姚 瑤，唐婉瑩,2，袁宏偉，蔣尚明，文想成，程鈳強(qiáng)，李 祥，楊書運(yùn)

(1.安徽農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，安徽合肥 230036；2. 安徽省合肥市長(zhǎng)豐縣氣象局，安徽合肥 231100；3.安徽省水利部淮河水利委員會(huì)水利科學(xué)研究院，水利水資源安徽省重點(diǎn)實(shí)驗(yàn)室，安徽合肥 233088 )

淮北平原是我國(guó)重要的農(nóng)作物生產(chǎn)基地，農(nóng)業(yè)用水量巨大[1]。蒸散是植物及地面整體向大氣輸送的水汽總通量，由土壤蒸發(fā)和植物蒸騰的總和構(gòu)成[2]。參考作物蒸散量(ET0)指水分供應(yīng)充足的情況下參考作物表面的蒸散速率[3]，是反映地表能量平衡的一個(gè)重要指標(biāo)，對(duì)于農(nóng)業(yè)灌溉用水、排澇等規(guī)劃具有指導(dǎo)作用。由于水資源短缺、浪費(fèi)等情況嚴(yán)重，在保證產(chǎn)量的情況下合理灌溉對(duì)于資源高效利用等具有巨大意義。國(guó)內(nèi)外對(duì)蒸散的測(cè)算有很多研究。參考蒸散量的估算方法主要有溫度法、輻射法、道爾頓法、綜合法和蒸發(fā)皿法[4]。不同的方法有各自適用的區(qū)域與條件，其中以1998年聯(lián)合國(guó)糧農(nóng)組織(FAO)推薦的Penman-Monteith公式(FAO-56 PM)應(yīng)用較為廣泛。在國(guó)內(nèi)，許多研究以FAO-56 PM計(jì)算所得的ET0為基準(zhǔn)優(yōu)化其他方法，這一模型的準(zhǔn)確性在大范圍內(nèi)相對(duì)較高，但是其需要的氣象數(shù)據(jù)種類較多，因此對(duì)于氣象數(shù)據(jù)不全的地方無(wú)法應(yīng)用。FAO-56 PM公式在不同氣候條件下的精度是否均最優(yōu)仍有爭(zhēng)議[4]，因此用FAO-56 PM作為參考作物蒸散量的標(biāo)準(zhǔn)公式[5]，在不同的氣候區(qū)域其計(jì)算所得值準(zhǔn)確性仍有存疑。蒸散值可以由蒸滲儀進(jìn)行測(cè)量，但是蒸滲儀所占體積較大，價(jià)格昂貴，且設(shè)備使用、維護(hù)成本較高，因此大面積普遍使用的可能性不大。針對(duì)此情況，研究者們陸續(xù)提出了一些利用較少氣象數(shù)據(jù)估算ET0的其他公式，例如輻射法中有Priestley-Taylor法(后稱P-T法)。2008年，Irmak等使用美國(guó)Nebraska州中南部波文比實(shí)測(cè)值比較后發(fā)現(xiàn)，在15個(gè)ET0估算公式中，P-T法擬合最優(yōu)(均方根誤差RMSE值最小)[6]；溫度法中也有部分適用良好，如張曉琳等研究表明，經(jīng)本地化后的Hargreaves法在中國(guó)漢江流域適用性最好[7]?；幢钡貐^(qū)處于我國(guó)暖溫帶半濕潤(rùn)半干旱的氣候過(guò)渡帶，何種ET0估算方法適合這類氣候有待研究。本研究基于大型稱重式蒸滲儀的實(shí)測(cè)數(shù)據(jù)，通過(guò)分析對(duì)氣象數(shù)據(jù)的要求，從現(xiàn)有的模型中選取了7個(gè)常用的模型進(jìn)行了冬小麥田蒸散模擬和比較，對(duì)擬合效果最好的模型進(jìn)行本地化，分析了影響淮北冬小麥田蒸散的主要?dú)庀笠蛩兀云跒榛幢钡貐^(qū)冬小麥田用水規(guī)劃提供有效的理論依據(jù)。

