全 文 :书基于 犕犗犇犐犛影像的藏北高寒
草甸的蒸散模拟
付刚1,2,沈振西1,张宪洲1,武建双1,2,石培礼1
(1.中国科学院地理科学与资源研究所 生态系统网络观测与模拟重点实验室 拉萨高原生态系统研究站,
北京100101;2.中国科学院研究生院,北京100049)
摘要:在高寒草甸生态系统中,蒸散(evapotranspiration,ET)是水循环中一个非常重要的组成部分。为了更好的模
拟蒸散,本研究计算了生态系统尺度的水分利用效率(WUEEC)。相关分析和多重逐步线性回归分析结果表明,影
响 WUEEC的主要因子为归一化植被指数(NDVI)、空气相对湿度(Ha)和显热通量(H)。在此基础上,分别建立了
WUEEC与NDVI、Ha和 H的线性回归方程(其中,H的模拟值 WUEH和 WUEEC差异显著),利用建立的 WUEEC的
回归方程和植被光合模型(VPM)估计的总初级生产力(GPPVPM)模拟了生态系统尺度的蒸散。模拟的蒸散(NDVI
的模拟值ETNDVI,Ha的模拟值ETHa)和通量观测的蒸散(ETEC)的简单线性方程分别为ETNDVI=1.2985ETEC(犚2
=0.8029,狀=46,犘<0.0001)和ETHa=1.3118ETEC(犚2=0.7487,狀=46,犘<0.0001),这表明ETNDVI和ETHa都
能够比较准确地反应ETEC,但仍然存在较大的差异,本研究采用多重逐步线性回归的方法定量分析了造成该差异
的原因:ETEC和ETNDVI的差异(ETEC-ETNDVI)主要受光合有效辐射(PAR)和GPPVPM的影响;而ETEC和ETHa的差
异(ETEC-ETHa)主要受PAR、GPPVPM和增强型植被指数(EVI)的影响。
关键词:蒸散;水分利用效率;植被光合模型;藏北高原;高寒草甸
中图分类号:S161.4;S81205 文献标识码:A 文章编号:10045759(2010)05010310
蒸散(evapotranspiration,ET)包括植被蒸腾(vegetationtranspiration)和土壤蒸发(soilevaporation)2个部
分,它是一个水从土壤、植被向大气输送的过程。在全球尺度上,几乎2/3的降水将以蒸散的形式归还给大气[1]。
同时在大多数生态系统中,蒸散是水分收支平衡关系中的第二大组成部分[2],因此,蒸散在水循环过程中是一个
非常重要的因子。
遥感以其独特的优势为点到面的外推提供了可能,因此,遥感模型被极力推荐作为大区域连续蒸散管理的方
法[3,4]。近年来,已有很多研究成功地运用遥感方法对蒸散进行了模拟[1,3,512]。
目前,物理模型和经验模型是2种常用的预测蒸散的方法[3]。物理模型是建立在表面能量平衡概念基础上
的,通过能量平衡等式对蒸散进行预测。其中,PenmanMonteith模型就是一个被广泛运用的蒸散物理模
型[1316]。但是,PenmanMonteith蒸散模型自身存在缺点,它需要气象数据、空气动力学表面阻力参数作为输入
因子[3],这就限制了该模型的实际运用。而经验模型主要是建立植被指数(vegetationindices,VI)与蒸散间的统
计关系并以此为基础对蒸散进行预测。近年来,已有一些研究者成功利用经验统计模型,将涡度相关技术得到的
水、碳通量外推到区域尺度。Zhang等[3]在森林生态系统中建立了增强型植被指数(enhancedvegetationindi
ces,EVI)和蒸散间的关系。Nagler等[17]则指出通量观测的蒸散和EVI有着很强的线性关系。Cleugh等[7]则
利用通量数据和PenmanMonteith模型对蒸散进行了成功的模拟。这些研究结果为基于遥感和通量观测的蒸
散模拟提供了可靠依据。
很多研究并不是直接模拟蒸散,而是利用遥感对蒸散比(蒸散和可利用能量的比值)或者水分利用效率(wa
teruseefficiency,WUE)进行估计的方式间接模拟蒸散[1,3,5,11,12]。
第19卷 第5期
Vol.19,No.5
草 业 学 报
ACTAPRATACULTURAESINICA
103-112
2010年10月
收稿日期:20091103;改回日期:20091129
基金项目:国家科技支撑计划项目(2006BAC01A04,2007BAC06B01)和国家自然基金项目(40771121)资助。
作者简介:付刚(1984),男,河北保定人,在读博士。Email:fugang09@126.com
通讯作者。Email:shenzx@igsnrr.ac.cn
高寒草甸是青藏高原典型植被之一,面积约1.2×106km2,相当于西藏全区草地总面积的30.92%;它在亚
洲中部高寒环境以及世界高寒地区都具有代表性[18]。因此,对于高寒草甸生态系统的蒸散研究就显得非常有意
义。基于此,本研究利用中分辨率成像光谱仪(moderateresolutionimagingspectroradiometer,MODIS)影像数
据和通量观测数据模拟了藏北高寒草甸生态系统的蒸散。
本研究的蒸散模型是建立在总初级生产力(grossprimaryproductivity,GPP)和 WUE之比的概念上的。首
先,利用植被指数和气象数据建立 WUE模型,然后利用植被光合模型模拟的GPP和 WUE模型对蒸散进行模
拟。
1 材料与方法
1.1 研究地概况
通量观测系统(91°04′E,30°30′N)位于拉萨市当雄县草原站,该站距当雄县城约3km,地处念青唐古拉山
的南缘,属丘间盆地类型,地势平坦。当雄县素有拉萨北大门之称,平均海拔4200m,位于藏北藏南的交错地
