王 宇，周 莉，賈慶宇，王 磊，徐軍亮

（1．河南科技大學林學院，洛陽 471023；2．中國氣象科學研究院，北京 100081；3．中國氣象局沈陽大氣環(huán)境研究所，沈陽 110016）

基于Shuttleworth-Wallace模型的水稻蒸散組分模擬及其特征分析?

王 宇1，周 莉2**，賈慶宇3，王 磊1，徐軍亮1

（1．河南科技大學林學院，洛陽 471023；2．中國氣象科學研究院，北京 100081；3．中國氣象局沈陽大氣環(huán)境研究所，沈陽 110016）

農(nóng)田蒸散（ET）及其組分的模擬是精準灌溉及準確估算生產(chǎn)力的基礎?；?013-2015年的渦度相關通量觀測及輔助觀測資料，利用Shuttleworth-Wallace模型（S-W模型）對盤錦水稻的蒸散及其組分進行模擬，并利用結構方程模型分析土壤蒸發(fā)占蒸散比例（ES/ET）的控制機制。結果表明：（1）S-W 模型模擬蒸散值在生長季前期偏低，在生長旺季總體偏高；而在生長季后期與觀測蒸散基本吻合。（2）就季節(jié)變化過程而言，水稻蒸散模擬值呈現(xiàn)明顯的日間波動（0.5～10.4mm·d-1），但季節(jié)總體變化趨勢不明顯；蒸騰（TR）則先增大后降低，變化范圍為0.1～8.4mm·d-1；土壤蒸發(fā)（ES）呈U型曲線，變化范圍為0.1～4.7mm·d-1。（3）模擬水稻蒸散3a均值為892mm。在年尺度上，TR與ES各占ET的50%；但在生長季，TR是ET的主要消耗方式：在移栽分蘗期，水稻的植物蒸騰與土壤蒸發(fā)較接近，而在其它各生育期及全生育期，水稻的植物蒸騰均達土壤蒸發(fā)的2倍以上。（4）結構方程模型分析結果表明，氣溫是ES/ET最重要的影響因子，ES/ET隨氣溫上升而下降（總影響系數(shù)為-0.82）。氣溫不僅對ES/ET有顯著的直接影響（直接影響系數(shù)為-0.50），還通過葉面積指數(shù)（LAI）對ES/ET產(chǎn)生顯著的間接影響（間接影響系數(shù)為-0.32）。除氣溫外，LAI和風速也是ES/ET的重要影響因子，ES/ET隨LAI增大而下降（總影響系數(shù)為-0.39），隨風速增大而增大（總影響系數(shù)為0.38）。

結構方程模型；渦度相關；土壤蒸發(fā)；植物蒸騰

蒸散（ET）是水分及能量平衡的重要組成部分，是連接生態(tài)與水文過程的重要紐帶[1]。在農(nóng)田生態(tài)系統(tǒng)中，以蒸散形式消耗的水分可達90%以上。然而，蒸散仍然是目前生態(tài)水文過程中不確定性最大的因素之一[2]。蒸散主要包含植物蒸騰（TR）和土壤表面蒸發(fā)（ES）兩個部分。植物蒸騰與生產(chǎn)力通過葉片氣孔調(diào)節(jié)作用直接相關，土壤蒸發(fā)則主要受物理過程影響，對植被生產(chǎn)力無直接影響[3]。因此，準確模擬蒸散組分并研究蒸散分配的控制機制，對于深入理解生態(tài)系統(tǒng)的水分循環(huán)過程，以及更好地估算生態(tài)系統(tǒng)生產(chǎn)力具有重要意義。

單獨觀測ES和TR的研究始于20世紀70年代。目前，ES的觀測方法主要有微型蒸滲儀、土壤熱脈沖法、箱法、微型波文比能量平衡法和渦度相關法（置于冠層下方可觀測土壤蒸發(fā)）等。TR的觀測方法主要包括莖流計和葉室法等。近年來快速發(fā)展的同位素技術也能將ET拆分為TR和ES[3]。然而，以上方法均存在不同方面的問題，如經(jīng)濟或人工成本高，觀測頻率低，儀器難以維護，適用范圍較窄等，導致在實際應用中都受到不同程度的限制。相比而言，蒸散模型由于其僅需要常規(guī)的氣象觀測資料，且能在各種時間尺度上進行模擬，在農(nóng)業(yè)及生態(tài)領域均得到廣泛應用和發(fā)展[4]。模擬蒸散及其組分的模型可分為機理模型和經(jīng)驗模型，前者包括Shuttleworth-Wallace模型（S-W模型），ENWATBAL模型，Cupid-DPEVAP模型，SWEAT模型，TSEB模型，HYDRUS-1D等，F(xiàn)AO雙作物系數(shù)法為經(jīng)驗模型[3]。其中，F(xiàn)AO雙作物系數(shù)法及S-W模型是應用最廣泛的兩種方法。FAO雙作物系數(shù)法應用簡單、參數(shù)少，能較好地估算ET并有效區(qū)分ES和TR，但該方法具有一定的經(jīng)驗性，其預定義的條件不能適用于每一個地區(qū)，必須利用當?shù)卦囼炠Y料對作物系數(shù)進行修正甚至重新計算[5]。S-W 模型的機理性更強，且大量研究表明，S-W 模型在各類生態(tài)系統(tǒng)中均有較好的表現(xiàn)[3]。Gharsallah等[6]比較了 6個蒸散模型在灌溉玉米農(nóng)田中的表現(xiàn)，發(fā)現(xiàn)S-W模型在各生育期的表現(xiàn)均優(yōu)于其它模型。李俊等[7]比較了Penman-Monteith模型（P-M模型）和S-W模型在冬小麥田中的表現(xiàn)，發(fā)現(xiàn)在4、5月冠層稠密時兩個模型均有很好的模擬效果，但在生長前期冠層稀疏時S-W模型的表現(xiàn)明顯優(yōu)于P-M模型。劉斌等[8]也分別用 P-M 模型和 S-W 模型模擬了水稻的逐時蒸散量，結果表明，S-W模型模擬效果總體優(yōu)于P-M模型，尤其是在生長前期水稻冠層稀疏時段，S-W 模型模擬值與蒸滲計實測值更接近。

