蒸散发是水文循环和地表能量平衡的关键组成部分,对于水资源的有效管理、干旱情况的监测以及农业生产的优化均有着不可或缺的作用。选取红碱淖流域为研究区,基于Landsat8遥感数据,结合地表能量平衡系统(surface energy balance system,S...蒸散发是水文循环和地表能量平衡的关键组成部分,对于水资源的有效管理、干旱情况的监测以及农业生产的优化均有着不可或缺的作用。选取红碱淖流域为研究区,基于Landsat8遥感数据,结合地表能量平衡系统(surface energy balance system,SEBS)模型,估算了流域内2019年的6个日期的日蒸散发量,并对其进行了验证。通过对蒸散发的时空变化趋势和影响因素进行分析,获得结果表明:通过SEBS模型估算的日实际蒸散发量与通过Penman-Monteith(P-M)公式估算的潜在蒸散发量,以及气象站蒸发皿实际观测的蒸散发量的拟合优度R^(2)分别为0.84(P<0.01)、0.602(P<0.05),验证了SEBS模型在红碱淖流域的蒸散发量估算中具有较高的准确性和可靠性。红碱淖流域日蒸散发量呈现出明显的季节差异,夏季最高,春季次之,秋季再次,而冬季最低。流域东部红碱淖水体和流域西部查干淖尔及其周边区域的蒸散发量相对较高。流域中部蒸散发量相对较低。不同的土地利用类型中,水体的蒸散发量最高,其次是林地、耕地、建设用地、草地,最低的是未利用地。气象因素中,气温、气压和日照时数是主要影响因素,分别与蒸散发量呈显著正相关(r=0.847,P<0.05)、负相关(r=-0.840,P<0.05)和正相关(r=0.801,P<0.05),而相对湿度和风速与蒸散发量相关性较弱。展开更多
青稞(Hordeum vulgare L. var. nudum)作为青藏高原特色作物,其蒸散过程对水分利用效率与产量形成至关重要。综述了青稞蒸散组分的研究进展,涵盖了蒸散的概念、研究方法,重点阐述了青稞蒸散各组分(土壤蒸发和作物蒸腾)的影响因素及定量...青稞(Hordeum vulgare L. var. nudum)作为青藏高原特色作物,其蒸散过程对水分利用效率与产量形成至关重要。综述了青稞蒸散组分的研究进展,涵盖了蒸散的概念、研究方法,重点阐述了青稞蒸散各组分(土壤蒸发和作物蒸腾)的影响因素及定量研究成果,讨论了当前研究存在的问题与未来发展方向,旨在为深入了解青稞水分利用规律,优化青稞种植灌溉管理及高原节水农业提供理论支持。展开更多
为实现温室作物灌溉管理的便利化,构建了基于室外气象信息估算温室通风期室内参考作物蒸发蒸腾量(Reference evapotranspiration,ET_(o))模型。于2020、2021年5—6月在塑料大棚牧草栽培条件下开展试验研究,利用Penman-Monteith(PM)方程...为实现温室作物灌溉管理的便利化,构建了基于室外气象信息估算温室通风期室内参考作物蒸发蒸腾量(Reference evapotranspiration,ET_(o))模型。于2020、2021年5—6月在塑料大棚牧草栽培条件下开展试验研究,利用Penman-Monteith(PM)方程计算了温室内部和外部ET_(o),并分析了温室内外ET_(o)的辐射分量(Radiative component of ET_(o),ET_(o),rad)和平流分量(Advective component of ET_(o),ET_(o),adv)变化特征,通过引入辐射透射率τ和风速衰减率ω分别对方程中的辐射分项方程和平流分项方程进行了改进,构建了基于室外气象信息估算室内ET_(o)简易模型。结果表明:温室内平均ET_(o)、ET_(o),rad和ET_(o),adv较室外分别减少45.6%、17.1%和94.0%;试验期间辐射分量衰减因子ζ_(rad)、平流分量衰减因子ζ_(adv)和总通量衰减因子ζ_(o)总体上表现为ζ_(rad)>ζ_(o)>ζ_(adv),2年平均ζ_(rad)较ζ_(o)和ζ_(adv)分别高23.1%~33.3%和90.1%~93.3%。ζ_(rad)与τ以及ζ_(adv)与ω之间存在极显著线性关系(P<0.01),决定系数(R^(2))分别为0.74和0.90,平均绝对误差(MAE)分别为0.07和0.04,均方根误差(RMSE)分别为0.09和0.05。构建的基于室外气象信息估算室内ET_(o)简易模型方程包括室外净辐射、空气温度、水汽压差和风速4个气象因子以及τ、ω2个温室特征因子,通过与实测结果比较发现模型精度稳健,R^(2)为0.96,MAE和RMSE分别为0.17、0.22 mm/d。该模型精度高、参数少、易获取,为温室群灌溉管理便利化提供了方法参考。展开更多
