三种通过常规气象变量估算实际蒸散量模型的适用性比较_韩松俊

合集下载

非均匀下垫面区域蒸散量估算的互补相关模型研究-自然科学进展

非均匀下垫面区域蒸散量估算的互补相关模型研究-自然科学进展

非均匀下垫面区域蒸散量估算的互补相关模型*刘绍民1,孙睿1,孙中平1,李小文1,刘昌明2(1、北京师范大学 资源与环境科学系,遥感与GIS研究中心,北京 100875;2、中国科学院地理科学与资源研究所,北京 100101)摘要:利用黄河流域1981-2000年期间的气象、水文资料,结合卫星遥感信息和数字高程模型,检验了平流-干旱、CRAE、Granger等互补相关模型在不同时间尺度、不同气候类型区域上的计算精度,讨论了不同气候因子对计算误差的影响,并分析了模型参数的变化规律。

结果表明:平流-干旱模型、CRAE和Granger 模型估算的年蒸散量除了干旱年份外,误差都在10%以下。

平流-干旱模型估算的月蒸散量比较合理,而CRAE模型与Granger模型都存在冬季月蒸散量估算过高的问题。

平流-干旱模型与Granger模型的水量平衡闭合误差空间分布比较一致,计算效果是比较理想的,而CRAE模型的水量平衡闭合误差比较大。

互补相关模型在湿润和干旱的条件下以及在可利用能量比较高和比较低的条件下,计算效果比较差。

互补相关模型的经验参数在不同年型、不同气候类型区域有不同的最优值。

关键词:区域蒸散量、互补相关模型、检验、水量平衡闭合误差、经验参数区域蒸散量的估算在气候变化研究、水资源规划与管理、节水农业的发展以及许多水利工程建设中十分重要。

对于区域蒸散量的研究多年来一直是国内外地理、气象、生物等科学界关心的焦点问题之一。

对非均匀下垫面,传统的方法如气象学方法、气候学方法很难用于计算大面积蒸散量。

水文学方法虽能计算大面积区域蒸散量,但由于其时间尺度较长(一般以年为周期),因此也难以满足要求。

近20多年发展起来的数值模拟方法能模拟土壤-植被-大气连续体中水分的连续变化过程,对了解区域蒸散的物理及生物机理意义重大,但由于该类方法需要大量的区域植被、土壤和气象参数,因此离实际应用还有距离。

20世纪70年代以来发展起来的遥感模型,由于存在遥感反演的地表温度物理实质与精度、平流对模型的影响、非遥感参数的空间扩展、遥感信息的瞬时性等问题[1],其精度尚达不到实际要求。

土壤蒸散发模型研究

土壤蒸散发模型研究

土壤蒸散发模型研究土壤蒸散发是气候变化的一个重要组成部分,对气候过程以及全球气候变化有着重要的影响。

土壤蒸散发模型是气候模型的重要组成部分,用于预测气候变化和气候统计学的发展。

本文旨在探讨土壤蒸散发模型在气候研究中的重要性,并分析常见的土壤蒸散发模型。

首先,土壤蒸散发是气候变化的重要组成部分。

它是水汽蒸发的一种形式,对大气水汽和地表水汽的质量和能量平衡有重要作用。

如果没有蒸发,地表水汽就会以流动的形式进入大气,大大增加大气压力,影响气温和气候变化。

此外,土壤蒸散发还与气温有关,随着气温的升高,土壤蒸散发量也会增加。

其次,土壤蒸散发模型是气候模型中重要的一环,它用于评估和预测气候变化及气候统计学的发展。

气候模型是利用计算机技术和测量技术模拟大气和气候变化的有效方法,它可以提供气候变化的大致趋势,预测气候变化的过程,并结合地表研究反映全球和地区气候变化。

而土壤蒸散发模型可以用来模拟蒸发及其对气候变化的影响。

最后,当前已经有几种常见的土壤蒸散发模型,如Penman-Monteith模型、Soil Moisture Balance模型和Kirchner模型等。

这些模型都是根据土壤和气象数据开发的,用于预测土壤蒸散发量和气候变化的影响。

Penman-Monteith模型是最为常用的一种模型,它可以在不同气候和土壤条件下评估土壤蒸散发量。

Soil Moisture Balance模型是一种简易模型,根据土壤湿度和降水量模拟土壤蒸散发的过程;而Kirchner模型则是一种更为抽象的模型,能够评估不同地形和土壤特征对土壤蒸散发量的影响。

综上所述,土壤蒸散发模型对气候研究具有重要意义,它可以通过模拟土壤蒸散发过程,帮助我们更好地理解土壤蒸散发在全球气候变化中的作用,从而预测气候变化。

现有多种土壤蒸散发模型,它们都是根据土壤和气象数据开发的,可以用来评估和模拟土壤蒸散发的效果。

参考作物蒸散模型对比分析及评价

参考作物蒸散模型对比分析及评价

参考作物蒸散模型对比分析及评价张方敏;申双和;金之庆【期刊名称】《气象科学》【年(卷),期】2009(29)6【摘要】利用山东省6个气象台站45 a(1960-2004年)的逐日气象资料并选用7种参考作物蒸散模型,分别计算了上述各地的参考作物蒸散,对模型结果进行时空分布对比分析;进而以FAO推荐的Penman-Monteith模型为对照,利用最小一乘法对其余6种模型进行优化并对优化前后的模型进行时空比较.结果表明:Makkink模型在6个台站的时空分布模拟效果均最好,Mass-transfer模型在7-8月明显偏低,Net Radiation模型各站全年基本都偏高;根据不同月份的相对偏差情况,采用最小一乘法进行分月优化,优化后的模型预测月参考作物蒸散标准误差小于5 mm,平均相对误差小于8.5%,台站的年参考作物蒸散相对误差也基本小于10%,说明这些含参数较少的模型经优化后基本上可用,当资料缺损时不失为Penman-Monteith 模型的替代模型.【总页数】6页(P749-754)【作者】张方敏;申双和;金之庆【作者单位】南京信息工程大学应用气象学院,南京,210041;南京信息工程大学气象灾害省部共建教育部重点实验室,南京,210044;南京信息工程大学应用气象学院,南京,210041;南京信息工程大学气象灾害省部共建教育部重点实验室,南京,210044;江苏省农业科学院,农业资源与环境研究所,南京,210014【正文语种】中文【中图分类】S161.4【相关文献】1.基于称重式蒸渗仪实测日值评价16种参考作物蒸散量(ET0)模型 [J], 刘晓英;李玉中;钟秀丽;曹金峰;袁小环2.基于蒸渗仪实测的参考作物蒸散发模型北京地区适用性评价 [J], 袁小环;杨学军;陈超;武菊英3.中国三大灌区参考作物蒸散量温度法模型的修订与适应性评价 [J], 杨永刚;崔宁博;胡笑涛;龚道枝;李晨;贾悦4.吐鲁番地区参考作物蒸散发模型适用性评价 [J], 范留飞;于洋;他志杰;皮原月;孙凌霄;于瑞德5.13种典型参考作物蒸散量估算模型在安徽省的适用性评价 [J], 褚荣浩;李萌;沙修竹;倪锋;谢鹏飞;蒋跃林;申双和因版权原因,仅展示原文概要,查看原文内容请购买。