目前，關于蒸散分配的控制機制尚不清楚。多數(shù)研究表明，在季節(jié)尺度上，葉面積指數(shù)（LAI）是ES/ET（或 TR/ET）最主要的影響因子，當 LAI＜3時，ES/ET隨LAI增大呈對數(shù)減小趨勢，當LAI＞3時，ES/ET逐漸趨于穩(wěn)定[9-10]。但也有一些研究表明，ES/ET隨LAI增大呈線性減小趨勢，并未發(fā)現(xiàn)明顯的閾值[11]。還有研究認為，除LAI之外，土壤含水量（SWC）也是ES/ET的重要影響因子[12]。以往研究在確定ES/ET（或TR/ET）的影響因子時，多是通過比較兩兩相關的決定系數(shù)，或利用多元回歸等傳統(tǒng)統(tǒng)計方法進行分析[11,13-15]。然而，這些方法僅能給出單個自變量對因變量的凈影響，卻忽略了多個自變量之間普遍存在的相關關系，會導致不同研究得到的結果不一致，甚至完全相反[16-17]。近來被引入到生態(tài)學領域的結構方程模型（Structural Equation Modeling，SEM）能有效解決上述問題，它不僅能充分考慮自變量之間的相關關系，還能對傳統(tǒng)統(tǒng)計方法中自變量對因變量的凈影響進行分解，區(qū)分直接影響和間接影響（通過某中間變量對因變量產(chǎn)生間接影響），從而揭示簡單相關關系背后的潛在機理[18]。但目前，仍鮮見利用SEM分析蒸散分配控制機制的研究。

遼河三角洲地處中高緯度地區(qū)，是重要的水稻生產(chǎn)基地，1988-2006年該區(qū)域水稻面積增加977.1km2[19]。水稻的耕作和管理方式明顯不同于其它農(nóng)田，在水稻生育期內(nèi)地表大部分時間處于水淹狀態(tài)，通過蒸散消耗的水分巨大。尤其在生長初期，水稻冠層稀疏，植物蒸騰較弱，水稻的蒸散主要以土壤表面蒸發(fā)（在水稻田中即水面蒸發(fā)）的形式消耗，蒸散與生產(chǎn)力間的耦合關系較弱。鑒于此，本研究基于連續(xù)3a（2013-2015）的渦度相關通量觀測及輔助的氣象、生物因子觀測資料，利用S-W模型模擬盤錦水稻的蒸散及其主要組分，并利用結構方程模型對土壤蒸發(fā)占蒸散比例的控制機制進行探索，以期為深入理解水稻的水分循環(huán)過程及生產(chǎn)力的準確估算提供科學依據(jù)。

1 材料與方法

1.1 站點概況

研究站點為中國氣象局沈陽大氣環(huán)境研究所盤錦水稻生態(tài)系統(tǒng)野外觀測站（40°56'04"N，121°58'11"E，3m）。該站點位于遼河三角洲雙臺子河口，站點年均溫為8.6℃，7月平均氣溫為24.4℃，1月平均氣溫為-9.8℃，無霜期約 170d，≥10℃積溫約 3500℃·d。年均降水量約為 630mm，其中，7-9月降水量占全年降水量的 70%～80%[19]。凍融期一般從11月初開始，至4月初徹底結束[20]。土壤類型為濱海鹽漬型水稻土，質(zhì)地黏重，通透性較差。表層土壤有機碳含量為 18.9g·kg-1，土壤氮含量為1.04g·kg-1。本區(qū)不僅是地表水匯集區(qū)，也是地下水匯集區(qū)。雙臺子河在本區(qū)是半地下式河流，年內(nèi)有2/3時間是河水補給地下水，1/3時間是地下水補給河水，并受潮汐影響。因此，沼澤區(qū)水源由大凌河、雙臺子河河水，地下水，大氣降水及海潮水補給。

水稻品種為鹽豐47，是遼河三角洲地區(qū)的主栽品種。一般在4月中旬開始育苗，5月中下旬進行移栽，9月底或10月初成熟收獲。2013-2015年水稻各生育期時間節(jié)點見表1。從育苗開始一直到8月上旬，每3～5d灌水一次，保持地表被水覆蓋（4～10cm）。8月中旬開始，灌水頻率適度降低，約每7d灌水一次。最后一次灌水時間為9月中上旬。

1.2 通量、氣象觀測及LAI數(shù)據(jù)

利用開路式渦度相關觀測系統(tǒng)（安裝在3.5m高度）對水、碳通量進行觀測。系統(tǒng)主要由三維超聲風速儀（Gill Instruments，Ltd，Lymington，UK）和開路式紅外氣體分析儀（IRGA；LI-7500A，LI-COR，Inc.，Lincoln，NE，USA）組成。三維超聲風速儀觀測三維風速，紅外氣體分析儀觀測CO2和H2O濃度。原始數(shù)據(jù)觀測頻率為10Hz。利用Lagrangian模型[21]對通量源區(qū)進行分析，結果表明，90%的通量貢獻源區(qū)在距觀測點361m范圍內(nèi)。在該站點，距通量觀測塔上風向 500m范圍內(nèi)下墊面為均一的水稻植被。因此，觀測的通量數(shù)據(jù)對水稻生態(tài)系統(tǒng)有較好的代表性。