带。该地区属于高原性季风气候。降水量有明显的季节之分,80%的降水集中在生长季节的6-8月份。冰冻期
较长,持续3个月(11月至翌年1月)。土壤类型为高寒草甸土,土壤厚度30~50cm。植物根系主要分布在0~
20cm土层内。植被类型属于典型的藏北嵩草草甸植被,主要的植被类型有藏北嵩草(犓狅犫狉犲狊犻犪犾犻狋狋犾犲犱犪犾犲犻)沼泽
草甸和草原化小嵩草(犓.狆犪狉狏犪)草甸。草原化小嵩草草甸的建群种主要有小嵩草、丝颖针茅(犛狋犻狆犪犮犪狆犻犾犾犪
犮犲犪)、窄叶苔草(犆犪狉犲狓犿狅狀狋犻狊犲狏犲狉犲狊狋犻犻)等,伴生有多种密丛生嵩草。
1.2 野外数据
通量数据和气象数据取自当雄通量观测系统,该通量观测系统以开路涡度相关系统(openpatheddycovari
ancesystem)为主,并对常规气象要素进行观测。该系统自2003年7月份开始运行。常规气象要素主要包括光
合有效辐射、空气温/湿度、水汽压、降水量、土壤温/湿度和显热/潜热通量等。
本研究将光合有效辐射(photosyntheticalyactiveradiation,PAR)>10μmol/(m
2·s)时作为白天,而光合
有效辐射(PAR)≤10μmol/(m
2·s)时作为晚上。摩擦风速u的阈值采用了0.15m/s。本研究假定白天和晚
上的生态系统呼吸对温度的响应一致,因此,可以利用晚上的生态系统呼吸模拟方程和白天的土壤温度估计白天
的生态系统呼吸。首先,利用Van’tHoff指数关系,将晚上的u >0.15m/s的净生态系统交换量(nighttime
netecosystemexchange,NEEn)数据和土壤5cm处的温度(soiltemperature,Ts)进行拟合,式(1)。然后根据拟
合的方程和白天5cm的土壤温度估计白天的生态系统呼吸(ecosystemrespiration,Re),用白天的净生态系统交
换量(daytimenetecosystemexchange,NEEd)减去估计的白天的生态系统呼吸(Re)就可以得到总初级生产力
GPP,式(2)。利用GPP和PAR的关系,可以对缺失的GPP进行插补,进而可以将GPP合成为每8d的GPP,
从而可以与 MODIS数据进行匹配。
犖犈犈狀=犫0exp(犫1犜狊) (1)
犌犘犘=犖犈犈犱-犚犲 (2)
本研究中的生态系统水平的水分利用效率 WUE(gC/mmH2O)指的是每8d的GPP和ET之比。利用通
量观测系统可以得到每8d的GPPEC和ETEC,进而可以求得通量观测的水分利用效率(WUEEC)。
1.3 MODIS数据及植被指数
本研究利用了MODIS的MOD09A1数据产品,该产品包括每8d的7个波段的反射率值和一些质量控制数
据等。这7个波段分别对应可见光波段的红波段(620~670nm)、蓝波段(459~479nm)、绿波段(545~565
nm),2个近红外波段(841~876nm,1230~1250nm)和2个短波红外波段(1628~1652nm,2105~2155
nm)。本研究利用了红波段、近红外波段(841~876nm)、蓝波段和短波红外波段(1628~1652nm)分别计算了
归一化植被指数(normalizeddifferencevegetationindices,NDVI)、增强型植被指数(enhancedvegetationindi
ces,EVI)和陆地表面水分指数(landsurfacewaterindices,LSWI)。
犖犇犞犐=ρ狀犻狉-ρ狉犲犱
ρ狀犻狉+ρ狉犲犱
(3)
401 ACTAPRATACULTURAESINICA(2010) Vol.19,No.5
犈犞犐=犌× ρ狀犻狉-ρ狉犲犱
ρ狀犻狉+(犆1×ρ狉犲犱-犆2×ρ犫犾狌犲)+犔
(4)
犔犛犠犐=ρ狀犻狉-ρ狊狑犻狉
ρ狀犻狉+ρ狊狑犻狉
(5)
式中,ρ狉犲犱、ρ狀犻狉和ρ犫犾狌犲分别是MODIS传感器第1,2和3波段的数据,而ρ狊狑犻狉是第6波段的数据。系数犌=2.5,犆1=
6,犆2=7.5,犔=1[19,20],其中犆1 和犆2 是气溶胶等大气影响物的校正系数;犔是冠层背景和雪覆盖校正系数[19,21]。
1.4 模型的构建
蒸散ET是利用GPP和 WUE得到的,即:
犈犜=犌犘犘犠犝犈
(6)
犠犝犈=犳(犞犐狊,犜犪,…) (7)
犌犘犘是通过光合植被模型(vegetationphotosyntheticmodel,VPM)估计的。式中,犞犐狊表示植被指数,犜犪
表示空气温度。关于VPM的详细介绍可参照Xiao等[2225]文献。
为了得到 WUE方程,即方程(7),对通量塔观测的生长季节(5-10月)的水分利用效率(WUEEC)和植被指
数(NDVI、EVI和LSWI)的关系,以及 WUEEC和气象数据[包括光合有效辐射(photosyntheticalyactiveradia
tion,PAR)、空气温度(airtemperature,Ta)、空气相对湿度(relativeairhumidity,Ha)、土壤含水量(soilwater
content,SWC)、水汽压(vaporpressure,Pv)、降水(precipitation,Precip)、潜热通量(latentheatflux,LE)和显热
通量(sensibleheatflux,H)]的关系进行了分析。
2 结果与分析
2.1 水分利用效率的模拟
简单的线性相关分析表明,WUE和 NDVI(狉=0.616)、EVI(狉=0.584)、LSWI(狉=0.472)、SWC(狉=
