郭仲英，吴英楠，刘晓英，顾峰雪，李玉中，钟秀丽，李巧珍

不同冠层阻力模型对冬小麦返青−成熟期蒸散量估算的影响*

郭仲英，吴英楠，刘晓英**，顾峰雪，李玉中，钟秀丽，李巧珍**

（中国农业科学院农业环境与可持续发展研究所，北京 100081）

蒸散量是农田水循环的重要组成部分，其准确估算对精准灌溉及农业节水具有重要意义。Penman- Monteith（P-M）模型是常用的估算方法之一，但冠层阻力/表面阻力的准确表达一直是应用中的难点。选取常用的7种冠层阻力模型，根据北京市顺义区2a（2020年和2021年）的波文比实测结果，对不同模型模拟的小麦冠层阻力及P-M估算的小麦蒸散量进行比较，并进一步分析影响小麦冠层阻力的主要因子。结果表明，7种模型均低估了小麦冠层阻力，同时高估了蒸散量。总体而言，Todorovic模型（TD）模拟效果最好，其模拟的冠层阻力和蒸散量的R2均大于0.605，平均偏差（MBE）分别为−82.8s·m−1和10.4W·m−2，相应的均方根误差（RMSE）分别为254.4s·m−1和33.5W·m−2；其余6种模型表现均较差，所模拟的冠层阻力R2仅0.113～0.241，MBE和RMSE在−236.4～−61.3s·m−1、277.2～373.8s·m−1；基于6种模型模拟阻力得到的小麦蒸散量与实测值的R2在0.046～0.184，MBE和RMSE分别在44.5～97.4W·m−2、81.4～147.9W·m−2。7种模型模拟效果排序为TD>FAO56-PM>Katerji-Perrier(KP) >Garcıá-Santos(GA)>idso(IS)>Jarvis(JA)>CO。相关分析表明，净辐射（Rn）对小麦冠层阻力的影响最大，气温（Ta）和冠层温度(Tc)对其影响最小，各因子影响力大小表现为Rn>叶面积指数（LAI）>相对湿度（RH）>饱和水汽压（VPD）>土壤水分（θ）>冠气温差（∆T）>Tc>Ta。这一结果较好地解释了TD模型的良好普适性，既考虑了Rn、VPD、∆T等影响冠层阻力的关键因子，且不含待校正参数，使用方便。

冠层阻力模型；冬小麦；蒸散量；Penman-Monteith

在北方冬麦区，小麦消耗水分主要来源于降水、灌溉和土壤贮水。由于降水大部分集中在6−8月，冬小麦生长期的降水量较少，致使冬小麦的需水与降水匹配度差，灌溉成为保障小麦产量的重要措施[1]。而小麦蒸散量（ET）是灌溉决策重要基础，其准确与否对灌溉系统设计运行、灌溉制度制订及农业用水管理具有重要意义。

前人围绕作物蒸散量的实测和模拟开展了大量研究，提出了许多方法[2]。其中，P-M模型是最常用的方法之一，但模型中冠层阻力参数对估算精度影响较大，其在模型中的准确表达一直是研究及应用中的难点。P-M公式将冠层和地表当作一层即“大叶”看待，并引入表面阻力/冠层阻力参数（rs）的概念[3]。冠层阻力是一个虚拟的物理量，表示不同层次、不同部位叶片的气孔阻力、土壤湿润状况及冠层内空气动力学特性等因素对整个冠层蒸散影响总效果的一个参数。因此，冠层阻力并不是一个纯粹的生理参数，其大小并不能仅仅从冠层上各个叶片的气孔阻力值完全确定[4]，还受到其他众多环境因子和作物因素的影响，造成其准确估算十分困难。大量研究表明，rs对P-M公式的估算精度影响很大。王安志等[5−6]发现P-M模型在估算农田作物ET时，rs的精确度起关键作用。李俊等[7]采用P-M模型和Shuttleworth-Wallace(S-W)模型模拟冬小麦田主要生长季的逐时ET，并分析了模型对各阻力参数的敏感性，发现S-W和P-M模型估算的ET均对rs最敏感。有学者[8]曾指出，P-M模型的模拟精度主要是受太阳辐射、空气动力学阻力和冠层阻力准确度的影响。Allen等[9]也认为，若能确定具体作物的rs以及空气动力学阻力，P-M模型适合任何作物ET的直接计算，而不仅仅是参考作物。FAO将P-M模型推荐为计算参照作物ET的标准方法，并且推荐rs取值为70s·m−1[9−10]。有研究表明[11−12]，rs可以推广到多种作物，如冬小麦[11]等。

