我国主要旱地作物水分供需状况分析及改善对策

建立了一个农田水分计算和评价模型,并利用1961～2000年月平均气候和有关作物资料,计算分析了我国5种主要旱地作物(春小麦、冬小麦、春玉米、夏玉米和棉花)的理论需水量及其时空分布,利用水分订正系数为指标评价作物需水量的满足程度.结果表明,气候条件对不同作物生产影响不同,比如小麦生育期内普遍严重缺水,玉米生育期水分供应比较充足,但在山西、陕西等地,夏玉米的播种期、出苗期及拔节期(6～8月)也存在明显的水分亏缺现象.作者针对我国北方农田干旱严重、水分供需很不平衡的情况,提出了相应的改善建议.     

河北平原冬小麦播种面积收缩及由此节省的水资源量估算

以河北平原1998-2010 年11 地市的农业统计数据和22 个气象站点的逐日气温、降水量、水汽压、风速、日照时数和相对湿度等资料为基础,对该地区冬小麦播种面积的收缩情况及由此引发的耕作制度变化进行了分析;同时,结合作物系数法和逐旬有效降水量法,计算了不同耕作制度下的水分亏缺量,进而估算了该地区因耕作制度变化节省的水资源量。结果表明:① 该时段河北平原11 地市冬小麦的播种面积均呈收缩趋势,总面积下降了16.07%,约49.62×10⁴ hm²。京津唐城市群表现最为明显,下降了47.23%;② 冬小麦的降水满足率仅为20%~30%,而春玉米和夏玉米均为50%以上;冬小麦-夏玉米一年两熟制所需的灌溉水资源量为400~530 mm,而春玉米一年一熟制仅为160~210 mm;③ 该时段河北平原因冬小麦播种面积收缩而节省的灌溉水资源量约为15.96×10⁸ m³/a,相当于南水北调中线一期工程为京津冀三省市供水量的27.85%。     

2006年山东省虚拟水分析

结合山东省的实际情况,运用FAO提供的农作物潜在蒸散计算方法,初步计算得到2006年山东省生产产品和居民消费的产品中的虚拟水含量分别为1 808.6×108m3和1 603.0×108m3,分别是实体水资源利用量的9.1和8.0倍。农作物产品虚拟水占45.5%,动物产品占30.4%,工业产品占22.8%,生活用水占1.4%;其中,粮食消费的虚拟水最大,占总虚拟水消费的18.5%,其次是蔬菜,占16.3%。从虚拟水贸易平衡来看,山东省对外净出口的虚拟水量为-205.6×108m3,而这一部分虚拟水主要是海水水产品和油料。尽管虚拟水战略提供了水资源的一种替代供应方式,但由于市场的不稳定性,也会给地区稳定和粮食安全带来一定的风险,同时,虚拟水的理论与应用也有待深入研究。     

祁连山中部亚高山草地作物系数估算

利用Lysimeter蒸散仪于2011-2014年对祁连山中部黑河上游天涝池流域亚高山草地实际蒸散量进行观测。用FAO Penman-Monteith模型对草地参考蒸散量进行估算,根据草地植被高度结合气象数据,以估算日尺度作物系数,以估算的作物系数与模拟的参考蒸散量计算草地实际蒸散量,并用观测值进行验证。结果表明：FAO改进后的作物系数计算方法适合该区域草地作物系数的计算;以FAO Penman-Monteith模型估算的日蒸散量为0.50~7.26 mm,生长季日均蒸散量有年际变化,2011年 > 2014年 > 2012年 > 2013年。总体来看,土壤蒸发总量年际变化不大,影响蒸散量年际变化的主要部分是植被的蒸腾。     

环境变化对晋中市可利用水资源的影响

环境变化及其对可利用水资源的影响是复杂的,根据50年代以来的大量统计数据分析表明,近30年来,由于自然环境的变化、人类活动的增强,晋中市可利用水资源量处于减少的态势。降水量减少、气温升高是造成水资源减少的根本原因。地下水超采所引起的地下水位持续下降,不仅造成地表产流减少,而且使降水对地下水的补给量减少。作物产量水平的提高,在直接消耗大量水资源和土壤水分的同时,也使农田蒸散加强,从而造成地表径流量和地下水补给量的减少。在新一轮水资源评价中,要充分考虑环境变化对水资源的影响,加强地下水位大埋深条件下,地表产流量,地下水补给量,以及作物产量水平提高对水资源影响的实验研究,以提高新一轮水资源评价成果的精度。     