0.414)、H(狉=-0.587)以及PAR(狉=-0.461)都达到了极显著水平;并且和Ha(狉=0.350)、Pv(狉=0.345)也达
到了显著性水平;而和Ta(狉=0.145)、Precip(狉=0.236)、LE(狉=-0.058)没有达到显著性水平。
NDVI、EVI、LSWI、SWC、H、PAR、Ha和Pv(这8个因子和 WUE的相关性都达到了显著性水平)的相关分
析结果表明(表1),每个因子都至少和其中4个其他因子的相关性达到了显著或极显著水平,说明没有必要将这
8个因子同时用来模拟 WUE,而只需要从中筛选出1~3个因子即可。所采用的筛选方法是多重逐步线性回归
分析,使用软件是SAS9.1。
表1 与水分利用效率有显著相关关系的8个因子间的相关分析
犜犪犫犾犲1 犆狅狉狉犲犾犪狋犻狅狀犪狀犪犾狔狊犻狊犪犿狅狀犵8犳犪犮狋狅狉狊狑犺犻犮犺犪犾犺犪狏犲狊犻犵狀犻犳犻犮犪狀狋
犮狅狉狉犲犾犪狋犻狅狀狑犻狋犺狑犪狋犲狉狌狊犲犲犳犳犻犮犻犲狀犮狔
指标
Index
归一化植被
指数NDVI
增强型植被
指数EVI
陆地表面水分
指数LSWI
光合有效辐射
PAR
土壤含水量
SWC
水汽压
Pv
空气相对湿度
Ha
显热通量
H
归一化植被指数NDVI 1
增强型植被指数EVI 0.972 1
陆地表面水分指数LSWI 0.868 0.854 1
光合有效辐射PAR -0.374 -0.294 -0.251 1
土壤含水量SWC 0.830 0.755 0.790 -0.294 1
水汽压Pv 0.722 0.691 0.860 -0.239 0.713 1
空气相对湿度 Ha 0.606 0.524 0.675 -0.595 0.691 0.811 1
显热通量 H -0.782 -0.722 -0.643 0.653 -0.666 -0.701 -0.785 1
注: 和 分别表示显著性达到0.05和0.01水平。
Note:andsignificantatthe0.05and0.01probabilitylevels,respectively.
501第19卷第5期 草业学报2010年
鉴于截距项可能会影响自变量因子进入回归方程的机会,因此,对有截距项和无截距项2种情况分别进行了
多重逐步线性回归分析。无论是否考虑截距项,都是 NDVI入选,决定系数犚2 分别为0.3626(有截距项)和
0.8930(无截距项);且考虑截距项时,截距项并没有达到显著水平(犘=0.8617),说明,此时截距项对解释 WUE
意义不大,因此,本研究只考虑没有截距项的 NDVI模拟的 WUE回归方程(WUENDVI=1.2550NDVI,犘<
0.0001,狀=46)。
如果只对气象因子(SWC、H、PAR、Ha和Pv)和 WUE进行多重逐步线性回归分析,则考虑截距项时,H入
选(WUEH=-0.0108H+0.7411,犚2=0.3264,犘=0.0001,狀=46);而不考虑截距项时,Ha入选(WUEHa=
0.6297Ha,犚2=0.8486,犘<0.0001,狀=46)。因此,虽然Ha和 WUE的相关系数的绝对值小于H和 WUE的
绝对值,但 Ha比 H更能解释 WUE的变异程度。
H和Ha都能够在一定程度上解释 WUE的变异性,但是如果将两者同时引入到 WUE回归方程中,会使得
其中一个因子的估计值不能达到显著水平,这可能与两者的相关性较高有关(狉=-0.785,犘<0.01)。
简单线性相关分析和多重逐步线性回归分析结果表明,不同因子对 WUE的影响程度不同。
2.2 水分利用效率(WUE)的季节变化和年际动态
经T检验,WUEEC和 WUENDVI、WUEHa都没有显著性差异,而和 WUEH有显著性差异,这可能和 WUE模
拟方程的犚2 值有关(NDVI和Ha模拟的方程的犚2 值都在0.8以上,而 H 模拟的犚2 值则不到0.33)。同时,
WUENDVI和 WUEHa也没有显著性差异,且都与 WUEH有显著性差异。这表明,H对 WUE的模拟效果最差。
WUEEC和模拟的水分利用效率(WUENDVI、WUEHa和 WUEH)都表现出了明显的季节变化(图1,表2):基本
上为单峰曲线,峰值一般出现在生长旺季的7-8月份;总的来说,返青期(第121~152天)和枯黄期(第249~
304天)都比生长期(第153~248天)的小。
图1 通量观测的水分利用效率和模拟的水分利用效率的季节变化
犉犻犵.1 犛犲犪狊狅狀犪犾犮犺犪狀犵犲狅犳狅犫狊犲狉狏犲犱狑犪狋犲狉狌狊犲犲犳犳犻犮犻犲狀犮狔犪狀犱犿狅犱犲犾犲犱狑犪狋犲狉狌狊犲犲犳犳犻犮犻犲狀犮狔
WUEEC:通量观测的水分利用效率Observedwateruseefficiencybyfluxobservation;WUENDVI:NDVI模拟的水分利用效率 Modeledwateruse
efficiencybyNDVI;WUEHa:空气相对湿度模拟的水分利用效率 Modeledwateruseefficiencybyrelativeairhumidity;WUEH:显热通量模拟的水
分利用效率 Modeledwateruseefficiencybysensibleheatflux
2004-2005年 WUE的年际变化趋势(表2)是:返青期,除了2004年的 WUEEC大于2005年的 WUEEC外,
模拟值都是2004年的小于2005年;生长期的值则都是2004年的大于2005年;枯黄期,WUEEC和 WUEH都是
2004年的大于2005年,而 WUENDVI和 WUEHa则是2004年的小于2005年。
601 ACTAPRATACULTURAESINICA(2010) Vol.19,No.5
