CN108491963A - 一种考虑植被生长季节演替的蒸散发计算方法 - Google Patents

一种考虑植被生长季节演替的蒸散发计算方法 Download PDF

Info

Publication number
CN108491963A
CN108491963A CN201810202903.6A CN201810202903A CN108491963A CN 108491963 A CN108491963 A CN 108491963A CN 201810202903 A CN201810202903 A CN 201810202903A CN 108491963 A CN108491963 A CN 108491963A
Authority
CN
China
Prior art keywords
evapotranspiration
data
day part
period
actual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810202903.6A
Other languages
English (en)
Inventor
李彬权
梁忠民
胡义明
王军
郦于杰
唐甜甜
肖章玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201810202903.6A priority Critical patent/CN108491963A/zh
Publication of CN108491963A publication Critical patent/CN108491963A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Abstract

本发明公开一种考虑植被生长季节演替的蒸散发计算方法，用于中长期径流预报的蒸散发计算。本发明利用流域气象水文观测历史数据，获得流域内对应不同季节变化的各时段实际蒸发量数据，并计算各时段蒸散发量参考值，进而解析流域蒸发季节演替规律，构建流域实际蒸散发、参考作物蒸散发与季节时间三者之间的定量函数关系。由此在进行预报时，利用已建立的函数关系，根据气象水文预报数据，计算流域内特定季节时段的蒸散发量参考值，进而可得到相应季节时段的实际蒸散发量。本发明可解决中长期尺度的流域实际蒸散发计算难题，具有较强的工程意义。