在觀測場內(nèi)，還同時安裝有氣象梯度觀測系統(tǒng)，包括 3m 高度處的凈輻射觀測（CNR1，Holland），3m高度處的氣溫和相對濕度觀測（HMP45C，F(xiàn)inland），3m高度處的風速觀測（014A，USA）等。3個土壤熱通量板（HFP01，Netherlands）分別埋置在土壤表層以下5cm處。兩層土壤溫度（Adcon-SM1，Austria）觀測分別在5cm和35cm土壤深度處。5層土壤濕度（Adcon-SM1，Austria）觀測深度為10cm、20cm、30cm、40cm和50cm。除降水觀測（RG1，Austria）頻率為每分鐘觀測1次外，其它氣象因子的觀測頻率均為1Hz，所有氣象因子均計算30min的平均值，以與通量計算結果相匹配。

LAI數(shù)據(jù)為從美國橡樹嶺國家實驗室（ORNL）的數(shù)據(jù)發(fā)布中心（DAAC）（http://daacmodis.ornl.gov）下載的MODIS產(chǎn)品。MODIS-LAI的時間分辨率為8d，空間分辨率為1km?；贚AI的少量實際觀測數(shù)據(jù)，對其產(chǎn)品進行了驗證。另外，根據(jù)MODIS-LAI產(chǎn)品自帶的數(shù)據(jù)質(zhì)量標記（Quality Flag），對低質(zhì)量的數(shù)據(jù)（受云層覆蓋影響，或傳感器工作不正常）進行剔除，并對數(shù)據(jù)進行插補，獲取了連續(xù)的日尺度LAI資料。

表1 2013-2015年水稻生育期（月-日）Table 1 The growth stage of rice in 2013-2015（mm-dd）

1.3 通量計算及數(shù)據(jù)處理

將 10Hz的原始通量觀測數(shù)據(jù)利用 EddyPro6.0軟件處理，得到 30min通量數(shù)據(jù)，并進行必要的校正，主要包括對 Gill超聲風速儀觀測的風速分量的迎角訂正[22]；對三維風速進行二次坐標旋轉(zhuǎn)，消除地形不平坦等對通量計算的影響；WPL密度效應校正[23]，低頻和高頻損失校正[24]。按照以下標準對數(shù)據(jù)進行剔除：（1）原始數(shù)據(jù)觀測不完整的時間段；（2）降水同期的通量數(shù)據(jù)；（3）異常值數(shù)據(jù)[25]；（4）對于夜間湍流交換較弱時段的數(shù)據(jù)，計算摩擦風速閾值[26]，對夜間摩擦風速低于此閾值時的通量數(shù)據(jù)進行剔除。

為了在日尺度上進行分析，30min數(shù)據(jù)必須進行插補以獲取完整的時間序列，因此，利用邊緣分布采樣法（Marginal Distribution Sampling method，MDS）對通量數(shù)據(jù)進行插補[27]。另外，基于夜間生態(tài)系統(tǒng)呼吸與表層土壤溫度間建立的指數(shù)關系，估算白天的生態(tài)系統(tǒng)呼吸，而后結合白天的凈生態(tài)系統(tǒng)碳交換，計算總生態(tài)系統(tǒng)生產(chǎn)力（Gross Ecosystem Production，GEP）[27]，為S-W模型的估算提供輸入資料。

1.4 Shuttleworth-Wallace模型

Shuttleworth-Wallace模型（S-W 模型）假設生態(tài)系統(tǒng)蒸散來自土壤蒸發(fā)和植物蒸騰這兩個“源”[28]，生態(tài)系統(tǒng)總的潛熱通量λET可表示為

式中，λT為來自植物蒸騰的潛熱通量，λE為來自土壤蒸發(fā)的潛熱通量（W·m-2），PMc和 PMs為類似于 Penman-Monteith模型估算蒸散的方程式，即

式中，Δ為飽和水汽壓隨溫度變化的斜率（hPa·K-1），ρ 為空氣密度（1.293kg·m-3），Cp為空氣定壓比熱（1012J·kg-1·K-1）。D（即 VPD）為空氣飽和水汽壓差（hPa），γ為干濕表常數(shù)（0.67hPa·K-1），rss為潛熱從土壤內(nèi)部到地表的土壤表面阻抗，ras為潛熱從土壤表面到冠層高度的空氣動力學阻抗，rsc為植被冠層尺度的氣孔阻抗，rac為潛熱從葉片表面到冠層平均高度的空氣動力學阻抗，raa為潛熱從冠層高度到參考高度的空氣動力學阻抗。R和Rs分別為被冠層和土壤吸收并轉(zhuǎn)化為顯熱或潛熱的凈輻射。

式中，Rn為凈輻射，Rns為土壤吸收的凈輻射，G為土壤熱通量，Rns根據(jù)葉面積指數(shù)（LAI）消光原理求得，即

系數(shù)Cc和Cs的計算方法為

式中，ρa、ρc、ρs的計算方法分別為

在5個阻抗因子中，raa、ras、rac的計算方法與S-W模型中原計算方法一致[28]。由于水稻的土壤表面在生長季長期被水覆蓋，其表面水汽基本飽和，rss接近于 0且變異較小，因此，可假設 rss為一常數(shù)，即

其中，b1為經(jīng)驗參數(shù)(s·m-1)。

冠層阻抗rsc用Ball-Berry模型進行估算，即

其中，g0、a1為經(jīng)驗參數(shù)，hs為冠層表面空氣相對濕度，Cs為冠層表面的CO2濃度，Pn為光合速率（冠層尺度為GEP）[11]。

式（12）、式（13）中涉及的經(jīng)驗參數(shù)b1、g0和a1，通過Monte Carlo隨機模擬方法獲取。具體流程為：（1）確定參數(shù)的變化區(qū)間；（2）在給定的區(qū)間進行10000次Monte Carlo隨機模擬；（3）將每次所得蒸散模擬值與觀測值進行線性回歸（y=kx），得到10000個斜率（k）和決定系數(shù)（R2）；（4）在斜率（k）的取值范圍為[0.95，1.05]時，選出 R2最大的200個參數(shù)化方案；（5）以此200個參數(shù)化方案確定出新的參數(shù)區(qū)間，在此區(qū)間內(nèi)再進行10000次隨機模擬；（6）重復步驟3，在斜率（k）取值范圍為[0.99，1.01]時，選出R2最大的20個參數(shù)化方案；（7）利用這20個參數(shù)化方案的平均值作為最終優(yōu)化參數(shù)，代入模型計算，得到植物蒸騰及土壤蒸發(fā)的模擬值[11]。