大气科学中的气候预测方法与模型评估

大气科学中的气候预测方法与模型评估

大气科学中的气候预测方法与模型评估气候预测是大气科学中的重要研究领域之一,它旨在通过运用各种方法和模型来预测未来的气候变化。

准确的气候预测对于气象灾害的预警、农业生产的规划、能源资源的合理利用等都具有重要的意义。

本文将介绍大气科学中的气候预测方法并探讨模型评估的重要性。

一、气候预测方法1. 统计方法:统计方法是气候预测中最早也是最简单的方法之一。

它基于历史气候数据,通过统计数据的分析和建模来预测未来的气候变化。

常见的统计方法有回归分析、时间序列分析等。

然而,由于统计方法只依赖于历史数据,忽略了物理机制的作用,因此其预测结果可能存在误差。

2. 数值模拟方法:数值模拟方法是目前气候预测中最为常用和精确的方法之一。

它基于大气动力学、热力学、水文学等原理,通过模拟分析地球大气系统中的运动和能量交换等过程来预测未来的气候变化。

数值模拟方法利用计算机运算大量的物理模型方程来解析地球大气系统的演变过程。

然而,由于物理模型方程的复杂性和计算能力的限制,数值模拟方法在气候预测中仍面临一定的挑战。

3. 复杂系统方法:复杂系统方法是近年来发展起来的一种先进的气候预测方法。

它采用复杂网络理论、机器学习等多学科交叉的方法,将气象观测数据与物理模型相结合,通过建立多变量的非线性关系模型来预测气候变化。

复杂系统方法在处理非线性问题和大规模数据方面具有独特的优势,能够更准确地预测气候变化趋势。

二、模型评估的重要性气候预测模型的评估是验证和比较不同气候预测方法准确性和可靠性的过程。

它对于确定最佳模型和提高气候预测的准确性起着关键作用。

1. 验证模型的可靠性:模型评估通过与实际观测数据的比较,验证模型在预测气候变化方面的可靠性。

如果模型能够准确地模拟历史气候变化,并能够预测未来的气候趋势,那么该模型就可以被认为是可靠的。

2. 比较不同模型的准确性:模型评估还可以比较不同气候预测模型的准确性。

不同模型的结构和参数都有所不同,因此其预测结果也会存在差异。

基于Penman-Monteith模型的蒸散模拟评估分析

基于Penman-Monteith模型的蒸散模拟评估分析

PM 模型中,所需要的土壤热 通 量 (G)、净 辐
2018年第2期 内 蒙 古 气 象
23
射 (Rn)、Δ 饱 和 水 汽 压 - 温 度 曲 线 的 斜 率、饱 和
水汽压差、空气动力学阻力以及冠层阻力计算参考
刘斌 等 文 [11] 献中做使用公式以及参数.
标准条件下,作物蒸散:
ETc=ETO ������KC
(2)
式中,Kc 为 作 物 系 数, 指 不 同 发 育 期 中 需 水 量 与
可能蒸散量之比值.中国主要农作物需水量等值线
图协作组所著的 «中国主要农作物 需 水 量 等 值 线 图
本文将利用 PM 模型,对 水 稻 分 别 在 干 旱、水 层条件下采用 PM 模型进行蒸散模 拟,并 对 比 模 拟 蒸散值与观测蒸散值.
1 材料与方法 1������1 试验站概况
南京信息工程大学农业气象试验站是本次稻田 蒸散观 测 试 验 的 所 在 地.2013 年 5 月 20 日 对 水 稻 进行播种,6月23日移 栽,10 月 20 日 收 获.稻 田 试验区内,土质为壤质黏土,地形较为平坦,耕层 土壤黏粒含量 26������1%;0~100cm 土 层 平 均 田 间 持 水量 19������2% ~23������2% (重 量 含 水 量 ), 凋 萎 系 数 6������1%~8������6% (重量含水量),平均干容重1������39g������ cm-3.在试验站内的各种气象因子都是遵照地面 气 象观测规范 来 [9] 进行观测.
关键词 稻田蒸散;PM 模型;作物系数
中 图 分 类 号 S161������4 文 献 标 识 码 B doi:10������14174/j������cnki������nmqx������2018������02������005

农业气象预测模型研究与应用

农业气象预测模型研究与应用

农业气象预测模型研究与应用近年来,随着自然灾害频发,农业生产环境变化明显,气象预测模型在农业生产中的重要性也逐渐凸显。

农业气象预测模型是基于气象因素、作物生长规律和土壤特性等进行分析和综合计算,以预测不同天气条件下各类农作物的生长情况、气象灾害发生概率以及推测未来一段时间的劳动力需求等信息的研究。

一、农业气象预测模型的分类目前,农业气象预测模型可分为统计模型、物理模型和数据挖掘模型三种类型。

其中,统计模型利用历史大量数据进行计算预测,较为依赖样本数据,适用于农业生产量较大情况下的预测。

物理模型基于农业生产的物理特性,利用物理方程式,结合气象数据进行分析预测,适用于各类农业生产情况下的预测。

数据挖掘模型则是利用机器学习等算法,对大量数据进行分析和挖掘,从而提高预测准确率,适用于各种农业生产情况下的预测。

二、农业气象预测模型的应用案例1. 作物生长模型针对不同农作物的不同生长特点,基于气象数据建立起的作物生长模型可以预测出不同天气条件下作物生长的情况及数量,从而在农业生产中实现生产计划、施肥、灌溉等方面的科学管理。

2. 气象灾害预测模型气象灾害是影响农业生产的重要因素之一。

利用物理模型、统计模型和数据挖掘模型等,可以对气象灾害的影响因素进行数值模拟,从而实现对气象灾害的及时预警和防范等。

3. 劳动力需求预测模型不同季节、不同天气、不同作物生长的情况都会对农业生产的劳动力需求产生影响。

基于气象数据并结合历史数据和现实情况预测,可以提前预测对劳动力的需求,并加以调配。

三、农业气象预测模型的发展趋势随着现代科技的不断发展,人工智能、大数据等技术的广泛应用,农业气象预测模型也在不断创新与进化。

目前,一些新兴技术,如云计算、区块链、物联网、人工智能等,通过将气象数据、作物数据、土壤数据等结合起来,为农民提供更为智能化、精准化的农业生产服务,为农业生产带来了更为广阔的发展空间。

