不同蒸散量时间尺度提升法用于节水灌溉稻田的对比分析

李亚威，刘笑吟，徐哲威，彭翌豪，徐俊增,2

·农业水土工程·

不同蒸散量时间尺度提升法用于节水灌溉稻田的对比分析

李亚威1，刘笑吟1※，徐哲威1，彭翌豪1，徐俊增1,2

（1. 河海大学农业科学与工程学院，南京 211100； 2. 河海大学水文水资源与水利工程科学国家重点实验室，南京 210098）

蒸散量（ET）时间尺度提升方法能充分利用遥感数据与地面观测的优势，获得精确的区域日尺度估算值，对指导农业用水管理特别是农田灌溉具有重要的意义。该研究以节水灌溉稻田为研究对象，基于2015和2016年稻季涡度相关系统实测数据，在能量强制闭合的条件下，选择4种基于能量平衡原理的蒸散量尺度提升方法，分析了蒸发比、作物系数、冠层阻力、辐照度比4个尺度转换因子在节水灌溉条件下的变化特征，对比了4种方法提升估算日尺度ET与涡度相关系统实测值的差异。结果表明，节水灌溉条件下蒸发比、作物系数、冠层阻力3个尺度转换因子的生育期平均日变化和其他下垫面相比有一定特殊性，辐照度比的变化仅取决于研究区域所处纬度位置。作物系数法与冠层阻力法以 10:00－11:00小时值估算日蒸散量结果的准确性较好，决定系数和一致性系数分别达到0.92和0.97以上，正弦关系法的模拟效果稍差，但该方法估算效果稳定，可作为一种粗略的尺度提升方法。各时段蒸发比法估算值均存在一定程度的低估，但相关性较好，用考虑饱和水汽压差的线性关系修正后，10:00－11:00估算结果的准确性和一致性均最好，决定系数和一致性系数分别为0.987和0.996。研究结果明确了适宜长江中下游节水灌溉稻田ET时间尺度提升各估算方法的较优时段，并表明修正后的蒸发比法提升估算日尺度ET最优。

灌溉；蒸散量；热通量；时间尺度；蒸发比；作物系数；冠层阻力

0 引 言

水稻是中国第一大粮食作物，产量居世界首位，灌溉用水占农业总用水量的70%[1]，推行稻田节水灌溉，提高水稻灌溉效率，是当前全球水资源短缺背景下，实现粮食安全、落实“节水优先”的重要保障。节水灌溉改变了淹灌稻田的土壤水分状态和土壤-作物-大气间的水热交换，对作物生长及其水土环境和冠层小气候都产生了明显的影响，其中较直接的表现就是蒸散量的变化。

蒸散量（Evapotranspiration，ET）是近地面水热研究的关键，能反映作物生理生长状况和冠层微气象，常作为制定灌溉制度、完善农业水资源管理的重要依据[2]。不同实际需求需要的蒸散量尺度不同，但不同尺度蒸散量又具有明显的时空变异性。遥感方法实现了从点到面的尺度扩展，获得的蒸散量能够较好地反映空间变化规律，更具有空间代表性，常用来计算灌区需耗水量和完善灌溉制度。但遥感方法只能获瞬时蒸散量数据，使用日乃至更大时间尺度蒸散量研究农田水热平衡传输才具有现实意义[3]。同时，如何将遥感瞬时值扩展到日尺度，并将现场小空间尺度观测数据与遥感观测区域数据建立合理联系，是当前国内外蒸散研究的热点问题。

目前，基于遥感数据将瞬时ET提升为日ET是估算区域每日ET的常用手段，一般可通过蒸发比法、作物系数法、冠层阻力法、Katerji Perrier法、平流干燥度法和日正弦关系法等实现[4-6]。不同研究区域的最佳估算方法和估算时段受作物种类、土壤类型、冠层结构以及本地气象条件等因素影响，差异明显[7]。确定一天中最具代表性的时间段及尺度转换参数是基于瞬时值估算日ET的关键。基于蒸发比理论，Shuttleworth[8]发现21个不同站点的蒸发比（Evaporative Fraction，EF）在晴朗天气的某时段内变化不大，且被认为是一个很好的衡量全天蒸发比平均值的指标，全天EF平均值仅比中午高1.5%。随后有学者基于蒸发比理论，将正午前后时段的EF看作常数，建立了小时到日尺度的ET转换模型[9-10]。Allen等[11-12]基于作物系数法和冠层阻力法，通过分析小时尺度的变化特征与日尺度的关系，实现了ET的时间尺度提升。但不同扩展方法的适用性与精度不同，尺度转换关系的构建又依赖于不同下垫面和气候环境条件。蒸发比、作物系数、冠层阻力作为尺度转换因子，是研究作物需耗水以及“土壤-作物-大气”系统水热转换与传输的关键变量，决定了蒸散量提升估算效果[4,6,13]。在中国水热条件良好的长江中下游稻作区，大多数稻田已经推行节水灌溉制度。节水灌溉打破了传统稻田的淹水状态，从而明显改变了稻田ET过程。在节水灌溉稻田土壤水分干湿交替的特殊状态下，了解蒸散的尺度效应以及不同转换因子的变化特征，对研究节水稻田的水热循环与日蒸散量估算尤为关键。

