Transcription

1 密级 : 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 作者姓名 : 指导教师 : 于贵瑞研究员 郑涵 中国科学院地理科学与资源研究所 王秋凤副研究员中国科学院地理科学与资源研究所 学位类别 : 学科专业 : 研究所 : 理学博士 生态学 中国科学院地理科学与资源研究所 2016 年 5 月

2

3 Research on the spatial variation in actual evapotranspiration of terrestrial ecosystems By Zheng Han A Dissertation Submitted to The University of Chinese Academy of Sciences In partial fulfillment of the requirement For the degree of Doctor of Ecology Institute of Geographic Sciences and Natural Resources Research May, 2016

4

5 感谢国家重点基础研究发展计划项目 ( 中国陆地生态系统碳 - 氮 - 水通量的相互关系及其环境影响机制,2010CB833500), 国家自然科学基金委重大项目 ( 森林生态系统碳 - 氮 - 水耦合循环的生物调控机制, ) 和环境保护部与中国科学院专项 ( 全国生态环境十年变化 ( 年 ) 遥感调查与评估项目,STSN-02-00) 对本博士论文的共同资助 本论文所用实际蒸散量数据来自于中国陆地生态系统通量观测研究网络 (ChinaFLUX) 的长白山站 千烟洲站 鼎湖山站 内蒙站 海北站 当雄站 禹城站和哀牢山站的水汽通量长期观测数据, 以及中国其他通量观测站点已发表的和国际通量观测网络 (FLUXNET) 可公开获取的生态系统水汽通量数据 衷心感谢每一位通量观测者的辛勤付出和为本博士论文提供的宝贵数据

6

7 致谢 其实早已在脑海中无数次演练书写致谢的场景, 但是每次只想到开头就已眼眶泛红, 无一例外 如今, 到了不得不写的时候, 更是心绪难平 五年的时间, 本以为会很漫长, 可这么一眨眼的功夫就要过去了 如今, 论文付梓之际, 许多人不断在脑海中浮现, 本论文得以完成与他们密不可分, 在此谨向帮助过我的人们表达我深深的谢意! 感谢我的导师于贵瑞研究员 2010 年夏天, 因保研的机缘第一次见到于老师 当时的我对涡度相关 对通量 对蒸散一无所知, 在这种情况下, 于老师还是接受了我, 把我领进中国科学院这一科研圣地, 并在之后的日子里对我表现出最大的耐心与包容 无论是硕士时期还是博士阶段, 我的每一篇小文章都经过于老师数次细致修改, 每一篇文章的完成都能使我对专业领域的了解上升一个台阶, 就本论文而言, 从选题到修改到定稿, 无不凝聚于老师的心血和汗水 于老师严谨的治学态度 渊博的学术知识和忘我的工作精神将是我以后科学研究工作努力的方向, 在以后的工作中我也一定不负恩师对我的细心栽培和嘱托 能有一位人格魅力超群 学术水平一流的导师, 是我的荣幸, 祝福导师在以后的生活和工作中顺心顺意 感谢我的导师王秋凤副研究员 我是王老师的第一个学生, 于我而言, 硕士时期的王老师除了是导师, 更像家长, 她会认识我的舍友 同学, 会从生活的细节上关心我 照顾我 ; 博士时期, 王老师则亦师亦友, 可以科研 学术 写报告, 也可以谈心 吐槽 发牢骚 王老师待我一直是那么谦逊平和, 她的宽容和鼓励一直让我受益匪浅 祝福王老师工作顺利 生活幸福 感谢孙晓敏研究员 李胜功研究员 王辉民研究员 王绍强研究员 何洪林研究员 牛书丽研究员 温学发研究员和张雷明副研究员在我入学复试 转博考核 开题 组会 预答辩及日常交流中给予的指导和建议, 特别感谢牛书丽老师从一个优秀的女性科研工作者的角度在就业方面给出的宝贵建议 感谢方华军研究员 何念鹏副研究员 胡中民副研究员 张黎副研究员 高扬副研究员 杨浩老师 杨海军老师 田静老师在科研和生活上对我的关照 何念鹏老师对待工作严肃认真, 对待学生严格而体贴, 至今怀念跟随何老师到长白山出野外的日子 胡中民老师幽默 睿智, 他的博士毕业论文一直都是我学习的重点材料 感谢北京大学的朴世龙教授和曾振中博士为我提供全球蒸散产品的数据 感谢郭学兵老师和苏文老师在数据申请时给予的热情帮助 感谢梁飙老师 李美玲老师 张雪洁老师 毛霁野老师和刘晗老师平日的关照 感谢陈力老师 袁国富老师 王淑强老师 杜相品老师 储小红老师 黄文力老师和陈晨老师为我们营造的良好的学习氛围, 特别感谢袁国富老师在研一期间讲授的 陆地表层系统野 i

