關(guān)中地區(qū)夏玉米和冬小麥不同蒸發(fā)蒸騰量估算方法的研究

Linvolak Pich，蔡煥杰， Qaisar Saddique，王云霏， Sereyrorth Ouk，彭雄標(biāo)，Saleh Shahriar

(1.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，陜西 楊凌 712100；2.西北農(nóng)林科技大學(xué)中國旱區(qū)農(nóng)業(yè)節(jié)水研究院，陜西 楊凌 712100)

0 引 言

小麥和玉米是重要的糧食作物，尤其在在半干旱和干旱地區(qū)，它們是不可或缺的糧食和飼料作物。由于這些作物的產(chǎn)量和品質(zhì)經(jīng)常受到供水不足或者不合理的灌溉制度的影響，因此更好地了解農(nóng)田水量平衡對于節(jié)水灌溉措施的探索至關(guān)重要。農(nóng)田水量平衡最重要的一個方面是作物蒸發(fā)蒸騰(ET)，這是確定適宜的灌溉制度和提高弄田水分利用效率的關(guān)鍵因素。ET是兩個過程的結(jié)合，水從土壤蒸發(fā)和作物蒸騰中流失[1]：土壤蒸發(fā)是水從土壤向大氣移動的過程;同時，通過蒸騰作用散失的水分通過根部進入植物，然后進入葉子，在那里蒸發(fā)并通過氣孔流失到大氣中[2]。蒸發(fā)和蒸騰同時發(fā)生，并且在兩個過程之間難以區(qū)分。計算作物蒸發(fā)蒸騰量的重要性在于評估作物需水量和干旱預(yù)測和監(jiān)測等。Allen等[3,4]人引用了預(yù)測蒸發(fā)蒸騰量的標(biāo)準(zhǔn)方法來評估作物的需水量。也可以通過直接測量土壤和植被樣本的水分損失(蒸滲儀法)，或通過參考作物蒸發(fā)蒸騰量(ET0)和作物系數(shù)(Kc)估算ETc[5-8]。目前存在多種用于測量和估計ET的方法，這些方法來源不同的理論假設(shè)。包括：經(jīng)驗關(guān)系[9]、水預(yù)算[10,11]、能源預(yù)算[12,13]及其組合[15]。此外，所有計算ET的方法都呈現(xiàn)出不同的結(jié)構(gòu)復(fù)雜性和數(shù)據(jù)要求[16]。然而，對于給定的研究，選擇最合適的ET方法難度較大。在年降雨量非常低的干旱和半干旱地區(qū)，尤其是在在運河控制區(qū)域水的有效利用至關(guān)重要。因為在不同的區(qū)域之間水源通過運輸將損失很大一部分，甚至損失總水量的71%[17]。因此，如果根據(jù)作物的需水量精準(zhǔn)估算需要施用的水量，則在控制區(qū)域釋放的水將充分被利用。為了估計ET0，在世界不同地區(qū)已經(jīng)提出并嘗試了多種模型，特別是在溫帶地區(qū)[18]。然而，對于給定氣候模型的適用性尚無普遍共識[19]，因此模型需要嚴(yán)格的局部校準(zhǔn)才能用于估算灌溉制度中的ET0。

