吳 林,劉興冉,閔雷雷,沈彥俊**,劉峰貴,周曉旭

(1.青海師范大學(xué)生命與地理科學(xué)學(xué)院 西寧 810008; 2.中國(guó)科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心農(nóng)業(yè)水資源重點(diǎn)實(shí)驗(yàn)室 石家莊 050022)

黑河中游綠洲區(qū)玉米冠層阻抗的環(huán)境響應(yīng)及模擬*

吳 林1,2,劉興冉2,閔雷雷2,沈彥俊2**,劉峰貴1,周曉旭2

(1.青海師范大學(xué)生命與地理科學(xué)學(xué)院 西寧 810008; 2.中國(guó)科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心農(nóng)業(yè)水資源重點(diǎn)實(shí)驗(yàn)室 石家莊 050022)

蒸散發(fā)(ET)是區(qū)域能量平衡以及水量平衡的關(guān)鍵環(huán)節(jié),精確估算蒸散發(fā),對(duì)于提高水分利用效率以及優(yōu)化區(qū)域用水結(jié)構(gòu)具有重要意義,而冠層阻抗則是準(zhǔn)確估算蒸散發(fā)的一個(gè)重要變量。為了確定冠層阻抗模型區(qū)域適用性、解決其參數(shù)化問(wèn)題,本研究基于黑河重大研究計(jì)劃已有的通量觀測(cè)數(shù)據(jù),以Irmak模型為基礎(chǔ),考慮微氣象因子與冠層阻抗之間的關(guān)系,增加了大氣 CO2濃度對(duì)冠層阻抗的影響,構(gòu)建了未考慮 CO2和考慮CO2影響的兩種Irmak模型,并將其與Penman-Monteith(P-M)模型耦合,利用已有渦度相關(guān)數(shù)據(jù),分析和檢驗(yàn)了兩種冠層阻抗模型對(duì)環(huán)境變量和大氣CO2濃度響應(yīng)的模擬結(jié)果,并對(duì)模型參數(shù)進(jìn)行敏感性分析。結(jié)果表明:將考慮大氣CO2濃度影響的Irmak模型與Penman-Monteith模型耦合,能夠更好地模擬玉米冠層阻抗和蒸散量對(duì)外部環(huán)境變量的響應(yīng)過(guò)程。在參數(shù)率定期該模型所模擬的冠層阻抗和蒸散量與實(shí)測(cè)值之間的R2分別達(dá)0.76和0.95,RMSE分別達(dá)33.1 s·m-1和34.5 W·m-2; 模型驗(yàn)證期冠層阻抗和蒸散量模擬值與實(shí)測(cè)值之間的R2分別達(dá)0.68和0.90,RMSE分別達(dá)63.2 s·m-1和49.0 W·m-2。兩個(gè)獨(dú)立驗(yàn)證點(diǎn)結(jié)果表明考慮了大氣CO2濃度影響的Irmak模型具有較好的空間可移植性和適應(yīng)性,模型能夠較為準(zhǔn)確地模擬玉米在整個(gè)生長(zhǎng)季半小時(shí)時(shí)間尺度上的農(nóng)田耗水過(guò)程。敏感性分析表明玉米冠層阻抗及其蒸散量對(duì)凈輻射和相對(duì)濕度變化最為敏感,其次是氣溫、葉面積指數(shù)和大氣CO2濃度。本文所構(gòu)建的考慮大氣CO2濃度對(duì)于玉米冠層阻抗影響的Irmak模型能夠較為準(zhǔn)確地估算作物蒸散量,并可為種植結(jié)構(gòu)調(diào)整、土地利用方式改變以及大氣 CO2濃度變化環(huán)境下的農(nóng)田耗水研究提供一定的研究依據(jù)。

冠層阻抗; 蒸散發(fā); Penman-Monteith模型; Irmak模型; 大氣CO2濃度

植物葉片上的氣孔是植物體進(jìn)行體內(nèi)外氣體交換的通道,氣孔的開(kāi)閉行為會(huì)影響植物體的蒸騰以及光合作用。植物組織中的水分通過(guò)蒸騰作用進(jìn)入大氣,從而實(shí)現(xiàn)植被與外界的能量交換[1],該過(guò)程受到外部環(huán)境因子和植物生理等因素的共同控制和調(diào)節(jié)[2]。冠層阻抗是水分在作物冠層與大氣進(jìn)行循環(huán)所需要克服的阻力,如何更為準(zhǔn)確地模擬冠層阻抗,對(duì)于精準(zhǔn)估算蒸散發(fā)(ET),進(jìn)而對(duì)于提高水分利用效率和優(yōu)化區(qū)域用水結(jié)構(gòu)具有重要意義[3-6]。

許多經(jīng)驗(yàn)和半經(jīng)驗(yàn)的模型被用來(lái)估算冠層阻抗對(duì)環(huán)境變量的響應(yīng)過(guò)程,例如Jarvis模型、雙源耦合模型、Irmak模型、S-W 模型、K-P模型等[1,7-12]。其中最為典型的 Jarvis模型將冠層阻抗看成是外部環(huán)境變量脅迫的結(jié)果,建立了形式簡(jiǎn)單靈活的冠層阻抗模型[11],但生理意義不明確,未考慮各因子之間的相互作用,模型的復(fù)雜性隨著外部環(huán)境變量的增多而增加,模型精度隨著模擬時(shí)間的延長(zhǎng)而降低,尤其是最小冠層阻力的確定較為困難[13]。Li等[6,14-15]基于石羊河流域大量試驗(yàn)所建立的耦合了土壤蒸發(fā)和植被蒸騰的耦合模型,對(duì)玉米(Zea mays)和釀酒葡萄(Vitis vinifera)均具有較好的模擬效果,但模型參數(shù)較多,個(gè)別參數(shù)不易獲取[6],部分參數(shù)需要試驗(yàn)數(shù)據(jù)進(jìn)一步修正,模型精度在作物葉面積指數(shù)(LAI)較低情況下仍受到限制。Irmak等[10]利用多年觀測(cè)資料,考慮微氣象因子與冠層阻抗之間的關(guān)系,采用廣義非線性回歸方法設(shè)計(jì)了 7個(gè)模型,模型的復(fù)雜性隨著微氣象因子的增多而增加,該模型雖為生理意義不明確的經(jīng)驗(yàn)?zāi)Ｐ?但形式簡(jiǎn)潔,計(jì)算簡(jiǎn)單,使用方便快捷。Irmak等[5]利用其構(gòu)建的阻抗模型對(duì)玉米的冠層阻抗及蒸散量進(jìn)行模擬,在后來(lái)的研究中又利用該模型對(duì)大豆(Glycine max)的冠層阻抗和蒸散量進(jìn)行模擬[10],模擬精度很高,然而模型的適應(yīng)性和可移植性有待于進(jìn)一步研究。

