李亞威,劉笑吟,徐哲威,彭翌豪,徐俊增,2
·農業(yè)水土工程·
不同蒸散量時間尺度提升法用于節(jié)水灌溉稻田的對比分析
李亞威1,劉笑吟1※,徐哲威1,彭翌豪1,徐俊增1,2
(1. 河海大學農業(yè)科學與工程學院,南京 211100; 2. 河海大學水文水資源與水利工程科學國家重點實驗室,南京 210098)
蒸散量(ET)時間尺度提升方法能充分利用遙感數據與地面觀測的優(yōu)勢,獲得精確的區(qū)域日尺度估算值,對指導農業(yè)用水管理特別是農田灌溉具有重要的意義。該研究以節(jié)水灌溉稻田為研究對象,基于2015和2016年稻季渦度相關系統(tǒng)實測數據,在能量強制閉合的條件下,選擇4種基于能量平衡原理的蒸散量尺度提升方法,分析了蒸發(fā)比、作物系數、冠層阻力、輻照度比4個尺度轉換因子在節(jié)水灌溉條件下的變化特征,對比了4種方法提升估算日尺度ET與渦度相關系統(tǒng)實測值的差異。結果表明,節(jié)水灌溉條件下蒸發(fā)比、作物系數、冠層阻力3個尺度轉換因子的生育期平均日變化和其他下墊面相比有一定特殊性,輻照度比的變化僅取決于研究區(qū)域所處緯度位置。作物系數法與冠層阻力法以 10:00-11:00小時值估算日蒸散量結果的準確性較好,決定系數和一致性系數分別達到0.92和0.97以上,正弦關系法的模擬效果稍差,但該方法估算效果穩(wěn)定,可作為一種粗略的尺度提升方法。各時段蒸發(fā)比法估算值均存在一定程度的低估,但相關性較好,用考慮飽和水汽壓差的線性關系修正后,10:00-11:00估算結果的準確性和一致性均最好,決定系數和一致性系數分別為0.987和0.996。研究結果明確了適宜長江中下游節(jié)水灌溉稻田ET時間尺度提升各估算方法的較優(yōu)時段,并表明修正后的蒸發(fā)比法提升估算日尺度ET最優(yōu)。
灌溉;蒸散量;熱通量;時間尺度;蒸發(fā)比;作物系數;冠層阻力
水稻是中國第一大糧食作物,產量居世界首位,灌溉用水占農業(yè)總用水量的70%[1],推行稻田節(jié)水灌溉,提高水稻灌溉效率,是當前全球水資源短缺背景下,實現糧食安全、落實“節(jié)水優(yōu)先”的重要保障。節(jié)水灌溉改變了淹灌稻田的土壤水分狀態(tài)和土壤-作物-大氣間的水熱交換,對作物生長及其水土環(huán)境和冠層小氣候都產生了明顯的影響,其中較直接的表現就是蒸散量的變化。
蒸散量(Evapotranspiration,ET)是近地面水熱研究的關鍵,能反映作物生理生長狀況和冠層微氣象,常作為制定灌溉制度、完善農業(yè)水資源管理的重要依據[2]。不同實際需求需要的蒸散量尺度不同,但不同尺度蒸散量又具有明顯的時空變異性。遙感方法實現了從點到面的尺度擴展,獲得的蒸散量能夠較好地反映空間變化規(guī)律,更具有空間代表性,常用來計算灌區(qū)需耗水量和完善灌溉制度。但遙感方法只能獲瞬時蒸散量數據,使用日乃至更大時間尺度蒸散量研究農田水熱平衡傳輸才具有現實意義[3]。同時,如何將遙感瞬時值擴展到日尺度,并將現場小空間尺度觀測數據與遙感觀測區(qū)域數據建立合理聯系,是當前國內外蒸散研究的熱點問題。
目前,基于遙感數據將瞬時ET提升為日ET是估算區(qū)域每日ET的常用手段,一般可通過蒸發(fā)比法、作物系數法、冠層阻力法、Katerji Perrier法、平流干燥度法和日正弦關系法等實現[4-6]。不同研究區(qū)域的最佳估算方法和估算時段受作物種類、土壤類型、冠層結構以及本地氣象條件等因素影響,差異明顯[7]。確定一天中最具代表性的時間段及尺度轉換參數是基于瞬時值估算日ET的關鍵?;谡舭l(fā)比理論,Shuttleworth[8]發(fā)現21個不同站點的蒸發(fā)比(Evaporative Fraction,EF)在晴朗天氣的某時段內變化不大,且被認為是一個很好的衡量全天蒸發(fā)比平均值的指標,全天EF平均值僅比中午高1.5%。隨后有學者基于蒸發(fā)比理論,將正午前后時段的EF看作常數,建立了小時到日尺度的ET轉換模型[9-10]。Allen等[11-12]基于作物系數法和冠層阻力法,通過分析小時尺度的變化特征與日尺度的關系,實現了ET的時間尺度提升。但不同擴展方法的適用性與精度不同,尺度轉換關系的構建又依賴于不同下墊面和氣候環(huán)境條件。蒸發(fā)比、作物系數、冠層阻力作為尺度轉換因子,是研究作物需耗水以及“土壤-作物-大氣”系統(tǒng)水熱轉換與傳輸的關鍵變量,決定了蒸散量提升估算效果[4,6,13]。在中國水熱條件良好的長江中下游稻作區(qū),大多數稻田已經推行節(jié)水灌溉制度。節(jié)水灌溉打破了傳統(tǒng)稻田的淹水狀態(tài),從而明顯改變了稻田ET過程。在節(jié)水灌溉稻田土壤水分干濕交替的特殊狀態(tài)下,了解蒸散的尺度效應以及不同轉換因子的變化特征,對研究節(jié)水稻田的水熱循環(huán)與日蒸散量估算尤為關鍵。
因此,本研究選擇基于蒸發(fā)比、冠層阻力和作物系數的尺度提升方法,對比僅和客觀空間位置和時間參數相關的輻照度比提升方法,分析4個轉換因子在節(jié)水灌溉稻田的日變化特征,同時對比基于4種方法提升估算日尺度蒸散量與節(jié)水灌溉稻田渦度相關系統(tǒng)實測值的差異,探討適宜長江中下游節(jié)水灌溉稻田的時間尺度提升估算方法與代表性時刻,并提出提高估算效果的優(yōu)化思路。研究結果可為遙感瞬時值配合地面觀測準確模擬節(jié)水灌溉稻田日蒸散量提供重要的方法和理論支撐。