因此，本研究选择基于蒸发比、冠层阻力和作物系数的尺度提升方法，对比仅和客观空间位置和时间参数相关的辐照度比提升方法，分析4个转换因子在节水灌溉稻田的日变化特征，同时对比基于4种方法提升估算日尺度蒸散量与节水灌溉稻田涡度相关系统实测值的差异，探讨适宜长江中下游节水灌溉稻田的时间尺度提升估算方法与代表性时刻，并提出提高估算效果的优化思路。研究结果可为遥感瞬时值配合地面观测准确模拟节水灌溉稻田日蒸散量提供重要的方法和理论支撑。

1 材料与方法

1.1 试验区概况

在河海大学水文水资源与水利工程科学国家重点实验室昆山试验研究基地开展2015和2016年稻季试验。试验区面积约200 m×200 m，地处太湖流域（31°15′15″N，120°57′43″ E），属亚热带南部季风气候。年降水量1 097.1 mm，年蒸发量1 365.9 mm，总日照时数2 085.9 h，年平均气温15.5℃，平均气压101.63 kPa，平均无霜期234 d。试区常年盛行东南风，在试验区西北方向（下风向）安装涡度相关系统，多年来均实施稻麦轮作，6—11月观测场所监测下垫面为控制灌溉稻田，均一、平坦，2015和2016年冠层高度不超过1.0 m（图1），是涡度相关系统较为理想的下垫面类型。试验区土壤为潴育型黄泥土，耕层土壤质地为重壤土，土壤容重1.3 g/cm3，根层土壤饱和含水率（s）、田间持水率（f）和凋萎系数（w）分别平均为50.2%、39.2%和 17.9%（含水率指标均为体积含水率）。试验种植水稻品种均为南粳46，稻田施肥以及病虫害防治均按当地农民习惯。

注：2015和2016年水稻移栽时间分别是6月27日和7月1日。

1.2 涡度相关观测与数据处理

涡度相关（Eddy Covariance，EC）系统（Campbell Scientific Inc., Logan, Utah, USA）主要由CAST3A三维超声风速仪、EC150开路CO2/H2O分析仪、CR3000数据采集器、HMP155A空气温湿度探头、CNR4四分量净辐射表、TE525MM雨量桶和HFP01SC热通量板等组成。观测内容主要包括感热通量（Hs）、潜热通量（LE）、太阳净辐射（Rn）、土壤热通量（s）、空气温度（a）、空气相对湿度（RH）、大气压（a）、风速（）、风向和降雨量（）等。土壤热通量板埋设深度为地表下8 cm，辐射观测高度为地面上方1.5 m，空气温湿探头观测高度2 m，三维超声风速仪和CO2/H2O分析仪安装高度为地面上方2.5 m，雨量筒观测高度1.5 m。所有原始数据昼夜连续自动采集，采样频率为10 Hz，通过数据采集器在线计算并储存0.5 h的统计数据。涡度相关系统配备109土壤温度传感器与CS616土壤水分传感器，同时监测0.1、0.2和0.3 m埋深的土壤温度（s）和土壤体积含水率（），观测数据与气象站（WS-STD1, DELTA-T, UK）观测结果相互补充和验证。在数据观测过程中，定期进行日常清理和维护，保证仪器在良好的状况下运行。

为了实现涡度通量数据的质量保证和质量控制，2015年原始通量数据（10 Hz）用EdiRe软件预处理[14]，2016年安装了Flux在线处理程序，同样通过倾斜修正、通量单位转换及频率响应修正、对感热通量的超声虚温修正，对潜热通量的空气密度脉动订正等[15]，直接得到修正后的通量数据。根据试验区大气条件和主风向，依据Kljun等[16]的计算方法和参数，计算得到本试验监测的通量数据90%来自上风向（东南方向）100～120 m的范围，同时剔除来自试验区边界以外贡献源区的通量数据。对通量数据质量进行严格控制和筛选，剔除占数据总量约16%的通量数据，然后进行数据的插补延长[17]。