眾多研究成果[2,5,11-17]表明以上模型均具有較好的模擬效果以及較高的適用性,許多新模型在此基礎(chǔ)上進(jìn)行了修正和改進(jìn),考慮的因子也更加全面,但這些模型忽略了大氣CO2濃度對(duì)冠層阻抗的影響[5]?，F(xiàn)有氣候變化條件下,由于大氣 CO2濃度日變化幅度較小,對(duì)冠層阻抗的影響輕微,但從長(zhǎng)期模型預(yù)測(cè)的角度考慮,尤其是在未來(lái)氣候和生態(tài)系統(tǒng)水碳平衡變化的模擬預(yù)測(cè)中,考慮大氣 CO2濃度變化對(duì)蒸散量的影響更加重要?，F(xiàn)有試驗(yàn)表明大氣 CO2濃度的改變會(huì)影響植物體與外界水氣通量交換,大氣CO2濃度增加,會(huì)導(dǎo)致許多植物的氣孔導(dǎo)度下降[18-21],冠層阻抗增加,蒸騰作用減弱,尤其是高濃度 CO2能誘導(dǎo)氣孔關(guān)閉[22-26]。Wand等[27]研究發(fā)現(xiàn) CO2濃度加倍時(shí),C4和C3作物的氣孔導(dǎo)度分別降低29%和24%。在全球變化背景下,大氣CO2濃度上升和水資源短缺已經(jīng)對(duì)區(qū)域農(nóng)業(yè)的可持續(xù)發(fā)展產(chǎn)生了重要影響[28],因此考慮 CO2濃度對(duì)冠層阻抗的影響,對(duì)于揭示植物光合作用和耗水規(guī)律,提高水分利用效率具有重要意義[22]。

本研究以Irmak模型為基礎(chǔ),基于Morison等[29]和 Easterling等[30]關(guān)于 CO2濃度升高情景下作物的響應(yīng)規(guī)律研究,假設(shè)大氣 CO2濃度對(duì)玉米葉片氣孔導(dǎo)度的影響呈線性趨勢(shì),考慮葉面積指數(shù)(LAI)、凈輻射(Rn)、相對(duì)濕度(RH)、氣溫(Ta)、土壤有效含水量(θ)、空氣動(dòng)力學(xué)阻抗(ra)、3 m高度處風(fēng)速(U3)和大氣 CO2濃度等與冠層阻抗之間的關(guān)系,構(gòu)建了考慮CO2濃度和未考慮CO2濃度影響的冠層阻抗模型,并將其與 Penman-Monteith模型耦合,確定模型在區(qū)域上的適用性及其參數(shù)化問(wèn)題。利用“黑河流域生態(tài)-水文過(guò)程集成研究”重大研究計(jì)劃已有的通量觀測(cè)數(shù)據(jù),建立冠層阻抗與環(huán)境因子之間的關(guān)系,重點(diǎn)考慮了大氣 CO2濃度對(duì)冠層阻抗的影響,篩選出能夠反映 CO2濃度變化環(huán)境下的冠層阻抗模型,以期為揭示作物耗水規(guī)律,精準(zhǔn)估算作物蒸散量,提高水分利用效率以及作物蒸散量在未來(lái)大氣CO2濃度上升條件下的響應(yīng)機(jī)制提供一定的科學(xué)依據(jù)。

1 研究區(qū)概況、數(shù)據(jù)處理與模型簡(jiǎn)介

1.1 研究區(qū)概況

黑河流域(圖1)位于河西走廊中部,地處青藏高原與內(nèi)蒙古高原的過(guò)渡地帶,是我國(guó)西北干旱半干旱區(qū)第二大內(nèi)陸河流域,流域面積約14.3×104km2。該流域氣候干燥,降水稀少,水資源分配不均。流域主要分為上游祁連山地,中游走廊綠洲平原以及下游阿拉善高原3個(gè)地貌類型區(qū)。黑河中游是指黑河干流出山口鶯落峽以下至正義峽之間的地勢(shì)平坦區(qū)域,為典型的溫帶大陸性氣候,年降水量為116.8 mm,年蒸發(fā)強(qiáng)度 2 365.6 mm,年平均氣溫7.6 ℃。7月到9月的降水量占全年降水量的60%左右,冬季降水量?jī)H占 3%,年降水量隨著海拔高度增加和距河流距離增加而逐漸減少。年日照時(shí)數(shù)3 085 h,無(wú)霜期165 d。中游綠洲區(qū)耕地面積占全流域耕地總面積的 95%,水資源消耗占全流域的68%,農(nóng)田蒸散為水資源消耗的主要項(xiàng),玉米為當(dāng)?shù)刂饕r(nóng)作物之一[4]。

圖1 黑河流域試驗(yàn)站點(diǎn)及其土地利用Fig.1 Experimental sites and its’ land use types in Heihe River Basin