在河海大學水文水資源與水利工程科學國家重點實驗室昆山試驗研究基地開展2015和2016年稻季試驗。試驗區(qū)面積約200 m×200 m,地處太湖流域(31°15′15″N,120°57′43″ E),屬亞熱帶南部季風氣候。年降水量1 097.1 mm,年蒸發(fā)量1 365.9 mm,總日照時數2 085.9 h,年平均氣溫15.5℃,平均氣壓101.63 kPa,平均無霜期234 d。試區(qū)常年盛行東南風,在試驗區(qū)西北方向(下風向)安裝渦度相關系統(tǒng),多年來均實施稻麥輪作,6—11月觀測場所監(jiān)測下墊面為控制灌溉稻田,均一、平坦,2015和2016年冠層高度不超過1.0 m(圖1),是渦度相關系統(tǒng)較為理想的下墊面類型。試驗區(qū)土壤為潴育型黃泥土,耕層土壤質地為重壤土,土壤容重1.3 g/cm3,根層土壤飽和含水率(s)、田間持水率(f)和凋萎系數(w)分別平均為50.2%、39.2%和 17.9%(含水率指標均為體積含水率)。試驗種植水稻品種均為南粳46,稻田施肥以及病蟲害防治均按當地農民習慣。
注:2015和2016年水稻移栽時間分別是6月27日和7月1日。
渦度相關(Eddy Covariance,EC)系統(tǒng)(Campbell Scientific Inc., Logan, Utah, USA)主要由CAST3A三維超聲風速儀、EC150開路CO2/H2O分析儀、CR3000數據采集器、HMP155A空氣溫濕度探頭、CNR4四分量凈輻射表、TE525MM雨量桶和HFP01SC熱通量板等組成。觀測內容主要包括感熱通量(Hs)、潛熱通量(LE)、太陽凈輻射(Rn)、土壤熱通量(s)、空氣溫度(a)、空氣相對濕度(RH)、大氣壓(a)、風速()、風向和降雨量()等。土壤熱通量板埋設深度為地表下8 cm,輻射觀測高度為地面上方1.5 m,空氣溫濕探頭觀測高度2 m,三維超聲風速儀和CO2/H2O分析儀安裝高度為地面上方2.5 m,雨量筒觀測高度1.5 m。所有原始數據晝夜連續(xù)自動采集,采樣頻率為10 Hz,通過數據采集器在線計算并儲存0.5 h的統(tǒng)計數據。渦度相關系統(tǒng)配備109土壤溫度傳感器與CS616土壤水分傳感器,同時監(jiān)測0.1、0.2和0.3 m埋深的土壤溫度(s)和土壤體積含水率(),觀測數據與氣象站(WS-STD1, DELTA-T, UK)觀測結果相互補充和驗證。在數據觀測過程中,定期進行日常清理和維護,保證儀器在良好的狀況下運行。
為了實現渦度通量數據的質量保證和質量控制,2015年原始通量數據(10 Hz)用EdiRe軟件預處理[14],2016年安裝了Flux在線處理程序,同樣通過傾斜修正、通量單位轉換及頻率響應修正、對感熱通量的超聲虛溫修正,對潛熱通量的空氣密度脈動訂正等[15],直接得到修正后的通量數據。根據試驗區(qū)大氣條件和主風向,依據Kljun等[16]的計算方法和參數,計算得到本試驗監(jiān)測的通量數據90%來自上風向(東南方向)100~120 m的范圍,同時剔除來自試驗區(qū)邊界以外貢獻源區(qū)的通量數據。對通量數據質量進行嚴格控制和篩選,剔除占數據總量約16%的通量數據,然后進行數據的插補延長[17]。
試驗區(qū)所監(jiān)測稻田水分管理均采用控制灌溉,秧苗本田移栽后,田面保留淺薄水層返青,返青期以后的各生育階段,灌水僅濕潤土壤,不產生水層,以根層土壤含水率()占飽和含水率(s)的60%~80%為灌水下限水分控制指標(各生育期階段水稻控制灌溉根層土壤水分控制指標同文獻[18])。若遇暴雨導致小區(qū)蓄水過多時(田面水層超過5 cm),打開小區(qū)地表排水口及時排水,同時記錄排水前后小區(qū)田面水層,記錄排水量。
試區(qū)土壤含水率由EC系統(tǒng)和TDR (Trase system 1, Soil Moisture Equipment, USA)觀測。EC系統(tǒng)實現土壤水分的連續(xù)觀測,TDR觀測時間為每天上午8:00。TDR測針埋于試驗區(qū)中相對中間的5個典型觀測小區(qū),每個觀測小區(qū)埋兩根,觀測深度根據各個生育階段的水稻根系長度來確定。根據土壤水分數據決策灌溉和排水。試驗期土壤水分逐日變化如圖2所示,其中土壤相對含水率反映0~10 cm土壤的水分狀況。節(jié)水灌溉制度下稻田土壤呈現干濕交替的土壤水分狀態(tài),雖然每年觀測期的降雨和灌溉不同,但降雨和灌水影響下的稻田干濕交替次數均在10次左右。
注:Re, Et, Mt, Lt, Jb, Hf, Mi 和Ye分別代表水稻返青、分蘗前、分蘗中、分蘗后、拔節(jié)孕穗、抽穗開花、乳熟和黃熟期。
1.4.1 能量平衡不閉合與強制閉合
渦度數據處理后一般可用能量平衡閉合程度評價數據質量的可靠性,能量平衡比率(Energy balance ratio, EBR)是評價能量閉合程度最常用的方法之一[19],表示在一定時間內,渦度相關系統(tǒng)觀測到的湍流通量(LE+Hs)與有效能量(Rn–0)之間的比值。
式中EBR為能量平衡比率;LE、Hs、Rn和0分別為潛熱通量、感熱通量、凈輻射和地表土壤熱通量,W/m2。其中0由土壤熱通量板測量通量值s計算得到,計算公式與原理詳見文獻[18]。
本研究計算可得,2015和2016年稻季EBR分別為0.93和0.85。修正后數據質量可靠,但仍然存在一定程度的能量不閉合。研究表明,渦度系統(tǒng)對湍流通量(LE+Hs)的低估是造成能量不閉合的最主要原因[20]。本文用蒸發(fā)比強制閉合法對低估的湍流通量進行修正。蒸發(fā)比強制閉合法假設能量平衡虧缺全部由低估的LE 和Hs 造成,則白天時段低估的湍流通量可根據時段內蒸發(fā)比進行修正,修正方法詳見文獻[18]。夜間修正則根據摩擦風速(*)將不穩(wěn)定通量值剔除后,建立水稻不同生育階段夜間蒸散量與飽和水汽壓差的函數關系,分段插補被剔除的蒸散量值。
1.4.2 蒸散量計算
節(jié)水灌溉稻田蒸散量通過蒸發(fā)比強制閉合法修正后的潛熱通量[21]計算。
式中ET為稻田蒸散量,mm/(0.5h);LE*為修正的潛熱通量,W/m2;為水汽密度,1 000 kg/m3;為汽化潛熱,MJ/kg,=2.501 – (2.361×10-3)a,a為平均空氣溫度,°C,1 800為“s”到“0.5 h”的時間轉換系數。計算出半小時蒸散量后再分別累加計算小時和日尺度(24 h)蒸散量。
