倪雨欣，張川，閆浩芳，張文程，周俊安，薛潤

(1. 江蘇大學(xué)農(nóng)業(yè)工程學(xué)院，江蘇 鎮(zhèn)江212013； 2. 江蘇大學(xué)國家水泵及系統(tǒng)工程技術(shù)研究中心，江蘇 鎮(zhèn)江212013)

蘇南地區(qū)作為中國茶葉的主要種植區(qū)之一，其產(chǎn)量在茶葉總產(chǎn)量中占比75%左右[1].但蘇南地區(qū)茶樹在秋冬季干旱情況下，往往出現(xiàn)萎蔫現(xiàn)象，導(dǎo)致鮮葉采摘時間推遲，嚴(yán)重影響了春茶生產(chǎn).合理灌溉既可加強(qiáng)茶葉持嫩性，又可緩解秋季高溫缺水問題，使采摘期延長，茶葉品質(zhì)得到有效改善[2].掌握茶樹蒸散量(ETc)的動態(tài)變化特點(diǎn)，是茶園灌溉效率提高的基礎(chǔ)和科學(xué)合理灌溉制度制定的首要依據(jù)[3-4].

ALLEN等[5]提出太陽輻射、氣溫、水汽壓差以及風(fēng)速等是影響農(nóng)作物ETc最重要的氣象因素，另外農(nóng)作物種類、種植密度以及生長階段都會對作物冠層阻力、地面覆蓋度和作物根系產(chǎn)生影響，進(jìn)而對ETc變化產(chǎn)生影響.目前有許多理論模型與經(jīng)驗方法能夠?qū)Σ煌r(nóng)作物ETc進(jìn)行估算，但是每種方法在不同環(huán)境和作物種類下的適用性存在不確定性.ALLEN等[5]以FAO建議的Penman-Monteith模型為計算作物ETc的標(biāo)準(zhǔn)方法，但有研究顯示，該方法對稀疏種植作物ETc進(jìn)行估算時會產(chǎn)生高達(dá)30%[6]的誤差.

目前作物系數(shù)模型(S-kc)作為FAO-56建議的估算農(nóng)田ETc方法，已得到廣泛應(yīng)用[7].S-kc模型的作物系數(shù)(kc)與作物品種及生長特性有很大關(guān)系，在不同氣候條件下有很大差別[8].例如ZANOTELLI等[9]根據(jù)意大利南蒂洛爾蘋果園渦度系統(tǒng)實測資料對蘋果樹的kc值進(jìn)行測定，結(jié)果表明所測kc值在整個生育期均為鐘形曲線，比按當(dāng)?shù)貧夂驐l件修正的FAO-56建議值低.由此可見，依據(jù)茶樹生長狀況及本地氣候條件對茶樹kc率定是茶樹ETc準(zhǔn)確估算的重要基礎(chǔ).

S-kc模型因需要大量氣象資料而在資料短缺的地區(qū)的應(yīng)用受到限制，Priestley-Taylor (PT-α)模型為FAO-56 Penman-Monteith模型簡化形式，經(jīng)驗系數(shù)α取代空氣動力項.PT-α模型由于所需氣象數(shù)少而廣泛應(yīng)用于大田ETc模擬.但是，PT-α模型存在著參數(shù)取值范圍小、敏感性強(qiáng)等缺點(diǎn)，從而導(dǎo)致估算結(jié)果與真實值之間存在一定差異.這些問題都嚴(yán)重制約著PT-α模型的進(jìn)一步發(fā)展和推廣.由于該模型應(yīng)用假定不存在平流影響，實際研究區(qū)下墊面多為非均勻且土壤物理性質(zhì)也不一致[10]，使模型估算精度降低.所以根據(jù)本地氣候條件修正模型系數(shù)α是保證PT-α模型模擬準(zhǔn)確性的先決條件.

該研究基于蘇南地區(qū)2017—2020年茶園波文比能量觀測系統(tǒng)得到的ETc值，率定出S-kc模型中kc，確定PT-α模型系數(shù)α；分析茶樹各生育期ETc與氣象因子之間的響應(yīng)特性；對比S-kc與PT-α模型模擬茶樹ETc精度，從而確定適合蘇南丘陵地區(qū)的ETc模型.研究結(jié)果可為在蘇南地區(qū)茶園建立高效灌水制度、實施精量化灌溉管理等提供重要參考依據(jù).

