考慮植被類型的冠層氣孔導(dǎo)度模型

張 振，辛?xí)灾?，裔傳祥，彭志晴，柳欽火

（1. 中國科學(xué)院空天信息創(chuàng)新研究院 遙感科學(xué)國家重點實驗室，北京 100101；2. 中國科學(xué)院大學(xué)，北京 100049；3.鹽城市氣象局，鹽城 224005）

0 引 言

氣孔是控制植物與大氣中水分和CO2交換的通道，其交換強(qiáng)度用氣孔導(dǎo)度描述。因此，氣孔導(dǎo)度是表示植被光合強(qiáng)度和蒸騰作用強(qiáng)度的重要指標(biāo)，是描述地表能量平衡和碳水循環(huán)的重要參數(shù)[1]。氣孔導(dǎo)度的精確估算對于精細(xì)農(nóng)業(yè)、水資源合理調(diào)配和生態(tài)應(yīng)用等具有重要意義。

確定氣孔導(dǎo)度的方法主要有測量法和模型法，測量法指通過氣孔計或光合儀等儀器直接測量氣孔導(dǎo)度，模型法主要包括基于環(huán)境因子與氣孔導(dǎo)度的關(guān)系建立的Jarvis非線性模型[2]和基于光合速率與氣孔導(dǎo)度關(guān)系建立的Ball-Berry模型[3]等。以上是基于葉片尺度的研究方法，當(dāng)研究尺度上升至冠層時，則需研究冠層氣孔導(dǎo)度。冠層氣孔導(dǎo)度的研究方法主要有：1）葉片到冠層的尺度提升，可通過整體平均法、權(quán)重法、頂層陽葉分層采樣法、多冠層傾角法等統(tǒng)計方法將葉片氣孔導(dǎo)度提升獲得冠層氣孔導(dǎo)度[4]，也可通過建立非線性模型進(jìn)行尺度提升[5]，但尺度提升存在一定誤差，且難以獲取連續(xù)時間、空間的冠層氣孔導(dǎo)度；2）Penman-Monteith公式反推法，利用樹干液流法、渦動相關(guān)儀等測量蒸騰量并通過Penman-Monteith公式反推冠層氣孔導(dǎo)度[6]。該方法可獲得較準(zhǔn)確的氣孔導(dǎo)度數(shù)據(jù)，但需具備試驗儀器并進(jìn)行實地測量，測量難以長期持續(xù)；3）環(huán)境因子階乘模型，多是以Jarvis模型為基礎(chǔ)發(fā)展的模型，直接建立環(huán)境因子與冠層氣孔導(dǎo)度的關(guān)系，原理相對簡單，得到廣泛應(yīng)用[7-9]。

盡管冠層氣孔導(dǎo)度研究已有長足發(fā)展，但現(xiàn)有模型很少考慮植被類型的影響。研究表明不同植被類型氣孔導(dǎo)度存在較大差異[7]，而不區(qū)分植被類型的冠層氣孔導(dǎo)度模型難以描述這種差異，存在很大不確定性。隨著植物生理特性和氣孔導(dǎo)度研究的深入，部分學(xué)者認(rèn)識到不同植被類型間氣孔導(dǎo)度的差異[10-11]，但研究多使用經(jīng)驗值對模型進(jìn)行簡化或簡單區(qū)分為C3、C4植物進(jìn)行計算。如Kelliher在提出K95冠層氣孔導(dǎo)度模型時分析了不同植被種類葉片和冠層最大氣孔導(dǎo)度的差異，給出了7種植物類型葉片和冠層最大氣孔導(dǎo)度的經(jīng)驗值[12]；MODIS產(chǎn)品計算凈初級生產(chǎn)力（Gross Primary Production，GPP）和蒸散（Evapotranspiration，ET）的MOD17和MOD16算法中使用耦合的Jarvis類模型計算冠層氣孔導(dǎo)度時未區(qū)分植被類型，Jiang等[13]使用Breathing Earth System Simulator（BESS）模型計算GPP和ET時，將植被劃分為C3和C4植物類型，針對像元內(nèi)C3和C4植物分別進(jìn)行碳-水耦合模塊運算，最終由C3和C4植物的相對比例確定該像元的GPP和ET，結(jié)果表明區(qū)分C3、C4植物計算的模型較不區(qū)分植被類型時精度有明顯提升。因此未考慮植被類型的冠層氣孔導(dǎo)度模型的結(jié)果存在較大誤差[14]，有必要構(gòu)建考慮植被類型的冠層氣孔導(dǎo)度模型。