1 數(shù)據(jù)與方法

1.1 區(qū)域概況與實(shí)驗(yàn)數(shù)據(jù)

試驗(yàn)地區(qū)位于安徽省蚌埠市新馬橋鎮(zhèn)，隸屬于水利部淮河水利委員會(huì)水利科學(xué)研究院。試驗(yàn)站位于淮北平原中南部，海拔19.7 m(117°22′E，33°09′N) ，屬半干旱半濕潤(rùn)季風(fēng)氣候區(qū)，四季較為分明。多年平均氣溫為15 ℃，多年平均降水量為917 mm。

在試驗(yàn)期間，當(dāng)?shù)貧鉁仉S著季節(jié)變化，冬季溫度分布在-3 ℃到10 ℃左右(圖1)。夏季收割期的每日平均溫度達(dá)到26 ℃左右，播種后100 d左右即1月下旬到2月上旬為整個(gè)生育期溫度最低的時(shí)間段，此時(shí)值小麥越冬階段。溫度是影響參考作物蒸散量的重要?dú)庀笠蛩豙5, 8]。2 m處的平均風(fēng)速較為穩(wěn)定，基本都處于4 m·s-1以下。小麥生育期中，相對(duì)濕度的短期波動(dòng)較大，因?yàn)槠涫艿教鞖鉅顩r的影響較大。3月15日左右濕度最小，最低值為44%，持續(xù)時(shí)間大約20 d。整個(gè)生育期間相對(duì)濕度較高，日均相對(duì)濕度為77%。太陽(yáng)輻射從分蘗期(1月)開始逐步上升，而且隨著后期輻射量的增大，陰天與晴天的輻射量波動(dòng)也逐步增大，陰天的輻射在0～10 kJ·m-2·d-1之間分布。

圖1 2016-2017冬小麥生育期間的逐日氣象要素變化

試驗(yàn)采用三臺(tái)大型稱重式蒸滲儀測(cè)量 2016-2017兩年冬小麥的蒸散。蒸滲儀型號(hào)為QYZS-201，規(guī)格為2 m×2 m×2.3 m,質(zhì)量約為15 t，測(cè)量精確度為0.02 mm。氣象數(shù)據(jù)來(lái)源于試驗(yàn)站內(nèi)的自動(dòng)氣象站。

1.2 試驗(yàn)設(shè)計(jì)

冬小麥的生育期可分為播種-出苗、出苗-分蘗、分蘗-拔節(jié)、拔節(jié)-抽穗、抽穗-灌漿和灌漿-開始收割等6個(gè)階段(表1)。

表1 冬小麥的生育期劃分Table 1 Division of growth period of winter wheat

兩年小麥品種均為煙農(nóng)19。每年每坑施復(fù)合肥240 g和尿素90 g。每坑播量13 g，種8行。每臺(tái)蒸滲儀上有擋雨棚，水分由人工控制，通過(guò)監(jiān)測(cè)土壤含水率,確保小麥處于不受旱的正常生長(zhǎng)狀態(tài)。

1.3 研究方法

綜合數(shù)據(jù)分析結(jié)果和前人研究，我們采用了7種應(yīng)用較多且準(zhǔn)確性較好的計(jì)算公式(表2)對(duì)蒸散進(jìn)行估算，并對(duì)估算值與實(shí)測(cè)值進(jìn)行比較分析。采用均方根誤差(RMSE)、平均偏差(MBE)和相關(guān)系數(shù)(r)作為精度評(píng)價(jià)的指數(shù)[9]。