1.3 土壤水分观测

试验区所监测稻田水分管理均采用控制灌溉，秧苗本田移栽后，田面保留浅薄水层返青，返青期以后的各生育阶段，灌水仅湿润土壤，不产生水层，以根层土壤含水率（）占饱和含水率（s）的60%～80%为灌水下限水分控制指标（各生育期阶段水稻控制灌溉根层土壤水分控制指标同文献[18]）。若遇暴雨导致小区蓄水过多时（田面水层超过5 cm），打开小区地表排水口及时排水，同时记录排水前后小区田面水层，记录排水量。

试区土壤含水率由EC系统和TDR （Trase system 1, Soil Moisture Equipment, USA）观测。EC系统实现土壤水分的连续观测，TDR观测时间为每天上午8:00。TDR测针埋于试验区中相对中间的5个典型观测小区，每个观测小区埋两根，观测深度根据各个生育阶段的水稻根系长度来确定。根据土壤水分数据决策灌溉和排水。试验期土壤水分逐日变化如图2所示，其中土壤相对含水率反映0～10 cm土壤的水分状况。节水灌溉制度下稻田土壤呈现干湿交替的土壤水分状态，虽然每年观测期的降雨和灌溉不同，但降雨和灌水影响下的稻田干湿交替次数均在10次左右。

注：Re, Et, Mt, Lt, Jb, Hf, Mi 和Ye分别代表水稻返青、分蘖前、分蘖中、分蘖后、拔节孕穗、抽穗开花、乳熟和黄熟期。

1.4 蒸散量的准确计算

1.4.1 能量平衡不闭合与强制闭合

涡度数据处理后一般可用能量平衡闭合程度评价数据质量的可靠性，能量平衡比率（Energy balance ratio, EBR）是评价能量闭合程度最常用的方法之一[19]，表示在一定时间内，涡度相关系统观测到的湍流通量（LE＋Hs）与有效能量（Rn–0）之间的比值。

式中EBR为能量平衡比率；LE、Hs、Rn和0分别为潜热通量、感热通量、净辐射和地表土壤热通量，W/m2。其中0由土壤热通量板测量通量值s计算得到，计算公式与原理详见文献[18]。

本研究计算可得，2015和2016年稻季EBR分别为0.93和0.85。修正后数据质量可靠，但仍然存在一定程度的能量不闭合。研究表明，涡度系统对湍流通量（LE+Hs）的低估是造成能量不闭合的最主要原因[20]。本文用蒸发比强制闭合法对低估的湍流通量进行修正。蒸发比强制闭合法假设能量平衡亏缺全部由低估的LE 和Hs 造成，则白天时段低估的湍流通量可根据时段内蒸发比进行修正，修正方法详见文献[18]。夜间修正则根据摩擦风速（*）将不稳定通量值剔除后，建立水稻不同生育阶段夜间蒸散量与饱和水汽压差的函数关系，分段插补被剔除的蒸散量值。

1.4.2 蒸散量计算

节水灌溉稻田蒸散量通过蒸发比强制闭合法修正后的潜热通量[21]计算。

式中ET为稻田蒸散量，mm/(0.5h)；LE*为修正的潜热通量，W/m2；为水汽密度，1 000 kg/m3；为汽化潜热，MJ/kg，=2.501 – (2.361×10-3)a，a为平均空气温度，°C，1 800为“s”到“0.5 h”的时间转换系数。计算出半小时蒸散量后再分别累加计算小时和日尺度（24 h）蒸散量。

1.5 蒸散量的尺度提升方法

1）蒸发比法

蒸发比（EF）被定义为潜热通量除以潜热加上显热通量，即湍流通量，一般认为蒸发比在白昼期间变化不大。蒸发比法是基于能量平衡建立的一种尺度转换方法，能稳定、直接地反映能量的分配特征[8]，其可用于时到日的时间尺度转换，计算简单，所需参数少。在能量平衡条件下，有效能量（Rn–0）等于湍流通量（LE* + Hs*）。因此，基于EF的ET时间尺度提升方法[8,22]可表示为

