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。

利用Penman-Monteith-Leuning模型和Sentinel-2数据的灌区蒸散发反演

针对目前基于Penman-Monteith-Leuning模型(PML)的蒸散发模拟研究中,存在因多种地表参数的时空尺度差异导致蒸散发反演误差这一问题,提出了一种耦合土壤含水量改进模型土壤蒸发系数f的参数化方案。通过Sentinel-2影像反演土壤含水量、LAI等模型关键参数,并基于土壤含水量计算f,在河套灌区建设二分干灌域开展蒸散发反演,结合地面观测数据进行验证。结果表明:模型反演结果与涡动相关站实测数据有较好的一致性;在植被覆盖度较低时,改进的f参数化方案能更好地反映土壤蒸发的实际情况;该反演结果较为准确地反映了不同下垫面的蒸散发空间异质性。文章对蒸散发反演方法和数据的尝试,可为高分辨率蒸散发反演方法提供参考,并为干旱区和半干旱区的农业用水管理提供技术支持。

基于Penman-Monteith方程的日光温室番茄蒸腾量估算模型

为寻求适合于温室栽培条件下番茄植株蒸腾量的计算模型,该文以Penman-Monteith方程为基础,针对日光温室特定的小气候环境,对番茄冠层整体气孔阻力、空气动力学阻力等参数进行了修正,建立了包含气象数据、番茄叶面积指数和冠层高度为主要参数的日光温室番茄蒸腾量估算模型。分别采用2009-05-02-2009-05-13(开花坐果期)和2009-06-09-2009-06-20(成熟采摘期)2个时段内的实测蒸腾量对模型模拟结果进行验证,2个时段内模型模拟结果的平均相对误差分别为8.48%和9.20%,表明所建模型可以较好地计算日光温室番茄的蒸腾量。该研究提出的蒸腾量估算模型对日光温室番茄需水规律的深入研究具有参考价值。

基于Penman-Monteith方程的节水灌溉稻田蒸散量模型

为利用Penman-Monteith方程直接计算非充分灌溉条件下的稻田蒸散量,该文根据国家"863"节水农业重大专项试验资料,在K-P表层阻抗模型修正研究基础上,提出改进的稻田蒸散量模拟模型。结果表明:根据土壤相对含水率修正后的K-P模型较好地模拟了水稻表层阻抗,且反映出不同土壤水分状况下表层阻抗的变化规律;采用改进的Penman-Monteith方程模拟水分胁迫条件下的稻田蒸散量后,误差从改进前的18.57%降低至10.84%,且对冠层未完全覆盖条件下的稻田蒸散量也具有较好的模拟效果;土壤含水率、空气温度和空气湿度是改进的Penman-Monteith方程最为敏感的因子,它们的准确观测对于提高模型的估算精度至关重要;模型回归系数(c1、c0)的变化对模型估算结果的影响较小。表明当某一特定作物的回归系数值确定后,改进的Penman-Monteith方程可应用于不同地区、不同灌溉模式下作物蒸发蒸腾量的估算。

Penman-Monteith与Penman修正式计算塔里木盆地参考作物潜在腾发量比较

利用1989～1996年阿克苏水平衡试验站的气象资料,对Penman-Monteith公式和Penman修正式计算的参考作物潜在腾发量进行了比较。Penman修正式计算的参考作物潜在腾发量年值略大于Penman-Monteith公式计算的年值,绝对偏差为42～128mm,相对偏差为3.3～9.8%,且年际间变化不大。各月的参考作物潜在腾发量变化较大,绝对偏差可正可负,1、2、12月小于0,3～10月大于0,相对误差1、12月较大,2、11月较小,其它月份变化不大。导致计算偏差的原因在于两种公式采用了不同的辐射项和空气动力项计算公式和参数。两种公式计算的参考作物潜在腾发量具有显著的线性相关性。

