水稻蒸散特征及日尺度作物系数估算*5

高　磊，申双和，邵立瑛，褚荣浩，谭诗琪（江苏省农业气象重点实验室/气象灾害预警预报与健估协同创新中心，南京信息工程大学，南京 210044）



水稻蒸散特征及日尺度作物系数估算*5

高磊，申双和**，邵立瑛，褚荣浩，谭诗琪
（江苏省农业气象重点实验室/气象灾害预警预报与健估协同创新中心，南京信息工程大学，南京 210044）

摘要：基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料，对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析，并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化，峰值出现在分蘖-拔节期；逐日实际蒸散量变化则表现为双峰型，耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致，但二者在数值上具有较大差异，建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明，其拟合度为0.887，将模型应用于计算水稻农田蒸散量，其拟合度为0.943，说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子，在一定程度上简化了水稻作物系数的计算过程，明确了不同类型因子对水稻作物系数的影响程度，可应用于水稻作物系数的连续动态估算。

关键词：蒸渗仪；水稻；蒸散；作物系数模型

高磊,申双和,邵立瑛,等.水稻蒸散特征及日尺度作物系数估算[J].中国农业气象,2016,37(2):158-165

蒸散是土壤—植被—大气系统中水分运动重要而复杂的物理过程，在地表水分循环过程中扮演极其重要的角色[1]，它不仅对植物的生长发育、大气环流、气候的调节起到重要作用[2-3]，也是联系植物气孔行为、碳交换和水分利用的关键生态过程[4]。水稻作为世界三大主要粮食作物之一，其农田水分消耗的主要形式为蒸散，为了减少稻田不必要的水分流失，可将水稻蒸散提供的反馈信息用于指导灌溉。因此，对水稻蒸散量的获取、蒸散特征的定量表达及其影响因子的深入了解，对该地区水稻农田的精量灌溉及可持续发展具有重要意义。

目前，作物蒸散量的获取主要通过测定和模型模拟两种途径。其中，作物蒸散量的测定方法较多，大致可归纳为水文学方法、微气象方法、植物生理学方法、遥感遥测法等[1]，这些测定方法对仪器设备、操作技术以及气象环境均有较高要求，难以在实际中广泛运用[1，5-9]。因此，近年来，国内外诸多学者提出了多种估算作物蒸散量的模型，如用于计算日时间尺度甚至更小尺度蒸散量的P-M模型[10]和Prierstley-Taylor[11-13]等模型，计算月尺度蒸散量的Thornthwaite模型，以及用于计算冠层稠密条件下实际蒸散的Penman-Monteith（P-M）单源模型[10]和冠层稀疏条件下的Shuttleworth-Wallace（S-W）双源模型[14-15]。联合国粮农组织（FAO）总结了现有模型的优缺点，提出一种估算作物实际蒸散的标准方法，即利用修正的P-M模型计算参考作物蒸散量，然后利用作物系数K乘以参考作物蒸散量得到作物的实际蒸散，这种方法在世界范围内得到广泛运用[16]，作物系数作为该方法的重要参数，其确定已成为作物需水量研究的关键问题。然而，FAO仅推荐了作物生长发育的4个特定阶段（初始阶段、发育阶段、中期阶段和后期阶段）的作物系数，简单地采用FAO推荐的作物系数计算得到的蒸散结果与作物实际蒸散会存在较大偏差[17-18]，而且得不到整个生育期内的连续动态的估算结果，为此国内外学者建立了多种作物系数模型，如Wright等[19]采用3次多项式分阶段对作物系数进行了详细研究，Steele等[20]以播后天数为变量，采用5次多项式进行回归分析，确定了玉米的作物系数连续动态曲线，国内学者孙景生等[21]建立了春小麦作物系数与播后天数和生育期积温的多项式模型，彭世彰等[22]根据水稻冠层叶面积指数、天顶角绿叶覆盖率等因素确定了作物系数计算公式，这些作物系数模型虽然取得相应效果，但是基于作物系数影响因子的作物系数模型并未见报道，虽然雷志栋等[23]建立了基于叶面积指数的作物系数模型，并探讨了作物系数与叶面积指数、太阳辐射、风速和相对湿度的关系，但是利用气象因子计算作物系数的方法没有给出。因此，研究影响作物系数动态变化的因子，建立日尺度作物系数模型，对了解生育期内作物系数的动态特征，精确估算作物实际蒸散量具有实际意义。