在半干旱和干旱地區(qū)，局部校準(zhǔn)和驗證較之溫帶氣候更重要，因為大多數(shù)模型已經(jīng)經(jīng)過校準(zhǔn)，并在溫帶環(huán)境中得到驗證[20]。在溫帶環(huán)境區(qū)域的大多數(shù)評估研究中，當(dāng)長期氣象數(shù)據(jù)用于ET0估算時，原始Penman模型及其修訂版本優(yōu)于其他模型。這主要是由于缺乏方法選擇的客觀標(biāo)準(zhǔn)[21]，在時間和空間尺度上更好地理解ET估算方法可能是解決這個問題的一種方法。Smith等[22]人的研究表明Penman Monteith方法比其他ET0估算方法提供更精準(zhǔn)的ET0估算。但Penman-Monteith方程所需的氣候數(shù)據(jù)并不總是可用，特別是在欠發(fā)達(dá)地區(qū)。在某些地區(qū)已經(jīng)使用并測試了許多其他估算方法。Allen等[23]人研究表明基于Penman Monteith(PM)方法修訂得出的FAO56-PM方程已經(jīng)通過廣泛評估，并與不同氣候條件下的稱重蒸滲儀所測得的ET進行了比較，被評為適用于所有氣候條件下的最佳估算方法。Allen等[19]人也證實使用Penman Monteith方程估算的ET0十分接近ET測量值。在這些研究之后，Allen等[23]人采用FAO56-PM方法作為定義和估算草地(冷季草)參考面的標(biāo)準(zhǔn)方法，并作為比較其他評估方法的比較措施。

在本研究中，應(yīng)用了5種最常用的ET0估算方法來評估它們之間的關(guān)系。分別采用FAO56-PM、Penman Monteith(PM)，Priestley Taylor(PT)，Hargreaves(HG)和Makkink(MK)預(yù)測區(qū)域的參考作物蒸發(fā)蒸騰量。FAO-PM和PM方法必然需要氣象數(shù)據(jù)來計算ET0，與此同時MK和PT估算方法需要部分氣象數(shù)據(jù)用于估算。 因此，本研究通過對這5個估算方法進行了分析比較，并對其重要性進行統(tǒng)計分析，以評估冬小麥和夏玉米作物中最可靠的ET0估算模型及作物系數(shù)，從而估算出半干旱環(huán)境中冬小麥的需水量。

1 資料與方法

1.1 試驗地概述

試驗于2013-2017年在西北農(nóng)林科技大學(xué)教育部旱區(qū)農(nóng)業(yè)水土工程重點實驗室試驗站的農(nóng)田(圖1)進行，試驗地位于東經(jīng)108°04′07″，北緯34°17′45″，海拔521 m，年平均氣溫12.9 ℃，年平均降水量635.1 mm，年平均蒸發(fā)量1 440 mm，地下水位低于土壤表面50 m，屬干旱半干旱地區(qū)。冬小麥和夏玉米以犁溝栽培模式旋轉(zhuǎn)播種，用標(biāo)準(zhǔn)行作作物田間設(shè)備進行田間準(zhǔn)備。通過鏟子在蒸滲儀中構(gòu)建與周圍區(qū)域相同的溝槽尺寸。蒸滲儀的尺寸為3 m長，2 m寬，2 m深。蒸滲儀邊緣的高度保持與地面相近，以最大限度地減少蒸滲儀內(nèi)部和周圍的邊界層效應(yīng)。于蒸滲儀上方安裝了移動防雨棚以控制土壤水分狀態(tài)。提供高安全系數(shù)以允許更換稱重傳感器而沒有過載的危險并且還避免沖擊負(fù)載的影響，保證所有蒸滲儀的種植和所有其他現(xiàn)場管理都是統(tǒng)一的。1 m土層的田間平均含水率為23%～25%，凋萎系數(shù)為8.5%(以上均為質(zhì)量含水率)，平均干密度為1.44 g/cm3[24]。

圖1 試驗地示意圖Fig.1 The location of the research

每天測量以下天氣因素：降雨量，溫度(最高和最低)，大氣溫度，相對濕度(早上8點，下午2點)，蒸發(fā)量，太陽輻射，日照時長和2 m高處的風(fēng)速。這些變量在數(shù)據(jù)記錄器中自動記錄為每小時的平均值，每小時氣象平均數(shù)據(jù)按照分析的要求轉(zhuǎn)換為日平均值和月平均值。在本文中，直接采用線性內(nèi)插法對短時間內(nèi)(小于3 h)的缺失數(shù)據(jù)進行補充延長；用平均日變化法(MDV)補充對于較長時間(大于3 h) 的缺失數(shù)據(jù)、或者用以10 d(依不同作物不同生育期取7～14 d)為窗口的相鄰數(shù)據(jù)變化規(guī)律插補所缺少的數(shù)據(jù)[25]。