綜上，本研究旨在構(gòu)建一個考慮植被類型的冠層氣孔導(dǎo)度模型，以黑河流域中游地區(qū)為研究區(qū)域，基于研究區(qū)內(nèi)的地面觀測數(shù)據(jù)對模型進(jìn)行可靠性分析，并使用HJ-1衛(wèi)星數(shù)據(jù)反演2012年7－9月晴空天氣的冠層氣孔導(dǎo)度分布，為冠層氣孔導(dǎo)度模型發(fā)展和應(yīng)用提供思路。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)位于黑河流域中游綠洲區(qū)（100°05′～100°40′E，38°42′～39°08′N）。該地區(qū)氣候干旱、年降水量少，綠洲內(nèi)主要以玉米和大麥等農(nóng)作物為主，也包括灌木和其他農(nóng)作物（菜椒、韭菜等）等植被，周圍有大面積戈壁和森林。區(qū)內(nèi)通量塔和自動氣象站等設(shè)備完善，已開展許多長期生態(tài)水文觀測試驗，如2012年中國科學(xué)院西部行動計劃項目黑河流域生態(tài)-水文過程綜合遙感觀測聯(lián)合試驗（Heihe Watershed Allied Telemetry Experimental Research，HiWATER）[15]，豐富的地面觀測數(shù)據(jù)為本研究的模型驗證提供支持。研究區(qū)植被類型及地面觀測站點分布見圖1。

1.2 數(shù)據(jù)來源

1.2.1 遙感數(shù)據(jù)

本研究使用的遙感數(shù)據(jù)主要包括2012年7－9月（該時期為黑河流域地表異質(zhì)性試驗觀測期間，滿足本文模型的驗證數(shù)據(jù)需求）的光合有效輻射（Photosynthetically Active Radiation，PAR）、葉面積指數(shù)（Leaf Area Index，LAI）以及植被詳細(xì)分類等數(shù)據(jù)。PAR數(shù)據(jù)來自多源數(shù)據(jù)定量產(chǎn)品生產(chǎn)系統(tǒng)（Multi-source data Synergized Quantitative remote sensing production system，MuSyQ）[16]

生產(chǎn)的遙感產(chǎn)品，空間分辨率為1 km，時間分辨率為3 h。LAI通過HJ-1/CCD計算得到，空間分辨率30 m，時間分辨率2 d。植被分類數(shù)據(jù)主要來自Zhong等[17]采用HJ-1/CCD數(shù)據(jù)基于時間序列生產(chǎn)的2012年7－9月黑河流域土地利用覆被數(shù)據(jù)，具有高的時間、空間分辨率，總體分類精度高于90%，輔以Zhang等[18]生產(chǎn)的分類數(shù)據(jù)。在估算冠層氣孔導(dǎo)度前，對各遙感數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換、重采樣、裁剪等預(yù)處理，使它們在時間和空間上匹配。

1.2.2 地面觀測數(shù)據(jù)

本研究使用研究區(qū)2012年7－9月的自動氣象站、渦度相關(guān)儀實測數(shù)據(jù)以及黑河流域植被高度調(diào)查數(shù)據(jù)進(jìn)行模型驗證。實測數(shù)據(jù)依托HiWATER試驗[15,19]，包括渦動相關(guān)儀觀測的感熱通量和潛熱通量數(shù)據(jù)，儀器架高3.8 m，采樣頻率10 Hz；自動氣象站觀測的風(fēng)速、溫濕度、大氣壓等數(shù)據(jù)，空氣溫度、相對濕度傳感器分別架設(shè)于5和10 m處，2層風(fēng)速傳感器架設(shè)于5和10 m處。渦動相關(guān)數(shù)據(jù)采用Edire軟件后處理的30 min數(shù)據(jù)，對數(shù)據(jù)進(jìn)行了野點值剔除、延遲時間校正、角度訂正、坐標(biāo)旋轉(zhuǎn)、頻率響應(yīng)修正和超聲虛溫修正和密度修正等預(yù)處理。各植被類型的氣孔長度和密度數(shù)據(jù)通過文獻(xiàn)調(diào)研獲取。