1.2 數(shù)據(jù)來(lái)源與處理

本研究所采用的自動(dòng)氣象站、通量、作物株高等數(shù)據(jù)均來(lái)源于黑河計(jì)劃數(shù)據(jù)管理中心(http://heihedata.org/),通量觀測(cè)矩陣中的Site 8(100°22′35′′E,38°52′21′′N; 1 550.06 m)用于模型參數(shù)的率定,Site 11(100°20′31′′E,38°52′12′′N; 1 575.65 m)、大滿站(100°22′20′′E,38°51′20′′N; 1 556.06 m)的數(shù)據(jù)用于模型的驗(yàn)證(圖1),每個(gè)通量觀測(cè)系統(tǒng)主要由三維超聲風(fēng)溫儀(CSAT3,Campbell Scientific,USA)和開(kāi)路CO2/H2O紅外氣體分析儀(Li-7500A,Li-Cor Inc.,USA)組成,原始數(shù)據(jù)采樣頻率為10 Hz,每30 min輸出1組平均通量值以及10 Hz原始數(shù)據(jù)[31]。3個(gè)通量觀測(cè)站點(diǎn)下墊面作物均為玉米,玉米種植壟距為50.8 cm,行距為43.3 cm,株距為22 cm。玉米株高由實(shí)測(cè)數(shù)據(jù)進(jìn)行 3次樣條插值內(nèi)插到每半小時(shí); 葉面積指數(shù)(LAI)來(lái)源于美國(guó)國(guó)家航天局(NASA)發(fā)布的MCD15A3H葉面積指數(shù)產(chǎn)品(https://search.earthdata.nasa.gov/),該數(shù)據(jù)為4 d合成的500 m分辨率的L4級(jí)葉面積指數(shù)數(shù)據(jù),采用 3次樣條插值法均勻內(nèi)插到每天,并假設(shè)同一天不同時(shí)刻葉面積指數(shù)不發(fā)生變化。研究時(shí)間序列為整個(gè)作物生長(zhǎng)季數(shù)據(jù)(2012年 5月初—2012年9月底),時(shí)間段為9:00— 18:30。原始渦度相關(guān)儀器信息及數(shù)據(jù)處理見(jiàn)文獻(xiàn)[31],原始渦度相關(guān)數(shù)據(jù)已經(jīng)過(guò)野點(diǎn)剔除、延遲時(shí)間校正、坐標(biāo)旋轉(zhuǎn)、響應(yīng)頻率修正和嚴(yán)格的質(zhì)量控制等步驟,但還需要對(duì)部分原始數(shù)據(jù)進(jìn)行再處理[32],處理規(guī)則如下: 1)對(duì)原始渦度相關(guān)數(shù)據(jù)進(jìn)行能量閉合度檢查,將能量閉合度超出 0.5～1.5之間的數(shù)據(jù)剔除,其余能量未閉合的數(shù)據(jù)進(jìn)行強(qiáng)制閉合,閉合方法見(jiàn)[33]; 2)去除有空值的數(shù)據(jù); 3)剔除異常數(shù)據(jù),如實(shí)測(cè)的潛熱通量(LE)＜0,rc_ob＞2 000或rc_ob＜0(rc_ob為利用Penman-Monteith公式反推的冠層阻抗值,此處定義為實(shí)測(cè)值)。

1.3 模型簡(jiǎn)介

1.3.1 Irmak模型

基于Irmak所構(gòu)建的模型[5,10],考慮葉面積指數(shù)(LAI)、凈輻射(Rn)、相對(duì)濕度(RH)、氣溫(Ta)、土壤有效含水量(θ)、空氣動(dòng)力學(xué)阻抗(ra)、3 m高度處風(fēng)速(U3)和大氣CO2濃度(CO2)等外部環(huán)境變量對(duì)冠層阻抗的影響,構(gòu)建了有CO2濃度影響和無(wú)CO2濃度影響的冠層阻抗模型,形式如下:

式中:rc-I1和rc-I2分別為在Irmak模型的基礎(chǔ)上未考慮大氣CO2濃度影響和考慮了大氣CO2濃度影響的冠層阻抗模型;f（θ）為土壤含水量;f（CO2）為CO2濃度脅迫函數(shù),式(4)中 ΔgLCO2為CO2濃度增加1倍時(shí),葉片氣孔導(dǎo)度減小的倍數(shù)[30],本研究取 0.3; θf(wàn)為田間持水量,取0.34 cm3·cm-3; θw為萎蔫系數(shù),取0.1 cm3·cm-3;a、b、c、d、e、g、h、i均為待率定的經(jīng)驗(yàn)系數(shù)。

1.3.2 Penman-Monteith模型

Penman-Monteith模型是Monteith在Penman模型的基礎(chǔ)上發(fā)展而來(lái),模型如下:

由公式(5)可以得出:

式中:c_obr為利用Penman-Monteith公式反推得到的冠層阻抗; λ為汽化潛熱,J·kg-1; ET為實(shí)際蒸散量,W·m-2; Δ為飽和水汽壓與溫度關(guān)系曲線斜率,kPa·℃-1;Rn為凈輻射,W·m-2;G為土壤熱通量,W·m-2;Cp為空氣定壓比熱,J·kg-1·℃-1;ρa(bǔ)為空氣密度,kg·m-3; VPD為飽和水汽壓差,kPa;rc為冠層阻抗,s·m-1;ar為空氣動(dòng)力學(xué)阻抗,s·m-1; γ為干濕表常數(shù),kPa·℃-1?？諝鈩?dòng)力學(xué)阻抗計(jì)算如下[1]:

式中:ra為空氣動(dòng)力學(xué)阻抗,s·m-1;Zm為測(cè)風(fēng)速高度,m;Zh為測(cè)濕度高度,m;d為零平面位移,m,d=2/3h;h為作物高度,m;Zom為控制動(dòng)量傳遞的粗糙長(zhǎng)度,m,Zom=0.123h;Zoh為控制熱通量和水汽傳輸?shù)拇植陂L(zhǎng)度,m,Zoh=0.1 Zom; K為卡曼常數(shù),0.41;Uz為Z高度處的風(fēng)速,m·s-1; 本文中Zm=3 m,Zh=5 m。

1.4 模型評(píng)價(jià)

本文采用決定系數(shù)(R2),均值偏移誤差(mean bias error,MBE)以及均方根誤差(root mean square error,RMSE)來(lái)評(píng)價(jià)模型模擬值(Em)與實(shí)測(cè)值(Oob)之間的差異,檢驗(yàn)?zāi)Ｐ湍M精度。

