Shuttleworth-Wallace模型模拟陕北枣林蒸散适用性分析

在生态脆弱的陕北黄土丘陵区,林地耗水是生态学者长期关注的热点问题,准确测算植物耗水量是环境水分研究的关键。根据陕北山地枣林的立地条件和蒸散过程特点,结合2012年的实测资料,确定了相关模型参数,实现了Shuttleworth-Wallace(SW)和Penman-Monteith(PM)模型对枣林蒸散量的模拟,并利用2013年茎流计监测的蒸腾量和水量平衡原理推求的蒸散量,对这2个模型进行了比较和检验。结果表明:就整个枣树生育期10 d尺度蒸散量而言,SW模型模拟精度优于PM模型。此外,2模型精度随枣树生育期变化而变化,且萌芽展叶期精度均最低。SW模型日蒸腾量模拟精度满足要求,但易受到天气状况影响,晴天模型精度优于雨天。SW模型精度在陕北山地枣林里得到验证,是半干旱区山地枣林耗水规律研究的有效工具。

应用修订的Shuttleworth-Wallace模型对半干旱区覆膜玉米蒸散的研究

蒸散发(ET)包括植物蒸腾(T)和土壤蒸发(E),在维持全球能量平衡和气候调节中起关键作用。量化蒸散发及其组分在准确预报气候对生态系统碳水通量和能量的响应中至关重要。基于兰州大学半干旱区农业生态系统试验站2014年玉米生长季涡度相关仪的观测结果,利用修订后的Shuttleworth-Wallace模型(S-W模型)对覆膜玉米田的蒸散发进行模拟,利用实测值对模拟结果进行验证,对蒸散发及其组分的影响因素和敏感性进行分析。结果表明:S-W模型对覆膜玉米农田蒸散发的模拟结果在日蒸散量大于2 mm·d^(-1)的晴天和时晴时云天气较好,阴雨天气模拟结果较差,且模型模拟结果较涡度相关的实测值偏高。E/ET在一天内的变化为单峰曲线,在生长季尺度上,在玉米快速生长期呈下降趋势,在之后的时间基本保持不变。覆膜玉米农田的E/ET在日时间尺度的变化主要受气孔导度影响,在生长季尺度主要受叶面积指数和土壤含水量的共同影响。敏感性分析表明,蒸散发及其组分对作物冠层高度与参考高度间的空气动力阻力(raa)和冠层内边界层阻力(rac)均较敏感,对作物冠层阻力(rsc)敏感性适中,对地面与冠层间的空气动力阻力(ras)和下垫面裸土表面阻力(rss)不敏感,在应用S-W模型模拟覆膜玉米农田蒸散量时,要特别注意阻力参数raa、rac和rsc的合理确定。

应用Shuttleworth-Wallace模型对夏玉米农田蒸散的估计

根据夏玉米生长季内逐时波文比系统观测资料和主要生育期的作物资料,以波文比-能量平衡法(BREB法)得到的蒸散量为实测值,对比研究了Shuttleworth-Wallace模型(以下简称S-W模型)、Penman-Monteith模型(以下简称P-M模型)对蒸散估计的差异。S-W模型因考虑了土壤蒸发,估算的逐时逐日蒸散值均比P-M模型有更好的精度。在作物生长前期,LAI(<2.0)较低,应用S-W模型在稀疏冠层下估算的蒸散量高于P-M方程,更接近于实测值,与实测值的相关系数更高,RMSE值低。随着LAI的增大,冬小麦冠层密闭,S-W模型和P-M方程估算的蒸散与实测值均相接近,二模型均有良好表现。对S-W模型的各阻力参数进行敏感性分析,分析结果表明,应用S-W模型时,模型对阻力参数冠层气孔阻力最为敏感,土壤表面阻力次之,作物冠层高度与参考高度间空气动力学阻力敏感程度居中,对地表与冠层高度间空气动力学阻力、冠层内边界阻力不敏感。在应用已有经验关系式时,特别需要注意对冠层气孔阻力、土壤表面阻力这二阻力参数中经验系数的合理确定。