1 材料與方法

1.1 區(qū)域概況

本試驗于2017—2020年在江蘇省丹陽市茶園(119°40′22″E，32°01′33″N)開展.本區(qū)屬丘陵地區(qū)，平均海拔23 m，屬于亞熱帶季風(fēng)氣候，其特點(diǎn)是四季分明，暖濕多熱，雨水充足.試驗地年均降水量1 063 mm，降水主要分布于每年4—10月，該期間降水量占據(jù)全年80%.年平均氣溫15.4 ℃，年均相對濕度76%，年累計日照2 052 h左右，無霜期為239 d，年均風(fēng)速3.4 m/s.區(qū)域土壤以黃褐色壤土為主，容重為1.7 g/cm3.

試驗地中央布置氣象站，遠(yuǎn)離周圍喬木，符合波文比能量觀測系統(tǒng)不受風(fēng)浪區(qū)干擾的條件[11].測量之前，把布置于不同高度上的溫度傳感器放在相同高度進(jìn)行標(biāo)定，以消除儀器之間存在的誤差.該研究采用高頻數(shù)據(jù)采集，保證了波文比能量觀測系統(tǒng)測量ETc的可靠性.試驗地內(nèi)茶樹在2013年栽植，株寬1 m，行距0.5 m.茶樹高0.7～1.2 m，修剪時間為每年的5月中上旬.試驗期內(nèi)茶樹全部采用自然雨養(yǎng)方式，無人工灌溉.

1.2 微氣象數(shù)據(jù)采集

茶園設(shè)置自動微氣象觀測系統(tǒng)，數(shù)據(jù)采集項主要包括：2.5 m高度處觀測太陽凈輻射Rn的凈輻射計(CNR4，Kipp & Zonen，荷蘭)；埋于地面以下5 cm觀測土壤熱通量G的土壤熱通量板(HFP01，Hukseflux，荷蘭)；2個觀測2.0 m和3.0 m高度處氣溫Ta和相對濕度RH的溫濕度傳感器(HMP155A，Vaisala，芬蘭)；2.5 m高處測量風(fēng)速u及風(fēng)向的超聲波風(fēng)速儀(CSAT3，Campbell，美國)；觀測地下30 cm深的土壤體積含水量VWC的土壤水分傳感器(Hydra Probe Ⅱ，Stevens，美國).該研究由數(shù)據(jù)采集器(CR3000，Campbell，美國)記錄小時和日尺度數(shù)據(jù).利用2017—2019年數(shù)據(jù)率定S-kc模型的作物系數(shù)kc及修正PT-α模型中系數(shù)α，利用2020年數(shù)據(jù)對這2類模型進(jìn)行精度檢驗.因觀測儀器操作故障造成2017年2.7%和2018年4.0%的數(shù)據(jù)丟失，2019年1月3日—4月21日及2020年1月11日—3月22日數(shù)據(jù)丟失.

1.3 估算方法

1.3.1 作物系數(shù)模型(S-kc)

S-kc模型系數(shù)kc綜合考慮作物蒸騰和土壤蒸發(fā)[12].kc將ETc和ET0聯(lián)系起來，計算公式為

kc=ETc/ET0，

(1)

式中：ETc為作物日蒸散發(fā)量，mm/d；kc為作物系數(shù)；ET0為參考作物蒸散量，mm/d.采用FAO-56建議的Penman-Monteith模型為手段，在大田環(huán)境中ET0計算公式[13]為

(2)

式中：Δ為飽和水汽壓和溫度曲線斜率，kPa/(℃)；Rn為太陽凈輻射，W/m2；G為土壤熱通量，W/m2；γ為濕度計常數(shù)，取值為0.067 kPa/(℃)；Ta為平均氣溫，℃；es和ea分別為飽和水汽壓和實際水汽壓，kPa；u為平均風(fēng)速，m/s.

1.3.2 Priestley-Taylor模型(PT-α)

PT-α模型為Priestley與Taylor 在Penman-Monteith模型的基礎(chǔ)上發(fā)展而來，以簡化空氣動力學(xué)阻力在作物ETc中的作用[14].為了補(bǔ)償平流對ETc的作用，模型引入?yún)?shù)α并推出了在假定無平流作用情況下估算ETc模型.