目前获得作物群体冠层阻力常用三种方法：（1）反推法。是利用实测的ET采用P-M公式反推得到rs[13−14]，这是一种自上而下的方法(top-down approach)[15]，而且这样得到的结果常视为“测定”值；（2）升尺度法。利用实测作物单个叶片的气孔阻力，结合作物群体叶面积指数（LAI）空间垂直分布信息，对气孔阻力校正后得到群体冠层阻力[16−18]；与方法（1）相比，这是一种自下而上的方法(bottom-up approach)[19]；（3）环境因子函数法。该方法考虑了影响叶片气孔阻力的各类环境因子，并假设群体冠层阻力也受到这些环境因素的影响，且遵从同样的函数关系，从而构建的rs模型[20−21]。以上三种方法中，环境因子函数法应用较多，如著名的JA模型[22]。黄辉等[23]通过引进LAI，将Yu等[24]校正的JA模型从叶片尺度扩展到冠层尺度，并以温度和光合有效辐射两个变量构建组合模型，模拟了华北平原小麦田的rs。李俊等[7]改进了Noihan的rs模型中有效LAI的算法，较好地模拟了禹城地区的冬小麦蒸散量。文建川等[25]用8种组合方式的JA模型和Irmak模型对低丘红壤区稻田蒸散量进行了较好的模拟。在JA模型基础上，莫兴国[20]利用波文比实测资料，采用非线性最优化方法建立了华北平原冬小麦群体rs与太阳辐射、气温、空气饱和差以及土壤含水量等环境因子的函数关系模型，并证明模型有较好的预测能力。Li等[26]基于JA模型和流体动力学原理，引入了土壤阻力参数，构建了耦合的rs模型（CO模型），在模拟芬兰南部的大麦生长前期（LAI<2）效果良好。Garcıá-Santos等[27]在Jarvis- Stewart模型基础上，只保留了净辐射和饱和水气压，提出了一种rs模型（GA模型），并较好模拟了两种植物的ET。Katerji等[28]基于对巴黎矿区水分条件良好的苜蓿的ET研究提出了一种广泛应用的模型，即Katerji-Perrier（KP模型）rs模型，大量应用发现KP适用于很多种作物，如苜蓿[29]、草地[30−32]、向日葵[33]、高粱[33−34]、大豆[35]、莴苣[36]等。Todorovic[31]通过对加州地中海气候下供水良好的草地ET模拟，提出一种阻力模型（TD模型），其计算rs时不需要任何校准，在很多应用中效果较好[31，37]。Yan等[38]利用TD和KP模拟了中国南部小麦和茶树的蒸散量，发现二者都可以很好地估算小麦的小时和日蒸散量，但对于茶树的日蒸散量，TD的模拟效果较差。Howell等[39]应用Idso[40]提出的冠气温差与空气饱和水汽压差线性关系的经验模型（IS模型）来计算rs，发现此方法模拟德克萨斯州的冬小麦、高粱和玉米都有较好的效果。袁国富等[41]曾用IS模型估算禹城冬小麦不同生育期的最小冠层阻力，结果具有较好的代表性。

由于多数阻力模型是针对特定试验地点和特定作物建立的，模型的普适性不明确，需用田间数据进行效果评价。文建川等[25]将两种模型应用到低丘红壤区的稻田，冠层阻力模型种类少，也未研究模拟冬小麦的效果，且试验环境与北京不符。本研究通过把7种常用的rs模型引入P-M公式，探索该类阻力模型在模拟冬小麦蒸散量时的效果，从而实现提高P-M模型估算精度的目的，为小麦蒸散量准确估算提供多种方法选择。

1 资料与方法

1.1 试验地点及相关要素观测

冬小麦试验在中国农业科学院农业环境与可持续发展研究所北京顺义基地进行。基地占地面积66.67hm2，小麦种植面积53.33hm2，试验田位于基地西北侧，四周为小麦田，下垫面满足波文比的测定要求。试验地区属于温带半湿润大陆性季风气候，四季分明，雨热同季，昼夜温差大，年平均气温11.5℃，无霜期平均120d，年平均降水量625mm。土壤质地为粉壤土，田间持水量为0.389cm3·cm−3（0−100cm）。试验观测时间为2020年和2021年冬小麦土壤水分主要消耗期（返青期−成熟期），即3−6月。

气象数据由试验田内的波文比系统得到，观测要素包括气温、空气相对湿度、总太阳辐射及净辐射、土壤热通量、风速、风向、气压等。数据采集器CR1000（美国）安装高度为1.5m，每30min采集并记录一次数据；用维萨拉P155A-L空气温湿度传感器（芬兰）测量两个高度（1m和2m）的气温和湿度；用四分量辐射仪CNR4（荷兰）测定辐射量，安装高度1m；用自校准土壤热通量传感器HFP01SC（荷兰）测量土壤热通量，安装高度为地下0.1m；用05103L风速风向传感器（美国）测量风速风向，安装高度2m；用TE525MM翻斗式雨量计（美国）记录降水量，安装高度2m；用PTB110气压计(芬兰)记录气压，安装高度2m；用冠层温度传感器SI-111（美国）测量冬小麦冠层温度，安装高度为1m。

小麦叶面积指数（LAI）数据用Sunscan冠层分析仪（英国）测定，3−6月每5～7d测量一次。

土壤含水率由TDR测定，预埋三根测管，测后取平均值，测量深度为20、40、60、80及100cm。每个生育期进行，并与烘干法结果进行拟合校正。

1.2 Penman-Monteih蒸散量估算模型

P-M模型[3]是Monteih基于Penman的潜在蒸发公式得出，它基于能量守恒和空气扩散理论，把植物冠层和土壤在动量汇源上看作是一片大叶[42−43]，并引入冠层阻力，计算式为

