全 文 ：塔河森林生态系统蒸散发的定量估算*
曲摇 迪摇 范文义**摇 杨金明摇 王绪鹏
(东北林业大学, 哈尔滨 150040)
摘摇 要摇 蒸散发是农业、气象、水文科学研究的重要参数,是全球水文循环过程的重要组成部
分.本文应用改进的 DHSVM分布式水文模型,利用光学遥感 TM数据反演得到叶面积指数等
地表数据,由数字高程模型求得坡度、坡向等地形指数因子,定量估算塔河地区 2007 年逐日
蒸散发.应用 BP神经网络建立逐日蒸散发量与逐日径流出口流量的关系,并建立研究区水量
平衡方程,共同检验研究结果的准确性.结果表明: 该模型可以较好地应用于本研究区.塔河
流域年总蒸散量 234. 01 mm,蒸散发与季节有明显的相关性,夏季蒸散发值最高,日均蒸散发
值 1. 56 mm,秋季、春季日均蒸散发值分别为 0. 30、0. 29 mm,冬季蒸散发值最低.地表覆盖类
型对蒸散发值影响明显,阔叶林的蒸散发能力强于针阔混交林,其次为针叶林.
关键词摇 蒸散发摇 分布式水文模型摇 Penman鄄Monteith公式摇 BP神经网络
文章编号摇 1001-9332(2014)06-1652-09摇 中图分类号摇 S715. 4摇 文献标识码摇 A
Quantitative estimation of evapotranspiration from Tahe forest ecosystem, Northeast China.
QU Di, FAN Wen鄄yi, YANG Jin鄄ming, WANG Xu鄄peng (Northeast Forestry University, Harbin
150040, China) . 鄄Chin. J. Appl. Ecol. , 2014, 25(6): 1652-1660.
Abstract: Evapotranspiration (ET) is an important parameter of agriculture, meteorology and hy鄄
drology research, and also an important part of the global hydrological cycle. This paper applied the
improved DHSVM distributed hydrological model to estimate daily ET of Tahe area in 2007 using
leaf area index and other surface data extracted TM remote sensing data, and slope, aspect and oth鄄
er topographic indices obtained by using the digital elevation model. The relationship between daily
ET and daily watershed outlet flow was built by the BP neural network, and a water balance equa鄄
tion was established for the studied watershed, together to test the accuracy of the estimation. The
results showed that the model could be applied in the study area. The annual total ET of Tahe wa鄄
tershed was 234. 01 mm. ET had a significant seasonal variation. The ET had the highest value in
summer and the average daily ET value was 1. 56 mm. The average daily ET in autumn and spring
were 0. 30, 0. 29 mm, respectively, and winter had the lowest ET value. Land cover type had a
great effect on ET value, and the broadleaf forest had a higher ET ability than the mixed forest, fol鄄
lowed by the needle leaf forest.
Key words: evapotranspiration; distributed hydrological model; Penman鄄Monteith formula; BP
neural network.
*“十二五冶国家科技支撑计划项目(2011BAD08B01)资助.
**通讯作者. E鄄mail: fanwy@ 163. com
2013鄄01鄄23 收稿,2014鄄04鄄14 接受.
摇 摇 蒸散发过程包括土壤蒸发和植被蒸腾[1],是农
业、气象、水文科学研究的重要参数,也是陆地水文
收支平衡中非常重要的一部分[2-3] . 准确估算蒸散
发不仅对研究全球气候变化和水资源评价等具有重
要意义,而且对农作物需水生产管理、旱情监测预
测、水资源有效开发利用具有十分重要的应用价
值[4] .一般情况下,降落到地表的降水有 70%通过
蒸散作用回到大气中,在干旱地区可达 90% [5] . 可
见蒸散发在全球水文循环过程中的重要性. 从水量
平衡角度而言,降水是水资源补给的唯一途径,蒸散
发是内陆河流域水资源的最终消失途径[6] . 因此,
准确快速地估算蒸散发,对于合理分配和利用水资
源、协调用水矛盾有着重要意义.
传统的蒸散发估算方法多是基于气象观测站点
的单点计算[7] .通过此方法虽可得到相对准确的蒸
散发值,但难以实现大区域蒸散发的估算.分布式水
文模型是基于水循环动力学机制来描述水文现
应 用 生 态 学 报摇 2014 年 6 月摇 第 25 卷摇 第 6 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Jun. 2014, 25(6): 1652-1660
象[8],能够考虑水文参数和过程的空间异质性,所
揭示的水文循环物理过程更接近客观实际,更能真
实地模拟水文循环过程,是水文模型发展的必然趋
势[9],而且分布式水文模型更容易与遥感和地理信
息系统相结合,同时考虑到太阳辐射、降水、地表覆
盖、植被结构、土壤特性等对水文循环过程的影响,
具有更强的物理和水文意义,故成为当前水文学研
究的热点.