2.3 蒸散(ET)的季节变化和年际动态
通量 观 测 的 蒸 散 (ETEC)和 模 拟 的 蒸 散
(ETNDVI、ETHa和ETH)的季节变化趋势一致(图2,
表3):ET曲线为单峰曲线,模拟的ET曲线峰值出
现在生长旺季的7-8月份;返青期(第121-152
天)和枯黄期的值(第249-304天)都比生长期(第
153-248天)的小。
2004-2005年ET的年际变化趋势(表3)是:
返青期的值都是2004年的大于2005年;生长期,除
了2004年的ETNDVI小于2005年外,ETEC、ETHa和
ETH 都是2004年的大于2005年;枯黄期则都是
2004年的小于2005年。2005年返青期的ETHa和
ETH 的平均数小于其标准差(表3),这说明 Ha和
H对返青期的ET的模拟效果较差。
表2 不同物候期的水分利用效率比较
犜犪犫犾犲2 犇犻犳犳犲狉犲狀狋狆犺狅狀狅犾狅犵犻犮犪犾狑犪狋犲狉狌狊犲犲犳犳犻犮犻犲狀犮狔
gC/mmH2O
因子
Factors
年份
Year
返青期
Seedlingperiod
生长期
Growingseason
枯黄期
Wiltperiod
通量观测Flux 2004 0.240±0.045 0.500±0.194 0.424±0.192
observations 2005 0.068±0.019 0.410±0.162 0.355±0.183
归一化植被 2004 0.185±0.029 0.503±0.101 0.355±0.086
指数NDVI 2005 0.190±0.038 0.403±0.110 0.409±0.087
空气相对湿度 2004 0.282±0.128 0.467±0.026 0.351±0.071
Ha 2005 0.371±0.086 0.434±0.056 0.397±0.048
显热通量 2004 0.215±0.065 0.295±0.058 0.378±0.167
H 2005 0.254±0.079 0.278±0.063 0.319±0.050
图2 通量观测的蒸散和模拟的蒸散季节变化
犉犻犵.2 犛犲犪狊狅狀犪犾犮犺犪狀犵犲狅犳狅犫狊犲狉狏犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀犪狀犱犿狅犱犲犾犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀
ETEC:通量观测的蒸散 Observedevapotranspirationbyfluxobservation;ETNDVI:NDVI模拟的蒸散 ModeledevapotranspirationbyNDVI;
ETHa:空气相对湿度模拟的蒸散 Modeledevapotranspirationbyrelativeairhumidity;ETH:显热通量模拟的蒸散 Modeledevapotranspirationby
sensibleheatflux
2004和2005年枯黄期的最后一个8天(第297~304天)的ET量都为0(图2),这主要是因为用VPM估计
GPP时,由于此阶段的空气温度已经低于本研究在该模型中设定的最小空气温度(0℃),从而使得此时的GPP
值为0。
2004年和2005年生长季节(5-10月份)的ETEC、ETNDVI、ETHa和ETH 总量分别为541.716,678.646,
713.321,1081.969和407.042,697.108,655.209,1026.448mmH2O/m2。这些数据表明,模拟的生长季节的
ET总量大于ETEC总量,其中ETH 总量最大;除了ETNDVI外,2005年生长季节的ET总量小于2004年的;2004
年生长季节的ETNDVI总量小于ETHa总量,而2005年生长季节的ETNDVI总量则大于ETHa总量。
701第19卷第5期 草业学报2010年
2.4 观测的蒸散(ETEC)和模拟的蒸散(ETH、ETHa
和ETNDVI)的比较
通量观测的蒸散(ETEC)和模拟的蒸散(ETH、
ETHa和ETNDVI)的简单线性回归(图3,表4)表明,
2004年的模拟值比2005年的更接近于 ETEC,即
2004年的模拟结果好于2005年的;ETHa和ETNDVI
比较接近,且都小于ETH,即H的模拟效果最差,这
与前面提到的 H 对 WUE的模拟效果最差一致;
2004年NDVI的模拟效果好于 Ha的模拟效果,而
2005年则是Ha的模拟效果好于NDVI的。
2004-2005年2个生长季的 ETEC和 ETHa、
ETNDVI的线性回归方程分别是ETHa=1.3118ETEC
(犚2=0.7487,狀=46,犘<0.0001)和 ETNDVI=
1.2985ETEC(犚2=0.8029,狀=46,犘<0.0001),表
明NDVI的模拟效果好于Ha。
表3 不同物候期的蒸散比较
犜犪犫犾犲3 犇犻犳犳犲狉犲狀狋狆犺狅狀狅犾狅犵犻犮犪犾犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀
mmH2O/m2·d
因子
Factors
年份
Year
返青期
Seedlingperiod
生长期
Growingseason
枯黄期
Wiltperiod
通量观测Flux 2004 1.989±1.791 3.878±0.934 1.889±1.135
observations 2005 1.327±0.102 2.679±0.437 1.918±0.929