1　材料与方法

1.1试验地概况

试验地点位于南京信息工程大学农业气象试验站（32°14′N，118°42′E）。该试验站地处中纬度地区，冬冷夏热，四季分明，属亚热带季风气候区，年平均降水量约1100.0mm，年平均气温15.6℃，年极端最高气温39.7℃，最低气温-13.1℃。试验地地势平坦，壤质黏土，耕层土壤黏粒含量26.1%；0-100cm土层平均田间持水量19.3%～23.1%（重量含水量），凋萎系数6.2%～8.7%（重量含水量），平均干容重1.39g·cm-3，有机碳和全氮含量分别为19.4、11.5g·kg-1。试验站内设有气象站，按照国家气象局的地面气象观测规范进行气温、湿度、降水、辐射、风速、气压和地温的气象观测。

1.2试验设计与方法

供试作物为水稻（南粳46），于2012年6月29日移栽，11月8日收割，种植密度为30·m-2，每株2茎。水稻移栽后浅水活根，分蘖盛期落干烤田，幼穗分化开始后进行间歇灌溉直至成熟。其它施肥、除草等田间管理与当地稻田一致。

采用自动称重式圆形蒸渗仪（LG-Ⅱ，兰州产）测定水稻实际蒸散量，测定面积4m2，土体深度2.6m，数据采集间隔时间60min，精度为0.01mm。

按照地面气象观测规范，使用试验站内自动气象站进行气温、湿度、降水、太阳辐射(太阳短波、地面短波、地面长波、大气长波)、风速、气压等的观测，时间间隔为10min。

利用土壤湿度自动观测仪观测蒸渗仪内外5、20、40、80cm深处的土壤体积含水率，时间间隔为30min。蒸渗仪内及其周围大田不同深处安装土壤湿度传感器，可长期埋设在地下任意深度连续测量。

利用冠层分析仪（LAI-2000，USA）直接测定蒸渗仪内和周围大田的水稻叶面积指数。由于水稻移栽-分蘖期叶面积指数较小，叶面积指数测定工作从水稻分蘖开始，选取大田4处地点，做好标记，固定时间和地点用“一上四下”法测定逐日水稻叶面积指数。

1.3蒸渗仪数据处理

大型蒸渗仪所测数据受天气、仪器等因素的影响，因此需要对数据质量进行一定控制：（1）采用10倍方差剔除由于极端天气或仪器故障产生的异常值[24],（2）对降水天气条件下蒸渗仪观测数据的分析表明，当日降水量＜10.0mm，大型蒸渗仪的观测结果较准确，日降水量＞10.0mm，则蒸散量计算值明显偏小甚至出现较大负值[5]，因此，当日降水量低于10.0mm时，蒸渗仪实测日蒸散量与当日降水量之和为修正以后的实际日蒸散量；当日降水量高于10.0mm时，则剔除当日数据。为了了解水稻生育期内蒸散的连续变化特征，将剔除以后的缺失数据根据FAO作物系数-参考作物蒸散量法计算的水稻实际蒸散量与蒸渗仪实测蒸散量的拟合趋势线(y=0.6805x+0.5896，R2=0.7471)进行插补，此过程在Excel中操作。但在进行作物系数估算时，为避免因插补数据对结果造成的影响，仅使用未经插补的真实有效数据。

1.4参考作物蒸散量ET0

采用1998年FAO推荐的Penman-Monteith公式[10]计算逐日参考作物蒸散量，其数学表达式为

式中，ET0为参考作物蒸散量（mm·d-1）；Rn为作物表层净辐射（MJ·m-2·d-1），由辐射仪直接观测得到；G为土壤热通量（MJ·m-2·d-1），由G=0.1(ti-ti-1)计算得到，ti为该时段平均气温，ti-1为上一时段平均气温；U2为冠层上方2m处的风速（m·s-1），由气象梯度观测资料直接获取；es为饱和水汽压（kPa）,由日最高气温和日最低气温计算得到；ea为实际水汽压（kPa），由相对湿度和饱和水汽压计算得到；D为饱和水汽压随温度变化曲线的斜率（kPa·℃-1）；Cn和Cd在本研究中取定值900和0.34；g 为干湿球常数（kPa·℃-1），由气压值计算得到。

本试验站自动气象站风速、气压、气温、湿度、降水、净辐射等气象数据为每10min的瞬时值，一天中所有气象数据的平均值即为日尺度参考作物蒸散量，其中净辐射数据单位为W·m-2，由1MJ·m-2·d-1= 11.574W·m-2单位换算可得。