在应用分布式水文模型模拟和估算径流及水文
过程时,为使模型能够高效计算并且克服数据不足
等问题,研究者采用多种数值方案,如 Wood 等[10]
在水文模型中采用“代表性典型区域冶;Donald[11]和
Kite等[12]采用基于地表覆盖和坡度坡向的水文响
应单元来估算降雨和水位;Kite[13]依据流域内水文
特性将流域划分为不同的聚合模拟区域;Kouwen
等[14]使用集群响应单元来提高模型计算径流和河
流网络的准确性等.
分布式水文模型(distributed hydrology soil vege鄄
tation model,DHSVM)由 Wigmosta 等[15]于 1994 年
开发,该模型基于土壤鄄植被鄄大气连续体概念用双
层模型计算蒸散发[16] . Chen 等[17]在此基础上对模
型进行了 4 个方面的改进:考虑凋落物对蒸散发的
影响;考虑水对气孔导度和蒸散发的影响;考虑根区
垂直分布的影响;考虑植被上冠层、植被下冠层、苔
藓及土壤表面对直接辐射、散射辐射的影响.这一系
列的改进提高了模型在复杂下垫面环境及季节变化
影响下,对蒸散发估算结果的准确性.
森林作为地球上最重要的陆地生态系统之一,
为人类的生产和生活提供各种产品和服务[18],其具
有涵养水源、净化空气、水土保持、维持物种多样性、
吸收二氧化碳及维持生态系统能量与物质循环等多
种功能.其碳储量是研究和估算森林生态系统与大
气碳交换的基本参数和关键因子[19] . 有研究显示,
在陆地上,森林只占全球非冰表面的 40% ,但其生
物量约占陆地生物量的 90% ,其土壤碳储量约占全
球土壤碳储量的 73% [20] . 因而森林生态系统的确
切碳储量和固碳能力成为相关学科的研究重点. 为
了更准确地对森林生态系统碳循环进行建模研究,
首先需要对与其相互耦合的水循环进行研究,二者
在时间、空间尺度的相互耦合及作用,皆受到来自环
境、气候、人类活动变化的影响. 为更准确地进行碳
循环模拟研究,本文选取改进的 DHSVM 模型,对塔
河森林生态系统进行水循环建模,以遥感(RS)和地
理信息系统(GIS)作为辅助技术,估算塔河森林生
态系统 2007 年的逐日蒸散发,并验证该模型在研究
区应用的适应性.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
塔河林业局位于大兴安岭主山脉东部、伊勒呼
里山 北 麓、 黑 龙 江 以 南 ( 52毅 07忆—53毅 20忆 N,
123毅20忆—125毅05忆 E),总面积 9. 18伊105 hm2 .研究区
地貌形态以丘陵、低山和少量中山为主,地形由西南
向东北倾斜,地势缓延,平均坡度 10. 5毅,平均海拔
521 m.研究区属寒温带季风气候,又具有明显的山
地气候特点. 研究区温度变化较大,冬季严寒而漫
长,春秋季凉爽而短暂.降水多集中在 6—8 月,相对
湿度 70% ~ 75% ,积雪期长达 5 个月,年无霜期
80 ~ 100 d.研究区内大风、寒潮、暴雨等灾害性天气
发生较频繁.塔河林业局森林资源丰富,森林类型以
兴安落叶松(Larix gmelinii)为代表,另有红皮云杉
(Picea asperata)、白桦(Betula platyphylla)、蒙古栎
(Quercus mongolica )、樟子松 ( Pinus sylvestris var
mongolica)、山杨(Populus davidiana)、黑桦(Betula
dahurica)等乔木树种,以及笃斯越橘(Vaccinium uli鄄
ginosum)、红瑞木( Swida alba)、兴安杜鹃 (Rhodo鄄
dendron dauricum)、胡枝子(Lespedeza daurica)、杜香
(Ledum palustre)等灌木树种.
1郾 2摇 研究方法
本文采用改进的 DHSVM分布式水文模型定量
估算研究区蒸散发. 该模型将生态过程与水文过程
相耦合,基于研究区数字高程模型对该地区蒸散发、
雪盖、土壤水和径流等水文过程进行动态描述.模型
将流域内森林生态系统垂直分为 5 层:植被上冠层、
植被下冠层、枯落物 /苔藓层、不饱和土壤层及饱和
土壤层,以等大小的栅格(像元)为模拟单元,每个
像元被认为是一个独立的土壤鄄植被系统,水循环过
程均在像元尺度以日步长进行模拟. 模型充分考虑
了各层间及地形指数对像元间水分交换的影响,并
把土壤水分和运动作为影响水文过程的重要因素.