需要指出的是，S-W 模型是基于能量平衡假設建立的，但渦度相關觀測及輔助氣象觀測數(shù)據(jù)表明站點能量平衡不能完全閉合。因此，要利用渦度相關觀測蒸散對S-W模型進行驗證及校正，必須對能量平衡不閉合的問題進行處理。根據(jù)水稻能量平衡不閉合的原因分析，利用“波文比閉合法”對渦度相關觀測的水稻蒸散數(shù)據(jù)進行強制閉合處理[29]，并將其用于S-W模型的驗證及校正。

1.5 結構方程模型

結構方程模型（Structural Equation Modeling，SEM）是基于協(xié)方差矩陣同時分析多個變量之間因果關系的一種方法，它能將變量之間的依賴關系分解為直接影響和間接影響[18]。與傳統(tǒng)的多變量統(tǒng)計方法不同，SEM 首先基于已發(fā)表資料及研究者的先驗知識設定系統(tǒng)內(nèi)各因子之間的依賴關系，而后利用觀測數(shù)據(jù)對建立的初始模型進行檢驗。由于 SEM通常以最大似然法進行參數(shù)估計，而最大似然估計的擬合函數(shù)符合 χ2分布，因此，在 SEM 中常用 χ2檢驗來評價模型表現(xiàn)。通常依據(jù)χ2檢驗的P值對初始模型的擬合能力做出判斷。P＞0.05表明基于該初始模型擬合得到的數(shù)據(jù)分布與實際觀測數(shù)據(jù)無顯著差異，即說明模型擬合效果較好[17]。

采用AMOS21.0軟件運行SEM，分析水稻ES/ET的環(huán)境控制機制。SEM構建探索型模型有兩種思路：一種是在初始模型中添加所有可能的影響路徑，而后根據(jù)SEM結果中路徑系數(shù)的顯著性對模型進行必要的修剪（Model trimming）；另一種是在初始模型中只添加有充分理論依據(jù)的路徑，而后根據(jù)輸出的修正指數(shù)（Modification indices）添加必要的路徑，使模型最終通過驗證。本研究采用第一種思路，在建立水稻 ES/ET與環(huán)境因子關系的初始模型時主要考慮了以下兩個方面：（1）以往研究表明，影響水稻蒸散及其組分的因子主要包括凈輻射（Rn）、風速（WS）、氣溫（Ta）、飽和水氣壓差（VPD）、土壤含水量（SWC）及葉面積指數(shù)（LAI）[15-16,30]；（2）在季節(jié)尺度上，上述氣象及土壤因子會通過影響植物的生長及生物量的分配等（用LAI反映植物的響應）對蒸散及其組分產(chǎn)生間接影響?；谝陨峡紤]，建立的初始模型如圖1。

圖1 土壤蒸發(fā)占蒸散比例（ES/ET）與環(huán)境因子關系的結構方程模型初始模型Fig. 1 Initial structural equation model of the relationship between the ratio of soil evaporation to evapotranspiration and the environmental variables

2 結果與分析

2.1 S-W模型的參數(shù)調(diào)試和蒸散模擬效果分析

2.1.1 渦度相關能量閉合狀況

能量平衡閉合狀況是反映渦度相關通量觀測數(shù)據(jù)可靠性的重要指標。利用半小時尺度的可利用能量（Rn-G）與潛熱、感熱通量之和（LE+H）間線性回歸（強制過原點）的斜率來評價水稻站點能量平衡閉合狀況。結果表明，2013-2015年水稻的能量閉合度分別為77%、74%和76%。該站點的能量閉合度在已有研究的結果范圍內(nèi)，且與其它水稻站點的能量閉合度非常接近[31-32]，說明該站點渦度相關通量觀測數(shù)據(jù)基本可靠。

2.1.2 S-W模型的參數(shù)調(diào)試

利用S-W模型模擬蒸散及其組分，需先確定關鍵方程中的經(jīng)驗系數(shù)b1、g0和a1。按照Monte Carlo隨機模擬方法的計算步驟，綜合利用試驗期間前兩年（2013年和2014年）的渦度相關通量觀測及相應的環(huán)境因子觀測數(shù)據(jù)，對 3個經(jīng)驗系數(shù)進行統(tǒng)一調(diào)試。根據(jù)模擬與觀測ET值線性回歸的斜率和R2，選出最優(yōu)的20套參數(shù)，計算各系數(shù)的平均值，作為S-W模型最終采用的經(jīng)驗系數(shù)（表2）。由表2可見，a1、g0和 b1的最適值分別為 6.08、0.07m·s-1及 30.47s·m-1。估算冠層氣孔導度的兩個參數(shù) a1、g0的變異系數(shù)較小，分別為11.8%和14.3%，土壤表面阻力的變異系數(shù)稍大，為31.3%。

表2 Monte Carlo方法模擬的S-W模型關鍵參數(shù)Table 2 Optimized parameters of S-W model simulated with Monte Carlo method

2.1.3 蒸散量模擬效果

基于上述過程得到的經(jīng)驗參數(shù)，結合2015年的環(huán)境因子數(shù)據(jù)對水稻蒸散及主要組分進行模擬。以2015年的ET觀測數(shù)據(jù)（30min）對模擬ET進行驗證，模型的驗證效果見圖2。由圖2可以看出，模擬蒸散與觀測蒸散線性回歸的斜率為0.98（R2=0.75），截距為 0，表明S-W模型總體表現(xiàn)良好，可以用于水稻蒸散的模擬。

圖2 模擬蒸散與觀測蒸散值的對比Fig. 2 Comparison of the simulated and observed hourly evapotranspiration