表2 計(jì)算模型及公式Table 2 Computational models and formulas

2 結(jié)果與分析

2.1 冬小麥不同生育階段的蒸散特征

2016-2017年冬小麥生育期為223 d，累積蒸散量為588.85 mm。由表3可以看出，播種-出苗、出苗-分蘗階段的日均蒸散量較小，分別為1.11和1.63 mm·d-1，這是因?yàn)榇似陂g小麥葉片剛萌發(fā)，產(chǎn)生的蒸騰作用有限，且10月中旬至11月上旬，土地蒸發(fā)量較少；分蘗-拔節(jié)期間的總蒸散量最大，占全生育期總蒸散量的 32.43%，但這也是歷時(shí)最長(zhǎng)的一個(gè)生育階段(122 d)，中間很長(zhǎng)時(shí)間都處于小麥越冬期，生長(zhǎng)緩慢,近乎停滯，蒸騰作用幾乎可以忽略不計(jì)，且土地蒸發(fā)量小，因此這期間日均蒸散不大(1.57 mm·d-1)；拔節(jié)-抽穗與抽穗-灌漿期的蒸散量占比相對(duì)于分蘗-拔節(jié)期較小，但周期短，日均蒸散量較大：拔節(jié)到抽穗期日均蒸散量為3.90 mm·d-1；抽穗-灌漿期間，17 d的蒸散量占總蒸散量的 21.64%，日均蒸散量為7.50 mm·d-1；灌漿到收獲的日均蒸散量也較大(4.26 mm·d-1)。

2.2 不同模型擬合結(jié)果及分析

從圖2的實(shí)測(cè)日蒸散量(ETC)曲線看出，2016年10月14日到2017年的2月初，小麥處于生長(zhǎng)的初級(jí)階段，植株矮小，蒸騰作用與土地蒸發(fā)速率均較低，ETC長(zhǎng)期低于2 mm·d-1；播種后120 d左右，即2月中旬開始，ETC開始逐漸增加；至3月中旬小麥開始進(jìn)入快速發(fā)育期，ETC震蕩上升,在4月中旬ETC達(dá)到第一個(gè)峰值，隨后的10 d內(nèi)有較小的波動(dòng)，4月27日達(dá)到整個(gè)生育期蒸散的最高值(8.26 mm·d-1)；從五月初即灌漿期后期開始，小麥莖葉變黃變干枯，生長(zhǎng)變慢接近停滯，植物蒸騰減少，小麥葉片覆蓋度較大，土地蒸發(fā)量也受到影響變小，因此ETC逐漸降低，在臨近收割期時(shí)降到0～2 mm·d-1。

圖2 7個(gè)模型2016-2017冬小麥全生育期逐日ET0與ETC對(duì)比

對(duì)比實(shí)測(cè)值，各個(gè)模型對(duì)小麥生育前期的擬合情況均比較好，ET0與ETC的平均差值較小(圖3)。播種到出苗，模型中D-K的差值最大，為3.2 mm·d-1；出苗到分蘗期所有模型的差值均較小，其中P-T、D-K、Mak和H-S模型的ET0值大于ETC值，其余的模型的ET0值則低于ETC值。從分蘗期開始， P-T、D-K和Mak模型的ET0值均高于ETC值，而其余四個(gè)模型的ET0值則低于ETC值。從抽穗期到收割期，H-S法的差值均最小，最大差值出現(xiàn)在抽穗到灌漿期，為-2.6 mm·d-1。

圖3 7個(gè)模型各個(gè)階段的ET0與ETC的差值

從逐日數(shù)據(jù)看，在生育期前210 d，各個(gè)模型ET0值的變化趨勢(shì)與ETC值一致。5月中旬的高值期過(guò)后，小麥生長(zhǎng)變慢接近停滯，ETC值開始降低，而各個(gè)模型主要以氣象要素為計(jì)算數(shù)據(jù)來(lái)源，其估算值仍保持繼續(xù)上升趨勢(shì)。因此，我們后面的分析主要采用小麥沒有停止生長(zhǎng)、ETC沒有開始下降期間即播種后到5月11日的數(shù)據(jù)。