为了更简便直观地应用该模型,Chen 等[17]在
2005 年采用 C语言编写了在控制台环境下运行该
模型的应用程序,即本文建模计算中应用的 Terrain鄄
Lab应用程序.该程序采用面向对象的思想,实现了
改进的 DHSVM分布式水文模型的图形界面运行系
统.其主要功能包括:模型运行控制参数的读取和编
辑;模型遥感输入参数的读取;气象数据的读取;植
物生理参数的设置;模型输出参数的设置.模型的运
35616 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 曲摇 迪等: 塔河森林生态系统蒸散发的定量估算摇 摇 摇 摇
图 1摇 BP神经网络训练流程图
Fig. 1摇 BP neural network training diagram.
行包括输入数据的运算,以及完善的出错提示等功
能.该系统界面简洁、功能齐全、操作性强,使改进的
DHSVM模型的应用更方便快捷.
本研究过程首先需要进行数据收集和处理,得
到模型主要输入数据,包括全年逐日气象数据、土地
覆盖类型数据、数字高程模型(DEM)数据、叶面积
指数(LAI)数据及土壤属性数据等,之后进行模型
运行,得到逐日估算蒸散发、土壤含水量等数据,最
终采用 BP神经网络和流域水量平衡法进行模型验
证.以下为两种验证方法的具体实现过程.
1郾 2郾 1 BP 神经网络方法 摇 流域径流量对蒸散发有
着重要影响,二者具有高度的相关性. 本文采用 BP
神经网络考察日尺度上二者在年内的相关关系,从
而证明模型蒸散发估算结果的准确性. 由于计算的
时间周期较长、数据量较大,为了提高神经网络学习
效率,采用变步长的学习方法,以有效地缩短验证计
算时间.对训练样本集中的每个样本重复图 1 所示
的步骤,直到对整个训练样本集的误差达到要求为
止.在训练时,需要反向传播,一旦训练结束,求解实
际问题时,只需进行正向传播,通过泛化获得所需的
指标信息.
1郾 2郾 2 水量平衡法摇 水量平衡方程是进行区域及地
区水平衡和森林涵养水源功能计量评价的重要手段
之一.利用水平衡方程检验流域内的水量平衡时,需
要进行一个假设,即流域内土壤厚度均一,土壤由上
到下分为不饱和层与饱和层,饱和层以下为不透水
层.流域内水量动态平衡方程如下:
Win-Wout =Deltaw (1)
式中:Win为流域内输入的水,即大气降水量;Wout为
流域内输出的水,包括蒸散发、径流及土壤下渗,由
于本研究假定土壤饱和层之下为不透水层,因此水
的输出只有蒸散发和径流两部分;Deltaw为流域内水
储量的变化,包括土壤含水量的变化、生物量增加的
消耗水等.王绍强等[21]研究结果显示,本研究区的
最大土壤深度为 0. 8 m;区域内粘壤土的孔隙率为
46. 3% ,粘壤土的凋萎点(植物保持不凋萎时所需
要的最小土壤含水量)为 20% .因此,流域内水动态
平衡方程如下:
P-ET-SF=SW365-SW1 (2)
SW365-UST365+(0. 8-WT365)(PR-WP) (3)
SW1 =UST1+(0. 8-WT1)(PR-WP) (4)
式中:P 为降水量;ET 为流域蒸散发量;SF 为径流
量;SW1和 SW365分别为一年中第 1 天和第 365 天的
土壤含水量;土壤含水量由两部分组成,分别为不饱
和土壤层中的土壤含水量(UST)和饱和层土壤含水
量(ST);PR 为孔隙率,本文设定为 46. 3% ;WP 为
凋萎点,本文设为 20% .
1郾 3摇 模型结构
模型的基本水流过程如图 2 所示.模型计算时
将苔藓层与土壤层作为一个整体进行计算,以像元
为单位,计算蒸散发.式(5)描述了每个栅格像元内
的水平衡:
驻Wo+驻Wu+驻Wunsat+驻Wsat =P-Eo-Eu-To-Tu-Rs-
Es-Wdr (5)
4561 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
图 2摇 模型描述的基本水流过程
Fig. 2摇 Basic flow process of model description.
式中:驻Wo、驻Wu、驻Wunsat、驻Wsat分别为植被上冠层、植
被下冠层、不饱和土壤层和饱和土壤层的水储量;P
为降水量;Eo、Eu 分别为植被上冠层、植被下冠层截
留雨水蒸发;To、Tu 分别为植被上冠层、植被下冠层
实际蒸散发;Rs为地表径流;Es为实际土壤蒸发;Wdr
为深层排水.