2.2 水稻日蒸散量及其組分模擬值的動態(tài)變化分析

由圖3可見，在3個試驗年度內(nèi)，S-W模型模擬的水稻日蒸散量與渦度相關法觀測蒸散均表現(xiàn)為季節(jié)變化趨勢不明顯，但日間波動劇烈的特點，各年波動趨勢一致，但數(shù)值有一定差異。S-W模型在3個試驗年度的表現(xiàn)基本一致，具體表現(xiàn)為在生長季前期蒸散模擬值偏低，2015年5月底尤為明顯；在生長季中期，除個別時間點（2013年7月21日）外，蒸散模擬值總體偏高；而在生長季后期蒸散模擬值與觀測值基本吻合。2013-2015年渦度相關觀測水稻日蒸散的總體變化范圍為0.3～9.0mm·d-1，最大值一般出現(xiàn)在 5月下旬；而模擬日蒸散的變化范圍為0.5～10.4mm·d-1，最大值一般出現(xiàn)在7月。

由圖4可見，植物蒸騰（TR）總體呈先增大后減小的趨勢。受夏季降水事件頻繁的影響，TR在生長旺季常表現(xiàn)出高峰與低谷交錯出現(xiàn)的劇烈波動特征。與TR相反，生長季的土壤蒸發(fā)（ES）總體呈現(xiàn)U型曲線，即在生長季前期較高，而后逐漸下降，在整個生長旺季（7、8月）維持較低水平，至9月后開始上升，生長季后期ES明顯小于生長季前期。TR的變化范圍在0.1～8.4mm·d-1，最大值一般出現(xiàn)在7月。ES的變化范圍在 0.1～4.7mm·d-1，最大值一般出現(xiàn)在 5月。與土壤蒸發(fā)類似，土壤蒸發(fā)占蒸散的比例（ES/ET）總體上也呈U型曲線，在生長初期最大，達到80%以上；而后快速下降，至7月達到谷底，在生長旺季（7、8月）保持低值（10%左右），而后又快速升高，到生長末期達到 60%左右，低于生長初期。

圖3 試驗期間水稻日蒸散量觀測值和模擬值的變化過程Fig. 3 Variations of the observed and simulated daily evapotranspiration during the measurement campaign

圖4 試驗期間模擬植物蒸騰（TR）、土壤蒸發(fā)（ES）及土壤蒸發(fā)占蒸散比例（ES/ET）的變化過程Fig. 4 Variations of the plant transpiration(TR), soil evaporation(ES) and the ratio of soil evaporation to evapotranspiration(ES/ET) during the measurement campaign

2.3 不同時間尺度水稻蒸散量及其組分模擬值的變化分析

2.3.1 生育期尺度

將水稻生育期劃分為5個階段，得到3個試驗年度水稻各生育期蒸散量及其組分的變化，由表 3可以看出，在移栽分蘗期，水稻的植物蒸騰與土壤蒸發(fā)較接近，而在其它各生育期及全生育期，水稻的植物蒸騰均為土壤蒸發(fā)的2倍以上。2013年，S-W模型模擬的水稻蒸散在分蘗拔節(jié)期和孕穗抽穗期明顯偏高，在其它生育期表現(xiàn)較好，相對誤差均低于10%，全生育期偏高11.2%。2014年，S-W模型在移栽分蘗期和分蘗拔節(jié)期模擬的水稻蒸散偏低，而在中后期偏高，全生育期偏高9.5%。2015年，在移栽分蘗期和孕穗抽穗期對水稻蒸散的模擬值偏低，在其它生育期表現(xiàn)較好，相對誤差低于5%，全生育期表現(xiàn)為輕微的低估（偏低3.5%）。

表3 按生育期統(tǒng)計分析蒸散量及其組分的模擬效果Table 3 Simulation results of evapotranspiration and its components for each growth stage

2.3.2 年尺度

2013-2015年，水稻的模擬 ET年均值為892mm，與觀測年均 ET（874mm）接近，其中，S-W模型模擬蒸散年總量在2013和2014年偏高，在2015年偏低。試驗期間水稻年尺度ES以及TR占ET的比例相對穩(wěn)定，3a綜合各占50%。水稻ET及其組分有明顯的年際變化。2014和2015年水稻模擬ET值大于2013年，但其組分的年際變化趨勢與模擬ET不同：2015年的ES明顯大于2013和2014年，而2013年與2014年差異較??；對于TR來說，按從大到小排列依次為2014年＞2013年＞2015年（表4）。

表4 按年統(tǒng)計分析蒸散量及其組分的模擬效果Table 4 Simulation results of evapotranspiration and its components for each year

2.4 S-W模型模擬ES/ET的控制因子分析

利用研究期間（2013-2015）的所有數(shù)據(jù)，對基于已有資料建立的結構方程模型（SEM）初始模型進行檢驗。模型擬合評價指數(shù)結果表明，在去除土壤含水量（SWC）對葉面積指數(shù)（LAI）的影響之后（影響不顯著且路徑系數(shù)很小），修改模型能順利通過檢驗（P＞0.05），且該模型對ES/ET的總解釋率達到 91%，因此，可以利用修改模型得出的路徑系數(shù)對各因子間的關系進行分析（圖5）。

圖5 土壤蒸發(fā)占蒸散比例（ES/ET）與環(huán)境因子關系的結構方程模型Fig. 5 Structural equation model of the relationship between ES/ET (the ratio of soil evaporation to evapotranspiration) and the environmental factors

為了更好地對模型中各影響因子的重要性進行比較，對圖5的結果進行整理得到表5。從表5可以看出，在日尺度上，對 ES/ET影響最大的環(huán)境因子是Ta，其次為LAI和WS，SWC對ES/ET也有較弱的影響，而VPD和Rn對ES/ET的影響較小，可忽略不計。Ta對ES/ET的總影響、直接影響和間接影響（通過LAI對ES/ET產(chǎn)生影響）均為負向，其直接影響大于間接影響。LAI和WS對ES/ET的影響強度相近，但LAI對ES/ET的影響為負向，WS對 ES/ET的影響為正向。WS對ES/ET的影響主要為直接影響。SWC對ES/ET有直接的負向影響。

