论文回顾了有关"大气压强、井水位、气压系数、负荷系数、地表和地下储水量"的理论、井水位的气压响应模式、气压系数、负荷系数的计算方法;在利用Mallat分解重构算法去除了井水位趋势项的基础上,计算了3口观测井不同时期的气压系数以及气压系数随时间延迟的变化,计算结果表明:观测井M5、R3、R6在2006-11-05至2007-03-19具有明显的承压性;2008-03-01至04-19,M5井仍具有明显的承压性,R3井、R6井则具有明显的非承压性。此外,论文还利用观测井M5、R3井的水位变化、含水层的负荷系数、实测气压系列,计算了观测井所反映区域、含水层以上地表和地下储水量的变化,并结合实测的降雨...

日尺度上的地下水位波动是干旱区地下水依赖型植物蒸散消耗地下水的直接证据与指示。White通过分析日尺度地下水位波动与植被蒸散之间的关系,提出了利用地下水位观测数据来计算植被蒸散速率的方法,简称White法。该方法由于计算简单,所需数据少,在干旱区河岸林蒸散定量方面得到了广泛的应用。本文通过系统回顾White法的提出、"四大假设条件"及其在实际应用中的不足,梳理了近年来对White法不断修订的总体思路,总结了各种形式White法的特点、使用条件以及存在的主要问题;在此基础上,提出了White法进一步改进的方向。当前,结合地表蒸散发的多尺度观测与模拟,White法不仅可以用来估算区域尺度地下水蒸散,而且能够为定量解析干旱区植物的水分利用来源提供验证与参考。

准确估算和模拟植被蒸散可为提高水分利用效率、合理配置水资源,及生态系统可持续经营管理提供科学依据。Priestley-Taylor模型因其所需参数较少而在蒸发散估算中得到广泛应用。介绍了该模型的计算方法和发展情况,总结分析了Priestley-Taylor模型参数α的各种修正方法及适用条件,简要介绍了其在农田生态系统和森林生态系统蒸散估算研究中的应用情况,并指出了该模型今后的应用和发展方向,以期为Priestley-Taylor模型的进一步深入研究和广泛应用提供参考。

[目的]蒸散发是影响陆地和大气系统能量交换过程的关键因素，也是评价陆地生态系统的重要指标。文章运用MODIS MOD16A2和MOD13A1产品数据，并结合中国气象数据共享网的气象数据，估算了2008—2017年呼伦贝尔植被的蒸散发量，并在年度和季节两个时间尺度开展了植被蒸散发时空变化分析。[方法]运用变异系数和Mann-Kendall检验法，研究2008—2017年呼伦贝尔地区年际和季节蒸散发时空变化趋势。使用Pearson相关分析法，对呼伦贝尔地区季节尺度的蒸散发与NDVI、各气象要素进行相关分析。[结果] 2008—2017年呼伦贝尔地区蒸散发呈上升趋势，蒸散发值较大的月份为3月、8月和11月，蒸散发主要集中在5—10月份。变异系数的空间分布较均匀，平均变异系数为0.38，变异系数变化幅度较大的区域主要集中在呼伦贝尔北部，CV值均在1～2.65。CV变化幅度较小的区域主要分布在呼伦贝尔中部和南部，CV值在0.41～0.84。从年际变化趋势来看，2013年为一个蒸散发突变年；根据呼伦贝尔月份变异系数的计算，从1—12月变异系数幅度变化较大，说明呼伦贝尔ET变异剧烈。呼伦贝尔月份平均CV值是1，草原区的CV平均值是0.96，森林区的CV平均值是1.04，农区的CV平均值0.97。植被蒸散发与气象要素关系分析表明：蒸散发与气温、水汽压、NDVI、降水、日照时数呈显著正相关关系。[结论] 2008—2017年呼伦贝尔地区蒸散发总体呈上升趋势，从整个季节变化来看，蒸散发起伏变化趋势明显，波动变化较大。从空间分布上来看，总体表现为呼伦贝尔南部的蒸散发大于北部。蒸散发主要集中在4—10月份，多年的低值出现在5月。不同区划类型平均蒸散发量由大到小依次为草原区＞农区＞森林区，全区的蒸散发变化趋势与农区变化趋势较为一致。正相关性强度依次为气温＞水汽压＞NDVI＞降水＞日照时数＞风速＞相对湿度。