1)蒸發(fā)比法
蒸發(fā)比(EF)被定義為潛熱通量除以潛熱加上顯熱通量,即湍流通量,一般認為蒸發(fā)比在白晝期間變化不大。蒸發(fā)比法是基于能量平衡建立的一種尺度轉換方法,能穩(wěn)定、直接地反映能量的分配特征[8],其可用于時到日的時間尺度轉換,計算簡單,所需參數少。在能量平衡條件下,有效能量(Rn–0)等于湍流通量(LE* + Hs*)。因此,基于EF的ET時間尺度提升方法[8,22]可表示為
式中EFi為小時尺度蒸發(fā)比;LE*i和Hs*i為小時尺度潛熱通量和感熱通量均值,W/m2;Rni和0,i為小時尺度凈輻射和地表土壤熱通量均值,W/m2;Rnd和0d為日尺度(24 h)凈輻射和地表土壤熱通量均值,W/m2;ETi為小時尺度蒸散量,mm/h;ETd為日尺度(24 h)蒸散量,mm/h;i和d為小時和日尺度汽化潛熱,J/kg。
2)作物系數法
假定一天內作物系數恒定不變,可由某一時刻的作物系數代替計算,則基于作物系數c的ET時間尺度轉換方法[6]可表示為
式中c,i為小時尺度蒸發(fā)比;ET0,i為小時尺度參考作物蒸散量,mm/h;i和d分別為小時尺度和日尺度飽和水氣壓-溫度曲線的斜率,kPa/°C;s,i和s,d為小時和日尺度飽和水氣壓,kPa;a,i和a,d為小時和日尺度實際水氣壓,kPa;a,i和a,d為小時和日尺度氣溫,°C;i和d為小時和日尺度干濕球常數,kPa/°C;2,i和2,d為2 m高處小時和日尺度風速,m/s;ET0,d為日參考作物蒸散量,mm/d;37和0.24為小時尺度參考作物蒸散量計算系數;900和0.34為日尺度參考作物蒸散量計算系數。
3)冠層阻力法
基于冠層阻力c的ET時間尺度擴展方法[5]表示為
式中c,i為小時尺度冠層阻力均值,s/m;a,i和a,d為小時和日尺度空氣動力學阻力均值,s/m;i和d為小時和日尺度空氣密度均值,kg/m3。
4)正弦關系法
Jackson等[23]研究發(fā)現,蒸散量的日變化過程與太陽輻射在整個白天的過程相似,總太陽輻射與中午時間的瞬時值之比可以近似通過正弦函數表示。因此,該方法基于研究區(qū)域所處緯度位置,根據不同緯度一年中不同階段日照時數和強度的不同,用正弦函數近似計算蒸散量。根據Jackson等的研究假設,瞬時太陽輻射(i)可近似表示為
式中m為中午太陽的最大輻照度,W/m2;為日出后時刻(h);為日出到日落的時間間隔(h),以為單位。將上述方程積分,可得到每日總輻照度(d)為
因此,總日照輻射與時間時的瞬時輻照度的比率()可表示為:
式中和是緯度相關常數,反映一年中最短和最長日照時長;DOY為一年中的日序數(一年中的第幾日);為以度為單位表示的緯度。利用蒸散量與輻射的日變化的相似性,日蒸散總量(ETd)可根據某小時時段蒸散量(ETi)由式(17)計算(夜間蒸散量很小而忽略不計)[5,9]。
本研究基于2015和2016年水稻生育期每日7:00—16:00持續(xù)9 h的測量數據,分別采用蒸發(fā)比法、作物系數法、冠層阻力法和正弦關系法將小時ET測量值擴展到日尺度,并與能量平衡修正后的EC實測值進行對比分析。為方便下文對比分析,以上4種方法計算的蒸散量值依次表示為ETEF、ETKc、ETrc、ETJ,EC實測值表示為ETEC。數據系列的相關性用線性回歸系數和決定系數(2)反映,數據系列的絕對無偏性用均方根誤差(RMSE)評價,相關數據精確度和相對無偏性用一致性系數(IOA)分析。相關指標的計算公式見文獻[24]。
圖3分析了蒸發(fā)比法、作物系數法、冠層阻力法和正弦關系法4種方法在2015和2016年水稻全生育期07:00-16:00間9個時段尺度轉換關鍵參數(蒸發(fā)比、作物系數、冠層阻力、輻照度比)的生育期平均日變化規(guī)律。
從圖3a可知,水稻全生育期平均時蒸發(fā)比(EF)在2015和2016年的變化趨勢相似,總體上呈先減小后增加,但變幅較為平緩。本研究EF均值較高,平均為0.86,可能因為試驗區(qū)屬亞熱帶季風氣候,空氣濕度大,且下墊面為節(jié)水灌溉稻田,土壤含水率()相對較高,無論在一天中什么時段,潛熱蒸散都是能量的主要消耗,因此計算的EF均較高。
作物系數(c)在2015和2016年白天各時段同樣呈先減小后增加的變化趨勢(圖3b),09:00-15:00變幅相對較小,但c變幅較EF大,特別在日出后和日落前,湍流交換劇烈,潛熱通量變化較大,且風速的易變性明顯,使下墊面蒸散能力和蒸散強度均受到影響,c波動較大,而EF的計算忽略了這些影響,假設阻抗是恒定的,所以波動較小。
2015和2016年冠層阻力(c)變化趨勢一致,總體上逐漸增加(圖3c),07:00-08:00時段計算的c為負,隨后增加。08:00-12:00時段r值變化平緩,適宜用作蒸散量尺度提升計算的代表時段。13:00之后,c迅速增加,一方面因為午后大氣穩(wěn)定度高,降低,稻田整體蒸散阻力大;另一方面因為午后太陽凈輻射(Rn)迅速減小,但地表土壤熱通量(0)的減小滯后于Rn,因此計算的有效能量小于實際的有效能量,用P-M公式反算的c偏大,估算的日蒸散量偏小。
圖3d所示為水稻生育期輻照度比()的平均日變化。2015和2016年白天,變化趨勢一致,呈明顯的“U”型變化。因為值無需測量任何指標,僅與計算時段的瞬時輻照度的大小有關,因此,的日內變化幅度大,但變化趨勢穩(wěn)定。
從表1 可看出,2015和2016年,基于EF的時間尺度提升方法9個時段小時值估算的日均值ETEF均小于ETEC,小時蒸發(fā)比越小,估算的日蒸散量越小,中午前后估算值與實測值差異較大。基于c的估算值ETKc在日出后和日落前的模擬誤差較大,其他時刻與實測值均較為接近,其中10:00-11:00、11:00-12:00和13:00-14:00三個時段估算的ETKc值小于ETEC值,其他時段均大于ETEC。基于冠層阻力提升的估算值逐漸減小,由09:00-10:00和10:00-11:00兩個時段估算的ETrc較接近實測值,且從大于ETEC過渡到小于ETEC。正弦關系法估算值ETJ表現為先增加后減小,以10:00-11:00時段估算值達到最大,2015和2016年最大分別為3.956和3.942 mm/d。