式中:Em為模擬值,Oob為實(shí)測(cè)值,為實(shí)測(cè)值的平均值,n為樣本容量。本文中約定利用渦度相關(guān)實(shí)測(cè)的潛熱通量并結(jié)合 Penman-Monteith公式反推得到的冠層阻抗為玉米冠層阻抗的實(shí)測(cè)值(rc_ob),利用模型擬合的冠層阻抗為模擬值(rc_m),利用渦度相關(guān)實(shí)測(cè)的潛熱通量為ET的實(shí)測(cè)值(ET_ob),利用模型模擬的ET為模擬值(ET_m)。

2 模型模擬效果與驗(yàn)證

2.1 模型參數(shù)率定及驗(yàn)證

本研究將Site 8點(diǎn)的數(shù)據(jù)(數(shù)據(jù)時(shí)段為2012年6月6日—9月20日)分成前后兩部分,前一部分?jǐn)?shù)據(jù)的觀測(cè)時(shí)段為6月6日—8月5日,用于模型參數(shù)率定;后一部分?jǐn)?shù)據(jù)的觀測(cè)時(shí)段為8月6日—9月20日,用于模型參數(shù)驗(yàn)證,將參數(shù)率定期的數(shù)據(jù)分別代入所構(gòu)建的兩個(gè) Irmak模型中,采用最小二乘法進(jìn)行非線性回歸,率定模型參數(shù),建立冠層阻抗cr與外部環(huán)境因子之間的經(jīng)驗(yàn)公式; 并采用驗(yàn)證期的數(shù)據(jù)對(duì)所建立的模型進(jìn)行驗(yàn)證,最終得到相關(guān)參數(shù)的優(yōu)選值見(jiàn)表1。為了進(jìn)一步檢驗(yàn)?zāi)Ｐ驮谡麄€(gè)作物生育期內(nèi)的模擬精度,采用Site 11和大滿兩個(gè)站點(diǎn)作為進(jìn)一步的驗(yàn)證點(diǎn)。

2.1.1 Irmak模型及其改進(jìn)形式的模擬效果

利用所構(gòu)建的未考慮 CO2濃度(rc_I1)和考慮CO2(rc_I2)的兩個(gè)模型,分別對(duì) Site 8的玉米冠層阻抗及蒸散量進(jìn)行模擬,模型相關(guān)參數(shù)見(jiàn)表1,模型對(duì)比結(jié)果見(jiàn)圖2和圖3。

表1 未考慮CO2濃度(rc_I1)和考慮CO2濃度(rc_I2)的Irmak模型中相關(guān)參數(shù)的最優(yōu)值Table 1 Optimum values of parameters of the two Irmak models non-considering and considering CO2concentration

圖2 未考慮大氣CO2濃度的Irmak模型(rc_I1model)在參數(shù)率定期(a,b)和驗(yàn)證期(c,d)對(duì)冠層阻抗(a,c)和蒸散量(b,d)的模擬效果Fig.2 Simulation results of canopy resistance (a,c) and evapotraspiration (b,d) with Irmak model non-considering CO2concentration (rc_I1model) in the phases of calibration (a,b) and validation (c,d)

由圖2和圖3可知,未考慮大氣CO2濃度和考慮大氣 CO2濃度的兩個(gè)模型均能夠較為準(zhǔn)確地反映玉米冠層阻抗和蒸散量的變化規(guī)律,模擬值與實(shí)測(cè)值具有較高的一致性。在考慮了LAI、Rn、RH、Ta、ra、U3、θ的基礎(chǔ)上,增加大氣CO2濃度影響的rc_I2模型具有更高的模擬精度。參數(shù)率定期rc_I2模型所模擬的冠層阻抗和蒸散量與實(shí)測(cè)值之間的R2分別達(dá)0.76和 0.95,RMSE分別達(dá)33.1 s·m-1和34.5 W·m-2,模型驗(yàn)證期冠層阻抗和蒸散量模擬值與實(shí)測(cè)值之間的R2分別達(dá)0.68和0.90,RMSE分別達(dá)63.2 s·m-1和49.0 W·m-2,模型精度也較rc_I1模型略有提高,由于早晨和下午的水汽壓差以及可用能量相對(duì)較小,使得冠層阻抗變化較大甚至出現(xiàn)部分異常值[34],降低了模型對(duì)冠層阻抗的模擬精度,但誤差均在可接受范圍內(nèi)。

圖3 考慮大氣CO2濃度的Irmak模型(rc_I2model)在參數(shù)率定期(a,b)和驗(yàn)證期(c,d)對(duì)冠層阻抗和蒸散量的模擬效果Fig.3 Simulation results of canopy resistance (a,c) and evapotraspiration (b,d) with Irmak model considering CO2concentration (rc_I2model) in the phases of calibration (a,b) and validation (c,d)

綜上,考慮了大氣 CO2濃度影響的rc_I2模型能夠較為精確地模擬玉米冠層阻抗對(duì)環(huán)境變量的響應(yīng)過(guò)程,得到較高的模擬精度,模型形式簡(jiǎn)單,模型參數(shù)也較為容易獲取。在諸如Jarvis等模型中,包含許多經(jīng)驗(yàn)性質(zhì)的參數(shù),這些參數(shù)會(huì)隨著植物的生理結(jié)構(gòu)、氣象要素的變化而發(fā)生變化,但I(xiàn)rmak模型能夠通過(guò)農(nóng)田主要微氣象因子較為全面地反映冠層阻抗對(duì)環(huán)境變量的響應(yīng)過(guò)程,從而實(shí)現(xiàn)蒸散發(fā)從葉片尺度提升至冠層尺度的轉(zhuǎn)換[5,10,15],尤其是rc_I2模型在考慮了大氣CO2濃度的影響之后能夠更為真實(shí)而全面地反映冠層阻抗對(duì)環(huán)境變量的響應(yīng)過(guò)程,實(shí)現(xiàn)尺度轉(zhuǎn)換。