空间插值气象数据在Shuttleworth-Wallace潜在蒸散发模型中的应用

基于Kriging空间插值气象数据、IGBP土地覆盖和AVHRR NDVI数据,利用Shuttleworth-Wallace模型估算韩江流域2000—2006年的潜在蒸散发(PET)。结果表明:流域PET空间分布呈显著的非均匀性,其值在496.6~1741.8 mm/a范围内变化,标准差为165.9 mm/a,主要受区域的气候和植被类型影响;PET随气候的变化和植被的生长呈季节性变化;低分辨率的输入数据会使PET模拟结果在相同尺度的范围内被一定程度地均化;气象站点密度对PET的计算结果有影响,Kriging插值气象数据的站点密度远大于CRU数据,两种数据计算的PET结果的空间分布和季节变化的对比显示,前者计算的PET精度高于后者。

基于Penman-Monteith模型和Shuttleworth-Wallace模型对太行山南麓人工林蒸散的模拟

蒸散作为陆地生态系统能量平衡和水分循环的一个关键环节,其改变会影响区域气候的变化。森林蒸散模拟研究在评价森林在区域水分循环中的作用具有重要的意义。本文采用Penman-Monteith(P-M)模型和Shuttleworth-Wallace(S-W)模型模拟了太行山南麓栓皮栎-侧柏-刺槐人工混交林的蒸散(ET),对模型模拟的ET与涡度相关法所得的ET进行了比较,评价了P-M模型和S-W模型模拟人工混交林ET的适用性,讨论了这两种模型对各阻力的敏感性。研究结果表明,P-M模型和S-W模型模拟所得的ET的季节变化和日变化类似。S-W模型和P-M模型模拟的ET均低于实测的ET,S-W模型模拟的ET比实测的ET偏低6%,P-M模型模拟的ET比实测值偏低21%,因此,P-M模型模拟的ET偏低更明显。与P-M模型相比,S-W模型模拟的ET与实测值的相关系数、一致性指数(IA)、均方根误差(RMSE)、相对误差(RE)较小。与P-M模型相比,S-W模型模拟的ET与实测值的拟合直线更加趋近1∶1线。S-W模型模拟ET的效果优于P-M模型,S-W模型更适合于本研究区人工混交林蒸散的模拟。P-M模型模拟的2009年生长季的ET偏低更明显,将S-W模型模拟的ET分为蒸腾(T)和土壤蒸发(E),其中土壤E与ET比值为11.3%。土壤E约占ET的10%左右。P-M模型模拟ET偏低的原因可能与P-M模型中未考虑土壤表面阻力有关。S-W模型模拟的ET和T对冠层阻力(rcs)最敏感,其次为植物冠层高度至参考高度间的空气动力学阻力(raa),对土壤表面至冠层高度间的空气动力学阻力(rsa)相对不敏感;土壤E对土壤表面阻力(rss)最敏感,对rcs最不敏感。P-M模型模拟的ET对rcs最敏感,对空气动力学阻力(ra)敏感性较弱。

基于AVHRR NDVI的Shuttleworth-Wallace模型在韩江流域的应用

基于AVHRR NDVI(归一化植被指数)、IGBP土地覆盖及CRU气象数据,利用Shuttleworth-Wallace(S-W)模型估算韩江流域1981-2000年的潜在蒸散发(PET)。结果表明,流域PET空间分布呈显著的非均匀性,从714.8～1 570.7 mm/a,主要受土地覆盖类型和地理位置影响;PET随植被类型和叶面积指数(LAI)季节性变化;输入数据的时空分辨率对PET的估算精度有较大影响;与Thornthwaite公式和FAO-56方法相比,S-W模型能够很好地反映地表变化对PET的影响。BTOPMC模型的应用表明,由S-W模型估算的PET在分布式水文模拟中取得了较好的效果。

