王燕鑫, 李瑞平,*,李夏子, 王思楠, 石玉芬

融合Kriging算法的河套灌區(qū)ET估算方法評價

王燕鑫1, 李瑞平1,*,李夏子2, 王思楠1, 石玉芬3

1. 內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院, 呼和浩特 010018 2. 內(nèi)蒙古氣象科學(xué)研究所, 呼和浩特 010051 3. 農(nóng)牧業(yè)科技服務(wù)中心, 包頭市 014500

為解決數(shù)據(jù)缺乏時對大區(qū)域ET估算的限制, 評價了融合Kriging空間插值算法的河套灌區(qū)6種ET估算方法?；贙riging算法和氣象數(shù)據(jù), 得到7種ET估算方法的河套灌區(qū)區(qū)域ET值, 將試驗站實測ET值與6種方法ET估算結(jié)果進(jìn)行精度驗證, 并以PM計算結(jié)果為標(biāo)準(zhǔn), 評價融合Kriging空間插值算法的不同方法在河套灌區(qū)的估算精度與適用性, 分析不同方法與氣象因子響應(yīng)關(guān)系的差異性。結(jié)果表明, 綜合法(KP、PVB)與PM的結(jié)果最接近, 計算結(jié)果最大偏差0.045—0.490 mm·d-1。推薦綜合法為融合Kriging空間插值算法的河套灌區(qū)ET最佳估算方法, 適用于灌區(qū)所有土地類型ET估算。平均氣溫、溫差、相對濕度較小的地區(qū)可用HS法。日照時數(shù)、平均氣溫、相對濕度較大的地區(qū)與風(fēng)速變化較小的地區(qū)可用PT法。相對濕度較小的地區(qū)可用IA法和PVB法。

ET; 空間插值; 方法評價; 氣象因子

0 前言

蒸散發(fā)(ET)是指地表水向大氣傳輸?shù)倪^程, 是陸地生態(tài)系統(tǒng)與大氣之間水量循環(huán)和能量交換最主要的氣象因子[1], 也是地表水量和熱量平衡的重要參量, 包含土壤、水體和植被的蒸發(fā)蒸騰,是衡量植被生長狀況和作物產(chǎn)量的重要指標(biāo)[2]。公認(rèn)最合理的ET估算方法PM[3]全面考慮影響蒸散的各種因素[4], 但在氣象數(shù)據(jù)不完整的區(qū)域難以使用。因此, 簡化的估算方法相繼提出, 基于溫度的Hargreaves-Samani[5], 基于輻射的Makkink[6]、Priestley-Taylor[7], 經(jīng)驗法中的Irmark-Allen[8], 綜合法中的Penman-VanBavel[7]等。閆浩芳[9]對內(nèi)蒙古河套灌區(qū)沙壕渠試驗站的5種計算方法得到的ET結(jié)果進(jìn)行適應(yīng)性評價, 提出不同方法的適用條件。楊永剛[10]利用8種溫度法計算中國三大灌區(qū)的ET, 根據(jù)2個氣象站數(shù)據(jù)計算得到的ET結(jié)果, 推薦出適用于河套灌區(qū)計算精度較高的計算方法。王旭明[11]等選用河套灌區(qū)臨河氣象站1990—2012年的數(shù)據(jù)資料, 利用PM公式計算ET, 分析了ET與氣象要素的關(guān)系。伴隨遙感數(shù)據(jù)大量增多, 且精度逐步提高, 針對河套灌區(qū)ET模型研究有了更廣泛的素材。張薇[12]2009年基于MODIS數(shù)據(jù)通過模型反演河套平原2006年日ET, 并對河套平原ET進(jìn)行分析研究。楊雨亭[13]等2012年對河套平原進(jìn)行雙源模型估算潛在ET的對比研究, 通過假設(shè)不同的植被覆蓋狀況, 較為詳細(xì)地比較了3種雙源蒸散發(fā)模型在估算潛在ET以及區(qū)分潛在蒸發(fā)量與潛在騰發(fā)量時的模擬效果。以上研究可將ET估算方法概括為兩類, 基于氣象數(shù)據(jù)的普通估算模型和基于遙感數(shù)據(jù)的遙感反演模型。其中, 利用氣象數(shù)據(jù)計算ET的研究均存在著以點(diǎn)代面的區(qū)域局限性與使用地區(qū)的特殊性, 難以推廣到計算大區(qū)域ET, 且ET計算結(jié)果空間分布差異不明顯。上述研究所運(yùn)用的遙感反演模型中, 均存在空間或時間動態(tài)監(jiān)測上的不足, 受到云量或氣象條件限制, 導(dǎo)致部分區(qū)域無ET值。在遙感數(shù)據(jù)質(zhì)量較差或云量大無法使用時, 普通ET估算方法只能分析研究單個氣象站點(diǎn)的ET, 在范圍較廣及氣候條件復(fù)雜的情況下, 對于分析大區(qū)域ET的時空變化情況不具有適用性及實時性, 并且計算精度較低, 而Kriging法能在一定的區(qū)域內(nèi)對變量進(jìn)行最優(yōu)無偏估算, 對研究具有結(jié)構(gòu)性與隨機(jī)性的空間分布變量有獨(dú)特的優(yōu)點(diǎn)[14]。Kriging法最先考慮的是空間方位中空間屬性的變異分布, 能逐點(diǎn)的從理論上去除預(yù)計誤差, 不會有回歸分析的邊界效應(yīng)產(chǎn)生[15]。在已知數(shù)據(jù)插值點(diǎn)較少時, 插值效果比其它方法要好, 插值數(shù)據(jù)越接近正態(tài)分布, 該法插值精度表現(xiàn)越優(yōu)[16], 所以利用Kriging法進(jìn)行空間插值往往取得理想效果[17]。