综上所述,农业气象预测模型是一种有效的农业生产管理工具,可以提高农业生产的效益和品质,也是预防和减轻气象灾害的重要手段。

青藏高原潜在蒸发时空变化的南北分异特征

青藏高原潜在蒸发时空变化的南北分异特征

第34卷第4期2023年7月㊀㊀水科学进展ADVANCES IN WATER SCIENCE Vol.34,No.4Jul.2023DOI:10.14042/ki.32.1309.2023.04.002青藏高原潜在蒸发时空变化的南北分异特征韩松俊1,王㊀旭2,刘亚平2,田富强3(1.中国水利水电科学研究院流域水循环模拟与调控国家重点实验室,北京㊀100038;2.首都师范大学资源环境与旅游学院,北京㊀100048;3.清华大学水沙科学与水利水电工程国家重点实验室,北京㊀100084)摘要:分析潜在蒸发时空变化对准确认识青藏高原实际蒸发和水量平衡变化规律具有重要意义,虽然多项水文气候和环境要素变化具有明显的空间分异,但目前对潜在蒸发变化空间分异的认识并不清晰㊂本文采用Penman 公式,利用青藏高原及其缓冲区内312个气象站数据计算和分析了1980 2015年潜在蒸发量及其辐射项和空气动力学项时空变化的规律,揭示了其具有南北差异的非单调变化的时空特征㊂青藏高原及其附近地区多年平均潜在蒸发量以32ʎ30ᶄN 为界与纬度呈 V 型非单调变化,在南部随纬度升高而减小,在北部随纬度升高而增大;南北部年潜在蒸发及其辐射项和空气动力学项都以1999年为转折点呈现差异性非单调变化特征,反映了印度季风与西风两大环流在青藏高原影响的空间分异㊂关键词:潜在蒸发;Penman 公式;南北分异;时间转折;空间分界;青藏高原中图分类号:P333.2㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1001-6791(2023)04-0490-09收稿日期:2023-04-25;网络出版日期:2023-08-09网络出版地址:https :ʊ /urlid /32.1309.P.20230809.1335.002资助项目:国家自然科学基金资助项目(92047301)作者简介:韩松俊(1981 ),男,湖北老河口人,正高级工程师,博士,主要从事蒸散发研究㊂E-mail:hansj@蒸发受气候和下垫面的共同影响,是水文循环的重要过程,揭示其时空变化对认识水量平衡时空变异性的发生规律㊁原因及控制因素具有重要意义㊂反映大气蒸发能力的潜在蒸发综合了太阳辐射㊁气温㊁湿度和风速等多种气候要素,是进行实际蒸发研究的基础㊂青藏高原是中国主要大河的发源地,特殊的高大地形和寒冷的气候条件使其成为一个极易受到气候变化影响的敏感区域,厘清区域水量平衡和径流演变对中国长期的水安全保障具有重要意义[1],而准确估算和分析实际蒸发变化非常关键[2-3]㊂受资料缺乏的影响,青藏高原地区实际蒸发变化的观测和分析手段极其有限,已有研究存在很大的不确定性[4],因此,分析潜在蒸发的时空变化是准确估算和分析实际蒸发变化的前提,对准确认识区域气候变化规律也具有重要意义㊂潜在蒸发的大小可以通过蒸发皿观测确定,而青藏高原地区蒸发皿蒸发量数据缺测较多且存在因更换仪器造成的非一致性问题㊂潜在蒸发也有多种估算方法,其中,机理性方法主要考虑水汽传输㊁能量平衡2种机制,而经验方法一般通过气温㊁太阳辐射等气象要素建立估算关系㊂众多方法中综合考虑能量平衡和水汽传输的空气动力学原理的Penman [5]公式应用最为广泛㊂Penman 公式的辐射项和空气动力学项分别反映太阳辐射和气候状况的影响[6],能够准确捕捉多种要素驱动下潜在蒸发的时空动态变化[7],优于只考虑部分机制或只采用部分要素的其他方法,在青藏高原得到了广泛应用㊂如Zhang 等[8]利用75个气象站数据发现青藏高原1966 2003年潜在蒸发量受风速和太阳辐射下降的影响具有显著下降趋势,而Chen 等[9]利用63个气象站数据也发现受风速和相对湿度变化的影响1961 2000年潜在蒸发量呈现减小趋势,但潜在蒸发下降的趋势在20世纪90年代后期发生反转,近年来呈现显著增加趋势[10-11]㊂潜在蒸发的非单调变化规律与青藏高原其他水文气候环境要素的变化具有某种程度的一致性,降水㊁实际蒸发㊁湖泊和植被等[4,12-14]的变化过程都在20世纪90年代末发生了显著改变㊂青藏高原气候与环境要素的变化被认为主要受到西风与印度季风两大环流系统影响[15-16],西风与印度季风的影响范围和程度具有明显的空间分异[16]㊂受其影响,多项气候与环境要素在青藏高原南北的变化都㊀第4期韩松俊,等:青藏高原潜在蒸发时空变化的南北分异特征491㊀呈现出显著差异:如1976 2015年北部降水先增大后减小,而南部与之相反[12];近年来北部湖泊面积总体增长,而南部则有所减少[13];南北的干旱变化以32ʎ30ᶄN 为界明显不同[17],植被返青期也具有显著差异[18];而西南河流源区南北径流也呈反对称的变化[19]㊂西风与印度季风影响的空间分异及其引起的水汽输送变化也会对潜在蒸发的时空变化产生影响㊂姚天次等[11]发现青藏高原多年平均潜在蒸散发呈现南北高㊁中部低的空间分布;汪步惟等[10]发现1997 2014年青藏高原33ʎN 以南区域潜在蒸发量的增加趋势更为显著;Zhang 等[20]发现1971 2004年青藏高原南北潜在蒸发变化原因存在差异㊂已有研究显示青藏高原潜在蒸发的时空变化可能存在一定的空间分异,但缺乏对空间分界特征的准确认识,而在时间演变规律上对不同地区变化趋势的转折特性的认识不清晰㊂针对上述问题,本研究在充分收集青藏高原及其周边气象站数据的基础上,利用Penman 公式计算潜在蒸发量,考虑辐射项和空气动力学项的不同变化,分析潜在蒸发的空间分布格局和时间演变规律,揭示可能存在的空间分界线和时间转折点㊂1㊀数据资料与方法本研究收集整理了青藏高原及其缓冲区312个气象站(位于32ʎ30ᶄN 以南的站点176个,位于32ʎ30ᶄN 以北的站点136个)(图1)1980 2015年的日气象数据,其中119个站点位于青藏高原内部(62个站点位于32ʎ30ᶄN 以南地区,57个站点位于32ʎ30ᶄN 以北地区)㊂气象数据包括日最高气温㊁日最低气温㊁日平均气温㊁相对湿度㊁日照时数㊁大气压㊁风速以及降水量㊂研究中首先利用气象数据计算日尺度的潜在蒸发量,再得到年潜在蒸发量㊂潜在蒸发量(E p )由Pen-man [5]公式进行计算:E p =E rad +E aero =Δ(R n -G )Δ+γ+γΔ+γf (U 2)e ∗(1-H R )(1)式中:E rad 和E aero 分别为辐射项和空气动力学项;Δ为饱和水汽压 温度曲线的斜率;G 为土壤热通量,以日时间步长计算时取0;γ为湿度计常数;e ∗为气温对应的饱和水汽压;H R 为相对湿度;f (U 2)为2m 风速(U 2)的函数,其中U 2由气象站观测的10m 高度处风速转换而来;R n 为净辐射,包括净短波辐射(R ns )和净长波辐射(R nl ),利用日照时数计算:R ns =(1-α)R s =(1-α)a s +b s n N ()R a (2)R nl =σT 4max +T 4min 2[](0.34-0.14e a )1.35R s R so -0.35()(3)式中:α为反照率,根据参考作物取0.23;R s 为太阳总辐射;a s ㊁b s 为经验系数,根据各站点附近的辐射站实测资料确定;n 为实际日照时数;N 为最大日照时数;R a 为大气上界太阳辐射;R so 为晴空太阳辐射;σ为斯蒂芬-玻尔兹曼常数;T max 和T min 分别为热力学温度下的日最高和最低气温;e a 为实际水汽压㊂研究中潜在蒸发变化趋势采用非参数统计检验Mann-Kendall 方法进行检验,并在进行检验前采用Yue 等[18]提出的无趋势白化预处理,衡量趋势大小的指标趋势坡度(β,假定为线性)采用Hirsch 等[21]的方法计算㊂2㊀结果分析与讨论2.1㊀潜在蒸发量的空间分布格局研究区1980 2015年间多年平均潜在蒸发量在750~1565mm 之间,均值为1097mm,表现为明显的南北高㊁中部低的分布特征(图1(a)),站点多年平均E p 与纬度的散点图近似以北纬32ʎ30ᶄN 为界呈 V 型分布(图2(a)),在南北地区分别存在显著的线性相关关系(表1),在32ʎ30ᶄN 以南地区,纬度每增加1ʎ则多年平均E p 降低45.0mm,而在32ʎ30ᶄN 以北地区,纬度每增加1ʎ则多年平均E p 增大41.1mm㊂492㊀水科学进展第34卷㊀图1㊀研究区站点多年平均潜在蒸发量和降水量的空间分布Fig.1Spatial distribution of mean annual potential evaporation and precipitation in the study area图2㊀研究区站点多年平均潜在蒸发量和降水量与纬度的散点图Fig.2Plots of mean annual potential evaporation and precipitation against the latitude of stations in the study area㊀第4期韩松俊,等:青藏高原潜在蒸发时空变化的南北分异特征493㊀㊀㊀潜在蒸发的辐射项和空气动力学项的空间分布不一致㊂站点多年平均E rad 在587~1067mm 之间,均值为785mm,在南部表现出明显的随纬度升高而降低的特征(在32ʎ30ᶄN 以南地区,纬度每增加1ʎ则多年平均E rad 降低32.7mm),而在北部分布相对均匀(图1(b))㊂站点多年平均E aero 在129~765mm 之间,均值为312mm㊂站点多年平均E aero 与纬度的关系与E rad 不同,在32ʎ30ᶄN 以北地区表现出明显的随纬度升高而增大的特征(纬度每增加1ʎ则多年平均E aero 增大44.2mm),而在南部随纬度变化相对较弱(纬度每增加1ʎ则多年平均E aero 降低12.3mm)㊂因此,南部地区站点多年平均E p 随纬度的下降主要由E rad 的变化引起,而北部地区E p 随纬度的增大主要由E aero 的变化引起㊂表1㊀研究区站点多年平均潜在蒸发量和降水量与纬度线性回归的斜率及相关系数Table 1Linear regression slope and correlation coefficient of mean annual potential evaporation andprecipitation against the latitude of the stations in the study area 变量北部南部均值/mm 斜率/(mm㊃(ʎ)-1)相关系数均值/mm 斜率/(mm㊃(ʎ)-1)相关系数潜在蒸发1107ʃ15341.10.581090ʃ203-45.0-0.51辐射项754ʃ62-3.1-0.11809ʃ130-32.7-0.58空气动力学项352ʃ13744.20.69281ʃ100-12.3-0.28降水347ʃ229-85.5-0.80886ʃ322-43.2-0.31图3㊀青藏高原南北站点平均潜在蒸发量和降水量1980 2015年变化过程Fig.3Time series of average annual potential evaporation and precipitation during 1980 2015for stations in the south and north Tibetan Plateau 2.2㊀潜在蒸发的时间演变规律多年平均潜在蒸发量以32ʎ30ᶄN 为界的南北分布差异提示需要分别分析南部和北部的时间演变规律㊂图3对比给出了南部62个站点和北部57个站点1980 2015年平均潜在蒸发量的变化过程㊂南部站点年平均E p494㊀水科学进展第34卷㊀自1980年起波动下降至2000年达到最低值(1123mm),之后迅速回升至2015年的1218mm,1980 1999和2000 2015年间的趋势值分别为-27.6mm/(10a)和58.2mm/(10a),且都通过了99%置信水平的显著性检验(表2)㊂相比之下,北部站点年平均E p在1980 1999年间没有显著的变化趋势,而在2000 2015年间具有弱上升趋势(9.0mm/(10a))㊂表2㊀青藏高原南北站点平均潜在蒸发㊁降水和主要气候要素在1980 1999年(Ⅰ)和2000 2015年(Ⅱ)变化趋势值Table2Trend slope of average annual potential evaporation precipitation and main climatic variables during 1980 1999(Ⅰ)and2000 2015(Ⅱ)for stations in the south and north Tibetan Plateau变量北部南部ⅠⅡⅠⅡ潜在蒸发量/(mm㊃(10a)-1)-0.79.0-27.6∗∗58.2∗∗辐射项/(mm㊃(10a)-1)10.3∗-8.5∗-5.910.7空气动力学项/(mm㊃(10a)-1)-12.023.8∗∗-24.2∗∗44.7∗∗降水/(mm㊃(10a)-1)-11.740.117.5-50.1气温/(ħ㊃(10a)-1)0.40∗0.370.370.46日照时数/(h㊃(10a)-1)-7.9-67.9-84.8∗∗48.1相对湿度/(%㊃(10a)-1)0.96-2.14∗ 1.59∗∗-4.82∗∗风速/(m㊃s-1㊃(10a)-1)-0.21∗∗0.11∗-0.26∗∗0.05注:∗∗为通过99%显著性水平检验;∗为通过95%显著性水平检验㊂㊀㊀从青藏高原站点潜在蒸发量2个阶段变化趋势值的空间分布(图4)也可以看出南北地区的差异㊂1980 1999年,南部62站点中的53个(85.5%)E p具有下降的趋势,其中29个站点通过了95%置信水平检验;而北部地区57站点中的31个(53.4%)E p具有下降的趋势,其中仅有4个站点通过了90%置信水平的检验㊂2000 2015年,南部62站点中的57个(91.9%)E p具有增大的趋势,其中32个站点通过了95%置信水平检验;北部57站点中的43个(75.4%)E p具有增大的趋势,但其中仅有3个站点通过了90%置信水平的检验㊂虽然北部大部分站点在1980 1999年间下降和在2000 2015年间上升,但趋势值和显著性都弱于南部站点㊂南部站点年平均E rad也具有以1999年为界先减小后增加的变化过程,但变化的趋势值(-5.9和10.7mm/ (10a))显著弱于E p变化的趋势值㊂北部站点年平均E rad以1999年为界与南部具有完全相反的变化过程,先增加(10.3mm/(10a))后减少(-8.5mm/(10a))㊂与E rad变化趋势的南北差异不同,南北地区站点年平均E aero都具有以1999年为界先减小后增加的变化过程,其中南部地区的趋势值(-24.2和44.7mm/(10a))大于北部地区(-12.0和23.8mm/(10a))㊂站点年E rad和E aero在前后2个阶段都呈现相反的变化趋势㊂1980 1999年间33个南部站点的E rad具有下降趋势,其中12个通过了95%置信水平检验,而2000 2015年间42个南部站点的E rad具有增加趋势,其中12个通过了90%置信水平检验;45个北部站点的E rad在1980 1999年间具有增加趋势,且23个通过了95%置信水平检验,而44个北部站点的E rad在2000 2015年间有下降趋势,其中9个通过了95%置信水平检验㊂青藏高原南北站点年E aero在前后2个阶段呈现先下降后增加的趋势,但南部站点变化的趋势更为显著㊂1980 1999年,55个南部站点(89%)和46个北部站点(81%)的E aero具有下降趋势,但通过95%置信水平检验的站点中南部有41个,而北部只有11个;2000 2015年,58个南部站点(94%)和47个北部站点(82%)的E aero具有增加趋势,但通过95%置信水平检验的站点中南部有40个,而北部只有23个㊂㊀第4期韩松俊,等:青藏高原潜在蒸发时空变化的南北分异特征495㊀图4㊀青藏高原站点潜在蒸发(包括辐射项和空气动力学项)㊁降水量1980 1999年和2000 2015年变化的趋势值Fig.4Trend slopes of potential evaporation(including radiation and aerodynamic terms)and precipitationduring1980 1999and2000 2015of stations in Tibetan Plateau2.3㊀讨论印度季风与西风两大环流在青藏高原的影响范围具有显著空间分异[16],印度季风在30ʎN以南盛行,而西风在35ʎN以北盛行[16],30ʎN 35ʎN之间为过渡区,这一决定因素在青藏高原降水偶极子的时空变化规496㊀水科学进展第34卷㊀律上体现非常明显[12],而潜在蒸发时空变化以32ʎ30ᶄN为界的南北分异也在一定程度上反映了其对西风和季风环流的响应㊂在空间分布上,青藏高原及其附近站点多年平均潜在蒸发量在30ʎN以南的印度季风控制区随纬度升高显著降低(y=-51.2x+2559.9,R2=0.21),在35ʎN以北的西风控制区随纬度升高显著增大(y=61.5x-1156.4,R2=0.34),而在过度区与纬度没有显著的相关性(R2=0.05)㊂同时,站点观测的多年平均降水量的空间分布也呈现出南北差异,与多年平均潜在蒸发量空间分布的南北分界线比较一致(图1)㊂以32ʎ30ᶄN为界,北部地区站点多年平均降水量与潜在蒸发量随纬度的变化相反,多年平均降水量随纬度升高而迅速下降(斜率为-85.5mm/(ʎ)),而南部地区站点多年平均降水量随纬度升高仍然下降(-43.2mm/(ʎ)),与潜在蒸发量随纬度的变化方向一致㊂在时间变化上,站点的年降水量在1980 2015年期间以1999年为转折点,北部地区表现出先减少后增加的变化趋势,南部则恰好相反,表现出先增加后减少的变化趋势(图3㊁图4)㊂大气环流引起的水汽收支变化对潜在蒸发和降水都会产生影响,造成二者的变化存在一定的关联㊂1980 2015年间站点平均潜在蒸发的辐射项与降水在高原南北都具有相反的非单调变化过程(图3),二者在南北地区都具有显著负相关(南部:y=-0.13x+948.1,R2=0.29;北部:y=-0.26x+863.1,R2=0.38),这与降水变化与日照时数变化所反映的云量变化(表2)具有一定关系㊂与辐射项不同,空气动力学项与降水量在南部地区具有相反的非单调变化过程,二者显著负相关(y=-0.23x+465.2,R2=0.29),而在北部地区两者之间没有显著相关性(R2=0.02)㊂从影响空气动力学项变化的2个主要变量来看,南部地区相对湿度先增后减的非单调变化更显著(表2),降水量与相对湿度具有显著的相关性(y=12.5x-76.3,R2=0.33),表明降水量与水汽收支的关系在南部可能更紧密;在北部地区,降水量与相对湿度没有显著相关性(R2=0.02),而风速先减后增的变化(表2)对空气动力学项的影响更明显,这一差异可能与青藏高原南北地区降水的不同变化机制有关,需要进一步研究㊂3㊀结㊀㊀论本文采用Penman公式,利用青藏高原及其附近地区312个气象观测数据计算分析了1980 2015年潜在蒸发量及其辐射项和空气动力学项时空变化的南北差异,并与降水量的时空变化进行了对比,分析了青藏高原地区潜在蒸发量时空变化规律㊂主要结论如下:(1)青藏高原及其附近地区多年平均潜在蒸发量的空间分布以32ʎ30ᶄN为界呈南北差异,在南部主要受辐射项的空间分布主导随纬度的增加而减小,而在北部受空气动力学项的空间分布主导随纬度的增加而增大㊂(2)青藏高原南北地区1980 2015年潜在蒸发及其辐射项和空气动力学项都以1999年为转折点呈现非单调变化过程,但存在显著的差异㊂辐射项在南部先减小后增加,而在北部先增加后减小;空气动力学项在南北地区都表现出显著的先减少后增加的变化过程,但南部的变化趋势更显著㊂受空气动力学项和辐射项变化的共同影响,南部潜在蒸发量呈现先减少后增加的变化过程,而由于辐射项和空气动力学项变化的相互抵消,北部潜在蒸发量在前期没有明显变化趋势而在后期具有弱增加的趋势㊂(3)潜在蒸发时空变化的南北分异在一定程度上反映了印度季风与西风两大环流在青藏高原影响的空间分异,也造成其与降水的时空变化在南北地区表现出一定关联,而空气动力学项与降水在南北地区非单调变化过程的差异需要进一步研究㊂参考文献:[1]胡春宏,郑春苗,王光谦,等, 西南河流源区径流变化和适应性利用 重大研究计划进展综述[J].