2 研究方法

2.1 考慮植被類型的冠層氣孔導(dǎo)度模型

Jarvis模型考慮了太陽輻射、空氣溫濕度、土壤水分等多個環(huán)境因子對氣孔導(dǎo)度的影響，多環(huán)境因子對氣孔導(dǎo)度的綜合影響可通過單一環(huán)境因子反應(yīng)的疊加獲得：

式中g(shù)s是氣孔導(dǎo)度，mol/(m2·s)；gsmax為最大氣孔導(dǎo)度，mol/(m2·s)，通過非線性最小二乘回歸計算得到；f(VPD)、f(T)、f(Cs)和f(φ)分別為葉片與空氣間的水汽壓差（VPD，kPa）、溫度（T, K）、大氣中的CO2濃度（Cs, mol/mol）和葉片水勢（φ，MPa）對氣孔導(dǎo)度的影響函數(shù)。

Kelliher和Leuning等[12]對葉片氣孔導(dǎo)度模型（式（1））進(jìn)行尺度提升，通過葉面積指數(shù)及冠層的可見光輻射通量建立了冠層氣孔導(dǎo)度模型，簡稱K95模型：

式中Gc是冠層氣孔導(dǎo)度，mm/s；Qh是冠層頂部的可見光通量密度，W/m2；Q50是氣孔導(dǎo)度為其最大導(dǎo)度一半時的可見光通量，W/m2；KQ是短波輻射消光系數(shù)；LAI為葉面積指數(shù)，m2/m2。

考慮到K95模型中的Qh設(shè)為定值可能帶來誤差，Leuning等以Qh=0.8(Rn-G)對模型做出改進(jìn)，同時引入VPD以校正水汽壓差對氣孔導(dǎo)度的影響，進(jìn)一步提高了模型的精度[8]：

式中Rn為凈輻射，W/m2；G為土壤熱通量，W/m2；D50為最大氣孔導(dǎo)度一半時的水汽壓差，kPa。Leuning等的研究中發(fā)現(xiàn)，模型對于KQ、Q50及D50不敏感，設(shè)定KQ為0.6，Q50為30 W/m2，D50為0.7 kPa，大大減小了模型復(fù)雜度，提高了模型的實用性。

Leuning等[8]的模型（式（3））原理簡單且具有植被生物物理學(xué)基礎(chǔ)，與K95模型相比精度有良好提高，被廣泛應(yīng)用和認(rèn)可，但其冠層頂部的可見光輻射通量密度通過Qh=0.8(Rn-G)簡單計算可能帶來很大的不確定性。該式包含植被和非植被部分的水熱通量，難以精確計算植被部分利用的有效輻射通量。PAR是植被用于光合作用的有效輻射通量，且遙感估算PAR目前已達(dá)到較高精度[20]，通過PAR改進(jìn)植被冠層的可見光通量密度的計算可提高模型精度，本研究使用遙感反演的PAR數(shù)據(jù)代替計算Qh。另外，Leuning等的模型中最大氣孔導(dǎo)度是通過求解模型最優(yōu)解，使代價函數(shù)最小以獲取一組最優(yōu)參數(shù)，其實際物理意義被弱化；同時迭代過程中，任一參數(shù)的調(diào)整均有可能達(dá)到模型最優(yōu)。因此，本研究對最大氣孔導(dǎo)度的計算進(jìn)行了改進(jìn)。

最大氣孔導(dǎo)度（gsmax）定義為植被葉片在充足陽光、沒有水分虧缺狀態(tài)下的生長良好且未衰老的氣孔導(dǎo)度最大值，表征氣孔進(jìn)出水分和CO2的最大能力。研究表明不同植被的最大氣孔導(dǎo)度存在較大差異，將最大氣孔導(dǎo)度簡單設(shè)為定值會帶來一定誤差[7]。最大氣孔導(dǎo)度可通過多次測量取最大值得到，或者通過氣孔特征如面積、密度等計算[21]，它主要取決于氣孔的長度和密度[22]，不同植物類型的葉片氣孔長度和密度特征有顯著差異，因此本文根據(jù)氣孔長度和密度特征建立模型以實現(xiàn)基于植被類型計算冠層氣孔導(dǎo)度，提高模型精確度。