PM為目前應(yīng)用最廣的ET估算方法, 所以本研究以PM計算結(jié)果為參照標(biāo)準(zhǔn), 對其它6種方法的計算結(jié)果進(jìn)行精度驗證和比較分析。利用氣象數(shù)據(jù)計算ET的不同類別估算方法, 一般分為經(jīng)驗法、溫度法、輻射法和綜合法。本文選擇IA、HS、PT、MAK、PVB、KP等6種方法估算河套灌區(qū)區(qū)域ET, 6種方法計算原理各不相同, 對ET值與氣象因子響應(yīng)關(guān)系的差異性分析更具有典型性。通過Kriging插值算法將6種方法得到的ET估算值進(jìn)行空間插值, 提取野外實地采樣點(diǎn)對應(yīng)的PM及6種方法的ET估算值進(jìn)行精度評價和適應(yīng)性分析, 提出融合Kriging空間插值算法的河套灌區(qū)大區(qū)域ET最佳計算方法, 討論不同方法與氣象因子響應(yīng)關(guān)系的差異性。定量計算ET對于研究區(qū)域水循環(huán)機(jī)理以及指導(dǎo)農(nóng)業(yè)水管理具有重要意義。近年來, 隨著河套灌區(qū)引水量逐年減少, 灌區(qū)水資源量已經(jīng)成為制約地區(qū)農(nóng)業(yè)可持續(xù)發(fā)展的首要因素。因此, 掌握灌區(qū)ET的時空分布規(guī)律, 對于計算灌區(qū)真實耗水量, 實現(xiàn)灌區(qū)真實節(jié)水分析, 提高用水效率, 科學(xué)指導(dǎo)灌區(qū)水資源合理利用和分配具有十分重要的意義。

1 材料與方法

1.1 研究區(qū)概況

內(nèi)蒙古河套灌區(qū)位于巴彥淖爾的磴口縣、杭錦后旗、臨河區(qū)、五原縣、烏拉特前旗5個地區(qū), 東西約250 km, 南北約50 km。北依陰山山脈的狼山、烏拉山南麓洪積扇, 南臨黃河, 東至包頭市郊, 西接烏蘭布和沙漠, 屬典型的中溫帶季風(fēng)氣候, 地理坐標(biāo)為: 北緯40o12′—41o18′, 東經(jīng)106o20′—109o29′。灌區(qū)地形平坦, 西南高, 東北低, 海拔高度1007—1050 m, 坡度0.125‰—0.2‰。實際的灌溉面積約6.01×105hm2[9], 占總土地面積的51.2 %左右, 引黃水量占灌區(qū)總耗水量的86.6 %, 是灌區(qū)最重要的水分來源。灌區(qū)降水量少, 蒸發(fā)量大, 年平均降水量約140—230 mm, 年平均蒸發(fā)量約1900—2300 mm。夏季高溫干旱、冬季嚴(yán)寒少雪, 無霜期短, 封凍期長, 全年以西風(fēng)和西北風(fēng)為主, 日溫差大, 日照時間長。研究區(qū)高程及氣象站位置如圖1所示。