表5 環(huán)境因子對日尺度土壤蒸發(fā)占蒸散比例（ES/ET）的影響系數(shù)Table 5 Effect coefficients of the environmental factors on daily-scale ratio (ES/ET) of soil evaporation to evapotranspiration

3 結論與討論

（1）2013-2015年水稻站點的能量平衡閉合度分別為 77%、74%和 76%，在已有研究報道的結果范圍內(nèi)[31-32]。導致能量平衡不閉合的因素很多，如地形不平坦、能量平衡各分量（凈輻射、土壤熱通量及湍流通量）測定源區(qū)域不匹配、高（或低）頻通量成分的損失、平流的影響及湍流交換較弱等[33]。在該站點，地形起伏造成的影響可以忽略不計；高（或低）頻通量損失也已在后期數(shù)據(jù)處理中進行校正；由于地形平坦且觀測點周圍均為統(tǒng)一管理的水稻田，垂直和水平平流的影響也可忽略不計[34]，因此，推測該站點能量平衡不閉合的主要原因可能是湍流通量的低估。近年在水稻等多個農(nóng)田的研究結果也表明，渦度相關系統(tǒng)觀測蒸散往往顯著低于蒸滲計測量結果[8,33]。

（2）將3a的數(shù)據(jù)分為兩部分，2013和2014年的數(shù)據(jù)用于確定參數(shù)，2015年數(shù)據(jù)用于對S-W模型進行驗證。結果表明，模擬蒸散與渦度相關法觀測蒸散的線性回歸斜率為0.98，截距為0，R2為0.75，說明S-W模型可以較精確地估算水稻的蒸散。進一步比較日尺度模擬蒸散與觀測蒸散的變化曲線發(fā)現(xiàn)，S-W 模型在水稻生長季后期表現(xiàn)較好，前期易出現(xiàn)低估，中期易出現(xiàn)高估。原因可能有以下幾個方面：首先，模型結果必然受到模型結構的影響。S-W模型未考慮降水后葉片截留水分蒸發(fā)過程[8,11]，因此，模型不能捕捉強降雨事件后蒸散量的快速上升趨勢，導致模型出現(xiàn)低估；其次，由于MODIS-LAI數(shù)據(jù)時間分辨率較粗（8d），且像元對應空間尺度和范圍與通量觀測源區(qū)不完全匹配，也會導致模型的模擬出現(xiàn)偏差。另外，需要指出的是，由于資料限制，本研究無法對蒸散組分（植物蒸騰和土壤蒸發(fā)）進行獨立驗證。蒸散總量模擬值與觀測值吻合并不能說明S-W模型能準確模擬蒸散的各個組分。因此，今后應通過設置莖流計等觀測實驗，對蒸散組分進行長期觀測，進而對模型進行更加嚴格的驗證。

（3）2013-2015年，水稻的模擬 ET年均值為892mm，與觀測年均 ET（874mm）接近。綜合 3a數(shù)據(jù)而言，年土壤蒸發(fā)量與植物蒸騰量基本相當，各占蒸散量的 50%左右。但在生長季，植物蒸騰仍是蒸散的主要消耗方式。對水稻各生育期的蒸散及其組分進行統(tǒng)計發(fā)現(xiàn)，在移栽分蘗期，水稻的植物蒸騰與土壤蒸發(fā)較接近，而在其它各生育期及全生育期，水稻的植物蒸騰均達土壤蒸發(fā)的2倍以上。

（4）以往研究分析ET或ES/ET的主要影響因子，多是通過比較兩兩相關的決定系數(shù)，或者利用多元回歸等傳統(tǒng)統(tǒng)計方法進行[11,13-16]。然而，這些傳統(tǒng)統(tǒng)計方法往往忽略了環(huán)境因子之間的自相關，導致部分結果難以解釋甚至互相矛盾[17]。對盤錦水稻ES/ET與各環(huán)境因子作簡單相關分析，結果表明，LAI（R=-0.866）與 ES/ET的相關性最大，且 ES/ET隨LAI的增大呈對數(shù)減小趨勢。這與以往研究的結果基本一致[9-11]。但SEM的結果表明，Ta是ES/ET最重要的影響因子，Ta除了對ES/ET有直接影響外，還通過LAI對ES/ET產(chǎn)生間接影響。結合相關分析與SEM結果可以發(fā)現(xiàn)，兩兩相關結果中LAI與ES/ET之間相關系數(shù)較高，部分原因是 LAI與其它環(huán)境因子之間有較好的相關性，即植物的生長及生物量分配過程必然會受到氣溫等環(huán)境因子的影響。構建的結構方程模型對ES/ET的總解釋率達到91%，說明該模型結構基本合理，且模型結構已經(jīng)包含了水稻ES/ET的大部分影響因子。因此，該模型對理解蒸散分配的控制機制有重要的參考意義。

References

[1]Xu C Y,Singh V P.Evaluation of three complementary relationship evapotranspiration models by water balance approach to estimate actual regional evapotranspiration in different climatic regions[J].Journal of Hydrology,2005,308:105-121.

[2]Ding R S,Kang S Z,Zhang Y Q,et al.Partitioning evapotranspiration into soil evaporation and transpiration using a modified dual crop coefficient model in irrigated maize field with ground-mulching[J].Agricultural Water Management,2013,127:85-96.

[3]Kool D,Agam N,Lazarovitch N,et al.A review of approaches for evapotranspiration partitioning[J].Agricultural and Forest Meteorology,2014,184:56-70.

[4]Shugart H H.Methods in ecosystem science[M].New York:Springer Press,2000:373-388.

