利用作物冠气温差估算农田蒸散量

黄凌旭，蔡甲冰，白亮亮， 张宝忠

(1.中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室，北京 100038；2. 国家节水灌溉北京工程技术研究中心，北京 100048)

0 引 言

在当前我国水资源严重短缺的形势下，农业中有关节水问题的解决，几乎都离不开农田蒸散和耗水的估算。准确及时的确定蒸散量，是计算作物水分利用率的前提和分析区域水量平衡的基础，是研究农业高效用水和实施最严格水资源管理的切入点[1]。作物蒸散量的估算方法一直是研究的热点，国内外关于估算作物蒸散量的模型与方法很多，如水量平衡法、彭曼综合法、互补相关法、经验公式法、遥感法等[2-5]。通过这些模型与方法可以得到较准确的作物日蒸散量，但其需要测量和计算的参数较多，模型与方法也比较复杂。

近几十年，随着红外技术的快速发展，手持式红外测温仪、机载或卫星遥感红外传感器测量植被温度被广泛地应用[6-8]。红外测温技术具有测量时间短、测量误差小、近距离测量时不受距离的影响、可连续观测等优点。大量的研究表明作物蒸散量与冠层温度或冠气温差之间关系密切，基于能量平衡原理，可通过冠层温度估算作物蒸散量[9-11]，并进行精量灌溉决策[12,13]。Jackson[14]等(1977年)提出以冠层-空气温度差估算作物日蒸散量的模型，Seguin和Itier[15](1983年)对模型进行改进，得到简化模型。该简化模型具有测量的参数少，模型简单等优点。已有学者对该模型进行验证，并应用模型进行农田日蒸散量的估算[16-19]，其利用的数据往往是不连续的手持红外测温枪观测。本文通过在内蒙古河套灌区解放闸灌域农田设置在线观测系统，连续同步监测玉米和向日葵的冠层温度和田间气象数据，利用线性回归分析Seguin和Itier简化模型在该地区的适用性，并得到估算模型中关键参数，为遥感影像反演地面温度进行区域尺度估算蒸散量提供参考依据。

1 材料与方法

1.1 试验区概况

试验点位于内蒙古自治区河套灌区解放闸灌域沙壕渠试验站(光明二队)，地处东经107°8′16″，北纬40°55′8″，海拔高程1 036 m。解放闸灌域地处干旱半干旱内陆地区，属中温带高原、大陆性气候特征。日照时间长，年蒸发量大，年平均降雨量151.3 mm，年内平均气温9℃。土壤类型为灌淤土，土质以为粉砂壤土为主，有机质含量较低，含盐量较高，地下水位埋深较浅。

1.2 数据监测

利用中国水科院自主研发的CTMS-On line型作物冠层温度及环境因子测量系统，对试验点地面数据连续观测和数据采集。系统主要由旋转云台、高精度红外冠层温度传感器、气象因子传感器、数据采集器等组成，能够在野外长期监测作物冠层温度及气象参数变化。其工作原理是在旋转平台安装一个悬臂，悬臂末端安装红外冠层温度传感器，通过控制旋转平台转动，从而实现对下垫面作物冠层不同采集位置点的扫描。仪器分别布置在主要农作物春玉米和向日葵种植区域，如图1所示。玉米种植的品种为泽玉19，向日葵种植的品种为F2008。

图1 数据采集系统

玉米的种植时间为2015年5月1日，收获时间为9月20日，整个生育期为143 d。向日葵的种植时间为2015年5月28日，收获时间为9月13日，整个生育期为109 d。

(1)冠层温度。通过旋转云台转动，利用测量系统悬臂末端的红外测温探头，实现对下垫面作物冠层10个不同位置点的数据采集，设定旋转云台每小时转动1次。

(2)田间微气象数据。气象因子和环境参数监测传感器安装在红外测温探头同高度的附加悬臂上，采集的参数包括：空气温度、空气湿度、风速、太阳辐射、光合有效辐射、大气压强等，采集时间与冠层温度采集时间一致。