2.1.2 模型的進(jìn)一步驗(yàn)證

本文所構(gòu)建的兩個(gè)模型均將玉米的整個(gè)生育期數(shù)據(jù)分為參數(shù)率定期和模型驗(yàn)證期兩部分,但是在作物整個(gè)生育期內(nèi),植物的生理結(jié)構(gòu)、氣象要素等會(huì)發(fā)生變化,基于作物生長(zhǎng)前期數(shù)據(jù)所建立的模型對(duì)于作物生長(zhǎng)后期乃至整個(gè)作物生長(zhǎng)季是否適用,在不同地點(diǎn)不同氣象要素條件下,模型適應(yīng)性如何,模型參數(shù)是否具有可移植性等問(wèn)題仍是限制模型能否實(shí)現(xiàn)尺度轉(zhuǎn)換和移植的關(guān)鍵。為了檢驗(yàn)兩個(gè)Irmak模型的適應(yīng)性和參數(shù)可移植性,利用通量觀測(cè)矩陣中另外兩個(gè)站點(diǎn)(Site 11和大滿站)2012年玉米整個(gè)生育期實(shí)測(cè)的有效數(shù)據(jù),對(duì)所建立的冠層阻抗模型做進(jìn)一步驗(yàn)證,模擬值與實(shí)測(cè)值對(duì)比結(jié)果見(jiàn)圖4、圖5、圖6和圖7。

從圖4和圖5可知,兩個(gè)模型均能夠較好地模擬Site11站點(diǎn)玉米生育期內(nèi)冠層阻抗和蒸散量對(duì)環(huán)境變量的響應(yīng)過(guò)程,模擬值與實(shí)測(cè)值之間較為一致,考慮了大氣CO2濃度影響的rc_I2模型所模擬的冠層阻抗與蒸散量模擬值和實(shí)測(cè)值之間的R2分別達(dá)0.62和0.93,RMSE分別達(dá)94.1 s·m-1和67.4 W·m-2。對(duì)比圖4c和圖5c可以看出,rc_I2模型模擬值與實(shí)測(cè)值之間的誤差和波動(dòng)性在整個(gè)生育期內(nèi)較小,其低估程度較rc_I1模型小,在6月中后期至8月底,rc_I1模型所模擬的ET值稍微偏低,未能很好地模擬ET的峰值,相比之下rc_I2模型很好地模擬了整個(gè)生育期ET的峰值,因此考慮了大氣CO2濃度的rc_I2模型能夠更加全面地模擬整個(gè)生長(zhǎng)季玉米的實(shí)際蒸散量,反映其農(nóng)田耗水過(guò)程。

圖6和圖7表明未考慮大氣CO2濃度和考慮大氣CO2濃度的兩個(gè)Irmak模型均能夠較為準(zhǔn)確地模擬大滿站整個(gè)生育期玉米冠層阻抗和蒸散量。未考慮大氣CO2濃度的rc_I1模型所模擬的冠層阻抗與蒸散量和實(shí)測(cè)值之間的R2分別達(dá)0.57和0.97,RMSE分別達(dá)45.6 s·m-1和36.8 W·m-2,而考慮了大氣CO2濃度影響的rc_I2模型所模擬的冠層阻抗與蒸散量和實(shí)測(cè)值之間的R2分別達(dá)0.58和0.97,RMSE分別達(dá)41.5 s·m-1和28.4 W·m-2。圖6c和圖7c反映了考慮大氣CO2濃度的rc_I2模型能夠更加真實(shí)地反映玉米在整個(gè)生育期內(nèi)實(shí)際蒸散量情況,整個(gè)生育期模型低估現(xiàn)象較少,模擬精度更高,從6月6日到玉米的收獲期,模擬值與實(shí)測(cè)值幾乎一致。

玉米冠層在整個(gè)生長(zhǎng)季由稀疏向稠密過(guò)渡,生理結(jié)構(gòu)以及外界氣象要素均發(fā)生了很大變化,其蒸散量變化較大,尤其是未來(lái)氣候變化情景下的農(nóng)田蒸散變得更為復(fù)雜,因此在生態(tài)系統(tǒng)水碳平衡變化的模擬預(yù)測(cè)中,考慮大氣 CO2濃度變化對(duì)冠層阻抗以及蒸散量的影響具有極其重要的作用。從圖4-7可以看出,考慮了大氣CO2濃度影響的rc_I2模型,能夠更加精確地模擬玉米在生理結(jié)構(gòu)、氣象要素發(fā)生變化情景下冠層阻抗和蒸散量的變化,并且具有較好的空間可移植性,這在一定程度上能夠?yàn)榉N植結(jié)構(gòu)調(diào)整、土地利用方式和大氣 CO2濃度改變情景下的玉米農(nóng)田耗水過(guò)程研究提供一定的依據(jù)。

圖4 未考慮大氣CO2濃度的Irmak模型(rc_I1model)對(duì)Site 11整個(gè)生育期內(nèi)冠層阻抗(a)和蒸散量(b,c)的模擬效果Fig.4 Simulation results of canopy resistance (a) and evapotraspiration (ET) (b,c) with Irmak model non-considering CO2concentration (rc_I1model) during maize growth season in Site 11

圖5 考慮大氣CO2濃度的Irmak模型(rc_I2model)對(duì)Site 11整個(gè)生育期內(nèi)冠層阻抗和蒸散量的模擬效果Fig.5 Simulation results of canopy resistance (a) and evapotraspiration (ET) (b,c) with Irmak model non-considering CO2concentration (rc_I2model) during maize growth season in Site 11

2.2 敏感性分析

由于作物自身因素以及外部環(huán)境變量的改變,冠層阻抗及蒸散量對(duì)環(huán)境變量的響應(yīng)也存在較大差異,因此進(jìn)一步對(duì)改進(jìn)的rc_I2模型進(jìn)行敏感性分析,引入模型結(jié)果關(guān)于環(huán)境變量的敏感性系數(shù),如下式所示:

式中:ixS為模型結(jié)果關(guān)于環(huán)境變量ix的敏感系數(shù),無(wú)量綱,可以進(jìn)行模型不同環(huán)境變量敏感性的對(duì)比。當(dāng)Sxi＞ 0時(shí),表示模型結(jié)果隨環(huán)境變量xi的增大而增大; 當(dāng)Sxi＜ 0時(shí),表示模型結(jié)果隨環(huán)境變量xi的增大而減小;的大小反映了模型結(jié)果隨環(huán)境變量xi變化的敏感程度,其值越大,環(huán)境變量xi對(duì)模型結(jié)果的影響越大。