基于Shuttleworth-Wallace模型的科尔沁沙地流动半流动沙丘蒸散发模拟

陆面蒸散发在气候调节和维持区域水量平衡中起关键作用.量化蒸散发及其各组分项,对深刻揭示干旱半干旱地区的生态水文过程具有重要意义.本研究基于科尔沁沙地流动半流动沙丘2017年生长季气象监测系统的原位监测数据,利用Shuttleworth-Wallace(S-W)模型对沙丘蒸散发进行模拟,在此基础上,对蒸散各组分进行拆分,并利用涡度相关对模拟蒸散发值进行验证.结果表明:整个生长季模型模拟蒸散发值为308 mm,涡度相关实测值为296 mm,偏差较小,证明S-W模型适用于该地区的蒸散发模拟.蒸散发整体呈生长旺盛期>生长后期>生长初期,分别为192、71和45 mm,分别占总量的62.3%、23.1%和14.6%.日尺度上模型模拟值与实测蒸散发值一致性较高,模型模拟精度大体表现为:晴天>阴天>雨天,且阴雨天模型模拟值较涡度相关实测值偏低.经拆分,土壤蒸发和植被蒸腾分别为176和132 mm,分别占总量的57.1%和42.9%,表明沙地水分利用效率较低.持续干旱和降水后,蒸散发规律明显不同,且土壤蒸发对降水的敏感性强于植被蒸腾.

基于改进SW模型的黄土高原畦灌冬小麦蒸散特性研究

冬小麦是黄土高原地区重要的粮食作物,以畦灌为主的地面灌溉是该地区普遍采用的灌溉方法。明确畦灌条件下不同灌水量对冬小麦蒸散耗水规律的影响可以为冬小麦合理的灌溉管理提供参考。利用改进的Shuttleworth-Wallace模型(SW模型)计算2016-2019年间黄土高原地区畦灌冬小麦的蒸散量,对蒸散发及其组分的影响因素进行分析。结果表明:改进的SW模型模拟畦灌冬小麦蒸散具有较高的精度,R2为0.88~0.90,RMSE为0.39~0.42 mm/d,MAE为0.29~0.30 mm/d,RRMSE为0.08~0.09,NSE为0.88~0.90,d为0.97。冬小麦生育期内E/ET呈先下降后升高的趋势。随着灌水量的减少,日蒸腾量有明显的下降,高水处理M1、低水处理M2、雨养处理M3分别为1.19~1.24 mm/d、0.93~1.05 mm/d和0.67~0.69 mm/d;E/ET表现出升高趋势,M1、M2、M3处理分别为28%~35%、34%~39%和41%~47%。随干旱程度增加,控制E/ET变化的主要因素从叶面积指数(LAI)转变为LAI和土壤含水量,高水处理冬小麦的蒸散发ET主要受净辐射控制,雨养处理冬小麦ET则受净辐射、土壤含水量和叶面积指数的综合影响。

黑河流域山前绿洲灌溉农田蒸散发模拟研究

基于Penman Monteith蒸散公式,应用土壤 植被 大气系统水分和能量传输理论对Shuttleworth Wallace蒸散模型的参数进行改进,得出解析计算农田作物蒸腾和土壤蒸发的双源模型.对黑河流域山前绿洲农田春小麦生长期土壤蒸发、作物蒸腾以及总蒸散过程进行了模拟研究.对模型的计算结果以田间观测和水量平衡方法进行验证,误差目标NSE=0.98,说明该模型用于农田蒸发和蒸腾的计算是合理的.对影响蒸发和蒸腾的主导因子净辐射、叶面积指数、土壤含水量进行了相关性分析,得出三者的变化对土壤蒸发、作物蒸腾的影响.通过不同时期日蒸散发量变化特征的分析,表明土壤、冠层两个界面对能量和水汽传输的交互影响效应显著.

麦田蒸散模型的改进及其对阻力参数的敏感性分析

采用Penman-Monteith(PM)模型和Shuttleworth-Wallace(SW)模型模拟冬小麦田主要生长季(3-5月)的逐时蒸散量(ET),改进模型中有效叶面积指数(LAIe)的计算,以涡度相关法测定的ET为参照检验模型改进的效果,并分析模型对各阻力参数的敏感性。结果表明:SW模型和PM模型估算的ET均对冠层阻力最敏感。3月小麦冠层稀疏,SW模型模拟ET的效果优于PM模型;4、5月小麦冠层稠密,两个模型模拟ET的效果均较好。改进LAIe计算后,4、5月PM模型和SW模型估算麦田蒸散的精度显著提高,ET模拟值与实测值的相关系数、一致性指数更接近1,ET模拟的相对误差和均方根误差变小。