Leuning等的模型對最大氣孔導(dǎo)度的求解較復(fù)雜且實際物理意義弱，為簡化求解過程同時賦予一定物理意義，最大氣孔導(dǎo)度的計算參考Franks等[21]的研究：

式中L為氣孔長度，μm；SD為氣孔密度，個/mm2；α為比例系數(shù)，取0.12；v為空氣摩爾體積，值為2.24×10-2m3/mol；d是空氣中的水分?jǐn)U散率，m2/s。當(dāng)葉片兩面都有氣孔時，最大氣孔導(dǎo)度為葉片上下表皮氣孔導(dǎo)度之和。

結(jié)合式（3）和式（4），可得考慮植被類型的冠層氣孔導(dǎo)度模型：

式中PAR和LAI可通過地面觀測直接獲取，也可通過遙感數(shù)據(jù)獲取。該模型（式（5））將不同植被的氣孔長度和密度納入計算，以PAR改進(jìn)模型冠層頂部可見光通量密度的計算，改進(jìn)后模型不僅考慮了植被類型對氣孔導(dǎo)度的重要影響，同時具有遙感大范圍、連續(xù)性、快速等優(yōu)勢。

2.2 模型驗證及敏感性分析方法

2.2.1 基于地面觀測值的驗證方法

使用Penman-Monteith公式反推計算冠層氣孔導(dǎo)度（Gc）進(jìn)行驗證[23]：

式中g(shù)a為空氣動力學(xué)導(dǎo)度，m/s；γ為濕度計常數(shù)，kPa/℃；Δ為飽和水汽壓溫度曲線的斜率，kPa/℃；LE為潛熱通量，W/m2；Cp為空氣的定壓比熱，J/(kg·K)；ρa(bǔ)是空氣密度，kg/m3。通量數(shù)據(jù)可由站點實測數(shù)據(jù)獲得。

空氣動力學(xué)導(dǎo)度ga可由下式計算：

式中k為卡爾曼常數(shù)，為0.40；u為測量高度處的水平風(fēng)速，m/s；z為風(fēng)速與濕度等測量高度，m；d0為零平面位移，m；hc為作物高度，m；z0為動量傳輸粗糙度長度，m。

由于Penman-Monteith公式反推計算的氣孔導(dǎo)度實際是表面導(dǎo)度，土壤等的干擾可能導(dǎo)致冠層氣孔導(dǎo)度被高估[23]。將地表蒸散發(fā)進(jìn)行土壤蒸發(fā)和植被蒸騰分離可有效提高模型精度[24]，如以Shuttleworth-Wallace模型為代表的串聯(lián)模型[25]和Norman等提出的并聯(lián)雙源蒸散模型[26]，可同時估算植被蒸騰和土壤蒸發(fā)組分[27]，較Penman-Monteith等單源蒸散模型精度有顯著提高。因此，為更好地研究模型的模擬能力，把分離植被蒸騰和土壤蒸發(fā)的思想應(yīng)用于冠層氣孔導(dǎo)度的驗證，將地表蒸散發(fā)分離為土壤蒸發(fā)和植被蒸騰，使用植被蒸騰部分對模型進(jìn)行驗證，理論上可以得到更精確的驗證結(jié)果。土壤蒸發(fā)和植被蒸騰的分離可利用儀器（小型蒸滲儀、便攜式光合作用測量系統(tǒng)和液流計等）開展觀測試驗，或使用穩(wěn)定同位素技術(shù)追蹤分離[28]。Song等[28]在HiWATER試驗中利用氫氧穩(wěn)定同位素方法分離了植被蒸騰和土壤蒸發(fā)，在黑河地區(qū)取得良好的效果，最終得出植被蒸騰在蒸散量中占比84.3%，土壤蒸發(fā)在蒸散量中占比15.7%。本研究沿用Song等的研究，將蒸散分離為植被蒸騰與土壤蒸發(fā)，使用植被蒸騰部分對模型進(jìn)行驗證。穩(wěn)定同位素方法可較精確分離土壤蒸發(fā)和植被蒸騰，但同位素穩(wěn)態(tài)假設(shè)一般出現(xiàn)在中午，故在中午測量最為準(zhǔn)確[28]，氫氧穩(wěn)定同位素的詳細(xì)方法可參考Wen等[29]的研究。