水科学进展,2022,㊀第4期韩松俊,等:青藏高原潜在蒸发时空变化的南北分异特征497㊀33(3):337-359.(HU C H,ZHENG C M,WANG G Q,et al.Variation laws and future evolution trends of runoff in the head-waters region of Southwestern rivers[J].Advances in Water Science,2022,33(3):337-359.(in Chinese))[2]季芳,范林峰,匡星星,等,青藏高原多年冻土退化对蒸散发的影响[J].水科学进展,2022,33(3):390-400.(JI F, FAN L F,KUANG X X,et al.Role of permafrost degradation on evapotranspiration on the Qinghai-Tibet Plateau[J].Advances in Water Science,2022,33(3):390-400.(in Chinese))[3]徐宗学,周祖昊,姜瑶,等.西南河流源区径流量变化规律及其未来演变趋势[J].水科学进展,2022,33(3):360-374.(XU Z X,ZHOU Z H,JIANG Y,et al.Variation laws and future evolution trends of runoff in the headwaters region of Southwestern rivers[J].Advances in Water Science,2022,33(3):360-374.(in Chinese))[4]WANG L M,HAN S J,TIAN F,et al.The evaporation on the Tibetan Plateau stops increasing in the recent two decades[J]. Journal of Geophysical Research:Atmospheres,2022,127:e2022JD037377.[5]PENMAN H L.Natural evaporation from open water,bare soil and grass[J].Proceedings of the Royal Society of London Series A: Mathematical and Physical Sciences,1948,193(1032):120-145.[6]HAN S J,HU H P,YANG D W,et al.Differences in changes of potential evaporation in the mountainous and oasis regions of the Tarim Basin,Northwest China[J].Science in China Series E:Technological Sciences,2009,52(7):1981-1989. [7]DONOHUE R J,MCVICAR T R,RODERICK M L.Assessing the ability of potential evaporation formulations to capture the dy-namics in evaporative demand within a changing climate[J].Journal of Hydrology,2010,386(1/2/3/4):186-197. [8]ZHANG Y Q,LIU C M,TANG Y H,et al.Trends in pan evaporation and reference and actual evapotranspiration across the Ti-betan Plateau[J].Journal of Geophysical Research,2007,112(D12):D12110.[9]CHEN S B,LIU Y F,THOMAS A.Climatic change on the Tibetan Plateau:potential evapotranspiration trends from1961 2000 [J].Climatic Change,2006,76(3):291-319.[10]汪步惟,张雪芹.1971 2014年青藏高原参考蒸散变化及其归因[J].干旱区研究,2019,36(2):269-279.(WANG BW,ZHANG X Q.Change and attribution of reference evapotranspiration over the Tibetan Plateau during the period of1971 2014 [J].Arid Zone Research,2019,36(2):269-279.(in Chinese))[11]姚天次,卢宏玮,于庆,等.近50年来青藏高原及其周边地区潜在蒸散发变化特征及其突变检验[J].地球科学进展,2020,35(5):534-546.(YAO T C,LU H W,YU Q,et al.Potential evapotranspiration characteristic and its abrupt change across the Qinghai-Tibetan Plateau and its surrounding areas in the last50years[J].Advances in Earth Science,2020,35(5): 534-546.(in Chinese))[12]LIU Y,CHEN H P,LI H A,et al.What induces the interdecadal shift of the dipole patterns of summer precipitation trends overthe Tibetan Plateau?[J].International Journal of Climatology,2021,41(11):5159-5177.[13]ZHANG G Q,YAO T D,XIE H J,et al.Response of Tibetan Plateau lakes to climate change:trends,patterns,and mecha-nisms[J].Earth-Science Reviews,2020,208:103269.[14]WANG Y F,LYU W W,XUE K,et al.Grassland changes and adaptive management on the Qinghai-Tibetan Plateau[J].Na-ture Reviews Earth&Environment,2022,3(10):668-683.[15]黄凌昕,陈婕,阳坤,等.现代青藏高原亚洲夏季风气候北界及其西风区和季风区划分[J].中国科学:地球科学,2023,53(4):866-878.(HUANG L X,CHEN J,YANG K,et al.The northern boundary of the Asian summer monsoon and division of westerlies and monsoon regimes over the Tibetan Plateau in present-day[J].Scientia Sinica Terrae,2023,53(4): 866-878.(in Chinese))[16]姚檀栋,朴世龙,沈妙根,等.印度季风与西风相互作用在现代青藏高原产生连锁式环境效应[J].中国科学院院刊,2017,32(9):976-984.(YAO T D,PIAO S L,SHEN M G,et al.Chained impacts on modern environment of interaction be-tween westerlies and Indian monsoon on Tibetan Plateau[J].Bulletin of Chinese Academy of Sciences,2017,32(9):976-984.(in Chinese))[17]DENG Y,GOU X H,GAO L L,et al.Spatiotemporal drought variability of the Eastern Tibetan Plateau during the last millenni-um[J].Climate Dynamics,2017,49(5/6):2077-2091.[18]YUE S,PILON P,PHINNEY B,et al.The influence of autocorrelation on the ability to detect trend in hydrological series[J].498㊀水科学进展第34卷㊀Hydrological Processes,2002,16:1807-1829.[19]WU Y N,LONG D,LALL U,et al.Reconstructed eight-century streamflow in the Tibetan Plateau reveals contrasting regionalvariability and strong nonstationarity[J].Nature Communications,2022,13(1):6416.[20]ZHANG X Q,REN Y,YIN Z Y,et al.Spatial and temporal variation patterns of reference evapotranspiration across the Qing-hai-Tibetan Plateau during1971 2004[J].Journal of Geophysical Research,2009,114(D15):D15105.[21]HIRSCH R M,SLACK J R,SMITH R A.Techniques of trend analysis for monthly water quality data[J].Water Resources Re-search,1982,18(1):107-121.North south differentiation on the spatiotemporal variations ofpotential evaporation in Tibetan Plateau∗HAN Songjun1,WANG Xu2,LIU Yaping2,TIAN Fuqiang3(1.State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin,China Institute of Water Resources andHydropower Research,Beijing100038,China;2.College of Resource Environment and Tourism,Capital Normal University, Beijing100048,China;3.State Key Laboratory of Hydroscience and Engineering,Tsinghua University,Beijing100084,China) Abstract:Investigating the spatial pattern and temporal variations of potential evaporation is of great importance in understanding the variations of the actual evaporation and water balance in the Tibetan Plateau.Several hydroclimatic and environmental variables display distinct spatial and temporal patterns in the Tibetan Plateau,but the patterns in the potential evaporation remain unclear.In this study,the potential evaporation from1980to2015was calculated by the Penman equation using the data of312stations in the Tibetan Plateau and its surrounding areas.The potential evaporation and its radiation and aerodynamic terms show non-monotonic spatiotemporal variations,but the variations differ between the north and south of the Tibetan Plateau.The mean annual potential evaporation is bound by 32ʎ30ᶄN and shows a V shape pattern with latitude:decreasing with latitude in the south region and increasing with latitude in the north.The annual potential evaporation and its radiation term and aerodynamic term all show non-monotonic changes with1999as the turning point but the trends substantially differ between the north and south regions.The results reveal the distinct spatial and temporal patterns of the impacts of the westerlies and the Indian monsoon on the potential evaporation.Key words:potential evaporation;penman equation;north south differentiation;temporal turning;spatial boundary;Tibetan Plateau∗The study is financially supported by the National Natural Science Foundation of China(No.92047301).。