圖4~圖7分析了蒸發(fā)比法、作物系數法、冠層阻力法和正弦關系法4種方法不同小時時段(07:00-16:00)估算的日蒸散量與實測值的相關關系。從圖4可知,蒸發(fā)比法的回歸斜率在各時段均小于1,說明用蒸發(fā)比法擴展估算的日尺度蒸散量均小于實測蒸散量。2015和2016年蒸發(fā)比估算值與實測值的回歸斜率均在07:00-08:00時段最接近于1,分別在10:00-11:00和11:00-12:00時段最小,隨后有所增加,但回歸斜率在各時段的變化幅度不大。作物系數法、冠層阻力法和正弦關系法的回歸斜率既有大于1也有小于1的時候,且均在09:00-10:00時段最接近于1,但3種方法的大小變化趨勢不同,從07:00到16:00分別表現為先減小后增加、逐漸減小和先增加后減小。對2015和2016年作物系數法模擬結果的分析還發(fā)現,利用10:00前或14:00點后的時段提升估算的日蒸散量較實測值大,期間時段估算值偏小。正弦關系法與作物系數的估算結果相反,10:00-14:00時段的正弦關系法估算結果較實測值大。冠層阻力法則表現為以10:00為分界點,之前時段的擴展結果較實測值大,之后較實測值小。
表1 4種不同尺度提升方法的日蒸散量估算結果
注:ETEC表示基于渦度相關的日蒸散量實測值;ETEF、ETKc、ETrc和ETJ分別表示采用蒸發(fā)比法、作物系數法、冠層阻力法和正弦關系法將小時ET測量值擴展到日尺度的日蒸散量估算值。
Note: ETECrepresents the actual measured values of daily ET from the EC system; ETEF, ETKc, ETrc, and ETJrepresent the estimated value of daily ET using evaporative fraction, crop coefficient, canopy resistance, and sine function method to upscaling the hourly ET to the daily ET, respectively.
從4種方法估算結果的決定系數2的對比分析發(fā)現(圖5),蒸發(fā)比法的估算效果最好,2在各個時段均大于0.89。作物系數法和冠層阻力法的2在09:00-10:00和10:00-11:00兩個時段均在0.92以上,但在日出后,冠層阻力法的2值較低,2015和2016分別僅為0.438和0.683,13:00之后,作物系數法的估算效果相對最差,15:00-16:00時段最低,2015和2016年均不到0.3。正弦關系法的2值呈明顯的先增加后減小,在11:00-12:00時段相對較高,日出后和日落前均較低。4種方法的模擬效果在10:00-11:00時段最接近。
圖6為基于4種時間尺度提升方法估算日蒸散量與實測蒸散量的均方根誤差RMSE的對比分析。從RMSE的分析可知,蒸發(fā)比法的估算效果在2015和2016年各時段均表現最優(yōu),RMSE變化范圍為0.29~0.65 mm/d。作物系數發(fā)、冠層阻力法和正弦關系法的RMSE整體呈“U”型變化,但在不同時段大小關系不同,分別在10:00-11:00、10:00-11:00和11:00-12:00達到最小。07:00-08:00冠層阻力法的模擬誤差最大,兩年RMSE分別為1.688和1.449 mm/d,15:00-16:00時段作物系數法的模擬誤差最大,RMSE分別達2.123和2.894 mm/d。08:00-11:00三個時段的正弦關系法的RMSE值最大,該方法的估算效果最差。而正午12:00之后,作物系數法的估算效果相對較差。
基于4種時間尺度提升方法估算日蒸散量與實測蒸散量的一致性系數IOA(圖7)分析發(fā)現,蒸發(fā)比法的估算效果依舊最好,IOA均在0.97以上。上午(10:00前)正弦關系法的IOA值相對較低,2015年低于2016年,11:00-12:00時段相對較高(0.974和0.982)。作物系數法和冠層阻力法模擬結果的IOA在09:00-10:00和10:00-11:00兩個時段均大于0.97,但12:00之后,作物系數法的IOA值較低,評價結果與2相似,說明該時段作物系數估算效果相對較低。冠層阻力法的IOA值在07:00-08:00最低,之后迅速增加,與2分析結果相同。以上分析看出,4種方法的模擬效果在10:00-11:00時段最接近,相關性和一致性也相對較好。
以上分析可以看出,對于長江中下游節(jié)水灌溉稻田,作物系數法與冠層阻力法以10:00-11:00小時值估算日蒸散量結果的準確性、相關性和一致性均較好,今后研究可直接配合Terra/Modis(過境時間每日上午10:30左右)瞬時數據估算日尺度蒸散量。正弦關系法的模擬效果稍差,但該方法僅與計算區(qū)域的緯度位置和作物種植時間有關,不受天氣變化和周圍環(huán)境變化的影響,估算效果穩(wěn)定,是一種簡便、粗略的日尺度蒸散量估算方法。蒸發(fā)比法估算結果的相關性和一致性最好,特別是10:00-11:00時段,但估算值存在一定程度的低估。
考慮到蒸發(fā)比提升估算結果具有較好的相關性和一致性,以及產生白天小時蒸發(fā)比與日蒸發(fā)比差異的影響因素,本研究擬對節(jié)水灌溉稻田蒸發(fā)比法的低估問題進行修正。白天各時刻均低估,說明可能忽略了夜間蒸發(fā)比值對日蒸散量計算的影響。考慮飽和水汽壓差(Vapor Pressure Deficit,VPD)是影響夜間蒸散量最重要的因素[28],本研究用含VPD的線性關系式建立10:00-11:00蒸發(fā)比估算日均值與實測值之間的關系,2015和2016年的數據分別作為率定樣本和驗證樣本,率定關系式如下:
ETEC,d=·ETEF,d+·VPDd(18)
