CN111259306B - 一种冬小麦区域作物系数测算方法 - Google Patents

Abstract

本发明属于作物系数测算方法技术领域，具体涉及一种区域冬小麦作物系数测算方法。该方法以单作物系数法为基础，并结合实际对单作物系数法进行改进，再将改进后的单作物系数法公式作为表达式带入地图代数，对栅格图的每个像元进行区域作物系数的计算，从而的到本发明的区域冬小麦作物系数图。该方法提出了适合中国种植分区的作物系数基础推荐值和修正公式，并结合地图代数，提出一种区域单作物系数法，并用冬小麦实测需水量资料进行验证，为解决作物系数由点到面转化的难题提供有效途径，为农田水利工程规划、设计和管理、地区间水量分配、跨流域调配水提供技术支撑。

Description

一种冬小麦区域作物系数测算方法

技术领域

本发明属于作物系数计算方法技术领域，具体涉及一种冬小麦区域作物系数测算方法。

背景技术

小麦是世界三大粮食作物之一，冬小麦占小麦总产的91％和播种面积的90％，冬小麦产量的高低直接决定着我国小麦的总产，而灌溉是小麦产量的重要保障。灌溉用水是农业用水的主要组成部分，灌溉用水占我国农业用水的90％以上，而作物需水量是制定灌溉制度的基础，是实现农业节水的重要依据，对提高农业用水管理水平和农业用水效率具有重要意义。作物需水量是农作物在土壤水分适宜、生长良好、产量水平较高的条件下棵间蒸发和植株蒸腾以及用于组成植株体、消耗于光合作用等生理过程的需水量之和。作物需水量是水权制度建设、水法制定的重要根据，是一个国家和地区农田水利工程规划与设计等工作的基础资料，也是水资源开发、利用与管理、农作物种植区划与布局、农业生产运筹等工作的理论依据，是国民经济发展与决策制定的保障。因此，准确确定作物需水量十分重要。

作物需水量的计算分为直接法和间接法两类。直接法通常根据作物需水量实测数据，建立作物需水量与主要影响因素的经验关系式，该方法具有简便，结果较为准确的优点，但是直接法是根据试验得到经验公式，没有严格的物理基础，通常有严格限制条件，不可直接套用。间接法是通过参考作物腾发量与作物系数的乘积得到作物需水量，联合国粮农组织第56卷(FAO56)将参考作物腾发量(Reference evapotranspiration,ET₀)定义为假想的参考作物腾发速率，该作物高度为12cm，反射率恒定为0.23，叶面阻力为70s/m，类似于表面开阔、生长旺盛、完全覆盖地面、土壤水分适宜条件下的绿色草地的腾发量。目前使用最多的是联合国粮农组织(FAO)推荐的基于能量平衡和空气动力学方法的FAO56PenmanMonteith法，也称综合法，该方法具有很好的物理基础，适用范围广泛，不需地区率定，根据气象条件即可得到ET₀。

作物系数是实际作物需水量ET_c和参考作物腾发量ET₀的比值，主要影响因素有作物本身生物学特性、土壤水分因素和栽培管理措施，具有全生育期年际间稳定性、生育阶段不稳定性和地域性的特点。作物系数通常通过灌溉试验得到，在传统的作物系数模型中，多采用线性或非线性回归，建立影响因素和作物系数的回归关系，但是传统的作物系数模型不具有较好的物理基础，也往往代表了开展灌溉试验的点尺度上的作物系数模型，与当地的气象、土壤、作物等紧密相关，其他无资料地区无法直接套用。

作物系数还可以通过单作物系数法和双作物系数法得到，然而单作物系数法和双作物系数法得到的作物系数与实测值差别较大， FAO56单作物系数法和双作物系数法的作物系数推荐值不是为中国地区量身定制，使用时容易产生较大误差；而且单作物系数法得到的作物系数仍然为点尺度，作物系数的空间上的代表性未从得知。由于作物系数具有较大的空间变异性，这些点尺度的数据不能直接用于其他点，更不能代替某一较大面积上的平均值，但是在农田水利工程规划、设计和管理、地区间水量分配、跨流域调配水需要的是不同尺度上的作物系数和作物需水量，因此水利部门全国布局了灌溉试验总站、中心站和终点站，但是由于人力、物力和财力等限制，不可能无限制的布置观测站点。因此，如何利用有限的灌溉试验数据，由点及面，由灌溉试验站“扩展”更多无灌溉资料地区的应用和生产中，是当前面临的一个难题。