1.5作物系数计算及其模型构建

作物系数(Kc)为实际蒸散量与参考作物蒸散量的比值，它综合反映了各种环境因素和作物对蒸散发的影响[25]，其数学表达式为

式中，ETc为作物实际蒸散值（mm），由大型蒸渗仪实际测得；ET0为参考作物蒸散量（mm），采用FAO Penman-Monteith[10]方法计算。

由作物系数的数学表达式可知，作物系数反应的是作物实际蒸散状况与参考植被的差异，相关文献研究表明[3，26-28]，在作物生长初期，随着作物快速生长，叶面积指数不断增大，地表裸露的土壤被逐渐覆盖，作物系数也随之迅速增大；当叶面积指数增大到一定程度，作物系数对叶面积指数的响应不再明显，而对环境因子的响应效果开始增强。因此，作物系数主要对生物因子（叶面积指数LAI）以及主要环境因子（净辐射Rn、风速U2、温度T、相对湿度RH、土壤含水量RSWC）存在一定的响应，故利用乘法模型建立作物系数模型，即

式中，Kc为作物系数；KLAI为仅受生物因子（即LAI）影响的作物系数；Ke为仅受环境因子影响的作物系数。

同时，将式（2）计算得到的实际作物系数与所测LAI进行拟合，得到仅受LAI影响的作物系数KLAI。近年，不同学者在拟合作物系数和叶面积指数时也采用了不同的拟合方程，如直线拟合[26,29-31]、指数拟合[27，32]、二次曲线拟合[33-34]等，根据作物系数对叶面积指数的响应特征[3，26-28]，本研究采用米氏方程拟合作物系数与叶面积指数，即

式中，a、b为待拟合参数。

根据式（3），用实际作物系数Kc除以拟合得到的KLAI，得到仅受环境因子影响的作物系数Ke,分析Ke与各个环境因子的相关性，并建立回归方程。利用乘法模型，建立最终作物系数模型。

2　结果与分析

2.1水稻生长季日蒸散量变化特征

2.1.1参考作物蒸散量

由图1可见，2012年水稻整个生长季内，逐日参考作物蒸散量整体表现出“单峰型”变化特征。在水稻生长初期，随着日平均气温升高、日照时数增加，参考作物日蒸散量呈波动增加趋势，并在7 月25日（分蘖-拔节期）达到最大值，为9.67mm·d-1；进入秋季，日平均气温逐渐降低、日照时数逐渐减少，参考作物蒸散量随季节变化呈波动减小趋势。在水稻整个生长季内，日参考作物蒸散量为0.54～9.67mm，平均4.20mm·d-1，整个生长季逐日参考作物蒸散量总体以0.26mm·10d-1的速度呈极显著（P＜0.01）减小趋势。

从逐日参考作物蒸散量累积值的变化过程可以看出，6月29日-8月7日（移栽-孕穗期）累积参考作物蒸散量随着气温升高、日照时数延长、太阳辐射增强而迅速增大，呈幂函数曲线特征变化，占总参考作物蒸散量（554.17mm）的42%；之后，累积参考作物蒸散量增长趋势变缓，大致呈线性增长趋势。结合气象资料分析可知，虽然8月上旬当地气温高、太阳辐射强，但由于相对湿度的加大，蒸散过程受到明显抑制，导致累积参考作物蒸散量增长趋势变缓。

图1　2012年6-10月水稻生长季内逐日参考作物蒸散量及其累积值的变化过程Fig. 1　The variation of daily reference evapotranspiration （ET0）and its accumulated value during growth season of paddy rice in Jun. –Oct. 2012