式中EFi为小时尺度蒸发比；LE*i和Hs*i为小时尺度潜热通量和感热通量均值，W/m2；Rni和0,i为小时尺度净辐射和地表土壤热通量均值，W/m2；Rnd和0d为日尺度（24 h）净辐射和地表土壤热通量均值，W/m2；ETi为小时尺度蒸散量，mm/h；ETd为日尺度（24 h）蒸散量，mm/h；i和d为小时和日尺度汽化潜热，J/kg。

2）作物系数法

假定一天内作物系数恒定不变，可由某一时刻的作物系数代替计算，则基于作物系数c的ET时间尺度转换方法[6]可表示为

式中c,i为小时尺度蒸发比；ET0,i为小时尺度参考作物蒸散量，mm/h；i和d分别为小时尺度和日尺度饱和水气压-温度曲线的斜率，kPa/°C；s,i和s,d为小时和日尺度饱和水气压，kPa；a,i和a,d为小时和日尺度实际水气压，kPa；a,i和a,d为小时和日尺度气温，°C；i和d为小时和日尺度干湿球常数，kPa/°C；2,i和2,d为2 m高处小时和日尺度风速，m/s；ET0,d为日参考作物蒸散量，mm/d；37和0.24为小时尺度参考作物蒸散量计算系数；900和0.34为日尺度参考作物蒸散量计算系数。

3）冠层阻力法

基于冠层阻力c的ET时间尺度扩展方法[5]表示为

式中c,i为小时尺度冠层阻力均值，s/m；a,i和a,d为小时和日尺度空气动力学阻力均值，s/m；i和d为小时和日尺度空气密度均值，kg/m3。

4）正弦关系法

Jackson等[23]研究发现，蒸散量的日变化过程与太阳辐射在整个白天的过程相似，总太阳辐射与中午时间的瞬时值之比可以近似通过正弦函数表示。因此，该方法基于研究区域所处纬度位置，根据不同纬度一年中不同阶段日照时数和强度的不同，用正弦函数近似计算蒸散量。根据Jackson等的研究假设，瞬时太阳辐射（i）可近似表示为

式中m为中午太阳的最大辐照度，W/m2；为日出后时刻（h）；为日出到日落的时间间隔（h），以为单位。将上述方程积分，可得到每日总辐照度（d）为

因此，总日照辐射与时间时的瞬时辐照度的比率（）可表示为：

式中和是纬度相关常数，反映一年中最短和最长日照时长；DOY为一年中的日序数（一年中的第几日）；为以度为单位表示的纬度。利用蒸散量与辐射的日变化的相似性，日蒸散总量（ETd）可根据某小时时段蒸散量（ETi）由式（17）计算（夜间蒸散量很小而忽略不计）[5,9]。

1.6 数据分析

本研究基于2015和2016年水稻生育期每日7:00—16:00持续9 h的测量数据，分别采用蒸发比法、作物系数法、冠层阻力法和正弦关系法将小时ET测量值扩展到日尺度，并与能量平衡修正后的EC实测值进行对比分析。为方便下文对比分析，以上4种方法计算的蒸散量值依次表示为ETEF、ETKc、ETrc、ETJ，EC实测值表示为ETEC。数据系列的相关性用线性回归系数和决定系数（2）反映，数据系列的绝对无偏性用均方根误差（RMSE）评价，相关数据精确度和相对无偏性用一致性系数（IOA）分析。相关指标的计算公式见文献[24]。

2 结果与分析

2.1 尺度转换关键参数的日内变化

图3分析了蒸发比法、作物系数法、冠层阻力法和正弦关系法4种方法在2015和2016年水稻全生育期07:00－16:00间9个时段尺度转换关键参数（蒸发比、作物系数、冠层阻力、辐照度比）的生育期平均日变化规律。

从图3a可知，水稻全生育期平均时蒸发比（EF）在2015和2016年的变化趋势相似，总体上呈先减小后增加，但变幅较为平缓。本研究EF均值较高，平均为0.86，可能因为试验区属亚热带季风气候，空气湿度大，且下垫面为节水灌溉稻田，土壤含水率（）相对较高，无论在一天中什么时段，潜热蒸散都是能量的主要消耗，因此计算的EF均较高。

作物系数（c）在2015和2016年白天各时段同样呈先减小后增加的变化趋势（图3b），09:00－15:00变幅相对较小，但c变幅较EF大，特别在日出后和日落前，湍流交换剧烈，潜热通量变化较大，且风速的易变性明显，使下垫面蒸散能力和蒸散强度均受到影响，c波动较大，而EF的计算忽略了这些影响，假设阻抗是恒定的，所以波动较小。