8 外实验原理与方法 一课, 袁老师的课程为我系统掌握专业基础知识起到巨大的作用, 回到研究所后向袁老师咨询问题时, 袁老师也给予了热心讲解 感谢所有曾经为我授业解惑的老师们 感谢朱先进师兄五年来在数据处理 论文写作等诸多方面提供的无私帮助 如果说于老师和王老师把我带进科研的殿堂, 朱师兄则教会我实践的手段 本论文的顺利完成与朱师兄多年来耐心的指导密不可分 可以说, 朱师兄完美践行了于老师 师傅带徒弟 大徒弟带小徒弟 的学生培养理念, 祝福朱师兄以后的事业蒸蒸日上 感谢盛文萍师姐 刘迎春师兄 高艳妮师姐 唐亚坤师兄 任小丽师姐 郭群师姐 陈智师姐 赵宁师姐 王永生师兄 徐志伟师姐 王瑞丽师姐 贾彦龙师兄 寇亮师兄和杨斌师兄在学术和生活上的帮扶 感谢彭舜磊老师在数据处理方面给予的帮助 感谢焦翠翠和徐丽在生活和数据分析上的热心帮助 感谢左尧 朱剑兴 赵航和于海丽, 与你们相处的日子总是幸福而充实 感谢 3409 的赵玮 庞家平 陈昌华 王静 王小婷 杜涛 郭初莹, 感谢同级的宋冰 张欢 高文龙 孙雷刚 能拥有一个互助友爱 团结上进的师门, 是我博士生涯最大的收获 感谢舍友吴艳娟 曹丛丛 周兆媛 沈恬 刘国华 柴园庆在生活中的包容和关心, 与你们一起聊天 八卦是我最开心的时光 感谢硕士班同学孙悦 孟瑶 朱绪超 赵春红 李帆 肖协文等在生活和学业上的帮助, 感谢远在美国的春红帮我下载文献 感谢父母的养育之恩, 感谢你们对我学业一如既往的支持, 女儿无以回报, 你们的健康和快乐是我最大的追求 感谢哥哥 嫂子 姐姐和姐夫的支持和包容, 感谢你们对父母无微不至的照顾, 因为有你们我才可以心无旁骛地完成学业 感谢男友包含及其家人对我学业的支持, 感谢包含多年来在生活上对我的包容和体贴, 本论文的顺利完成离不开你的鼓励和支持, 与你学业共进步 心灵共成长, 是生活最美的愿景 最后, 特别感谢在百忙之中抽出时间为本论文提出宝贵意见的各位评审专家 硕博五年, 从二十出头的懵懂到奔三的轻熟, 感谢所有帮助过我的人, 只言片语不足以表达我的谢意, 谨祝你们健康 快乐! 2016 年 5 月 18 日于中科院地理资源所 3409 ii

9 摘要 摘要 面对严峻的水资源危机和全球气候变化, 如何科学地管理和评估水资源已成为当今影响人类社会可持续生存和发展的重大科学命题 科学的水资源管理首先需要全面认识水分循环过程 蒸散 (evapotranspiration,et) 作为陆地水循环的关键环节和重要组分, 对陆地生态系统的可利用水资源量具有重要的指示作用 因此, 深入研究陆地生态系统实际蒸散量的空间格局及其形成机制不仅有助于全面认识陆地水循环过程, 而且对于气候变化背景下的陆地水资源的科学管理和评估具有重要意义 本研究以中国陆地生态系统通量观测研究网络 (ChinaFLUX) 的通量观测数据为基础, 同时收集和整理中国及全球其他区域陆地生态系统的年实际蒸散量 (annual actual evapotranspiration,aet) 观测数据, 首先评估了五种全球蒸散产品对中国陆地生态系统 AET 评价的不确定性, 并在利用通量观测数据对 16 种常用的潜在蒸散量 (PET) 模型进行综合评估的基础上, 结合气候 植被和土壤数据资料, 系统阐述了中国和全球陆地生态系统 AET 的空间变异特征及其影响因素, 从而探讨了陆地生态系统 AET 空间格局的形成机制 主要的结果如下 : (1) 本研究选取的五种全球蒸散产品虽然均可以较好地模拟中国区域 AET 的空间变化趋势, 但对各站点的 AET 普遍存在较大的估算偏差, 估算的平均 AET 值均小于涡度相关法获得的平均 AET 值 五种全球蒸散产品对中国不同区域 AET 的评估结果也存在较大差异, 其中在热带亚热带气候区和青藏高原南部差异最大 (2) 不同 PET 模型在同一生态系统模拟的潜在蒸散量的数值大小和变化趋势均存在较大差异 在 16 种 PET 模型中,Priestly-Taylor 模型不仅在八个站点均可以给出合理的模拟值 ( 模拟值不小于实际蒸散量观测值 ), 而且所需气象变量较少 因此, 本研究以 Priestly-Taylor 模型作为区域尺度估算 PET 的基准模型, 并应用于后文关于陆地生态系统 AET 的空间格局分析中 (3) 中国陆地生态系统的 AET 在不同植被类型和气候类型生态系统之间差异显著, 表现为森林和湿地生态系统的 AET 显著高于农田和草地生态系统的 AET, 在不同气候区间呈现出从热带向亚热带 温带和高寒气候带逐渐降低的变化趋势, 平均 AET 值为 534.7±232.8 mm yr -1 AET 与年均降雨量 (MAP) 的比值 (AET/MAP) 在不同气候区间也差异显著, 但不同植被类型生态系统间的 AET/MAP 无显著差异, 非灌溉生态系统的平均 AET/MAP 为 0.82±0.28 (4) 中国陆地生态系统 AET 的空间格局与气候和植被格局紧密相关, 表现为显著的随纬度升高而线性降低的变化趋势 AET 在空间格局上与年总净辐射 I