2.1.2实际蒸散量

利用大型蒸渗仪测定的水稻生长期间逐日实际蒸散量和计算得到的累积蒸散量见图2。由图可以看出，逐日实际蒸散量整体趋势表现为双峰曲线，但总体趋势与水稻生育期内参考作物蒸散量变化趋势（图1）基本一致。在水稻全生育期内，移栽-分蘖期（6月29日-7月11日）日蒸散量相对较低，日均蒸散量3.81mm，累积蒸散量为49.52mm ，占全生育期蒸散量（755.81mm）的6.55%；水稻耗水高峰发生在分蘖-抽穗期（7月12日-9月9日），日均蒸散量为6.75mm，累积蒸散量为405.18mm，占全生育期耗水量的53.6%；从水稻乳熟期（9月24日）开始 ，逐日蒸散量呈下降趋势，乳熟-成熟期水稻耗水量仅占全生育期耗水量的17.6%。在水稻全生育期内，日实际蒸散量为0.41～13.03mm，平均5.73mm·d-1，总体以0.16mm·10d-1的速度呈显著（P＜0.05）减小趋势。由图2还可见，两峰之间有一个日蒸散量相对较低的阶段，根据2012年水稻田间管理方案分析可知，可能是由于此日蒸散量相对较低阶段为水稻农田烤田阶段（8月8-23日），由于地表无水层覆盖，蒸散量仅通过稻田土壤蒸发和水稻冠层蒸腾产生，无水面蒸发，由于土壤蒸发量一般小于水面蒸发量，因此导致烤田阶段水稻实际蒸散量出现低谷。

图2　同期逐日实际蒸散量及其累积过程Fig. 2　Variation of daily actual evapotranspiration (ETc)and its accumulated value during the same period

2.2水稻生长季日作物系数的变化特征

由图3可见，水稻生长季内逐日作物系数变化总体呈单峰型。在水稻移栽-分蘖期间，作物系数在波动中呈增大趋势，但从分蘖开始，水稻作物系数迅速增大，并在抽穗-乳熟期达到整个生长季的最大值，随后逐渐减小，并在秋季维持较小值。同时，实际作物系数又表现出一定的分散性，这是由于参考作物蒸散量仅受到气象条件的影响，而水稻蒸散量除受到气象条件影响外，还受作物因素及作物与气象因素相互作用的影响[35]。

FAO推荐标准气候条件下，即半湿润气候区，空气湿度≈45%，风速≈2m·s-1，供水充足，管理良好，生长正常，大面积高产条件下，不同生长阶段水稻作物系数Kcini=1.05，Kcmind=1.2，Kcend=0.9，为了消除南京地区气候条件与标准气候条件之间的差异，根据南京地区湿润频率和气候条件，对FAO推荐值进行修正，修正结果见图3[16]。由图3可见，尽管FAO修正值变化规律与本实验的实测作物系数基本一致，但二者在数值上存在较大差异，产生这种差异的原因在于作物品种、作物生长发育时期、栽培管理措施等的不同。因此，有必要根据当地气象条件及相应试验数据，建立有针对性的水稻作物系数模型，以提高灌溉精度。

图3　同期逐日实际作物系数及FAO修正值Fig. 3　Variation of daily actual crop coefficient and corrected value by FAO during the same period

2.3水稻生长季日作物系数的模拟

2.3.1模型构建

选取2012年水稻分蘖-成熟期（7月11日-10 月15日）晴朗无雨天气条件下并有实测叶面积指数的61d数据进行研究，每隔1d抽取1d数据作为训练样本（30d）进行参数拟合，其余作为检验样本（31d）。利用训练样本中水稻实际作物系数和对应叶面积指数数据在SPSS中建立拟合方程，即

式中，KLAI为仅受生物学因子（LAI）影响的作物系数；系数1.832为KLAI的最大值；0.792为米氏常数，表示KLAI达最大作物系数（1.832）一半时的叶面积指数，此数值越小，作物系数受叶面积指数的影响越敏感，但米氏常数大小仅与作物品种有关。

利用式（5），将实测作物系数Kc进行去除生物因子影响的处理（Kc/KLAI），得到受环境因子影响的作物系数Ke，分析其与净辐射、风速、气温、相对湿度和土壤含水量的相关性（表1），由表1可见，Ke与气温、净辐射呈显著性相关，这两个因子为Ke的主要影响因子。水稻生长对水分的依赖性极强，整个生长季内表层土壤含水量对水稻的生长并不起胁迫作用，因此，忽略土壤含水量对作物系数的影响。

表1　Ke与各环境因子的相关系数Table 1　Correlation coefficient between Keand various environmental factors

根据表1结果，采用多元逐步回归方法分析Ke与空气温度T、净辐射Rn的关系，最终入选因子为空气温度，该式可以解释Ke变化的43.7%。

最优线性回归方程为

利用乘法模型（式3），建立的水稻生育期日作物系数模拟模型为

2.3.2模型检验

将2012年水稻31d的检验样本中叶面积指数和日均气温数据代入式（7），得到作物系数模拟值，与同日实测作物系数（式2）进行对比，同时将利用模拟作物系数值计算的水稻实际蒸散量与同日蒸渗仪实测水稻日蒸散量进行对比，结果见图4。