表1顯示了研究期間的月平均天氣特征。關(guān)中地區(qū)大多屬于半干旱地區(qū)，冬季寒冷干燥，夏季炎熱潮濕。由于陜西省的緯度跨度較大，陜西有各種氣候。根據(jù)K?ppen氣候分類法，試驗地所處區(qū)域，有冷干旱或半冷干旱，冬季寒冷干燥，干燥的春季和秋季，以及炎熱的夏季。

表1 所選氣象參數(shù)的日平均值(2013-2017)Tab.1 Daily averages of selected climatic parameters (2013-2017)

1.2 蒸發(fā)蒸騰量評估方法

采用5種參考作物蒸發(fā)蒸騰量評估方法計算所得的計算值與實測值進行分析比較，5種評估方法分別為：FAO-56 PM模型、Penmen Monteith(1948)模型、Priestly Taylor模型、Makkink模型和Hargreaves模型。 溫度、風(fēng)速、凈輻射、土壤熱通量和相對濕度等氣象數(shù)據(jù)對參考作物蒸發(fā)蒸騰量的估算至關(guān)重要。以下各節(jié)提供了每種方法的描述。

1.2.1 FAO-56 PM模型

FAO-56 PM模型于1998年由國際糧食及農(nóng)業(yè)組織第56號灌溉和排水文件出版[23]，利用氣象數(shù)據(jù)估算ET0。

(1)

式中：ET0為參考作物蒸發(fā)蒸騰量，mm/d；Rn為植物冠層表面太陽凈輻射量，MJ/( m2·d);G為土壤熱通量，MJ/(m2·d);es為飽和水氣壓，kPa;ea為實際水氣壓，kPa;Δ為飽和水氣壓-溫度曲線斜率，kPa/℃;γ為濕度表常數(shù)，kPa/℃;T為空氣平均溫度，℃;u2為地面以上2 m高處風(fēng)速。

1.2.2 Penman Monteith模型

Penman(1948)是利用11個水文學(xué)參數(shù)開發(fā)了ET0估算模型[15]。

ET0=

(2)

式中：Kw為單位常數(shù)(Kw=6.43)；aw和bw是風(fēng)函數(shù)系數(shù)，本實驗的取值分別為1/0.536；λ是汽化潛熱，MJ/kg；其他參數(shù)意義同上。

1.2.3 Priestly Taylor模型

Priestly Taylor模型是ET0的評估方法[26]，但參數(shù)數(shù)量少于FAO-PM，計算更為方便。

(3)

式中：α為經(jīng)驗修正系數(shù)，取值1.26；其他參數(shù)如上所示。

1.2.4 Makkink模型

Makkink評估方法是于1957年開發(fā)，利用幾種氣象數(shù)據(jù)估算ET0。

(4)

式中：Rs為太陽總輻射，MJ/m2。

1.2.5 Hargreaves原始模型

此方法基于最高溫與最低溫以及輻射量數(shù)據(jù)對ET0進行估算[27]。

ET0=0.408×0.002 3 (Tmean+17.8) (Tmean-Tmin)0.5×Ra

(5)

式中：Tmin為最低溫度，℃；Tmean為平均溫度，℃；Ra為大氣層頂部所接收的太陽輻射量，MJ/(m2·d)。

1.3 ET和氣象變量的標(biāo)準(zhǔn)化

計算標(biāo)準(zhǔn)分?jǐn)?shù)的數(shù)學(xué)表達(dá)式如下：

Zi=(Xi-μ)/σ

(6)

式中：Z是Xi的標(biāo)準(zhǔn)分?jǐn)?shù)；Xi是變量或數(shù)據(jù)；i是數(shù)據(jù)集中的第i個值；μ是數(shù)據(jù)集的平均值；σ是數(shù)據(jù)集的標(biāo)準(zhǔn)差。

