Estimatecanopytranspirationinlarchplantationsviatheinteractionsamongreferenceevapotranspiration,leafareaindex,andsoilmoisture
通过参考蒸散量、叶面积指数和土壤水分之间的相互作用估算落叶松人工林的冠层蒸腾量
1
背景介绍
森林冠层蒸腾(T)是森林生态系统中水分利用的主要组成部分之一，其反映了树木对环境的生理反应，决定了植物有效土壤水分的消耗，在林地水量平衡中起着重要作用。准确地量化和预测变化环境下的森林蒸腾量，对于森林和水的综合治理、促进可持续发展至关重要。该研究利用作物系数法耦合建立了一个简单的落叶松人工林冠层蒸腾估算模型，以期更深入地了解/预测落叶松人工林冠层蒸腾对各种环境因子的响应，并估算了在环境和森林条件变化下的冠层蒸腾。
该研提出了以下几个研究目的：
(1)确定落叶松人工林基础作物系数(Kcb)对叶面积指数(LAI)和土壤相对含水量(REW)的响应关系；
(2)基于作物系数法建立环境因子与冠层结构耦合的日蒸腾模型；
(3)分别评价参考作物潜在蒸散量（ETo）、LAI和REW对冠层蒸腾(T)的独立影响。
2
材料和方法
2.1研究地概况和测定指标
本研究在*土高原中西部六盘山自然保护区响水河小流域进行。该地区土壤以灰褐土为主，具砂壤土质地。试验林为35年生落叶松纯林，测定及计算年(干旱年)和年(湿润年)两个生长季（5-9月）的指标，分别有气温(Ta)、相对湿度(RH)、太阳辐射强度(Rs)、风速(μ)、降水量(P)、饱和水气压亏缺(VPD)、土壤相对可用含水量(REW)、叶面积指数(LAI)、液流通量密度(Js)、冠层日蒸腾量(T)、参考作物潜在蒸散量(ETo)。
2.2作物系数法
作物系数法(T=Kcb×ETo)是估算森林蒸腾量简单有效的方法。然而，即使在特定的林分中，基本作物系数(Kcb)也不是一个恒定值，而是随时间而变化的，并受多种因素的影响。因此，研究量化Kcb的动态变化并建立基于作物系数法的简单模型来估计森林蒸腾量更为准确。
2.3模型建立
T模型可以分三步建立：第一步，用上界线分析确定Kcb对单一驱动因子(LAI和REW)的响应关系；第二步，将响应关系进行整合，形成基于作物系数法的日蒸腾量模型；第三步，利用年和年实测数据对模型参数进行拟合和矫正。
2.4ETo、LAI和REW对T的相对重要性。
为了评估ETo、LAI和REW在不同年份对T的相对重要性，在建立的T模型的基础上，进一步量化了各因子对生长季每日T的平均贡献率。首先，利用-年5-9月的ETo、REW和LAI的长期平均值用所建立的T模型计算了本研究中的对照T模拟。该模拟值代表了该研究地点长期平均环境条件和冠层结构下的参考日T，并计算ETo、LAI和REW对T的相对贡献率。
3
结果与讨论
3.1冠层蒸腾量和基本作物系数的变化
在两个生长季中，冠层T与相应的ETo表现出相似的趋势(图2、4)。年，日冠层T变化明显低于年（图4）。Kcb在年呈现先增后减的趋势，变化范围为0.01-0.64，平均值为0.33。年生长季Kcb变化趋势与年一致，变化范围为0.04-0.64，平均值为0.35。这一发现证实了Kcb日变化不是恒定的，而是随环境条件和冠层结构的变化而变化的。
3.2Kcb对LAI和REW的响应
从图6A的上边界线可以看出，日Kcb随着LAI的增加而逐渐增加，并遵循线性函数Kcb=a1LAI。而Kcb和REW之间的关系可以用Kcb=a2+b(1-exp(-cREW)表示(图6B)。因此，在土壤水分不受限制且潜在蒸散量相同的情况下，Kcb随LAI的增大而增大。对于REW而言，Kcb首先随着REW的增加而迅速增加，然后趋于平稳，直到REW达到0.4的阈值。超过阈值后，REW不再是Kcb的限制因素，而其他因素，如树木蒸腾潜力/能力成为了限制因素。
3.3蒸腾模型的构建与验证