式中，λ为蒸发潜热（J·kg−1），ET为作物蒸散量（W·m−2），Δ为饱和水汽压曲线斜率（kPa·℃−1），Rn为净辐射（W·m−2），G为土壤热通量（W·m−2），Cp为空气定压比热（J·kg−1·℃−1），ρa为空气密度（kg·m−3），VPD为饱和水汽压差（kPa），ra为空气动力学阻力（s·m−1），rs为冠层阻力（s·m−1），γ为干湿表常数（kPa·℃−1）。其中，ra计算式为[43−44]

式中，z为参考高度（m），d为零平面位移（m），hc为植株高度（m），z0为作物相对于动量传输的粗糙高度（m），k为卡曼常数（k=0.4），u为参考高度的风速（m·s−1）。

1.3 冬小麦蒸散量实测值

使用波文比能量平衡法测定冬小麦蒸散量。该方法是Bowen在1926年基于能量平衡原理提出的[45]，根据两个高度实测的温度差和水汽压差，辅以净辐射、土壤热通量而得到蒸散量。

地表能量平衡公式为

式中，H为显热通量（W·m−2），λET为潜热通量（W·m−2）。

根据相似理论，假设潜热和显热交换系数相等，同时引入波文比β=H/λET，并将微分化为差分，得到显热、潜热通量，即

1.4 冬小麦冠层阻力rs模型

选择rs模型要符合模型简单、所需数据容易获得、以往研究应用效果好和应用广泛4项标准。基于这些标准，选择7个rs模型如表1所示。

表1 研究所选冠层阻力模型

注：ri为等温阻力(s·m−1)；r*为气候阻力(s·m−1)；Tc为冠层温度（℃）；Ta为空气温度（℃）；rcmin为充分供水条件下最小气孔阻力(s·m−1)；θw为凋萎系数（0−100cm），取0.089cm3·cm−3；θf为田间持水量（0−100cm），取0.389cm3·cm−3；θ 为实际土壤含水量（cm3·cm−3）；rss为土壤阻力(s·m−1)。

Note: riis isothermal resistance (s·m−1); r*is the climate resistance (s·m−1); Tcis the canopy temperature (℃); Tais the air temperature (℃); rcminis the minimum pore resistance (s·m−1) under the condition of sufficient water supply; θwis the wilting coefficient (0−100cm,which is 0.089cm3·cm−3; θfis the field capacity (0−100cm) ,which is 0.389cm3·cm−3; θ is the actual soil water content (cm3·cm−3); rssis soil resistance (s·m−1).

1.5 模型检验及数据处理

模型检验从rs及λET两方面进行，即分别使用rs实测值和小麦λET的实测值来验证模型模拟值。rs实测值为P-M模型反演后的值，即将波文比实测的λET代入P-M模型中，经数学反演得到冠层阻力rsP−M，即

实际计算时，首先依据小麦田试验观测及气象数据，利用表1中每个rs模型计算得到模拟值，再将rs模拟值与式（13）得到的实测值进行比较，从而实现对rs模型的初步检验。其次，将rs模拟值代入P-M模型，计算得到不同阻力模型条件下的λET，再将此值与波文比实测的小麦λET进行比较，实现对rs模型的二次检验。所有计算过程采用Matlab编程实现。

波文比及气象数据的质量控制参阅莫兴国的方法[20]。雨天β值很接近−1，通过波文比公式可知，λET会很大，这明显不符合实际，因此，删除雨天和灌溉天不可用的数据，最终获得183d可用数据，其中2020年90d，2021年93d。波文比记录的数据是30min的平均值，先使用该数据系列计算30min的λET系列值，之后再计算日平均λET，最后用式（13）得到日尺度的rs实测值与各影响因子进行相关分析。

阻力模型所需要的LAI是通过将生育期每隔5～7d测定的数据进行非线性回归方法进行插补，从而得到作物参数的逐日值。

1.6 评价指标

评价指标主要包括决定系数 R2、平均偏差MBE和均方根误差RMSE，各指标计算式分别为[49]

2 结果与分析

2.1 试验期间气象条件及实测小麦蒸散量

由图1可见，两个试验年度的3−6月，当地日净辐射量（Rn）基本在30～250W·m−2；土壤热能量（G）的变化区间为−22～44W·m−2；两年的风速（W）变化趋势基本一致，最大值分别出现在2020年3月26日（3.6m·s−1）和2021年5月7日（3.2m·s−1）；温度（T）变化区间在1～30℃；VPD整体呈上升趋势，波动范围在0.2～2.9kPa；3−6月降水量分别为61.2、36.8mm，但时间分配上不均匀，2020年主要集中在4、5、6月，峰值出现在4月16日（18.1mm）；而在2021年降水主要集中在5、6月，峰值出现在5月22日（6.3mm）。从降水总量来看，2020属平水年，2021属极干旱年份。

