黑河中游綠洲區(qū)玉米冠層阻抗的環(huán)境響應及模擬*

吳 林,劉興冉,閔雷雷,沈彥俊**,劉峰貴,周曉旭

(1.青海師范大學生命與地理科學學院 西寧 810008; 2.中國科學院遺傳與發(fā)育生物學研究所農(nóng)業(yè)資源研究中心農(nóng)業(yè)水資源重點實驗室 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.青海師范大學生命與地理科學學院 西寧 810008; 2.中國科學院遺傳與發(fā)育生物學研究所農(nóng)業(yè)資源研究中心農(nóng)業(yè)水資源重點實驗室 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鍵環(huán)節(jié),精確估算蒸散發(fā),對于提高水分利用效率以及優(yōu)化區(qū)域用水結構具有重要意義,而冠層阻抗則是準確估算蒸散發(fā)的一個重要變量。為了確定冠層阻抗模型區(qū)域適用性、解決其參數(shù)化問題,本研究基于黑河重大研究計劃已有的通量觀測數(shù)據(jù),以Irmak模型為基礎,考慮微氣象因子與冠層阻抗之間的關系,增加了大氣 CO2濃度對冠層阻抗的影響,構建了未考慮 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,利用已有渦度相關數(shù)據(jù),分析和檢驗了兩種冠層阻抗模型對環(huán)境變量和大氣CO2濃度響應的模擬結果,并對模型參數(shù)進行敏感性分析。結果表明: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外部環(huán)境變量的響應過程。在參數(shù)率定期該模型所模擬的冠層阻抗和蒸散量與實測值之間的R2分別達0.76和0.95,RMSE分別達33.1 s·m-1和34.5 W·m-2; 模型驗證期冠層阻抗和蒸散量模擬值與實測值之間的R2分別達0.68和0.90,RMSE分別達63.2 s·m-1和49.0 W·m-2。兩個獨立驗證點結果表明考慮了大氣CO2濃度影響的Irmak模型具有較好的空間可移植性和適應性,模型能夠較為準確地模擬玉米在整個生長季半小時時間尺度上的農(nóng)田耗水過程。敏感性分析表明玉米冠層阻抗及其蒸散量對凈輻射和相對濕度變化最為敏感,其次是氣溫、葉面積指數(shù)和大氣CO2濃度。本文所構建的考慮大氣CO2濃度對于玉米冠層阻抗影響的Irmak模型能夠較為準確地估算作物蒸散量,并可為種植結構調(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行體內(nèi)外氣體交換的通道,氣孔的開閉行為會影響植物體的蒸騰以及光合作用。植物組織中的水分通過蒸騰作用進入大氣,從而實現(xiàn)植被與外界的能量交換[1],該過程受到外部環(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行循環(huán)所需要克服的阻力,如何更為準確地模擬冠層阻抗,對于精準估算蒸散發(fā)(ET),進而對于提高水分利用效率和優(yōu)化區(qū)域用水結構具有重要意義[3-6]。

許多經(jīng)驗和半經(jīng)驗的模型被用來估算冠層阻抗對環(huán)境變量的響應過程,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)境變量脅迫的結果,建立了形式簡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間的延長而降低,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所建立的耦合了土壤蒸發(fā)和植被蒸騰的耦合模型,對玉米(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,個別參數(shù)不易獲取[6],部分參數(shù)需要試驗數(shù)據(jù)進一步修正,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]利用多年觀測資料,考慮微氣象因子與冠層阻抗之間的關系,采用廣義非線性回歸方法設計了 7個模型,模型的復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)驗模型,但形式簡潔,計算簡單,使用方便快捷。Irmak等[5]利用其構建的阻抗模型對玉米的冠層阻抗及蒸散量進行模擬,在后來的研究中又利用該模型對大豆(Glycine max)的冠層阻抗和蒸散量進行模擬[10],模擬精度很高,然而模型的適應性和可移植性有待于進一步研究。