式中ETEC, d和ETEF, d分別表示用日尺度蒸散量的實測值與10:00-11:00蒸發(fā)比法估算值,mm/d;VPDd為日飽和水汽壓差,kPa;和為節(jié)水灌溉條件下蒸發(fā)比法稻田蒸散量提升估算率定值,根據2015年的率定樣本,=1,=0.5。
將驗證樣本代入改進的關系式,模擬效果如圖8所示,模擬值與實測值的相關關系接近1﹕1線,線性回歸的2和IOA分別為0.987和0.996,均接近1,RMSE較修正前低,僅為0.205 m/d。所以,提出的修正方法能有效提高基于蒸發(fā)比法的日蒸散量尺度提升估算精度,即使衛(wèi)星過境時刻與最優(yōu)估算時刻不一致,也可用該方法建立不同時刻間的轉換關系,實現地面觀測與遙感數據的高效結合。
圖8 修正前后蒸發(fā)比法提升估算日蒸散量(ETEF和ETEF*)與測量值(ETEC)的相關關系
日蒸散量的準確估算對于農業(yè)、水文、氣象等方面具有重要的實際應用價值。國內外學者針對不同氣候條件和多種下墊面類型,提出了多種方法實現蒸散量時間尺度提升,其尺度轉換關鍵參數也呈現出不同的變化特征和時間代表性。本研究在能量強制閉合的條件下,選擇了4種常用的蒸散量尺度提升方法,其轉換參數除輻照度比只與客觀空間位置與時間參數相關,其他3種方法的尺度轉換參數(蒸發(fā)比、作物系數、冠層阻力)均與作物以及氣候環(huán)境條件有關。研究結果表明,稻田蒸發(fā)比、作物系數、冠層阻力在節(jié)水灌溉條件下均表現出一定特殊性,基于它們的尺度提升方法的適用性和最佳估算時刻也有所不同。
蒸發(fā)比因隨作物種類、土壤和氣象條件的變化而變化,在近地面能量通量分配與蒸散發(fā)估算中具有重要的作用。節(jié)水灌溉稻田EF白天時段均較高,均值在0.7~1.0間波動變化,10:00—14:00期間相對較小,與其他生態(tài)系統(tǒng)相比,本研究EF值明顯較高。研究發(fā)現干旱半干旱地區(qū)小麥、玉米和裸土下墊面EF值變化范圍分別為0.45~0.8、0.35~0.55和0.20~0.35[4]。本研究較高的EF值歸因于稻田較高的土壤水分和較大的飽和水汽壓差。EF值在日出后和日落前波動很大,從誤差線看出,還會出現大于1的時候,一方面是因為該時段溫度變化大,加劇了由于試驗區(qū)與周圍稻田土壤水分的不均勻性導致的平流交換,使得大氣湍流不穩(wěn)定,地表能量不平衡,EC系統(tǒng)測量的瞬時通量不準確,計算的EF值變異性 大[24];另一方面,晝夜交替時,大氣釋放熱量,感熱通量為負,會使計算的EF值大于1[25]。
不同下墊面與氣候環(huán)境條件下的EF大小差異較大,根據具體情況選擇最具代表性的小時EF對于通過瞬時值擴展估算每日ET至關重要。有研究認為中午前后的小時EF值可替代日EF計算日ET[22],也有研究認為非正午時刻的小時值更具有代表性[26]。但還有一些研究發(fā)現,基于小時EF提升估算結果與測量的每日ET之間始終存在一定的誤差。Sugita等[22]研究發(fā)現,不管是正午時刻還是非正午,提升估算值始終低估波文比法測量值約5%~10%。Chávez 等[27]研究發(fā)現,雖然將EF法提升估算值與渦度相關法測量的玉米田蒸散量對比,低估約 0.3 mm/d,但EF法是所有研究方法中估算ET準確性最高的方法。Li 等[26]用14:00-15:00的 EF值為代表期估算白天ET值,同樣發(fā)現較測量值有明顯的低估。對于節(jié)水灌溉稻田,干濕交替的土壤水分狀態(tài)對EF的日內變化過程有明顯的影響,所以從EF的變化過程探究蒸發(fā)比法提升估算日尺度ET,確定最優(yōu)估算時刻,從機理上明確估算值與實測值存在差異的原因并構建轉換關系,對蒸散量尺度拓展研究具有重要的價值。
作物系數c不僅與作物類型有關,還與研究區(qū)的氣候條件、水土環(huán)境、作物種植條件、灌排管理密切相關[28],很難用同一套作物系數變化規(guī)律來反應下墊面實際蒸散情況,因此需要根據試驗區(qū)實際情況確定c,以準確估算實際蒸散量[29]。但目前,大多研究僅限于討論c的日/周/生育期變化情況,忽略了作物系數在一天內的波動?;赾的蒸散量時間尺度提升,需要用瞬時c替代日c估算日尺度ET值,使得研究者開始關注c在一天內的變化情況。劉國水等[30]在研究不同方法蒸散量尺度提升效果中發(fā)現,c在冬小麥生育期的日內變化相對最為穩(wěn)定,其上午(10:00-11:00)值和下午(14:00-15:00)值與日均值最為相近,均小于1,并認為作物系數法的估算結果與實際情況較為接近。Chávez等[27]將玉米和大豆下墊面c在白天的變化看作常數,研究發(fā)現用c法估算ET較EC測量值有4.0±10.0%的高估,估算精度不如蒸發(fā)比法,但用中午時段的c值估算日ET,估算精度能稍有提高。本研究特定條件下,c有明顯的日內變化特征,10:00-14:00波動較小,10:00-11:00K值模擬結果的相關性最好。由此看出,研究不同區(qū)域的最佳估計時段,同樣是提高作物系數法ET提升估算精度的重要前提。
從圖3c可以看出,節(jié)水灌溉稻田冠層阻力c白天日內變化有一定的特殊性。理論上日出前后,由于光照強度較低,c較小,但本研究中冠層阻力08:00前計算值小于0(沒有意義)一方面由于試驗區(qū)空氣濕度較大,夜間凝結水量大[31],特別是日出前,試驗區(qū)空氣相對濕度高達95%以上[32],隨后凝結水在日出后大量蒸發(fā),大于實際水稻蒸騰量;同時,由于稻田空氣濕度較高,非淹水的節(jié)水灌溉稻田土壤表面容易產生土壤吸濕水,吸濕水在日出之前積累[33],增加了日出后短時間內的土壤蒸發(fā),同樣使測量的ET增加,所以,用P-M方程根據EC所測小時ET反算的r值過小,甚至小于0,類似的結果在Malek等[34-35]的研究中也有報道。所以用P-M公式反算計算冠層阻力值時,應特別注意日出后凝結水再蒸發(fā)的問題。隨后c值變化平緩,午間(12:00-13:00)有一上凸,這是由于中午光照較強,部分氣孔關閉導致c增 加[36]。此后c迅速增加,15:00-16:00達到150 s/m。c的變化反映了作物與氣候環(huán)境的相關關系,同時也受田間氣候,比如凈輻射Rn、飽和水汽壓差VPD等的影響[37]。具體來看,一方面作物氣孔導度隨著輻射強度的降低而降低,所以c在午后迅速增加。另一方面,節(jié)水灌溉稻田VPD午后(12:00-16:00)緩慢增加,即a增加而空氣濕度降低,空氣水勢低于葉水勢,導致葉片蒸騰增加,葉水勢下降;隨著葉-氣水勢差的減小,蒸騰速率受到限制,冠層溫度升高,導致c增加。節(jié)水灌溉稻田c在午后的變化趨勢與半干旱、地中海氣候條件等不同氣候條件[35-36,38-39]以及大豆、冬小麥等不同旱地作物[40-41]均類似。