图1显示，冬小麦返青−成熟期（3−6月）逐日蒸散量(λET)随着生育期推进逐渐升高，变化范围在10～200W·m−2。两年的λET均在5月中旬之前增加较为缓慢，之后迅速增加，这是由于太阳辐射的增强、气温的升高和作物生长加速导致蒸散量的增加，符合作物λET变化的一般规律。2020年λET的实测平均值为100W·m−2，比2021年的均值97W·m−2高出3.1%。两年的β均随着蒸散量的增加而逐渐减小，波动范围为−0.26～0.96。

2.2 不同阻力模型的模拟值与实测值比较

2.2.1 七种模型对小麦返青−成熟期冠层阻力的模拟效果

根据2020年和2021年数据，得到7种阻力模型的rs，与P-M反推得到的阻力实测值比较（图2）表明，TD模型的rs模拟值与实测值的一致性最好，决定系数R2最高（0.705）。IS模型的一致性仅次于TD，R2为0.616。而KP、GA、JA和CO这4种模型的一致性都较差，R2分别为0.214、0.241、0.219和0.113。

由rs模拟值与实测值差异的统计特征值（表2）可知，所有模型的rs模拟值均小于实测值。其中KP模型模拟值与实测值的平均偏差MBE为−61.3s·m−1，相应的RMSE为277.2s·m−1，低估程度在7种模型中最小；FAO56-PM、TD、IS、GA、JA和CO模型模拟值与实测值的MBE为−185.1、−82.8、−198.5、−179.0、−184.9和−236.4s·m−1，相应的RMSE为344.6、254.4、316.1、322.1、321.0和373.8s·m−1。以RMSE为依据，各模型模拟值与实测值的一致性排序表现为TD>KP>IS>GA>JA>FAO56-PM>CO。

图1 2020年和2021年小麦返青−成熟期（3−6月）波文比系统观测冬小麦逐日蒸散量及其气象条件变化

图2 不同阻力模型的rs模拟值与实测值比较(n=183)

表2 不同阻力模型模拟值与实测值比较的统计特征值

注：统计检验的样本n=183。

Note: Sample of statistical test n=183.

2.2.2 冠层阻力模拟结果对小麦蒸散量计算的影响

不同阻力模型的蒸散量模拟值与实测值比较（图3）表明，TD模型的蒸散量模拟值与实测值一致性最好，决定系数R2最高（0.605）。而FAO56-PM、KP、IS、GA、JA和CO这6种模型的一致性均较差，R2分别为0.175、0.045、0.184、0.123、0.163和0.045。总体上，所有模型的小麦ET模拟值偏高。

表2中蒸散量模拟值与实测值差异的统计特征值进一步表明，所有模型估算的λET均高于实测值。其中TD模型与实测值的MBE为10.4W·m−2，RMSE为33.5W·m−2，高估程度在六种模型中最小；KP模型的高估程度比TD模型大，为44.5W·m−2，相应的RMSE为102.8W·m−2；FAO56-PM的高估程度比TD、KP模型都高，为52.0W·m−2，相应的RMSE为81.4W·m−2；GA、IS和JA模型的MBE分别为57.7、64.8和66.9W·m−2，相应的RMSE为103.2、108.2和112.2W·m−2；CO模型高估程度最大，MBE及RMSE分别为97.4和147.9W·m−2。以RMSE为依据，各模型模拟小麦λET以TD效果最好，其次为FAO56-PM，以CO效果最差。

图3 不同阻力模型的λET模拟值与实测值比较(n=183)

由图2、图3和表2可见，在不进行任何参数校正的情况下，TD模型的模拟效果最好，而其余6种模型对小麦的rs和蒸散量的模拟效果均很差。

2.3 冠层阻力实测值与各因子的相关分析

根据rs实测值与各因子的相关系数（表3），RH、θ、VPD、Rn及LAI五大因子对冠层阻力的影响均达到极显著水平（P<0.01），其中，θ、VPD为正相关，其余三因素为负相关。Tc、T和∆T对冠层阻力均为不显著的负相关。8个影响因子的相关性排序为Rn > LAI > RH > VPD > θ > ∆T > Tc> Ta。

3 讨论与结论

3.1 讨论

基于北京市顺义区2a冬小麦田间数据对7种冠层阻力模型的评价表明，TD模型普适性最好，在不进行任何参数校正的条件下，模拟的冬小麦3−6月的日λET结果也令人满意，模拟蒸散量的R2为0.605，RMSE为33.5W·m−2，这与Yan等[38]对中国南部小麦λET的一年数据的模拟效果（R2为0.95、RMSE为24.1W·m−2）类似。其余6种模型在本研究中的普适性均表现较差。FAO-56推荐的草类冠层阻力rs=70s·m−1[9]，尽管有研究推广到其他作物[50]，但本研究直接用于模拟冬小麦蒸散的效果不理想。说明作物种类之间rs差别较大，不能随意推广使用。