(3)土壤含水量。在仪器下部安装有3层土壤水分传感器，分别位于作物根区10、20和40 cm深度，用来监测土壤含水量。

(4)数据采集时间。本次试验数据采集时间为2015年6月1日到8月31日。在作物生育初期，植被覆盖度较低，仪器测量的温度以地表温度为主，此时的地表温度与空气温度差值较大，但最大温差不超过20 ℃。随着作物不断地生长，植被覆盖度不断增加，仪器测量的温度以冠层温度为主，此时的冠层温度与空气温度差值较小，一般在-5～5 ℃之间。

(5)灌水日期及灌水深度。通过渠道引水进行灌溉，利用梯形堰控制灌溉水量，进行充分灌溉。向日葵和玉米田块的灌水日期和灌水深度见表1。

1.3 计算模型

作物日蒸散量与日净辐射和冠气温差有着密切的关系，Jackson[14]等提出了一种简单的方法，基于冠气温差估算作物日蒸散量：

表1 2015年向日葵和玉米灌水日期和灌水深度

ETd=Rnd-B(Ts-Ta)

(1)

式中：ETd为作物日蒸散量，mm/d；Rnd为日净辐射，mm/d；B为地区综合系数；Ts为瞬时冠层温度，℃；Ta为瞬时空气温度，℃。

Seguin和Itier[15]在此基础上对模型进行了改进，忽略了能量平衡中贡献较小的土壤热通量，得到如下计算公式：

ETd-Rnd=a+b(Ts-Ta)

(2)

模型中参数a和b为经验系数，可根据实测数据通过线性回归方程得到。同时参数a和b的大小与风速和下垫面条件有关，不同的下垫面条件参数a和b会略有不同。Ts和Ta分别为接近中午时刻的瞬时冠层温度和瞬时空气温度，不同时刻的瞬时冠层温度和瞬时空气温度计算得到不同的冠气温差，会对模型估算结果的精度产生影响。通过试验数据分析不同时刻的冠气温差，得到最佳时刻对应的冠气温差，使模型估算的日蒸散量更准确，更接近实际值。

1.4 作物实际蒸散量计算

采用FAO推荐的Penman-Monteith公式[20]计算ET0：

(3)

式中：ET0为参照作物腾发量，mm/d；Rn为作物表面的净辐射，MJ/(m2·d)；G为土壤热通量，MJ/(m2·d)；T为平均气温，℃；U2为2 m高处的平均风速，m/s；es为饱和水汽压，kPa；ea为实际水汽压，kPa；Δ为水汽压曲线斜率，kPa/℃；γ为湿度计常数，kPa/℃。

在玉米和向日葵生育期内进行充分灌溉，作物不发生水分胁迫。采用单作物系数法计算作物实际日蒸散量时，不考虑水分胁迫的影响，计算公式如下：

ETc=KcET0

(4)

式中：ETc为作物实际蒸散量，mm/d；Kc为作物系数。

闫浩芳[21]通过内蒙古河套灌区解放闸灌域2003-2006年实测的微气象资料，基于波文比能量平衡法，计算得到玉米、小麦和向日葵不同生育期的作物系数。玉米和向日葵各生长阶段的天数，分别参照FAO中美国加利福尼亚州玉米和向日葵各生长阶段的天数[20]。本文玉米和向日葵各生育期Kc值参照上述的试验结果，各生长阶段的天数和Kc值见表2。其中快速生长期和生长后期的Kc值可通过生育期天数线性差值得到，然后利用单作物系数法计算玉米和向日葵的实际日蒸散量。