10 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 (R n ) MAP 年均气温(MAT) 年均饱和水汽压差(VPD) 和年均相对湿度 (RH) 呈显著的线性正相关关系, 与年均叶面积指数 (LAI) 呈显著的对数函数关系 R n MAP 和 MAT 是 AET 空间格局的主要决定因子, 三者可以解释中国陆地生态系统 AET 空间格局约 84% 的变异 (5) 在全球尺度, 陆地生态系统 AET 的空间格局与主要气候 植被和土壤因素的空间格局存在复杂的关联性, 不仅与 PET MAP MAT 等气候因素和 LAI 的空间格局显著相关, 还与土壤粘粒含量 土壤粉粒含量 土壤容重和土壤有机碳含量的空间变异紧密关联, 但与年均最大叶面积指数 (LAI max ) 和土壤砂粒含量的空间格局无显著关系 AET 的空间格局还受到降雨事件特征的影响, 平均降雨强度 大降雨事件 (>10 mm day -1 ) 次数和强降雨事件 (>25 mm day -1 ) 次数对 AET 空间格局的贡献与 MAP 的贡献相当, 但小降雨事件 (>1 mm day -1 ) 次数和降雨季节分配的差异与 AET 空间格局的相关性并不明显 PET 和 MAP 是全球陆地生态系统空间格局的控制因子, 且 PET 的贡献大于 MAP, 二者共同决定了陆地生态系统 AET 约 55% 的空间变异, 土壤粘粒含量和 LAI 对 AET 空间格局的直接作用仅次于 PET 和 MAP 因此, 气候 植被和土壤属性通过彼此在空间格局上的紧密偶联关系共同地控制着陆地生态系统 AET 的空间格局, 并以气候格局的作用为主 关键词 : 陆地生态系统, 实际蒸散量, 空间格局, 形成机制, 涡度相关法 II

11 Abstract Abstract Facing the severe crisis of water resources and global climate change, how to scientifically assess and manage water resources has become an important and urgent issue for the sustainable survival and development of humans. Comprehensively understanding the terrestrial hydrological cycle is critical for water resources management. As a central process and major component within terrestrial hydrological cycle, evapotranspiration (ET) is a useful indicator for the water available of terrestrial ecosystems in a given region. Therefore, researches on the spatial variation in actual evapotranspiration of terrestrial ecosystems and its influencing mechanisms are not only fundamental for the improvement of our knowledge on the terrestrial hydrological processes, but also crucial for the water resources management under climate change. Through synthesizing the eddy covariance water flux data from ChinaFLUX sites and published data from other sites in China and worldwide, this study constructed datasets of annual actual evapotranspiration (AET) for Chinese and global terrestrial ecosystems. Based on the most complete AET dataset in China for now constructed in this study, we firstly evaluated the uncertainties of five published global ET products in estimating AET of terrestrial ecosystems in China, which strengthened the necessity of researches on the spatial variation in AET. Based on the eddy-covariance flux data at eight sites along a series of climate and vegetation gradients, we then evaluate the performance of sixteen widely-used potential evapotranspiration (PET) models among eight typical ecosystems in China, and hence selected one benchmark model for the regional spatial analyses of AET. Based on these work, we quantified the spatial variation in AET of terrestrial ecosystem and the effects of various climatic, vegetation and soil variables at regional (i.e., China) and global scales. We finally explored the underlying mechanisms for the spatial variation in AET of terrestrial ecosystems upon the results above. Main findings of this dissertation are as follows: (1) Although the spatial patterns of AET described by the five global ET products selected by this study highly agreed with our measurements, large obvious uncertainties existed in site-specific AET values, and the averaged AET values simulated by all the five products were lower than that measured by eddy-covariance method. Meanwhile, substantial differences in AET estimates existed among the five global ET products, especially for the tropical and sub-tropical climate regions and south of the Tibetan Plateau. (2) Different PET models performed differently in simulating average magnitudes and/or variations of PET for specific sites. The Priestly-Taylor model needs fewer inputs among the five models which could always give reasonable PET estimates for all sites. Therefore, Priestly-Taylor model was selected as the benchmarker model for regional PET estimating in this study. III