两种Penman-Monteith公式计算草坪草参考腾发量的适用性

为了揭示ASCE和FAO56两种Penman-Monteith公式在计算小时参考作物腾发量(ET0)时的差异,开展了充分供水草坪草腾发量观测试验。基于自动气象站的小时气象数据和蒸渗仪试验结果,在对比两公式计算结果差异基础上,以实测的日草坪腾发量为标准评价了2种计算公式小时ET0的日累积结果及以日的计算结果。结果表明:2种Penman-Monteith公式计算的小时ET0结果存在一定差异,ET0较高的时段差异也比较大。白天FAO56 Penman-Monteith公式的计算结果低于ASCEPenman-Monteith公式的计算结果,夜晚则正好相反,原因在于Cd取值的差异。与实测日ET0结果相比2种公式小时时段的ET0结果的累积值误差均比较大,ASCE的改进并没有使Penman-Monteith在计算结果上取得实质性的改进,相比之下以日为时段的Penman-Monteith公式(ASCE同FAO56)取得了与实测结果最为一致的效果。进一步根据实测的小时ET0数据以及更长序列的日ET0实测结果,评价FAO56Penman-Monteith和ASCEPenman-Monteith结果的地区适用性将是今后研究内容之一。

不同e_a计算方法对Penman-Monteith公式的影响

实际水汽压eα是Penman—Monteith公式中计算参考作物蒸发蒸腾量的重要过程参数．为了研究在湿度缺测条件下，露点温度法替代相对湿度法计算eα在我国长江三角洲地区的适用性，选用江苏南通2000-2004年的旬气象资料，采用FAO推荐的相对湿度法和露点温度法两种方法计算了实际水汽压ea和旬参考作物蒸发蒸腾量E710，分析了这两种方法计算结果的误差及其与影响因素间的关系．结果表明：这两种方法计算结果间误差较小，有98％以上的计算结果其误差小于20％；实际水汽压间的误差差异与最高最低温差相关关系最强，旬参考作物蒸发蒸腾量间的误差差异与最低温度的相关性最强；在湿度缺测条件下，可以采用露点温度法替代相对湿度法计算eα并进一步计算ET0．

基于天气预报和Penman-Monteith公式的短期逐日参考作物腾发量预报

为探索精确预报未来短期参考作物腾发量（EL）的方法，提出基于天气预报和Penman-Monteith（PM）公式进行ET0预报。收集了南京2012年5月24—2013年1月31日逐日对未来7d的气象预报数据，在气温预报的基础上，将风力等级和天气类型转换成平均风速和日照时数后，采用简化的PM公式进行逐日ET0预报，并与用实测气象数据和PM公式计算的ET0值进行比较。结果表明，预见期1～7d内，ET0预报值与计算值的变化趋势基本一致，率定期和验证期准确率分别达66．3％和94．0％，均方根误差分别为1．51mm／d和0．93mm／d，但相关系数仅为0．55和0．44。误差的原因在于风力预报和天气类型预报准确度较低。提出的方法具有一定物理基础和数据较为容易获取的优点，为较准确地预报ETO进行了有益的探索。

利用Penman-Monteith法和蒸发皿法计算农田蒸散量的研究

根据西北农林科技大学灌溉试验站1998～2000年实测数据,用Penman-Monteith法计算了参考作物日蒸散量(ET0),用大型称重式蒸渗仪测量作物逐日实际蒸散量(ET),计算了作物系数(KC),用蒸发皿法估算了农田蒸散量。对耗水量进行误差分析表明,冬小麦估算耗水最大偏差为13%,夏玉米估算耗水最大偏差为18%,这表明简易的蒸发皿方法估算作物耗水量是有效可行的。