1.2 數(shù)據(jù)來源

收集處理研究區(qū)及周邊2017年14個氣象站數(shù)據(jù), 氣象數(shù)據(jù)主要包括日照時數(shù)、平均氣壓、平均氣溫、相對濕度、風(fēng)速、日最低氣溫、日最高氣溫。其中, 5個氣象站位于灌區(qū)內(nèi)及邊界(包括臨河、磴口、杭錦后旗、五原、烏拉特前旗), 其余的9個氣象站位于灌區(qū)周邊(包括呼和浩特、東勝、包頭、達(dá)茂旗、杭錦旗、鄂托克旗、吉蘭泰、烏拉特后旗、烏拉特中旗)。灌區(qū)外的9個氣象站在進(jìn)行ET空間插值時, 以保證研究區(qū)邊界ET的空間分布連續(xù)平滑, 減少研究區(qū)邊界的ET誤差。

1.3 研究方法

1.3.1 ET計算方法

用于對計算結(jié)果進(jìn)行精度分析的FAO Penman- Monteith(PM)法, 是在全面考慮了影響田間水分散失的大氣因素和作物因素的基礎(chǔ)上, 把能量平衡、空氣動力學(xué)參數(shù)和表面參數(shù)結(jié)合在一個對處于任何水分狀態(tài)下的任何植被類型都成立的蒸發(fā)中而得到的。PM法被聯(lián)合國糧農(nóng)組織推薦為計算ET的標(biāo)準(zhǔn)方法, 是目前公認(rèn)最準(zhǔn)確、適用性較高的ET計算方法, 考慮了所有氣象因子對ET的影響, 理論依據(jù)更為完整, 已被驗證在不同區(qū)域和不同氣候條件下具有較高的計算精度。6種不同類型的估算方法計算公式如表1所示。其中, Irmark-Allen(IA)法為經(jīng)驗法, 是Irmark和Allen等人根據(jù)美國濕潤地區(qū)資料得到的擬合模型[8]。Hargreaves-Samani(HS)法為溫度法, 是在美國西北部較干旱的氣候條件下建立的, 僅以日最高、日最低氣溫和大氣頂層輻射為計算參數(shù), 比PM法更為簡便, 對缺乏數(shù)據(jù)資料的地區(qū)更實用。Priestley-Taylor(PT)法和Makkink(MAK)法為輻射法, 前者以蒸發(fā)平衡理論為基礎(chǔ), 將空氣動力學(xué)項折算為輻射值的0.26倍, 引進(jìn)常數(shù)α, 導(dǎo)出的估算無平流條件下蒸發(fā)的模式, 利用海面和濕潤陸面的資料得出α=1.26; 后者不考慮土壤熱通量的影響。Penman-VanBavel(PVB)法和1972 Kimberly Penman (KP)法為綜合法, 考慮多個氣象因子對ET的影響。

1.3.2 Kriging空間插值算法

1951年Kriging法由南非礦山工程師克里金尋找金礦時提出并應(yīng)用[18]。20世紀(jì)60年代, 法國著名統(tǒng)計學(xué)家馬特隆對Kriging插值方法進(jìn)行完善和改進(jìn), 引入了區(qū)域化變量理論, 使該方法得到深化發(fā)展[19]?？死锝鸩逯捣?Kriging)以區(qū)域變化量理論為基礎(chǔ), 先計算樣本變異函數(shù), 再根據(jù)樣本變異函數(shù)的類型選擇合適的變異函數(shù)理論模型進(jìn)行模擬, 最后根據(jù)模擬的變異函數(shù)對待估計點(diǎn)進(jìn)行線性估計, 并給出估計方差作為不確定性的度量指標(biāo)。利用半變異函數(shù)得到的最佳權(quán)重系數(shù), 求得最優(yōu)估計值。待估值計算公式如(1)式所示。

圖1 研究區(qū)高程及氣象站示意圖

Figure 1 Research area elevation and meteorological station locations

表1 ET計算方法

式中:Z——待插點(diǎn)0的待估值;x——數(shù)據(jù)已知點(diǎn)的位置;——樣本點(diǎn)的數(shù)量;0——待插點(diǎn)的位置;λ——權(quán)重系數(shù), 判斷已知點(diǎn)數(shù)據(jù)(x)對待插點(diǎn)數(shù)據(jù)的貢獻(xiàn)。

基于空間結(jié)構(gòu)分析, 半變異函數(shù)有效的擬合和計算, 反映了區(qū)域變化量的空間自相關(guān)性, 當(dāng)區(qū)域化變量滿足二階平穩(wěn)性假設(shè)和本征假設(shè)時, 半變異函數(shù)采用下式計算:

式中:()——半變異函數(shù); h——滯后距離或步長; Z(x)——位置x的實測值;(x+)——位置(x+)的實測值;()——距離等于h的樣點(diǎn)對數(shù)。