2015和2016年冠层阻力（c）变化趋势一致，总体上逐渐增加（图3c），07:00－08:00时段计算的c为负，随后增加。08:00－12:00时段r值变化平缓，适宜用作蒸散量尺度提升计算的代表时段。13:00之后，c迅速增加，一方面因为午后大气稳定度高，降低，稻田整体蒸散阻力大；另一方面因为午后太阳净辐射（Rn）迅速减小，但地表土壤热通量（0）的减小滞后于Rn，因此计算的有效能量小于实际的有效能量，用P-M公式反算的c偏大，估算的日蒸散量偏小。

图3d所示为水稻生育期辐照度比（）的平均日变化。2015和2016年白天，变化趋势一致，呈明显的“U”型变化。因为值无需测量任何指标，仅与计算时段的瞬时辐照度的大小有关，因此，的日内变化幅度大，但变化趋势稳定。

2.2 不同提升方法估算日蒸散量的结果对比分析

从表1 可看出，2015和2016年，基于EF的时间尺度提升方法9个时段小时值估算的日均值ETEF均小于ETEC，小时蒸发比越小，估算的日蒸散量越小，中午前后估算值与实测值差异较大。基于c的估算值ETKc在日出后和日落前的模拟误差较大，其他时刻与实测值均较为接近，其中10:00－11:00、11:00－12:00和13:00－14:00三个时段估算的ETKc值小于ETEC值，其他时段均大于ETEC。基于冠层阻力提升的估算值逐渐减小，由09:00－10:00和10:00－11:00两个时段估算的ETrc较接近实测值，且从大于ETEC过渡到小于ETEC。正弦关系法估算值ETJ表现为先增加后减小，以10:00－11:00时段估算值达到最大，2015和2016年最大分别为3.956和3.942 mm/d。

图4～图7分析了蒸发比法、作物系数法、冠层阻力法和正弦关系法4种方法不同小时时段（07:00－16:00）估算的日蒸散量与实测值的相关关系。从图4可知，蒸发比法的回归斜率在各时段均小于1，说明用蒸发比法扩展估算的日尺度蒸散量均小于实测蒸散量。2015和2016年蒸发比估算值与实测值的回归斜率均在07:00－08:00时段最接近于1，分别在10:00－11:00和11:00－12:00时段最小，随后有所增加，但回归斜率在各时段的变化幅度不大。作物系数法、冠层阻力法和正弦关系法的回归斜率既有大于1也有小于1的时候，且均在09:00－10:00时段最接近于1，但3种方法的大小变化趋势不同，从07:00到16:00分别表现为先减小后增加、逐渐减小和先增加后减小。对2015和2016年作物系数法模拟结果的分析还发现，利用10:00前或14:00点后的时段提升估算的日蒸散量较实测值大，期间时段估算值偏小。正弦关系法与作物系数的估算结果相反，10:00－14:00时段的正弦关系法估算结果较实测值大。冠层阻力法则表现为以10:00为分界点，之前时段的扩展结果较实测值大，之后较实测值小。

表1 4种不同尺度提升方法的日蒸散量估算结果

注：ETEC表示基于涡度相关的日蒸散量实测值；ETEF、ETKc、ETrc和ETJ分别表示采用蒸发比法、作物系数法、冠层阻力法和正弦关系法将小时ET测量值扩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.

从4种方法估算结果的决定系数2的对比分析发现（图5），蒸发比法的估算效果最好，2在各个时段均大于0.89。作物系数法和冠层阻力法的2在09:00－10:00和10:00－11:00两个时段均在0.92以上，但在日出后，冠层阻力法的2值较低，2015和2016分别仅为0.438和0.683，13:00之后，作物系数法的估算效果相对最差，15:00－16:00时段最低，2015和2016年均不到0.3。正弦关系法的2值呈明显的先增加后减小，在11:00－12:00时段相对较高，日出后和日落前均较低。4种方法的模拟效果在10:00－11:00时段最接近。