從冠層阻力的分析中,研究得出10:00-11:00點阻力值代替日值估算日尺度ET效果較好,該時段與Terra/Modis過境時刻吻合,且上午9:00-11:00是大氣穩(wěn)定性從穩(wěn)定到不穩(wěn)定變化的過程,符合空氣動力學阻力假定的大氣中性穩(wěn)定的條件,故估算的日尺度蒸散量有較好的精度和穩(wěn)定性。
以節(jié)水灌溉稻田為研究對象,基于渦度相關系統(tǒng)實測蒸散量值,分析4種方法的尺度轉換因子日內變化過程,對比4種具有代表性的ET時間尺度提升方法,具體結論如下:
1)節(jié)水灌溉條件下蒸發(fā)比、作物系數、冠層阻力均具有明顯的日變化特征,是蒸散量變化與下墊面和氣候環(huán)境條件重要的連接與反饋因子。
2)4種提升方法都能實現日蒸散量的估算,但估算準確性不同,以不同小時值估算效果也不同。正弦關系法不受天氣和周圍環(huán)境變化的影響,雖然模擬結果稍差,但穩(wěn)定性較好,可用于日蒸散量的粗略估算。以10:00-11:00時段作物系數法與冠層阻力法估算的日蒸散量較準確、相關性和一致性均較好。蒸發(fā)比估算的相關性和一致性最好,但各時段估算值均存在一定程度的低估。
3)考慮影響晝夜蒸發(fā)比的主要因素飽和水汽壓差(VPD),用含VPD的關系式修正后,以10:00-11:00時段的蒸發(fā)比法估算效果最佳,2和一致性系數分別高達0.987和0.996,RMSE僅為0.205 m/d,推薦為最適宜節(jié)水灌溉稻田的蒸散量時間尺度提升估算方法。該研究結果今后可配合Terra/Modis瞬時數據,估算長江流域節(jié)水灌溉稻區(qū)日尺度蒸散量。
[1] Worldometers (2019) World population: Past, present, future[DB/OL].2019-08-16.https://www.worldometers.info/world-population/#growthrate.
[2] Jiang X L, Kang S Z, Tong L, et al. Modification of evapotranspiration model based on effective resistance to estimate evapotranspiration of maize for seed production in an arid region of northwest China[J]. Journal of Hydrology, 2016, 538: 194–207.
[3] Tang R L, Tang B, Wu H, et al. On the feasibility of temporally upscaling instantaneous evapotranspiration using weather forecast information[J]. International Journal of Remote Sensing, 2015, 36: 4918–4935.
[4] 陳鶴,楊大文,呂華芳. 不同作物類型下蒸散發(fā)時間尺度擴展方法對比[J]. 農業(yè)工程學報,2013,29(6):73-81.
Chen He, Yang Dawen, Lü Huafang. Comparison of temporal extrapolation methods for evapotranspiration over variant underlying croplands[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(6): 73-81. (in Chinese with English abstract)
[5] 許迪. 蒸散發(fā)尺度效應與時空尺度拓展[M]. 北京:科學出版社,2015.
[6] Colaizzi P D, Ever S R, Howell T A, et al. Comparison of five models to scale daily evapotranspiration from one time of day measurements[J]. Transaction of the ASABE, 2006, 49(5): 1409-1417.
[7] Boegh E, Soegaard H, Thomsen A. Evaluating evapotranspiration rates and surface conditions using Landsat TM to estimate atmospheric resistance and surface resistance[J]. Remote Sensing of Environment, 2002, 79(2): 329-343.
[8] Shuttleworth W J, editor FIFE. The variation in energy partition at surface flux sites. Iahs Publication, 1989.