刺槐日蒸腾过程的Penman-Monteith方程模拟

研究半干旱地区林木的实际蒸腾量 ,对研究防护林密度调控、提高林木水分利用率及林分稳定有着重要的理论意义。试验地位于山西省方山县的北京林业大学径流林业试验场 (北纬 37°36′5 8″,东经 1 1 0°0 2′5 5″)。试区平均海拔 1 2 0 0 m,多年平均降水量 41 6mm,水面蒸发 1 85 7.7mm。研究试验林为 1 986年春季造林的刺槐 ( Robinia pesudoacacia L .) ,6种造林密度 ( 830～ 3330株 / hm2 ) ,郁闭度 0 .85～ 0 .9。研究的主要思路是 :如忽略大气热层结问题 ,考虑气压订正 ,并用冠层整体气孔阻力 rs T代换冠层阻力 rc,将蒸散面净辐射限定于冠层截留净辐射 Rnl,便可在林木气孔阻力等实测数据的基础上 ,应用修改后的 Penman- Monteith公式并使用常规气象数据进行生长季林木蒸腾量的连续计算。研究通过各月 Rn和叶面积指数 LAI的实地观测资料统计计算出了不同月份林冠的消光系数 k,进而确定了由 Rn、k和 LAI计算 Rnl日变化的关系式 ;以各月典型天气实测的蒸腾量和冠层中部的平均单位叶片气孔阻力数据为依据 (由 LI- 1 60 0稳态气孔计测定 ) ,采用反推法并适度精度调整后推算出由 LAI和 rst计算冠层整体气孔阻力 rs T的经验系数 K′值。经与典型实测结果对比 ,模拟的相对误差平均在 1 2 %以内。最后 ,采用?

干旱荒漠草原应用Penman-Monteith与Penman修正式计算ET_0的偏差分析

甘肃天祝草原位于我国西北干旱荒漠草原,应用天祝县二道墩试验站2005年的实测气象资料,利用Penman-Monteith公式和Penman修正式计算参考作物腾发量(ET0)并进行了比较。Penman修正式计算的参考作物腾发量ET0值略小于Penman-Monteith公式计算的值,最大绝对偏差0.5 mm/d。分析发现生育期辐射项ETrad是导致参考作物腾发量ET0产生偏差的主要原因。2种方法计算的空气动力项ETaero差别较小,最大绝对偏差不超过0.2 mm/d。导致计算偏差的原因在于2种公式采用了不同的辐射项和空气动力学项计算公式和参数。2个公式计算的参考作物腾发量具有显著的线性相关性。

应用Penman-Monteith模型估算稻田蒸散的误差分析

通过对Penman-Monteith模型（PM模型）进行微分处理,从理论上分析了土壤热通量、储热项、表面层阻力和空气动力学阻力对PM模型模拟稻田蒸散的误差贡献;在此基础上提出储热项修正和稳定度修正建议,并对水稻4个生育期修正后的PM模拟结果与原始模型模拟结果进行比较.分析表明：按照一般量级关系,净辐射、土壤热通量、储热项、表面层阻力、空气动力学阻力误差分别为5％、10％、100％、20％和20％时,对蒸散误差的贡献率分别为26.8％、5.36％、53.6％、11.11％、3.17％.在水稻移栽-拔节、拔节-抽穗、抽穗-灌浆、成熟4个生育期,10cm土层的储热量均大于田间水层的储热量,且土层和水层储热量均随生育期推进而降低.水层储热在前两个生育期对蒸散的影响比后两个生育期大,与原始模拟值相比,前两个生育期仅考虑土壤储热修正后7：00-14：00蒸散降低幅度为0.04～ 0.073、0.02 ～0.11mm ·h-1,仅考虑水层储热修正后蒸散降低幅度为0.006～0.038、0.003～0.015mm·h-1;仅考虑空气动力学阻力修正后4个生育期的蒸散值平均降低了0.00064、0.0134、0.0055、0.0024mm·h-1.