圖6 未考慮大氣CO2濃度的Irmak模型(rc_I1model)對(duì)大滿站整個(gè)生育期內(nèi)冠層阻抗和蒸散量的模擬效果對(duì)比Fig.6 Simulation results of canopy resistance (rc) (a) and evapotraspiration (ET) (b,c) with Irmak model non-considering CO2concentration (rc_I1model) during maize growth season in Site Daman

圖7 考慮大氣CO2濃度的Irmak模型(rc_I2model)對(duì)大滿站整個(gè)生育期內(nèi)冠層阻抗和蒸散量的模擬效果對(duì)比Fig.7 Simulation results of canopy resistance (rc) (a) and evapotraspiration (ET) (b,c) with Irmak model considering CO2concentration (rc_I2model) during maize growth season in Site Daman

由表2和表3可知,rc與Rn、RH、U3、LAI、θ、ra變化方向相反,隨Rn、RH、U3、LAI、θ、ra的增加而減小,rc與Ta和大氣CO2濃度的變化一致,隨著Ta和大氣 CO2濃度的增加而增加。敏感系數(shù)的絕對(duì)值大小表明,rc對(duì)Rn和RH的變化最為敏感,其次是θ,rc對(duì)Ta、LAI以及大氣CO2濃度的變化敏感性幾乎一致,對(duì)U3和ra的敏感性最小,表明在研究區(qū)域Rn和 RH是影響rc的主要因子,這是因?yàn)樵谧匀粭l件下,凈輻射、空氣溫度、濕度、土壤水含量和CO2濃度是影響氣孔阻抗的主要影響因子[34-36]。ET與Rn、RH、U3、LAI和θ的變化相一致,ET隨著Rn、RH、U3、LAI和θ的增加而增加,ET與Ta、ra和大氣CO2濃度的變化相反,ET隨著Ta、ra和大氣CO2濃度增加而減小。敏感系數(shù)絕對(duì)值大小表明,ET對(duì)Rn最為敏感,其次是RH和θ,對(duì)Ta、LAI和大氣CO2濃度的敏感性較小,對(duì)U3和ra的敏感性最低,結(jié)果表明在該研究區(qū)域Rn和RH是影響ET的主要控制因子,這是因?yàn)檎羯l(fā)過(guò)程主要取決于水汽化所需能量的多寡,水分汽化的主要?jiǎng)恿?lái)源于輻射和大氣溫度,蒸發(fā)面與大氣周圍的水汽壓差是決定水汽移動(dòng)的因素,而水汽的移動(dòng)過(guò)程很大程度上取決于大范圍的風(fēng)以及蒸發(fā)面上方流動(dòng)的空氣。

表2 環(huán)境變量變化(±5%,±10%,±15%,±20%,±30%)時(shí)冠層阻力的變化Table 2 Variations of canopy resistance (rc) with changes of ±5%,±10%,±15%,±20%,±30% of the environmental variables

表3 環(huán)境變量變化(±5%,±10%,±15%,±20%,±30%)時(shí)蒸散量的變化Table 3 Variations of evapotranspiration (ET) with changes of ±5%,±10%,±15%,±20%,±30% of the environmental variables

3 結(jié)論與討論

本研究在 Irmak模型的基礎(chǔ)上,考慮了大氣CO2濃度變化對(duì)玉米冠層阻抗的影響,根據(jù)前人的研究結(jié)果并假設(shè)大氣CO2濃度對(duì)氣孔導(dǎo)度的影響是線性關(guān)系,考慮微氣象因子與玉米冠層阻抗之間的關(guān)系,基于現(xiàn)有數(shù)據(jù),構(gòu)建了考慮 CO2濃度和未考慮CO2濃度影響的冠層阻抗模型,并將其與 Penman-Monteith模型耦合,分析和檢驗(yàn)了所建立的冠層阻抗模型對(duì)環(huán)境變量和大氣CO2濃度響應(yīng)的模擬結(jié)果,結(jié)果表明采用 LAI、Rn、RH、Ta、ra、U3以及土壤有效含水量θ,結(jié)合大氣 CO2濃度能夠更加全面地反映冠層阻抗和蒸散量對(duì)外部環(huán)境變量的響應(yīng)過(guò)程,準(zhǔn)確地模擬玉米在整個(gè)生育期內(nèi)半小時(shí)時(shí)間尺度上的耗水過(guò)程。敏感性分析表明rc和ET對(duì)Rn和RH的變化最為敏感,其次為T(mén)a、LAI以及大氣CO2濃度。本文改進(jìn)的模型考慮了大氣CO2濃度對(duì)玉米氣孔的影響,模型參數(shù)容易獲取,模型模擬精度優(yōu)于未考慮 CO2濃度影響的模型,因此該模型能夠?yàn)榉N植結(jié)構(gòu)調(diào)整、土地利用方式改變以及未來(lái)CO2濃度變化情景下的作物耗水量研究提供一定的依據(jù)。

與此同時(shí),本文所構(gòu)建的模型是基于“單源模型”,對(duì)蒸散量的模擬具有較高的精度,在早晨和下午由于水汽壓差和可用能量較小,冠層阻抗波動(dòng)幅度較大,模型還不能快速響應(yīng),使得部分冠層阻抗模擬精度偏低,但誤差在可接受范圍內(nèi)。其次,文中僅考慮了 CO2濃度上升對(duì)玉米氣孔導(dǎo)度的影響,并假設(shè) CO2濃度對(duì)氣孔導(dǎo)度的影響是線性的,但是并未考慮到 CO2濃度變化對(duì)玉米葉面積指數(shù)的影響,因此,需要在后續(xù)工作中完善。此外,受短期觀測(cè)數(shù)據(jù)限制,模型中大氣CO2濃度對(duì)冠層阻抗(rc)的影響系數(shù)需要根據(jù)實(shí)驗(yàn)資料做進(jìn)一步修正。最后,由于研究區(qū)域范圍較大,雖已對(duì)模型進(jìn)行了獨(dú)立驗(yàn)證,但考慮到空間復(fù)雜性和異質(zhì)性,需要在已率定的經(jīng)驗(yàn)?zāi)Ｐ偷幕A(chǔ)上對(duì)參數(shù)可移植性問(wèn)題進(jìn)行更加全面的考慮。