采用下式计算蒸散发:
E ti =
驻Rni + 籽cp
es - e
rai
姿v[驻 + 酌(1 +
rci
rai
)]
啄t (6)
式中:i 为植被上冠层、植被下冠层或苔藓层;E ti为
时间步长 啄t 内的实际蒸(散)发;Rni为第 i 层净辐
射;籽为湿空气密度;Cp 为空气定压比热;es 为饱和
水汽压;e为实际水汽压;rai为第 i 层空气动力学阻
力;姿v 为汽化潜热; rci为第 i 层的冠层阻力;驻 为气
压鄄温度廓线斜率;酌 为干湿球常数.对于植被层,蒸
发和散发分别计算,模型假设蒸发以一个潜在速率
发生在湿叶上,散发在干叶、湿叶上都发生,计算湿
叶蒸发时,上式中 rci设为 0.
1郾 4摇 数据准备
应用 ENVI 软件,采用最邻近法将本研究所有
栅格数据空间分辨率重采样为 30 m伊30 m. 投影方
式采用 UTM 投影,WGS84 椭球,投影带为 52N. 研
究区面积为 9. 18伊109 m2 .
研究区遥感数据由 2007 年 8 月 18 日的两景
Landsat 5鄄TM卫星影像数据制作而成,图像质量良
好.通过对遥感图像进行几何校正、辐射定标、大气
校正等预处理,最终裁切后得到研究区遥感影像图.
研究区 LAI数据由遥感数据反演得到,采用朱高龙
等[22]在黑龙江省帽儿山地区构建的 LAI计算公式:
LAIe =0. 4939RSR+0. 5188 (7)
RSR=SR[1-(SWIR-SWIRmin) /
(SWIRmax-SWIRmin)] (8)
式中:RSR为减化比值植被指数;SR 为比值植被指
数,其值为 TM 遥感影像第 4 波段地表反射率
(NIR)与 TM遥感影像第 3 波段地表反射率(R)之
比;SWIR为遥感影像第 5 波段地表反射率;SWIRmax
为完全郁闭冠层的遥感影像第 5 波段反射率;
SWIRmin为完全开放冠层的遥感影像第 5 波段反射
率.本文采用 2008 年调查的 30 块固定样地实测
LAI数据与反演 LAI 进行对比,验证结果表明,研究
区 LAI估算值与实测值具有很好的相关性,相关系
数为 0郾 6313.
气象数据来源于中国气象科学数据共享服务网
(http: / / cdc. cma. gov. cn),气象数据包括 2006 和
2007 年的日最高气温、日最低气温、日平均气温、日
降水量、日相对湿度、日风速及日辐射数据等. 各气
象站点的地理位置如图 3 所示. 利用土壤质地三角
形国际分类标准[23]计算可知,研究区土壤质地类型
只包含粘壤土一类数据.
应用塔河小班分布图矢量数据(来自 2006 年国
家二类土地利用调查),根据林分类型属性,利用
ArcGIS软件生成研究区土地覆盖类型栅格数据.将
研究区内土地覆盖类型分为 4 种:针叶林、阔叶林、
针阔混合林和未利用地(图 4). 研究区数字高程模
型(DEM)数据源于中国科学院计算机网络信息中
心国际科学数据镜像网站,并利用 ArcGIS 软件提取
坡度坡向数据作为模型输入项.
2摇 结果与分析
2郾 1摇 模型模拟结果
2007年塔河地区全年总降雨量365郾 90 mm,全
图 3摇 研究区气象站的地理位置分布
Fig. 3摇 Geographical distribution of meteorological stations.
55616 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 曲摇 迪等: 塔河森林生态系统蒸散发的定量估算摇 摇 摇 摇
年蒸散发量为 234. 01 mm,蒸散发量与降雨量之比
(ET / P)为 0. 64. 研究区蒸散发量的变化与季节有
明显的相关性:研究区 1—3 月气温低且气候干燥,
蒸散发量较低;随着温度逐渐升高,植物开始生长,
地表蒸散发量增大,春季日均蒸散发量为 0. 29 mm;
蒸散发量在夏季达到全年最高,夏季日均蒸散发量
1. 56 mm;随着气温降低,植物在秋季开始凋落枯
萎,叶面积指数减少,蒸散发量降低,秋季日平均蒸
散发量 0. 3 mm;研究区冬季平均气温仅为-22. 54
益,不利于植被蒸散发,冬季日均蒸散发量仅 0. 01
mm.由于 3 种土地覆盖类型的气候条件一致,所以
月蒸散发变化趋势基本一致;在夏、秋季,气温较高、
降水充足、辐射较强、植被茂密,3 种土地覆盖类型
植被蒸散发能力较强,且蒸散发间差异明显(图 5).