本文基于14個氣象站的氣象數(shù)據(jù), 通過不同方法的計算公式得出7類方法ET值, 利用Arcgis軟件將計算出的ET數(shù)據(jù)導(dǎo)入, 實現(xiàn)融合Kriging空間插值算法生成7種ET面狀柵格數(shù)據(jù), 從而得到整個河套灌區(qū)ET。生成的面狀柵格數(shù)據(jù)比單點(diǎn)數(shù)據(jù)更能反映出研究區(qū)域ET時空分布與變化情況。

1.3.3 評價方法

根據(jù)典型性和全面性原則, 選取1、4、7、10月的日ET面狀數(shù)據(jù), 結(jié)合在不同土地利用類型下分布的采樣點(diǎn), 以PM計算結(jié)果作為標(biāo)準(zhǔn), 提取其中相對應(yīng)的6種估算方法得到的ET值, 采用均方根誤差()、平均相對誤差()、一致性系數(shù)()及擬合線性方程決定系數(shù)R, 對數(shù)據(jù)進(jìn)行相關(guān)性分析和適應(yīng)性評價。、、的計算公式如下:

2 結(jié)果與分析

2.1 不同方法計算結(jié)果分析

提取融合Kriging空間插值生成的河套灌區(qū)2017年逐月日ET面狀柵格數(shù)據(jù)計算結(jié)果, 如圖2所示。從圖中可以看出, 夏季ET較大, 春季和秋季ET較少, 計算結(jié)果都呈現(xiàn)單峰趨勢, 1—6月呈上升趨勢, 6、7月達(dá)到最大值, 8—12月呈下降趨勢, 呈現(xiàn)出明顯的“山峰型”。PT法、IA法較PM法的ET值最大偏差分別為1.581 mm·d-1、1.921 mm·d-1, 其它4種方法KP法、PVB法、MAK法、HS法較PM法ET值偏差變化范圍分別為: 0.045—0.490 mm·d-1、0.101—0.759 mm·d-1、0.170—1.070 mm·d-1、0.293—1.267 mm·d-1。根據(jù)對比以上ET值偏差范圍得到整個河套灌區(qū)計算ET的方法依次為: KP法> PVB法>MAK法>HS法>PT法>IA法。

2.2 不同方法計算結(jié)果精度驗證與適用性評價

2.2.1 計算值與實測值精度驗證

整理臨河試驗地4個月逐月的日實測數(shù)據(jù), 通過波文比能量平衡系統(tǒng)計算得到日ET, 與融合Kriging空間插值的7種方法得到的當(dāng)月日平均ET對比分析, 評價不同方法在研究區(qū)的整體適用性。由表2中的實測值和計算值可以看出: 4個月的日平均實測ET與PM公式計算值相比, 相對誤差在1.78%—17.20%之間, 均值為10.02%, 這是由于PM公式是基于氣象數(shù)據(jù)計算得到的平均ET, 所以計算結(jié)果存在一定的誤差。實測值與KP法計算值相比, 相對誤差在3.13%—8.39%之間, 均值為6.20%。實測值與PVB法計算值相比, 相對誤差在0.60%—8.37%之間, 均值為4.15%。實測值與MAK法計算值相比, 相對誤差在1.92%—8.48%之間, 均值為5.89%。其中PT法和IA法誤差最大, 相對誤差在4.86%—31.71%之間, 均值達(dá)到20%。對比分析結(jié)果, 綜合法相對誤差最小, 基于輻射的MAK法較小, 其次是基于溫度的HS法, 經(jīng)驗法IA法誤差較大, PT法誤差最大。不同方法相對誤差對比結(jié)果如表2所示。

2.2.2 計算值與PM值精度驗證及適應(yīng)性評價

本文研究2017年12個月的河套灌區(qū)日ET值, 計算出的ET值具有顯著的季節(jié)性變化趨勢, 所以選取具有季節(jié)代表性的1、4、7、10月相對應(yīng)6種估算方法的日ET值, 采用均方根誤差(RMSE)、平均相對誤差(MRE)、一致性系數(shù)(D)及擬合線性方程決定系數(shù)2, 與PM法計算結(jié)果進(jìn)行精度對比及適用性評價。不同方法精度及指標(biāo)評價結(jié)果如表3所示。

圖2 不同方法ET計算結(jié)果

Figure 2 ET calculation results of different methods

表2 不同計算方法精度檢驗(單位: mm·d-1)

1)1月各項指標(biāo)中, KP法、PVB法、MAK法均方根誤差在0.179—0.259, 平均相對誤差在0.256—0.371, 一致性系數(shù)在0.393—0.410, 其中KP法最優(yōu), 平均相對誤差為0.256, 一致性系數(shù)達(dá)0.410, 其次是PVB法和MAK法, 兩者一致性系數(shù)相接近, PVB法誤差較小。其它幾種方法偏離程度較大, 其中IA法計算結(jié)果平均相對誤差達(dá)到0.607, 一致性系數(shù)只有0.239。