发明内容

针对目前的作物系数测算方法是基于灌溉试验，通过线性或非线性回归建立的作物系数经验公式，不具有较好的物理基础，仅仅是开展灌溉试验的点尺度上的作物系数经验公式，与当地的气象、土壤、作物等紧密相关，其他无资料地区无法直接套用；且FAO56单作物系数法和双作物系数法的作物系数推荐值不是为中国地区量身定制，多个研究表明单作物系数法和双作物系数法在中国计算作物系数时有较大误差；而且单作物系数法得到的作物系数仍然为点尺度，点尺度的数据不能直接用于其他点，更不能代替某一较大面积上的平均值，作物系数的空间上的代表性未从得知的缺陷和问题，本发明提供一种冬小麦区域作物系数测算方法。

本发明解决其技术问题所采用的方案是：一种冬小麦区域作物系数测算方法，包括以下步骤：

第一步、对研究区域进行分区，收集研究区域内不同分区灌溉试验的气象数据和冬小麦需水量数据，将不同分区冬小麦全生育期划分为生长初期、快速生育期、生长中期、生长后期；

第二步、确定各分区生长初期、生长中期、生长后期的典型气候条件，即确定各分区不同生育阶段的2m风速多年平均实测值(u_2(obs)) 及最小相对湿度(RH_min(obs))多年平均实测值；

第三步、根据各分区开展冬小麦需水量试验，通过生长初期、生长中期、生长后期实测的冬小麦需水量ET_c与参考作物腾发量ET₀的比值，确定冬小麦生长初期、生长中期、生长后期作物系数实测值 K_cini(obs)、K_cmid(obs)、K_cend(obs)；

第四步、将不同生育阶段作物系数实测值与FAO56单作物系数法的作物系数进行对比，得到单作物系数法冬小麦作物系数与实测值的相对误差；

第五步、若相对误差较大，将冬小麦作物系数实测值的平均值替代FAO56单作物系数法的作物系数推荐值，并将第一步得到的不同分区实测2m风速及最小相对湿度多年平均实测值替代FAO56单作物系数法中2m风速和最小相对湿度的界定值，得到改进的单作物系数的表达式，

式(1)中：K_c(obs)表示各生育阶段的作物系数多年平均实测值，分别代表生长初期、生长中期、生长后期或全生长期的作物系数多年平均实测值K_cini(obs)、K_cmid(obs)、K_cend(obs)，RH_min(obs)、u_2(obs)分别表示对应生育阶段的最小相对湿度RH_min和2m风速u₂的多年平均实测值；

若相对误差较小，则使用单作物系数法；

第六步、将改进的单作物系数或单作物系数法的表达式带入地图代数，对栅格图的每个像元进行区域单作物系数法的计算，得到区域冬小麦作物系数图。

上述的一种冬小麦区域作物系数测算方法，第六步中冬小麦区域单作物系数图的计算方法为：首先对冬小麦种植区域划分网格，选择合适的网格大小；其次，将最小相对湿度和2m风速栅格图加载到 ArcMap中显示；最后，以最小相对湿度、2m风速栅格图和作物系数实测值作为输入，把改进的单作物系数法表达式代入地图代数，对栅格图的每个像元进行改进的单作物系数法的计算，从而得到作物系数图。

本发明的有益效果：本发明基于多站点冬小麦需水量试验，对 FAO56单作物系数法适用性进行检验，并对单作物系数法进行改进，提出适合中国种植分区的作物系数基础推荐值和修正公式，并结合地图代数，提出一种区域单作物系数法，并用冬小麦实测需水量资料进行验证，为解决作物系数由点到面转化的难题提供有效途径，为农田水利工程规划、设计和管理、地区间水量分配、跨流域调配水提供技术支撑。

附图说明

图1为本发明技术路线图。

图2为区域单作物系数法的计算流程图。

图3为本发明冬小麦研究区域分区及灌溉试验站分布图。

图4为本发明的区域冬小麦作物系数分布图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

实施例1：本发明的技术路线图见图1。首先进行基础数据的处理，将研究区域进行分区，确定各分区生长初期、生长中期、生长后期的典型气候条件。

其次，根据不同分区，将冬小麦作物系数实测值的平均值替代 FAO56单作物系数法的作物系数推荐值，并将不同分区气象站点实测 2m风速及最小相对湿度平均值替代FAO56单作物系数法中2m风速和最小相对湿度的界定值(2m/s和45％)，从而得到改进后的单作物系数法。值得注意的是，2m/s和45％为“标准气象条件”下的数据，这种“标准气象条件”定义为最小相对湿度为45％和弱风条件下2m 风速为2m/s的亚湿润气候，45％和2m/s为该特定亚湿润气候条件下的最小相对湿度和2m风速典型值，同时作为气象条件的界定值，是一个静态值，而本发明采用各分区不同生育阶段的2m风速多年平均实测值(u_2(obs))及最小相对湿度(RH_min(obs))多年平均实测值，动态调整，更能符合各分区的气候条件，有利于提高冬小麦作物系数的计算精度。

