土壤水分观测历史数据集奇异值分析与校正

针对中国247个农业气象土壤水分观测站点1981 2010年逐旬土壤重量含水量、逐年田间持水量、凋萎湿度和土壤容重,考虑地区气候特点和土壤质地,依据土壤水分极值和水文常数关系理论,制定了土壤水分观测历史数据集质量控制方法,对土壤水分数据奇异值进行分析与校正。结果表明:土壤水分观测历史资料中,奇异值问题可以归结为人工录入误差、多地段水文常数混用误差和年际变化异常;土壤重量含水量数据异常问题归结为小于风干土含水量和大于理论饱和含水量的极端情况。通过对历史数据集质量控制后,可以对土壤水分观测数据进行有效推广应用,为针对土壤水分的研究提供重要科学基础。     

基于自动土壤水分观测数据的吉林省西部干旱预报方法研究

利用吉林省西部10个自动土壤水分观测站数据与人工取土烘干法实测土壤湿度数据,制作吉林省西部土壤墒情监测及干旱预报模型.结果表明:不同气候背景下在作物不同生育期、土壤不同深度、不同初始湿度下的土壤湿度的变化趋势大致相同,但在相同的无降水日数或降水量时,不同台站不同深度的土壤湿度变化率却有一定的差异.各站农田土壤初始湿度越大,无降水时初期墒情下降速率越明显;而土壤湿度初始值越低,则失墒速率越慢.土壤不同深度均是开始时间失墒较快,后期变化逐渐趋于减弱状态.土壤深度越深则水分变化速率越缓,降水量越大,0～50 cm土壤湿度变化曲线整体越接近一致,直到从上而下几层土壤湿度全部达到饱和.通过对2017—2019年吉林省西部玉米农田土壤湿度预报结果和实测值进行对比检验,基于自动土壤水分观测数据的吉林省西部干旱模型预报的准确率超过80％.     

云南土壤水分自动站观测值的业务化检验及其标准

按照土壤水分自动站业务化检验标准对云南2010年建立的20个土壤水分自动站观测值进行了业务化检验,其中17个站点通过业务化检验。为评估业务检验合格站点的数据质量,对检验时段人工对比观测数据进行分析,由于检验时段多分布在雨季,大部分土壤层观测数据的样本标准差较小,导致检验后干季时的土壤自动站与人工观测结果误差较大。将各站点的土壤体积含水量绝对误差转换成土壤相对湿度误差后,土壤相对湿度误差值大于等于10%的土层占有效检验总数的24.4%;误差值小于6%的只占总数的41.2%。分析认为当前土壤水分自动站业务化检验的评判标准值得商榷和论证。     

估算地表热通量和近地层土壤含水量的变分方法

提出一种反演地表感热通量、潜热通量和近地层土壤含水量的变分方法,该方法把不同高度上的风速、位温以及湿度梯度的观测资料与Monin-Obukhov相似理论计算值的偏差、土壤水分蒸发参数化方案估算的蒸发潜热与由相似理论导出值的偏差在地表能量平衡的约束下融合到一个目标泛函数中,采用最优化算法寻求问题的解。利用2001年6月中国暴雨试验与研究项目在安徽肥西观测资料进行了数值验证,结果表明:该方法估算的通量值与Bowen比法具有很好的相关性且又能克服当Bowen比等于-1时计算通量出现的不稳定;同时能克服用廓线法求解热通量与地表能量平衡条件有较大出入的缺点。对观测误差的敏感性试验也表明变分方法是3类方法中最稳定的。反演的近地层土壤含水量对降水具有很好的响应并与观测的0—15 cm深度上平均土壤湿度的变化趋势具有很好的一致性,其绝对偏差小于0.03 m3/m3。     