1.4 數(shù)據(jù)分析

為了直觀了解蒸發(fā)蒸騰量(ET)對各氣象因子的響應(yīng)程度，對2013-2017年的實測數(shù)據(jù)進行回歸分析。R2表示由其他變量計算的因變量中方差的比例[28]，它是確定如何根據(jù)模型或關(guān)系進行預(yù)測的一種特定方法。R2計算如下：

(7)

式中：SSeer是殘差的平方和；SStot是因變量與其平均值之差的平方和。

SSeer=∑i(yi-fi)2

(8)

(9)

式中：yi是數(shù)據(jù)集中的變量；fi是因變量。在此，yi表示每個氣象變量，fi表示ET。

由于之前的研究報告稱，F(xiàn)AO-56 PM評估方法的精度在干旱、潮濕氣候條件下均表現(xiàn)優(yōu)異，并被國際糧農(nóng)組織(FAO)專家組推薦作為參考作物蒸發(fā)蒸騰量估算的新標(biāo)準(zhǔn)[23]。 因此，在回歸模型中使用FAO-56 PM評估方法作為因變量，其他4種評估方法用作自變量。

為了判斷FAO-56 PM評估方法與其他4種方法之間的相關(guān)性，Hussein(1999)引入的統(tǒng)計分析是在FAO-56 PM評估方法估計的ET0值與每個季節(jié)中其他四種評估方法所估計的ET0值之間進行的[29]。回歸參數(shù)a，SEE和r2使用以下公式計算：

(10)

(11)

(12)

式中：n是數(shù)據(jù)點的數(shù)量;Sy是y的標(biāo)準(zhǔn)差。利用(n-2)代替n，因為x和y被認(rèn)為對致病因素有著相同的反應(yīng)[29]。

2 結(jié)果與分析

2.1 蒸發(fā)蒸騰量(ET)對氣象因子的響應(yīng)

2.1.1ET測量值

ET測量值對氣象因子 (包括太陽輻射、溫度、相對濕度和風(fēng)速) 的響應(yīng)程度通過比較5年的日平均值標(biāo)準(zhǔn)分?jǐn)?shù)(圖2)并通過R2的定量評估表2來顯示。 兩項分析均表明，研究地點的ET測量結(jié)果對太陽輻射和溫度響應(yīng)較強，而對相對濕度和風(fēng)速的響應(yīng)程度較小。 每日ET測量值的標(biāo)準(zhǔn)分?jǐn)?shù)與太陽輻射和溫度的標(biāo)準(zhǔn)分?jǐn)?shù)的總體分布模式基本保持一致，與相對濕度相關(guān)性不強，而作物ET與風(fēng)速之間沒有明顯的相關(guān)性(圖2)。

圖2 每日ET測量值與氣象因子之間標(biāo)準(zhǔn)分?jǐn)?shù)的比較(每個變量的標(biāo)準(zhǔn)分?jǐn)?shù)為0對應(yīng)于該特定日期的5 a平均值)Fig.2 Comparisons of standard scores between daily ET measurement and meteorological variables (standard scores of 0 for each variable correspond to the 5 year average on that specific day)

1-4月試驗區(qū)域ET較低且變化不大，這可能是由于積雪穩(wěn)定的低蒸發(fā)占據(jù)主導(dǎo)地位。之后，ET迅速增加，直到6月達(dá)到峰值。從7月到年底，ET呈整體下降趨勢。太陽輻射的波動趨勢與之類似，年初作物攔截的太陽輻射較少，隨后逐漸增加，在6月和7月到達(dá)峰值，之后呈下降趨勢。溫度也以類似的模式波動，但峰值溫度在時間上比ET延后了一個月。 4月中旬至9月的相對濕度普遍低于其他月份。風(fēng)速在5年的日平均值附近波動，與平均值沒有大的偏差，與ET沒有明顯的相關(guān)性。每日ET測量值與氣象因子之間的相關(guān)性見(表2)，分析表明太陽輻射和溫度是ET測量值的主要影響因素，而相對濕度與ET測量值相關(guān)性較差，風(fēng)速幾乎不影響ET測量值。