归一化植被 2004 3.513±0.690 4.491±1.202 2.413±1.804
指数NDVI 2005 2.792±2.470 4.862±1.248 2.519±1.762
空气相对湿度 2004 2.723±1.572 4.987±1.932 2.632±2.390
Ha 2005 1.908±2.444 4.527±1.637 2.850±2.246
显热通量 2004 3.278±1.425 8.216±3.854 3.363±3.336
H 2005 3.224±4.526 7.225±2.640 4.101±3.823
图3 通量观测的蒸散和模拟的蒸散的线性拟合
犉犻犵.3 犔犻狀犲犪狉犳犻狋狋犻狀犵犫犲狋狑犲犲狀犿狅犱犲犾犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀犪狀犱狅犫狊犲狉狏犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀
ETH:显热通量模拟的蒸散Modeledevapotranspirationbysensibleheatflux;ETNDVI:归一化植被指数模拟的蒸散Modeledevapotranspirationby
NDVI;ETHa:空气相对湿度模拟的蒸散 Modeledevapotranspirationbyrelativeairhumidity;┄┄:ETH 和ETEC的拟合直线Linearfittingbetween
ETHandETEC;———:ETHa和ETEC的拟合直线LinearfittingbetweenETHaandETEC;……:ETNDVI和ETEC的拟合直线Linearfittingbetween
ETNDVIandETEC
为了定量分析蒸散差值(ETEC-ETHa和ETEC-ETNDVI)的影响因子,本研究对蒸散差值和一些可能会造成
该差值的11个因子(包括 WUEHa/WUENDVI、GPPVPM、NDVI、LSWI、EVI、SWC、PAR、Ha、Pv、H和LE)进行了
简单的线性相关分析和多重逐步线性回归分析。
简单的相关分析表明:ETEC-ETHa和PAR、GPPVPM、NDVI、EVI、LSWI、WUENDVI的相关性分别都达到了显
著或极显著水平,和其他5个因子的相关性没有达到显著性水平;而ETEC-ETNDVI和Ha、PAR、GPPVPM、WUEHa
的相关性分别都达到了极显著水平,和其他7个因子的相关性没有达到显著性水平。
801 ACTAPRATACULTURAESINICA(2010) Vol.19,No.5
多重逐步线性回归分析结果表明,ETEC-ETHa
和ETEC-ETNDVI的回归方程分别是ETEC-ETHa=
0.0457PAR+2.4054GPPVPM -4.6064EVI-
0.0464LE(犚2=0.9425,犘<0.0001,狀=46)和
ETEC-ETNDVI=0.0501PAR+1.3220GPPVPM-
1.8391EVI-0.0363LE(犚2=0.9084,犘<0.0001,
狀=46)。
3 讨论
3.1 水分利用效率(WUE)的影响因子
影响 WUE的因子很多,包括来自植物的内在
因子和来自环境的外在因子[26,27]。不同的研究者
对此的看法不尽相同。黄立华等[28]在对羊草
(犔犲狔犿狌狊犮犺犻狀犲狀狊犻狊)受苏打盐碱胁迫下的 WUE进
行研究时指出,随着盐碱迫害程度的增大,WUE有
表4 通量观测的蒸散和模拟的蒸散的
线性回归方程(狀=23)
犜犪犫犾犲4 犔犻狀犲犪狉狉犲犵狉犲狊狊犻狅狀犲狇狌犪狋犻狅狀狊犫犲狋狑犲犲狀狅犫狊犲狉狏犲犱
犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀犪狀犱犿狅犱犲犾犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀
犳狉狅犿2004狋狅2005,狉犲狊狆犲犮狋犻狏犲犾狔
模拟因子
Modeledfactors
年份
Year
回归方程
Regressionequations
决定系数
犚2
显著性
概率犘
显热通量 2004 ETH=1.86137ETEC 0.72307 <0.0001
H 2005 ETH=2.58352ETEC 0.81528 <0.0001
空气相对 2004 ETHa=1.15935ETEC 0.71288 <0.0001
湿度 Ha 2005 ETHa=1.63070ETEC 0.83281 <0.0001
归一化植被 2004 ETNDVI=1.10907ETEC 0.81887 <0.0001
指数NDVI 2005 ETNDVI=1.69086ETEC 0.85706 <0.0001
所提高。刘国利等[29]在研究紫花苜蓿(犕犲犱犻犮犪犵狅狊犪狋犻狏犪)WUE时指出,水分胁迫可提高紫花苜蓿的 WUE。孙
洪仁等[30]指出,紫花苜蓿不同茬次间的 WUE有差异。郑有飞等[31]对小麦(犜狉犻狋犻犮狌犿犪犲狊狋犻狏狌犿)的 WUE的研究
结果显示,影响 WUE的主要因子为光照、相对湿度、气孔传导率和土壤肥力等。杨秀芳等[32]则指出,WUE随光
合有效辐射通量密度的增大呈抛物线状变化。Hatfield等[33]指出土壤管理措施(如耕种)能够增加25%~40%
的 WUE。邵新庆等[34]则认为麦草覆盖和免耕技术是提高 WUE的重要措施之一。Oweis等[35]研究表明,WUE