不同冠层阻力公式在玉米田蒸散模拟中的应用

在我国北方地区,水分供给一直是影响粮食产量的主要因素。玉米作为我国三大粮食作物之一,关乎其水分蒸散的观测和模拟一直是气象、水文、生态等相关学科的重要研究内容。研究玉米蒸散对于粮食安全、节水灌溉、提高作物水分利用效率具有重要意义。作为经典的双源模型,Shuttleworth-Wallace(SW)模型分别考虑土壤蒸发和植被蒸腾,非常适合于稀疏植被的蒸散估算。本文在SW模型中采用不同冠层阻力公式对玉米地蒸散进行模拟,并用涡度相关实测通量数据对模型的模拟效果进行验证。结果表明,采用Jarvis冠层阻力公式的SW1模型与采用Kelliher-Leuning冠层阻力公式的SW2模型模拟的蒸散量都与实测值吻合较好,相关系数均在0.85以上(P<0.01),一致性指数都达到0.92以上。敏感性分析表明,SW模型估算蒸散对冠层阻力最敏感。在计算冠层阻力的各个参数中,SW1模型估算蒸散对田间持水量最敏感,其次是最小气孔阻力和有效叶面积指数;SW2模型估算蒸散对最大气孔导度最敏感。传统SW模型中,冠层阻力计算采用Jarvis公式,计算复杂。改用Kelliher-Leuning公式后,在一定程度上简化了模型的计算,更方便模型应用。

基于S-W模型的韩江流域潜在蒸散发的气候和植被敏感性

基于AVHRRNDVI、IGBP土地覆盖分类和气象站观测数据,利用Shuttleworth-Wallace(S-W)模型估算韩江流域2000-2006年的潜在蒸散发(PET),结果显示PET不仅受气候条件影响,而且随植被类型及其生长过程而变化。分析PET对气候和植被的敏感性,结果表明:1)PET对植被的类型很敏感,相同气候条件下,不同植被的PET计算结果相差很大,常绿针叶林、农作物和多树草地的多年平均PET分别为1136.6,965.1,563.2mm/a,最大值和最小值相差1倍。2)不同植被覆盖的PET对气候的敏感性不同。常绿针叶林的PET对水汽压最为敏感,明显高于气温和太阳辐射的敏感性,而风速的敏感性可以忽略;农作物的PET除对风速的敏感性较低外,气温、太阳辐射和水汽压的敏感性都较高,最为敏感的是气温;多树草地的PET同样对气温最为敏感,水汽压、风速和太阳辐射的敏感性也都比较高,而且很接近。3)各种植被覆盖的PET对叶面积指数(LAI)都有一定的敏感性,但都小于气象因子(风速除外)的敏感性;不同植被覆盖的PET对LAI的敏感性也不同,多树草地的PET对LAI最敏感,其次是常绿针叶林,再次是农作物。

基于SPAC理论的田间腾发量计算模式

基于SPAC理论,从能量平衡方程与空气动力学方程出发,提出了根据气象条件、作物长势与土壤表面温湿度估计田间腾发量的计算模式。该方法假定作物叶片表面饱和并进行线性化处理,同时给出土壤表面水汽压的经验表达,通过冠层模型的求解可以分别计算出作物蒸腾量、棵间蒸发量与腾发量。利用土壤水分运动数值计算的结果,验证了该方法的可靠性。此外,还分析了该方法与Penman模式、Shuttleworth-Wallace模式之间的联系。由于模型所需的输入均可以通过常规的田间观测获得,该方法在生产与科研实践中具有一定的应用价值。

用分时段修正双源模型估算南京地区冬小麦生育期蒸散量

冬小麦是南京地区重要的粮食作物,模拟冬小麦蒸散量(evapotranspiration,ET)并研究其对气象因素的响应可为冬小麦田间水分管理提供参考。该文基于大型称重式蒸渗仪实际测定值分析了冬小麦ET变化规律,分别采用单源模型(Penman-Monteith,PM)和双源模型(Shuttleworth-Wallace,SW)模拟不同时期冬小麦ET,并探讨分时段修正SW模型的模拟方法,在此基础上,分析了ET对气象因素的响应。结果表明,生育初期,冬小麦的ET逐步增加,进入越冬期则逐步降低并保持在较低水平。返青期和拔节期ET迅速增加,开花和成熟期又保持稳定。2011-2012和2013-2014年分时段采用SW模型估算整个生育期冬小麦的蒸散量比整个生育期采用单一估算模型能够减小模拟平均绝对误差0.01~0.04 mm/h。小麦乳熟成熟期采用最小气孔阻力150 s/m计算的修正SW模型可以比整个生育期用单一最小气孔阻力的SW模型降低冬小麦蒸发蒸腾量的估算平均绝对误差0.03~0.13 mm/h。冬小麦蒸发蒸腾量与气象因素密切相关,与净辐射、空气温度和饱和水汽压差等环境因素决定系数顺序为净辐射>饱和水汽压差>空气温度>风速。这表明南京地区冬小麦蒸发蒸腾量主要决定因素为净辐射。该研究能够为冬小麦蒸散量的模拟方法以及田间水分管理提供参考。