《冬小麦蒸散量法模型参数的确定及其应用》

《冬小麦蒸散量法模型参数的确定及其应用》

《冬小麦蒸散量法模型参数的确定及其应用》一、引言随着全球气候变化,农作物的水分管理变得越来越重要。

蒸散量作为农作物生长过程中的关键参数,对于农作物的生长和产量的影响至关重要。

冬小麦作为我国主要的粮食作物之一,其蒸散量法模型参数的确定和应用对于提高冬小麦的种植技术和产量具有重大意义。

本文旨在探讨冬小麦蒸散量法模型参数的确定方法及其在实际应用中的效果。

二、冬小麦蒸散量法模型概述冬小麦蒸散量法模型是一种基于物理原理的模型,用于估算农田蒸散量。

该模型通过综合考虑气象因素、土壤特性、作物生长状况等因素,对农田蒸散量进行定量描述。

模型的准确性取决于参数的确定和模型的适用性。

三、模型参数的确定1. 气象因素参数的确定气象因素是影响蒸散量的主要因素,包括太阳辐射、气温、相对湿度、风速等。

这些参数的确定需要依靠气象观测数据。

在确定这些参数时,应选择具有代表性的气象观测站点,并采用合适的数据处理方法,如插值法、回归分析法等,将观测数据转化为模型所需的参数。

2. 土壤特性参数的确定土壤特性是影响蒸散量的另一重要因素,包括土壤质地、土壤水分含量、土壤温度等。

这些参数的确定需要依靠土壤分析数据。

在确定这些参数时,应综合考虑土壤类型、耕作方式等因素,并采用适当的分析方法,如土壤剖面分析、土壤水分动态监测等。

3. 作物生长状况参数的确定作物生长状况参数包括作物叶片面积指数、作物高度、叶绿素含量等。

这些参数的确定需要结合农学知识和实际观测数据。

在确定这些参数时,应考虑作物的生长阶段、品种差异等因素,并采用适当的遥感技术和地面观测方法。

四、模型应用1. 农田水分管理通过冬小麦蒸散量法模型,可以估算出农田的蒸散量,从而为农田水分管理提供科学依据。

在灌溉和排水方面,可以根据模型的估算结果,合理安排灌溉和排水时间,避免浪费水资源和提高作物的水分利用效率。

2. 作物生长监测与预报通过实时监测和预报作物的蒸散量,可以了解作物的生长状况和需求,为作物的生长监测与预报提供科学依据。

几种潜在蒸散量经验公式在华北地区的应用评价

几种潜在蒸散量经验公式在华北地区的应用评价

(3)Mc Cloud 法(简称 MC 法) 最初用于估算草坪草的潜在蒸发量, 该公式基于日平均温度, 视 ET0 为温度的指数函数, 将原来公式的各变量单位换算为国际制得到如下公式[10]:
ET0 MC = K × W 1.8T
式中:ET0MC 为 MC 法计算的 ET0 值,mm/d;K=0.254;W=1.07;其它同前。
EToHS = 0.0023
Ra
λ
Tmax − Tmin (T + 17.8)
(2)
mm/d; Ra 为大气层顶辐射, MJ/ (m2·d) , 计算见 Allen[1-2]; 式中: ET0HS 为 HS 法计算的 ET0 值, λ 为水汽化潜热,λ=2.45MJ/kg;Tmax、Tmin 为最高、最低气温,℃。 (2)Thornthwaite 法(简称 TW 法) 该方法最初基于美国中东部地区的试验数据而提出的,它仅需要月平均气温,视 ETo 为温度的幂函数。提出时假设干湿空气没有平流,且潜热与显热之比为常数。由于有些地方 冬季温度经常低于 0℃,所以引进有效温度对原公式改进后得到如下[9]
EToMK = 0.7
∆ Rs ∆ +γ λ
( 5)
;其它符号 式中:ET0MK 为 MK 法计算的 ET0 值,mm/d; Rs 为总短波辐射量,MJ/(m2·d) 同前。 (2)Priestley and Taylor 法(简称 PT 法) Priestley and Taylor(1972)提出简化 Penman(1948)首先提出的以空气动力学和能量平 衡联立的综合法,结合本地区的情况对 Penman 公式做些修正,其简化公式如下[12]:
(4)
2.4 辐射估算法
该方法主要是以能量平衡的原理来推估潜在蒸发量, 而本文仅就用 Makkink 法、 Priestley and Taylor 法和 Hargreaves 法的计算结果做一比较。 (1)Makkink 法(简称 MK 法) Makkink 于荷兰寒冷气候条件下推导出草原地区的潜在蒸发量公式[11]:

211252329_基于广义互补S型公式的我国不同地区蒸发池蒸发量估算

211252329_基于广义互补S型公式的我国不同地区蒸发池蒸发量估算

第21卷 第3期2023年5月中国水利水电科学研究院学报(中英文)JournalofChinaInstituteofWaterResourcesandHydropowerResearchVol.21 No.3May,2023收稿日期:2023-01-03;网络首发时间:2023-04-26网络首发地址:https:??kns.cnki.net?kcms?detail?10.1788.TV.20230426.1722.001.html基金项目:国家自然科学基金项目(52079147,52130906);中国水利水电科学研究院“五大人才计划”项目(ID0199A062021)作者简介:郭芳居(1996—),硕士生,主要从事水面蒸发研究。

E-mail:gxpgfj@163.com通讯作者:韩松俊(1981—),博士,正高级工程师,主要从事蒸散发理论与估算方法研究。

E-mail:hansj@iwhr.com文章编号:2097-096X(2023)-03-0277-10基于广义互补S型公式的我国不同地区蒸发池蒸发量估算郭芳居,韩松俊,张宝忠(流域水循环模拟与调控国家重点实验室,中国水利水电科学研究院,北京 100038)摘要:本文利用全国不同地区13个20m2或10m2蒸发池数据,验证广义互补S型公式对小型水体水面蒸发估算的效果,并分析了其参数αHT的变化特征。

结果表明,无论采用暖季(4—9月)的数据还是采用全部数据(有蒸发量观测时期的数据),S型公式均能够有效估算大型蒸发池的蒸发量,效果优于采用率定风速函数的Penman公式。

利用暖季(4—9月)数据拟合的参数αHT介于1.00~1.92,均值为1.52,与相对湿度和温度具有显著负相关关系,利用相对湿度确定参数αHT的S型公式能够有效估算蒸发池的蒸发量。

关键词:蒸发;蒸发池;Penman公式;广义互补S型公式 中图分类号:P426.2+2文献标识码:Adoi:10.13244?j.cnki.jiwhr.202300011 研究背景地球上的水体覆盖大约420万km2的陆地表面[1],面积小于1km2的小型水体占内陆水体总面积的40%[2]。

