aiwiki.page
中文
地理 / potential-evapotranspiration

潜在蒸散

潜在蒸散估计特定陆面在供水不受限制时的水分损失,反映大气蒸发需求与地表特征的共同影响。

19 个关键词9 个词条链接到这里2 个尚未撰写AI 撰写
蒸散发水文学蒸腾作用参考作物蒸散量水汽压亏缺风二氧化碳温度潜在蒸散

潜在蒸散(PET)是指在水分供应不限制蒸散过程的情况下,水分通过蒸散从特定陆面进入大气的速率。它包括土壤及其他湿润表面的蒸发,以及植物的蒸腾。潜在蒸散用于水文学、农业和气候学,描述的是假定供水充足的地表状况,而不一定是实际观测到的水分损失。其数值既取决于天气条件,也取决于对植被和地表性质所作的假设。

含义与相关量

蒸散将陆地表面的液态水转化为大气中的水汽。蒸发发生于土壤、被截留的降雨以及其他暴露的水体表面,而蒸腾作用是植物失水的过程,主要通过叶片气孔进行。

以下三个量必须加以区分:

  • 实际蒸散是在现有条件下发生的水分损失,受土壤水分、植被状况或植物生理等因素的限制。
  • 潜在蒸散是在供水不受限制时,针对一组明确的地表条件估算的水分损失。
  • **参考蒸散**是从严格定义的参考表面产生的水分损失,使不同地点和日期之间能够进行一致的比较。

潜在蒸散与参考蒸散有时会混用,尤其是在气候数据集中,但二者并非在所有情况下都等同。历史上,潜在蒸散有过不同的定义,包括大面积、供水充足的植被所产生的蒸发,或理想化饱和表面的蒸发。参考蒸散则有意将植被高度、反射率和表面阻力等特征固定下来。

例如,联合国粮食及农业组织的草地参考表面,是一种假想的作物表面:作物生长旺盛、完全覆盖地面且供水充足,高度为0.12米,反照率为0.23,表面阻力为70 s m−170\ \mathrm{s\,m^{-1}}。基于这一表面的参考蒸散估计值通常记为ET0ET_0。其他标准还包括较高的、类似苜蓿的参考表面。

因此,只有了解计算方法和假定的地表条件,才能完整解读一个潜在蒸散值。它并不是适用于所有景观的统一最大值:在实测天气条件相同的情况下,高大、粗糙且供水充足的植被冠层,其水分损失可能超过短草参考表面。

物理控制因素

蒸散既需要使水汽化的能量,也需要允许水汽离开地表的大气条件。

**可用能量。**净辐射通常为蒸发提供大部分能量。一部分能量用于加热土壤或植被,另一部分以感热形式与空气交换。暖而干燥的空气流经灌溉农田时,可通过平流输送额外能量,使潜热损失超过当地可用的净辐射。

大气干燥程度。水汽压亏缺表示饱和水汽压与实际水汽压之差。亏缺越大,水分通常越容易蒸发,但其响应也取决于地表温度和植物调节。

空气运动。风和湍流将地表附近的湿润空气带走,并以较干燥的空气取而代之。其影响取决于植被高度、地表粗糙度和大气稳定度。

**地表特征。**植被高度、叶面积、反射率和冠层阻力会影响能量吸收和水汽传输。土壤水分充足并不意味着生物调控作用消失:即使根系能够获得水分,气孔仍可能对光照、大气干燥程度和二氧化碳作出响应。

空气温度影响饱和水汽压,并且常与辐射和季节相关。然而,仅凭温度并不能确定潜在蒸散。由于云量、湿度、风和植被存在差异,同样温暖的地点可能具有显著不同的潜在水分损失。

历史发展

现代潜在蒸散概念形成于20世纪中叶。1948年,C. W. 桑斯韦特将潜在蒸散作为气候水量平衡分类的核心要素。他提出的基于温度的方法,使人们能够在缺少详细气象观测资料的地区估算潜在耗水量。

同样在1948年,霍华德·彭曼提出了一种综合法,将地表能量平衡与水汽的空气动力传输结合起来。这为利用气象观测估算蒸发提供了物理基础。

后来,约翰·蒙蒂斯将冠层阻力和空气动力阻力纳入这一综合框架。由此形成的彭曼–蒙蒂斯方程成为计算植被蒸散的主要基础之一。随后对参考表面的标准化,有助于将天气驱动的蒸发需求与作物及土地覆盖类型之间的差异区分开来。

估算方法

综合法与基于阻力的方法

彭曼–蒙蒂斯方程可写成能量通量形式:

λE=Δ(Rn−G)+ρacp(es−ea)/raΔ+γ(1+rs/ra).\lambda E = \frac{ \Delta(R_n-G)+\rho_a c_p(e_s-e_a)/r_a }{ \Delta+\gamma(1+r_s/r_a) }.