12 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 (3) AET of terrestrial ecosystems in China showed significant differences among both different vegetation types and climate types, with overall mean AET of 534.7±232.8 mm yr -1. AET in forest and wetland ecosystems were generally higher than AET in grassland and cropland ecosystems, and also gradually decreased from tropical climate zone to subtropical, temperate and alpine climate zones. Meanwhile, the ratio of AET to annual mean precipitation (MAP) (AET/MAP) of terrestrial ecosystems in China also differed significantly among climate types, but there were no distinct differences in AET/MAP values across vegetation types, with mean AET/MAP of 0.82±0.28 for non-irrigated ecosystems. (4) AET of terrestrial ecosystems in China showed significant linear decreases with increasing latitude. The spatial variation in AET of China was closely correlated with the geographical patterns of climate and vegetation. The spatial patterns of total annual net radiation (R n ), MAP, mean annual air temperature (MAT), mean annual vapor pressure deficit (VPD) and mean annual relative humidity (RH) were linearly correlated with that of AET, and a clear logarithmic relationship were also observed between AET and mean annual leaf area index (LAI). The effects of R n, MAP and MAT were dominant, which could jointly explain about 84% of the spatial variation in AET of terrestrial ecosystems in China. (5) Complex relationships were observed among the spatial patterns of AET and those of main climatic, vegetation and soil factors for the global terrestrial ecosystems. The spatial variation in AET was not only affected by the spatial patterns of climatic and vegetation variables such as PET, MAP, MAT and LAI, but also closely correlated with that of soil properties including soil clay content, soil silt content, soil bulk density and soil organic carbon content. However, AET exhibited no significant spatial relationships with the mean annual maximum leaf area index (LAI max ) and soil sand content. Meanwhile, the precipitation event characteristics also had dramatic effects on the spatial variation in AET. The mean precipitation event size, number of large (>10 mm day -1 ) and heavy (>25 mm day -1 ) precipitation events could separately contribute 23% - 36% to the spatial variation in AET, which was comparable with the explanatory power of MAP (25%). Overall, PET and MAP were the dominant control factors for the spatial variation in AET of global terrestrial ecosystems, and the effects of PET were larger than that of MAP. The combined effects of MAT and MAP accounted for about 55 % of the spatial variations in AET. The direct effects of LAI and soil clay content were next only to PET and MAP. Based on the analyses above, we could conclude that the spatial patterns of AET of terrestrial ecosystems were collectively controlled through the closely spatial coupling correlation among climate, vegetation and soil properties, and the effects of climate patterns were dominant. Key words: Terrestrial ecosystem, actual evapotranspiration, spatial variation, controlling mechanism, eddy covariance IV

13 目录 目录 致谢.... i 摘要.... I Abstract... III 图目录.... VIII 表目录.... IX 第一章绪论... 1 第一节研究背景及意义... 1 第二节国内外研究进展 陆地生态系统实际蒸散量的概念和测定方法 陆地生态系统实际蒸散量的空间评估和空间格局特征 陆地生态系统实际蒸散量空间格局的影响因素 陆地生态系统实际蒸散量空间格局形成机制的理论框架... 7 第三节研究目的与内容... 9 第二章研究数据来源与处理 第一节中国陆地生态系统实际蒸散量数据的来源与处理 ChinaFLUX 的观测与数据处理方法 收集的水汽通量数据的筛选标准 数据整合结果 第二节全球陆地生态系统实际蒸散量数据的来源与处理 FLUXNET 数据的来源与处理 数据整合结果 第三节气候 植被和土壤数据的来源与处理 气候数据 植被数据 土壤数据 第三章五种全球蒸散产品对中国实际蒸散量评价的不确定性 第一节材料与方法 AET 数据来源与处理 五种全球蒸散产品 统计分析 第二节结果与讨论 五种全球蒸散产品对中国区域 AET 评价的效果 五种全球蒸散产品对中国区域 AET 空间格局评价的不确定性 第三节本章小结 V

14 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 第四章利用通量观测数据对 16 种潜在蒸散量模型的综合评估 第一节材料与方法 研究站点和数据来源 潜在蒸散量 (PET) 模型 统计分析 第二节结果与分析 PET 模拟值与 AET 观测值的日均值比较 PET 模型描述 AET 变化趋势能力的比较 Priestly-Taylor 模型的修正参数 第三节讨论 不同 PET 模型的合理性 不同 PET 模型描述 AET 变异的能力 第四节本章小结 第五章中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 第一节材料与方法 数据来源与处理 统计分析 第二节结果与分析 AET 与 AET/MAP 的统计特征 AET 的纬度和经度格局特征 AET 空间格局的影响因素 第三节讨论 中国陆地生态系统的 AET 和 AET/MAP 气候和植被格局对中国陆地生态系统 AET 空间格局的影响 第四节本章小结 第六章全球陆地生态系统实际蒸散量的空间格局及其影响因素与形成机制 第一节数据与方法 数据来源与处理 统计分析 第二节结果与分析 AET 的空间变异规律和统计特征 气候 植被 土壤因素格局对 AET 空间变异的影响 气候 植被 土壤因素格局对 AET 空间变异的贡献及作用方式 第三节讨论 气候因素和植被属性对 AET 空间格局的影响 土壤属性对 AET 空间格局的影响 VI