References

[1]Allen R G,Pereira L S,Raes D,et al.Crop Evapotranspiration Guidelines for Computing Crop Water Requirements[M].FAO Irrigation and Drainage Paper 56.Rome,Italy: FAO,1998

[2]Leuning R.A critical appraisal of a combined stomatalphotosynthesis model for C3plants[J].Plant,Cell & Environment,1995,18(4): 339–355

[3]張寶忠,許迪,劉鈺,等.多尺度蒸散發(fā)估測(cè)與時(shí)空尺度拓展方法研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(6): 8–16 Zhang B Z,Xu D,Liu Y,et al.Review of multi-scale evapotranspiration estimation and spatio-temporal scale expansion[J].Transactions of the Chinese Society of Agricultural Engineering,2015,31(6): 8–16

[4]連晉姣,黃明斌,李杏鮮,等.夏季黑河中游綠洲樣帶蒸散量遙感估算[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(15): 120–129 Lian J J,Huang M B,Li X X,et al.Evapotranspiration estimation for oasis transect in middle reach of Heihe River basin based on remote sensing[J].Transactions of the CSAE,2014,30(15): 120–129

[5]Irmak S,Mutiibwa D.On the dynamics of canopy resistance: Generalized linear estimation and relationships with primary micrometeorological variables[J].Water Resources Research,2010,46(8): W08526

[6]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

[7]Leuning R,Zhang Y Q,Rajaud A,et al.A simple surface conductance model to estimate regional evaporation using MODIS leaf area index and the Penman-Monteith equation[J].Water Resources Research,2008,44(10): W10419

[8]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

[9]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

[10]Irmak S,Mutiibwa D,Payero J,et al.Modeling soybean canopy resistance from micrometeorological and plant variables for estimating evapotranspiration using one-step Penman-Monteith approach[J].Journal of Hydrology,2013,507: 1–18

[11]Jarvis P G,McNaughton K G.Stomatal control of transpiration: Scaling up from leaf to region[J].Advances in Ecological Research,1986,15: 1–49

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

[13]黃輝,于貴瑞,孫曉敏,等.華北平原冬小麥冠層導(dǎo)度的環(huán)境響應(yīng)及模擬[J].生態(tài)學(xué)報(bào),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].Acta Ecological Sinica,2007,27(12): 5209–5221

[14]Li S E,Kang S Z,Zhang L,et al.Quantifying the combined effects of climatic,crop and soil factors on surface resistance in a maize field[J].Journal of Hydrology,2013,489: 124–134

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

[16]Zhang B Z,Kang S Z,Li F S,et al.Comparison of three evapotranspiration models to Bowen ratio-energy balance method for a vineyard in an arid desert region of northwest China[J].Agricultural and Forest Meteorology,2008,148(10): 1629–1640

[17]Irmak S,Mutiibwa D.On the dynamics of evaporative losses from Penman-Monteith with fixed and variable canopy resistance during partial and complete maize canopy[J].Transactions of the ASABE,2009,52(4): 1139–1153

[18]Medlyn B E,Barton C V M,Broadmeadow M S J,et al.Stomatal conductance of forest species after long-term exposure to elevated CO2concentration: A synthesis[J].New Phytologist,2001,149(2): 247–264

[19]Keel S G,Pepin S,Leuzinger S,et al.Stomatal conductance in mature deciduous forest trees exposed to elevated CO2[J].Trees,2007,21(2): 151–159

[20]Wullschleger S D,Gunderson C A,Hanson P J,et al.Sensitivity of stomatal and canopy conductance to elevated CO2concentration-interacting variables and perspectives of scale[J].New Phytologist,2002,153(3): 485–496

[21]Pritchard S G,Rogers H H,Prior S A,et al.Elevated CO2and plant structure: A review[J].Global change Biology,1999,5(7): 807–837

[22]Field C B,Jackson R B,Mooney H A.Stomatal responses toincreased CO2: Implications from the plant to the global scale[J].Plant,Cell & Environment,1995,18(10): 1214–1225

[23]Ficklin D L,Luedeling E,Zhang M H.Sensitivity of groundwater recharge under irrigated agriculture to changes in climate,CO2concentrations and canopy structure[J].Agricultural Water Management,2010,97(7): 1039–1050

[24]房世波,沈斌,譚凱炎,等.大氣[CO2]和溫度升高對(duì)農(nóng)作物生理及生產(chǎn)的影響[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2010,18(5): 1116–1124 Fang S B,Shen B,Tan K Y,et al.Effect of elevated CO2concentration and increased temperature on physiology and production of crops[J].Chinese Journal of Eco-Agriculture,2010,18(5): 1116–1124

[25]Ficklin D L,Luo Y Z,Luedeling E,et al.Climate change sensitivity assessment of a highly agricultural watershed using SWAT[J].Journal of Hydrology,2009,374(1/2): 16–29

[26]Kang S Z,Zhang F C,Hu X T,et al.Benefits of CO2enrichment on crop plants are modified by soil water status[J].Plant and Soil,2002,238(1): 69–77

[27]Wand S J E,Midgley G F,Jones M H,et al.Responses of wild C4 and C3 grass (Poaceae) species to elevated atmospheric CO2concentration: A meta-analytic test of current theories and perceptions[J].Global Change Biology,1999,5(6): 723–741

[28]Kang S Z,Su X L,Tong L,et al.The impacts of human activities on the water-land environment of the Shiyang River basin,an arid region in northwest China[J].Hydrological Sciences Journal,2004,49(3): 413–427

[29]Morison J I L,Gifford R M.Plant growth and water use with limited water supply in high CO2concentrations.I.Leaf area,water use and transpiration[J].Australian Journal of Plant Physiology,1984,11(5): 361–374