進(jìn)一步分析(表4)發(fā)現(xiàn)，在7個(gè)模型中，H-S法的平均偏差(MBE)最小，為0.97 mm·d-1；其次是FAO-56 PM公式，MBE為2.08 mm·d-1；Turc公式略次之，MBE為2.35 mm·d-1。同時(shí)，H-S法的均方根誤差(RMSE)也比較小，為 0.99 mm·d-1，優(yōu)于FAO-56 PM公式(1.44 mm·d-1)；Turc方法的RMSE也與前兩種方法較為接近，為1.53 mm·d-1。FAO-56 PM擬合的ET0與ETC的相關(guān)系數(shù)(r)最大，為0.97；其次是P-T、D-K和Mak，均為0.96，但這三個(gè)模型的擬合偏差大(MBE分別為4.47、5.26、2.87 mm·d-1，RMSE分別為2.11、2.29、1.69 mm·d-1)；H-S法的r值為0.95，略小于前幾個(gè)模型，但相關(guān)性也較好。綜合擬合的差異性與相關(guān)性來(lái)說(shuō)，H-S法與FAO-56 PM的綜合表現(xiàn)最好。從這兩種方法的擬合結(jié)果(圖4)看，二者擬合得到的ET0值與ETC值均呈極顯著正相關(guān) (P<0.01)，但ET0值均低于ETC值，其中H-S法的結(jié)果更接近1∶1線，即與ETC值更為接近一些；相對(duì)于H-S法，F(xiàn)AO-56 PM公式的計(jì)算較為復(fù)雜，需要的數(shù)據(jù)更多，且精度較小，因此本研究首選H-S法進(jìn)行本地化。

圖4 FAO-56 PM與H-S法的擬合偏差分布

表4 逐日ET0偏差與ETC的相關(guān)性Table 4 Daily ET0 deviation and its correlation with ETC

2.3 H-S本地化的結(jié)果

相關(guān)分析結(jié)果(表5)顯示，2016-2017年新馬橋站平均氣溫等7個(gè)不同氣象要素之間具有一定的相關(guān)性，所得的KMO值為0.602，小于0.7；其次Bartlett球形度檢驗(yàn)P值小于0.001。綜合上述分析可以得出，平均溫度、最高溫度、最低溫度這三個(gè)氣象要素間的相關(guān)性較高，可以進(jìn)行因子分析。

表5 氣象因子之間的相關(guān)系數(shù)Table 5 Correlation coefficients among meteorological factors

由表6可以看出，第一主成分的貢獻(xiàn)率為47.233%，第二主成分的貢獻(xiàn)率為28.500%。前兩個(gè)成分占了6個(gè)氣象因子75.732%的信息，可以代表這6個(gè)因子的絕大部分信息，第一個(gè)主成分的結(jié)果在綜合評(píng)價(jià)中更具參考性。觀察成分矩陣得知，平均溫度、最高溫度、最低溫度和相對(duì)平均濕度在第一成分內(nèi)具有較顯著的相關(guān)性，平均溫度、最高溫度、最低溫度的貢獻(xiàn)為正，相對(duì)濕度的貢獻(xiàn)為負(fù)，風(fēng)速的載荷最低，說(shuō)明風(fēng)速對(duì)蒸散的影響最小。日照時(shí)數(shù)、平均相對(duì)濕度在第二主成分內(nèi)具有顯著的相關(guān)性。