15 目录 3.3 降雨特征对 AET 空间格局的影响 陆地生态系统 AET 空间格局的形成机制 第四节本章小结 第七章结论与展望 第一节主要研究结论 第二节本研究的创新点 第三节存在的不足与展望 参考文献 附录 附录 1 本研究使用的全球通量观测站的站点信息 附录 2 16 种潜在蒸散量模型的公式表达式 作者简历 VII

16 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 图目录 图 1.1 FLUXNET 通量站点分布图... 4 图 1.2 陆地生态系统 AET 空间格局的形成机制理论图... 9 图 1.3 学位论文主要章节间的相互关系 图 2.1 ChinaFLUX 水汽通量数据处理流程图 图 2.2 本研究的中国通量观测站点的空间分布图 图 2.3 本研究使用的全球通量站点分布图 图 2.4 GLASS 0.05 LAI 和 MODIS 1km LAI 产品的比较 图 3.1 中国区域 61 个站点的 AET 观测值与五种全球蒸散产品的模拟值之间的关联矩阵 图 3.2 五种全球蒸散产品模拟中国区域 61 个站点 AET 的相对误差 (RE) 图 3.3 五种全球蒸散产品对中国区域 61 个站点 AET 的模拟效果 图 3.4 五种全球蒸散产品描述的中国区域 AET 的空间分布图及其标准差 图 4.1 不同 PET 模型模拟的日均 PET 值在不同站点中的大小比较 图 4.2 PET 模拟值与 AET 观测值间季节变化的相关系数在不同站点 (a) 和 PET 模型 (b) 的分布区间 ( 月尺度 ) 图 4.3 Priestly-Taylor 模型模拟的年均 ET r 与年均 ET a 的关系 图 5.1 中国区域不同植被类型 (a) 和气候类型 (b) 生态系统 AET 与 AET/MAP 的统计特征 图 5.2 中国区域不同植被类型生态系统中不同气候区 AET 的分布与大小 图 5.3 中国区域不同植被类型生态系统中不同气候区 AET/MAP 的分布与大小 56 图 5.4 中国陆地生态系统年实际蒸散量的纬度 (a) 和经度 (b) 格局特征 图 5.5 气候因素的空间格局与 AET 的空间格局的关系 图 5.6 LAI 的空间格局与 AET 的空间格局的关系以及 MAP 和 MAT 对 LAI 空间格局的影响 图 5.7 主要气候因素的空间格局对中国区域 AET 空间格局的作用方式 图 6.1 全球不同类型生态系统 AET 的分布与大小 图 6.2 气候 植被 土壤因素与 AET 的关联矩阵图 图 6.3 降雨特征差异与 AET 空间格局的关系 图 6.4 主要气候 植被和土壤因素对 AET 空间格局的作用方式的通径图 VIII

17 目录 表目录 表 1.1 实际蒸散量的测定方法总结... 3 表 2.1 本研究的中国通量站点的站点信息 表 3.1 本研究使用的五种全球蒸散产品的简要信息 表 4.1 各站点通量与常规气象观测的简要介绍 表 4.2 本研究中使用的潜在蒸散量模型 表 4.3 不同生态系统的日均 AET 值和日均 PET 值 表 4.4 在不同生态系统可以选用的 PET 模型 表 种 PET 模型模拟的年 PET 值与年 AET 观测值间的相关系数 表 4.6 不同生态系统 Priestly-Taylor 模型的修正参数 表 5.1 植被类型 气候类型及其交互作用对中国陆地生态系统 AET 空间格局影响的方差分析结果 表 5.2 气候因素与 LAI 的空间格局与 AET 空间格局间的决定系数 表 6.1 植被类型 气候类型及其交互作用对全球陆地生态系统 AET 空间格局影响的方差分析结果 表 6.2 不同类型生态系统 AET 的空间格局与年均降雨量 降雨季节分配和降雨事件特征的相关性 表 6.3 年均潜在蒸散量 (PET) 与年均降雨量 (MAP) 对 AET 空间变异的贡献 IX