冠层阻力在植被与大气的相互作用中扮演着重要角色，而它本身又受到环境因子和植物本身的影响。相关分析表明，rs随着Ta、Tc、∆T、Rn、LAI、RH的增大而减小，随着θ和VPD的增大而增大。其中Rn对rs影响最大，其原因是Rn是地表能量的重要组成部分，在地表能量平衡和水分平衡中有直接参与，而且随着Rn的增强，蒸散量增加，冬小麦需要增加气孔开度，rs随之减小，与储长树等[4]得出的rs与太阳辐射的对数呈显著负线性相关一致。LAI是rs的第二大影响因子，这与Menzel[51]在瑞士研究草地冠层阻力与各因子关系时得到的结果相一致。VPD对rs的影响是气温和相对湿度的综合影响结果，VPD反映天气的干热或水分的短缺程度，而较大的VPD会使冬小麦气孔关闭，从而导致rs增大；θ对rs影响主要表现在土壤水分短缺导致气孔的关闭，使得rs增大，Szeicz等[52]曾在研究土壤水分对冠层阻力影响时发现，当上层土壤水分亏缺不超过40mm时，rs是一个常数，而这个常数与温度和叶面积指数有关，当亏缺超过40mm时，rs就迅速增加，充分说明了土壤水分对rs的重要影响。

可见，TD模型良好的模拟效果可能由于考虑了影响rs的大多数关键因子，如Rn、VPD等，而出现低估rs和高估λET的情况可能是由于忽略了作物在生长过程中LAI和θ的变化引起的。Katerji等[53]曾比较过KP和TD模型模拟的4种作物的ET，由于作物高度不同，TD模型会高估或低估蒸散量，其误差可能是由于模型假设的局限性和忽略了空气动力学阻力的影响造成的。而KP、IS、GA、JA和CO这5种模型普适性差的原因可能有两个：（1）有多个参数，参数需要根据试验的气候和作物来校正。KP、IS、GA、JA和CO模型分别有2、2、3、4和6个参数，其普适性也是随着参数个数的增加而降低。众多研究都是在对模型的参数进行校正后得到良好的模拟效果[22−41]。（2）主要影响因子未考虑全面。KP、IS、GA模型均未考虑作物生长期间LAI和土壤水分变化对rs的影响，而这两者都是影响极显著的因子，可能导致低估rs和高估λET的问题出现；而JA、CO模型虽然考虑的主要影响因子全面，但参数也多，导致模拟精度最低。

通过对7种冠层阻力模型进行评价，得到了一定的评价结果，但是试验进行过程中也发现了一些问题。在进行数据观测时，周围的环境变化会对数据产生一定影响，数据会有某些缺失，且数据年限少；同时，数据仅来自北京市顺义区的一个实验点，具有单一性；模拟作物只有冬小麦，且是冬小麦的主要生长期，未覆盖整个生育期。最后评价仅选择少部分经典模型，覆盖面不够宽，这些都有待将来进一步完善与深入。

表3 rs实测值与各因子的相关系数(n=82)

注：∆T为冠气温差（℃），RH为相对湿度。P<0.05为显著相关，P<0.01极显著相关。

Note:∆T is the canopy-air temperature difference(℃), RH is the relative humidity, and the meanings of other symbols are the same as before. P <0.05 means the correlation is significant at 0.05 level, and P < 0.01 means the correlation is significant at 0.01 level.

针对上述问题，可提出未来进一步研究的方向。第一，要尽可能选择多地点，多年连续的多种作物的全生育期，保证数据的连续性和全面性；第二，选取更多的冠层阻力模型进行模拟精度的验证，以期为使用一步计算冬小麦耗水量提供更可靠的科学依据。

3.2 结论

7种冠层阻力模型对冬小麦冠层阻力和蒸散量的模拟效果，TD模型的RMSE比其余6种模型都小，R2更接近1，模拟效果最好，适用于模拟冬小麦的蒸散。7种模型模拟效果排序为TD>FAO56-PM>KP> GA>IS>JarvisJA>CO。相关因子分析得到影响冠层阻力的因子排序为Rn>LAI>RH>VPD>θ>∆T>Tc>Ta。研究结果揭示出TD模型由于考虑了Rn、VPD、∆T等影响冠层阻力的关键因子，并且没有需要校正的参数，所以普适性较强。而其余6种模型因考虑因素不够全面或有待校正参数的问题，模拟效果较差。

[1] 卢闯,胡海棠,淮贺举,等.夏玉米-冬小麦轮作期土壤呼吸的温度敏感性分析[J].中国农业气象,2020,41(7):403-412.

Lu C,Hu H T,Huai H J,et al.Characteristics of temperature sensitivity of soil respiration in a summer maize-winter wheat rotation cropland[J].Chinese Journal of Agrometeorology, 2020,41(7):403-412.(in Chinese)

[2] 刘晓英,李玉中,钟秀丽,等.基于称重式蒸渗仪实测日值评价16种参考作物蒸散量(ET0)模型[J].中国农业气象, 2017,38(5):278-291.

Liu X Y,Li Y Z,Zhong X L,et al.Evaluation of 16 models for reference crop evapotranspiration(ET0) based on daily values of weighing lysimeter measurements[J].Chinese Journal of Agrometeorology,2017,38(5):278-291.(in Chinese)

[3] Monteith J I L.Evaporation and environment[J].Symp Soc Exp Biol,1965, 19:205-234.