表2 玉米和向日葵各生长阶段天数及Kc值

2 结果与讨论

2.1 生育期内土壤供水情况和冠层温度变化

2.1.1土壤水分情况

试验期内利用烘干法每隔5～7 d同时测量试验区土壤水分，并用其值对CTMS-On line型作物冠层温度及环境因子测量系统中土壤水分传感器测量值进行标定。图2为玉米和向日葵3个月主要生育期内标定后的土壤含水量变化情况。从图中可以看出，玉米0～10和10～20 cm深度处的土壤含水量相差较小，变化趋势基本相同，但20～40 cm深度处土壤含水量明显高于0～10和10～20 cm深度处的土壤含水量；向日葵0～10、10～20和20～40 cm深度处的土壤含水量相差较大。玉米和向日葵0～40 cm深度平均田间持水量(Fc)为0.37，3个月生育期内玉米和向日葵0～40 cm深度土壤含水量的加权平均值除受灌溉、降雨的影响，其他时间土壤含水量的加权平均值均在(0.7～1.0)Fc，表明在主要生育期内玉米和向日葵没有发生水分胁迫。

2.1.2冠气温差变化

图3为玉米生育期典型日内冠气温差(Ts-Ta)和冠层温度Ts变化。从图3中可以看出，在玉米快速生长期、生长中期和生长后期的典型日内，Ts的变化趋势基本相同，都是从上午7∶00开始不断增加，在下午14∶00左右达到最大值，然后开始逐渐减小。在快速生长期的典型日内，(Ts-Ta)的变化波动较大，与Ts的变化趋势基本相同，但在下午13∶00左右达到最大值，比Ts达到最大值提前1 h；然而在生长中期和生长后期的典型日内，与快速生长期相比，(Ts-Ta)的变化波动较小，没有出现明显峰值变化。在快速生长期的典型日内，(Ts-Ta)的变化波动较大，是因为玉米植被覆盖度较低，仪器测量的温度以地表温度为主，地表温度变化较大；而到了生长中期和生长后期，玉米植被覆盖度增加，仪器测量的温度以冠层温度为主，冠层温度变化相对较小，(Ts-Ta)的变化波动也随之减小。

图2 玉米和向日葵生育期内土壤含水量变化

图3 玉米生育期典型日(Ts-Ta)和Ts变化

由图4可以看出，向日葵在3个月主要生育期典型日内，Ts的变化趋势基本相同，从上午7∶00开始不断增加，在下午14∶00～15∶00之间达到最大值，然后开始逐渐减小。在生育初期和快速生长期的典型日内，向日葵(Ts-Ta)的变化波动较大，与Ts的变化趋势基本相同，但最大值出现在下午13∶00-14∶00之间；在生长中期和生长后期的典型日内，与生育初期和快速生长期相比，(Ts-Ta)的变化波动较小，没有出现明显的峰值变化。向日葵典型日内(Ts-Ta)的变化随着向日葵植被覆盖度的增加，其波动由大变小。

图4 向日葵生育期典型日(Ts-Ta)和Ts变化

2.2 利用冠气温差确定作物每日ET

利用连续监测的气象数据及试验地的经纬度和海拔高程，计算得到玉米、向日葵的日蒸散量ETd和日净辐射Rnd。根据玉米、向日葵一天内冠层温度及冠气温差的变化情况，选择一天中10∶00～16∶00之间每小时的冠气温差，分别与(ETd-Rnd)做线性回归分析，从而得到玉米、向日葵日蒸散量模型中参数a、b的最佳值。

2.2.1玉米地参数估算

图5和表3是玉米地计算结果。可见，在玉米3个月的生育期内，(Ts-Ta)与(ETd-Rnd)两者在10∶00-16∶00每个时刻对应的决定系数R2大都在0.6以上，说明两者之间具有较好的线性相关性。随着时刻的变化，R2出现双峰的变化趋势，分别在13∶00和15∶00达到峰值，但在13∶00时峰值最大且为0.690。应用SPSS统计软件对10∶00-16∶00每个时刻的回归系数做t-检验分析，结果均表现出极显著的水平(表3)。其中12∶00、13∶00和14∶00三个时刻的回归系数很接近，分别为-0.113、-0.116和-0.112。从10∶00-16∶00每个时刻对应的均方根误差都很小，13∶00对应的均方根误差最小且为0.122 mm/d。

由以上分析结果可知，13∶00时(Ts-Ta)与(ETd-Rnd)两者之间的线性相关性最好，模型中参数a和b采用13∶00对应的回归方程系数，分别为-0.859和-0.116，进而得到玉米日蒸散量估算模型。