图4　日作物系数（a）和日蒸散量（b）模拟值与实测值对比Fig. 4　Comparison between simulated and measured values of crop coefficient(a) and daily evapotranspiration(b)

由图4可以看出，水稻作物系数模拟值和实际作物系数散点、实际蒸散量模拟值和实测值散点基本沿1:1线分布，模拟值与实际值的对比未表现出明显的偏大或偏小趋势，数值分布较均一，总体上模型模拟的结果与大型蒸渗仪实测结果较接近。

引入拟合度（R2）对模型作进一步解释，以更深入理解作物系数模型的模拟能力。

式中，y为实测值，y*为模拟值，y为实测值的平均值，n为样本个数。此拟合度指标是一个用于判定非线性回归方程拟合优度的统计参数，当R2=1时，所有观测点全部落在回归曲线上，R2值越接近1，表明非线性方程拟合程度越好；当R2=0时，表示自变量与因变量无此非线性关系。2012年水稻逐日作物系数模拟值与实际值间的R2=0.887，逐日蒸散量模拟值与实际值间的R2=0.943，模型对水稻农田逐日蒸散量的模拟精度较高，说明本文所建立的作物系数模型能较精确地模拟水稻生育期内逐日蒸散量，将此日尺度作物系数模型应用于作物系数-参考作物蒸散量法，则可作为估算水稻农田逐日蒸散量的简便方法之一。

3　结论与讨论

3.1结论

（1）水稻生长季内，逐日参考作物蒸散量呈单峰曲线型变化，并存在明显的季节性变化特征，而实际蒸散却表现为双峰型曲线特征，两峰峰值出现于水稻的分蘖-抽穗期，两峰之间的烤田阶段存在一个日蒸散量相对较低的阶段。

（2）水稻实际作物系数呈单峰曲线变化，整体表现出一定的分散性，并在水稻的抽穗-乳熟期达到最大值；水稻实际作物系数与FAO修正作物系数的比较表明，二者变化规律一致，但即使修正了标准气象条件与当地气象条件的差异，二者作物系数仍具有较大差异，因此需要因地制宜，建立有针对性的水稻作物系数模型。

（3）结合P-M模型及相应的生物因子、气象因子观测数据对水稻作物系数响应因子分析表明：水稻作物系数受叶面积指数、气温、净辐射的影响明显，并在此基础上建立了日尺度的水稻作物系数模型，其拟合度为0.887，将此作物系数模型用于模拟水稻实际蒸散量，拟合度为0.943，模拟精度较高。

3.2讨论

Steiner等[36]认为蒸渗仪法是测量农田蒸散最有代表性的方法，而农田蒸散量的精确测定除受蒸渗仪数量不足、下垫面特性等非人为因素限制，还与蒸渗仪内试种作物的代表性密不可分，Allen等[37]研究指出，为了确保蒸渗仪内的作物生长状况与周围大田一致，要最大限度减少其周围的人为踏踩影响，否则将会产生约30%以上的误差，许迪等[38]也认为只有蒸渗仪内种植的作物与邻近大田作物生长状况相一致，才能确保其代表性。因此，为提高作物实际蒸散量的准确性与真实性，应最大限度减少人为因素对蒸渗仪产生的误差。

水稻逐日作物系数波动范围较大，分散性显著[35]，它反映的是作物的实际情况与参考植被之间的差异，当实际条件更有利于作物蒸散时（实际作物蒸腾潜力大于参考作物、实际阻力小于参考阻力等），作物系数大于1，反之则小于1。王笑影等[17,39]认为确定作物系数最合理的方法就是采用当地试验资料建立有针对性的作物系数，因为FAO提供的作物系数值与实际存在较大差异。王笑影等[17-18,23]证明了不同生长阶段的水稻作物系数存在较大差异，对于水稻烤田这样的特殊生长阶段，其土壤含水量及农田小气候与其它生长发育阶段有较大差异，因此，对于此阶段水稻作物系数的研究有待进一步深入。