遥感Penman-Monteith模型中土壤含水量与土壤蒸发的关系

土壤含水量是影响土壤蒸发的重要因素,分析土壤含水量变化对土壤蒸发的影响,对水资源管理有积极作用。遥感Penman-Monteith(P-M)模型是利用遥感手段进行蒸散发模拟的重要方法,且能分别对土壤蒸发和植被散发进行计算。利用遥感P-M模型对望都站的蒸散发进行模拟,并结合地表土壤含水量数据分析了土壤含水量变化对模型参数及土壤蒸发的影响。结果表明:(1)遥感P-M模型对望都站蒸散发取得较好效果,纳什效率系数(NSE)为0.559;(2)土壤含水量变化与遥感P-M模型的土壤蒸发系数间具有不确定性;(3)在本研究的模拟期内,与植被散发相比,土壤含水量变化与土壤蒸发间的一致性更强。

应用Penman-Monteith公式和土壤湿度指数估算区域地表蒸散

准确计算地表蒸散对于水资源合理利用具有重要意义。Penman-Monteith公式具有坚实的理论基础,被广泛应用于计算地表蒸散,但表面阻抗计算的复杂性阻碍了其向区域应用的进一步推广。本文首先利用地表温度(Ts)-植被指数(Fv)特征空间计算土壤湿度指数,进而计算土壤阻抗,改进和发展了Penman-Monteith蒸散算法,简称为PM-SMI。将该算法与地表温度-植被覆盖特征空间蒸散算法以及Penman-Monteith系列另一种算法(PM-Yuan)进行比较。利用美国南部大平原12个波文比观测数据进行模型比较和验证。研究区域主要覆盖农田和草地,植被覆盖度较低。结果表明在瞬时和日值两个时间尺度PM-SMI整体上都优于其他两种算法,PM-SMI方法适合用于区域地表蒸散估算。

Penman-Monteith公式与Penman修正式在计算ET_0中的比较研究

利用1961-2001年关中中部地区3个气象站的月气象资料,分别用Penman-Monteith公式和Penman修正式计算3站的ET0,并对计算的结果进行了比较。结果表明,Penman-Monteith公式计算的ET0年值大于Penman修正式计算的ET0的年值,且两种方法逐年的计算结果比较稳定。绝对误差ΔET0的变化为-138～44 mm;相对误差变化为0.17%～13.90%。ET0多年月均值在全年各月变化较大,绝对误差ΔET0在4-7月大于0,其他月份都小于0;相对误差1、10、11和12月相对较大,而在其他月份相对较小。导致差异的原因在于两种公式采用了不同的辐射项和空气动力项计算公式和参数,其中春、夏两季空气动力学项的不同是引起结果差异的主要原因,而在秋、冬两季辐射项不同是引起结果差异的主要原因。两种公式计算的ET0具有显著的线性相关性。

基于Penman-Monteith公式的关中地区作物系数研究

通过对基于Penman-Monteith公式的作物系数研究，为Penman-Monteith公式在关中地区的推广应用提供参考。采用联合国粮农组织（FAO）先后推荐的Penman修正式与Penman-Monteith公式，计算关中地区30个气象站1961-2001年的参照作物腾发量，确定关中地区冬小麦和夏玉米基于Penman—Monteith公式的作物系数，比较分析基于Penman修正式与基于Penman-Moneith公式的作物系数的差异。在关中地区，冬小麦基于Penman修正式与基于Penman-Moneith公式的作物系数有显著差异；而夏玉米的没有显著差异。在关中地区推广应用Penman—Monteith公式计算作物需水量时，目前正在使用的基于Penman修正式的冬小麦作物系数需要校正；而夏玉米作物系数无须校正。