摇 摇 结合 2007 年塔河地区全年蒸散发分布图(图
6)和土地覆盖类型图(图 4)发现,研究区蒸散发分
布受土地覆盖类型变化的影响极大.其中,阔叶林蒸
散发能力最强,针阔混交林次之,针叶林蒸散发能力
最弱.
本文主要研究森林生态系统蒸散发,故对土地
图 4摇 研究区遥感影像(a)、叶面积指数(b)、土地覆盖类型(c)和 DEM(d)的分布
Fig. 4摇 Remote sensing data of study area (a), leaf area index (b), land cover types (c), distribution of DEM (d).
图 5摇 塔河地区的日蒸散发模拟值和不同土地覆盖类型月蒸散发模拟值
Fig. 5摇 Daily modeled ET of Tahe area and monthly modeled ET of different landcover types.
玉: 针叶林 Coniferous forest; 域: 阔叶林 Broad鄄leaved forest; 芋: 混交林 Mixed forest.
6561 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
表 1摇 研究区不同土地覆盖类型蒸散发对比
Table 1摇 ET comparison of different land cover types in the study area
土地利用类型
Land use type
年蒸散发
Yearly ET
(mm)
面积
Area
(伊109m2)
面积所占比例
Area proportion
(% )
蒸散发所占比例
ET proportion
(% )
年总蒸散发
Yearly total ET
(伊108m3)
针叶林 Coniferous forest 177. 66 2. 53 32. 4 26. 0 4. 49
阔叶林 Broad鄄leaved forest 282. 61 2. 19 28. 0 35. 8 6. 19
混交林 Mixed forest 213. 41 3. 09 39. 6 38. 2 6. 59
覆盖类型为未利用地区域的蒸散发估算结果不做详
细讨论.研究区混交林所占面积比重最大,占森林总
面积的 39. 6% ,其次是针叶林,占森林总面积的
32郾 4% ,阔叶林所占面积比重最小,只有 28. 0% ;研
究区各类土地覆盖类型叶面积指数由大至小依次为
针叶林、混交林及阔叶林,其平均值分别为 3. 99、
3郾 90 及 3. 64;不同土地覆盖类型对蒸散发的贡献与
其面积并不完全相符,混交林对蒸散发总量的贡献
最大,贡献了全年总蒸散发的 38. 2% ,阔叶林虽然
面积比重最低,但其蒸散发能力最强,贡献了全年
35郾 8%的蒸散发,针叶林蒸散发能力最弱,只贡献了
全年 26. 0%的蒸散发(表 1).
2郾 2摇 基于 BP神经网络的模型验证
土壤及生态系统内部的水储量变化,由于其过
程复杂且相关参数较多,验证时将这一过程作为
“黑箱冶不做考虑.本文采用 BP神经网络,通过建立
塔河地区日蒸散发估算值与塔河站日输出径流量间
的相互关系,验证估算结果的准确性. 其中,塔河站
日径流数据来源于黑龙江省塔河水文站.
摇 摇 由图 7 可以看出,在塔河流域内,日序 1 ~ 270 d
期间蒸散发量和径流量的变化具有明显正相关,相
关系数为 0. 679,且函数形态相似. 故可通过 BP 神
经网络计算二者之间的函数关系,对模型拟合结果
图 6摇 2007 年塔河地区年总蒸散发(ET)
Fig. 6摇 Yearly total ET of Tahe area in 2007.
进行评价.
摇 摇 由图 8 可见,在 BP 神经网络训练初期,由于训
练样本数较少,且函数关系较模糊,导致函数关系拟
合结果较粗糙,相对误差较高;随着训练的进行,相
对误差迅速降低;在神经网络训练成熟之后,仿真结
果准确度达到 85%以上,说明估算的逐日蒸散发和
实测日径流量在空间和逻辑上的相关性非常高. BP
图 7摇 日蒸散发(ET)与日径流(R)的对比
Fig. 7摇 Comparison of daily ET and runoff (R).
图 8摇 BP神经网络训练的每日蒸散发相对误差和绝对误差
Fig. 8摇 Relative error and absolute error of daily ET trained by
BP neural network.
75616 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 曲摇 迪等: 塔河森林生态系统蒸散发的定量估算摇 摇 摇 摇
神经网络训练的最初阶段处于春季,径流量较低,因
此绝对误差较低.在日序的 100 ~ 200 d,处于 BP 神
经网络拟合的稳定期,此时处于夏、秋季,研究区降
水较多,气象变化较大,因此绝对误差有所回升;200
d以后,BP 神经网络拟合的函数关系已经较为精
细,此时蒸散发虽然处于较高水平,但绝对误差呈走
低的趋势.表明基于 BP 神经网络的塔河地区日蒸
散发量与径流出口日流量具有较精确的函数关系,
说明模型估算的研究区逐日蒸散发估算结果具有较
高的准确性.