[5]馮禹,龔道枝,王罕博,等.基于雙作物系數(shù)的旱作玉米田蒸散估算與驗證[J].中國農(nóng)業(yè)氣象,2017,38(3):141-149.Feng Y,Gong D Z,Wang H B,et al.Estimating rainfed maize evapotranspiration using the FAO dual crop coefficient method on the Loess Plateau[J].Chinese Journal of Agrometeorology,2017,38(3):141-149.(in Chinese)

[6]Gharsallah O,Facchi A,Gandolfi C.Comparison of six evapotranspiration models for a surface irrigated maize agro-ecosystem in Northern Italy[J].Agricultural Water Management,2013,130:119-130.

[7]李俊,韓鳳明,同小娟,等.麥田蒸散模型的改進及其對阻力參數(shù)的敏感性分析[J].中國農(nóng)業(yè)氣象,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]劉斌,胡繼超,張雪松,等.稻田逐時蒸散量的測定及其模擬方法的比較[J].灌溉排水學報,2014,33(4):369-373.Liu B,Hu J C,Zhang X S,et al.Measurement simulation of hourly evapotranspiration in paddy field with different methods[J].Journal of Irrigation and Drainage,2014,33(4):369-373.(in Chinese)

[9]Zhu G F,Su Y H,Li X,et al.Estimating actual evapotranspiration from an alpine grassland on Qinghai- Tibetan plateau using a two-source model and parameter uncertainty analysis by Bayesian approach[J].Journal of Hydrology,2013,476:42-51.

[10]Zhao W,Liu B,Chang X,et al.Evapotranspiration partitioning,stomatal conductance,and components of the water balance:a special case of a desert ecosystem in China[J].Journal of Hydrology,2016,538:374-386.

[11]Hu Z,Yu G,Zhou Y,et al.Partitioning of evapotranspiration and its controls in four grassland ecosystems:application of a two-source model[J].Agricultural and Forest Meteorology,2009,149(9):1410-1420.

[12]Wang L,Liu H,Bernhofer C.Grazing intensity effects on the partitioning of evapotranspiration in the semiarid typical steppe ecosystems in Inner Mongolia[J].International Journal of Climatology,2016,36(12):4130-4140.

[13]董軍,岳寧,黨慧慧,等.應用修訂的 Shuttleworth-Wallace 模型對半干旱區(qū)覆膜玉米蒸散的研究[J].中國生態(tài)農(nóng)業(yè)學報,2016,24(5):674-683.Dong J,Yue N,Dang H H,et al.Estimation of evapotranspiration in maize fields with ground mulching with plastic film in semi-arid areas using revised Shuttleworth-Wallace model[J].Chinese Journal of Eco-Agriculture,2016,24(5): 674-683.(in Chinese)

[14]趙麗雯,趙文智,吉喜斌.西北黑河中游荒漠綠洲農(nóng)田作物蒸騰與土壤蒸發(fā)區(qū)分及作物耗水規(guī)律[J].生態(tài)學報,2015,35(4):1114-1123.Zhao L W,Zhao W Z,Ji X B.Division between transpiration and evaporation,and crop water consumption over farmland within oases of the middle stream of Heihe River basin,Northwestern China[J].Acta Ecologica Sinica,2015,35(4):1114-1123.(in Chinese)

[15]郭春明,任景全,張鐵林,等.東北地區(qū)春玉米生長季農(nóng)田蒸散量動態(tài)變化及其影響因子[J].中國農(nóng)業(yè)氣象,2016,37(4):400-407.Guo C M,Ren J Q,Zhang T L,et al.Dynamic change of evapotranspiration and influenced factors in the spring maize field in Northeast China[J].Chinese Journal of Agrometeorology, 2016,37(4):400-407.(in Chinese)

[16]張雪松,閆藝蘭,胡正華.不同時間尺度農(nóng)田蒸散影響因子的通徑分析[J].中國農(nóng)業(yè)氣象,2017,38(4):201-210.Zhang X S,Yan Y L,Hu Z H.Using path analysis to identify impacting factors of evapotranspiration at different time scales in farmland[J].Chinese Journal of Agrometeorology,2017,38(4):201-210.(in Chinese)

[17]Grace J B.Structural equation modeling and natural systems[M].Cambridge University Press,2006:3-21.

[18]王酉石,儲誠進.結構方程模型及其在生態(tài)學中的應用[J].植物生態(tài)學報,2011,35(3):337-344.Wang Y S,Chu C J.A brief introduction of structural equation model and its application in ecology[J].Chinese Journal of Plant Ecology,2011,35(3):337-344.(in Chinese)

[19]周廣勝,周莉,關恩凱,等.盤錦濕地生態(tài)系統(tǒng)野外觀測站概況[J].氣象與環(huán)境學報,2006,22(4):1-6.Zhou G S,Zhou L,Guan E K,et al.Brief introduction of Panjin wetland ecosystem research station[J].Journal of Meteorology and Environment,2006,22(4):1-6.(in Chinese)

[20]王宇,周莉,賈慶宇,等.盤錦蘆葦沼澤的土壤凍融特征[J].濕地科學,2016,(3):295-301.Wang Y,Zhou L,Jia Q Y,et al.Soil freeze-thaw characteristics of Phragmites australis Marshes in Panjin[J].Wetland Science,2016,(3):295-301.(in Chinese)

[21]Kljun N,Calanca P,Rotach M W,et al.A simple parameterisation for flux footprint predictions [J]. Boundary-Layer Meteorology,2004,112(3):503-523.

[22]Nakai T,Shimoyama K.Ultrasonic anemometer angle of attack errors under turbulent conditions[J].Agricultural and forest meteorology,2012,162:14-26.

[23]Webb E K,Pearman G I,Leuning R.Correction of flux measurements for density effects due to heat and water vapour transfer[J].Quarterly Journal of the Royal Meteorological Society,1980,106(447):85-100.

[24]Lee X,Massman W,Law B.Handbook of micrometeorology:a guide for surface flux measurement and analysis[M].Springer Science & Business Media,2006:101-118.