(3)

式中：LET為農(nóng)田潛熱通量.

1.3.3 波文比能量平衡模型

采用波文比能量平衡法(BREB 法)對茶園ETc測定.BREB 法基于能量平衡原理，得到計算農(nóng)田潛熱通量LET的方法為

(4)

式中：β為波文比，是顯熱通量H與潛熱通量LET的比值，即

(5)

式中：ΔT為作物冠層上方2個不同高度處上的溫度差，℃；Δe為2個高度處的實際水汽壓差，kPa.

1.4 評價指標(biāo)

本研究通過計算S-kc和PT-α模型的模擬結(jié)果與BREB觀測值的平均絕對誤差MAE、均方根誤差RMSE和納什系數(shù)NSE對模型精度進(jìn)行評價.MAE和RMSE越接近于0，NSE越接近于1時，表明模型模擬結(jié)果與實測值越吻合，即整體結(jié)果可信[15].

2 試驗結(jié)果與分析

2.1 茶園微氣象數(shù)據(jù)變化特征

圖1是蘇南地區(qū)茶樹3個生長周期(2017—2019年)內(nèi)微氣象數(shù)據(jù)的變化特征.如圖1所示，太陽凈輻射Rn與土壤熱通量G的總體變化趨勢具有良好的一致性，6—9月其值較高，Rn在7月達(dá)到峰值241 W/m2；G在5月達(dá)到最大值41 W/m2；Rn與G的年均值分別達(dá)到102和11.3 W/m2.年均降雨量P為1 053 mm，雨水豐沛，其中，2017年9月總降雨量超250 mm.波文比法測定的茶園ETc在7，8月達(dá)到最大值9 mm/d,波文比β則達(dá)到最低值.土壤體積含水量VWC為0.13～0.39 cm3/cm3.氣溫Ta與水汽壓差VPD的年變化基本一致，均為單峰型且極大值出現(xiàn)在8月.7月和8月風(fēng)速u全年最低.

圖1 2017—2019年蘇南地區(qū)茶樹各生育期內(nèi)微氣象數(shù)據(jù)的動態(tài)變化

2.2 率定作物系數(shù)

FAO-56將作物生長劃分為4個生育期，并給出了作物各生育期對應(yīng)的kc的推薦值.因茶樹屬多年生作物，受人工管理影響大，依據(jù)試驗地具體氣候條件及茶樹生育期內(nèi)的變化特點(diǎn)[16]，茶樹生育期可分為：1—3月的生長初期、4—5月的快速生長期(修剪采摘期)、6—10月的生長中期和10—12月的生長后期.由于茶樹在快速生長期內(nèi)葉片處于持續(xù)生長狀態(tài)，ETc呈現(xiàn)總體增加的態(tài)勢，快速生長期kc的初始值、終值分別由茶樹生長初期及生長中期限定，據(jù)此作為率定原則.圖2為茶樹各生育期ET0和ETc的線性回歸曲線.

由圖2可見：茶樹生育期內(nèi)最高ETc在生長中期出現(xiàn)，kc值在茶樹生長初、中、后期分別為0.83，1.19和1.06，kc與FAO-56建議的kc值在全生育期內(nèi)變化趨勢總體一致，整體上高于建議值(0.95，1.00和1.00)，這可能是因為試驗地點(diǎn)茶樹栽培多年且正值盛產(chǎn)期，總?cè)~面積及平均高度都比參考作物大，ETc高導(dǎo)致kc也偏高.圖3是茶樹全生育期內(nèi)kc的變化歷程.

注：ETc為Bowen 比能量平衡法(BREB)實測值

圖3 2017—2019年茶樹kc的月變化趨勢及ET0與BREB法測量ETc 的月累計值對比

在4—5月茶樹ETc在修剪作用下有減小趨勢，kc降低.6—10月屬茶樹生長中期，葉面積大，溫度、降水、輻射亦大，kc顯著升高.10月后溫度下降，降雨減少，葉面積漸小，kc漸小.年kc平均值為1.03.