图6为基于4种时间尺度提升方法估算日蒸散量与实测蒸散量的均方根误差RMSE的对比分析。从RMSE的分析可知，蒸发比法的估算效果在2015和2016年各时段均表现最优，RMSE变化范围为0.29～0.65 mm/d。作物系数发、冠层阻力法和正弦关系法的RMSE整体呈“U”型变化，但在不同时段大小关系不同，分别在10:00－11:00、10:00－11:00和11:00－12:00达到最小。07:00－08:00冠层阻力法的模拟误差最大，两年RMSE分别为1.688和1.449 mm/d，15:00－16:00时段作物系数法的模拟误差最大，RMSE分别达2.123和2.894 mm/d。08:00－11:00三个时段的正弦关系法的RMSE值最大，该方法的估算效果最差。而正午12:00之后，作物系数法的估算效果相对较差。

基于4种时间尺度提升方法估算日蒸散量与实测蒸散量的一致性系数IOA（图7）分析发现，蒸发比法的估算效果依旧最好，IOA均在0.97以上。上午（10:00前）正弦关系法的IOA值相对较低，2015年低于2016年，11:00－12:00时段相对较高（0.974和0.982）。作物系数法和冠层阻力法模拟结果的IOA在09:00－10:00和10:00－11:00两个时段均大于0.97，但12:00之后，作物系数法的IOA值较低，评价结果与2相似，说明该时段作物系数估算效果相对较低。冠层阻力法的IOA值在07:00－08:00最低，之后迅速增加，与2分析结果相同。以上分析看出，4种方法的模拟效果在10:00－11:00时段最接近，相关性和一致性也相对较好。

2.3 适用于节水灌溉稻田的蒸散量尺度提升方法

以上分析可以看出，对于长江中下游节水灌溉稻田，作物系数法与冠层阻力法以10:00－11:00小时值估算日蒸散量结果的准确性、相关性和一致性均较好，今后研究可直接配合Terra/Modis（过境时间每日上午10:30左右）瞬时数据估算日尺度蒸散量。正弦关系法的模拟效果稍差，但该方法仅与计算区域的纬度位置和作物种植时间有关，不受天气变化和周围环境变化的影响，估算效果稳定，是一种简便、粗略的日尺度蒸散量估算方法。蒸发比法估算结果的相关性和一致性最好，特别是10:00－11:00时段，但估算值存在一定程度的低估。

考虑到蒸发比提升估算结果具有较好的相关性和一致性，以及产生白天小时蒸发比与日蒸发比差异的影响因素，本研究拟对节水灌溉稻田蒸发比法的低估问题进行修正。白天各时刻均低估，说明可能忽略了夜间蒸发比值对日蒸散量计算的影响。考虑饱和水汽压差（Vapor Pressure Deficit，VPD）是影响夜间蒸散量最重要的因素[28]，本研究用含VPD的线性关系式建立10:00－11:00蒸发比估算日均值与实测值之间的关系，2015和2016年的数据分别作为率定样本和验证样本，率定关系式如下：

ETEC,d=·ETEF,d+·VPDd（18）

式中ETEC, d和ETEF, d分别表示用日尺度蒸散量的实测值与10:00－11:00蒸发比法估算值，mm/d；VPDd为日饱和水汽压差，kPa；和为节水灌溉条件下蒸发比法稻田蒸散量提升估算率定值，根据2015年的率定样本，=1，=0.5。

将验证样本代入改进的关系式，模拟效果如图8所示，模拟值与实测值的相关关系接近1﹕1线，线性回归的2和IOA分别为0.987和0.996，均接近1，RMSE较修正前低，仅为0.205 m/d。所以，提出的修正方法能有效提高基于蒸发比法的日蒸散量尺度提升估算精度，即使卫星过境时刻与最优估算时刻不一致，也可用该方法建立不同时刻间的转换关系，实现地面观测与遥感数据的高效结合。

图8 修正前后蒸发比法提升估算日蒸散量（ETEF和ETEF*）与测量值（ETEC）的相关关系

3 讨 论

日蒸散量的准确估算对于农业、水文、气象等方面具有重要的实际应用价值。国内外学者针对不同气候条件和多种下垫面类型，提出了多种方法实现蒸散量时间尺度提升，其尺度转换关键参数也呈现出不同的变化特征和时间代表性。本研究在能量强制闭合的条件下，选择了4种常用的蒸散量尺度提升方法，其转换参数除辐照度比只与客观空间位置与时间参数相关，其他3种方法的尺度转换参数（蒸发比、作物系数、冠层阻力）均与作物以及气候环境条件有关。研究结果表明，稻田蒸发比、作物系数、冠层阻力在节水灌溉条件下均表现出一定特殊性，基于它们的尺度提升方法的适用性和最佳估算时刻也有所不同。