18 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 X

19 第一章绪论 第一章绪论 第一节研究背景及意义 水 是生命之源 万物之基 当今世界, 水既是宝贵的自然资源, 又是重要的战略性经济资源和社会资源 一切生命的存在, 社会 经济 环境的可持续发展, 都离不开水 随着人口数量的爆发式增长和社会经济的快速发展, 全球淡水资源的需求量急剧增加 ; 加之水资源的不合理开发利用 工业污染加剧等导致的水污染和水生态退化增加, 人类面临的水资源危机进一步加剧, 已经严重威胁到经济发展 人类健康和国家安全 (Jackson et al., 2001; 夏军, 2011; 于贵瑞, 2001) 同时, 近百年来, 以全球变暖为主要特征的全球气候变化引起了一系列水循环变化 (IPCC, 2013), 对全球水资源的更新和分配产生了深刻影响 (Mu et al., 2011) 面对严峻的水资源危机和全球气候变化, 如何科学地管理和评估水资源已成为当今影响人类社会可持续生存和发展的重大科学命题 科学的水资源管理首先需要全面认识水分循环过程 陆地表层各圈层间的水分循环是物质循环和能量流动的基础, 在地球系统各环节的运行和持续性方面发挥重要作用 (Hutjes et al., 1998; Zhao and Running, 2010) 在陆地水循环中, 大气降水是地表淡水资源的主要来源, 而蒸散 (evapotranspiration,et) 是陆地水循环中仅次于降水量的第二大分量, 据估计 60% 以上的地表降水通过蒸散作用返还给大气 (Oki and Kanae, 2006), 在受水分限制的干旱半干旱地区该比例会更高, 甚至等于 100% (Allen, 2008) 因此, 蒸散是区域和全球陆地水分循环的关键环节, 对陆地生态系统的可利用水资源量具有重要指示作用 (Donohue et al., 2007; Wang and Dickinson, 2012) 同时, 蒸散也是陆地生态系统能量平衡的重要组成部分, 陆地表面所吸收的一半以上的太阳能被用于蒸发水分 (Trenberth et al., 2009) 因而, 深入研究陆地生态系统实际蒸散量的空间格局及其形成机制不仅有助于全面认识陆地水循环过程, 而且对于全球气候变化背景下的陆地水资源的科学管理和准确评估具有重要价值 第二节国内外研究进展 2.1 陆地生态系统实际蒸散量的概念和测定方法 蒸散量的相关概念陆地生态系统蒸散量 (evapotranspiration,et) 是指植被及其立地环境向大气输送水汽的总通量 ( 于贵瑞和王秋凤, 2010), 又叫水汽通量 (water flux), 包括系统蒸发 (evaporation)( 土壤蒸发 植被表面蒸发和冠层截留蒸发 ) 和植被 1

20 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 蒸腾 (vegetation transpiration) 两部分 也有研究将 ET 作为植被蒸腾 土壤蒸发 (soil evaporation) 和冠层截留蒸发 (Evaporation of canopy interception) 三部分的总和 (Fisher et al., 2008) 蒸散过程通常包括液态水转化为气态水的过程, 该过程所消耗的能量称为潜热 (latent heat, LE 或 λe, 其中 λ 代表汽化潜热 ), 进入大气中的能量通量称为潜热通量 (latent heat flux) 本研究将这种实际情况下的蒸散量称为实际蒸散量 (actual evapotranspiration,aet 或 ET), 以区别于潜在蒸散量 (potential evapotranspiration,pet) 潜在蒸散量是 Thornthwaite (1948) 在进行气候区划时提出的一个反映大气蒸发能力或大气蒸发需求的综合性指标, 即水分供应充足时完全取决于气象条件的实际蒸散量的大小, 之后被广泛用于估算作物需水量 生态系统和流域实际蒸散量的研究中 (Sumner and Jacobs, 2005; Sun et al., 2011; Yang and Zhou, 2011; Zhang et al., 2012) 但是自 PET 提出以来,PET 的概念并没有得到清晰且统一的定义 (Granger, 1989) 根据对蒸发面条件和大气条件定义的不同, 存在多个 PET 的概念, 如参考面 PET(reference PET) 和蒸发面 PET(surface-dependent PET) (Federer et al., 1996) 虚拟 PET(apparent PET) 和真实 PET(true PET)(Brutsaert and Parlange, 1998; 孙福宝, 2007) 基于对 PET 概念的不同理解, 关于 AET 和 PET 之间的关系存在两个截然对立的理论 : 蒸发正比假设 (Penman, 1948) 和蒸发互补假设 (Brutsaert and Parlange, 1998) 由于本论文的研究重点在于实际蒸散量, 因此本文并没有对 PET 进行详细地定义, 仅将其作为 AET 的最大值和反映大气蒸发需求的综合指标 陆地生态系统实际蒸散量的测定方法在不同的时间和空间尺度上, 实际蒸散量的测定方法有所不同, 如叶片尺度的气孔计法, 植物个体尺度的茎流计法和蒸渗仪法, 站点尺度的涡度相关法 (eddy covariance,ec) 和波文比 (bowen ratio) 法, 更大尺度上的闪烁仪法 地面水量平衡法和大气水量平衡法等 Shuttleworth (2007) Shuttleworth (2008) Verstraeten et al. (2008) 以及 Wang and Dickinson (2012) 等对 ET 的诸多观测和估算方法进行了综述, 在此基础上, 总结得出用于站点尺度及以上的 ET 测定方法适用的时空尺度及各方法的优缺点, 如表 1.1 所示 2