采用決定系數(shù)（R2）、均方根誤差（Root Mean Square Error，RMSE）和平均絕對誤差(Mean Absolute Error，MAE) 進(jìn)行模型評價。

2.2.2 敏感性分析方法

本研究的模型考慮植被類型估算冠層氣孔導(dǎo)度，植被分類精度對模型的影響較大。為研究模型對植被類型的敏感性，采用錯分誤差指標(biāo)對植被類型進(jìn)行敏感性分析，計算公式如下：

式中Gc真實地物為真實地物的冠層氣孔導(dǎo)度，mm/s；Gc錯分地物為被錯分為其他地物時計算的冠層氣孔導(dǎo)度，mm/s；錯分誤差表示當(dāng)真實地物類型被錯分為其他地物類型時導(dǎo)致的相對誤差，%。

3 結(jié)果與分析

3.1 不同植物類型氣孔特征差異性分析

氣孔長度和密度特征是影響氣孔導(dǎo)度的主要生理因素，調(diào)研并統(tǒng)計黑河流域中游區(qū)域主要植被類型的氣孔長度和密度特征數(shù)據(jù)如表1。

表1 植被類型及其氣孔特征的統(tǒng)計分析Table 1 Statistics on vegetation types and their stomatal characteristics

根據(jù)Zhang等[18]提供的詳細(xì)分類數(shù)據(jù)可知，研究區(qū)內(nèi)落葉闊葉林主要為楊樹，常綠針葉林主要為云杉，站點1處地表覆被類型為菜椒。由表可知，不同植被類型氣孔特征差異明顯，如楊樹、菜椒、云杉的氣孔長度分別為22.8～26.9、20.06、56.50μm，氣孔密度分別為79～180、45.50、63.00個/mm2。

3.2 基于地面觀測數(shù)據(jù)驗證模型可靠性

3.2.1 模型改進(jìn)前后精度對比

使用改進(jìn)前的模型（式（3））和改進(jìn)后的模型（式（5））分別反演黑河流域2012年7－9月的冠層氣孔導(dǎo)度，使用地面觀測數(shù)據(jù)計算冠層氣孔導(dǎo)度對模型結(jié)果進(jìn)行驗證（式（6））?？紤]到使用LE基于Penman-Monteith公式反推驗證冠層氣孔導(dǎo)度時，由于土壤蒸發(fā)的影響導(dǎo)致植被冠層氣孔導(dǎo)度被高估的問題，本研究分別使用分離植被蒸騰和土壤蒸發(fā)前后2種驗證方法對模型改進(jìn)前后的結(jié)果進(jìn)行驗證（圖2）。由于驗證需要使用站點實測數(shù)據(jù)，而現(xiàn)有站點所在的下墊面僅有玉米和菜椒2種，因此針對此2種作物進(jìn)行分析。

分別用分離ET前后基于Penman-Monteith公式反推的冠層氣孔導(dǎo)度對模型進(jìn)行驗證，結(jié)果表明（圖2），不論是否分離ET，改進(jìn)后的模型在玉米、菜椒等類型的冠層氣孔導(dǎo)度反演精度均有明顯提高：如分離ET前，改進(jìn)后的模型較改進(jìn)前相比，玉米冠層氣孔導(dǎo)度R2由0.38提高至0.46，RMSE由5.65 mm/s下降至4.19 mm/s，MAE由4.68 mm/s下降至3.26 mm/s；分離ET后，改進(jìn)后的模型與改進(jìn)前相比R2由0.49提高至0.68，RMSE由3.99 mm/s下降至2.67 mm/s，MAE由3.34 mm/s下降至2.06 mm/s。由于改進(jìn)前的模型未區(qū)分植被類型計算冠層氣孔導(dǎo)度，各類植被參數(shù)相近可能導(dǎo)致冠層氣孔導(dǎo)度差異被縮小，玉米被低估，菜椒被高估，區(qū)分植被類型后由于氣孔特征等參數(shù)差異較大，計算的冠層氣孔導(dǎo)度差異性也變大，精度有了明顯提高。