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上進行了修正和改進,考慮的因子也更加全面,但這些模型忽略了大氣CO2濃度對冠層阻抗的影響[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,對冠層阻抗的影響輕微,但從長期模型預測的角度考慮,尤其是在未來氣候和生態(tài)系統(tǒng)水碳平衡變化的模擬預測中,考慮大氣 CO2濃度變化對蒸散量的影響更加重要。現(xiàn)有試驗表明大氣 CO2濃度的改變會影響植物體與外界水氣通量交換,大氣CO2濃度增加,會導致許多植物的氣孔導度下降[18-21],冠層阻抗增加,蒸騰作用減弱,尤其是高濃度 CO2能誘導氣孔關閉[22-26]。Wand等[27]研究發(fā)現(xiàn) CO2濃度加倍時,C4和C3作物的氣孔導度分別降低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濃度對冠層阻抗的影響,對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,基于Morison等[29]和 Easterling等[30]關于 CO2濃度升高情景下作物的響應規(guī)律研究,假設大氣 CO2濃度對玉米葉片氣孔導度的影響呈線性趨勢,考慮葉面積指數(shù)(LAI)、凈輻射(Rn)、相對濕度(RH)、氣溫(Ta)、土壤有效含水量(θ)、空氣動力學阻抗(ra)、3 m高度處風速(U3)和大氣 CO2濃度等與冠層阻抗之間的關系,構建了考慮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)化問題。利用“黑河流域生態(tài)-水文過程集成研究”重大研究計劃已有的通量觀測數(shù)據(jù),建立冠層阻抗與環(huán)境因子之間的關系,重點考慮了大氣 CO2濃度對冠層阻抗的影響,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大氣CO2濃度上升條件下的響應機制提供一定的科學依據(jù)。

1 研究區(qū)概況、數(shù)據(jù)處理與模型簡介

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)蒙古高原的過渡地帶,是我國西北干旱半干旱區(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,冬季降水量僅占 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。年日照時數(shù)3 085 h,無霜期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,玉米為當?shù)刂饕r(nóng)作物之一[4]。

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

1.2 數(shù)據(jù)來源與處理

本研究所采用的自動氣象站、通量、作物株高等數(shù)據(jù)均來源于黑河計劃數(shù)據(jù)管理中心(http://heihedata.org/),通量觀測矩陣中的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)用于模型的驗證(圖1),每個通量觀測系統(tǒng)主要由三維超聲風溫儀(CSAT3,Campbell Scientific,USA)和開路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個通量觀測站點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。玉米株高由實測數(shù)據(jù)進行 3次樣條插值內(nèi)插到每半小時; 葉面積指數(shù)(LAI)來源于美國國家航天局(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,并假設同一天不同時刻葉面積指數(shù)不發(fā)生變化。研究時間序列為整個作物生長季數(shù)據(jù)(2012年 5月初—2012年9月底),時間段為9:00— 18:30。原始渦度相關儀器信息及數(shù)據(jù)處理見文獻[31],原始渦度相關數(shù)據(jù)已經(jīng)過野點剔除、延遲時間校正、坐標旋轉、響應頻率修正和嚴格的質量控制等步驟,但還需要對部分原始數(shù)據(jù)進行再處理[32],處理規(guī)則如下: 1)對原始渦度相關數(shù)據(jù)進行能量閉合度檢查,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)進行強制閉合,閉合方法見[33]; 2)去除有空值的數(shù)據(jù); 3)剔除異常數(shù)據(jù),如實測的潛熱通量(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,此處定義為實測值)。

1.3 模型簡介

1.3.1 Irmak模型

基于Irmak所構建的模型[5,10],考慮葉面積指數(shù)(LAI)、凈輻射(Rn)、相對濕度(RH)、氣溫(Ta)、土壤有效含水量(θ)、空氣動力學阻抗(ra)、3 m高度處風速(U3)和大氣CO2濃度(CO2)等外部環(huán)境變量對冠層阻抗的影響,構建了有CO2濃度影響和無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,葉片氣孔導度減小的倍數(shù)[30],本研究取 0.3; θf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)驗系數(shù)。

1.3.2 Penman-Monteith模型

Penman-Monteith模型是Monteith在Penman模型的基礎上發(fā)展而來,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為實際蒸散量,W·m-2; Δ為飽和水汽壓與溫度關系曲線斜率,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為空氣動力學阻抗,s·m-1; γ為干濕表常數(shù),kPa·℃-1?？諝鈩恿W阻抗計算如下[1]:

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

1.4 模型評價

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)來評價模型模擬值(Em)與實測值(Oob)之間的差異,檢驗模型模擬精度。