受灌溉、氮素和播种期的影响。Alfieri等[1]在用植被蒸腾模型对美国大平原草地的蒸腾效率进行模拟时,则假定
WUE是个恒值。Zhang等[3]在对长白山地区森林的ET进行遥感模拟时指出,ET和NDVI、EVI以及空气温度
的相关性很高,且和EVI的关系强于和NDVI的关系。
本研究结果表明,WUE和NDVI的关系最为密切;在只考虑气候因子的情况下,WUE和 H、Ha的关系最
为密切。WUE和NDVI的相关关系强于 WUE和EVI的,这一点和Zhang等[3]的结果恰好相反,这可能和植被
类型有关[3640],本试验研究的是藏北地区的高寒草甸,而Zhang等[3]研究的是东北地区长白山的森林植被。除
此之外,WUE还受到CO2 的影响[41]。
3.2 通量观测的蒸散(ETEC)和模拟的蒸散(ETHa和ETNDVI)
简单的线性相关分析和多重逐步回归分析结果都显示 NDVI是最好的模拟 WUE的因子。虽然2004年
NDVI的ET模拟效果好于 Ha的模拟效果,而2005年则是 Ha的模拟效果好于 NDVI的,但是综合2004和
2005年2个生长季节的ET数据,可以得到NDVI的模拟效果好于 Ha的。总之,在研究的时间段内,NDVI是
反应高寒草甸植被生态系统的 WUE和ET的最好因子。
模拟的蒸散值大于通量观测值(图2,表4),尤其是2005年的更为明显,即观测的蒸散和模拟的蒸散间存在
着不一致。产生不一致的可能原因来自2个方面,一是 WUE的模拟;二是GPP的模拟。WUE的模拟是基于
NDVI或气候数据(Ha和H);GPP的模拟是基于VPM。所有影响 WUE和GPP模拟的因子都可能造成观测蒸
散和模拟蒸散间的不一致。虽然NDVI或Ha模拟的 WUE方程能够解释84%以上的 WUE变异,且模拟的水
分利用效率(WUENDVI和 WUEHa)和观测的水分利用效率(WUEEC)间差异不显著,但是模拟的水分利用效率并
没有100%解释 WUEEC的变异,即模拟的水分利用效率和 WUEEC间仍存在某种或几种因素能够解释不足16%
的 WUEEC变异。植被光合模型模拟的总初级生产力(GPPVPM)和通量观测的总初级生产力(GPPEC)两者间的差
异并不显著,但该差异仍可能会对蒸散的模拟造成影响,关于可能会对GPP的模拟产生影响的因素的相关介绍
可参照Xiao等的研究[2225]。
观测的蒸散和模拟的蒸散的差值(ETEC-ETHa和ETEC-ETNDVI)的多重逐步线性回归分析结果显示,观测
901第19卷第5期 草业学报2010年
的蒸散和模拟的蒸散间的差异主要由PAR、GPPVPM、EVI和LE共同解释(犚2>0.90)。与此同时,相关分析结果
表明,ETEC-ETHa和其中的PAR、GPPVPM、EVI的相关性分别都达到了显著性水平;而ETEC-ETNDVI和其中的
PAR、GPPVPM的相关性分别都达到了极显著水平。因此,ETEC-ETHa主要受PAR、GPPVPM和EVI的影响;而
ETEC-ETNDVI主要受PAR和GPPVPM的影响。GPP是ET模拟中的一个关键因子,因此,GPP对观测蒸散和模
拟蒸散间的不一致可能会产生影响。PAR不仅是VPM 中的一个重要参数[2225],对于GPPVPM的模拟有直接影
响,而且和 WUE的相关性达到了极显著水平,即PAR对于本研究所采用的蒸散模拟方法中的GPP和 WUE都
会产生影响。在VPM中,EVI被用来估计冠层尺度的叶绿素吸收的PAR的比例[2225],是GPPVPM模拟的一个重
要因子,同时EVI和 WUE的相关性达到了极显著水平,因此,对于观测蒸散和模拟蒸散间的不一致也可能会产
生一定的影响。总之,对于观测的蒸散和模拟的蒸散间的不一致而言,PAR和GPPVPM是2个非常重要的因子。
4 结论
影响水分利用效率(WUE)的植被指数主要为NDVI,其模拟的水分利用效率(WUENDVI)和通量观测的水分
利用效率(WUEEC)间差异不显著。
影响 WUE的气象因子主要是Ha和H,其中Ha模拟的水分利用效率(WUEHa)和 WUEEC差异也不显著,
而H模拟的水分利用效率(WUEH)和 WUEEC差异显著。
WUE和ET都存在着季节变化和年际动态,它们的季节变化趋势为单峰曲线,峰值一般出现在生长旺季的
7-8月份。2004年NDVI的ET模拟效果好于Ha的模拟效果,而2005年则是 Ha的模拟效果好于NDVI的,
因此,模拟的2004和2005年生长季节的ET总量分别为678.646mm H2O/m2(来自 NDVI的模拟结果)和
655.209mmH2O/m2(来自Ha的模拟结果)。
通量观测的蒸散(ETEC)和NDVI模拟的蒸散(ETNDVI)间的差异ETEC-ETNDVI主要受PAR和GPPVPM的影
响;而ETEC和Ha模拟的蒸散(ETHa)间的差异ETEC-ETHa主要受PAR、GPPVPM和EVI的影响。
参考文献:
[1] AlfieriJG,XiaoXM,NiyogiD,犲狋犪犾.SatelitebasedmodelingoftranspirationfromthegrasslandsintheSouthernGreat
Plains,USA[J].GlobalandPlanetaryChange,2009,67:7886.
[2] NachabeM,ShahN,RossM,犲狋犪犾.Evapotranspirationoftwovegetationcoversinashalowwatertableenvironment[J].
SoilScienceSocietyofAmericaJournal,2005,69(2):492499.
