气温估算方法

气温估算方法（精选三篇）

气温估算方法 篇1

关键词：冠气温差,日蒸散量,玉米,向日葵,估算模型

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[2,3,4,5]。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[6,7,8]。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[9,10,11],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[16,17,18,19],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 036m。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151.3mm,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。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143d。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109d。

(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40cm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:

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:

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:

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2m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:

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。

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5~7d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10~20cm深度处的土壤含水量相差较小,变化趋势基本相同,但20~40cm深度处土壤含水量明显高于0~10和10~20cm深度处的土壤含水量;向日葵0~10、10~20和20~40cm深度处的土壤含水量相差较大。玉米和向日葵0~40cm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0~40cm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1h;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,(TsTa)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。

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。

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(ETdRnd)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0.122mm/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。

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0.408mm/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0.548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;

气温估算方法 篇2

针对开展乡镇天气预报对高精度逐日气象要素输入值的.需求,以辽宁地区为例,选用克立格法(Kriging)、距离权重反比法(IDw)、带高度梯度订正的距离权重反比法(GIDW)及样条函数法(spline)4种插值方法,进行有限气象站点1～12月逐日气象要素空间插值方法研究并对估值进行检验.结果表明:对温度而言,GIDW方法估值精度较高,插值结果分布趋势也较为接近实际站点的分布;对降水而言.IDW估值精度高于其他插值方法,更适合于日降水量的空间插值.

作 者：陆忠艳 袁子鹏 蔡福 吴曼丽 刘文明 Lu Zhongyan Yuan Zipeng Cai Fu Wu Manli Liu Wenming 作者单位：陆忠艳,袁子鹏,吴曼丽,刘文明,Lu Zhongyan,Yuan Zipeng,Wu Manli,Liu Wenming(沈阳中心气象台)

蔡福,Cai Fu(中国气象局沈阳大气环境研究所,沈阳,110016)

小学估算方法例谈 篇3

[关键词]小学数学 估算 方法 案例

[中图分类号] G623.5 [文献标识码] A [文章编号] 1007-9068（2016）20-062

所谓估算就是对加减乘除进行估计，计算的结果是大约值。对小学生估算能力进行培养，有助于学生形成良好的数学思考方法，提高学生对数字的敏感度，而且在一些恰当的场合进行估算，能够在短时间内解决实际问题。需要注意的是估算和口算有想通之处，但也并不完全相同，估算的方法相对模糊一些。下面介绍三种常用的估算方法。

一、前端调整法

前端调整法中的前端是指数字中最左边的数字，这种估算法只保留前端数字，其余数字都取0，这个方法在具体应用时又延伸出三种。

首先是范围估算法，这种方法最直接、简单，但计算的结果也最模糊。例如计算“159+237”时，只取最左侧的前端，100<159<200，200<237<300，这样的话其下限是100+200=300，其上限是200+300=500，所以159+237的估算结果的范围就是300～500。同理26×184的结果应该是在20×100和30×200之间，也就是2000～6000。这种计算方法的适用范围是加法和乘法，但是乘法估算结果的范围过大，因此，范围估算法最适用于加法。其次是前两位估算法，该计算方法要计算的范围涉及最左前两位。例如计算“567+336”时，先取500+300=800，再取60+30=90，相加得出结果800+90=890。这种计算方式估算的结果会小于实际值，但是相对范围估算法要更接近于真实答案。最后是首位调整法，该计算方法要对首位之后的数字进行适当的调整，从而使结果更接近于最终值。例如计算“457+582”时，首位取400+500=900，而57接近于60，82则接近于80，所以60+80=140，相加得出结果900+140=1040。这个计算方法调整的方式可能是加，也可能是减，所以其得到的结果有可能偏上限值，也有可能偏下限值。

根据实践发现，前端调整法更适用于加法，偶尔适用于乘法，并不适用于减法和除法，教师在教学时需要让学生了解这一点。

二、舍入法

舍入法是人们最常见的估算法，其目的是用简单好计算的数字来代替复杂难处理的数字。使用舍入法时，首先确定要舍到哪一位，然后根据实际情况再进行舍入。

舍入法一般包括两种。第一种是普通舍入，自己选择向上入还是向下舍，例如153往下舍就是150，而往上入则是160。普通舍入法是学生根据实际情况来判断舍入的。第二种是四舍五入法，这也是平时最常用的方法，例如153就被舍为150，1556则被入为1560，153+1556就可以转换为150+1560=1710。相对其他估算方法，四舍五入法比较精确。

在使用舍入法时，学生可以按照自己的需求来进行舍入，无论是向上入还是向下舍，其目的就是为了在估算中取得更精准的结果。但是，在处理实际生活中的问题时，则需要根据实际情况来舍入。例如，在做旅游预算时应当尽量往上入，路费367元可以入为400元，住宿费320元可以入为350元，这样就有余额应付突发事件。可见舍入法在具体应用中的灵活性。

三、盈亏互补法

盈亏互补法就是尽量追求结果更加准确，从而微调数据和算式的方法。这个思维过程要考虑到所有可能的结果，调整不同结果之间的平衡，最终得到一个最贴合的实际值。

例如，计算“578626÷7166”时，可以将前面的数字入为580000，这个数字比之前的数字要大，这时如果还将7166舍为7100的话，则最终结果肯定会比实际值大很多，所以要对应增加除数的量，将7166入为7200，这样计算结果的偏差较小。又如，计算“846026+943215+925466”时，可将943215和925466的后五位补到846026上，则大约补为900000，前两者在失去后五位之后，也大约是900000，所以通过简单的互补可以得到结果约为2700000。

盈亏互补法可以应用到加减乘除不同的计算中，根据实际情况对数据进行一定的增减，从而达到使结果更精确的目的。另外，这个方法还可以适用于其他的估算内容中，例如面积、体积上的互补估算等。

总而言之，估算的方法有很多，本文只列举了其中三种，每种方法也并不固定，可以根据实际计算要求进行微调。学生更重要的是要从这些估算方法中学会估算的思维方式，不被精算思维所限，以更灵活地面对诸多实际问题。