《区域干旱程度对春玉米蒸散量法模型参数影响的研究》

《区域干旱程度对春玉米蒸散量法模型参数影响的研究》

《区域干旱程度对春玉米蒸散量法模型参数影响的研究》摘要本文旨在探讨区域干旱程度对春玉米蒸散量法模型参数的影响。

通过分析不同干旱等级下的春玉米蒸散量数据,结合模型参数的定量分析,揭示了干旱程度与春玉米蒸散量模型参数之间的关系。

本研究对于理解区域水分循环、预测农作物产量、优化农业灌溉策略具有重要价值。

一、引言春玉米作为我国重要的粮食作物之一,其生长过程中的蒸散量对农业生产具有重要意义。

蒸散量是描述地表水分通过蒸发和植物蒸腾作用进入大气的过程。

区域干旱程度是影响这一过程的关键因素之一。

本文基于春玉米蒸散量法模型,探讨不同干旱等级下模型参数的变化规律,为农业生产和水资源管理提供科学依据。

二、研究方法与数据来源1. 研究区域与方法本研究选取了我国多个春玉米主产区作为研究对象,包括东北、黄淮海等地区。

采用蒸散量法模型,结合田间试验和遥感数据,分析不同干旱等级下的春玉米蒸散量及模型参数。

2. 数据来源数据主要来源于田间试验观测、气象数据以及遥感反演结果。

其中,田间试验观测数据包括春玉米生长过程中的蒸散量、土壤湿度等;气象数据包括降水量、气温、风速等;遥感数据用于反演区域干旱程度及植被覆盖情况。

三、区域干旱程度的划分与春玉米蒸散量分析1. 区域干旱程度划分根据气象数据和遥感反演结果,将研究区域划分为轻度干旱、中度干旱和重度干旱三个等级。

2. 春玉米蒸散量分析在不同干旱等级下,春玉米的蒸散量存在显著差异。

随着干旱程度的加重,春玉米的蒸散量呈现递减趋势。

在轻度干旱条件下,春玉米的蒸散量相对稳定;而在中度或重度干旱条件下,由于土壤水分不足,春玉米的蒸散量明显降低。

四、模型参数分析1. 模型参数的选取与定义本研究选取了反映春玉米生长过程中水分利用效率、土壤水分状况等关键因素的模型参数,如作物系数、土壤水分常数等。

2. 模型参数与干旱程度的关系分析发现,随着干旱程度的加重,模型中的作物系数呈降低趋势,表明干旱条件下春玉米的水分利用效率降低。

《区域干旱程度对春玉米蒸散量法模型参数影响的研究》

《区域干旱程度对春玉米蒸散量法模型参数影响的研究》

《区域干旱程度对春玉米蒸散量法模型参数影响的研究》一、引言近年来,随着全球气候变暖的趋势,干旱现象频发,对农业生产造成了严重的影响。

作为我国主要粮食作物之一的春玉米,其生长受干旱影响尤为显著。

为了更准确地预测和评估春玉米的生长情况以及其抗旱性能,蒸散量法模型被广泛应用于农业气象学中。

然而,不同区域的干旱程度对春玉米蒸散量法模型的参数影响如何,是值得深入研究的问题。

本文将就区域干旱程度对春玉米蒸散量法模型参数的影响展开探讨。

二、研究方法与数据来源本研究采用春玉米蒸散量法模型,通过对不同区域干旱程度的春玉米生长数据进行收集、整理和分析,研究干旱程度对模型参数的影响。

数据来源主要包括历史气象数据、农田实测数据以及相关文献资料。

三、区域干旱程度的划分与春玉米生长特点根据气象数据和农田实测数据,将研究区域划分为轻度干旱、中度干旱和重度干旱三个等级。

春玉米在不同干旱程度下的生长特点也有所不同。

在轻度干旱条件下,春玉米的生长受影响较小,但仍会出现一定程度的生长发育迟缓;在中度干旱条件下,春玉米的生长受到较大影响,叶片卷曲、颜色发黄等现象较为明显;在重度干旱条件下,春玉米的生长受到严重抑制,甚至出现死亡现象。

四、区域干旱程度对春玉米蒸散量法模型参数的影响1. 模型参数的选取与定义春玉米蒸散量法模型涉及多个参数,如作物系数、土壤类型、土壤水分等。

本文选取了与干旱程度密切相关的几个关键参数进行探讨。

2. 干旱程度对模型参数的影响分析(1)作物系数:在轻度干旱条件下,作物系数相对稳定;随着干旱程度的加重,作物系数逐渐减小,表明作物在干旱条件下的蒸散能力减弱。

(2)土壤类型与土壤水分:不同土壤类型和土壤水分状况对春玉米的生长具有重要影响。

在干旱条件下,砂质土壤的保水能力较差,土壤水分含量较低,对春玉米的生长产生不利影响;而黏质土壤则具有较强的保水能力,能在一定程度上缓解干旱对春玉米生长的影响。

3. 模型参数的调整与优化针对不同区域的干旱程度,对春玉米蒸散量法模型参数进行适当调整与优化,以提高模型的预测精度和适用性。

统计模型在气象学研究中的应用

统计模型在气象学研究中的应用

统计模型在气象学研究中的应用气象是研究大气现象及其规律的科学,对于天气预报、气候变化等方面具有重要的应用价值。

而统计模型则是一种利用统计学原理和方法进行建模与预测的工具。

在气象学研究中,统计模型的应用得以极大地提升了我们对天气和气候现象的理解和预测能力。

本文将详细介绍统计模型在气象学研究中的应用。

一、统计模型在气象数据分析中的应用气象数据分析是气象学研究的基础,通过对气象数据的分析,可以了解气象现象的规律和特点。

统计模型在气象数据分析中起到了重要的作用。

常见的统计模型包括线性回归模型、时间序列模型等。

1.线性回归模型线性回归模型是一种常用的统计模型,它可以用于预测和解释变量之间的线性关系。

在气象学研究中,线性回归模型可以应用于气温、降水量等气象要素的预测和分析。

通过收集大量的气象数据,并建立线性回归模型,可以预测未来的气温和降水量变化趋势,为天气预报提供科学依据。

2.时间序列模型时间序列模型是用于对时间序列数据进行建模和预测的统计模型,它考虑了时间因素对数据的影响。

在气象学研究中,时间序列模型可以应用于气候变化分析和预测。

通过对历史气候数据的时间序列分析,可以揭示出气候变化的周期和趋势,为气候变化的预测和应对提供依据。

二、统计模型在气象灾害预测中的应用气象灾害是指由于自然气象现象引起的灾害,如暴雨、洪水、台风等。

对气象灾害的预测和防范是保护人民生命财产安全的重要任务。

统计模型在气象灾害预测中的应用可以提高预测的准确性和及时性。

1.灾害风险评估模型灾害风险评估模型是一种将气象数据与地理信息相结合的统计模型,通过对历史灾害事件和气象条件的统计分析,可以评估不同地区发生灾害的概率和强度。

通过建立灾害风险评估模型,可以对可能发生的灾害进行预警和应对,减少灾害造成的损失。

2.台风路径预测模型台风是一种具有强烈破坏力的气象灾害,预测台风路径对于减少人员伤亡和财产损失非常重要。

统计模型可以通过对历史台风路径的统计分析,建立台风路径预测模型。

三种通过常规气象变量估算实际蒸散量模型的适用性比较_韩松俊

三种通过常规气象变量估算实际蒸散量模型的适用性比较_韩松俊

于蒸散能力的大小, 而根据 Penman 公式 Rn - G+ Ea 并不能很好的代表蒸散能力的大小, 在之后的研究
中进行了一些修正, 如邱新法等[ 7] 定义相对干燥力为 D = EaeroPErad 。定义相对干燥力为 Penman 公式中
空气动力学项相对潜在蒸散量的大小, 即 D = EaeroPE0 , 但是采用式( 7) 的经验关系, 代入式( 6) , 并进行
把 Penman 潜在蒸散量与湿润环境蒸散量代入式( 1) , 并对式两端都除以 Penman 潜在蒸散量, 经过 代数变换可以把 AA 模型转化为无量纲形式:
E E0
=
A( 1+
1 b
)
E rad E0
-
1 b
( 11)
对于 Granger 模型, 在式( 7) 两端同时除以 Penman 潜在蒸散量, 并把/ 相对蒸散0 R 的表达式( 式( 8) )
在蒸散量之比( 蒸散比) 表示为 Penman 潜在蒸散量中辐射项所占比例的函数。3 种 模型分别采用不 同的函数 形式,
通过对函数特性的分析发现, AA 模型适用于既不非常干燥和也不非常 湿润的环境, 计算的实际蒸散量在干燥的环
境下偏小, 而在湿润的环境下偏大; Granger 模型在蒸散比变化范围较大都 适用, 并且在一 般湿润状况 下与 AA 模型
E E0
=
1
1+
$
C +
C(
n
r* ra
+
l)
( 14)
根据式( 3) 和式( 9) , r * Pr a 可以表示为 Penman 潜在蒸散量中空气动力学项和辐射项之比的形式:
r* ra

双源蒸散发能力计算模型在半干旱区的适用性

双源蒸散发能力计算模型在半干旱区的适用性

双源蒸散发能力计算模型在半干旱区的适用性
蒸散发是水文过程中的一个重要环节,决定着水文过程的进程和发展。

由于蒸
发的范围限制,当运用单一数据源蒸散发模型计算蒸散发时,因蒸散发的测量位置过于集中,且信息过于不充分,不能完全储存由双重水文源(如地表水源、大气源)给出蒸散发量的信息,从而导致蒸散发计算结果准确度存在较大缺陷。