3.1 蒸发比（EF）估算日蒸散量

蒸发比因随作物种类、土壤和气象条件的变化而变化，在近地面能量通量分配与蒸散发估算中具有重要的作用。节水灌溉稻田EF白天时段均较高，均值在0.7～1.0间波动变化，10:00—14:00期间相对较小，与其他生态系统相比，本研究EF值明显较高。研究发现干旱半干旱地区小麦、玉米和裸土下垫面EF值变化范围分别为0.45～0.8、0.35～0.55和0.20～0.35[4]。本研究较高的EF值归因于稻田较高的土壤水分和较大的饱和水汽压差。EF值在日出后和日落前波动很大，从误差线看出，还会出现大于1的时候，一方面是因为该时段温度变化大，加剧了由于试验区与周围稻田土壤水分的不均匀性导致的平流交换，使得大气湍流不稳定，地表能量不平衡，EC系统测量的瞬时通量不准确，计算的EF值变异性 大[24]；另一方面，昼夜交替时，大气释放热量，感热通量为负，会使计算的EF值大于1[25]。

不同下垫面与气候环境条件下的EF大小差异较大，根据具体情况选择最具代表性的小时EF对于通过瞬时值扩展估算每日ET至关重要。有研究认为中午前后的小时EF值可替代日EF计算日ET[22]，也有研究认为非正午时刻的小时值更具有代表性[26]。但还有一些研究发现，基于小时EF提升估算结果与测量的每日ET之间始终存在一定的误差。Sugita等[22]研究发现，不管是正午时刻还是非正午，提升估算值始终低估波文比法测量值约5%～10%。Chávez 等[27]研究发现，虽然将EF法提升估算值与涡度相关法测量的玉米田蒸散量对比，低估约 0.3 mm/d，但EF法是所有研究方法中估算ET准确性最高的方法。Li 等[26]用14:00－15:00的 EF值为代表期估算白天ET值，同样发现较测量值有明显的低估。对于节水灌溉稻田，干湿交替的土壤水分状态对EF的日内变化过程有明显的影响，所以从EF的变化过程探究蒸发比法提升估算日尺度ET，确定最优估算时刻，从机理上明确估算值与实测值存在差异的原因并构建转换关系，对蒸散量尺度拓展研究具有重要的价值。

3.2 作物系数（Kc）估算日蒸散量

作物系数c不仅与作物类型有关，还与研究区的气候条件、水土环境、作物种植条件、灌排管理密切相关[28]，很难用同一套作物系数变化规律来反应下垫面实际蒸散情况，因此需要根据试验区实际情况确定c，以准确估算实际蒸散量[29]。但目前，大多研究仅限于讨论c的日/周/生育期变化情况，忽略了作物系数在一天内的波动。基于c的蒸散量时间尺度提升，需要用瞬时c替代日c估算日尺度ET值，使得研究者开始关注c在一天内的变化情况。刘国水等[30]在研究不同方法蒸散量尺度提升效果中发现，c在冬小麦生育期的日内变化相对最为稳定，其上午（10:00－11:00）值和下午（14:00－15:00）值与日均值最为相近，均小于1，并认为作物系数法的估算结果与实际情况较为接近。Chávez等[27]将玉米和大豆下垫面c在白天的变化看作常数，研究发现用c法估算ET较EC测量值有4.0±10.0%的高估，估算精度不如蒸发比法，但用中午时段的c值估算日ET，估算精度能稍有提高。本研究特定条件下，c有明显的日内变化特征，10:00－14:00波动较小，10:00－11:00K值模拟结果的相关性最好。由此看出，研究不同区域的最佳估计时段，同样是提高作物系数法ET提升估算精度的重要前提。