根據(jù)能量平衡的原理，ET對太陽輻射和溫度的高度依賴性是因為蒸發(fā)蒸騰過程是由可用于蒸發(fā)水的能量決定的，這些能量主要來自太陽輻射，并且在較小程度上來自周圍環(huán)境的空氣溫度[23]。年初，由于可用的太陽輻射較少，溫度仍然較低，只能依靠作物自身的少量能量，因此該期間ET值很低。從4月開始，隨著更多的可用太陽輻射和不斷升高的溫度，試驗地的ET增加。到6月和7月，可獲得足夠的太陽輻射以及溫度，從而出現(xiàn)ET峰值，隨后太陽輻射減少和溫度降低導(dǎo)致呈現(xiàn)下降趨勢。相對濕度與大氣接收蒸發(fā)水的能力大小有關(guān)，如果大氣的相對濕度低，空氣具有很高的干燥能力，通過ET提取水，隨著相對濕度接近飽和，蒸發(fā)蒸騰作用減慢，ET隨之變少。這或多或少可以解釋在此期間的ET測量值較低的原因。從5月到9月，大多數(shù)日子的相對濕度仍然很低，高干燥的空氣使得更多的水從試驗地表面蒸發(fā)。因此，除了足夠的太陽輻射和高溫，低大氣相對濕度也有助于ET峰值的出現(xiàn)。 9月之后，由于大多數(shù)日子的相對濕度相對較高，ET維持在較低的水平。風(fēng)可以加速空氣流動，從而增大ET值。但在2013-2017年期間，由于該研究地點的風(fēng)速較低，全年均值僅為1.50 m/s，因此效果不明顯。

2.1.2ET計算值

運用FAO-56 PM，Penman-Monteith，Makkink，Hargreaves原始模型和Prietly-Taylor這5種方法計算的ET0對氣象因子(包括太陽輻射，溫度，相對濕度和風(fēng)速)的響應(yīng)程度可見(圖3～圖7)及表2。5個ET計算值都與太陽輻射和溫度高度相關(guān)，而對相對濕度和風(fēng)速的響應(yīng)程度則較低。5種ET方法所得的計算值大致變化趨勢基本一致，即ET計算值的標(biāo)準(zhǔn)分?jǐn)?shù)的總體分布遵循太陽輻射和溫度的總體分布，與相對濕度呈現(xiàn)相互關(guān)系，而與風(fēng)速沒有明顯的相關(guān)性(圖3～圖7)。在4月中旬之前，這5種方法的ET計算值都很低，然后迅速增加，直到6月達(dá)到峰值，從7月到年底呈整體下降的趨勢。太陽輻射和溫度的變化與ET計算值的變化類似，但峰值溫度的出現(xiàn)較ET計算峰值推后了一個月。4月中旬至9月期間相對濕度相對較低，其余時期相對濕度較高。風(fēng)速在1.5 m/s前后波動，沒有出現(xiàn)大的偏差，與ET計算值沒有明顯的相關(guān)性。

圖3 FAO-56 PM方法的每日ET計算值與氣象因子之間標(biāo)準(zhǔn)分?jǐn)?shù)的比較(每個變量的標(biāo)準(zhǔn)分?jǐn)?shù)為0對應(yīng)于該特定日期的5 a平均值)Fig.3 Comparisons of standard scores between daily ET estimations by the FAO Penman-Monteith method and meteorological variables (standard scores of 0 for each variable correspond to the 5 year average on that specific day)

圖4 Penman-Monteith方法的每日ET計算值與氣象因子之間標(biāo)準(zhǔn)分?jǐn)?shù)的比較(每個變量的標(biāo)準(zhǔn)分?jǐn)?shù)為0對應(yīng)于該特定日期的5 a平均值)Fig.4 Comparisons of standard scores between daily ET estimations by Penman-Monteith method and meteorological variables(standard scores of 0 for each variable correspond to the 5 year average on that specific day)