2)4月各項指標(biāo)中, KP法、PVB法、MAK法均方根誤差在0.411—0.540, 平均相對誤差在0.109—0.148, 一致性系數(shù)在0.364—0.416, 其中KP法表現(xiàn)最好, 平均相對誤差為0.109, 一致性系數(shù)達(dá)0.416, 其次是PVB法和MAK法, PVB法平均相對誤差0.125, 一致性系數(shù)0.415, 計算結(jié)果比MAK法更為準(zhǔn)確。其它幾種方法, 偏離程度較大, IA法計算結(jié)果平均相對誤差達(dá)到0.201, 一致性系數(shù)只有0.279。

3)7月各項指標(biāo)中, KP法表現(xiàn)最優(yōu), 均方根誤差0.494, 平均相對誤差0.088。其它幾種方法偏離程度較大, HS法、PT法、IA法均方根誤差均在0.623—0.795, 其中IA法計算結(jié)果偏離程度最大, 平均相對誤差0.130, 一致性系數(shù)只有0.181。

4)10月各項指標(biāo)中, KP法、PVB法、MAK法、HS法均方根誤差在0.407—0.494, 平均相對誤差在0.168—0.221, 一致性系數(shù)在0.249—0.354。

表3 不同方法精度驗證及指標(biāo)評價(單位: mm·d-1)

2.3 不同方法與氣象因子相關(guān)性分析

由于不同方法所考慮的氣象因子不同, 同一氣象因子對不同方法影響的顯著程度也不同。結(jié)合圖3中氣象因子全年變化規(guī)律, 逐月分析5種氣象因子(日照時數(shù)、平均氣溫、平均風(fēng)速、相對濕度、溫差)對不同計算方法下ET值的影響程度, 揭示不同計算方法與氣象因子響應(yīng)關(guān)系的差異性。從圖3中可知, 日照時數(shù)1—6月逐漸增加, 7—12月逐漸減小, 夏季日照時間最長。平均氣溫變化趨勢與ET計算結(jié)果基本一致。風(fēng)速隨時間變化幅度較小, 平均風(fēng)速為2.56 m·s-1。相對濕度主要受到作物生長情況及澆灌影響, 在作物生長旺盛期(7、8月)和灌區(qū)秋澆期(10月)相對濕度較大。5月處于作物出苗期, 作物需水量較多, 9月大部分作物已收獲且未開始秋澆, 這兩個月相對濕度較小。溫差變化較為明顯, 初春和初秋晝夜溫差大。

2.3.1 氣象因子與計算方法的相關(guān)性分析

ET具有明顯的季節(jié)性, 選取不同季節(jié)4個月6種計算方法得到的ET值與氣象因子進(jìn)行相關(guān)性分析。日照時數(shù)、平均氣溫、平均風(fēng)速、相對濕度與不同方法計算的ET均在0.01水平(雙側(cè))上顯著相關(guān), 溫差與不同方法計算的ET隨時間不同在0.05水平(雙側(cè))上顯著相關(guān)或相關(guān)性較小。6種計算方法與日照時數(shù)、平均氣溫及平均風(fēng)速均呈正相關(guān), 與相對濕度呈負(fù)相關(guān), 與溫差隨時間不同呈負(fù)相關(guān)性或影響程度較小。綜合法(KP、PVB)同時受5種氣象因子影響, ET值與日照時數(shù)的相關(guān)系數(shù)變化范圍0.529—0.965, 與平均氣溫的相關(guān)系數(shù)變化范圍0.383—0.867, 與平均風(fēng)速的相關(guān)系數(shù)變化范圍0.365—0.905, 與相對濕度的相關(guān)系數(shù)變化范圍-0.291—-0.838, 與溫差的相關(guān)系數(shù)變化范圍-0.129—-0.681, 與溫差的相關(guān)性最差。基于輻射的MAK法除凈輻射是其主要影響因素以外, 日照時數(shù)及平均風(fēng)速對計算結(jié)果的影響更為明顯, ET值與日照時數(shù)、平均風(fēng)速的相關(guān)系數(shù)分別為0.587—0.947、0.393—0.844?；跍囟鹊腍S法受平均氣溫影響較為穩(wěn)定, ET值與平均氣溫的相關(guān)系數(shù)為0.599—0.850, 表4為氣象因子與融合Kriging算法的Pearson相關(guān)性對比分析。