3.3 冠层阻力（rc）估算日蒸散量

从图3c可以看出，节水灌溉稻田冠层阻力c白天日内变化有一定的特殊性。理论上日出前后，由于光照强度较低，c较小，但本研究中冠层阻力08:00前计算值小于0（没有意义）一方面由于试验区空气湿度较大，夜间凝结水量大[31]，特别是日出前，试验区空气相对湿度高达95%以上[32]，随后凝结水在日出后大量蒸发，大于实际水稻蒸腾量；同时，由于稻田空气湿度较高，非淹水的节水灌溉稻田土壤表面容易产生土壤吸湿水，吸湿水在日出之前积累[33]，增加了日出后短时间内的土壤蒸发，同样使测量的ET增加，所以，用P-M方程根据EC所测小时ET反算的r值过小，甚至小于0，类似的结果在Malek等[34-35]的研究中也有报道。所以用P-M公式反算计算冠层阻力值时，应特别注意日出后凝结水再蒸发的问题。随后c值变化平缓，午间（12:00－13:00）有一上凸，这是由于中午光照较强，部分气孔关闭导致c增 加[36]。此后c迅速增加，15:00－16:00达到150 s/m。c的变化反映了作物与气候环境的相关关系，同时也受田间气候，比如净辐射Rn、饱和水汽压差VPD等的影响[37]。具体来看，一方面作物气孔导度随着辐射强度的降低而降低，所以c在午后迅速增加。另一方面，节水灌溉稻田VPD午后（12:00－16:00）缓慢增加，即a增加而空气湿度降低，空气水势低于叶水势，导致叶片蒸腾增加，叶水势下降；随着叶-气水势差的减小，蒸腾速率受到限制，冠层温度升高，导致c增加。节水灌溉稻田c在午后的变化趋势与半干旱、地中海气候条件等不同气候条件[35-36,38-39]以及大豆、冬小麦等不同旱地作物[40-41]均类似。

从冠层阻力的分析中，研究得出10:00－11:00点阻力值代替日值估算日尺度ET效果较好，该时段与Terra/Modis过境时刻吻合，且上午9:00－11:00是大气稳定性从稳定到不稳定变化的过程，符合空气动力学阻力假定的大气中性稳定的条件，故估算的日尺度蒸散量有较好的精度和稳定性。

4 结 论

以节水灌溉稻田为研究对象，基于涡度相关系统实测蒸散量值，分析4种方法的尺度转换因子日内变化过程，对比4种具有代表性的ET时间尺度提升方法，具体结论如下：

1）节水灌溉条件下蒸发比、作物系数、冠层阻力均具有明显的日变化特征，是蒸散量变化与下垫面和气候环境条件重要的连接与反馈因子。

2）4种提升方法都能实现日蒸散量的估算，但估算准确性不同，以不同小时值估算效果也不同。正弦关系法不受天气和周围环境变化的影响，虽然模拟结果稍差，但稳定性较好，可用于日蒸散量的粗略估算。以10:00－11:00时段作物系数法与冠层阻力法估算的日蒸散量较准确、相关性和一致性均较好。蒸发比估算的相关性和一致性最好，但各时段估算值均存在一定程度的低估。

3）考虑影响昼夜蒸发比的主要因素饱和水汽压差（VPD），用含VPD的关系式修正后，以10:00－11:00时段的蒸发比法估算效果最佳，2和一致性系数分别高达0.987和0.996，RMSE仅为0.205 m/d，推荐为最适宜节水灌溉稻田的蒸散量时间尺度提升估算方法。该研究结果今后可配合Terra/Modis瞬时数据，估算长江流域节水灌溉稻区日尺度蒸散量。

[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] 陈鹤，杨大文，吕华芳. 不同作物类型下蒸散发时间尺度扩展方法对比[J]. 农业工程学报，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] 许迪. 蒸散发尺度效应与时空尺度拓展[M]. 北京：科学出版社，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] 熊隽，吴炳方，闫娜娜，等. 遥感蒸散模型的时间重建方法研究[J]. 地理科学进展，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] 刘国水，刘钰，许迪．基于涡度相关仪的蒸散量时间尺度扩展方法比较分析[J]．农业工程学报，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] 刘笑吟，高明逸，周心怡，等. 蒸发比法能量强制闭合及其对稻田蒸散量估算精度的影响[J]. 农业工程学报，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] 刘渡，李俊，同小娟，等. 华北平原冬小麦/夏玉米轮作田能量闭合状况分析[J]. 中国农业气象，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] 刘国水，刘钰，许迪. 基于涡度相关仪的蒸散量时间尺度扩展方法比较分析[J]. 农业工程学报，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, Martı́Nez-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

李亚威，刘笑吟，徐哲威，等.不同蒸散量时间尺度提升法用于节水灌溉稻田的对比分析[J]. 农业工程学报，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

国家自然科学基金资助项目（51809075）；江苏省自然科学基金资助项目（BK20180506）；中国博士后科学基金资助项目（2019M651680）

李亚威，博士，助理研究员，研究方向为农田高效灌排及其环境效应。Email：yaweizx@hhu.edu.cn

刘笑吟，博士，副教授，研究方向为节水灌溉农田水热通量研究。Email：lxyin1819@hhu.edu.cn