[4] 储长树,卢显富,青吉铭.Penman-Monteith公式中冠层阻抗的合成方法[J].南京气象学院学报,1995,18(4):494-499.

Chu C S,Lu X F,Qing J M.Synthesis method of canopy impedance in Penman-Monteith formula[J].Journal of Nanjing Institute of Meteorology,1995,18(4):494-499.(in Chinese)

[5] 王安志,裴铁璠.森林蒸散测算方法研究进展与展望[J].应用生态学报, 2001,12(6):933-937.

Wang A Z,Pei T F.Research progress on surveying and calculation of forest evapotranspiration and its prospects[J]. Chin. J. A ppl. Ecol.,2001,12(6):933-937.(in Chinese)

[6] 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].Chinese Journal of Agrometeorology, 2015,36(1):24-32. (in Chinese)

[7] 李俊,韩凤明,同小娟,等.麦田蒸散模型的改进及其对阻力参数的敏感性分析[J].中国农业气象,2014,35(6): 635-643.

Li J,Han F M,Tong X J,et al.Evapotranspiration models for a winter wheat field: the improvements and analyses on their sensitivities to the resistance parameters[J].Chinese Journal of Agrometeorology,2014,35(6):635-643.(in Chinese)

[8] Gong X E,Liu H,Sun J S,el at.A proposed surface resistance model for the Penman-Monteith formula to estimate evapotranspiration in a solar greenhouse[J]. Journal of Arid Land,2017,9(4):530-546.

[9] Allen R G,Pereira L S,Raes D,et al.Crop evapotrans- piration:guidelines for com putting crop water requi- rements[M].Rome, Italy:FAO irrigation and drainage paper 56, 1998:300.

[10] Smith M,Allen R G,Monteith J L,et al.Report on the expert consultation on revision of FAO methodologies for crop water requirements[R].Rome:FAO Land and Water Deve- lopment Division,1991.

[11] Linvolak Pich,蔡焕杰,Qaisar Saddique,等.关中地区夏玉米和冬小麦不同蒸发蒸腾量估算方法的研究[J].节水灌溉,2019(8):39-47.

Linvolak P,Cai H J,Qaisar S,et al.Study on different methods for estimating evapotranspiration of summer maize and winter wheat in Guanzhong area[J].Water Saving Irrigation,2019(8):39-47.(in Chinese)

[12] 黄强,陈子燊.多种蒸散发公式在珠江流域的适用性分析[J].热带地理,2014, 34(6):737-745.

Huang Q,Chen Z S.Applicability of evapotranspiration equations for the Pearl river basin[J].Tropical Geography, 2014, 4(6):737-745. (in Chinese)

[13] 李召宝.冬小麦和夏玉米气孔阻力与冠层阻力监测与估算方法研究[D].武汉:华中农业大学,2010.

Li Z B.Study on monitoring and estimation methods of stomatal resistance and canopy resistance of winter wheat and summer maize[D].Wuhan:Huazhong Agricultural University, 2010. (in Chinese)

[14] 胡继超,张佳宝,赵炳梓,等.冬小麦冠层阻力日变化的估算[J].灌溉排水学报,2005,24(2):1-4.

Hu J C,Zhang J B,Zhao B Z,et alEstimating diurnal variation of winter wheat canopy resistance at different growth stages[J].Journal of Irrigation and Drainage,2005, 24(2):1-4.(in Chinese)

[15] Rana G,Katerji N.Measurement and estimation of actual evapotranspiration in the field under Mediterranean climate: a review[J].European Journal of Agronomy,2000,13(2-3): 125-153.

[16] Szeicz G,Long I F.Surface resistance of crop canopies[J]. Water Resources Research,1969,5(3):622-633.

[17] Jones H G.Estimation of an effective soil water potential at the root surface of transpiring plants[J].Plant,Cell & Environment,1983,6(8):671-674.

[18] Choudhury B J,Idso S B.Evaluating plant and canopy resistances of field-grown wheat from concurrent diurnal observations of leaf water potential, stomatal resistance, canopy temperature,and evapotranspiration flux[J]. Agricultural and Forest Meteorology,1985,34(1):67-76.

[19] 牛海山,旭日,张志诚,等.羊草气孔导度的Jarvis-类模型[J].生态学杂志, 2005,24(11):1287-1290.

Niu H S,Xu R,Zhang Z C,et al.A Jarvis stomatal conductance model under considering soil moisture condition[J].Chinese Journal of Ecology,2005,24(11): 1287-1290.(in Chinese)

[20] 莫兴国.冠层表面阻力与环境因子关系模型及其在蒸散估算中的应用[J].地理研究,1997,16(2):81-88.

Mo X G.A model for the relationship between canopy surface resistance and environmental factors and its application to evapotranspiration estimation[J]. Geographical Research,1997,16(2):81-88.(in Chinese)

[21] Ball J T.A model predicting stomatal conductance and its contribution to the control of photosynthesis under different environmental conditions[J].Progress in Photosynthesis Research, 1987(5):221-224.

[22] Jarvis P G.The interpretation of the variations in leaf water potential and stomatal conductance found in canopies in the field[M].Philosophical Transactions of the Royal Society B:Biological Sciences,1976,273(927):593-610.