最后，将改进后的单作物系数法和地图代数结合，提出基于地图代数的区域单作物系数计算方法，简称区域单作物系数法。利用区域单作物系数法，得冬小麦作物系数栅格图。

下面结合我国冬小麦的种植地区及种植情况对本发明方法做详细阐述。

第一步，对研究区域进行分区。中国冬小麦主要分布在河南省、河北省、山东省、山西省、陕西省、安徽省、江苏省、北京市、天津市，结合中国小麦种植区划研究，本发明将中国冬小麦种植区域分为北部冬麦区、黄淮冬麦区、长江中下游冬麦区，见图3，由图3可知，三个冬麦区域冬小麦的播种面积占全国的88.0％，冬小麦产量占全国的91.4％。

根据不同区域灌溉试验站的观测成果，对冬小麦的生育期进行划分，冬小麦生育期的划分见表1。由于当地观测数据生育期的划分和 FAO概化的四阶段生育期不同，需进行生育期的转化。生长初期包含苗期和返青期，快速发育期包含返青期和拔节期，生长中期包括抽穗期和灌浆期，生长后期为成熟期。

表1 冬小麦生育期划分

第二步和第三步，确定各分区生长初期、生长中期、生长后期的典型气候条件，确定各分区不同生育阶段的2m风速多年平均实测值 (u_2(obs))及最小相对湿度(RH_min(obs))多年平均实测值；确定冬小麦生长初期、生长中期、生长后期作物系数实测值K_cini(obs)、K_cmid(obs)、K_cend(obs)，见表2。

表2 冬小麦各生育阶段实测作物系数和典型气候值参数表

第四步，按FAO56单作物系数法公式可得冬小麦作物系数K_c，将各生育阶段作物系数实测值K_c(见表2)与FAO56单作物系数法的作物系数进行对比，得到单作物系数法冬小麦作物系数与实测值的相对误差，结果见表3。

表3 FAO56单作物系数法与作物系数实测值对比结果

表注：1.单作物系数法得到的冬小麦作物系数；2.单作物系数法得到的冬小麦作物系数与实测值的相对误差，相对误差＝(单作物系数法得到的作物系数- 实测作物系数)/实测作物系数×100。

由表3可以看出，生长初期七个站作物系数计算值均偏小，相对误差除安徽肥东站较小外(-6.0％)，其他六站相对误差范围在 -47.0％--23.5％之间；生长中期相对误差在-13.3％-18.0％之间，其中山西霍泉站、甘肃平凉站、山东王屋站计算值偏大，其他站偏小；生长后期作物系数计算值均偏小，相对误差范围在-46.1％--36.5％之间。由此可见，FAO56单作物系数法计算冬小麦误差较大。由于FAO56单作物系数法计算冬小麦误差较大，因此，对单作物系数法进行改进。

第五步，将冬小麦作物系数实测值的平均值替代FAO56单作物系数法的作物系数推荐值，并将不同分区气象站点实测2m风速及最小相对湿度平均值替代FAO56单作物系数法中2m风速和最小相对湿度的界定值(2m/s和45％)，从而得到改进的单作物系数法，如下式所示。

第六步、将改进的作物系数的表达式带入地图代数，对栅格图的每个像元进行区域单作物系数法的计算，得到区域冬小麦作物系数图。

将改进后的单作物系数法和地图代数结合，提出基于地图代数的区域单作物系数计算方法，简称区域单作物系数法，具体流程如图2 所示，具体如下：

首先，对冬小麦种植区域划分网格，选择适合的网格大小。 ArcMap10.3中默认将研究区域长宽的较小值除以250作为网格大小，即默认网格大小为17.9km*17.9km，满足分析作物系数空间变异性的要求。

其次，将最小相对湿度和2m风速栅格图加载到ArcMap中显示。

最后，以最小相对湿度、2m风速栅格图和作物系数实测值作为输入，把改进的单作物系数法作为地图代数表达式，按照赋值参数表 2对栅格图的每个像元进行单作物系数法的计算，从而得到区域冬小麦作物系数图，计算流程图见图2。