分时段修正双源模型在西北干旱区玉米蒸散量模拟中的应用

蒸散发(ET)是陆地水循环过程的重要组成部分,同时也是区域能量平衡以及水量平衡的关键环节,精确估算ET,对于提高水分利用效率以及优化区域用水结构具有重要意义。本文利用黑河重大计划观测数据,对比了考虑CO_2浓度和不考虑CO_2浓度对玉米冠层影响的冠层阻力模型,分别将其耦合到双源的Shuttleworth-Wallace(S-W)模型中,并利用这两种模型分时段对玉米整个生育期内半小时尺度上的ET进行模拟,利用涡度相关实测数据对模型进行验证,最后分别对影响玉米冠层阻力的气象要素和影响ET的阻力参数进行敏感性分析,探寻大气CO_2浓度改变条件下黑河中游绿洲区玉米不同生长阶段的农田耗水规律。结果表明:本文所修正的考虑CO_2浓度对玉米冠层影响的冠层阻力模型耦合到S-W模型后,能够较精准地模拟玉米整个生育期不同生长阶段半小时尺度上农田耗水过程。敏感性分析表明:各生长阶段冠层阻力(r_s^c)和冠层面高度到参考面高度间的空气动力阻力(r_a^a)对ET的影响最为强烈,其他阻力参数对ET的影响不明显,ET的变化程度随着r_s^c和r_a^a的增大而减小。本文所修正的考虑CO_2浓度影响的分时段双源模型能够精准地模拟玉米整个生育期各生长阶段的ET,可为种植结构调整和土地利用方式改变以及CO_2浓度变化环境下的农田蒸散研究提供参考。

稻田逐时蒸散量的测定及其模拟方法的比较

水稻生长季内,采用蒸渗计、涡度相关仪(EC)测定稻田逐时蒸散量,应用Penman-Monteith模型(PM模型)、Shuttleworth-Wallace双源模型(SW模型)进行模拟,并对比模拟值与观测值,验证了蒸散模型可靠性。结果表明:1涡度相关仪测定的稻田蒸散显著低于蒸渗计,蒸渗计测定的稻田蒸散较涡度相关法更为可靠。2SW模型模拟效果优于PM模型,模拟值与蒸渗计实测值更加接近,尤其在生育前期和后期水稻冠层稀疏时段。3稻田土壤蒸发占总蒸散比例较小且水层作用使阻力基数值降低,土壤阻力敏感性较旱地低。

夏玉米蒸散优化参数模型及参数敏感性分析

分别采用2种不同的冠层阻力模型和土壤阻力模型,组合成4种Shuttleworth-Wallace(S-W)模型,模拟夏玉米农田灌浆期的逐时蒸散量,以涡度相关法观测蒸散量为实测值检验模型改进的效果,找出最优冠层阻力模型和土壤阻力模型,并分析最优S-W模型对各阻力参数的敏感性。结果表明:李俊改进型有效叶面积指数冠层阻力模型和Sellers土壤阻力模型组合的S-W模型模拟效果最好,S-W模型估算玉米田蒸散的精度显著提高,蒸散发模拟值与实测值的相关系数、一致性指数更接近1,蒸散发模拟的相对误差和均方根误差变小。敏感性分析表明,在计算各个阻力参数模型中,S-W1模型估算蒸散发对冠层阻力最敏感,其次是土壤阻力和有效叶面积指数;采用改进型有效叶面积指数冠层阻力模型和Sellers土壤阻力参数模型组合后,在一定程度上提高了模型精度,提高了计算准确率。