蒸散(发)量是水资源相互转化过程中非常重要但又难以定量确定的要素之一。SEBS(SurfaceEnergyBalanceSystem)模型是20世纪末期发展起来的利用遥感数据计算区域蒸散(发)量的重要模型,利用该模型可以在较少地面信息的情况下获得蒸散(发)量的区域分布信息。本文采用SEBS模型,利用NOAA数据对我国重要的粮食和石油生产基地黄河—三角洲区域蒸散发量进行了研究。结果表明,黄河三角洲黄河两岸、黄河故道和滨海等地蒸散发量较大,年平均蒸散发量570mm～860mm,蒸散发量的峰值出现在6、7、8几个月份,每年的元月份是蒸散发量的低值期。计算结果与实际情况相符,说明遥感手段研究黄河三角洲...

地表蒸散的准确估算在流域水资源的评价、干旱监测及农作物产量模拟研究中很重要,论文通过建立年蒸散量与累积NDVI及相对湿润指数之间的关系,利用1982～2000年8km分辨率的AVHRRNDVI资料及月平均气温和月降水量资料,对黄河流域近20年来地表蒸散的时空分布进行了分析,并利用水文站径流观测资料对估算结果进行了检验。结果表明,黄河流域多年平均年蒸散量是389mm,年际间变化很大,空间分布格局是东南部蒸散量最大,其次是兰州以上区间,宁蒙河段及鄂尔多斯高原蒸散量最小;全流域平均蒸散估算误差比较小,吻合比较好。

准确估算潜在蒸散发(PET)是研究区域水文循环和农业灌溉管理必不可少的理论依据。本文利用辽宁省及周边27个气象站点1968—2017年的历史气象数据,选用6种估算方法(Penman-Monteith(PM)法、Rohwer(Roh)法、Hamon(Ham)法、Hargreaves(Har)法、Makkink(Mak)法和Priestley-Taylor(PT)法)计算PET。并以PM法月值作为标准,对5种估算方法的经验系数进行修正,再从年、月两个时间尺度和空间尺度分析修正经验系数前后5种估算方法在辽宁省的适用情况。结果表明:①修正前,年尺度上,Mak法、PT法和PM法的结果较为接近,相对误差均在25%以内。月尺度上,PT法相对误差最小为13.96%,其次是Mak法。空间尺度上,5种估算方法在辽东北地区估算精度较低,整体空间差异明显,相对来说PT法估算适用性更好。②修正后,5种估算方法适用性和相关性都有明显的提高,在年尺度上各估算方法与PM法计算结果年际变化大致相同,其中Mak法和PT法最为合适,相对误差均在10%以内,月尺度和空间尺度上,PT法都优于其他方法。因此,在计算辽宁省PET时,本文推荐使用修正经验系数后的PT法,其次是Mak法。

论文以北京市沙河流域为研究区,选择1999—2007年不同季节典型日的TM/ETM+数据,辅助相关气象观测资料,以地表蒸散发遥感反演双层模型为基础,构建了估算沙河流域地表日蒸散发反演系统。该系统包括三部分:基于双层模型的蒸发比估算;日净辐射总量估算;基于蒸发比不变法的日蒸散发估算。模拟的典型日序列中,春季晴日流域日均蒸散发约为2.28 mm、夏季2.97 mm、秋季1.59 mm、冬季0.5 mm;以林地为主的流域上游山区日蒸散发普遍高于以居民地和农田为主的下游平原区,上下游春、秋、冬季空间差别较大,夏季较小。估算结果与贾贞贞等、徐自为等利用大孔径闪烁仪和涡动相关仪的观测值对比,相对误差介于0...

