年逐日气象资料,应用FAO Penman-Monteith模型、相关分析等方法分析石羊河流域气候变化特点。结果表明:①1960—2009年气温、降水及湿润指数均在波动中呈较明显的增加趋势,气温、降水和湿润指数变化倾向率分别为0.338℃/10 a、4.791 mm/10 a和0.006/10 a,1960年代—2000年代石羊河流域经历了相对冷干—冷湿—暖湿3个阶段,暖湿化趋势明显;②冬季是暖湿化趋势最明显的季节,其次是秋季;③从上游向中下游多年平均湿润指数逐渐减少,湿润指数离散程度由小变大,湿润化速度由快变慢,而增温速度大体上存在逐渐增加的趋势;④1960—2009年石羊河流域极端干旱事件频率在波动中呈减少趋势,极端湿润事件频率却在波动中呈增加趋势,1960年代和1970年代是石羊河流域极端干旱事件持续频发的年代,上中下游不同地区极端干湿事件持续频发的时间存在差异。降水和风速是影响极端干湿事件变化的主要气象因子。在全球变暖背景下,石羊河流域干旱的气候环境有一定的改善。