圖2可以看出，分離ET后散點更集中于1:1線，實測值有降低趨勢；圖3對比了不同站點分離ET前后Penman-Monteith公式反推的冠層氣孔導(dǎo)度的變化，結(jié)果均表明分離ET前后其整體趨勢表現(xiàn)一致，分離ET后冠層氣孔導(dǎo)度有較明顯降低。理論上分離ET可去除土壤蒸發(fā)等干擾從而提高植被冠層氣孔導(dǎo)度估算精度，但由于缺乏實際觀測的土壤蒸發(fā)和植被蒸騰分量及冠層氣孔導(dǎo)度真實值，如何準(zhǔn)確評價分離ET對冠層氣孔導(dǎo)度精度的影響有待進(jìn)一步研究。

3.2.2 冠層氣孔導(dǎo)度日變化趨勢對比

為進(jìn)一步探究模型對冠層氣孔導(dǎo)度的估算能力，基于地面觀測數(shù)據(jù)模擬了冠層氣孔導(dǎo)度的日變化趨勢，圖4對比了分離ET后站點6的模型改進(jìn)前后玉米冠層氣孔導(dǎo)度的估算結(jié)果。2個模型對冠層氣孔導(dǎo)度日變化趨勢的模擬表現(xiàn)一致，冠層氣孔導(dǎo)度在11:00左右達(dá)到峰值，隨著溫度和輻射增強(qiáng)，冠層氣孔導(dǎo)度出現(xiàn)下降，在15:00左右再次出現(xiàn)峰值繼而下降。這種日變化趨勢與植物的自身調(diào)節(jié)有關(guān)，晴朗午后的溫度和VPD較大，植物會關(guān)閉部分氣孔以降低蒸騰作用導(dǎo)致的水分損失，因此氣孔導(dǎo)度減小，這與張寶忠等[9]的研究結(jié)果一致。該趨勢有時會較早達(dá)到峰值（如圖4a），可能由于該日云量變化導(dǎo)致到達(dá)地表的太陽輻射降低，但冠層氣孔導(dǎo)度日變化趨勢均呈現(xiàn)“雙峰值”曲線。整體來看，改進(jìn)前的模型在本研究區(qū)存在低估的現(xiàn)象，改進(jìn)后的模型較好地改善了這一情況，與實測值更接近，可以更精確地反演冠層氣孔導(dǎo)度。

3.3 基于遙感數(shù)據(jù)的模型結(jié)果及驗證

通過遙感數(shù)據(jù)獲取式（5）中的PAR和LAI，反演黑河流域中游植被冠層氣孔導(dǎo)度，與實測值對比，驗證改進(jìn)模型在遙感反演中的可靠性。將改進(jìn)模型應(yīng)用于黑河流域中游地區(qū)，使用HJ-1衛(wèi)星數(shù)據(jù)反演了2012年7－9月晴空天氣下的冠層氣孔導(dǎo)度分布（圖5）。7－9月研究區(qū)的主要作物玉米隨生長期的變化有明顯的變動，草地和楊樹等植物氣孔導(dǎo)度較為穩(wěn)定，沒有隨時間的明顯變化，這與其無明顯生長狀態(tài)變化相符。玉米冠層氣孔導(dǎo)度整體來看在7－8月氣孔導(dǎo)度較大，大多在16 mm/s以上，在8月底和9月冠層氣孔導(dǎo)度明顯降低?？赡苡捎?－8月中上旬溫度和水分條件適宜生長，植被生長旺盛，此時植被氣孔導(dǎo)度較大。在8月底及9月份，黑河流域溫度開始下降，葉面積指數(shù)減小，氣孔導(dǎo)度減小。將冠層氣孔導(dǎo)度估算結(jié)果與植被分類圖對照發(fā)現(xiàn)，模擬冠層氣孔導(dǎo)度的分布與植被分類分布呈現(xiàn)很好的一致性，模型可以體現(xiàn)不同植被類型間的冠層氣孔導(dǎo)度的差異。表2統(tǒng)計了各類型植被的冠層氣孔導(dǎo)度均值，不同植被類型間冠層氣孔導(dǎo)度均值差異明顯，如7月27日玉米的冠層氣孔導(dǎo)度均值為15.12 mm/s，大麥冠層氣孔導(dǎo)度均值為14.88 mm/s，云杉的冠層氣孔導(dǎo)度均值則為3.84 mm/s。