本研究水稻作物系数受叶面积指数、空气温度、净辐射影响明显，但是逐步回归分析时，净辐射对水稻作物系数的影响未曾体现，这可能是由于2012年水稻生育期内净辐射对水稻生长的胁迫不显著，造成对模型的影响力不足。王靖等[29]指出土壤含水量是作物系数变化的关键因子，而在本研究中未把土壤含水量作为预测因子纳入考虑范围，是由于本研究区域降水量充足，降水季节分布均匀，无明显的持续干旱，并且整个水稻生长过程中，对水稻农田的间歇性灌溉，使土壤含水量对水稻的生长并未产生胁迫，因此，没有把土壤含水量作为水稻作物系数变化的一个响应因子。在以后的研究中，对于受到干旱胁迫的区域，或者不同类型作物品种，将土壤含水量进行重点考虑。

本研究建立的逐日水稻作物系数模型的优势在于基于作物系数的影响因子（LAI和气象环境），并取得较好模拟效果，但是由于资料来源和试验条件的限制，本文仅对南京地区2012年数据进行研究，在年份及地区上具有一定的特殊性，因此，将此模型用于不同年际不同区域的水稻作物系数模拟并不具有普适性，但是模型建立的思路及方程形式具有一定参考和借鉴作用。如何改进模型，更好地模拟水稻蒸散还需进一步探讨。

参考文献References

[1]胡继超,张佳宝,冯杰,等.蒸散的测定和模拟计算研究进展[J].土壤,2004,36(5):492-497.

Hu J C,Zhang J B,Feng J,et al.Measurement and simulation of evapotranspiration[J].Soils,2004,36(5):492-497.(in Chinese)

[2]孙岚,吴国雄.陆面蒸散对气候变化的影响[J].中国科学D辑(地球科学),2001,31(1): 59-69.

Sun L,Wu G X.Influence of land evapotranspiration on climate variations[J].Science in China Series D(Earth Sciences),2001,31(1): 59-69. (in Chinese)

[3]Suyker A E,Verma S B.Inter-annual water vapor and energy exchange in an irrigated maize-based agroeco-system[J]. Agricultural and Forest Meteorology,2008,148(3):417- 427.

[4]Yair A,Raz-Yassif N.Hydrological processes in a small arid-catchment:scale effects of rainfall and slope length[J]. Geomorphology,2004, 61(1-2):155-169.

[5]杨炳玉,申双和,张富存,等.不同尺寸蒸渗仪测定作物蒸散的田间试验研究[J].中国农业气象, 2015,36(2):161-169.

Yang B Y,Shen S H,Zhang F C,et al.Field experiment on crop evapotranspiration measurements via lysimeters with different scales[J].Agricultural Meteorology of China,2015,36(2): 161-169.(in Chinese)

[6]郭家选,梅旭荣,卢志光,等.测定农田蒸散的涡度相关技术[J].中国农业科学,2004,37(8):1172-1176.

Guo J X,Mei X R,Lu Z G,et al.Field evapotranspiration measurement based on eddy covariance technology [J]. Agricultural Sciences in China,2004,37(8):1172-1176. (in Chinese)

[7]樊引勤.作物蒸发蒸腾量的测定与作物蒸发蒸腾量计算方法的研究[D].杨胡:西北农林科技大学,2001.

Fan Y Q.Study on the method of calculating crop water requirement and measuring crop evapotranspiration [D].Yangling : Northwest Agriculture and Forestry University, 2001.(in Chinese)

[8]贾红.稻田双源蒸散模型研究[D].南京:南京信息工程大学,2008.

Jia H.Estimation of actual evapotranspiration from rice field using dual source model[D].Nanjing:Nanjing University of Information Science & Technology,2008.(in Chinese)

[9]李彦,王勤学,马健,等.盐生荒漠地表水、热与CO2输送的实验研究[J].地理学报,2004,59(1) :34-39.

Li Y,Wang Q X,Ma J,et al.Water,heat and CO2transfer over a salinized desert in the arid area[J].Journal of Geography, 2004,59(1):34-39.(in Chinese)

[10]Monteith J L.Evaporation and environment[A].The state and movement of water in living organism[C].U K:Cambridge University Press,1965:205-234.

[11]Priestley C H B,Taylor R J.On the assessment of surface heat flux and evaporation using large-scale parameters[J]. Monthly Weather Review,1972,100(2):81-92.

[12]Davies J A,Allen C D.Equilibrium,potential and actual evaporation from cropped surfaces in southern Ontario[J]. Journal of Applied Meteorology,1973,12(4): 649-657.

[13]Barton I J.A parameterization of the evaporation from nonsaturated surfaces[J].Journal of Applied Meteorology, 1979,18(1): 43-47.