图5 玉米10∶00-16∶00(Ts-Ta)与(ETd-Rnd)关系

时刻R2回归系数均方根误差/(mm·d-1)t检验值显著性水平10∶000．590-0．1430．161-11．132011∶000．613-0．1290．150-11．734012∶000．679-0．1130．123-13．641013∶000．690-0．1160．122-13．605014∶000．614-0．1120．147-11．898015∶000．636-0．1200．139-12．457016∶000．611-0．1420．147-11．8800

2.2.2向日葵地参数估算

由图6及表4可以看出，在向日葵3个月的生育期内，(Ts-Ta)与(ETd-Rnd)两者在10∶00-16∶00每个时刻的决定系数R2大都在0.8以上，说明两者之间具有较好的线性相关性。随着时刻的变化，R2变化趋势是先增加后减少，随后又增加，但在13∶00时最大且为0.864。应用SPSS统计软件对10∶00-16∶00每个时刻的回归系数做t-检验分析，结果均表现出极显著的水平(表4)。其中13∶00、14∶00和15∶00三个时刻的回归系数很接近，分别为-0.343、-0.348和-0.342。从10∶00-16∶00每个时刻对应的均方根误差都很小，13∶00时刻对应的均方根误差最小且为0.408 mm/d。

表4 向日葵10∶00-16∶00(Ts-Ta)与(ETd-Rnd)回归参数统计

图6 向日葵10∶00-16∶00(Ts-Ta)与(ETd-Rnd)关系

由以上分析结果可知，13∶00时(Ts-Ta)与(ETd-Rnd)两者之间的线性相关性最好，模型中参数a和b采用13∶00对应的回归方程系数，分别为0.548和-0.343，进而得到向日葵日蒸散量估算模型。

2.3 讨 论

由以上玉米、向日葵主要生育期内不同时刻的冠气温差估算日蒸散量可知，模型在河套灌区解放闸灌域具有较好的适用性，其中两种作物利用13∶00的冠气温差进行日蒸散量估算时，得到的结果精度最高。模型估算结果精度的提高，依赖于测量数据的准确性，但是在实际测量中，有时由于天气条件的突然变化，导致测量的冠层温度和农田气象数据不准确，会使结果产生误差。同时由于测量时仪器本身也会产生系统误差，以及测量时风速、土壤背景、表面粗糙度等因素的影响，也会使估算的结果产生误差。农田尺度数据测量时不受天气条件(阴天或多云)的影响，可以连续测量，但当进行遥感区域尺度估算作物蒸散量时，遥感影像的获取受天气条件影响很大。

玉米、向日葵日蒸散量估算模型中的参数a、b相差较大，这可能与两种作物的下垫面条件有关。模型在应用过程中具有区域性，在不同区域应用时，需要对模型中的参数进行校正。上述研究在对模型参数进行回归和拟合时，玉米、向日葵进行充分灌溉，在其生育期内不发生水分胁迫。当作物在生育期内发生水分胁迫时，模型的适用性需要进一步研究。

3 结 语

通过河套灌区解放闸灌域2015年6月1日到8月31日连续3个月玉米和向日葵田间实测数据，对Seguin和Itier简化模型在本地区的应用进行了研究和分析，可得到如下初步结论。

(1)(Ts-Ta)与(ETd-Rnd)两者之间具有较好的线性相关性，应用该简化模型估算玉米和向日葵的日蒸散量具有较高的精度；

(2)通过对比分析10∶00-16∶00之间的田间观测数据，玉米和向日葵均在13∶00时(Ts-Ta)与(ETd-Rnd)两者之间线性相关性最佳；

(3)根据13∶00的(Ts-Ta)与(ETd-Rnd)两者线性回归方程，可得玉米日蒸散量估算模型中参数a和b分别为-0.859和-0.116，向日葵日蒸散量估算模型中参数a和b分别为0.548和-0.343；

(4)模型具有地域特征，在其他地区应用时，需要重新确定模型中参数。本研究分析了模型在河套灌区解放闸灌域农田尺度上适用性，结合遥感影像和地面观测进行区域尺度的应用，将是下一步研究重点。

□

[1] Bormann H. Sensitivity analysis of 18 different potential evapotranspiration models to observed climatic change at German climate stations [J]. Climatic Change, 2011,104(3-4):729-753.