Description

一种考虑植被生长季节演替的蒸散发计算方法
技术领域
本发明涉及中长期径流预报技术领域，特别是一种考虑植被生长季节演替的蒸散发计算方法。
背景技术
应用流域水文模型是进行中长期径流预报的有效途径之一。然而，不同于短期洪水预报中降雨起主导作用、蒸发起次要作用的特点，中长期径流预报中蒸发与降雨起同等作用。长时段的蒸散发量受控于季节性气象条件、植被生长过程及下垫面状况；由于没有预见期内蒸发皿蒸发资料，因此不能采用水面蒸发皿蒸发折算的方法计算蒸散发量。为此，在构建用于中长期径流预报的水文模型时，需要一种能够考虑不同季节植被条件变化的蒸散发计算方法。
目前，中长期尺度的蒸散发计算主要以建立实际蒸散发量与降雨、土壤含水量、蒸发能力的函数关系，通过模型率定方式确定具体参数值，不能反映不同季节植被生长状况对蒸散发计算的影响。
名词解释
FAO(56)Penman-Monteith公式，表示植物群体蒸腾的潜热通量密度方程,为对彭曼公式的扩充。
发明内容
本发明的目的是提供一种考虑植被生长季节演替的蒸散发计算方法，其考虑实际蒸散发量与季节-植被-土壤条件的量化关系，解决长时间尺度蒸散发量计算精度不高的问题，进而为中长期径流预报提供更可靠的蒸发数据基础。
本发明采取的技术方案为：一种考虑植被生长季节演替的蒸散发计算方法，包括：
S1，获取多个连续时长至少为一年的气象水文观测历史数据序列，将各气象水文观测历史数据序列按照季节分别划分为一年内多个时段气象水文观测历史数据序列；
S2，基于S1得到的各时段气象水文观测历史数据序列，获取历史各时段的实际蒸散发量数据ET；
S3，根据S1得到的各时段气象水文观测历史数据序列，计算历史各时段的蒸散发量参考值ET0；
S4，定义各时段实际蒸散发量与参考蒸散发量的比值Y＝ET/ET0，计算历史各时段的比值Y；
S5，基于S4得到的各时段T及其相应的比值Y，以比值Y为因变量，时段T为自变量，建立比值Y与一年内不同时段之间的统计关系模型；
S6，获取中长期径流预报中对应预见期的气象水文预测数据，基于获取到数据计算得到预见期内各时段的作物蒸散发量参考值
S7，基于S6得到的预见期各时段Tforecast的作物蒸散发量参考值利用S5建立的统计关系模型，计算得到预见期各时段的实际蒸散发量数据ETforecast。
S7中，当预见期时段确定，则对应的比值Y可根据统计关系模型计算得到，然后将预见期相应时段的作物蒸散发量参考值代入比值关系式Y＝ET/ET0，即可得到实际蒸散发量数据ETforecast。
优选的，S1中，各时段的实际蒸散发量数据，为根据气象水文观测历史数据中对应时段的降水、土壤含水量和流量数据，利用水量平衡公式计算得到。
进一步的，水量平衡公式为ETi＝Pi-Ri-(Wi-Wi-1)，其中ETi为第i个时段的实际蒸散发量数据，Pi为第i个时段的降水量数据，Ri第i个时段的为径流深度数据，Wi第i个时段的土壤含水量数据。
优选的，S1中，样本数据中各时段的实际蒸散发量数据，为利用同期进行的蒸渗仪实验获得。具体为，在典型下垫面条件的空间上相对均匀地布置若干个小型蒸渗仪实验点，开展一年以上实际蒸散发的连续观测，进而计算得到与样本数据相应空间的各时段实际蒸发量数据。
以上两种实际蒸散发量数据的获得方法为现有技术。
优选的，S2中，各时段的蒸散发量参考值，为根据样本数据中的蒸散发量相关数据，利用FAO(56)Penman-Monteith公式计算得到。
优选的，S6中，预见期内各时段的参考作物蒸散发量，为根据预报的气象水文预测数据，利用FAO(56)Penman-Monteith公式计算得到。
联合国粮食与农业组织推荐的FAO(56)Penman-Monteith公式及计算过程为现有技术。预见期气象水文资料的预测过程为现有技术，且不在本发明研究范围内。
本发明所述按照季节划分可理解为按照季节以及季节所处月份进行划分，即可划分为对应四个季节的时段数据序列，也可划分为对应12个月份的时段数据序列，或者其它与季节变化相应的时段划分形式。
优选的，本发明S1获取的各气象水文观测历史数据序列包括一年内连续12个月份的气象水文观测历史数据；S1中将每个月份看做一个时段。即每个月份的气象水文观测历史数据序列为一个时段气象水文观测历史数据序列。
进一步的，S5中，所述统计关系模型为采用最小二乘拟合方法建立的，各月份比值Y与相应月份T之间的统计关系模型Y＝f(T)。
S6获取的气象水文预测数据为预见期可为任意时段的气象水文预测数据。将利用步骤S6计算得到的预见期内相应月份的作物蒸散发量参考值，及其相应月份，代入统计关系模型，即可得到相应月份的实际蒸散发量数据。