蒸散发作为水文循环和能量平衡联系的纽带，对全球和区域水文过程起着重要作用。本文基于Ｂｕｄｙｋｏ假设，采用全国７１个典型流域的水文气象资料，分析了不同水热模型对蒸散发估算精度的影响，并进一步阐释了不同气候和植被类型下蒸散发对降水、潜在蒸散发和下垫面特征的敏感性。结果表明：（１）水热模型加入反映下垫面特征的参数后，蒸散发的估算精度能得到显著的提高；（２）蒸散发的敏感性分析结果表明，干旱流域蒸散发对降水最为敏感，其次是下垫面参数和潜在蒸散发；湿润流域蒸散发对下垫面参数最为敏感，其次是潜在蒸散发和降水；（３）对于不同植被类型的流域而言，森林流域和混合流域蒸散发对降水和下垫面参数变化最为敏感，草地流域蒸．．．

以涡度相关法的实测资料为标准,对波文比—能量平衡法、空气动力学法、Penman-Monteith模型、Shuttleworth-Wallace模型进行对比研究,并分析了各种方法的精度和灵敏度。结果表明:Penman-Monteith模型和波文比—能量平衡法的精度最高,Shuttleworth-Wallace模型和空气动力学法的精度较差。Penman-Monteith模型的稳定性较好,波文比—能量平衡法受Δe和ΔT观测精度的影响大,风温湿观测高度以及下垫面是否均一对空气动力学法影响较大,Shuttleworth-Wallace模型对各类阻抗较为敏感。

论文基于CLM 4.5模拟1980—2009年月尺度中亚陆表蒸散发和土壤水分,并和GLDAS、GLEAM数据产品进行对比,结果表明CLM 4.5模拟的蒸散和土壤水分区域平均值和其他产品具有较好的一致性。从CLM 4.5模拟的陆表蒸散结果分析可知:全年蒸散大部分集中于春夏2季,在5月达到一年的最大值,夏季中亚的蒸散高值区集中在哈萨克斯坦北部和东北部、东南部的山地区,对应主要的农田区和林地区,植被蒸腾占主导因素;春季东南部天山山脉和帕米尔高原是蒸散高值区,主要因为该地区春季降水量较大,且积雪开始融化,水量充足,地表蒸散发充分;蒸散低值区主要在西南的土库曼斯坦和乌兹别克斯坦,地表覆盖以荒漠为主,植被覆盖较少,降水也较少,导致地面蒸散量较低。模拟的表层土壤水分结果表明:冬季陆面蒸散低,降水大多储存在表层土壤内或者以积雪的形式覆盖在地面上,春季气温升高,积雪融化下渗到土壤中,土壤水分持续增加,4月份达到峰值;夏季蒸散增加,降水减少,土壤水分持续下降,9月份达到最低值;进入秋冬季后蒸散降低,土壤水分呈上升趋势。中亚土壤水分高值区集中在北部和东北部的林地、农田区,以及天山山脉和下游的阿姆河、锡尔河流域区,西南部的荒漠区依然是低值区。一年中,夏季降水较少,由于地面蒸发的作用,土壤水分持续较少,蒸散也随之降低。三者之间相关性很高;冬季降水和土壤之间的相关性较高,尤其是裸地区;在植被覆盖较大的情况下,春季降水和蒸散相关性较高,土壤水分和降水、蒸散之间相关性较低,会出现负相关情况。CLM 4.5模拟的结果为进一步中亚地区的水问题研究奠定基础。

蒸散的估算在区域能量平衡和水资源研究中具有重要意义,遥感技术发展促进了区域蒸散的研究。利用安徽省气象资料、MODIS数据产品及GIS背景信息,基于SEBAL模型,按1km空间分辨率进行了面尺度的安徽省日蒸散量估算,并在GIS空间分析模块的支持下对不同土地覆盖类型的日蒸散量进行统计分析。结果表明:遥感估算的蒸散量与利用Penman-Monteith公式计算的蒸散量比较,两者之间具有较好的相关性,遥感蒸散估算值整体偏小,不同土地利用类型的日蒸散量间差异显著。遥感蒸散估算方法在安徽省具有一定的实用性,需优化模型参数,以提高其进一步技术推广的前景。