一种自动土壤水分数据质量控制预警方法

根据实时业务中传输的自动土壤水分监测数据的变化规律,对监测数据异常波动产生的异常值进行预警;通过观测值间相互关系推算相应的土壤水分常数,近似确定土壤孔隙度、最大吸湿水含量,以此确定土壤水分理论上下限并据此开展监测值的上下限预警;参考土壤含水量与水势之间的变化关系,提出水势系数的概念,直接利用计算的水势系数进行土壤水分层间变化的预警等3方面对自动土壤水分监测数据进行质控预警,并针对业务应用设计了相应的预警方案,可实时、有效地检测出异常值。从该预警方案的预警效果分析上看,预警检出率较高主要是"常数预警"和"数值变化预警",反映出小部分自动土壤水分观测站的土壤水分常数异常和部分站点业务运行维护不到位,这与野外实地考察的结论相吻合。预警效果较为客观、可靠,适用于各级土壤水分数据检测和分析服务等业务。     

淮河流域南部丘陵森林地区土壤-植被-大气相互作用:长期野外试验观测的初步分析

本文简要介绍了包括三部分观测的安徽淮南长期野外试验观测站,特别是土壤-植被-大气的集中观测,对小塔运行前三个月(2018年6月至8月)的数据,并结合同一时段大塔获得的数据,进行了初步分析.结果表明这些资料有合理的变化特征,日变化和夏季值特征显著,各月份间气象变化有明显差异.土壤水分和温度受降雨影响,在不同的下垫面条件下表现出不同的变化.土壤CO2日平均浓度在2 cm和10 cm处分别为1726和4481 ppm.2018年夏季土壤CO2浓度随土壤体积含水量的变化而变化,但与土壤温度呈弱相关.     

淮河流域南部丘陵森林地区土壤-植被-大气相互作用:长期野外试验观测的初步分析（英文）

本文简要介绍了包括三部分观测的安徽淮南长期野外试验观测站,特别是土壤-植被-大气的集中观测,对小塔运行前三个月(2018年6月至8月)的数据,并结合同一时段大塔获得的数据,进行了初步分析.结果表明这些资料有合理的变化特征,日变化和夏季值特征显著,各月份间气象变化有明显差异.土壤水分和温度受降雨影响,在不同的下垫面条件下表现出不同的变化.土壤CO_2日平均浓度在2 cm和10 cm处分别为1726和4481 ppm.2018年夏季土壤CO_2浓度随土壤体积含水量的变化而变化,但与土壤温度呈弱相关.     

基于吉林省观测土壤水分的WOFOST模型模拟研究

利用吉林省白城站试验数据进行模型参数调整,通过独立的观测资料对生育期、叶面积指数、地上部分各器官生物量进行模拟验证与评价。以白城站和榆树站代表吉林省西部玉米种植区和中部黄金玉米带参数,利用农业气象观测站发育期资料、气象资料和经过质量控制后的逐日土壤水分自动站观测数据进行模拟。为了提高WOFOST模型模拟精度,将由模型通过降水量计算的土壤体积含水量替换为实测土壤水分计算的体积含水量,采用替换后的土壤体积含水量参与模型下一步运算,以此来模拟2001—2016年春玉米穗生物量变化状况,构建玉米土壤体积含水量改善率(PD)指标,来表征降水驱动和土壤水分驱动对作物模型模拟结果的影响。结果表明:(1)模型对白城站春玉米生育期、叶面积、地上部分总生物量和叶生物量较准确,而穗生物量模拟效果一般。(2)从代表站白城来看,穗生物量模拟值与降水量存在明显正相关,降水偏少的年份土壤模拟效果明显优于降水驱动。(3)从区域来看,以盐碱土为主的地区或降水量偏少的年型下土壤水分驱动效果优于降水驱动;在以黑土为主的区域或降水偏多的年型下,两者模拟效果基本接近。(4)总体来说,利用观测土壤水分替换降水量参与模型能够显著提高模型模拟精度。     

对土壤水分指标的研究

在研究土壤水分时,人们经常使用土壤饱和含水量、田间持水量、凋萎系数、土壤有效水最大存贮量等来表征土壤水分性状。土壤有效水固然是植物根系能吸收的水分,但是当植物蒸腾强烈时,植物对接近凋萎系数的土壤水的吸收速率,远远不能满足叶片蒸腾的需要,植物仍然受到干旱的威胁,因此有必要寻找能表征与作物生长联系得更密切的土壤水分指标。农田实际蒸散量与最大蒸散量之比能反映作物需水与土壤供水的关系,作物层温度与气温差则反映了植物蒸腾强度的变化。晴天白昼,蒸腾是维持叶温较低的重要原因。土壤供水不足,蒸腾速率     