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

2 模型模擬效果與驗證

2.1 模型參數(shù)率定及驗證

本研究將Site 8點的數(shù)據(jù)(數(shù)據(jù)時段為2012年6月6日—9月20日)分成前后兩部分,前一部分數(shù)據(jù)的觀測時段為6月6日—8月5日,用于模型參數(shù)率定;后一部分數(shù)據(jù)的觀測時段為8月6日—9月20日,用于模型參數(shù)驗證,將參數(shù)率定期的數(shù)據(jù)分別代入所構建的兩個 Irmak模型中,采用最小二乘法進行非線性回歸,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)驗公式; 并采用驗證期的數(shù)據(jù)對所建立的模型進行驗證,最終得到相關參數(shù)的優(yōu)選值見表1。為了進一步檢驗模型在整個作物生育期內(nèi)的模擬精度,采用Site 11和大滿兩個站點作為進一步的驗證點。

2.1.1 Irmak模型及其改進形式的模擬效果

利用所構建的未考慮 CO2濃度(rc_I1)和考慮CO2(rc_I2)的兩個模型,分別對 Site 8的玉米冠層阻抗及蒸散量進行模擬,模型相關參數(shù)見表1,模型對比結果見圖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)和驗證期(c,d)對冠層阻抗(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濃度的兩個模型均能夠較為準確地反映玉米冠層阻抗和蒸散量的變化規(guī)律,模擬值與實測值具有較高的一致性。在考慮了LAI、Rn、RH、Ta、ra、U3、θ的基礎上,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測值之間的R2分別達0.76和 0.95,RMSE分別達33.1 s·m-1和34.5 W·m-2,模型驗證期冠層阻抗和蒸散量模擬值與實測值之間的R2分別達0.68和0.90,RMSE分別達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)和驗證期(c,d)對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環(huán)境變量的響應過程,得到較高的模擬精度,模型形式簡單,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)驗性質的參數(shù),這些參數(shù)會隨著植物的生理結構、氣象要素的變化而發(fā)生變化,但Irmak模型能夠通過農(nóng)田主要微氣象因子較為全面地反映冠層阻抗對環(huán)境變量的響應過程,從而實現(xiàn)蒸散發(fā)從葉片尺度提升至冠層尺度的轉換[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而全面地反映冠層阻抗對環(huán)境變量的響應過程,實現(xiàn)尺度轉換。

2.1.2 模型的進一步驗證

本文所構建的兩個模型均將玉米的整個生育期數(shù)據(jù)分為參數(shù)率定期和模型驗證期兩部分,但是在作物整個生育期內(nèi),植物的生理結構、氣象要素等會發(fā)生變化,基于作物生長前期數(shù)據(jù)所建立的模型對于作物生長后期乃至整個作物生長季是否適用,在不同地點不同氣象要素條件下,模型適應性如何,模型參數(shù)是否具有可移植性等問題仍是限制模型能否實現(xiàn)尺度轉換和移植的關鍵。為了檢驗兩個Irmak模型的適應性和參數(shù)可移植性,利用通量觀測矩陣中另外兩個站點(Site 11和大滿站)2012年玉米整個生育期實測的有效數(shù)據(jù),對所建立的冠層阻抗模型做進一步驗證,模擬值與實測值對比結果見圖4、圖5、圖6和圖7。

從圖4和圖5可知,兩個模型均能夠較好地模擬Site11站點玉米生育期內(nèi)冠層阻抗和蒸散量對環(huán)境變量的響應過程,模擬值與實測值之間較為一致,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測值之間的R2分別達0.62和0.93,RMSE分別達94.1 s·m-1和67.4 W·m-2。對比圖4c和圖5c可以看出,rc_I2模型模擬值與實測值之間的誤差和波動性在整個生育期內(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生長季玉米的實際蒸散量,反映其農(nóng)田耗水過程。

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Irmak模型均能夠較為準確地模擬大滿站整個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測值之間的R2分別達0.57和0.97,RMSE分別達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測值之間的R2分別達0.58和0.97,RMSE分別達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模型能夠更加真實地反映玉米在整個生育期內(nèi)實際蒸散量情況,整個生育期模型低估現(xiàn)象較少,模擬精度更高,從6月6日到玉米的收獲期,模擬值與實測值幾乎一致。