21 第一章绪论 表 1.1 实际蒸散量的测定方法总结 (Wang and Dickinson, 2012) Table 1.1 Summary of ET observation and estimation methods (Wang and Dickinson, 2012) 方法时间尺度空间尺度优点缺点 涡度相关法 半小时到年 根据冠层以上的观测高度和风速有几百米 波文比法 半小时到年 根据冠层以上的 观测高度和风速 有几百米 闪烁仪 半小时到年 几十米到几十千 米 可直接测定湍流通量能量平衡捕捉已知大尺度贡献区的显热和潜热通量 能量闭合问题 ; 恶劣天气导致数据缺失假定水汽和热量的扩散系数一致 ; 假定能量平衡 ( 能量收支和土壤热通量是点观测, 通量贡献区面积大 ) 基于莫宁 奥布霍夫相似理论的普适函数 地表水量平衡法月到年几百到几千千米直接估算 ; 可用于区域和 全球尺度 只在低时间 ( 多年平 均 ) 和空间分辨率的条 大气水量平衡法月到年几百到几千千米可以用于区域和全球尺度精确度低 件下才能保证精确度 在 ET 的众多测定方法中, 涡度相关法在观测和求算通量的过程中几乎没有假设, 相比于其他方法, 其理论基础最为完善, 适用范围广, 被认为是现今唯一能直接测量生物圈与大气间物质与能量交换通量的标准方法 ( 于贵瑞和孙晓敏, 2006), 已成为生态系统尺度 ET 观测的主要方法 (Baldocchi et al., 2001), 并以 EC 法为主要技术手段形成了国际通量观测网络 (FLUXNET) 和多个区域性观测网络 (Baldocchi et al., 2001), 截至 2014 年 4 月已在 FLUXNET 注册了近 700 个通量观测站点 ( 图 1.1) EC 法在冠层上方采用三维超声风速仪和红外 CO 2 /H 2 O 分析仪直接测定和计算水汽浓度和垂直风速的脉动, 进而计算出秒 日 月 年等时间尺度上的水汽通量数据 (Baldocchi et al., 2001; 于贵瑞和孙晓敏, 2006) 计算公式为: ET = ω ρ v (1.1) 其中,ET 为水汽通量, 即蒸散量 ;ω 为垂直风速脉动值 ;ρ v 为水汽浓度脉动值 ; 上划线表示一段时间平均 EC 法要求仪器安装在湍流通量不随高度发生变化的常通量层内, 而常通量层要求稳态大气 下垫面与仪器之间没有任何源或汇 足够长的风浪区和水平均匀的下垫面等基本条件 ( 于贵瑞和孙晓敏, 2006) 在地势平坦 植被均一的下垫面,EC 系统观测到的垂直水汽通量可以近似地作为生态系统的 ET 值 但是, 现实的生态系统难以完全满足基本假定条件, 从而导致在不进行任何校正的条件 3

22 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 下产生的通量观测值存在一定的不确定性 (Baldocchi et al., 2000; 于贵瑞和孙晓敏, 2008) 此外,EC 系统由于降雨 标定 断电和仪器故障等原因难免会造成部分观测数据缺失和一些数据异常点, 故需要对原始数据进行预处理, 主要包括储存项校正 倾斜校正 ( 即坐标轴旋转 ) WPL 校正 无效数据剔除和数据插补等 (Yu et al., 2006a) 图 1.1 FLUXNET 通量站点分布图 ( 下载自 Figure 1.1 A map of FLUXNET sites downloaded from 陆地生态系统实际蒸散量的空间评估和空间格局特征 蒸散是陆地水分循环和能量平衡的重要组分 (Wang and Dickinson, 2012), 控制着地表与大气间的相互作用 (Jiménez et al., 2011) 为全面认识地表的水文循环和能量分配, 继而更好地进行地表水资源的评价和管理, 首先需要对陆地生态系统实际蒸散量的空间分布特征进行准确评估 但限于实测数据的稀缺和观测站点的局限性, 现有研究主要是利用实际蒸散量的相关模型及输入变量的空间化数据来评估实际蒸散量的空间分布 (e.g., Dirmeyer et al., 2006) 现有的全球蒸散产品已有很多, 主要包括基于遥感数据的产品 (Mu et al., 2011; Ryu et al., 2012; Yan et al., 2012; Zhang et al., 2010) 陆面模型输出产品 (Fisher et al., 2008; Ryu et al., 2011) 再分析产品 (Mueller et al., 2011) 基于通量观测数据的经验性扩展产品 (Jung et al., 2010; Jung et al., 2011) 基于水量平衡的产品 (Zeng et al., 2014) 等 虽然这些蒸散产品的时空分辨率和时间跨度不尽相同, 但他们所描述的年实际蒸散量 (annual actual evapotranspiration,aet) 的空间格局特征基本一致 (Mueller et al., 2011) 在全球尺度,AET 具有显著的空间变异性特征, 主要表现为纬向地带性分布规律 : 在低纬度地区 AET 最大, 随着纬度升高而逐渐降低 而在经向上,AET 的空间变异规律并不明显 4