選取相同4個月6種方法得到的灌區(qū)內(nèi)未融合Kriging算法的ET值與氣象因子進(jìn)行相關(guān)性分析, 不同計算方法ET值與氣象因子的相關(guān)系數(shù)均未通過0.01水平(雙側(cè))置信度檢驗, 在0.05水平(雙側(cè))上相關(guān)性差, 綜合法與不同氣象因子響應(yīng)關(guān)系的差異性不明顯。1月中MAK法的ET值與平均風(fēng)速的相關(guān)系數(shù)為0.957, 在0.05水平(雙側(cè))上相關(guān)性較好。4月和7月中PT法的ET值與平均氣溫、平均風(fēng)速的相關(guān)系數(shù)分別為0.988、0.931, 在0.05水平(雙側(cè))上相關(guān)性較好, 10月中HS法的ET值與平均風(fēng)速的相關(guān)系數(shù)為0.935, 在0.05水平(雙側(cè))上相關(guān)性較好。對比融合前后的相關(guān)系數(shù), 融合前相關(guān)系數(shù)均未通過0.01的置信度檢驗, 無法有效判斷不同方法ET值與氣象因子響應(yīng)關(guān)系的差異性。融合后的ET值與不同氣象因子的響應(yīng)關(guān)系通過相關(guān)系數(shù)定量表達(dá)。表5為氣象因子與未融合Kriging空間插值的Pearson相關(guān)性對比分析。

圖3 氣象因子年變化規(guī)律

Figure 3 Annual variation of meteorological factors

表4 氣象因子與融合Kriging算法ET值的相關(guān)系數(shù)

注: **.在0.01水平(雙側(cè))上顯著相關(guān), *.在0.05水平(雙側(cè))上顯著相關(guān)。

2.3.2氣象因子與不同方法計算精度的影響分析

根據(jù)計算結(jié)果與不同氣象因子的影響程度, 進(jìn)一步分析4種典型方法的計算精度與氣象因子之間的相關(guān)性?；跍囟鹊腍S法主要考慮平均氣溫和溫差的影響, 平均氣溫與溫差越小, 計算結(jié)果越準(zhǔn)確。日照時數(shù)與風(fēng)速對計算結(jié)果影響較小, 相對濕度越大, 計算結(jié)果的偏大程度也會增大, 計算精度降低?；谳椛涞腜T法主要考慮的是太陽輻射, 日照時數(shù)與平均氣溫的值越大, 計算結(jié)果精度越高。當(dāng)風(fēng)速變化較大時, 計算結(jié)果偏小。相對濕度增加時, 計算結(jié)果偏大, 精度會有所提高。經(jīng)驗法IA法受到氣候、地形的限制, 僅考慮凈輻射和平均氣溫的影響, 因此, 風(fēng)速與相對濕度是該方法產(chǎn)生誤差的主要原因, 相對濕度越大, 計算精度越低。綜合法PVB法全面考慮了空氣動力學(xué)項與輻射項, 克服了地形等因素的影響, 相對濕度與計算精度呈負(fù)相關(guān), 溫差越大對精度影響越大。

表5 氣象因子與未融合Kriging算法ET值的相關(guān)系數(shù)

注: **.在0.01水平(雙側(cè))上顯著相關(guān), *.在0.05水平(雙側(cè))上顯著相關(guān)。

3 討論

本研究得出: 不同方法估算的ET均具有明顯的季節(jié)性, 計算結(jié)果的變化趨勢基本趨于一致。在不同時期計算結(jié)果差異不同, 6種方法在1—4月、10—12月與PM法計算結(jié)果更為接近, 5—9月計算結(jié)果差異較大。分析結(jié)果表明, 準(zhǔn)確估算整個河套灌區(qū)ET的方法依次為: KP法> PVB法>MAK法>HS法>PT法>IA法, 這一結(jié)果與閆浩芳等[9]、楊永剛等[10]得到的結(jié)論相一致, 且變化趨勢更為顯著。主要原因是本研究融合Kriging空間插值算法生成的面狀ET數(shù)據(jù)比單個站點(diǎn)ET數(shù)據(jù)更準(zhǔn)確的反映出河套灌區(qū)整體ET變化情況, 將6種方法與Kriging空間插值算法融合前后對氣象因子的差異性進(jìn)行論證分析, 直觀反映出不同方法在灌區(qū)的整體適用性。

4 結(jié)論

將實測數(shù)據(jù)與融合Kriging空間插值算法的6種方法ET估算結(jié)果進(jìn)行精度驗證, 并以PM計算結(jié)果為標(biāo)準(zhǔn), 分析了融合Kriging空間插值算法的不同方法在河套灌區(qū)的估算精度與適用性, 論證不同方法與氣象因子響應(yīng)關(guān)系的差異性。綜合考慮計算精度及適用性, 綜合法更適合河套灌區(qū)當(dāng)?shù)貧夂驐l件下ET的估算。