气象资料缺测时Penman-Monteith温室修正式的应用

【目的】Penman-Monteith公式(P-M公式)是目前计算大田作物蒸腾蒸发量(ETc)的主要方法,利用该方法可预测未来短期内作物水分亏缺状况,但由于温室与大田之间的环境条件存在显著差异且温室气象数据往往不全,故需要研究提高温室作物水分状况预测精确度的途径。【方法】利用温室番茄主要生育期气象环境信息和土壤水分实测数据,对基于水量平衡原理和P-M温室修正式计算出的ETc结果进行了对比,研究分析了P-M温室修正式的可靠性与气象资料缺测时P-M温室修正式的应用方法,同时对温室气象数据缺测时运用P-M温室修正式计算参考作物蒸腾蒸发量(ET0)的精度进行了分析。【结果】基于P-M温室修正式计算出的ETc与水量平衡法计算出的ETc结果较吻合,相对误差均小于10%。当气象资料缺测时,基于FAO推荐的几种计算方法,运用P-M温室修正式计算的ET0相对误差如下:由日照时数(n)估算太阳净辐射(Rn)进而求得ET0的方法相对误差为17.35%;由气温(T)估算Rn进而求得ET0的方法相对误差为41.69%;由最低气温(Tmin)代替相对湿度(RH)计算实际水汽压(ea)进而求得ET0的方法相对误差为19.09%;分别由n估算Rn,由Tmin计算ea进而求得ET0的方法相对误差为36.31%;Rn与ea均由T估算进而求得ET0的方法相对误差为61.23%。【结论】利用P-M温室修正式可以较好地预测温室作物的水分状况,当修正式的参数Rn缺测时可以用n计算Rn;当参数RH缺测时,可以用Tmin代替RH计算ea。

基于碳水通量耦合原理改进Penman-Monteith蒸散发模型

陆地蒸散(ET)涵括地表和潮湿叶片的蒸发和植物的蒸散发,是陆地水循环的重要组成部分。Penman-Monteith方程是估算陆地蒸散的重要方法,方程中的叶片或冠层气孔导度是提高估算精度的关键因子。根据碳水循环的耦合原理,植物光合作用模型可用于估算叶片或冠层气孔导度。植物光合作用模型可分为三类:1)使用总冠层导度的大叶模型(BL),2)区别阴、阳叶冠层导度的双大叶模型(TBL),3)区别阴、阳叶叶片导度的双叶模型(TL)。与这三类光合作用模型相对应,衍生出基于不同导度计算方法的三种蒸散估算模型。三种蒸散模型之间的主要区别在于是否进行从叶片尺度到冠层尺度的气孔导度集成。这三种模型中,双叶模型使用叶片尺度的气孔导度,集成度最低。反之,大叶模型使用冠层尺度的气孔导度,集成度最高。由于在Penman-Monteith中,蒸腾和气孔导度之间的关系是非线性的,气孔导度的集合会导致负偏差。因此,与通量测量相比,大叶蒸散模型的估算偏差最大,而双叶蒸散模型的估算偏差最小。

数据库技术在FAO Penman-Monteith公式中的应用

参考作物蒸发蒸腾量是进行实时灌溉预报和农田水分管理的主要参数,将数据库技术应用到FAO Penman-Monteith公式的计算中,能降低参考作物蒸发蒸腾量计算的工作量。经编程后系统整体界面友好、结构合理、操作简单,使参考作物蒸发蒸腾量的计算快捷、准确,该系统能具有较强的实际应用价值。

基于Penman-Monteith模型和路径排序算法相结合的草莓灌溉方法与验证

灌溉是影响作物产量的重要因素。为更加有效、精确地控制设施作物的灌溉,本研究以“章姬”草莓为例,将作物实时生长特征引入灌溉决策模型中,将Penman-Monteith(P-M)模型和知识推理相结合对草莓的灌溉展开研究。首先明确影响草莓灌溉的因子和影响系数,然后建立“章姬”草莓灌溉知识结构和草莓灌溉知识图谱,接着应用路径排序算法(Path Ranking Algorithm,PRA)对P-M模型计算的灌溉值进行调整,实现草莓的精准灌溉。知识推理中每个专家的灌溉调整策略都不相同,本试验以草莓产量最大为目标,选择概率值最高的一组灌溉推理值对灌溉进行调整。试验结果表明,在规定时间采收的情况下,本研究提出的基于Penman-Monteith模型和路径排序算法相结合的方法比传统P-M模型方法的果实总产量、单株果实均产量和果实均重百分比分别提高2478.5g、20.65g和12.15%(单个果实均重提高1.65g),硬度提升了0.1 kg/cm^(2)。表明该方法根据作物生长状态对作物灌溉进行调整合理,为精确灌溉提供了新的思路。