[9] Zhang L, Lemeur R. Evaluation of daily evapotranspiration estimates from instantaneous measurements[J]. Agricultural & Forest Meteorology, 1995, 74(1-2): 139-154.
[10] Hoedjes J C B, Chehbouni A, Jacob F, et al. Deriving daily evapotranspiration from remotely sensed instantaneous evaporative fraction over olive orchard in semi-arid Morocco[J]. Journal of Hydrology, 2008, 354(1-4): 53-64.
[11] Allen R G, Tasumi M, Trezza R. Satellite-based energy balance for mapping evapotranspiration with internalized calibration(METRIC)-model[J]. Journal of Irrigation & Drainage Engineering, 2007, 133(4): 395-406.
[12] 熊雋,吳炳方,閆娜娜,等. 遙感蒸散模型的時間重建方法研究[J]. 地理科學進展,2008,27(2):53-59.
Xiong Jun, Wu Bingfang, Yan Nana, et al. Research on temporal reconstruction of evapotranspiration by using remote sensing[J]. Progress In Geography, 2008, 27(2): 53-59. (in Chinese with English abstract)
[13] 劉國水,劉鈺,許迪.基于渦度相關儀的蒸散量時間尺度擴展方法比較分析[J].農業(yè)工程學報,2011,27(6):7-12.
Liu Guoshui, Liu Yu, Xu Di. Investigation on performance of evapotranspiration temporal upscaling methods based on eddy covariance measurements[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(6): 7-12. (in Chinese with English abstract)
[14] Aubinet M, Vesala T, Papale D. Eddy Covariance: A Practical Guide to Measurement and Data Analysis[M]. Berlin: Springer, 2012.
[15] Ueyama M, Hirata R, Mano M, et al. Influences of various calculation options on heat, water and carbon fluxes determined by open-and closed-path eddy covariance methods[J]. Tellus Series B-chemical& Physical Meteorology. 2012, 64(1): 91-102.
[16] Kljun N, Calanca P, Rotach M W, et al. A simple parameterisation for flux footprint predictions[J]. Boundary-Layer Meteorology, 2004, 112(3): 503-523.
[17] Liu X Y, Xu J Z, Yang S H, et al. Rice evapotranspiration at the field and canopy scales under water-saving irrigation[J]. Meteorology and Atmospheric Physics, 2018, 130(2): 227-240.
[18] 劉笑吟,高明逸,周心怡,等. 蒸發(fā)比法能量強制閉合及其對稻田蒸散量估算精度的影響[J]. 農業(yè)工程學報,2021,37(11):121-130.
Liu Xiaoyin, Gao Mingyi, Zhou Xinyi, et al. Enforcing energy balance closure by evaporation ratio method and its effect on evapotranspiration estimation of paddy fields[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(11): 121-130. (in Chinese with English abstract)
[19] 劉渡,李俊,同小娟,等. 華北平原冬小麥/夏玉米輪作田能量閉合狀況分析[J]. 中國農業(yè)氣象,2012,33(4):493-499.
Liu Du, Li Jun, Tong Xiaojuan, et al. Analysis of the energy balance closure in a winter wheat/summer maize double cropping system in the north China plain[J]. Chinese Journal of Agrometeorology, 2012, 33(4): 493-499. (in Chinese with English abstract)
[20] Frank J M, Massman W J, Ewers B E. Underestimates of sensible heat flux due to vertical velocity measurement errors in non-orthogonal sonic anemometers[J]. Agricultural & Forest Meteorology, 2013, 171–172(8): 72-81.
[21] Gebler S, Hendricks Franssen H J, Pütz T, et al. Actual evapotranspiration and precipitation measured by lysimeters: A comparison with eddy covariance and tipping bucket[J]. Hydrology & Earth System Sciences, 2014, 19(5): 2145-2161.
[22] Sugita M, Brutsaert W. Daily evaporation over a region from lower boundary layer profiles measured with radiosondes[J]. Water Resources Research, 1991, 27(5): 747-752.
[23] Jackson R D, Hatfield J L, Reginato R J, et al. Estimation of daily evapotranspiration from one time-of-day measurements[J]. Agricultural Water Management, 1983, 7(1-3): 351-362.
[24] Liu X Y, Yang S H, Xu J Z, et al. Effects of soil heat storage and phase shift correction on energy balance closure of paddy fields[J]. Atmósfera, 2017, 30: 39-52.
[25] Gao Z, Liu H, Russell E S, et al. Large eddies modulating flux convergence and divergence in a disturbed unstable atmospheric surface layer[J]. Journal of Geophysical Research-Atmospheres, 2016, 121: 1475-1492.
[26] Li S E, Kang S Z, Li F, et al. Vineyard evaporative fraction based on eddy covariance in an arid desert region of Northwest China[J]. Agricultural Water Management, 2008, 95: 937–948.
[27] Chávez J L, Neale C M U, Prueger J H, et al. Daily evapotranspiration estimates from extrapolating instantaneous airborne remote sensing ET values[J]. Irrigation Science, 2008, 27 (1): 67-81.
[28] Allen R G, Pereira L S, Raes D. Crop evapotranspiration: Guidelines for Computing Crop Water Requirements[M]. Rome: United Nations Food and Agriculture Organization, Irrigation and Drainage, 1998.
[29] Bezerra B G, da Silva B B, Bezerra J R, et al. Evapotranspiration and crop coefficient for sprinkler-irrigated cotton crop in Apodi Plateau semiarid lands of Brazil[J]. Agricultural Water Management, 2012, 107: 86-93.
[30] 劉國水,劉鈺,許迪. 基于渦度相關儀的蒸散量時間尺度擴展方法比較分析[J]. 農業(yè)工程學報,2011,27(6):7-12.
Liu Guoshui, Liu Yu, Xu Di. Investigation on performance of evapotranspiration temporal upscaling methods based on eddy covariance measurements[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(6): 7-12. (in Chinese with English abstract)
[31] Kabela E D, Hornbuckle B K, Cosh M H, et al. Dew frequency, duration, amount and distribution in corn and soybean during SMEX05[J]. Agricultural & Forest Meteorology, 2009, 149: 11-24.
[32] Liu X Y, Xu J Z, Yang S H, et al. Vapor condensation in rice fields and its contribution to crop evapotranspiration in the subtropical monsoon climate of China[J]. Journal of Hydrometeorology, 2018, 19: 1043-1057.