圖5 Priestly Taylor方法的每日ET計算值與氣象因子之間標(biāo)準(zhǔn)分?jǐn)?shù)的比較(每個變量的標(biāo)準(zhǔn)分?jǐn)?shù)為0對應(yīng)于該特定日期的5 a平均值)Fig.5 Comparisons of standard scores between daily ET estimations by Priestly Taylor method and meteorological variables(standard scores of 0 for each variable correspond to the 5 year average on that specific day)

圖6 Makkink方法的每日ET計算值與氣象因子之間標(biāo)準(zhǔn)分?jǐn)?shù)的比較(每個變量的標(biāo)準(zhǔn)分?jǐn)?shù)為0對應(yīng)于該特定日期的5 a平均值)Fig.6 Comparisons of standard scores between daily ET estimations by the Makkink method and meteorological variables (standard scores of 0 for each variable correspond to the 5 year average on that specific day)

圖7 Hargreaves原始模型方法的每日ET計算值與氣象因子之間標(biāo)準(zhǔn)分?jǐn)?shù)的比較(每個變量的標(biāo)準(zhǔn)分?jǐn)?shù)為0對應(yīng)于該特定日期的5 a平均值)Fig.7 Comparisons of standard scores between daily ET estimations by Hargreaves method and meteorological variables (standard scores of 0 for each variable correspond to the 5 year average on that specific day)

表2 ET與氣象因子之間的決定系數(shù)(R2)Tab.2 Coefficient of determination (R2) between ET and meteorological variables

5種ET評估方法所得的ET計算值與表2中的氣象因子之間的相關(guān)性表明：太陽輻射和溫度都是ET變化的主要原因，相對濕度影響較小，而低風(fēng)速幾乎不影響ET計算值。在這些氣象因子中，太陽輻射對ET影響最大，其決定系數(shù)R2分別為0.80、0.76、0.75、0.92和0.75；溫度對ET的影響次之，R2分別為0.70、0.68、0.66、0.87和0.67；相對濕度和風(fēng)速對本研究ET的變化影響非常小。ET與表2中的氣象因子之間的決定系數(shù)R2也表明，ET對氣象因子的響應(yīng)程度因評估方法而異。

FAO-56 PM方法的ET計算值較之ET測量值對太陽輻射和溫度的響應(yīng)程度更高，表明該方法假設(shè)溫度和空氣溫度的依賴性高于根據(jù)測量值所保證的溫度和空氣溫度。由于風(fēng)速極低的R值，因此忽略不計。 FAO-56 PM和Hargreaves的原始模型方法都提出了比測量值相對于太陽輻射和溫度更高的R2，這是因為太陽輻射和溫度構(gòu)成了兩者唯一的數(shù)據(jù)要求。在所有5種ET方法中，F(xiàn)AO-56 P M 和Hagreaves原始模型方法開發(fā)了最接近物理過程的ET評估方法，并且相對準(zhǔn)確地依賴于太陽輻射和溫度，這可能是由于其物理基礎(chǔ)和各種物理和參與ET估算的生理參數(shù)。