借助ArcGIS环境的地图代数可以实现上述区域单作物系数法的计算，地图代数作为简易而强大的代数语言，可借助ArcPy Python站点包的扩展模块空间分析(SpatialAnalyst)模块获得，利用地图代数可以实现ArcGIS中空间分析工具、运算符号以及各种函数，来执行地理分析。

利用区域单作物系数法，得区域冬小麦作物系数分布图，见图4。由图4可以看出，整体上呈现如下规律：生长初期、中期、后期和全期自黄淮海冬麦区向南北两个方向递减，作物系数分布呈现明显的板块特征。由图4a中可以看出，生长初期作物系数最大值出现在黄淮海冬麦区(0.687)，最小值出现在北部冬麦区(0.625)，各区作物系数为常数。由图4b可以看出，生长中期作物系数高值区出现在黄淮海冬麦区的山东半岛(1.150-1.223)，低值区出现在北部冬麦区的河北北部、山西中部和关中地区(0.958-1.000)。图4c可以看出，冬小麦生育后期作物系数高值区出现在黄淮海冬麦区(0.750-0.857)，低值区出现在长江中下游冬麦区(0.621-0.650)。由图4d可知，全生育期作物系数高值出现在黄淮海冬麦区及安徽南部、湖南中部部分地区 (0.900-0.955)，低值区出现在由陕西中部向东北延伸的山西南部、河北中部、北京、天津、辽宁西部的条形带上(0.763-0.800)。

提取上述冬小麦各生育期作物系数栅格图中7个灌溉试验站对应的作物系数，与实测的作物系数进行比较。区域单作物系数法得到的作物系数和实测作物系数差异结果见表4。

表4 区域单作物系数法得到的作物系数与实测作物系数的比较

由表4中数据可以看出，除了安徽肥东站和江苏涟水站的相对误差为17.7％和-13.1％之外，生长初期的作物系数误差绝对值在9.3％之内；生长中期作物系数相对误差除山东王屋站较大(13.7％)外，其他六站相对误差绝对值均小于5.5％，除山西霍泉站和山东中心站计算值偏小外，其他五站计算值均偏大；生长后期相对误差在-6.0％-9.6％之间，山西霍泉站、山东中心站和安徽肥东站计算值偏小，其他四站生长后期作物系数计算值偏大；所有灌溉试验站全生育期相对误差均在9.0％以下，同生长后期一样，山西霍泉站、山东中心站和安徽肥东站全生育期作物系数计算值偏小，其他四站均偏大。值得注意的是快速发育期作物系数未进行计算。经验证，区域单作物系数法得到的作物系数精度比FAO单作物系数法显著提高，可用于计算作物系数空间分布图。

实施例2：本实施例提供另一种情况的冬小麦作物系数的测算方法，具体如下。

第一步、对研究区域进行分区，收集研究区域内灌溉试验的气象数据和冬小麦需水量试验，将不同分区冬小麦全生育期划分为生长初期、快速生育期、生长中期、生长后期；

第二步、确定各分区生长初期、生长中期、生长后期的典型气候条件，即确定各分区不同生育阶段的2m风速多年平均实测值(u_2(obs)) 及最小相对湿度(RH_min(obs))多年平均实测值；

第三步、根据各分区开展冬小麦需水量试验，通过生长初期、生长中期、生长后期实测的冬小麦需水量ET_c与参考作物腾发量ET₀的比值，确定冬小麦生长初期、生长中期、生长后期作物系数实测值 K_cini(obs)、K_cmid(obs)、K_cend(obs)；

第四步、将作物系数实测值与FAO56单作物系数法的作物系数进行对比，得到单作物系数法冬小麦作物系数与实测值的相对误差；

第五步、单作物系数法冬小麦作物系数与实测值的相对误差较小，则直接选用单作物系数法，具体为。

首先，根据作物生长特征，将作物生育期概化为四个阶段：生长初期(从播种日延续到地面覆盖达10％)、快速发育期(从地面覆盖 10％到地面被有效全覆盖)、生长中期(从有效全覆盖到开始成熟) 和生长后期(从开始成熟到收获或完全衰老)，然后查FAO56，确定相应气候条件下的推荐作物系数：K_cini(Tab)、K_cmid(Tab)、K_cend(Tab)。最后根据不同阶段的气候条件对作物系数分别进行修正。

(1)生长初期作物系数(K_cini)的确定

以冬小麦为例，在冬小麦生长初期，土壤蒸发占主导地位，需考虑降雨或灌溉对作物系数的影响。土壤蒸发分为两个阶段，第一阶段为“能量限制”阶段，潜在蒸发速率E_so＝1.15ET_o，第一阶段干燥过程持续时长t₁＝REW/E_so。当湿润间隔时间t_w＜t₁时，即第一阶段的全过程，此时K_cini＝E_so/ET_o＝1.15；