玉米冠層在整個生長季由稀疏向稠密過渡,生理結構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,尤其是未來氣候變化情景下的農(nóng)田蒸散變得更為復雜,因此在生態(tài)系統(tǒng)水碳平衡變化的模擬預測中,考慮大氣 CO2濃度變化對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構、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為種植結構調(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Site 11整個生育期內(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Site 11整個生育期內(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環(huán)境變量的響應也存在較大差異,因此進一步對改進的rc_I2模型進行敏感性分析,引入模型結果關于環(huán)境變量的敏感性系數(shù),如下式所示:

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

圖6 未考慮大氣CO2濃度的Irmak模型(rc_I1model)對大滿站整個生育期內(nèi)冠層阻抗和蒸散量的模擬效果對比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)對大滿站整個生育期內(nèi)冠層阻抗和蒸散量的模擬效果對比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)的絕對值大小表明,rc對Rn和RH的變化最為敏感,其次是θ,rc對Ta、LAI以及大氣CO2濃度的變化敏感性幾乎一致,對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,這是因為在自然條件下,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)絕對值大小表明,ET對Rn最為敏感,其次是RH和θ,對Ta、LAI和大氣CO2濃度的敏感性較小,對U3和ra的敏感性最低,結果表明在該研究區(qū)域Rn和RH是影響ET的主要控制因子,這是因為蒸散發(fā)過程主要取決于水汽化所需能量的多寡,水分汽化的主要動力來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的因素,而水汽的移動過程很大程度上取決于大范圍的風以及蒸發(fā)面上方流動的空氣。

表2 環(huán)境變量變化(±5%,±10%,±15%,±20%,±30%)時冠層阻力的變化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 結論與討論

本研究在 Irmak模型的基礎上,考慮了大氣CO2濃度變化對玉米冠層阻抗的影響,根據(jù)前人的研究結果并假設大氣CO2濃度對氣孔導度的影響是線性關系,考慮微氣象因子與玉米冠層阻抗之間的關系,基于現(xiàn)有數(shù)據(jù),構建了考慮 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,分析和檢驗了所建立的冠層阻抗模型對環(huán)境變量和大氣CO2濃度響應的模擬結果,結果表明采用 LAI、Rn、RH、Ta、ra、U3以及土壤有效含水量θ,結合大氣 CO2濃度能夠更加全面地反映冠層阻抗和蒸散量對外部環(huán)境變量的響應過程,準確地模擬玉米在整個生育期內(nèi)半小時時間尺度上的耗水過程。敏感性分析表明rc和ET對Rn和RH的變化最為敏感,其次為Ta、LAI以及大氣CO2濃度。本文改進的模型考慮了大氣CO2濃度對玉米氣孔的影響,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,因此該模型能夠為種植結構調(diào)整、土地利用方式改變以及未來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,本文所構建的模型是基于“單源模型”,對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,冠層阻抗波動幅度較大,模型還不能快速響應,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濃度上升對玉米氣孔導度的影響,并假設 CO2濃度對氣孔導度的影響是線性的,但是并未考慮到 CO2濃度變化對玉米葉面積指數(shù)的影響,因此,需要在后續(xù)工作中完善。此外,受短期觀測數(shù)據(jù)限制,模型中大氣CO2濃度對冠層阻抗(rc)的影響系數(shù)需要根據(jù)實驗資料做進一步修正。最后,由于研究區(qū)域范圍較大,雖已對模型進行了獨立驗證,但考慮到空間復雜性和異質性,需要在已率定的經(jīng)驗模型的基礎上對參數(shù)可移植性問題進行更加全面的考慮。

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)估測與時空尺度拓展方法研究進展[J].農(nóng)業(yè)工程學報,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)工程學報,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度的環(huán)境響應及模擬[J].生態(tài)學報,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]和溫度升高對農(nóng)作物生理及生產(chǎn)的影響[J].中國生態(tài)農(nóng)業(yè)學報,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]劉國水,劉鈺,許迪.基于渦度相關儀的蒸散量時間尺度擴展方法比較分析[J].農(nóng)業(yè)工程學報,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)境響應及模擬[J].中國生態(tài)農(nóng)業(yè)學報,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

* 國家自然科學基金(91425302,31400375)資助

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

吳林,主要研究方向為生態(tài)水文過程研究。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