2.2 參考作物蒸發(fā)蒸騰量(ET0)的模擬

在整個作物生長期(2013-2017)，冬小麥通過蒸滲儀測得的平均實際蒸發(fā)蒸騰量(ETc)為412.28 mm，夏玉米為401.866 mm(表3和表4)。參考作物蒸發(fā)蒸騰量(ET0)由FAO-56 PM，Penman Monteith(PM)、Priestly Taylor(PT)、Makkink(MK)和Hargreaves(HG)5個模型導(dǎo)出。模擬結(jié)果顯示冬小麥整個生育期的ET0分別為492.63、598.42、857.18、405.06和255.15 mm;夏玉米整個生育期的ET0分別為478.46、553.63、548.17、378.53和252.78 mm。冬小麥整個生育期5種評估方法的ET計算值與實測值偏離度分別為+19.06%、+ 37.75%、+ 36.40%、-5.80%和-37.09%，夏玉米分別為+ 26.47%、47.28%、51.14%、-7.25%和-43.65% 。在作物生長前期，蒸發(fā)蒸騰速率非常低(冬小麥為2.7 mm每10 d，夏玉米12.85 mm每10 d)。隨著冠層發(fā)育，其作物年齡逐漸增加，最大蒸發(fā)蒸騰量為40.53 mm每10 d和78 mm每10 d。冬小麥和夏玉米的10 d平均(2013-2017)ET實測值分別為34.36、66.98 mm。但在其余5個模型(FAO-56 PM，P M、P T、MK和HG原始模型5個模型)中，冬小麥的10 d均ET0分別為41.05、49.87、71.43、33.76、21.26 mm，夏玉米的10 d均ET0分別為79.74、92.27、91.36、63.09、42.13 mm。在作物初始生長階段，即冬小麥生育期的前50 d和夏玉米生長季的前30 d，ET=高于蒸滲儀ET測量值。之后，蒸滲儀ET測量值高于FAO-56 PM模型計算的ET0，并持續(xù)到冬小麥生育期內(nèi)的第180 d和夏玉米生長季內(nèi)的第90 d。PM、MK、HG這3種評估方法偏差過大，參考意義不大。在此期間，隨著作物冠層的不斷發(fā)育，冬小麥和夏玉米汲取了更多的水。超過冬小麥生育期的第180 d和夏玉米生育期的第90 d，冬小麥和夏玉米作物進入成熟期，葉片衰老顯著增加，導(dǎo)致蒸滲儀ET測量值開始降低。但由于某些氣象參數(shù)值的增加，從而導(dǎo)致更高的ET0。在冬小麥和夏玉米的生長季內(nèi)，HG方法計算的ET0明顯低于其他4種方法，F(xiàn)AO-56 PM估算的計算值與實測值分布狀況最為接近。HG評估方法的計算結(jié)果清楚地表明，對于該區(qū)域，僅考慮空氣溫度和太陽輻射進行ET0估計的方法是不可行的。

表3 2013-2017冬小麥參考作物蒸散量和蒸滲儀實測的蒸發(fā)蒸騰量(每10 d)Tab.3 Reference evapotranspiration and lysimeter ETc (every 10 day) in winter wheat crop during (2013-2017)

表4 2013-2017夏玉米參考作物蒸散量和蒸滲儀實測的蒸發(fā)蒸騰量(每10 d)Tab.4 Reference evapotranspiration and lysimeter ETc (every 10 day) in summer maize crop during (2013-2017)

2.3 ET估算方法的評估

2.3.1 數(shù)據(jù)分析

以前的研究報告稱，F(xiàn)AO-56 PM方法在干旱和潮濕氣候下都具有獨特的優(yōu)越性，國際糧農(nóng)組織專家組建議將其作為參考作物蒸發(fā)蒸騰量估算的新標(biāo)準(zhǔn)[23]。 因此，F(xiàn)AO-56 PM方法的計算結(jié)果被用作簡單回歸模型中的因變量，其他4種方法的計算結(jié)果作為自變量,計算方法如式 (7)～(12)。

最高r2通過Penman Monteith方法的估算結(jié)果得出，其中冬小麥在4個生長季的ET0分別為(0.19、0.2、0.14和0.16 mm/d)和夏季玉米3個生長季節(jié)(0.34、0.2、0.26 mm/d);其次是Makkink法計算值，冬小麥為(0.22、0.23、0.18、0.19 mm/d)和夏玉米(0.26、0.22、0.28 mm/d)；Hagreave法冬小麥計算值為(0.11、0.21、0.12、0.14 mm/d)和夏玉米(0.32、0.23、0.34 mm/d)和；Priestly Taylor法冬小麥計算值為(0.18、0.2、0.14、0.14 mm/d)和夏玉米(0.35、0.19 mm/d)。通過Penman Monteith方法和Makkink方法估計的系數(shù)a接近其理想值1， Priestly Taylor方法估計的系數(shù)最低，Hargreave方法的估計系數(shù)過高(表5)。結(jié)果表明，用于估算每日ET0的Penman Monteith方法在作物生長季節(jié)與FAO-56 PM方法精度類似，而Priestly Taylor方法和HG方法在估算精度上遠(yuǎn)不如前兩者。