当t_w＞t₁时，即第二阶段，K_cini计算公式为：

式中，TEW为一个干旱周期总蒸发水量，mm；REW为能量限制阶段可被蒸发的水量，mm；t_w为湿润过程平均间隔，天；t₁为第一阶段持续时间，天；E_so为潜在蒸发率，mm/d。

(2)中期作物系数(K_cmid)的确定

当地气候条件不是典型气候，即最小相对湿度平均值RH≠45％， 2米处平均风速u₂≠2.0m/s时，FAO56提供的作物系数值需按照下式进行修正：

K_cmid＝K_cmid(tab)+[0.04(u₂-2)-0.004(RH_min-45)](h/3)^0.3

式中，K_ctab为中期作物系数推荐值；u₂为该阶段2m风速，m/s；RH_min为该阶段内最低相对湿度的平均值，％，h为作物平均高度，m。

(3)后期作物系数(K_cend)的确定

当地气候条件不是典型气候，即最小相对湿度平均值RH≠45％， 2米处平均风速u₂≠2.0m/s时，需按照下式进行修正：

K_cend＝K_cend(tab)+[0.04(u₂-2)-0.004(RH_min-45)](h/3)^0.3

式中，K_ctab为后期作物系数；U₂为该阶段2m高的日平均风速，m/s； RH_min为该阶段内最低相对湿度的平均值，％，h为作物平均高度，m。根据FAO56规定，当后期作物系数推荐值小于0.45时，不需要修正。

当缺乏最小相对湿度数据时，可以利用下式进行计算，

式中，T_max、T_min为日最高温度和日最低温度。

将上述单作物系数法的计算公式作为表达式代入地图代数，对栅格图的每个像元进行区域单作物系数法的计算，得到区域冬小麦作物系数图。

以上所述仅为本发明的较佳实施例，并不限制本发明，凡在本发明的精神和原则范围内所做的任何修改、等同替换和改进，均应包含在本发明的保护范围之内。

Claims (2)

1.一种冬小麦区域作物系数测算方法，其特征在于：包括以下步骤：

第一步、对研究区域进行分区，收集研究区域内灌溉试验的气象数据和冬小麦需水量数据，将不同分区冬小麦全生育期划分为生长初期、快速生育期、生长中期、生长后期；

第二步、确定各分区生长初期、生长中期、生长后期的典型气候条件，即确定各分区不同生育阶段的2m风速多年平均实测值(u_2(obs))及最小相对湿度(RH_min(obs))多年平均实测值；

第三步、根据各分区开展冬小麦需水量试验，通过生长初期、生长中期、生长后期实测的冬小麦需水量ET_c与参考作物腾发量ET₀的比值，确定冬小麦生长初期、生长中期、生长后期作物系数实测值K_cini(obs)、K_cmid(obs)、K_cend(obs)；

第四步、将不同生育阶段作物系数实测值与FAO56单作物系数法的作物系数进行对比，得到单作物系数法冬小麦作物系数与实测值的相对误差；

第五步、若相对误差较大，将冬小麦作物系数实测值的平均值替代FAO56单作物系数法的作物系数推荐值，并将不同分区气象站点实测2m风速及最小相对湿度平均值替代FAO56单作物系数法中2m风速和最小相对湿度的界定值，得到改进的作物系数的表达式，

式中：Kc(obs)表示生长初期、生长中期、生长后期或全生长期的作物系数多年平均实测值，RH_min(obs)、u_2(obs)分别表示对应生育阶段的最小相对湿度RH_min和2m风速u₂的多年平均实测值；

若相对误差较小，则使用单作物系数法；

第六步、将改进的单作物系数表达式或单作物系数表达式带入地图代数，对栅格图的每个像元进行区域作物系数法的计算，得到区域冬小麦作物系数图。

2.根据权利要求1所述的一种冬小麦区域作物系数测算方法，其特征在于：第六步中冬小麦区域作物系数图的计算方法为：

首先，对冬小麦种植区域划分网格，选择适合的网格大小；

其次，将最小相对湿度和2m风速栅格图加载到ArcMap中显示；

最后，以最小相对湿度、2m风速栅格图和作物系数实测值作为输入，把改进的单作物系数表达式或单作物系数表达式代入地图代数，对栅格图的每个像元进行改进的单作物系数法的计算，从而得到作物系数图。

Images