表6 主成分的初始特征值Table 6 Initial eigen-value of principal components

從表7來(lái)看，第一主成分中平均溫度、最高溫度和最低溫度的載荷較高，說(shuō)明對(duì)于第一主成分而言這些氣象因素相對(duì)重要；第二主成分中日照時(shí)數(shù)載荷為負(fù)值，且絕對(duì)值最大，平均相對(duì)濕度和平均風(fēng)速的載荷也較強(qiáng)，則第二主成分反映了這三項(xiàng)的主要信息。平均濕度在前兩個(gè)主成分中的載荷大小居中，也印證了嚴(yán)坤的研究結(jié)論，即干濕條件對(duì)H-S法的估算精度有較大影響[17]。為了探究相對(duì)濕度對(duì)本地蒸散的影響，參考李杰等[18]的研究方法，結(jié)合本地的實(shí)測(cè)數(shù)據(jù)，采用濕度的指數(shù)項(xiàng)對(duì)H-S法進(jìn)行了本地化，并和常用的線性訂正法[19]的結(jié)果做了對(duì)比。

表7 成份矩陣Table 7 Component matrix

采用線性方法與濕度指數(shù)項(xiàng)法率定H-S參數(shù)的結(jié)果見表8。經(jīng)過(guò)訂正后，RMSE與MBE值相對(duì)于訂正前有了明顯的減小，RMSE由0.99 mm·d-1減小至0.68 mm·d-1，MBE由0.97 mm·d-1減至0.46 mm·d-1。兩種方法的擬合效果均較好，且二者擬合結(jié)果極顯著相關(guān)。兩種方法優(yōu)化后的系數(shù)a、b值均相同，但線性擬合出來(lái)a、b值的標(biāo)準(zhǔn)差較小(標(biāo)準(zhǔn)差分別為 0.013 98和0.088 44)，小于濕度指數(shù)項(xiàng)(標(biāo)準(zhǔn)差分別為0.014 04和0.088 87)，因此線性校正[20]更適合H-S方法的本地化。

表8 H-S法本地化結(jié)果Table 8 Parameter calibration results in H-S method

利用2016-2017年的數(shù)據(jù)對(duì)本地化后的H-S法重新計(jì)算ET0和擬合優(yōu)度結(jié)果(圖4)表明，整個(gè)生育期的數(shù)據(jù)在本地化前和本地化后的相關(guān)系數(shù)均為0.95，但是RMSE和MBE值都有所減小，表明對(duì)H-S法本地化后，可能由于樣本量有限，其估測(cè)值與實(shí)測(cè)值的相關(guān)性基本不變，但是差異性得到控制，與實(shí)測(cè)值的差值更小了，證明優(yōu)化有效，H-S法適合模擬淮北冬小麥田的蒸散特征，二者具有較強(qiáng)的相關(guān)。

3 討 論

準(zhǔn)確估算蒸散量有助于農(nóng)業(yè)用水規(guī)劃，不同的估算模型在不同地區(qū)計(jì)算精度有差異[21]。本研究利用因子分析方法，分析了淮北新馬橋?qū)嶒?yàn)站的平均氣溫、最高溫度、最低溫度、相對(duì)濕度、日照時(shí)數(shù)、平均風(fēng)速(2 m)這6種容易獲得的氣象數(shù)據(jù)與大型稱重式蒸滲儀測(cè)得的蒸散逐日數(shù)據(jù)的相對(duì)關(guān)系。結(jié)果表明，溫度是影響淮北平原冬小麥蒸散的主要因素。選取的7種估算ET0模型中H-S模型的準(zhǔn)確性最高，對(duì)H-S模型進(jìn)行了參數(shù)本地化后，估算的差異得到了減小。

不同氣象要素對(duì)蒸散的影響程度受地區(qū)限制，如濕度與輻射在別處也可能是重要影響因素[14], 蒸散也受植被種類影響[15-16]；在淮北平原，溫度是影響蒸散的主要因素，濕度對(duì)蒸散的影響不大，原因可能是整個(gè)冬小麥生長(zhǎng)期間，相對(duì)濕度都處于較高的值，平均值達(dá)到77%。由于相對(duì)濕度比較穩(wěn)定，波動(dòng)小，其對(duì)蒸散變化的影響不明顯。已有的研究中，云南和拉薩都處于高原，受地理?xiàng)l件和氣候因素的影響，冬小麥生育期間這兩地的相對(duì)濕度變化較明顯，因而對(duì)蒸散這一反應(yīng)水量平衡的變量，具有一定的影響[10-11]，這與淮北平原不同。結(jié)合對(duì)氣象要素分析的結(jié)果，我們選擇了溫度法中的三種常用模型，輻射法中的四種模型和FAO-56 PM這一綜合模型，并且用實(shí)測(cè)值對(duì)模擬效果進(jìn)行驗(yàn)證，而不是用精度存在爭(zhēng)議的FAO-56 PM估算值[4]。