高桥公式在拉萨地区的适用性及其修正

选用1993—1999年拉萨站资料,通过比较多种计算方法得到的潜在蒸散量、高桥浩一郎在1979年提出的基于温度和降水量计算蒸发量的公式所得到的蒸发量以及中日季风试验资料的观测值可知:受温度、水分及相对湿度的影响,潜在蒸散量在5月达到最大值,而蒸发量的最大值则出现在7月。由于青藏高原存在冻土及融冰化雪的特殊现象,水分来源并不完全依靠于降水,所以由高桥浩一郎公式的计算值与观测值之间存在较大差距,温度越高,差值越大;鉴于温度与该差值呈正比关系,可将温度划分为小于0℃,0~5℃,5~10℃,10~15℃,大于15℃共5个等级,在不改变高桥浩一郎公式原有系数的基础上,同时考虑不同的系数对降水量进行修正,修正后的结果明显好于修正前,与观测值更接近。     

有限供水对冬小麦根系生长发育的影响及其对底墒的利用特征

试验在中国气象局固城农业气象试验基地人工控制农田水分试验场进行。在底墒充足的条件下采用三种水分处理:I₁拔节期一次性供水75 mm; I₂返青期供水37.5 mm, 拔节期供水37.5 mm; I_CK生长季内无水分供应。生育期内遮去自然降水。试验结果表明, I₁处理由于有充足的底墒配合有限水分胁迫, 有助于减少冬小麦表土层 (0~30 cm) 的根生物量, 增加根系干物质向土壤深层分配, 挖掘深层土壤水分, 提高了土壤水供应量和有效底墒供水率.另外, I₁处理增加了需水关键期的有效蒸腾耗水比例, 提高了水分利用效率.虽然由于前期的水分胁迫降低了I₁处理总穗数, 但由于增加了籽粒数和籽粒重, 产量反而有所增加。     

内蒙古河套灌区春玉米作物系数试验研究

作物系数曲线是估算作物生长季耗水量变化的重要参数。基于2013年4—9月内蒙古巴彦淖尔市临河区田间水分试验和1994—2013年气象站观测资料,利用水量平衡法反求春玉米作物系数,分析生长季内的变化规律, 建立动态模拟方程,并与联合国粮农组织 (FAO) 分段直线法结果进行比较, 提出胁迫条件下作物系数的叶面积修正方法。结果表明:玉米作物系数随发育进程可用三项式曲线描述,变化趋势与产量水平无关, 但随产量增高而变幅增大;以出苗后相对积温为时间变量建立模拟方程效果较好,决定系数 (R2) 均在0.92以上;模拟计算出各站点最大 (1.30~1.48) 和平均 (0.831~0.919) 作物系数,与FAO分段直线法计算的典型值和区间值基本一致,生长中期平均相对误差为3.4%~7.2%;提出利用相对叶面积指数修正作物系数的计算方法;通过2014年实例检验,土壤水分模拟值与实测值的平均相对误差为6.3%,相对误差小于15%的占95.8%。     

WOFOST模型蒸散过程改进对玉米干旱模拟影响

分别利用优化蒸散计算（PM方案）、作物系数（CC方案）和二者同时优化（PMCC方案）改进WOFOST模型,基于降水适宜年（2012年）和干旱年（2015年和2018年）在辽宁省锦州开展的玉米分期（4月20日、4月30日和5月10日）播种试验资料评价模型改进效果。结果表明:2012年,PM方案可增大潜在蒸散,CC方案在作物系数小（大）于1时使潜在蒸散减小（增大）;3个方案对叶面积指数、地上生物量和土壤湿度模拟几乎不产生影响。2015年,PM方案的拔节后叶面积指数、地上生物量、产量和土壤湿度较原模型明显减小,蒸腾速率在喇叭口期之前增大,之后减小;CC方案在喇叭口期之前蒸腾速率小于原模型,之后大于原模型,其他4个变量略大于原模型。PMCC方案的各变量模拟值介于PM方案和CC方案之间,3个播期模拟精度叶面积指数分别提高6%,21%和3%,地上生物量分别提高8%,8%和14%,产量分别提高66%,63%和66%。2018年,PMCC方案前两播期地上生物量模拟精度分别提高5%和1%,产量模拟精度分别提高32%和5%。PMCC方案可改善模型在干旱条件下的模型性能。     