有益效果
本发明通过解析流域蒸发季节演替规律，构建流域实际蒸散发～参考作物蒸散发～时间三者之间的定量函数关系，由此根据气象预报数据计算预见期的流域蒸散发量，可提高蒸散发量预测的准确性，解决中长期尺度的流域实际蒸散发计算难题，具有较强的工程意义。
附图说明
图1所示为本发明一种具体实施例的方法流程示意图。
具体实施方式
以下结合附图和具体实施例进一步描述。
本发明采取的技术方案为：一种考虑植被生长季节演替的蒸散发计算方法，包括：
S1，获取多个连续时长至少为一年的气象水文观测历史数据序列，将各气象水文观测历史数据序列按照季节分别划分为一年内多个时段气象水文观测历史数据序列；
S2，基于S1得到的各时段气象水文观测历史数据序列，获取历史各时段的实际蒸散发量数据ET；
S3，根据S1得到的各时段气象水文观测历史数据序列，计算历史各时段的蒸散发量参考值ET0；
S4，定义各时段实际蒸散发量与参考蒸散发量的比值Y＝ET/ET0，计算历史各时段的比值Y；
S5，基于S4得到的各时段T及其相应的比值Y，以比值Y为因变量，时段T为自变量，建立比值Y与一年内不同时段之间的统计关系模型；
S6，获取中长期径流预报中对应预见期的气象水文预测数据，基于获取到数据计算得到预见期内各时段的作物蒸散发量参考值
S7，基于S6得到的预见期各时段Tforecast的作物蒸散发量参考值利用S5建立的统计关系模型，计算得到预见期各时段的实际蒸散发量数据ETforecast。
S7中，当预见期时段确定，则对应的比值Y可根据统计关系模型计算得到，然后将预见期相应时段的作物蒸散发量参考值代入比值关系式Y＝ET/ET0，即可得到实际蒸散发量数据ETforecast。
S1中，各时段的实际蒸散发量数据，为根据气象水文观测历史数据中对应时段的降水、土壤含水量和流量数据，利用水量平衡公式计算得到。
水量平衡公式为ETi＝Pi-Ri-(Wi-Wi-1)，其中ETi为第i个时段的实际蒸散发量数据，Pi为第i个时段的降水量数据，Ri第i个时段的为径流深度数据，Wi第i个时段的土壤含水量数据。
S1中，样本数据中各时段的实际蒸散发量数据，为利用同期进行的蒸渗仪实验获得。具体为，在典型下垫面条件的空间上相对均匀地布置若干个小型蒸渗仪实验点，开展一年以上实际蒸散发的连续观测，进而计算得到与样本数据相应空间的各时段实际蒸发量数据。
S2中，各时段的蒸散发量参考值，为根据样本数据中的蒸散发量相关数据，利用FAO(56)Penman-Monteith公式计算得到。
S6中，预见期内各时段的参考作物蒸散发量，为根据预报的气象水文预测数据，利用FAO(56)Penman-Monteith公式计算得到。
联合国粮食与农业组织推荐的FAO(56)Penman-Monteith公式及计算过程为现有技术。预见期气象水文资料的预测过程为现有技术，且不在本发明研究范围内。
本发明所述按照季节划分可理解为按照季节以及季节所处月份进行划分，即可划分为对应四个季节的时段数据序列，也可划分为对应12个月份的时段数据序列，或者其它与季节变化相应的时段划分形式。
本发明S1获取的各气象水文观测历史数据序列包括一年内连续12个月份的气象水文观测历史数据；S1中将每个月份看做一个时段。即每个月份的气象水文观测历史数据序列为一个时段气象水文观测历史数据序列。
S5中，所述统计关系模型为采用最小二乘拟合方法建立的，各月份比值Y与相应月份T之间的统计关系模型Y＝f(T)。
本发明利用流域气象水文观测历史数据，获得流域内对应不同季节变化的各时段实际蒸发量数据，并计算各时段蒸散发量参考值，进而解析流域蒸发季节演替规律，构建流域实际蒸散发、参考作物蒸散发与季节时间三者之间的定量函数关系。由此在进行预报时，利用已建立的函数关系，根据气象水文预报数据，计算流域内特定季节时段的蒸散发量参考值，进而可得到相应季节时段的实际蒸散发量。本发明可解决中长期尺度的流域实际蒸散发计算难题，具有较强的工程意义。
实施例
现有某地一小流域10年的逐月尺度的降水、土壤含水量、流域径流深等历史水文资料以及气温、相对湿度、风速、太阳辐射等历史气象资料，以及数值天气预报产品提供的未来一年逐月的气温、相对湿度、风速、太阳辐射等预测数据。利用本发明方法，该流域未来一年逐月实际蒸散发量的计算过程为：
S1，定义每年逐月的降水数据序列为P1,P2,...,P12，土壤含水量数据序列为W1,W2,...,W12，径流深度数据序列为R1,R2,...,R12；