[2] 刘 钰,彭致功. 区域蒸散发监测与估算方法研究综述[J]. 中国水利水电科学研究院学报, 2009,7(2):256-264.

[3] 汪明霞,陈晓飞,王铁梁,等. 腾发量的测定和计算方法研究综述[J]. 中国农村水利水电, 2006,(12):9-12.

[4] 易永红,杨大文,刘 钰,等. 区域蒸散发遥感模型研究的进展[J]. 水利学报, 2008,39(9):1 118-1 124.

[5] 鱼腾飞,冯 起,司建华,等. 遥感结合地面观测估算陆地生态系统蒸散发研究综述[J]. 地球科学进展, 2011,26(12):1 260-1 268.

[6] 姚云军,程 浩,赵少华,等. 基于热红外遥感的农田蒸散估算方法研究综述[J]. 地球科学进展, 2012,27(12):1 308-1 318.

[7] 姜艳丰,王 炜,梁存柱,等. 红外测温仪及其在群落冠层温度测定上的应用[J]. 内蒙古科技与经济, 2007,(10):119-120.

[8] Jose A, Juan C, Pablo J, et al. Land surface temperature derived from airborne hyperspectral scanner thermal infrared data[J]. Remote Sensing of Environment, 2006,102:99 -115.

[9] Faver K L, Toole J C, Krieg D R. Short-term estimation of sorghum evapotranspiration from canopy temperature[J]. Agricultural and Forest Meteorology, 1989,48:175-183.

[10] 蔡焕杰,熊运章,邵明安. 计算农田蒸散量的冠层温度法研究[J]. 中国科学院水利部西北水土保持研究所集刊, 1991,(1):57-64.

[11] 王纯枝,宇振荣,毛留喜,等. 基于能量平衡的华北平原农田蒸散量的估算[J]. 中国农业气象, 2008,29(1):42-46.

[12] 蔡甲冰,刘 钰,雷廷武. 精量灌溉决策定量指标研究现状与进展[J]. 水科学进展, 2004,15(4):531-536.

[13] 蔡甲冰,刘 钰,许 迪,等. 基于作物冠气温差的精量灌溉决策研究及其田间验证[J]. 中国水利水电科学研究院学报，2007,5(4):262-268.

[14] Jackson R D, Rbginato R J, and Idso S B. Wheat canopy temperature: a practical tool for evaluating water requirements [J]. Water Resources Research, 1977,13:651-656.

[15] Seguin B, Itier B. Using midday surface temperature to estimate daily evaporation from satellite thermal IR data[J]. Remote Sensing, 1983,4(2):371-383.

[16] Dunkel Z, Szenyan I G. Estimation of areal distribution of evapotranspiration using remotely sensed data during vegetation period in Hungary[J]. Advances in Space Research, 2000,26(7):1 051-1 054．

[17] 郭家选. 基于涡度相关与冠层温度遥感信息的实时农田墒情监测研究[D]. 北京：中国农业科学院，2003.

[18] 郭家选,李玉中,严昌荣,等. 华北平原冬小麦农田蒸散量[J]. 应用生态学报，2006,17(12):2 357-2 362.

[19] 张建君. 农田日蒸散量估算方法研究[D]. 北京：中国农业科学院, 2009.

[20] Allen R G, Pereira L S, Martin D S. Crop Evapotranspiration-Guidelines for Computing Crop Water Requirements[M]. FAO Irrigation and Drainage, Food and Agriculture Organization of the United Nations，Rome, 1998.

[21] 闫浩芳. 内蒙古河套灌区不同作物腾发量及作物系数的研究[D]. 呼和浩特：内蒙古农业大学, 2008.