2郾 3摇 基于水量平衡法的模型验证
区域日蒸发量和流域日径流量均受降雨的影
响,在日变化过程中,径流的产生需要经过下渗过
程,有蓄满产流和超渗产流两种机制,而蒸散发则立
刻响应降雨,因此径流的产生相对于降雨和蒸散发
有一定的延时性,对验证结果的准确度会造成一定
影响.为了更好地验证模型的准确性,本研究在 BP
神经网络验证的同时,对研究区进行了流域水量平
衡验证.
研究区 2007 年的初始土壤水位使用 2006 年 12
月 30 日的土壤水位,由模型运算 2006 年的气象数
据得到.经计算,研究区 2007 年年初土壤含水量为
6. 8伊106 m3,年末土壤含水量为 6. 3伊106m3,即全年
土壤含水量减少 5伊105m3 . 在计算研究区水量平衡
时,除考虑到 ET 消耗、土壤水含量变化、径流输出
因素外,还考虑了研究区居民生活用水、工农业用
水、树木生长自身所需要水分等水量消耗途径.根据
中国统计年鉴网 ( http: / / www. tongjinianjian. com)
《中国历年总用水量和人均生活用水量统计
(1997—2002)》,1997—2002 年黑龙江城镇人均生
活用水量为 123. 05 L·d-1,本研究假设 2007、2008
年人均生活用水量及农业用水为 150 L·d-1,塔河
林业局共有人口 92473 人,则居民消耗的年水量为
5. 1伊106 m3,占总降水量的 0. 15% ;塔河林业局工业
项目稀少,因此本研究忽略了工业用水;李明泽[24]
对大兴安岭生物量的研究结果表明,20 世纪 80—90
年代,大兴安岭地区森林生物量平均增长 3 伊10-3
t·m-2,年均增长 3伊10-4 t·m-2,假设在没有采伐的
情况下,研究区 2007 年保持 5伊10-4 t·m-2的生物量
增长量,而树干的生物量中含水量约 40%,因此研究
区内每年因树木生长所消耗的水分约为 1. 80伊106
m3,占总降水量的 0. 05% .综上,除 ET 消耗、土壤含
水量变化、径流输出因素外,其他因素导致的流域水
消耗总量为 6. 90伊106 m3,占总降水量的 0. 20% .
图 9摇 月实测径流量(玉)和模拟径流量(域)对比
Fig. 9摇 Comparison of measured monthly runoff (玉) and fitted
runoff (域).
摇 摇 2007 年研究区共接收降水 3. 36伊109 m3 .其中,
通过蒸散发回到大气中的水量为 2. 15伊109 m3,占流
域总入水量(即大气降雨)的 63. 99% ;经河流排出
的水量为 1. 17 伊 109 m3, 占流域总入水量的
34郾 82% .研究区内土壤含水量全年减少了 5. 00 伊
105 m3,占研究区降水量的 0. 01% ,居民生活用水、
工农业用水、树木生长共消耗水量 6. 90伊106 m3,占
流域总入水量的 0. 21% . 根据模型对 2007 年研究
区水量平衡模拟,其水量平衡误差只有 1. 00% .
由图 9 可见,模型对 2007 年每月径流量有较好
的模拟效果. 5、6 月为雨季之初,降雨量增大,研究
区植被在经历了漫长且缺水的冬季后,正处于缺水
状态,此时的苔藓层及土壤层等都具有很强的蓄水、
保水作用,因而降水大部分被植被层和土壤层吸收,
未能到达河流,实测径流量较小;同时,5、6 月的日
照辐射不是很强,植被刚刚进入生长季,蒸散发量较
小,因此模型计算得到的径流量相对较大. 8、9 月的
降水减少,但由于经历了夏季长时间的供雨,土壤水
分充足,并且不断地向河流中释放水分,因此实际径
流量呈缓慢下降趋势. 由于 8、9 月时植被生长速率
已开始减慢,从土壤中吸收的水分逐渐减少,且日照
辐射逐渐减弱,蒸散发量随之下降,因此模型计算得
到的径流量值偏低.
水量平衡验证法用模型模拟了从降雨到产生径
流的物理过程,将模拟得到的月径流量与实测径流
量进行比较.验证结果表明,水量平衡方程具有较低
误差,月径流有较好的模拟效果,说明模型可很好地
模拟研究区水循环过程. 该模型可对研究区蒸散发
进行准确估算.
