对中国西南地区四川盆地参考作物蒸散量估算的Hargreaves模型的校准外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

对中国西南地区四川盆地参考作物蒸散量估算的Hargreaves模型的校准

, , , , ,

State Key Laboratory of Hydraulics and Mountain River Engineering amp; College of Water Resource and Hydropower, Sichuan University, Chengdu, China

State Engineering Laboratory of Efficient Water Use of Crops and Disaster Loss Mitigation/Key Laboratory for Dryland Agriculture, Institute of Environment and Sustainable Development in Agriculture, Chinese Academy of Agriculture Sciences, Beijing, China

摘要:准确估计潜在蒸散发（）对水文和生态过程至关重要。 FAO-56 Penman-Monteith（PM）模型对估算具有较高的准确性，但它需要许多不常用的气象输入因子。因此需要一种理想的方法，要求尽可能少的输入数据变量而不影响估计的准确性。基于温度的模型由于它的输入数据，空气温度，可以很容易地监测并且是常用的气候输入之一，所以是一种广泛使用的方法。在基于温度的模型中，需要最大和最小气温作为输入的Hargreaves（HG）模型被认为是最简单和精确的估算方法之一，但是这种方法需要局部校准。本研究利用贝叶斯理论在中国西南四川盆地的19个气象站点校准了HG模型。使用1961-1990年期间的气象数据进行校准，并将1991 - 2014年期间的数据用于验证。结果证实，本地校准的HG模型（平均RRMSE，MAE和NS为0.284,0.433mm / d和0.783）比原始HG模型（平均RRMSE，MAE和NS为0.567,0.9595mm / d和0.134）模拟效果好。校准和原始HG模型在日，月和年的时间尺度上都高估了，但校准的HG模型与PM模型计算的提供了更接近的平均值，这可以证实校准的HG模型的良好性能。因此，只有温度数据可用时，强烈推荐使用校准的HG模型来估算。

关键词：参考蒸散发；HG模型；温度数据；贝叶斯理论；四川盆地

1.引言

预计到2050年，人口增长和日益增长的卡路里和肉类密集饮食消费将使人类粮食需求增加一倍，以满足未来几十年的粮食安全，因此需要对农业用水进行大量改变（Mueller et al., 2012）。与日益依赖灌溉生产形成对比的是，由于个人，农业和工业用户频繁发生干旱和水资源竞争，灌溉用水减少（Martiacute;et et al., 2015a）。农业用水的高效利用是缓解水危机的有效途径之一。作为水平衡和地表能量平衡方程中唯一出现的术语（Xu and Singh, 2005），蒸散过程（ET）在灌溉项目的设计和运行中起着关键作用（Abdullah et al., 2015），其准确性估算对作物需水量计算，灌溉调度，水资源管理和水预算的确额定至关重要（Shiri et al.,2012）。

可以使用数学模型估算ET，通常依赖于根据FAO-56 Penman-Monteith（PM）模型定义的潜在蒸散量（）作为假定参考作物的蒸散速率，假定作物高度为0.12米，固定表面电阻为70 s / m，反照率为0.23，参考表面非常类似于高度一致的绿色草地的广阔表面，积极生长，完全遮蔽地面并充足水分（Allen et al., 1998; Almorox et al., 2015）。 PM方法被推荐作为估算和验证其他模型的唯一标准方法（Allen et al., 1998），它可以应用于各种环境和气候条件下，无需本地校准，并且已经使用宽测量仪进行了验证气候条件范围（Landeras et al., 2008; Shiri et al., 2012）。 PM方法的主要局限是它需要很多不常用的气象输入，特别是在发展中国家（Droogers and Allen, 2002; Almorox et al., 2015）。应该根据输入数据变量尽可能少地选择用于估计的理想方法，并且不影响估计的准确性（Shih，1984; Traore et al., 2010）。因此，基于温度的模型由于其所需的输入数据（空气温度）可以容易且广泛地测量（Mendicino and Senatore, 2013; Almorox et al., 2015），因此是非常特别的。空气温度和太阳辐射解释了变率的至少80％（Priestley and Taylor, 1972; Samani, 2000; Martiacute; et al., 2015b），Hargreaves and Samani（1985）引入了最大，最小温度和地球外辐射来计算太阳辐射，然后他们建立了着名的Hargreaves（缩写为HG）模型来进行估计。它被认为是最简单和准确的估算方法之一（Jensen et al., 1997），并且可以应用温度预报（Luo et al., 2014）应用于的短期预报。 Allen等人（1998）建议当PM模型所需的数据集不完全可用时，将HG模型作为PM替代方法进行估计。 Almorox等人（2015）评估了11种用于估算的基于温度的代表性方法，HG模型在干旱，半干旱，温带，寒冷和极地气候条件下提供了最准确的全球平均表现。尽管已经报道了它的良好的性能，但还是建议HG模型进行局部校准（Allen et al., 1998; Samani, 2000; Hargreaves and Allen, 2003），并应用5天或更长时间的计算（Hargreaves and Allen, 2003）。 HG模型倾向于在高风条件下（风速gt; 3 m / s）低估ET0，并且在高相对湿度或低蒸散率条件下过高估计（Allen et al., 1998; Droogers and Allen, 2002 ; Xu and Singh, 2002; Zhao et al., 2012; Almorox et al., 2015），因此非常需要适合当地日常计算的HG模型的局部校准。

在过去的几十年中，许多研究人员在HG模型的校准上做了很多努力（e.g. Gavilan et al., 2006; Tabari and Talaee, 2011; Berti et al., 2014; Shiri et al., 2014,2015; Martiacute; et al., 2015b; Cobaner et al., 2016; Xu et al.,2016），但这些校准是针对具体地点的，并且不能外推到天气条件完全不同的其他地点（Martiacute; et al., 2015b），还有一些校准后的HG模型比原来的HG模型更复杂（Martinez and Tejero, 2004; Yang and Zhang, 2009; Talaee, 2014）。 此外，使用历史数据校准HG模型直接忽略了气候变化在时间上的连续性，这可能导致校准HG模型在校准年份的良好性能，但是当数据集延伸时，可能出现校准HG模型的不稳定性。 为了减少这种不稳定性，应该考虑一种合适的校准方法。

2010年1月至4月，中国西南发生了严重干旱，影响了6000多万人，造成经济损失超过236.66亿元人民币（36亿美元）（Feng et al., 2014a）。 因此，需要有效的灌溉水管理和水资源分配来提高西南地区的水资源利用效率。 本工作的目的是在中国西南某湿润地区对HG模型进行局部标定，利用贝叶斯算法对HG模型的3个参数进行调整，主要目的是提高HG模型对于精确估计的适用性，提高灌溉水平和提高水分利用效率（Zhang et al., 2013）。

2.材料和方法

2.1. 研究领域和数据集

天气数据来自位于中国西南四川盆地的19个气象站。 四川盆地是中国主要的粮食生产地区之一，面积约26万平方公里，人口9000万。为约7万平方公里灌溉农田提供灌溉用水的着名的都江堰灌溉工程位于四川盆地中心。 根据柯本气候分类，研究区具有温暖的冬季气候（Zhu and Li, 2015），年平均气温、相对湿度和降水量分别为17.4℃，79％和1123 mm（表1）。

1961-2014年的每日气象变量，包括2米处的最大值（），最小值（）和平均（）气温、平均值相对湿度（RH）、10米高的风速（U10）、日照持续时间，分别在四川盆地的19个气象台获得（图1）。具有高质量的数据集从中国气象局国家气候管理中心获取。

表1 四川盆地的气象测站和气象变量