[23] 黄辉,于贵瑞,孙晓敏,等.华北平原冬小麦冠层导度的环境响应及模拟[J].生态学报,2007,27(12):5209-5221.

Huang H,Yu G R,Sun X M,et al.The environmental responses and simulation of canopy conductance in a winter wheat field of North China Plain[J].Chinese Journal of Ecology,2007, 27(12):5209-5221.(in Chinese)

[24] Yu G R,Nakayama K,Matsuoka N,et al.A combination model for estimating stomatal conductance of maize (L.) leaves over a long term[J].Agricultural and Forest Meteorology, 1998, 92(1):9-28.

[25] 文建川,景元书,韩丽娟.基于Penman-Monteith模型的低丘红壤区稻田蒸散模拟[J].中国农业气象,2020,41(4): 201-210.

Wen J C,Jing Y S,Han L J.Simulation of evapotrans- piration for paddy rice in low hilly red soil region base[J].Chinese Journal of Agrometeorology,2020,41(4): 201-210.(in Chinese)

[26] Li S E,Zhang L,Kang S Z,et al.Comparison of several surface resistance models for estimating crop evapotrans- piration over the entire growing season in arid regions[J]. Agricultural and Forest Meteorology,2015,208:1-15.

[27] Garcíá-Santos G,Bruijnzeel L A,Dolman A J.Modelling canopy conductance under wet and dry conditions in a subtropical cloud forest[J].Agricultural and Forest Meteorology, 2009,149(10):1565-1572

[28] Katerji N,Perrier A,Oulidaïssa K,el at.Exploration au champ et interprétation de la variation horizontale et verticale de la résistance stomatique :cas d'une culture de luzerne (L.)[J].Agronomie,1983,3(9):847- 856.

[29] Katerji N,Perrier A.A model of actual evapotrans- piration(ETR) for a field of lucerne:the role of a crop coefficient.Modelisation de l'evapotranspiration reelle ETR d'une parcelle de luzerne:role d'un coefficient cultural[J]. Agronomie,1983,3(6):513-521.

[30] Rana G,Katerji N,Mastrorilli M,et al.Evapotranspiration and canopy resistance of grass in a Mediterranean region[J]. Theoretical & Applied Climatology,1994,50(1): 61-71.

[31] Todorovic M.Single-layer evapotranspiration model with variable canopy resistance[J].J. Irrig. Drain. Eng., 1999, 125 (5):235-245.

[32] Lecina S,Martnez-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.

[33] Rana G,Katerj N,Mastrorilli M,et al.A model for predicting actual evapotranspiration under soil water stress in a Mediterranean region[J].Theoretical & Applied Climatology, 1997,56(1-2):45-55.

[34] Rana G,Katerji N,Perniola M.Evapotranspiration of sweet sorghum:a general model and multilocal validity in semiarid environmental conditions[J].Water Resources Research,2001,37(12):3237-3246.

[35] Rana G,Katerji N,Mastrorilli M,et al.Validation of a model of actual evapotranspiration for water stressed soybeans[J]. Agricultural & Forest Meteorology,1997, 86(3-4):215-224.

[36] Alves I,Pereira L S.Modelling surface resistance from climatic variables[J].Agricultural Water Management,2000, 42(3):371-385.

[37] Lecina S,Martnez-Cob A,Pérez P J,et al.Fixed versus variable bulk canopy resistance for reference evapotrans- piration estimation using the Penman-Monteith equation under semiarid conditions[J].Agricultural Water Management, 2003,60(3):181-198.

[38] Yan H,Yu J,Zhang C,et al.Comparison of two canopy resistance models to estimate evapotranspiration for tea and wheat in southeast China[J].Agricultural Water Management,2021,245:106581.

[39] Howell T A,Steiner J L,Schneider A D,et al.Seasonal and maximum daily evapotranspiration of irrigated winter wheat,sorghum,and corn-southern high plains[J]. Transactions of the Asae,1997,40(3):623-634.

[40] Idso S B.Stomatal regulation of evaporation from well- watered plant canopies:a new synthesis[J].Agricultural Meteorology,1983,29(3):213-217.

[41] 袁国富,罗毅,唐登银,等.冬小麦不同生育期最小冠层阻力的估算[J].生态学报,2002,22(6):930-934.

Yuan G F,Luo Y,Tang D Y,et al.Estimating minimum canopy resistances of winter wheat at different development stages[J].Acta Ecologica Sinica,2002,22(6): 930-934.(in Chinese)

[42] Li S,Kang S,Zhang L,et al.Measuring and modeling maize evapotranspiration under plastic film-mulching condition[J] Journal of Hydrology,2013,503:153-168.

[43] Li S,Hao X,Du T,et al.A coupled surface resistance model to estimate crop evapotranspiration in arid region of northwest China[J].Hydrological Processes,2013,28(4): 2312-2323.

[44] Thom A S.Momentum,mass and heat exchange of vegetation[J].Quarterly Journal of the Royal Meteorological Society,1972,98: 124-134.