文摘蒸散发是水文循环和地表能量平衡的关键组成部分,对于水资源的有效管理、干旱情况的监测以及农业生产的优化均有着不可或缺的作用。选取红碱淖流域为研究区,基于Landsat8遥感数据,结合地表能量平衡系统(surface energy balance system,SEBS)模型,估算了流域内2019年的6个日期的日蒸散发量,并对其进行了验证。通过对蒸散发的时空变化趋势和影响因素进行分析,获得结果表明:通过SEBS模型估算的日实际蒸散发量与通过Penman-Monteith(P-M)公式估算的潜在蒸散发量,以及气象站蒸发皿实际观测的蒸散发量的拟合优度R^(2)分别为0.84(P<0.01)、0.602(P<0.05),验证了SEBS模型在红碱淖流域的蒸散发量估算中具有较高的准确性和可靠性。红碱淖流域日蒸散发量呈现出明显的季节差异,夏季最高,春季次之,秋季再次,而冬季最低。流域东部红碱淖水体和流域西部查干淖尔及其周边区域的蒸散发量相对较高。流域中部蒸散发量相对较低。不同的土地利用类型中,水体的蒸散发量最高,其次是林地、耕地、建设用地、草地,最低的是未利用地。气象因素中,气温、气压和日照时数是主要影响因素,分别与蒸散发量呈显著正相关(r=0.847,P<0.05)、负相关(r=-0.840,P<0.05)和正相关(r=0.801,P<0.05),而相对湿度和风速与蒸散发量相关性较弱。
文摘蒸散发(Evapotranspiration,ET)是作物需水量的核心组分,也是区域水资源优化配置的关键依据。本文以陕西关中宝鸡峡灌区夏玉米为研究对象,采用BP神经网络(Back propagation neural network,BPNN)、支持向量机(Support vector machine,SVM)、极限学习机(Extreme learning machine,ELM)和极致梯度提升树(eXtreme gradient boosting,XGBoost)4种机器学习算法构建无人机-卫星多源遥感数据协同校正模型,并以最优算法建立的模型校正卫星多光谱数据,实现无人机和卫星数据的尺度转换。利用校正后高精度卫星数据反演夏玉米叶面积指数(Leaf area index,LAI)与株高(Crop height,hc)为蒸散发模型提供数据输入。分别采用双作物系数法、METRIC模型及Penman-Monteith(P-M)冠层阻力模型进行夏玉米蒸散发估算,引入贝叶斯模型平均(Bayesian model averaging,BMA)实现不同生育阶段各方法/模型权重的动态分配,最终得到玉米拔节-完熟期性能稳健的蒸散发BMA融合模型。结果表明:XGBoost算法在夏玉米拔节-完熟期的B/G/R/NIR波段建模精度均为最高,四波段建模结果决定系数(Coefficient of determination,R^(2))较算法ELM高出8.43%、8.67%、6.79%和10.41%;校正后的卫星多光谱数据LAI与hc反演结果R^(2)较原始卫星数据分别平均提高97%和67.5%;BMA融合模型在夏玉米拔节-抽雄期和蜡熟-完熟期较单一最优方法/模型(METRIC模型)均方根误差(Root mean squared error,RMSE)降低39.3%~58.5%。本研究利用“协同校正-动态融合”显著提升了蒸散发遥感监测精度,可为水资源精细化管理提供理论支撑。
文摘青稞(Hordeum vulgare L. var. nudum)作为青藏高原特色作物,其蒸散过程对水分利用效率与产量形成至关重要。综述了青稞蒸散组分的研究进展,涵盖了蒸散的概念、研究方法,重点阐述了青稞蒸散各组分(土壤蒸发和作物蒸腾)的影响因素及定量研究成果,讨论了当前研究存在的问题与未来发展方向,旨在为深入了解青稞水分利用规律,优化青稞种植灌溉管理及高原节水农业提供理论支持。
文摘为实现温室作物灌溉管理的便利化,构建了基于室外气象信息估算温室通风期室内参考作物蒸发蒸腾量(Reference evapotranspiration,ET_(o))模型。于2020、2021年5—6月在塑料大棚牧草栽培条件下开展试验研究,利用Penman-Monteith(PM)方程计算了温室内部和外部ET_(o),并分析了温室内外ET_(o)的辐射分量(Radiative component of ET_(o),ET_(o),rad)和平流分量(Advective component of ET_(o),ET_(o),adv)变化特征,通过引入辐射透射率τ和风速衰减率ω分别对方程中的辐射分项方程和平流分项方程进行了改进,构建了基于室外气象信息估算室内ET_(o)简易模型。结果表明:温室内平均ET_(o)、ET_(o),rad和ET_(o),adv较室外分别减少45.6%、17.1%和94.0%;试验期间辐射分量衰减因子ζ_(rad)、平流分量衰减因子ζ_(adv)和总通量衰减因子ζ_(o)总体上表现为ζ_(rad)>ζ_(o)>ζ_(adv),2年平均ζ_(rad)较ζ_(o)和ζ_(adv)分别高23.1%~33.3%和90.1%~93.3%。ζ_(rad)与τ以及ζ_(adv)与ω之间存在极显著线性关系(P<0.01),决定系数(R^(2))分别为0.74和0.90,平均绝对误差(MAE)分别为0.07和0.04,均方根误差(RMSE)分别为0.09和0.05。构建的基于室外气象信息估算室内ET_(o)简易模型方程包括室外净辐射、空气温度、水汽压差和风速4个气象因子以及τ、ω2个温室特征因子,通过与实测结果比较发现模型精度稳健,R^(2)为0.96,MAE和RMSE分别为0.17、0.22 mm/d。该模型精度高、参数少、易获取,为温室群灌溉管理便利化提供了方法参考。