鄭珍等[17]利用大型稱重式蒸滲儀測得的蒸散量值和作物系數(shù)模型模擬值比較，對關(guān)中地區(qū)冬小麥蒸散發(fā)規(guī)律進(jìn)行了研究，結(jié)果表明：冬小麥kc值全季節(jié)先升后降，比按當(dāng)?shù)貧夂驐l件修正的FAO建議值低.kc依賴于地表覆蓋及作物特性等因素，且在各地點(diǎn)間可能存在較大差別，給kc方法帶來一定難度.MEHTA等[18]發(fā)現(xiàn)FAO建議值經(jīng)校正后在茶樹初、中、后期的kc分別達(dá)到0.89，1.05和0.60.因茶樹冠層構(gòu)造類似，其kc值與本研究的變化趨勢基本一致.在茶樹全生育期內(nèi)，作物系數(shù)kc呈現(xiàn)出先升高后降低的整體趨勢.

2.3 Priestley-Taylor模型系數(shù)α的修正

PT-α模型對作物ETc的估算準(zhǔn)確度受到Rn，VPD，VWC以及下墊面狀況等影響.為了闡明其變化規(guī)律和影響因素，利用實測數(shù)據(jù)和氣象數(shù)據(jù)α，年平均α為1.09，用式(3)對系數(shù)α進(jìn)行校正.圖4是α在2017—2019這3年月變化情況.α年變化幅度介于0.8～1.34，總體上小于FAO建議值1.26.其中最小值為5月的0.80，雖然這一階段茶樹的葉面積有所增加，但是大范圍的修剪以及降雨偏少、土壤水分下降等因素使α偏低.5月份以后茶樹的葉面積達(dá)到了一個比較高的水平，同時降水的增加對土壤水分的補(bǔ)給和氣溫的持續(xù)升高使得茶樹的蒸騰加強(qiáng)，α也達(dá)到了一個相對比較高的水平. 9—12月受降水減少和氣溫降低，α表現(xiàn)為增大趨勢.

圖4 2017—2019年率定后α值的變化過程及α=1時Priestley-Taylor模型估算ETc與BREB法測量ETc的月累積值對比

2.4 ETc和氣象因子的相關(guān)性分析

不同生育期的土壤條件及生長情況變化，作物的主要驅(qū)動因子隨之變化[19].表1為2017—2019年茶樹各生育期ETc與氣象因子相關(guān)性分析結(jié)果.從表1可以看出，茶樹生長初期氣象因子對ETc的相關(guān)性偏低(相關(guān)系數(shù)< 0.17)，VWC對ETc的相關(guān)系數(shù)最高，為0.20；茶樹快速生長期，Ta及VPD對ETc的相關(guān)性顯著降低，而P對ETc相關(guān)性在0.05水平上具有統(tǒng)計學(xué)意義；茶樹生長中期，VWC，Ta，VPD對ETc的相關(guān)性持續(xù)增加，其中G，Ta，VPD對ETc相關(guān)性在0.05水平上具有統(tǒng)計學(xué)意義；生長后期，除P和u外的氣象因子對ETc的相關(guān)水平普遍降低，各氣象因子對ETc在0.05水平上均不具有統(tǒng)計學(xué)意義.整個生育期內(nèi)，VWC，Ta和VPD是主要?dú)庀篁?qū)動因子且與ETc在0.05水平上具有統(tǒng)計學(xué)意義.

表1 2017—2019年茶樹各生育期ETc與氣象因子相關(guān)性分析結(jié)果

2.5 模型驗證

圖5是修正的S-kc及PT-α模型對ETc與BREB法實測量蒸散發(fā)(ETc-M)變化的過程線.PT-α和S-kc模型對ETc的模擬結(jié)果同ETc-M趨勢較吻合.以波文比能量觀測系統(tǒng)的ETc觀測數(shù)據(jù)作為參照，PT-α和S-kc模型均對茶樹ETc存在低估，可能是茶樹快速生長期，由于受到修剪等人為的影響；茶樹生長中期6—8月，PT-α和S-kc模型對茶樹ETc存在低估，9—10月PT-α和S-kc模型對茶樹ETc存在高估，S-kc模型模擬趨勢與ETc-M最吻合.茶樹生長后期，PT-α和S-kc模型均對茶樹ETc存在不同程度的高估，PT-α模型模擬趨勢與ETc-M最吻合.