估算檢驗(yàn)結(jié)果顯示H-S法的綜合精度最優(yōu)，相關(guān)系數(shù)為0.95，RMSE值和MBE值均為最小(0.99和0.97 mm·d-1)。由于地區(qū)不同，需要對(duì)H-S進(jìn)行參數(shù)本地化，提高其估算精度。目前對(duì)H-S本地化的研究中，除了較為普遍的利用最小二乘法進(jìn)行線性訂正[22-23]外，利用主成分分析法也取得了相對(duì)較好的效果[10-11]。因此，我們利用以上兩種方法對(duì)參數(shù)進(jìn)行本地化。

淮北冬小麥的蒸騰作用在5月11日即播種后210 d就開始衰減，植株生長(zhǎng)變慢，直至停止。不同的是，在黃土塬區(qū)的研究中，冬小麥的生育期一直持續(xù)到6月28日，這可能是受冬小麥積溫值的影響，黃土塬區(qū)的平均溫度相對(duì)于淮北平原較低，冬小麥要達(dá)到成熟，需要更多的生長(zhǎng)時(shí)間，因此總蒸散量也更高[24]。

本試驗(yàn)實(shí)測(cè)數(shù)據(jù)采取的是生育前210 d即冬小麥未停止生長(zhǎng)期間的蒸散值。后期接近收割期時(shí)，小麥葉片卷曲變黃，蒸騰作用大大降低，因此這一階段及以后的蒸散不能使用僅基于氣象數(shù)據(jù)的模型來(lái)估算。小麥的生育階段和積溫有關(guān)，后期或可以根據(jù)積溫原理訂正公式，用以確定小麥停止生長(zhǎng)的時(shí)間，估算冬小麥整個(gè)生育期的總蒸散量。此外，我們用2017-2018年的部分殘缺數(shù)據(jù)檢驗(yàn)了本地化后的H-S模型，相關(guān)系數(shù)為 0.75，RMSE值也較小(1.94)(文中未列出相關(guān)分析結(jié)果)。由于這一年度缺失的正好是小麥生長(zhǎng)旺盛的階段，這一階段的小麥不受越冬的影響，蒸散和氣象因素的相關(guān)最好，加上樣本量不足，導(dǎo)致r值無(wú)法達(dá)到完整周期數(shù)據(jù)的值。接下來(lái)的研究可以利用多個(gè)完整周期的冬小麥蒸散實(shí)測(cè)值來(lái)檢驗(yàn)優(yōu)化后的H-S模型。

4 結(jié) 論

(1)影響淮北地區(qū)冬小麥蒸散的主要?dú)庀笠厥亲罡邷囟?、最低溫度和平均溫度?/p>

(2)7個(gè)模型RMSE值的范圍是0.99～2.29 mm·d-1，按照擬合優(yōu)劣排序是H-S> FAO-56 PM>Turc>Mcl>Mak> P-T> D-K;相關(guān)系數(shù)的范圍是0.74～0.97，H-S法的相關(guān)系數(shù)為 0.95， H-S法的結(jié)果與淮北地區(qū)冬小麥的實(shí)際蒸散量最為接近。結(jié)合主成分分析結(jié)果，溫度是影響此區(qū)域蒸散的主要因素，所以對(duì)H-S模型進(jìn)行線性訂正。