为此,研究者们发展了双源蒸散发能力计算模型,以解决单源蒸散发计算准确度低的问题,广泛应用于科学考察、水文蒸散发的研究等。

双源蒸散发能力计算模型是把水文模型和大气模型相结合,利用引入的大量气
象参数和地表水文参数,以及基于多场景实行实测测量和计算出的任何气温、湖面盐度、水位等参数,联合能量平衡方程并结合反向传播联系模型等计算技术,有效地从多源数据把蒸散发量以及蒸散发潜力和各部分贡献比等相关结果综合计算出来。

双源蒸散发能力计算模型在半干旱区的应用具有较高的现实意义,因其可以有
效识别出不同水文源的蒸散发量。

例如,如果没有采用双源蒸散发能力模型,在半干旱区蒸散发就可能被大量的大气源的温度的准确计算所改变,而忽视了其他重要指标及其影响蒸散发量的程度。

另外,双源蒸散发能力计算模型可用于调控水文模型参数,使模型有效地匹配实际情况,从而提升水文模型对于蒸散发量的计算准确度。

总而言之,双源蒸散发能力计算模型具有极高的实用性,可以大大提高蒸散发
量估算的准确性和精度,弥补单源数据不足的问题,为半干旱区水文研究带来更大的便利。

《冬小麦蒸散量法模型参数的确定及其应用》

《冬小麦蒸散量法模型参数的确定及其应用》

《冬小麦蒸散量法模型参数的确定及其应用》一、引言冬小麦作为我国主要的粮食作物之一,其生长过程中的水分蒸发与蒸散量的计算对农业生产具有重要的指导意义。

蒸散量法是一种通过测量和分析地表蒸散发量来研究农田水分循环的模型方法。

本文将探讨如何确定冬小麦蒸散量法模型的参数,以及其在农业领域的应用。

二、蒸散量法模型及其参数的确定(一)蒸散量法模型概述蒸散量法模型主要通过测量和计算农田地表的水分蒸发和蒸腾量,以了解农田的水分循环过程。

该模型包括多个参数,如气象参数、土壤参数、作物参数等。

(二)模型参数的确定1. 气象参数:包括温度、湿度、风速、太阳辐射等,这些参数可通过气象站进行测量获得。

在确定这些参数时,需要选择具有代表性的观测点,并确保观测数据的准确性和连续性。

2. 土壤参数:包括土壤类型、土壤质地、土壤含水量等。

这些参数对农田的水分循环和作物的生长具有重要影响。

在确定土壤参数时,需要进行土壤采样和化验分析,以了解土壤的物理和化学性质。

3. 作物参数:包括作物的生长阶段、叶面积指数、根系分布等。

这些参数可通过实地观测和遥感技术获得。

在确定作物参数时,需要了解作物的生长特性和生态习性,以及其在不同生长阶段的水分需求。

三、模型参数的应用(一)指导农业生产通过使用蒸散量法模型,可以了解冬小麦在生长过程中的水分需求和蒸发蒸腾量,为农业生产提供指导。

农民可以根据模型预测的蒸散量,合理安排灌溉和排水,以提高作物的产量和水资源的利用效率。

(二)优化水资源管理蒸散量法模型还可以用于优化水资源管理。

通过分析农田的水分循环过程,可以了解水资源的消耗和补给情况,从而制定合理的水资源管理策略。

例如,在干旱地区,可以通过减少蒸发和蒸腾量,提高水资源的利用效率;在洪水地区,可以通过合理的排水措施,防止水资源的浪费和损失。

(三)辅助气候研究蒸散量法模型还可以用于气候研究。

通过分析农田的蒸散量变化,可以了解气候变化对农田水分循环的影响,从而为气候预测和应对气候变化提供科学依据。

平均年蒸散量

平均年蒸散量

平均年蒸散量(Average Annual Evapotranspiration, ET)是指在一定地区和时间内,水分通过蒸发(Evaporation)和蒸腾(Transpiration)过程从地表水体、土壤和植物中转化为水蒸气的总量。

蒸发是指水体(如河流、湖泊、海洋等)表面的水分直接转化为水蒸气进入大气的过程;蒸腾是指植物体内部水分通过气孔转化为水蒸气释放到大气中的过程。

计算平均年蒸散量对于水文循环、水资源管理、农业灌溉规划和生态系统研究等方面都具有重要意义。

蒸散量的计算通常基于气候数据和地表特性,如温度、湿度、太阳辐射、风速、土壤类型和植被覆盖等。

常用的估算平均年蒸散量的方法包括:
1. 能量平衡法:通过计算地表吸收的太阳辐射能量与水分蒸发所需能量的平衡关系来估算蒸散量。

2. Priestley-Taylor方程:这是一个经验公式,它将蒸散量与温度、湿度和太阳辐射等因素联系起来。

3. Penman-Monteith方程:这是一个更为复杂的方法,它考虑了植被覆盖、土壤类型和气候条件等因素。

4. 遥感技术:通过卫星遥感数据估算地表蒸散量,这可以覆盖大范围地区,但需要高级的仪器和数据分析技术。

平均年蒸散量的数值取决于多种因素,如地理位置、气候条件、季节变化和地表特性等。

在全球不同地区,平均年蒸散量的数值可以差异很大。

例如,干旱地区的蒸散量可能比湿润地区要低。

在实际应用中,准确估算蒸散量对于合理利用水资源、制定农业灌溉计划和应对气候变化等挑战至关重要。

水面蒸发预测模型研究

水面蒸发预测模型研究

水面蒸发预测模型研究闵骞(江西省水利厅鄱阳湖水文分局,江西九江332800)摘要:以中长期气候预报为水面蒸发预测的先决条件,根据我国常规中长期气候预报发布内容,选择气温和相对湿度作为因子,建立月、旬水面蒸发量预测模型。

用华东地区6省1市水面蒸发实验资料率定模型参数并进行模拟检验,表明其适应性良好;采用江西省都昌蒸发实验站资料进行预测应用检验,效果较好。

关键词:面蒸发预测;气候学模型;气温;相对温度;中长期气候预报引言水面蒸发是水库、湖泊等自然水体水量损失的重要部分,对水资源及其利用有较大影响,是水资源管理、调度中必须考虑的水文要素。

水面蒸发量的预测,是水资源预测的重要组成部分,对于合理配置水资源,提高水资源利用效率和保障水资源可持续利用有重要意义。

近几年来,随着我国科学管理水资源水平和要求的不断提高,水面蒸发量的预测越来越受到重视。

但直到今天,国内外在水面蒸发量预测方面所做研究依然较少,可供应用的成果更是凤毛麟角,与当前许多地方水资源短缺和合理利用水资源呼声日益高涨的水资源形势极不协调。

故而,水面蒸发量预测是目前我国水资源科学管理与调度中急待解决的重大技术问题之一。

本文通过对道尔顿公式的有条件简化和对影响水面蒸发主要气象因子之间关系的简化,导出了一个包含气温和相对湿度两个基本气象因子的水面蒸发气候学预测模型,并用以月、旬水面蒸发量的预测。

1 水面蒸发预测条件分析目前水面蒸发量预测方法主要有两种:一是时间序列分析法,二是气候学模型法。

前者依据水面蒸发量随时间的变化规律,建立外延型的水面蒸发量预测模型。

虽然其数学基础扎实,建模手段较多(既有传统的自回归模型、周期叠加模型等,又有现代的人工神经网络模型、投影寻踪模型等),且操作简便,但其物理意义不够明确,况且不确定性很大,故预测精度通常较低;后者根据水面蒸发量与气象因子间的经验关系,建立气候学模型,利用气象部门发布的气象因子预报值,代入模型中估算水面蒸发量的预测值,即需要以气象预报结果为依托。