论文采用多年平均流域水平衡模型,利用黄河中游河口—龙门(即河龙)区间1970~2000年水文气象资料,估算该区陆面蒸散量,并分析其时空变化特征。模型模拟值与水量平衡法计算值复相关系数达0.95,有效系数0.82,均方差19.3 mm。估算相对误差随湿润或干旱程度增强而增大。相对误差对降水量变化的敏感程度以西北干旱草原区最强,南部林区最弱。黄河中游河龙区间多年平均陆面蒸散量384 mm。整个区域陆面蒸散量呈递减趋势,20世纪70~80年代减少幅度较80~90年代剧烈。空间上前期表现为多中心变异格局,而后期则大致呈现南北梯度变化。表明干旱半干旱的河龙区间陆面蒸散量在空间和时间上的多变性。

参考作物蒸散量(ET_0)是评估区域植被耗水进而指导水资源优化管理所需的主要参数之一,但我国大部分地区标准化气象台站稀疏、部分研究点的气象资料通常难以获取,给ET_0的计算带来了很大困难。以地处内陆旱区的内蒙古河套灌区为例,利用该区4个标准气象站1981-2006年的气象资料,讨论了研究点在没有历史气象数据且现有气象数据不完备的情况下,采用临近台站气象数据估算ET_0的可靠性。估算方法分别为估算未知气象数据的FAO56Penman-Monteith方程(PM56)、基于临近台站气象数据校正的经验公式以及利用临近台站气象数据训练的人工神经网络模型。结果表明:(1)在完全没有气象数据的条件下,可采用临近站点的气象数据估算研究点的ET_0,平均绝对误差(MAE)为0.43～0.52 mm d~(-1),均方根误差(RMSE)为0.56～0.63 mm d~(-1);估算精度与台站间的距离有关,利用维度信息校正太阳辐射值可提高估算精度。(2)仅有最高和最低气温数据时,估算气象数据的PM56方程计算误差较大,且站点之间表现不稳定,人工神经网络模型的估算精度最高,MAE和RMSE分别为0.14～0.22mm d~(-1)和0.17～0.29 mm d~(-1);校正后的Hargreaves公式的估算效果次之,MAE和RMSE分别为0.23～0.26 mm d~(-1)和0.30～0.31 mm d~(-1)。(3)在已知温度和辐射数据时,利用临近台站气象数据训练的人工神经网络模型依然表现最好,MAE和RMSE分别为0.13～0.19 mm d~(-1)和0.17～0.25 mm d~(-1),其他两种方法误差较大。在内陆干旱条件下,利用研究点的气温数据结合临近台站的历史气象信息可有效估算参考作物蒸散发。

植被变化可通过改变下垫面条件的方式,调节植被蒸腾与土壤蒸发的分配比例,进而影响区域乃至全球水循环过程。自20世纪90年代以来,我国开展了大规模的植被恢复工程,全国植被覆盖度得到了极大提高,其中尤以黄河中游最为显著。以黄河中游6个典型植被恢复流域为研究对象,利用PML_V2模型和水文气象数据,验证了该模型模拟植被快速变化环境下的蒸散性能,并分析了2003—2018年间植被恢复工程背景下,黄河中游蒸散发(ET)及其组分(植被蒸腾Ec,截留蒸发Ei,土壤蒸发Es)的时空变化格局。结果表明:(1)对比流域水量平衡ET与PML模型结果,发现该模型在黄河中游具有较好的适用性(NSE>0.6)。(2)Ec对ET的分布格局起着主导作用,蒸散发及其组分的空间格局由夏季风作用下的植被空间分布所控制。Ec与ET的空间分布格局较为相似,Es与其相反。ET、Ec、Ei均呈显著增加趋势,Es则呈显著减小趋势,尤以流域中下游最为明显。(3)植被恢复背景下,黄河中游典型流域的蒸散发及其组分发生了明显的变化。相较于所在流域,流域中植被恢复区ET、Ec、Es、Ei分别偏高2.20%、5.86%、0.86%、7.44%,速率分别偏高-0.51 mm/a、0.55 mm/a、-1.11 mm/a、0.05 mm/a。