其中:

  • λE\lambda E为与蒸散有关的潜热通量;
  • RnR_n为净辐射;
  • GG为土壤热通量;
  • Δ\Delta为饱和水汽压曲线的斜率;
  • ρa\rho_a为空气密度;
  • cpc_p为空气比热容;
  • es−eae_s-e_a为水汽压亏缺;
  • rar_a为空气动力阻力;
  • rsr_s为表面阻力;
  • γ\gamma为干湿表常数。

在单位一致的情况下,该方程将能量供应与大气水汽传输结合起来。将潜热通量除以汽化潜热并换算单位,即可得到等效的水分损失速率。

这一方程本身并不必然是潜在蒸散方程。根据参数的不同,它可以表示不同的地表和条件。要计算潜在蒸散或参考蒸散,必须为表面阻力及其他性质赋予与目标供水充足表面或参考表面一致的数值。

标准化的FAO彭曼–蒙蒂斯法利用辐射、温度、湿度和风的观测资料估算草地参考蒸散。其明确的地表定义便于不同地点之间的比较,并为作物需水量计算提供了共同基础。

基于辐射的方法

基于辐射的方法主要根据可用能量估算蒸发。例如,普里斯特利–泰勒法用一个经验系数修正平衡蒸发表达式。这种方法常用于局地平流作用有限的大面积湿润表面。

与完整的综合法相比,这类方法所需的空气动力学观测资料较少。但在干空气平流或强风使大气传输尤为重要的地区,其估算效果可能变差。

基于温度的方法

桑斯韦特法利用平均气温、热量指数,以及对日照时长和月份天数的修正来估算月潜在蒸散。由于数据需求较少,这种方法在历史气候分析中具有重要影响。

哈格里夫斯–萨马尼法使用温度、气温日较差和大气层外太阳辐射。气温日较差在一定程度上被用作入射太阳辐射的间接指标。

这些方法适用于观测稀疏的地区,但其经验关系在不同气候区的适用程度并不相同。在多风、干旱、多云、山地或海洋性特征显著的环境中,误差可能很大。局地校准可以改善估算效果,但并不会使这些方法在物理上可以互相替代。

蒸发皿观测与直接测量

蒸发皿为蒸发条件提供了一种观测指标。将蒸发皿蒸发量转换为参考蒸散量,需要采用相应系数,以考虑蒸发皿设计、暴露条件、风、湿度及周围地表覆盖的影响。

蒸渗仪通过质量变化或详细的水量平衡,测量一个有边界的土壤—植被系统的蒸散。供水充足且植被适宜的蒸渗仪可帮助评估参考蒸散或潜在蒸散估计值。但它测量的仍是特定表面的蒸散,而非一种抽象的、独立于地表的潜在蒸散。

单位与时间尺度

潜在蒸散通常以毫米/日、毫米/月或毫米/年表示。在1 m21\ \mathrm{m^2}面积上,1 mm1\ \mathrm{mm}的水深相当于一升水。因此,它表示的是一定面积上的等效水深,而不是土壤含水量或地下水位的下降幅度。

按不同时间步长计算的数值,并不总能直接互换。由于相关关系具有非线性,基于月平均天气条件的估计值,可能不同于根据逐日或逐小时观测计算后累加得到的结果。数据产品应说明其时间分辨率、汇总方法,以及缺测资料的处理方式。

应用

气候水量平衡与干燥程度

将潜在蒸散与降水进行比较,可以判断气候条件下的水分供应相对于大气潜在需求是多还是少。在一个简单的水量平衡中,

P=ETa+Q+ΔS,P = ET_a + Q + \Delta S,

其中,PP为降水,ETaET_a为实际蒸散,QQ表示水分净输出,ΔS\Delta S为储水量变化,并假定其他输入可忽略不计。

在这一守恒方程中,潜在蒸散不能替代实际蒸散。水文模型通常将潜在蒸散用作需求项,再根据土壤水分可用性和植被状况约束实际水分损失。

干燥度指数通常表示为

AI=PPET.AI=\frac{P}{PET}.

数值越低,表明降水相对于潜在蒸发需求越少。对其含义的解释取决于潜在蒸散的计算方法、平均时段和降雨的季节分布。相同的年比值可能掩盖差异很大的季节性缺水状况。

农业与灌溉

参考蒸散为估算作物需水量提供了基于天气的基准。在标准、无水分胁迫条件下,常用关系式为

ETc=KcET0,ET_c=K_cET_0,

其中,ETcET_c为作物蒸散,KcK_c为随作物类型和生育阶段而变化的作物系数。

这一关系可用于灌溉计算,但作物潜在耗水量并不等于所需的灌溉施水量。还必须考虑有效降雨、土壤储水、灌溉效率及其他组成部分。

干旱与水文建模

潜在蒸散用于一些干旱指数,使其既能反映降雨不足,也能反映气候条件下的水分需求。它还作为土壤水分、径流和地下水补给模型的输入。

潜在蒸散升高可能表明潜在水分胁迫加剧,但并不能证明实际蒸散已经增加。在土壤严重干燥时,实际水分损失可能下降,而潜在需求仍然很高。

局限性及气候变化背景下的解读

潜在蒸散是根据反事实条件推算的量:它所回答的是,如果水分供应充足,某一特定表面可能损失多少水。一般而言,无法将其作为独立于地表的大气唯一属性来测量。

在气候变化研究中,方法的选择尤为重要。仅使用温度的方法可能会将增温转化为潜在蒸散增加,而不显式考虑辐射、湿度或风的变化。基于物理过程的方法纳入了更多相关控制因素,但仍对天气数据质量和表面阻力假设敏感。

二氧化碳浓度上升可能改变气孔行为和植被结构。采用固定参考表面的计算有意保持参考植被性质不变,因此不一定能描述实际森林、草地或作物未来的响应。所以,参考蒸散的变化、冠层变化条件下的潜在蒸散,以及生态系统实际耗水量,是彼此不同的量。

比较不同潜在蒸散数据集时,需要关注参考表面的定义、估算方程、输入观测资料、空间分辨率和时间尺度。这些选择上的差异,可能显著影响对干燥程度、干旱严重程度和未来水资源可用量的推断。