1)通過提取不同土地利用類型下的102個野外實地采樣點(diǎn)所對應(yīng)的ET值, 與PM計算結(jié)果進(jìn)行精度驗證及適應(yīng)性評價, 結(jié)果表明融合Kriging空間插值的估算結(jié)果可直觀反映出不同方法在灌區(qū)的整體適用性。

2)在河套灌區(qū)氣候條件下, 融合Kriging空間插值算法后的基于氣象數(shù)據(jù)估算河套灌區(qū)ET最佳方法是綜合法, 與PM計算結(jié)果進(jìn)行對比, 綜合法(KP、PVB)得到的ET估算值平均偏差范圍0.045—0.490 mm·d-1, 決定系數(shù)2為0.519—0.931, 均方根誤差在0.179—0.516之間, 平均相對誤差在0.088—10.322之間。

3)根據(jù)不同氣象因子與估算結(jié)果精度的對比分析, 在平均氣溫、溫差、相對濕度較小的地區(qū)計算ET可用HS法。在日照時數(shù)、平均氣溫、相對濕度較大的地區(qū)與風(fēng)速變化較小的地區(qū)計算ET可用PT法。在相對濕度較小的地區(qū)估算ET可用IA法和 PVB法。

[1] Kyotaek H, Minha C. Seasonal trends of satellite- based evapotranspiration algorithms over a complex ecosystem in East Asia [J]. Remote Sensing of Environment, 2013, 137: 244–263.

[2] 張榮華, 杜君平, 孫睿. 區(qū)域ET遙感估算方法及驗證綜述[J]. 地球科學(xué)進(jìn)展, 2012, 27(12): 1 295–1 307.

[3] 袁小環(huán), 楊學(xué)軍, 陳超, 等. 基于蒸滲儀實測的參考作物蒸散發(fā)模型北京地區(qū)適用性評價[J]. 農(nóng)業(yè)工程學(xué)報, 2014, 30(13): 104–110.

[4] Javier A, Victor H Q, Pau M. Global performance ranking of temperature-based approaches for evapotranspiration estimation considering Koppen climate classes[J]. Journal of Hydrology, 2015, 528: 514–522.

[5] 范文波, 吳普特, 韓志全, 等. 瑪納斯河流域ET0影響因子分析及對Hargreaves法的修正[J]. 農(nóng)業(yè)工程學(xué)報, 2012, 28(8): 19–24.

[6] 李志. 參考作物蒸散簡易估算方法在黃土高原的適用性[J]. 農(nóng)業(yè)工程學(xué)報, 2012, 28(6): 106–111.

[7] PRIESTLEY C, TAYLOR R. On the assessment of surface heat flux and evaporation using large-scale parameters[J]. Monthly Weather Review, 1972, 100(2): 81–92.

[8] IRMAK S, IRMAK A, ALLEN RG, et al. Solar and net radiation-based equations to estimate reference evapotran-spiration in humid climates[J]. Journal of Irrigation and Drainage Engineering, 2003, 129(5): 336–347.

[9] 閆浩芳, 史海濱, 薛鑄, 等. 內(nèi)蒙古河套灌區(qū)ET0不同計算方法的對比研究[J]. 農(nóng)業(yè)工程學(xué)報, 2008, 24 (4): 103– 106.

[10] 楊永剛, 崔寧博, 胡笑濤, 等. 中國三大灌區(qū)參考作物蒸散量溫度法模型的修訂與適應(yīng)性評價[J]. 中國農(nóng)業(yè)氣象, 2018, 39(6): 357–369.

[11] 王旭明, 劉海軍, 張睿昊, 等. 河套灌區(qū)參考作物蒸發(fā)蒸騰量估算方法研究[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2014, 32(3): 95–101.

[12] 張薇, 藺文靜, 王貴玲. 基于遙感反演河套平原區(qū)域蒸發(fā)蒸騰量研究[J]. 遙感信息, 2009(6): 28–31+42.

[13] 楊雨亭, 尚松浩. 雙源蒸散發(fā)模型估算潛在蒸散發(fā)量的對比[J]. 農(nóng)業(yè)工程學(xué)報, 2012, 28(24): 85–91.

[14] 林忠輝, 莫興國, 李宏軒, 等中國陸地區(qū)域氣象要素的空間插值[J]. 地理學(xué)報, 2002, 57(1): 47–56.

[15] 徐翔, 許瑤, 孫青青, 等. 復(fù)雜山地環(huán)境下氣候要素的空間插值方法比較研究[J]. 華中師范大學(xué)學(xué)報(自然科學(xué)版), 2018, 52(1): 122–129.