作物水分利用效率对温度和CO2浓度升高的响应研究进展

以大气CO2浓度和温度升高为主要标志的全球气候变化对作物水分利用效率产生重要影响,作物水分利用效率对CO2浓度和温度升高的响应特征与机理研究,对揭示气候变化对作物生长的影响及其机制具有重要作用和意义。本文分别介绍了作物水分利用效率对CO2浓度和温度升高的响应研究进展,CO2浓度和温度升高对作物水分利用效率的协同效应,以及CO2浓度与温度升高对作物水分利用效率影响的实验研究方法,并提出了作物水分利用效率对CO2浓度和温度升高响应研究仍需要解决的几个关键问题:①多因子协同效应;②不同品种的响应差异;③不同尺度水平的响应过程;④作物水分利用效率对气候变化的适应性。     

A review on statistical models for identifying climate contributions to crop yields

Statistical models using historical data on crop yields and weather to calibrate relatively simple regression equations have been widely and extensively applied in previous studies, and have provided a common alternative to process-based models, which require extensive input data on cultivar, management, and soil conditions. However, very few studies had been conducted to review systematically the previous statistical models for indentifying climate contributions to crop yields. This paper introduces three main statistical methods, i.e., time-series model, cross-section model and panel model, which have been used to identify such issues in the field of agrometeorology. Generally, research spatial scale could be categorized into two types using statistical models, including site scale and regional scale (e.g. global scale, national scale, provincial scale and county scale). Four issues exist in identifying response sensitivity of crop yields to climate change by statistical models. The issues include the extent of spatial and temporal scale, non-climatic trend removal, colinearity existing in climate variables and non-consideration of adaptations. Respective resolutions for the above four issues have been put forward in the section of perspective on the future of statistical models finally.     

基于典型物候特征的MODIS-EVI时间序列数据 农作物种植面积提取方法 —小区域冬小麦实验研究

利用MODIS植被指数时间序列这一特性,以北京市通州及周边为实验区,冬小麦种植面积为研究对象,提出 了农作物种植面积指数模型(Pan-CPI模型)的概念,并构造了冬小麦特征物候期植被指数与种植面积的定量函数关系, 通过样区TM影像求解关键参数,对研究区冬小麦种植面积测量方法进行了试验研究。研究结果表明：(1)Pan-CPI模 型能够很好地反映特定目标农作物种植面积状况,为基于植被指数时间序列影像识别农作物种植面积提供了新方法; (2)精度分析结果表明：Pan-CPI模型具有很高的稳定性,且不受样本变化的影响,只要达到满足模型计算的样本量(如： 5%),多次测量结果间具有很好的一致性。选取MODIS 6×6像元大小的窗口时,TM样本的复相关系数(R2)稳定在0.85 左右,与TM结果比较,窗口相对精度稳定在95%左右,区域精度稳定在92%以上,经调整的区域精度高达96%以上; (3)对于种植结构复杂、目标作物种植破碎的地区,Pan-CPI模型可以充分利用MODIS植被指数时间序列的优势,有效改 善TM单时相和多时相提取信息因时相缺失无法表征作物变化的不足。     

用多变量灰色预测模型模拟预测参考作物蒸散量的研究

当观测资料的数据量少而又存在多个相互影响或关联的变量时,常用的灰色预测模型GM（1,1）不能全面考虑多个变量。为此,采用自适应MGM（1,n）模型—多变量灰色预测模型,较好地解决了这一问题。针对一些地区气象数据较少甚至缺失的情况,以内蒙古正蓝旗的气象资料用Penman-Monteith计算的参考作物蒸散量（ET0）为研究对象,运用灰色系统理论建立MGM（1,3）模型,模拟预测参考作物蒸散量变化规律,并与GM（1,1）模型和BP神经网络模型比较,结果表明MGM（1,3）模型有较好的预测效果。