土壤水分对冬小麦影响机制研究

文中通过试验系统地研究了冬小麦叶片气孔形态与土壤湿度的关系,结果表明:土壤干旱使气孔密度增加,上表皮的密度大于下表皮;气孔开张度随土壤湿度下降而变小;气孔导度与土壤湿度呈指数相关,随土壤含水量的下降呈指数减少。随土壤湿度的改变小麦的生理过程也发生改变,蒸腾速率随土壤湿度下降呈指数减小。并研究了土壤干旱对叶绿素超微结构的影响及与脯氨酸的关系。     

低温、干旱并发对玉米苗期生理过程的影响

该文从低温与干旱并发的角度出发, 探讨其对玉米苗期生理过程、生长发育过程产生的影响。通过2004年人工模拟试验, 定量研究了低温、干旱及低温、干旱并发对玉米苗期生理过程、生长发育的影响。研究结果表明:低温对光合作用速率、蒸腾速率均为负效应, 在土壤相对湿度适宜时, 温度由20 ℃降到16 ℃, 光合作用速率下降22.4%, 蒸腾速率下降44.0%。干旱对光合作用速率、蒸腾速率也是负效应, 在温度适宜, 土壤相对湿度由80%降至50%时, 光合作用速率下降11.5%;土壤相对湿度由60%降至50%时, 蒸腾速率下降2.7%。低温、干旱并发的影响远大于低温、干旱单因子的影响, 温度由20 ℃降至16 ℃, 土壤相对湿度由80%降至50%时, 光合作用速率下降32.1%, 蒸腾速率下降52.7%。     

黑河地区土壤及小麦体内水分动态观测分析

研究了甘肃黑河地区麦田土壤水分的变化动态。对春小麦同部位叶片及不同土壤分析的叶水势、气孔导度和蒸腾强度的日变化规律进行了观测和分析。对春小麦叶鞘、叶片和茎水势的变化民政部进行了比较。分析了土壤水分对叶水势、气孔导度和蒸腾强度的影响。建立了相对应的函数关系。     

自动土壤水分观测资料应用误差分析

根据从国家气象信息中心实时资料数据库读取的自动土壤水分监测资料,对比同日人工测定的土壤相对湿度数据,发现白天各时次自动监测数据与人工监测数据之间均存在15%左右的差异。具体针对监测仪器自身的结构特点以及中国气象局的业务要求,从两种监测方法自身的监测地段代表性、数据测量和换算、监测土层深度、监测时间、土壤水分常数测算、土壤结构变化等多种角度分析数据间存在差异的原因;认为多种可以估算的差异"叠加"在一起时,对比差异最大可能达到20%左右,加上其他误差因素的影响,实际应用中出现15%左右的差异是可以解释的;选择较长序列的站点实测资料进行了数据差异的实况分析。结合业务中常用的墒情等级判断指标,分析数据差异对客观判断构成的数据干扰和数据损失。建议直接利用体积含水量进行业务应用分析,探究全新的自动土壤水分监测数据应用方法,在具体应用中建立相应的指标体系或指标模型,充分发挥自动土壤水分监测的优势。     

青藏高原多雪年与少雪年土壤水热特征模拟分析

利用耦合了陆面过程模式(CLM4.5)的区域气候模式(RegCM4)分别对青藏高原的一个多雪年和少雪年进行了数值模拟.通过对比模拟雪深与遥感雪深、土壤温湿度的模拟值与观测值、多雪年与少雪年的土壤温湿度模拟值,结果表明,RegCM4-CLM4.5可以有效模拟出高原的多雪年与少雪年特征,模拟雪深大值中心比遥感雪深高10～2...