[16] 李玉霖, 崔建垣, 張銅會. 奈曼沙地春小麥蒸散量及其分析[J]. 中國沙漠, 2000(S1): 67–70.

[17] 肖城龍. 基于ArcGIS的空間數(shù)據(jù)插值方法的研究與實驗[J]. 城市勘測, 2017(6): 71–73+83.

[18] PENG H L, LIU F, DUO H R, et al. The comparison of spatial interpolation methods on temperature and precipitation of Sanjiangyuan area[J]. Meteorological and Environmental Research. 2010, 1(5): 7–11.

[19] 李莎, 舒紅, 徐正全. 利用時空Kriging進(jìn)行氣溫插值研究[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2012, 37(2): 237–241.

[20] XYSTRAKIS F, MATZARAKIS A. Evaluation of 13 empirical reference potential evapotranspiration equations on the island of crete in southern greece[J]. Journal of Irrigation and Drainage Engineering, 2011, 137(4): 211– 222.

[21] HOSSEIN TABARI. Evaluation of reference crop evapotran-spiration equations in various climates[J]. Water Resources Management, 2010, 24(10): 2 311–2 337.

[22] AZHAR A H, PERERA BJC. Evaluation of reference evapotranspiration estimation methods under southeast australian conditions[J]. Journal of Irrigation and Drainage Engineering, 2011, 137(5): 268–279.

[23] 劉曉英, 李玉中, 王慶鎖. 幾種基于溫度的參考作物ET計算方法的評價[J]. 農(nóng)業(yè)工程學(xué)報, 2006, 22(6): 12–18.

[24] 李晨, 崔寧博, 馮禹, 等. 四川省不同區(qū)域參考作物ET計算方法的適用性評價[J]. 農(nóng)業(yè)工程學(xué)報, 2016, 32(4): 127–134+316.

Evaluation of ET estimation method in Hetao irrigation district based on Kriging algorithm

WANG Yanxin1, LI Ruiping1,*, LI Xiazi2, WANG Sinan1, SHI Yufen3

1. Inner Mongolia Agricultural University, Hohhot 010018, China 2. Insititue of Meteorological Research of Inner Mongolia, Hohhot 010051, China 3. Agriculture and Animal Husbandry Technology Service Center, Baotou 014500, China

In order to solve the limitation of large-area ET estimation when data are lacking, this paper evaluated six ET estimation methods in Hetao irrigation district with Kriging spatial interpolation algorithm. Based on the Kriging algorithm and meteorological data, the ET values of the Hetao irrigation district were obtained from seven ET estimation methods. The measured ET values of the test station and the ET estimation results of the six methods were verified by the accuracy. The PM calculation results were used as the standard to evaluate the fusion Kriging spatial interpolation.The accuracy and applicability of different methods of the algorithm in the Hetao irrigation district were analyzed, and the differences in the relationship between different methods and meteorological factors were analyzed. The results showed that the comprehensive method (KP, PVB) and PM had the closest results, and the maximum deviation of the calculation results was 0.045-0.490 mm·d-1. The proposed comprehensive method was the best estimation method for the estuary irrigation area ET based on Kriging spatial interpolation algorithm, which was applicable to the ET estimation of all land types in the irrigation area. The HS method could be used in areas where the average temperature, temperature difference, and relative humidity were small. The PT method could be used in areas with large hours of sunshine, average temperature, and relative humidity, and areas where wind speed changes were small. The IA method and the PVB method could be used in areas with relatively low relative humidity.

ET; spatial interpolation; methods evaluation; meteorological factors

10.14108/j.cnki.1008-8873.2020.02.002

S161.4

A

1008-8873(2020)02-008-10

2019-07-02;

2019-09-25

國家自然科學(xué)基金項目(51769021, 51839006)

王燕鑫(1993—), 女. 呼和浩特市人, 碩士研究生, 主要從事農(nóng)業(yè)水利遙感信息技術(shù)研究, E-mail: 1461287624@qq.com

李瑞平(1973—), 男. 博士生導(dǎo)師, 教授, 主要從事節(jié)水灌溉與農(nóng)業(yè)水利遙感信息技術(shù)研究, E-mail: nmglrp@163.com

王燕鑫, 李瑞平, 李夏子, 等. 融合Kriging算法的河套灌區(qū)ET估算方法評價[J]. 生態(tài)科學(xué), 2020, 39(2): 8–17.

WANG Yanxin, LI Ruiping, LI Xiazi, et al. Evaluation of ET estimation method in Hetao irrigation district based on Kriging algorithm[J]. Ecological Science, 2020, 39(2): 8–17.