[3] ZhangJH,HuYL,XiaoXM,犲狋犪犾.Satelitebasedestimationofevapotranspirationofanoldgrowthtemperatemixedforest[J].
AgriculturalandForestMeteorology,2009,149:976984.
[4] VerstraetenW W,VeroustraeteF,FeyenJ.EstimatingevapotranspirationofEuropeanforestfromNOAAimageryatsatelite
overpasstime:Towardsanoperationalprocessingchainforintegratedopticalandthermalsensordataproducts[J].Remote
SensingofEnvironment,2005,96(2):256276.
[5] VenturimV,IslamS,RodriguezL.Estimationofevaporativefractionandevapotranspirationfrom MODISproductsusinga
complementarybasedmodel[J].RemoteSensingofEnvironment,2008,112:132141.
[6] SuleimanA,CragoR.Hourlyanddaytimeevapotranspirationfromgrasslandusingradiometricsurfacetemperatures[J].
AgronomyJournal,2004,96:384390.
[7] CleughH A,LeuningR,MuQZ,犲狋犪犾.RegionalevaporationestimatesfromfluxtowerandMODISsatelitedata[J].
RemoteSensingofEnvironment,2007,106:285304.
[8] HolifieldCD,McElroyS,MoranMS,犲狋犪犾.TemporalandspatialchangesingrasslandtranspirationdetectedusingLandsat
TMandETM+imagery[J].CanadianJournalofRemoteSensing,2003,29:259270.
[9] NishidaK,NemaniRR,RunningSW,犲狋犪犾.Anoperationalremotesensingalgorithmoflandsurfaceevaporation[J].
JournalofGeophysicalResearch,2003,108:114.
[10] KustasWP,NormanJM.Useofremotesensingforevapotranspirationmonitoringoverlandsurfaces[J].HydrologicalSci
ences,1996,41(4):495516.
011 ACTAPRATACULTURAESINICA(2010) Vol.19,No.5
[11] BatraN,IslamS,VenturiniV,犲狋犪犾.Estimationandcomparisonofevapotranspirationfrom MODISandAVHRRsensors
forclearskydaysovertheSouthernGreatPlains[J].RemoteSensingofEnvironment,2006,103:115.
[12] VenturiniV,BishtG,IslamS,犲狋犪犾.ComparisonofevaporativefractionsestimatedfromAVHRRandMODISsensorsover
SouthFlorida[J].RemoteSensingofEnvironment,2004,93:7786.
[13] daSilvaVDR,deAzevedoPV,daSilvaBB.SurfaceenergyfluxesandevapotranspirationofaMangoOrchardgrownina
semiaridenvironment[J].AgronomyJournal,2007,99:13911396.
[14] GrangerRJ,GrayDM.Evaporationfromnaturalnonsaturatedsurfaces[J].JournalofHydrology,1989,111:2129.
[15] TolkJA,HowelTA,EvettSR.NighttimeevapotranspirationfromAlfalfaandCottoninasemiaridclimate[J].Agrono
myJournal,2006,98:730736.
[16] LascanoRJ,vanBavelCH M.Explicitandrecursivecalculationofpotentialandactualevapotranspiration[J].Agronomy
Journal,2007,99:585590.
[17] NaglerPL,GlennEP,KimH,犲狋犪犾.Relationshipbetweenevapotranspirationandprecipitationpulsesinasemiaridrange
landestimatedbymoisturefluxtowersandMODISvegetationindices[J].JournalofAridEnvironment,2007,70(3):443
462.
[18] 徐玲玲,张宪洲,石培礼,等.青藏高原高寒草甸生态系统表观量子产额和表观最大光合速率的确定[J].中国科学,2004,
34(增刊Ⅱ):125130.
[19] JusticeCO,VermoteE,TownshendJRG,犲狋犪犾.Themoderateresolutionimagingspectroradiometer(MODIS):Land
remotesensingforglobalchangeresearch[J].IEEETransactionsonGeoscienceandRemoteSensing,1998,36:12281249.
[20] XiaoXM,BraswelB,ZhangQY,犲狋犪犾.Sensitivityofvegetationindicestoatmosphericaerosols:Continentalscaleobser
vationsinNorthernAsia[J].RemoteSensingofEnvironment,2003,84:385392.
[21] HueteA,DidanK,MiuraT,犲狋犪犾.OverviewoftheradiometricandbiophysicalperformanceoftheMODISvegetationindi
ces[J].RemoteSensingofEnvironment,2002,83:195213.
[22] XiaoXM,ZhangQY,HolingerD,犲狋犪犾.ModelinggrossprimaryproductionofanevergreenneedleleafforestusingMODIS
andclimatedata[J].EcologicalApplications,2005,15:954969.
[23] XiaoXM,ZhangQY,SaleskaS,犲狋犪犾.Satelitebasedmodelingofgrossprimaryproductioninaseasonalymoisttropical
evergreenforest[J].RemoteSensingofEnvironment,2005,94:105122.
[24] XiaoXM,HolingerD,AberJD,犲狋犪犾.Satelitebasedmodelingofgrossprimaryproductioninanevergreenneedleleaffor
est[J].RemoteSensingofEnvironment,2004,89:519534.
[25] XiaoXM,ZhangQY,BraswelB,犲狋犪犾.Modelinggrossprimaryproductionoftemperaturedeciduousbroadleafforestusing
sateliteimagesandclimatedata[J].RemoteSensingofEnvironment,2004,91:256270.
[26] 李荣生,许煌灿,尹光天,等.植物水分利用效率的研究进展[J].林业科学研究,2003,16(3):366371.
[27] 张岁岐,山仑.植物水分利用效率及其研究进展[J].干旱地区农业研究,2002,20(4):15.