[30]Easterling W E,Rosenberg N J,McKenney M S,et al.Preparing the erosion productivity impact calculator (EPIC) model to simulate crop response to climate change and the direct effects of CO2[J].Agricultural and Forest Meteorology,1992,59(1/2): 17–34

[31]Xu Z W,Liu S M,Li X,et al.Intercomparison of surface energy flux measurement systems used during the HiWATER-MUSOEXE[J].Journal of Geophysical Research,2013,118(23): 13140–13157

[32]劉國(guó)水,劉鈺,許迪.基于渦度相關(guān)儀的蒸散量時(shí)間尺度擴(kuò)展方法比較分析[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(6): 7–12 Liu G S,Liu Y,Xu D.Investigation on performance of evapotranspiration temporal upscaling methods based on eddy covariance measurements[J].Transactions of the CSAE,2011,27(6): 7–12

[33]Twine T E,Kustas W P,Norman J M,et al.Correcting eddy-covariance flux underestimates over a grassland[J].Agricultural and Forest Meteorology,2000,103(3): 279–300

[34]Perez P J,Lecina S,Castellvi F,et al.A simple parameterization of bulk canopy resistance from climatic variables for estimating hourly evapotranspiration[J].Hydrological Processes,2006,20(3): 515–532

[35]Yu Q,Zhang Y Q,Liu Y F,et al.Simulation of the stomatal conductance of winter wheat in response to light,temperature and CO2changes[J].Annals of Botany,2004,93(4): 435–441

[36]Stannard D I.Comparison of penman-monteith,shuttleworthwallace,and modified priestley-taylor evapotranspiration models for wildland vegetation in semiarid rangeland[J].Water Resources Research,1993,29(5): 1379–1392

Response of maize canopy to environmental factors in the middle reach oasis of Heihe River Basin*

WU Lin1,2,LIU Xingran2,MIN Leilei2,SHEN Yanjun2**,LIU Fenggui1,ZHOU Xiaoxu2
(1.College of Biologic and Geographic Sciences,Qinghai Normal University,Xining 810008,China; 2.Key Laboratory of Agricultural Water Resources,Center for Agricultural Resources Research,Institute of Genetics and Developmental Biology,Chinese Academy of Sciences,Shijiazhuang 050022,China)

Evapotranspiration (ET) is critical for energy and water balance in agricultural systems.Accurate estimation ormeasurement of ET is therefore important in improving water use efficiency and optimizing the structure of regional water use.Canopy resistance is one of the most important variables in the estimation of ET.The accuracy of simulation of the response process of canopy resistance to environmental variables is critically important for crop ET research.A convenient approach to simulate the response process of canopy resistance to multiple factors is based on the relationship between measured latent heat,climatic variables and by using the modified Penman-Monteith (P-M) equation.However,this method has certain limitations in some practical applications due to the lack of a few effective parameters.Another approach is to construct empirical and semi-empirical models using multiple factors (such as the Irmak model) based on measured data combined with the rearranged P-M equation.Based on canopy resistance values calculated by the rearranged P-M equation and on maize data (for the period May to September 2012) collected from the three eddy covariance observation stations in Heihe River Basin,this study constructed Irmak model taking into account the effect of atmospheric CO2concentration of half-hourly and daily time-steps to simulate the response processes of maize to environmental variables such as net radiation (Rn),air temperature (Ta),leaf area index (LAI),relative humidity (RH),wind speed (U3),aerodynamic resistance(ra),effective soil water content (θ) and atmospheric CO2concentration.In the study,the performance of the two Irmak models were tested with measured values of latent heat from the eddy covariance systems of the other two verification points.Besides,the sensitivity of environmental variables was analyzed.The results indicated that the improved Irmak model which took into account the effect of atmospheric CO2concentration well estimated canopy resistance and ET.The coefficients of determination (R2) for canopy resistance and ET were respectively 0.76 and 0.95 for the calibration phase,with root mean square errors (RMSE) of 33.1 s·m-1and 34.5 W·m-2.Meanwhile,R2for canopy resistance and ET were respectively 0.68 and 0.90 for the validation phase,with RMSE of 63.2 s·m-1and 49.0 W·m-2.The two verification points showed that the improved Irmak model had a good performance and strong regional applicability and spatial portability.The model also simulated the response processes of canopy resistance to environmental variables and reflected the effect of the variations in atmospheric CO2concentration on ET.Sensitivity analysis of the improved Irmak model showed that canopy and ET were the most sensitive to net radiation and relative humidity,followed by air temperature,leaf area index and atmospheric CO2concentration.The improved Irmak model used in this study was applicable in estimating crop water consumption and the accuracy of ET of maize,in providing scientific basis for improvements in water use efficiency and in optimizing the structure of regional water use under increased future atmospheric CO2concentration.

Canopy resistance; Evapotranspiration (ET); Penman-Monteith (P-M) model; Irmak model; Atmospheric CO2concentration

S161.4

: A

: 1671-3990(2017)02-0247-11

10.13930/j.cnki.cjea.160772

吳林,劉興冉,閔雷雷,沈彥俊,劉峰貴,周曉旭.黑河中游綠洲區(qū)玉米冠層阻抗的環(huán)境響應(yīng)及模擬[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2017,25(2): 247-257

Wu L,Liu X R,Min L L,Shen Y J,Liu F G,Zhou X X.Response of maize canopy to environmental factors in the middle reach oasis of Heihe River Basin[J].Chinese Journal of Eco-Agriculture,2017,25(2): 247-257

* 國(guó)家自然科學(xué)基金(91425302,31400375)資助

** 通訊作者: 沈彥俊,主要從事生態(tài)水文過(guò)程研究。E-mail: yjshen@sjziam.ac.cn

吳林,主要研究方向?yàn)樯鷳B(tài)水文過(guò)程研究。E-mail: wulinmsn@163.com

2016-08-31 接受日期: 2016-10-12

* This study was supported by the National Natural Science Foundation of China (91425302,31400375).

** Corresponding author,E-mail: yjshen@sjziam.ac.cn

Received Aug.31,2016; accepted Oct.12,2016