S2，根据流域水量平衡公式计算各年份第i个月份的实际蒸散发量ETi＝Pi-Ri-(Wi-Wi-1)，进而得到各年份各月的实际蒸散发量序列数据ET＝(ET1,ET2,...,ET12)；
S3，根据逐月气温、相对湿度、风速和太阳辐射等气象资料，采用联合国粮食与农业组织推荐的FAO(56)Penman-Monteith公式计算得到参考作物蒸散发量序列数据ET0＝(ET0,1,ET0,2,...,ET0,12)；
S4，对步骤S2和S3得到的ET和ET0数据序列，分别计算各年份月份相应的二者比值Yi＝ETi/ET0,i，得到比值序列Y＝(Y1,Y2,...,Y12)；
S5，以比值Y为因变量，月份为自变量，基于历史气象水文数据，采用最小二乘拟合方法建立一年之内不同月份与比值Y之间的统计关系函数模型Y＝f(T)；
S6，在中长期径流预报中，根据未来一年12个月份的气象水文预测数据序列采用FAO(56)Penman-Monteith公式计算得到预见期内参考作物蒸散发量数据序列
S7，将步骤S6得到的(i＝1,2,...,12)及其对应的月份T代入步骤S5得到的统计关系函数Y＝f(T)，即可求解得到未来一年各月份的实际蒸散发量系列
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种考虑植被生长季节演替的蒸散发计算方法，其特征是，包括：
S1，获取多个连续时长至少为一年的气象水文观测历史数据序列，将各气象水文观测历史数据序列按照季节分别划分为一年内多个时段气象水文观测历史数据序列；
S2，基于S1得到的各时段气象水文观测历史数据序列，获取历史各时段的实际蒸散发量数据ET；
S3，根据S1得到的各时段气象水文观测历史数据序列，计算历史各时段的蒸散发量参考值ET0；
S4，定义各时段实际蒸散发量与参考蒸散发量的比值Y＝ET/ET0，计算历史各时段的比值Y；
S5，基于S4得到的各时段T及其相应的比值Y，以比值Y为因变量，时段T为自变量，建立比值Y与一年内不同时段之间的统计关系模型；
S6，获取中长期径流预报中对应预见期的气象水文预测数据，基于获取到数据计算得到预见期内各时段的作物蒸散发量参考值
S7，基于S6得到的预见期各时段Tforecast的作物蒸散发量参考值利用S5建立的统计关系模型，计算得到预见期各时段的实际蒸散发量数据ETforecast。
2.根据权利要求1所述的方法，其特征是，S1中，各时段的实际蒸散发量数据，为根据气象水文观测历史数据中对应时段的降水、土壤含水量和流量数据，利用水量平衡公式计算得到。
3.根据权利要求2所述的方法，其特征是，水量平衡公式为ETi＝Pi-Ri-(Wi-Wi-1)，其中ETi为第i个时段的实际蒸散发量数据，Pi为第i个时段的降水量数据，Ri第i个时段的为径流深度数据，Wi第i个时段的土壤含水量数据。
4.根据权利要求1所述的方法，其特征是，S1中，样本数据中各时段的实际蒸散发量数据，为利用同期进行的蒸渗仪实验获得。
5.根据权利要求1所述的方法，其特征是，S2中，各时段的蒸散发量参考值，为根据样本数据中的蒸散发量相关数据，利用FAO(56)Penman-Monteith公式计算得到。
6.根据权利要求1所述的方法，其特征是，S6中，预见期内各时段的参考作物蒸散发量，为根据预报的气象水文预测数据，利用FAO(56)Penman-Monteith公式计算得到。
7.根据权利要求1所述的方法，其特征是，S1获取的各气象水文观测历史数据序列包括一年内连续12个月份的气象水文观测历史数据；S1中将每个月份看做一个时段。
8.根据权利要求7所述的方法，其特征是，S5中，所述统计关系模型为采用最小二乘拟合方法建立的，各月份比值Y与相应月份T之间的统计关系模型Y＝f(T)。
CN201810202903.6A 2018-03-13 2018-03-13 一种考虑植被生长季节演替的蒸散发计算方法 Pending CN108491963A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810202903.6A CN108491963A (zh) 2018-03-13 2018-03-13 一种考虑植被生长季节演替的蒸散发计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810202903.6A CN108491963A (zh) 2018-03-13 2018-03-13 一种考虑植被生长季节演替的蒸散发计算方法