根据作物系数法，T=Kcb×ETo，通过本研究发现的耦合关系，Kcb可以表示为(Kcb=?(REW)?(LAI))。因此，每日冠层蒸腾量T可以通过公式(20)估计：
T=KcbETo=(a+b(1-EXP(-cREW)))(dLAI)ET
——(20)
利用年以来的观测数据对所有模型参数进行新拟合，形成T模型(公式(21))。该T模型能准确估计日变化温度，通过原点的模拟值和观测值之间的回归线斜率(b=0.92)接近1(图7A)。
T=(0.+0.(1-EXP(-3.REW)))(0.LAI)ET
——(21)
利用图7B所示的年观测数据对T模型进行了进一步验证，结果表明，T模型仍能准确地估计日变化T，并且模拟和观测T通过原点的回归线的斜率(b=0.87)接近1。
本研究还将固定Kcb的P-M方程(T=aETo)和T-ETo线性回归方程(T=aETo+b))和新建立的T模型的性能进行了比较(表3)。虽然新建立开发的T模型的模拟精度(R2和NSE)略高于其他两个模型，但这三个模型对T的模拟效果较好。此外，新建立的T模型的AIC在这三个模型中最低，这表明在T模型中拟合LAI和REW提高了模型的拟合优度。
3.4ETo、REW和LAI对T的相对贡献率
如图8所示，各因子对T的贡献在不同年份有很大不同。年的ETo对T有明显的正效应，而LAI和REW对T的负效应较小。年ETo对T产生轻微负面效应，LAI对T产生明显正面效应，REW对T产生轻微正面效应。导致T变化的主导因素是年的ETo和年的LAI。
3.5T随ETo、LAI和REW的变化
图9显示，在不同的REW和LAI水平下，模拟的日T随ETO的增加而线性增加，但在较高的土壤水分或LAI水平下，增加的速率明显较高。图10表明，在不同ETo和REW水平下，模拟的日T随叶面积指数(LAI)的升高而线性增加。T的增长速度随着ETo或REW的增加而增加，但在REW增加的情况下T的增长速度增幅较小。
4
结论
1.林分的Kcb不是固定的，而是随着环境和林分结构的变化而变化。
2.Kcb对LAI的响应遵循线性关系，以饱和指数关系的形式响应REW。
3.该研究在基本作物系数法的基础上，成功地建立了一个简单的日T模型。该模型可以预测冠层T，并能解释实际T变化的78-85%。
4.利用建立的T模型进一步检验了ETo、LAI和REW在年和年对T的相对贡献率。与以ETo、LAI和REW为长期均值的参考T相比，生长季日平均T变化的最大贡献因子分别为年枯水年和年丰水年的ETO(相对贡献率为17.8%)和LAI(相对贡献率为14.2%)。
5.新建立的T模型为预测总T对ETo、LAI和REW的响应和量化各因子对林分T的相对贡献率提供了一种可行的方法。
本研究的创新点在于新建立的T模型，通过考虑ETo、LAI和REW的耦合效应，反映了T响应机制，可以用于指导森林水的综合管理。且该T模型在理解T(和Kcb)响应机制的前提下，减少了拟合参数的个数，更适合于T的估计和应用。总体而言，利用本研究建立的简单T模型和易于获取的影响因子，可以准确地预测环境变化和冠层结构对日冠层T的交互影响。
5
Reference
WangL,LiuZ,GuoJ,etal.Estimatecanopytranspirationinlarchplantationsviatheinteractionsamongreferenceevapotranspiration,leafareaindex,andsoilmoisture.ForestEcologyandManagement.,，.
本期编辑：
20级林业专硕
赵小宁
PlantationWaterRelationLab:针对人工林开展SPAC水分传输过程与机制、高效利用与调控研究，推送国内外最新研究进展，涉及土壤水分运移过程与模拟、根系系统结构与功能、木质部水分高效传输机制、冠层水分散失特征等。
欢迎投稿，投稿请发送稿件至邮箱benyexi
bjfu.edu.cn预览时标签不可点收录于话题#个上一篇下一篇