2.3.2 作物系數(shù)

在本研究中，基于FAO-56 PM、Penman Monteith、Priestly Taylor、Makkink和Hargreaves方法所計算的ET0求得冬小麥(2013-2017)平均作物系數(shù)(KC)分別為0.90、0.72、0.64、0.93和1.03，夏玉米平均作物系數(shù)為0.81、0.69、0.72、1.02、1.53。2013-2017年冬小麥的作物系數(shù)(每10日階段值) 最大值分別為1.48、1.56、1.92、1.81和1.79以及夏玉米1.30、1.48、1.50、1.68、2.69(圖8，圖9)。

作物蒸發(fā)蒸騰量隨著作物冠層面積的增大而增加，并且進入成熟期后逐漸減少。Allen[23]等人的研究表明，冬小麥的初期、中期和后期作物生長階段的作物系數(shù)分別為0.70,1.15和0.40，夏玉米分別為0.7,1.15和1.05。由于這些值是在溫帶氣候條件下得出的，因此半干旱和干旱條件下的作物系數(shù)值對作物灌溉需求的估算是非常必要的。將作物系數(shù)作為因變量，將每10 d觀測作為自變量，進行二次回歸分析。據(jù)觀察，F(xiàn)AO-56 PM方法表現(xiàn)較好，決定系數(shù)最高(R2=0.815 6)；其次是HG方法(R2=0.790 12)和PM方法(R2=0.703 89); PT記錄的相關(guān)性最弱(R2=0.481 23)。對于夏玉米，在FAO-56 PM方法表現(xiàn)較好，R2=0.610 4。其中PM、PT，MK、HG方法的決定系數(shù)分別為：R2=599 95、R2=0.558 81、R2=596 76、R2=0.587 97。綜上所述，在推薦的FAO-56 PM方法之后，PM方法被發(fā)是簡便可靠的，因為它在保證精準(zhǔn)估計得同時需要更少的氣象參數(shù)。

圖8 冬小麥平均ET實測值，平均ET0和作物系數(shù)相關(guān)圖(2013-2017)Fig.8 Average Lysimeter ET, average ET0 and crop coefficient in winter wheat (2013-2017)

圖9 夏玉米平均ET實測值，平均ET0和作物系數(shù)相關(guān)圖(2013-2017)Fig.9 Average Lysimeter ET, average ET0 and crop coefficient in summer maize (2013-2017)

3 結(jié) 語

5種估算5方法的計算ET高度依賴于太陽輻射和溫度，與相對濕度和風(fēng)速的關(guān)系很小。太陽輻射是最重要的控制因素，R2均超過0.7；溫度也是一個重要的控制因素，R2大于0.6。蒸滲儀法被證明非常適合測量各種氣候條件下的作物蒸發(fā)蒸騰量。從5種常用的ET0估計模型獲得的ET0估計值表明：在半干旱氣候條件下，PM方法被發(fā)現(xiàn)用于計算ET0適用性較高，與其余模型相比，該方法還導(dǎo)致ET0的變化最小。由于這種方法僅需要有限的氣象數(shù)據(jù)來進行ET0估算，因此可以在更廣泛的范圍內(nèi)采用該方法進行灌溉管理規(guī)劃。FAO-56 PM被認(rèn)為是最成熟可靠的方法之一，但需要在灌溉指揮中進行微觀水平研究時，則需要許多氣象數(shù)據(jù)，因此這種方法不適用于小流域/灌溉指揮區(qū)。