基于广义回归神经网络模型模拟夏玉米蒸发蒸腾量

作物蒸发蒸腾(ET)是农业水管理的关键技术参数,ET的准确估算对精准灌溉管理的实现及区域水资源配置均具有重要意义。为有效提高西北地区夏玉米ET预报精度,利用2011-2013年夏玉米作物指数与气象因子,基于广义回归神经网络(GRNN)构建西北地区夏玉米蒸发蒸腾量估算模型,并与Shuttleworth-Wallace(S-W)物理模型估算结果进行比较。结果表明,与大型蒸渗仪实测夏玉米不同时段ET相比,GRNN对夏玉米各生育期及全生育期ET的模拟效果更优。夏玉米全生育期ET最优模拟模型为M12(输入T、n、LAI),其MAE、NSE、R2、MRE、RRMSE和GPI排名分别为0.9252 mm/d、0.5500、0.5536、0.8368、0.4307和4;夏玉米出苗-抽雄期ET模拟最优模型为MⅠ-14(输入fc、H),其MAE、NSE、R2、MRE、RRMSE和GPI排名分别为0.8660 mm/d、0.3917、0.4252、0.3606、0.3990和2;抽雄-灌浆期最优模型为MⅡ-9(输入n、T、RH、LAI),其MAE、NSE、R2、MRE、RRMSE和GPI排名分别为0.5933 mm/d、0.7537、0.7601、0.2299、0.2840和1;灌浆-收获期最优模型MⅢ-11(输入RH、n、T),其相关参数分别为0.3258 mm/d、0.8570、0.8852、0.2112、0.2155和2;同时GRNN模型模拟值较S-W模型模拟值精确度明显更高。因此,基于广义回归神经网络的蒸发蒸腾量估算模型可用于较少输入参数下西北地区夏玉米不同生育期蒸发蒸腾量精准模拟。

基于改进S-W与结构方程模型的干旱区枣园蒸散特征分析

为准确量化蒸散及其组分、分析蒸散的控制机制,利用改进的Shuttleworth-Wallace模型(SW)对干旱区滴灌枣园的蒸散量、植株蒸腾量进行模拟,使用两年的涡度相关系统、针式茎流计数据对模型进行参数率定及验证,并利用结构方程模型(Structural equation model,SEM)分析枣园蒸散与其影响因子之间的关系。结果表明:SW模型在干旱区枣园有较好的适用性,适宜的模型参数a1为6.9445、g0为0.0439、b2为4.6041、b3为957.1106;蒸散量模拟精度为:均方根误差(RMSE)为0.62~0.76 mm/d,回归系数b为0.77~0.88,决定系数R^(2)为0.95~0.97,一致性指数d为0.92~0.94,模型效率纳什系数(EF)为0.70~0.81,均方根误差与观测值标准差比率(RSR)为0.44~0.55。SEM模型显示,6个测量因子能够解释89%的植株蒸腾量、84%的土壤蒸发量,植株蒸腾量对土壤蒸发量的标准化总影响系数为-0.70。对植株蒸腾量影响最大的因子是叶面积指数,标准化总影响系数为0.52;其次是气温,标准化总影响系数为0.44。对土壤蒸发量影响最大的因子是净辐射,标准化总影响系数为0.50,标准化直接影响系数为0.66;其次是土壤表层含水率,标准化总影响系数为0.49,标准化直接影响系数为0.69。SW模型是估算干旱区枣园蒸散量的有效工具,基于SEM模型的蒸散特征分析可为干旱区农业节水提供新的思路。

Comparison of three evapotranspiration models with eddy covariance measurements for a Populus euphratica Oliv.forest in an arid region of northwestern China

The accurate estimation of evapotranspiration (ET) in arid regions is important for improving the water use efficiency of vegetation. Based on successive observations from May to October of 2014, we estimated the ET of a Populus euphratica Oliv. forest during the growing season in an extremely arid region using the PM (Penman-Monteith), SW (Shuttleworth-Wallace) and SSW (an improved canopy transpiration model) models. Estimated ET values were compared with those of the eddy covariance measurements. Results indicated that the actual ET of the P. euphratica forest was always overestimated by the PM model. The accuracy of the SW model was higher than that of the PM model. However, some data were not easily obtained because of the complicated structure of the SW model. The newly proposed SSW model gave the most accurate ET values, and its accuracy was higher at hourly than at daily time scale. In conclusion, the SSW model is more suitable for sparse vegetation system at large scales in extremely arid regions.