[25]Papale D,Reichstein M,Aubinet M,et al.Towards a standardized processing of Net Ecosystem Exchange measured with eddy covariance technique:algorithms and uncertainty estimation[J].Biogeosciences,2006,3(4):571-583.

[26]朱治林,孫曉敏,溫學發(fā),等.中國通量網(wǎng)(ChinaFLUX)夜間CO2渦度相關通量數(shù)據(jù)處理方法研究[J].中國科學:地球科學,2006,49(S2):34-44.Zhu Z L,Sun X M,Wen X F,et al.Study on the processing method of nighttime CO2,eddy covariance flux data in ChinaFLUX[J].Science in China Series D:Earth Sciences,2006,49(Supple2):34-44.(in Chinese)

[27]Reichstein M,Falge E,Baldocchi D,et al.On the separation of net ecosystem exchange into assimilation and ecosystem respiration:review and improved algorithm[J].Global Change Biology,2005,11(9):1424-1439.

[28]Shuttleworth W J,Wallace J S.Evaporation from sparse crops-an energy combination theory[J].Quarterly Journal of the Royal Meteorological Society,1985,111(469):839-855.

[29]Wohlfahrt G,Haslwanter A,H?rtnagl L,et al.On the consequences of the energy imbalance for calculating surface conductance to water vapour[J].Agricultural and Forest Meteorology,2009,149(9):1556-1559.

[30]高磊,申雙和,邵立瑛,等.水稻蒸散特征及日尺度作物系數(shù)估算[J].中國農(nóng)業(yè)氣象,2016,37(2):158-165.Gao L,Shen S H,Shao L Y,et al.Evapotranspiration characteristics and crop coefficient estimation of paddy rice[J].Chinese Journal of Agrometeorology,2016,37(2):158-165.(in Chinese)

[31]Alberto M C R,Wassmann R,Hirano T,et al.Comparisons of energy balance and evapotranspiration between flooded and aerobic rice fields in the Philippines[J].Agricultural Water Management,2011,98(9):1417-1430.

[32]Hatala J A,Detto M,Sonnentag O,et al.Greenhouse gas(CO2,CH4,H2O) fluxes from drained and flooded agricultural peatlands in the Sacramento-San Joaquin Delta[J].Agriculture, ecosystems & environment,2012,150:1-18.

[33]劉渡,李俊,于強,等.渦度相關觀測的能量閉合狀況及其對農(nóng)田蒸散測定的影響[J].生態(tài)學報,2012,32(17):5309-5317.Liu D,Li J,Yu Q,et al.Energy balance closure and its effects on evapotranspiration measurements with the eddy covariance technique in a cropland[J].Acta Ecologica Sinica,2012,32(17):5309-5317.(in Chinese)

[34]Li L,Yu Q.Quantifying the effects of advection on canopy energy budgets and water use efficiency in an irrigated wheat field in the North China Plain[J].Agricultural Water Management,2007,89(1-2):116-122.

Characteristics of Evapotranspiration and Its Components Simulated Using Shuttleworth-Wallace Model in Rice Paddy Field

WANG Yu1, ZHOU Li2, JIA Qing-yu3, WANG Lei1, XU Jun-liang1
(1. College of Forestry, Henan University of Science and Technology, Luoyang 471023, China; 2. Chinese Academy of Meteorological Sciences, Beijing 100081; 3. Institute of Atmospheric Environment, China Meteorological Administration, Shenyang 110016)

The simulation of evapotranspiration (ET) and its components in croplands is critical for the precise irrigation and accurate estimation of ecosystem productivity. Based on the eddy-covariance flux measurement and ancillary data during 2013-2015, evapotranspiration and its components were simulated using the Shuttleworth-Wallace model (S-W model) in a rice paddy field in Panjin. The controlling mechanism of the ratio of soil evaporation to evapotranspiration (ES/ET) was analyzed with the structural equation modeling (SEM) method.The results showed that: (1) the simulated ET was close to the observed ET in the late growing season, however, it was lower than the observed ET in the early growing season and higher in the peak growing season. (2) As for the seasonal variation, the simulated ET showed a drastic day-to-day fluctuation (0.5-10.4mm·d-1) but no clear seasonal pattern; the plant transpiration (TR) was higher in the peak growing season and lower at the start and the end of the growing season, with the range of 0.1-8.4mm·d-1; ES showed a U-type curve, with the range of 0.1-4.7mm·d-1. (3)The simulated mean annual ET was 892mm during 2013-2015. TR was equal to ES at the annual scale. As for the growing season scale, TR was the main consumer of the ET: TR was close to ES in the transplanting-tillering stage,while in the other growth stages and the whole growing season, TR was more than twice as ES. (4) The SEM results indicated that air temperature (Ta) was the primary controlling factor of the ES/ET (total effect=-0.82). Ta was shown to influence ES/ET both directly (direct effect=-0.50) and indirectly through its regulation on leaf area index(LAI, indirect effect=-0.32). In addition, the LAI and wind speed (WS) were also shown to have significant effects on ES/ET. ES/ET decreased with LAI (total effect=-0.39) and increased with WS (total effect=0.38).

Structural equation modeling; Eddy covariance; Soil evaporation; Plant transpiration

10.3969/j.issn.1000-6362.2017.11.003

王宇,周莉,賈慶宇,等.基于Shuttleworth-Wallace模型的水稻蒸散組分模擬及其特征分析[J].中國農(nóng)業(yè)氣象,2017,38(11):709-719

2017-01-10**

。E-mail：zhouli@camscma.cn

國家自然科學基金項目（41205117）；公益性行業(yè)（氣象）科研專項（GYHY201506019）；國家自然科學

基金項目（41401063）；河南科技大學博士科研啟動基金項目（13480043）

王宇（1985-），博士，講師，主要研究方向為生態(tài)系統(tǒng)水碳循環(huán)、生態(tài)系統(tǒng)模型。E-mail：yuwang911@163.com