[14]Shuttleworth W J,Wallance J S.Evaporation from sparse crops an energy combination theory[J].Quarterly Journal of Royal Meteoro1ogical Society,1985,111(465): 839-855.

[15]Shuttleworth W J,Gurney R J.The theoretical relationship between foliage temperature and canopy resistance in sparse crops[J].Quarterly Journal of Royal Meteorological Society, 1990,116(492): 497-519.

[16]Allen R G,Pereira L S,Raes D,et al.Crop evapotranspiration: guidelines for computing crop water requirements[R].Rome: FAO Irrigation and Drainage Paper56,1998.

[17]王笑影,梁文举,闻大中,等.北方稻田蒸散需水分析及其作物系数确定[J].应用生态学报,2005,16(1):69-72.

Wang X Y,Liang W J,Wen D Z,et al.Analysis of paddy field evapotranspiration in North China and calculation of crop coefficient[J].Chinese Journal of Applied Ecology,2005, 16(1):69-72.(in Chinese)

[18]彭世彰,丁加丽,茆智,等.用FAO-56作物系数法推求控制灌溉条件下晚稻作物系数及验证[J].农业工程学报,2007, 23(7):30-34.

Peng S Z,Ding J L,Mao Z,et al.Estimation and verification of crop coefficient for water saving irrigation of late rice using the FAO-56 method[J].Transactions of the CSAE,2007,23(7): 30-34.(in Chinese)

[19]Wright J L,Jensen M E.Development and evaluation of evapotranspiration models for irrigation scheduling[J]. Transactions of the ASAE,1978,21(1):88-96.

[20]Steele D D,Sajid A H,Pruuty L D.New corn evapotranspiration crop curves for southeastern North Dakota[J].Transactions of the ASAE,1996,39(3):931-936.

[21]孙景生,刘祖贵,张寄阳,等.风沙区春小麦作物系数试验研究[J].农业工程学报,2002,18(6):55-58.

Sun J S,Liu Z G,Zhang G Y,et al.Crop coefficients of spring wheat in windy dust area[J].Transactions of the CSAE,2002, 18(6):55-58.(in Chinese)

[22]彭世彰,李荣超.覆膜旱作水稻作物系数试验研究[J].水科学进展,2001,12(3):313-317.

Peng S Z,Li R C.Test for crop coefficients of rice in plasticfilm mulched dryland[J].Advances in Water Science,2001, 12(3):313-317.(in Chinese)

[23]雷志栋,罗毅,杨诗秀,等.利用常规气象资料模拟计算作物系数的探讨[J].农业工程学报,1999,15(3):120-122.

Lei Z D,Luo Y,Yang S X,et al.Calculation of crop coefficient with meteorological data[J].Transactions of the CSAE,1999, 15(3):120-122.(in Chinese)

[24]刘斌,胡继超,赵秀兰,等.应用Penman-Monteith模型估算稻田蒸散的误差分析[J].中国农业气象,2015,36(1):24-32.

Liu B,Hu J C,Zhao X L,et al.Error analysis on evapotranspiration estimation of paddy rice field by Penman-Monteith model[J].Agricultural Meteorology of China,2015, 36(1):24-32.(in Chinese)

[25]Sahin U,Kuslu Y,Tune P,Kiziloglu F M.Determining crop and pancoefficients for cauliflower and red cabbage crops under cool season semiarid climatic condition[J].Agricultural Sciences in China,2009,8(2):167-171.

[26]Kang S Z,Gu B J,Du T S,et al.Crop coefficient and ratio of transpiration to evapotranspiration of winter wheat and maize in a semi-humid region[J].Agricultural Water Management,2003,59(3):239-254.

[27]Sepaskhah A R,Andam M.Crop coefficient of sesame in a semi-arid region of I. R. Iran[J].Agricultural Water Management,2001,49(1):51- 63.

[28]Medeiros G A,Arruda F B,Sakai E,et al.The influence of crop canopy on evapotranspiration and crop coefficient of beans(Phaseolus vulgaris L.)[J].Agricultural Water Management,2001,49(3):211- 224.

[29]王靖,李湘阁,刘恩民.华北平原冬小麦相对蒸散与叶面积指数及表层土壤含水量的关系[J].中国农业生态学报, 2003,11(2):32-34.