圖5 S-kc和PT-α模型對ETc模擬值與BREB法實測值的變化規(guī)律

根據(jù)2020年BREB法對ETc-M的測量值，對修正后的S-kc和PT-α模型模擬ETc的可靠性進(jìn)行了驗證，模擬值與實測值呈線性相關(guān)，結(jié)果見圖6所示.

圖6 基于BREB法ETc實測值和修正后模型模擬值的比較

2種蒸散發(fā)估算模型對茶樹潛熱通量的模擬均有良好的模擬效果，模擬R2不小于0.88，以波文比能量觀測系統(tǒng)的ETc觀測數(shù)據(jù)作為參照，S-kc模型(R2=0.88)對實測ETc的估計值較高，PT-α模型(R2=0.91)的估計值相對較低.表2是S-kc和PT-α模型的修正模擬值以及ETc-M統(tǒng)計分析指標(biāo)(MAE，RMSE和NSE)的結(jié)果.

表2 2020年修正后的PT-α和S-kc模型對ETc估算值與BREB實測值的統(tǒng)計分析結(jié)果

修正后的PT-α模型多數(shù)情況下能夠較好地對茶樹ETc進(jìn)行估計.快速生長期，S-kc模型模擬精度較優(yōu)，S-kc模型的MAE(0.72 mm/d)和RMSE(0.99 mm/d)均低于PT-α模型(MAE=1.34 mm/d，RMSE=1.82 mm/d)，且R2(0.78)高于PT-α模型(R2=0.40).2種模型對快速生長期實測ETc的估計值都較低.在茶樹生長中期，S-kc模型模擬精度(MAE=0.36 mm/d,RMSE=0.48 mm/d)也優(yōu)于PT-α模型(MAE=0.60 mm/d,RMSE=0.68 mm/d).2種模型在茶樹生長中期的ETc實測有不同程度的低估(6—9月)和高估(10月).茶樹生長后期，PT-α模型的MAE(0.35 mm/d)和RMSE(0.23 mm/d)精度優(yōu)于S-kc模型(MAE=0.95 mm/d，RMSE=1.05 mm/d).S-kc模型并不適用于茶樹生長后期(NSE< 0)，從圖5也可以看出在茶樹生長后期S-kc模型明顯對實測ETc的估計顯著偏高.由此可見，茶樹生長的整個生育期中PT-α模型更適合用于對生長后期的估算，S-kc模型則適用于生長中期的估算.

3 結(jié) 論

利用蘇南丘陵地區(qū)茶園2017—2020年實測微氣象數(shù)據(jù)和波文比能量平衡(BREB)觀測系統(tǒng)的ETc實測數(shù)據(jù)，分別對FAO-56作物系數(shù)(S-kc)模型及Priestley-Taylor (PT-α)模型進(jìn)行了參數(shù)化處理及模型精度分析并得出以下結(jié)論：

S-kc模型的作物系數(shù)kc在茶樹生長初、中、后期分別為0.83，1.19和1.06.PT-α模型系數(shù)α在茶樹全生育期內(nèi)在0.80～1.34變化，其均值為1.09.

茶樹生長初期，氣象因子對ETc的相關(guān)性偏低；快速生長期，P對ETc在0.05的水平下具有統(tǒng)計學(xué)意義；茶樹生長中期，G和Ta對茶樹ETc在0.05的水平下具有統(tǒng)計學(xué)意義；生長后期，除P和u外的氣象因子對ETc的相關(guān)水平普遍降低，各氣象因子對ETc在0.05的水平下均不具有統(tǒng)計學(xué)意義.茶樹全生育期內(nèi)VWC，Ta及VPD對ETc在0.05的水平下具有統(tǒng)計學(xué)意義.

茶樹全生育期內(nèi)，以波文比能量觀測系統(tǒng)的ETc觀測數(shù)據(jù)作為參照，S-kc模型對茶樹實測ETc的估計值較高，PT-α模型對ETc估計值較低.與PT-α模型相比較，S-kc模型在快速生長期及生長中期模擬ETc精度較高，而PT-α模型在生長后期模擬精度較好.因此，在茶樹的快速生長期和生長中期，建議采用S-kc模型估算茶樹ETc；在茶樹生長后期，建議采用PT-α模型.