[28] 黄立华,梁正伟,马红媛.苏打盐碱胁迫对羊草光合、蒸腾速率及水分利用效率的影响[J].草业学报,2009,18(5):2530.
[29] 刘国利,何树斌,杨惠敏.紫花苜蓿水分利用效率对水分胁迫的响应及其机理[J].草业学报,2009,18(3):207213.
[30] 孙洪仁,张英俊,历卫宏,等.北京地区紫花苜蓿建植当年的耗水系数和水分利用效率[J].草业学报,2007,16(1):41
46.
[31] 郑有飞,万长建,颜景义,等.小麦的水分利用效率及其最优化问题[J].中国农业气象,1997,18(4):1317.
[32] 杨秀芳,玉柱,徐妙云,等.2种不同类型的尖叶胡枝子光合-光响应特性研究[J].草业科学,2009,26(7):6165.
[33] HatfieldJL,SauerTJ,PruegerJH.Managingsoilstoachievegreaterwateruseefficiency:AReview[J].AgronomyJour
nal,2001,93:271280.
[34] 邵新庆,沈禹颖,王.水土保持耕作对夏种大豆光合、蒸腾及水分利用效率的影响[J].草业学报,2005,14(6):8286.
[35] OweisT,ZhangHP,PalaM.WateruseefficiencyofrainfedandirrigatedbreadwheatinaMediterraneanEnvironment[J].
AgronomyJournal,2000,92:231238.
[36] 渠春梅,韩兴国,苏波,等.云南西双版纳片断化热带雨林植物叶片δ13C值的特点及其对水分利用效率的指示[J].植物学
报,2001,43(2):186192.
111第19卷第5期 草业学报2010年
[37] FarquharGD,O’LearyM H,BerryJA.Ontherelationshipbetweencarbonisotopediscriminationandintercelularcarbon
dioxideconcentrationinleaves[J].AustralianJournalofPlantPhysiology,1982,9:121137.
[38] 王月福,于振文,潘庆民.土壤水分胁迫对耐旱性不同的小麦品种水分利用效率的影响[J].山东农业科学,1998,(3):
57.
[39] 蒋高明,何维明.毛乌素沙地若干植物光合作用、蒸腾作用和水分利用效率种间及生境差异[J].植物学报,1999,41(10):
11141124.
[40] NobelPS.AchievableproductivitiesofcertainCAMplants:BasisforhighvaluescomparedwithC3andC4plants[J].New
Phytologist,1991,119:183205.
[41] AlenLH,PanDY,BooteKJ,犲狋犪犾.Carbondioxideandtemperatureeffectsonevapotranspirationandwateruseefficiency
ofsoybean[J].AgronomyJournal,2003,95:10711081.
犕狅犱犲犾犻狀犵狋犺犲犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀狅犳犪狀犪犾狆犻狀犲犿犲犪犱狅狑犲犮狅狊狔狊狋犲犿
犻狀狋犺犲狀狅狉狋犺犲狉狀犜犻犫犲狋犘犾犪狋犲犪狌犫犪狊犲犱狅狀犕犗犇犐犛犻犿犪犵犲狊
FUGang1,2,SHENZhenxi1,ZHANGXianzhou1,WUJianshuang1,2,SHIPeili1
(1.LhasaPlateauEcosystemResearchStation,KeyLaboratoryofEcosystemNetworkObservationand
Modeling,InstituteofGeographicSciencesandNaturalResourcesResearch,Beijing100101,China;
2.GraduateUniversityofChineseAcademyofSciences,Beijing100049,China)
犃犫狊狋狉犪犮狋:Evapotranspiration(ET)isanimportantcomponentofthehydrologicbudgetinalpinemeadoweco
systemsoftheTibetPlateau.Thewateruseefficiency(WUEEC)attheecosystemlevelwasusedtomodelET.
Simplelinearcorrelationanalysisandmultiplestepwiselinearregressionanalysisshowedthatnormalizeddiffer
encevegetationindices(NDVI),relativeairhumidity(Ha),andheatflux(H)couldplayimportantroleson
theWUEEC.WerelatedWUEEC withNDVI,Ha,andH,separately(thereweresignificantdiscrepanciesin
wateruseefficiencymodeledbyH,WUEH,andWUEEC).Wemodeledevapotranspirationattheecosystem
scalewiththemultiplestepwiselinearregressionequationsofwateruseefficiency(WUE)andestimatedgross
primaryproduction(GPPVPM)byavegetationphotosynthesismodel(VPM).Thesimplelinearregression
equationsbetweenmodeledevapotranspiration,ETNDVI,ETHa,andobservedevapotranspirationfromeddy
covarianceofETEC,ETNDVI=1.2985ETEC(犚2=0.8029,狀=46,犘<0.0001)andETHa=1.3118ETEC(犚2=
0.7487,狀=46,犘<0.0001),individualy,showedsomediscrepanciesinmodeledevapotranspirationand
ETEC.Wequantitativelyanalyzedthesediscrepancies.ThedifferencesbetweenETECandETNDVIwerechiefly
attributabletophotosyntheticactiveradiation(PAR)andGPPVPM,whilethedifferencesbetweenETECand
ETHaweremainlyattributedtoPAR,GPPVPM,andenhancedvegetationindices(EVI).
犓犲狔狑狅狉犱狊:evapotranspiration(ET);wateruseefficiency(WUE);vegetationphotosyntheticmodel(VPM);
NorthernTibetPlateau;alpinemeadow
211 ACTAPRATACULTURAESINICA(2010) Vol.19,No.5