Wang J,Li X G,Liu E M,et al.The relationship between relative evapotranspiration and leaf area index and sur face soil water content in winter wheat field of North China Plain[J].Chinese Journal of Eco-Agriculture,2003,11(2):32-34.(in Chinese)

[30]Williams L E,Ayars J E.Grapevine water use and the crop coefficient are linear functions of the shaded area measured beneath the canopy[J].Agricultural and Forest Meteorology, 2005,132(3):201- 211.

[31]Gong D Z,Kang S Z,Yao L M,et al.Estimation of evapotranspiration and its components from an apple orchard in northwest China using sap flow and water balance methods[J].Hydrological Processes,2007,21(7):931- 938.

[32]张喜英,陈素英,裴东.秸秆覆盖下的夏玉米蒸散、水分利用效率和作物系数的变化[J].地理科学进展,2002,21(6): 583-592.

Zhang X Y,Chen S Y,Pei D,et al.Evapotranspiration,yield and crop coefficient of irrigated maize under straw mulch conditions [J].Progress in Geography,2002,21(6):583-592. (in Chinese)

[33]Medeiros G A,Arruda F B,Sakai E.Crop coefficient for irrigated beans de rived using three reference evaporation methods[J].Agricultural and Forest Meteorology,2005, 135(1-4):135-143.

[34]Hanson B R,May D M.Crop coefficients for drip- irrigated processing tomato[J].Agricultural Water Management,2006, 81(3): 381- 399.

[35]Singh K B,Gajri P R,Arora V K.Modelling the effect s of soil and water management practices on the water balance and performance of rice[J].Agricultural Water Management,2001, 49(2) :77 -95.

[36] Steiner J L,Howell T A,Schneider A D.Lysimetric evalution of daily potential evapotranspiration model for grain sorghum[J].Agron.J,1991,83(1):240-247.

[37]Allen R G,Smith M,Perrier A,et al.An update for the definition of reference evapotranspiration[J].ICID Bull,1994, 43(2):1-34．

[38]许迪,刘钰.测定和估算田间作物蒸发量方法研究综述[J].灌溉排水,1997,16(4):54-59.

Xu D,Liu Y.Survey on methods for determining and estimating the evapotranspiration of field crops[J].Irrigation drainage,1997,16(4):54-59.(in Chinese)

[39]刘钰,Pereira R G.对FAO推荐的作物系数计算方法的验证[J].农业工程学报,2000,16(5):26-30.

Liu Y,Pereira R G.Validation of FAO methods for estimating crop coefficients[J].Transactions of the CSAE,2000,16(5): 26-30.(in Chinese)

Evapotranspiration Characteristics and Crop Coefficient Estimation of Paddy Rice

GAO Lei, SHEN Shuang-he, SHAO Li-ying, CHU Rong-hao, TAN Shi-qi
(Jiangsu Key Laboratory of Agricultural Meteology/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China)

Abstract：Based on evapotranspiration data in a lysimeter of paddy rice, the data of biological and meteorological during the growth season in Nanjing in 2012, the reference evapotranspiration (ET0), actual evapotranspiration (ETc), and actual crop coefficient (Kc) of paddy rice were calculated, and the crop coefficient model was established. The results showed that the daily ET0changed as a single peak curve, with the peak at tillering-jointing stage. While the daily ETcchanged as a two-peak type, with the peak at tillering and heading stages respectively. Both ET0and ETcobvious varied as seasonal. The actual crop coefficient (Kc) was consistent with the K corrected by FAO, but their values generally differed. The relationship between establishing model and its affected factors was well, with their R2= 0.887. A model describing relationships between daily Kcand biological factor (LAI) as well as environmental factors (air temperature, net solar radiation) was established and its estimate agreed very well with the actual crop coefficient, and the model was capable of predicting ETcof paddy rice (R2= 0.943) from a formula ETc=KcET0by use of the Kcestimates. This model could help simplify computation of crop coefficient and define the effect of different factors and know well its dynamic characteristics.

Key words：Lysimeter; Paddy rice; Evapotranspiration; Crop coefficient model

doi:10.3969/j.issn.1000-6362.2016.02.005

* 收稿日期：2015-06-30**通讯作者。E-mail：yqzhr@nuist.edu.cn

基金项目：国家重点基础研究发展计划（“973”计划）项目（2010CB950702）；公益性行业（气象）科研专项 （GYHY201106043；GYHY201306046）；干旱气象科学研究-我国北方干旱致灾过程及机理（GYHY201506001）

作者简介：高磊（1991-），硕士生，主要从事农业气象研究。E-mail：gaoleisg@sina.com