[45] Bowen I S.The ratio of heat losses by conduction and by evaporation from any water surface[J].Physical Review, 1926,27(6):779-787.

[46] Katerji N,Rana G.Modelling evapotranspiration of six irrigated crops under Mediterranean climate conditions[J]. Agricultural and Forest Meteorology,2006,138(1-4):142- 155.

[47] 赵华,申双和,华荣强,等.Penman-Monteith模型中水稻冠层阻力的模拟[J].中国农业气象,2015,36(1):17-23.

Zhao H,Shen S H,Hua R Q,et al.Simulation of canopy resistance for paddy rice based on Penman-Monteith model[J].Chinese Journal of Agrometeorology,2015,36 (1):17-23.(in Chinese)

[48] Li S E,Hao X M,Du T S,et al.A coupled surface resistance model to estimate crop evapotranspiration in arid region of northwest China[J].Hydrological Processes,2014,28(4): 2312-2323.

[49] Liu X Y,Li Y Z,Zhong X L,et al.Towards increasing availability of the Ångström-Prescott radiation parameters across China: Spatial trend and modeling[J].Energy Conversion and Management,2014,87:975-989.

[50] Smith M,Allen R,Pereira L.Revised FAO methodology for crop-water requirements[C]//Proceeding of the International Conference on Evapotranspiration & Irrigation Scheduling, 1998.

[51] Menzel L.Modelling canopy resistances and transpiration of grassland[J].Physics & Chemistry of the Earth,1996, 21(3):123-129.

[52] Szeicz G,Long I F.Surface resistance of crop canopies[J]. Wat.Resour.Res, 1969, 5(3):622-633.

[53] Katerji N,Rana G,Fahed S.Parameterizing canopy resistance using mechanistic and semi-empirical estimates of hourly evapotranspiration:critical evaluation for irrigated crops in the Mediterranean[J].Hydrological Processes, 2011, 25(1):117-129.

Effect of Different Canopy Resistance Models on Estimation of Winter Wheat Evapotranspiration during Regreening-Maturing Stage

GUO Zhong-ying, WU Ying-nan, LIU Xiao-ying, GU Feng-xue, LI Yu-zhong, ZHONG Xiu-li, LI Qiao-zhen

(Institute of Environment and Sustainable Development in Agriculture, CAAS, Beijing 100081, China)

Evapotranspiration(ET) is an important component of farmland water cycle, and its accurate estimation is of great significance for precision irrigation and water-saving agriculture. The Penman-Monteith (P-M) model is one of the most commonly used estimation methods, but reliable representation of canopy resistance (rs) has been a difficult problem in applying the P-M. In this paper, seven commonly used rsmodels were selected to assess if their simulated rscould be used with P-M to directly estimate winter wheat ET. The P-M simulated ET was compared with measured values by Bowen ratio energy balance (BREB) system in Shunyi, Beijing for two years (2020 and 2021), and the main factors affecting wheat rswere analyzed. The results showed that the seven models generally underestimated wheat canopy resistance and overestimated evapotranspiration. Overall, the Todorovic model (TD) performed the best, and the R2for simulated rsand ET were >0.605, mean bias error (MBE) being −82.8s·m−1and 10.4W·m−2, respectively, with root mean square error (RMSE) of 254.4s·m−1and 33.5W·m−2; the other six models performed poor, and the R2for simulated rswas between 0.113−0.241, MBE and RMSE, were between −236.4 to −61.3s·m−1and 277.2 to 373.8s·m−1, respectively. The R2for simulated ET was between 0.046−0.184, MBE and RMSE were between 44.5−97.4W·m−2and 81.4−147.9W·m−2, respectively. On basis of RMSE, the performing order was TD>FAO56-PM>Katerji-Perrier (KP)>Garcıá-Santos (GA)>idso (IS)>Jarvis (JA)>CO. The correlation between canopy resistance and various factors suggested that net radiation (Rn) affected the most on wheat rs, while air temperature (Ta) and canopy temperature (Tc) affected the least with the following specific order: Rn>leaf area index (LAI)>relative humidity (RH)>vapor pressure deficit (VPD)>soil moisture (θ)> canopy-air temperature difference (∆T)>Tc>Ta. This results better explained the good performance of TD model, and it considers the key factors affecting canopy resistance such as Rn, VPD and ∆T. In addition, it has no parameters to be calibrated, which makes it easy to use. The results of this paper provided a scientific basis for applying one-step approach to calculate the water consumption of winter wheat.

Canopy resistance model；Winter wheat；Evapotranspiration；Penman-Monteith

10.3969/j.issn.1000-6362.2023.01.001

郭仲英,吴英楠,刘晓英,等.不同冠层阻力模型对冬小麦返青−成熟期蒸散量估算的影响[J].中国农业气象,2023,44(1):1-12

2022−01−12

国家重点研发计划（2017YFD0201702）；国家自然科学基金（41371065）

刘晓英，博士，研究员，主要从事农业水资源高效利用研究，E-mail：liuxiaoying@caas.cn；李巧珍，硕士，研究员，主要从事农业水资源高效利用研究，E-mail：liqiaozhen@caas.cn

郭仲英，E-mail：guozhongying@caas.cn