[33] Zhang Q, Wang S, Yang S L, et al. Characteristics of dew formation and distribution, and its contribution to the surface water budget in a semi-arid region in China[J]. Boundary-Layer Meteorology, 2015, 154(2): 317-331.
[34] Malek E, Bingham G E, Mccurdy G D. Continuous measurement of aerodynamic and alfalfa canopy resistances using the Bowen ratio-energy balance and Penman-Monteith methods[J]. Boundary-Layer Meteorology, 1992, 59(1-2): 187-194.
[35] Perez P J, Lecina S, Castellvi F, et al. A simple parameterization of bulk canopy resistance from climatic variables for estimating hourly evapotranspiration[J]. Hydrological Processes, 2006, 20: 515-532.
[36] Allen R G, Pruitt W O, Wright J L, et al. A recommendation on standardized surface resistance for hourly calculation of reference ET0by the FAO 56 Penman-Monteith method[J]. Agricultural Water Management, 2006, 81(1-2): 1-22.
[37] Liu X Y, Xu J Z, Yang S H, et al. Temporal upscaling of rice evapotranspiration based on canopy resistance in a water-saving irrigated rice field[J]. Journal of Hydrometeorology, 2020, 21(7): 1639-1654.
[38] Todorovic M. Single-layer evapotranspiration model with variable canopy resistance[J]. Journal of Irrigation and Drainage Engineering, 1999, 125(5): 235–245.
[39] Lecina S, Mart??Nez-Cob A, Pérez P J, et al. Fixed versus variable bulk canopy resistance for reference evapotranspiration estimation using the Penman-Monteith equation under semiarid conditions[J]. Agricultural Water Management, 2003, 60(3): 181-198,
[40] Bailey W G, Davies J A. Bulk stomatal resistance control on evaporation[J]. Boundary-Layer Meteorology, 1981, 20(4): 401-415.
[41] Hu J C, Zhang J B, Zhao B Z, et al. Estimating diurnal variation of winter wheat canopy resistance at different growth stages[J]. Journal of Irrigation & Drainage, 2005, 24(2): 1-4.
Comparative analysis of different temporal up-scaling methods for evapotranspiration applied to water-saving irrigated paddy fields
Li Yawei1, Liu Xiaoyin1※, Xu Zhewei1, Peng Yihao1, Xu Junzeng1,2
(1.211100; 2.210098)
The temporal up-scaling has been the most popular to estimate the regional daily evapotranspiration (ET) using remote sensing and in-situ observation data. Several estimation methods of daily ET are usually assumed that the diurnal course of ET is similar to that of solar irradiance, including the evaporative fraction, crop coefficient, canopy resistance, and daily sine function. However, such an assumption is scarce for humid paddy fields. Taking the Water-Saving Irrigation (WSI) paddy fields as the research object, this study aims to compare the differences between the four ET estimations in the daily scale and the measured values using the Eddy Covariance (EC) system in the 2015 and 2016 rice season. The results showed that the average diurnal variation in the three scale conversion factors presented the special under WSI condition, including the Evaporative Fraction (EF), crop coefficient (c), and canopy resistance (c) during the growth period. It infers that the outstanding variation was responded to the changes in the crop species, soil, and meteorological conditions. The diurnal and seasonal average EF andcwere considered as an approximately concave-down shape, with a gentle variation during the 10:00-14:00 period, and the minimum around 10:00-11:00 AM. The diurnal variation ofcincreased after sunrises, further to be almost constant from 09:00 to 12:00, and then tended to increase rapidly. By contrast, the ratio of the total daily solar irradiance to the instantaneous irradiance () was just determined using the latitude of the study area, indicating a typical concave-down shape. Furthermore, there was a better performance on the accuracy, correlation, and consistency of the crop coefficient and canopy resistance using 10:00-11:00 hours of the estimated daily evapotranspiration, compared with the other hours. In addition, a rough ET up-scaling was comparatively stable using the sine function. More importantly, the hourly EF estimation during the 10:00-14:00 period achieved fewer errors in the daily ET, indicating the accuracy and consistency were the best from 10:00-11:00. This finding was consistent with the time of satellite overpass of Terra/Modis, although the estimated values of evaporative fraction were relatively underestimated in each period. Such a stable and considerable gap was brought forward a high demand to establish a rational relationship between the effective daily ETECand the ETEFcalculated by the best time-of-day representativeness (10:00-11:00) of EF. Therefore, a correction procedure was also conducted to incorporate the variable Vapor Pressure Deficit (VPD) with the ET value following the EF up-scaling as an independent variable. Among them, the VPD was the key factor affecting the ET at both daytime and night. As such, a linear regression equation was achieved, where a low RMSE of 0.205 mm/d, the2of 0.987, and IOA of 0.996. Consequently, the results demonstrated that the daily ET calculated by the best time-of-day representativeness (10:00-11:00) of EF,c, andcperformed better, while, the improved evaporative fraction was optimal to the temporal up-scaling of daily scale ET estimation for the WSI paddy fields in the middle and lower reaches of the Yangtze River. This finding can also provide a potential guiding for farmland irrigation and agricultural water management.
irrigation; evapotranspiration; heat flux;temporal up-scaling; evaporative fraction; crop coefficient; canopy resistance; irradiance ratio
10.11975/j.issn.1002-6819.2021.21.011
S271
A
1002-6819(2021)-21-0090-10
李亞威,劉笑吟,徐哲威,等.不同蒸散量時間尺度提升法用于節(jié)水灌溉稻田的對比分析[J]. 農業(yè)工程學報,2021,37(21):90-99.doi:10.11975/j.issn.1002-6819.2021.21.011 http://www.tcsae.org
Li Yawei, Liu Xiaoyin, Xu Zhewei, et al. Comparative analysis of different temporal up-scaling methods for evapotranspiration applied to water-saving irrigated paddy fields[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(21): 90-99. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2021.21.011 http://www.tcsae.org
2021-08-18
2021-10-26
國家自然科學基金資助項目(51809075);江蘇省自然科學基金資助項目(BK20180506);中國博士后科學基金資助項目(2019M651680)
李亞威,博士,助理研究員,研究方向為農田高效灌排及其環(huán)境效應。Email:yaweizx@hhu.edu.cn
劉笑吟,博士,副教授,研究方向為節(jié)水灌溉農田水熱通量研究。Email:lxyin1819@hhu.edu.cn