基于地面觀測數(shù)據(jù)對遙感反演結(jié)果進(jìn)行驗證，將冠層氣孔導(dǎo)度模擬值與驗證值對比（圖6），改進(jìn)前的模型R2為0.51（P＜0.05），RMSE為4.91 mm/s，MAE為3.98 mm/s。模型改進(jìn)后R2提高到0.70（P＜0.05），RMSE和MAE分別下降至3.32和2.68 mm/s，模型的精度有明顯提升。

表2 黑河流域中游地區(qū)的植被冠層氣孔導(dǎo)度均值Table 2 Mean of canopy stomatal conductance of vegetation in middle reaches of Heihe basin

3.4 植被分類敏感性分析

模型引入植被的氣孔長度、密度實現(xiàn)基于植被類型估算冠層氣孔導(dǎo)度，保持除氣孔長度、密度外的其他參數(shù)不變，分析模型對植被分類的敏感性。表3展示了各植被類型被錯分為其他類型時導(dǎo)致的誤差，總體分類誤差絕對值在4.6%～1 066.5%之間，絕對值的平均值范圍為57.12%～326.03%。模型對植被類型表現(xiàn)敏感，當(dāng)小麥被錯分為其他植被時導(dǎo)致的相對誤差較大；大麥被錯分為其他地物時導(dǎo)致的相對誤差較小。本研究構(gòu)建的考慮植被類型的模型可描述不同植被類型的冠層氣孔導(dǎo)度差異，從而提高冠層氣孔導(dǎo)度估算精度。本研究氣孔特征數(shù)據(jù)基于文獻(xiàn)調(diào)研，可能存在地區(qū)和時間上的差異性，實地采樣進(jìn)行試驗觀測或可得到更精確的結(jié)果。

4 結(jié) 論

表3 植被類型錯分誤差Table 3 Commission errors of vegetation type

以往冠層氣孔導(dǎo)度的模型研究中，植被類型的影響往往被忽略，本研究考慮了植被類型的影響，建立了考慮植被類型的冠層氣孔導(dǎo)度模型，結(jié)果表明：

1）基于地面實測數(shù)據(jù)，分別使用分離植被蒸騰與土壤蒸發(fā)前后Penman-Monteith反推公式的冠層氣孔導(dǎo)度對模型進(jìn)行驗證。結(jié)果表明，與改進(jìn)前的模型相比，不論是否分離植被蒸騰與土壤蒸發(fā)，改進(jìn)后的模型對玉米和菜椒冠層氣孔導(dǎo)度的估算精度均有提高。

2）使用HJ-1衛(wèi)星數(shù)據(jù)反演了黑河流域2012年7－9月晴空的冠層氣孔導(dǎo)度分布，反演結(jié)果可以較好地體現(xiàn)不同植被類型的冠層氣孔導(dǎo)度差異。經(jīng)地面數(shù)據(jù)驗證表明，模型改進(jìn)后較改進(jìn)前，R2從0.51提高至0.70，均方根誤差由4.91 mm/s下降至3.32 mm/s。

本研究通過植被葉片氣孔長度和密度計算最大氣孔導(dǎo)度，進(jìn)而計算冠層氣孔導(dǎo)度，同時以遙感反演的光合有效輻射改進(jìn)輻射通量的計算，避免了非植被部分帶來的誤差，提高了冠層氣孔導(dǎo)度的估算精度。需要說明的是，模型對植被分類數(shù)據(jù)質(zhì)量要求較高，遙感分類數(shù)據(jù)精度的不斷提高為本工作的推廣應(yīng)用提供了可能。另外，本模型需要植被氣孔長度、密度等輔助數(shù)據(jù)，文中此參數(shù)是基于文獻(xiàn)調(diào)研獲得，可能存在地區(qū)差異，若能配合試驗觀測建立區(qū)域氣孔參數(shù)數(shù)據(jù)庫，將有可能進(jìn)一步提高模型精度。后續(xù)可探究模型應(yīng)用于冠層氣孔導(dǎo)度遙感產(chǎn)品生產(chǎn)工作，為地表能量平衡和碳水循環(huán)等科學(xué)研究和精細(xì)農(nóng)業(yè)、水資源管理和生態(tài)方面等實際應(yīng)用帶來便利。