3摇 讨摇 摇 论
本文将改进的 DHSVM模型应用于黑龙江省塔
8561 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
河地区,基于气象观测资料、遥感数据和土壤数据,
估算了研究区 2007 年日蒸散发,并采用改进的 BP
神经网络和水量平衡法对估算结果进行检验. 结果
表明,该模型估算得到的塔河地区日蒸散发结果是
合理的,该模型可以很好地应用于塔河流域. 2007
年研究区年总蒸散发量为 234. 01 mm,蒸散发量与
降雨量之比(ET / P)为 0. 64. 研究区蒸散发量与季
节的变化相关,春季的蒸散发量较低,夏季蒸散发量
达到最大值,秋季有一定的回落,冬季蒸散发量最
小.蒸散发量与研究区土地覆盖类型相关,阔叶林的
蒸散发能力最强,其次为针阔混交林,针叶林最弱.
各土地覆盖类型的蒸散发在年内的变化趋势基本一
致,随着植被蒸散发能力的增强,各土地覆盖类型间
的蒸散发差异增大.
本研究利用遥感技术,结合气象资料反演研究
区地表蒸散发,遥感数据的空间连续性为反演蒸散
发提供了重要参数.由于遥感影像的瞬时性,采集数
据为研究区某一时刻的瞬时状态数据,所以反演得
到的地表参数每天是不变的,而实际的地表参数是
变化的,这对研究结果的准确性造成一定影响.在模
型参数的输入方面,由于缺乏实地测量数据,部分参
数仍沿用了原模型参数,由于原研究区位于
53郾 9878毅 N、105. 1188毅 W[17],从全球气候分布来
看,该区域与本研究区气候相似,参数有一定代表
性,但仍会对结果准确性造成一定影响.由于研究地
区没有蒸散发的连续实际观测数据,本文采用两种
方法进行模型验证,其一是采用 BP 网络模拟蒸散
发与径流量的关系,其二是用模型模拟从降雨到产
生径流的物理过程,最后用实测的径流量与模拟的
径流量进行比较.两种验证方法都获得了较高的验
证精度,为没有蒸散发实际观测数据情况下进行蒸
散发模拟研究提供了验证思路和方法.
参考文献
[1]摇 Zhang X鄄J (张新建), Yuan F鄄H (袁凤辉), Chen N鄄
N (陈妮娜), et al. Energy balance and evapotranspira鄄
tion in broad鄄leaved Korean pine forest in Changbai
Mountains. Chinese Journal of Applied Ecology (应用生
态学报), 2011, 19(3): 607-613 (in Chinese)
[2]摇 Rosenberg NJ, Blad BL, Verma SB. Microclimate: The
Biological Environment of Plants. 3nd Ed. New York:
John & Wiley Sons, 1983
[3]摇 Chen R鄄S (陈仁升), Kang E鄄S (康尔泗), Yang J鄄P
(杨建平), et al. Monthly evaporation capacity model
in mountainous region of Heihe Mainstream River. Hy鄄
drology (水文), 2002, 22(6): 5-10(in Chinese)
[4]摇 Zhao L鄄L (赵玲玲), Xia J (夏摇 军), Xu C鄄Y (许崇
育), et al. A review of evapotranspiration estimation
methods in hydrological models. Acta Geographica Sinica
(地理学报), 2013, 68(1): 127-135(in Chinese)
[5]摇 Arora VK. The use of the aridity index to assess climate
change effect on annual runoff. Journal of Hydrology,
2002, 265: 164-177
[6]摇 Dalezios NR, Loukas A, Bampzelis D. Spatial variabili鄄
ty of reference evapotranspiration in Greece. Physics and
Chemistry of the Earth, 2002, 27: 1031-1038
[7]摇 Da R鄄M (达日玛). Regional Evapotranspiration and
Application Based on MODIS Data. PhD Thesis. Ho鄄
hhot: Inner Mongolia Normal University, 2010 (in Chi鄄
nese)
[8]摇 Jiang S (姜摇 尚), Li F (李摇 飞), Chen L鄄F (陈立
峰). Research progress of remote sensing technology
application in distributed hydrological model. Journal of
Water Resources & Water Engineering (水资源与水工
程学报), 2013, 24(1): 174-180 (in Chinese)
[9]摇 Xu Z鄄X (徐宗学), Cheng L (程摇 磊). Research pro鄄
gress and application of distributed hydrological model.
Journal of Hydraulic Engineering (水利学报), 2010,
41(9): 1009-1017 (in Chinese)
[10]摇 Wood EF, Sivapalan M, Beven K, et al. Effects of spa鄄
tial variability and scale with implications to hydrologic
modelling. Journal of Hydrology, 1988, 102: 29-47
[11]摇 Donald JR. Snowcover Depletion Curves and Satellite
Snowcover Estimates for Snowmelt Runoff Modelling.