Publications (1)

Publication Number Publication Date
CN108491963A true CN108491963A (zh) 2018-09-04

Family

ID=63338536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810202903.6A Pending CN108491963A (zh) 2018-03-13 2018-03-13 一种考虑植被生长季节演替的蒸散发计算方法

Country Status (1)

Country Link
CN (1) CN108491963A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110501761A (zh) * 2019-08-23 2019-11-26 中国水利水电科学研究院 一种不同预见期区域作物ETc预测预报方法
CN111461909A (zh) * 2020-04-02 2020-07-28 中国水利水电科学研究院 一种农田蒸散量短期预测方法
CN114462518A (zh) * 2022-01-24 2022-05-10 中国科学院地理科学与资源研究所 考虑多要素空间依赖性的区域蒸散发变化归因分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819050A (zh) * 2012-07-31 2012-12-12 清华大学 一种测定流域蒸发量的方法
KR101770153B1 (ko) * 2016-04-22 2017-08-23 홍익대학교 산학협력단 유효유량을 이용한 하상변동 예측 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819050A (zh) * 2012-07-31 2012-12-12 清华大学 一种测定流域蒸发量的方法
KR101770153B1 (ko) * 2016-04-22 2017-08-23 홍익대학교 산학협력단 유효유량을 이용한 하상변동 예측 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王健等: "利用 Penman-Monteith法和蒸发皿法计算农田蒸散量的研究", 《干旱地区农业研究》 *
陈桂亚等: "气候变化对嘉陵江流域水资源量的影响分析", 《长江科学院院报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110501761A (zh) * 2019-08-23 2019-11-26 中国水利水电科学研究院 一种不同预见期区域作物ETc预测预报方法
CN111461909A (zh) * 2020-04-02 2020-07-28 中国水利水电科学研究院 一种农田蒸散量短期预测方法
CN114462518A (zh) * 2022-01-24 2022-05-10 中国科学院地理科学与资源研究所 考虑多要素空间依赖性的区域蒸散发变化归因分析方法

Similar Documents

Publication Publication Date Title
Bolstad et al. Measured and predicted air temperatures at basin to regional scales in the southern Appalachian mountains
CN105425319B (zh) 基于地面测量数据校正的降雨卫星暴雨同化方法
Huang et al. Modeling evapotranspiration for cucumber plants based on the Shuttleworth-Wallace model in a Venlo-type greenhouse
Mishra et al. Short-term rainfall forecasts as a soft adaptation to climate change in irrigation management in North-East India
Yuan et al. Evapotranspiration and its main controlling mechanism over the desert riparian forests in the lower Tarim River Basin
Yoo et al. Estimation of design water requirement using FAO Penman–Monteith and optimal probability distribution function in South Korea
Li et al. Modelling evapotranspiration in a Central Asian desert ecosystem
CN108491963A (zh) 一种考虑植被生长季节演替的蒸散发计算方法
Guo et al. Crop coefficient for spring maize under plastic mulch based on 12-year eddy covariance observation in the arid region of Northwest China
CN110501761A (zh) 一种不同预见期区域作物ETc预测预报方法
Zarei et al. Comparison of several methods to estimate reference evapotranspiration
Von Gunten et al. Estimating climate-change effects on a Mediterranean catchment under various irrigation conditions
Issaka et al. Analysis and calibration of empirical relationships for estimating evapotranspiration in Qatar: Case study
Doody et al. Development of pan coefficients for estimating evapotranspiration from riparian woody vegetation
Algretawee et al. Modeling of evapotranspiration (ETo) in a medium urban park within a megacity by using artificial neural network (ANN) model
Yanagawa et al. Tolerance of canola to drought and salinity stresses in terms of root water uptake model parameters
Camporese et al. Efficient irrigation of maize through soil moisture monitoring and modeling
Agrawal et al. Modeling water balance parameters for rainfed rice
Eslamian et al. Measurement and modelling of the water requirement of some greenhouse crops with artificial neural networks and genetic algorithm
Cordery et al. Forecasting wheat yields using a water budgeting model
CN112715322B (zh) 一种农业灌溉用水获取方法和装置
Riveros-Burgos et al. Parameterization of a clumped model to directly simulate actual evapotranspiration over a superintensive drip-irrigated olive orchard
Wang et al. Estimation of potential evapotranspiration in the mountainous Panama Canal watershed
Ghaju et al. Evaluation of satellite based precipitations and their applicability for rainfall runoff modelling in Narayani Basin of Nepal
Yin et al. Integration of remote sensing evapotranspiration (ET) model and hydrologic model for mapping daily ET time series at river basin scale

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180904

RJ01 Rejection of invention patent application after publication