蒸散量矢量数据

蒸散量矢量数据

蒸散量矢量数据蒸散量矢量数据是指地表蒸发过程中蒸散量的矢量表达形式,它可以用来描述蒸散量的大小和方向。

蒸散量是指地表水分蒸发所消耗的能量,它是地表水循环中的重要组成部分,对气候变化、水资源管理和农业生产等方面具有重要影响。

蒸散量矢量数据在气象、水文和生态学等领域都具有重要应用价值。

在气象学中,通过收集和分析蒸散量矢量数据可以了解地表水分蒸发的情况,从而预测天气和气候变化。

在水文学中,蒸散量矢量数据可以用来推算地表水资源的消耗和补给情况,为水资源管理提供科学依据。

在生态学中,蒸散量矢量数据可以帮助研究人员了解植被生长和水分利用效率等生态过程,为生态系统保护和恢复提供指导。

蒸散量矢量数据的获取主要依靠气象观测和遥感技术。

气象观测可以通过测量地表温度、湿度、风速等参数来推算蒸散量矢量数据。

遥感技术则利用卫星或飞机等平台获取地表温度、植被指数等信息,通过模型计算得到蒸散量矢量数据。

这些数据可以通过气象台站、卫星遥感平台和气象预报系统等渠道进行获取和应用。

蒸散量矢量数据的分析和应用需要借助计算机和地理信息系统等技术手段。

计算机可以对大量的蒸散量矢量数据进行存储、处理和分析,从而得出相关的结论和预测结果。

地理信息系统则可以将蒸散量矢量数据与其他空间数据进行集成和叠加,实现地表水循环的动态监测和分析。

在应用中,蒸散量矢量数据可以帮助农业生产者合理安排灌溉和施肥,提高农作物的水分利用效率和产量。

它还可以用于水资源管理,帮助决策者制定合理的水资源分配方案,保障水资源的可持续利用。

此外,蒸散量矢量数据还可以用于评估生态系统的健康状况和生态系统服务的价值,为生态环境保护提供科学依据。

蒸散量矢量数据作为描述地表蒸发过程的重要工具,在气象、水文和生态学等领域具有广泛的应用价值。

通过收集和分析这些数据,可以更好地了解地表水分蒸发的情况,预测天气和气候变化,优化水资源管理,提高农作物产量,保护生态环境。

未来,随着技术的不断进步和数据的不断完善,蒸散量矢量数据的应用将会更加广泛和深入。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
收稿日期: 2007-11-01 基金项目: 国家自然科学基金资助项目( 50579031; 50721140161) 作者简介: 韩松俊( 1981- ) , 男, 湖北人, 博士, 主要从事蒸散规律与水文气候等方面研究。E-mail: hansj@ iwhr. com
) 75 )
湍流强度、温度、湿度等发生变化, 从而导致潜在蒸散量增加, 其增加量与实际蒸散量减少量可以假定为 某一比例[ 10,11] , 因此互补相关关系可以表示为下面的形式:
把 Penman 潜在蒸散量与湿润环境蒸散量代入式( 1) , 并对式两端都除以 Penman 潜在蒸散量, 经过 代数变换可以把 AA 模型转化为无量纲形式:
E E0
=
A( 1+
1 b
)
E rad E0
-
1 b
( 11)
对于 Granger 模型, 在式( 7) 两端同时除以 Penman 潜在蒸散量, 并把/ 相对蒸散0 R 的表达式( 式( 8) )
式中: c 和 m 为经验参数, Granger 与 Gray 通过不同下垫面的资料率定认为取值分别为 01028 和 81045,
但在后来的研究中发现相对蒸散 R 与相对干燥力 D 之间的关系并不唯一确定[12] 。
113 P-M-Katerji 模型 Penman-Monteith 模型将冠层和地表当作/ 大叶0 看待, 通过表面阻力反映蒸散过
面通过对模型所采用函数的分析分别对这 3 个模型的适用性进行研究。
) 77 )
3 模型的适用性分析
AA 模型、Granger 模型和 P-M- Katerji 模型都能反映蒸散量比随 EradPE0 增大的特性, 由于描述的是
同一个变化过程, 在非极端气候状况下, 3 个模型在一定的湿润程度变化范围都得到了验证和应用, 因 此通过参数的调整, 3 个模型在局部范围内应该具有一定的近似性。因此, 在本研究中通过对 Granger
无量纲化, 则 Granger 模型可以转化为:
E E0
=
1+
1
ccem (1-
E ra d E0
)
( 13)
式中: 定义 cc= cCP( $+ C) , cc为参数。这种对原 Granger 模型的处理, 使模型与 AA 模型具有相同的自
变量, 但是仍然保留了原模型的主要特点。
对 P-M- Katerji 模型, 在式( 8) 两端都除以 Penman 潜在蒸散量并把式( 9) 代入之后可以转化为:
rs ra
=
n
r* ra
+
l
( 9)
式中: n 和 l 为参数, 且 n> 0; r * 为临界阻力, 代表平衡蒸散时的表面阻力, 可通过气象变量计算:
r*
=
$+
C Qa cp (
e
* a
-
ea)
$ C( Rn - G )
( 10)
2 模型无量纲化
虽然各公式计算实际蒸散量时, 都只需要气温、风速、相对湿度和日照时数等相同的输入变量, 但是 AA 模型、Granger 模型和 P-M- Katerji 模型具有不同的形式。为了能够比较方便地对 3 个模型的适用性
( Ep - Ew ) = b( Ew - E )
( 1)
式中: b 为比例系数, b > 0。
在 Bouchet 最初的互 补相关关系中, 潜在蒸 散量和湿润环境蒸散量的定义 并不明确, Brutsaert 和
Stricker[ 3] 认为湿润环境蒸散量可由 Prestley- Taylor 公式计算, 潜在蒸散量可以由 Penman 公式计算, 并据
中图分类号: S16114
文献标识码: A
蒸散过程发生于陆面和大气之间, 将陆面- 大气系统动态地耦合起来, 其大小主要受陆面供水条 件、能量供给条件以及近地面的湍流传输机制等因素的影响, 通常根据控制蒸散的一个或几个因素对实 际蒸散量进行测量或估算[1] 。由于反映供水条件的土壤含水量和表面阻力难以确定, 近年来通过常规 气象变量直接估算实际蒸散量的模型得到了很大发展。互补相关理论[ 2] 基于实际蒸散量与潜在蒸散量
此提出了 AA 模型。Penman 潜在蒸散量由辐射项与空气动力学项两部分组成:
E0 = Erad + Eaero
( 2)
式中: E 0 为 Penman 潜在蒸散量; Erad 、Eaero 分别为潜在蒸散量中的辐射项和空气动力学项, 可表示为:
Erad =
$ $+
C(
Rn
-
G);
Eaero =
C $+
E E0
=
1
1+
$
C +
C(
n
r* ra
+
l)
( 14)
根据式( 3) 和式( 9) , r * Pr a 可以表示为 Penman 潜在蒸散量中空气动力学项和辐射项之比的形式:
r* ra
=
$+ CEaero C Erad
( 15)
将上式代入式( 14) , 则 P-M- Katerji 模型可以转化为:
于蒸散能力的大小, 而根据 Penman 公式 Rn - G+ Ea 并不能很好的代表蒸散能力的大小, 在之后的研究
中进行了一些修正, 如邱新法等[ 7] 定义相对干燥力为 D = EaeroPErad 。定义相对干燥力为 Penman 公式中
空气动力学项相对潜在蒸散量的大小, 即 D = EaeroPE0 , 但是采用式( 7) 的经验关系, 代入式( 6) , 并进行
之间的互补相关关系, 可以通过常规气象资料直接估算实际蒸散量, 目前主要有平流- 干旱模型( 简写 为 AA 模型) [ 3] 和 Granger 模型[ 4,5] 等。近年来也出现了通过气象变量确定 Penman-Monteith 模型表面阻力 的方法, 进而直接估算实际蒸散量, 其中 Katerji 和 Perrier[ 6] 提出的一种模型( 简写为 P-M-Katerji 模型) 应 用广泛。在一定的气候和湿润状况下, 为了选用合适的模型对实际蒸散量进行正确地估算, 需要对上述 3 个模型的适用性进行研究。从表面上看, Penman-Monteith 模型和互补相关模型对于实际蒸散量与潜在 蒸散量之间的关系的假设是矛盾的[7] , 难以直接进行比较, 同时由于基于不同形式的互补相关关系, AA 模型和 Granger 模型之间也没有一个可以比较的形式。这样就造成了对这 3 种模型适用性的研究仅仅 停留在模拟效果的试验验证上[ 8, 9] , 难以进行理论上的深入分析。本文采用无量纲化分析方法, 将 AA 模型、Granger 模型和 P-M-Katerji 模型转化为类似的可比形式, 从理论上分别研究 3 个模型的适用性并 进行了验证, 可用于根据常规气象资料直接计算实际蒸散量的研究和应用。
代入, 则 Granger 模型转化为:
E E0
=
1+
1
$
C +
CcemD
( 12)
通过上式可以看出 Granger 模型具有和 AA 模型类似的形式, 所不同的是 Granger 模型中蒸散比表示为相
对干燥力 D = EaP( Rn - G+ Ea ) 的函数。根据 Granger 和 Gray 的分析, 相对干燥力应为空气干燥力相对
E E0
=
1+
1
n(
E0 E rad
-
1) +
d
( 16)
式中: 定义 d= lCP( $+ C) , d 为参数。
需要说明的是, 在模型的应用中已经发现, 当 $ 和 C随温度等环境变量发生改变时, 原 Granger 模
型和 P-M-Katerji 模型中的参数会发生变化, 本研究将 CP( $+ C) 的变化直接反映在参数 cc和 d 中, 可以 通过参数的优化消除 $ 和 C的影响, 仍然达到原有模拟效果[ 14] 。对比 AA 模型的式( 11) 、Granger 模型
程中水分胁迫的影响[ 13] :
E=
$( Rn -
G) +
Qa cp
(
e* aBiblioteka -$+ C( 1+ r sPr a )
e a ) Pr a
( 8)
式中: rs 为表面阻力, 一般根据其与环境因子之间的关系进行计算。Katerji 和 Perrier[ 6] 通过大量的试验
研究发现, 表面阻力与空气动力学阻力以及气象变量之间存在线性关系:
E=
$R( Rn - G ) + CREa $R + C
( 6)
式中: R 为/ 相对蒸散0, 是计算实际蒸散量的关键, Granger 与 Gray[ 5] 拟合了 R 与一个无量纲的气象变量
( 相对干燥力 D = EaP( Rn - G+ Ea ) ) 之间的经验关系:
R=
1 1+ cemD
( 7)
在蒸散量之比( 蒸散比) 表示为 Penman 潜在蒸散量中辐射项所占比例的函数。3 种 模型分别采用不 同的函数 形式,
通过对函数特性的分析发现, AA 模型适用于既不非常干燥和也不非常 湿润的环境, 计算的实际蒸散量在干燥的环
境下偏小, 而在湿润的环境下偏大; Granger 模型在蒸散比变化范围较大都 适用, 并且在一 般湿润状况 下与 AA 模型
1 模型介绍
111 AA 模型 根据互补相关理论[ 2] , 在给定的辐射条件下, 当充分供水时实际蒸散量( E ) 与潜在蒸散 量( Ep ) 相等, 定义为湿润环境蒸散量( Ew ) , 其为陆面充分湿润的理想状态下的蒸散量, 不随陆面湿润状 况而变; 当下垫面供水量减少时, 实际蒸散量会减少, 从而释放出更多的能量成为显热, 使该地区大气的
相关文档
最新文档