PhD Thesis. Waterloo: University of Waterloo, 1992
[12] 摇 Kite GW, Kouwen N. Watershed modelling using land
classifications. Water Resources Research, 1992, 28:
3193-3200
[13] 摇 Kite GW. Manual for the SLURP Hydrological Model.
Colombo, Canada: NHRI, 1995
[14]摇 Kouwen N, Soulis ED, Pietronitro A, et al. Grouped
response units for distributed hydrologic modelling.
Journal of Water Resources Planning and Management,
1993, 119: 289-305
[15]摇 Wigmosta MS, Vail LW, Lettenmaier DP. A distributed
hydrology鄄vegetation model for complex terrain. Water
Resources Research, 1994, 30: 1665-1679
[16]摇 Liu S鄄C (刘三超), Zhang W鄄C (张万昌), Gao M鄄F
(高懋芳), et al. Distributed hydrological model com鄄
bined with remote sensing for evapotranspiration re鄄
search. Scientia Geographica Sinica (地理科学 ),
2007, 27(3): 1-2 (in Chinese)
[17]摇 Chen JM, Chen XY, Ju WM, et al. Distributed hydro鄄
logical model for mapping evapotranspiration using re鄄
mote sensing inputs. Journal of Hydrology, 2005, 305:
15-39
[18] 摇 Xiao Q (肖 摇 强), Xiao Y (肖 摇 洋), Ouyang Z鄄Y
(欧阳志云), et al. Value assessment of the function of
the forest ecosystem service in Chongqing. Acta Ecologi鄄
95616 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 曲摇 迪等: 塔河森林生态系统蒸散发的定量估算摇 摇 摇 摇
ca Sinica (生态学报), 2014, 34(1): 1 -7( in Chi鄄
nese)
[19]摇 Chi L (迟摇 璐), Wang B鄄T (王百田), Cao X鄄Y (曹
晓阳), et al. Carbon storage of Chinese pine forest eco鄄
system in the central Shanxi Province. Journal of Arid
Land Resources and Environment(干旱区资源与环境),
2014, 28(2): 81-85(in Chinese)
[20]摇 Yang H鄄X (杨洪晓), Wu B (吴 摇 波), Zhang J鄄T
(张金屯), et al. Research progress of carbon seques鄄
tration and carbon reserves in forest ecosystem. Journal
of Beijing Normal University (Natural Science) (北京师
范大学学报·自然科学版), 2005, 41(2): 172-177
(in Chinese)
[21]摇 Wang S鄄Q (王绍强), Zhu S鄄L (朱松丽), Zhou C鄄H
(周成虎). Spatial variability characteristics of soil
thickness in China. Geographical Research (地理研
究), 2001, 20(2): 161-169 (in Chinese)
[22]摇 Zhu G鄄L (朱高龙), Ju W鄄M (居为民), Chen JM, et
al. Forest canopy leaf area index in Maoershan Mountain
ground measurement and remote sensing retrieval. Chi鄄
nese Journal of Applied Ecology (应用生态学报),
2010, 21(8): 2117-2124 (in Chinese)
[23]摇 Shangguan W, Dai YJ, Liu BY, et al. A soil particle鄄
size distribution database for regional land and climate
modeling in China. Geoderma, 2012, 171-172: 85-91
[24]摇 Li M鄄Z (李明泽). Biomass Estimation and Analysis of
the Northeast Forest by Remote Sensing. PhD Thesis.
Harbin: Northeast Forest University, 2010 (in Chinese)
作者简介摇 曲摇 迪,女,1988 年生,硕士.主要从事森林经理
学、林业遥感研究. E鄄mail: jycherryq@ 126. com
责任编辑摇 杨摇 弘
封 面 说 明
封面照片由上海辰山植物园王樟华提供. 天童国家森林公园位于浙江省鄞县东南部,地处
29毅48忆 N, 121毅47忆 E,面积 349 hm2,最高峰太白山海拔 650 m. 迄今已有 1700 年的历史,素有“东
南佛国冶之称的天童寺坐落其中.寺院东、北、西三面环山,森林植被保存良好,是浙东丘陵地带性
植被类型中一块难得的代表性地段.区域内森林覆盖率达 87% ,植物种类丰富,有种子植物 148 科
968 种,蕨类植物 24 科 99 种 9 变种,苔藓植物 47 科 170 种,形成以栲树、木荷、米槠、云山青冈等为
优势种的常绿阔叶林生态系统,反映了中亚热带东部低海拔森林生态系统的典型特征.自 20 世纪
80 年代,我国植被生态学家宋永昌先生在此开展长期定位研究工作.经过近 10 年的研究积累,于
1992 年正式设立浙江天童森林生态系统国家野外科学观测研究站,并于 2010 年建成 20 hm2 大样
地,成为中国乃至世界森林长期定位研究中不可或缺的一员.
0661 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