23 第一章绪论 虽然这些蒸散产品描述的 AET 的空间格局类似, 但不同产品对相同区域 AET 的评估结果可能会存在很大差异 (Chen et al., 2014b; Dirmeyer et al., 2006; Mueller et al., 2011; Trenberth et al., 2009) 例如, 在全球尺度,Mueller et al. (2011) 依托 LandFlux-EVAL 项目评估和比较了 41 种全球蒸散产品, 结果表明, 与其他模型相比,IPCC AR4 的全球气候模型严重低估印度地区的 AET( 高达 1mm day -1 ) 和南美洲东部部分地区的 AET, 高估美国西部 澳大利亚和中国地区的 AET Global Soil Wetness Project-2 项目选取的 15 个模型估算的全球平均 AET 值相差很大, 介于 272~441 mm yr -1 之间 (Dirmeyer et al., 2006) 在区域尺度, Chen et al. (2014b) 选取的 8 个模型估算的中国平均 AET 值相差也很大, 介于 535~852 mm yr -1 之间, 最大模拟值是最小模拟值的 1.5 倍以上 基于 BEPS 模型估算的中国区域的平均 AET 值 (369.8 mm yr -1 ) (Liu et al., 2013b) 要比基于遥感 Penman-Monteith 模型获得的结果 (500 mm yr -1 ) (Li et al., 2014) 低大约 26% 近年来, 一些研究利用涡度相关法观测的站点尺度的 ET 数据对多种 ET 模型或产品的不确定进行了评估, 研究结果均表明, 不同模型或产品对站点尺度 ET 的预测结果存在很大差异 (Chen et al., 2014b; Ershadi et al., 2014; Hu et al., 2015; Velpuri et al., 2013; Vinukollu et al., 2011) 随着涡度相关技术的不断推广, 目前也有研究基于站点观测值评估了区域尺度 AET 的空间格局 Xiao et al. (2013) 通过整合中国区域的通量观测数据 (~20 个站点 ) 分析了中国区域陆地生态系统 AET 的空间变异规律, 结果表明 AET 随着纬度的增加而迅速降低, 但经向变化趋势并不明显, 与全球尺度 AET 的空间分布特征基本一致 2.3 陆地生态系统实际蒸散量空间格局的影响因素 生态系统蒸散是发生在土壤 植被与大气间的水汽交换过程, 前期对植被蒸腾 土壤蒸发以及生态系统蒸散过程机理的研究已相当充分, 不仅认识到净辐射 饱和水汽压差 气孔导度 ( 或冠层导度 ) 等因素对蒸散过程的控制作用, 还通过 Penman-Monteith Priestly-Taylor 等方程对蒸散过程进行了准确描述 然而, 蒸散的空间格局的形成机制与蒸散的动态过程机理并不相同, 其影响因素也不完全一致 因为蒸散过程受到一系列环境因子和生物因子的交互作用影响 (Jarvis and McNaughton, 1986; Wang and Dickinson, 2012; Wilson and Baldocchi, 2000), 所以 AET 的空间格局也应该是气候因素和植被属性 ( 如植被类型 叶面积指数 ) 共同作用的结果 目前的研究认为,AET 的空间格局主要由降雨量 气温和植被类型决定 气候格局对陆地生态系统实际蒸散量空间格局的影响气候类型 5

24 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 大量通量塔的观测结果表明, 不同气候类型生态系统间的 AET 的大小存在较大差异 全球 AET 的空间评估结果表明,AET 在热带气候区最大, 紧接着为亚热带季风气候区和温带湿润区, 在寒冷且干旱的气候区 AET 最小 (Jung et al., 2010; Jung et al., 2011) 中国区域的 AET 也表现出热带和亚热带生态系统的 AET 最大, 温带气候区的 AET 中等, 位于寒温带 干旱地区和高寒气候区的站点 AET 最小 (Xiao et al., 2013) 气候因素受气候类型和地形因素的影响, 陆地生态系统的水分 温度 辐射等气候因素呈现出一定的空间变化特征, 并对 AET 的空间格局产生一定影响 早在上个世纪四五十年代,Thornthwaite 就提出一个由年均降雨量 (MAP) 和年均潜在蒸散量 (PET, 由年均气温直接计算 ) 估算植被年均实际蒸散量 (AET) 的方程 ( 即 Thornthwaite 纪念方程 )( 周广胜等, 1998), 由此表明了气候格局在陆地生态系统 AET 空间格局分析中的重要性 随着通量观测数据的不断累积, 已有研究通过整合分析手段分析了气候格局对陆地生态系统 AET 空间格局的影响 Williams et al. (2012) 通过整合全球 167 个通量观测站点的 AET 观测数据, 表明陆地生态系统的 AET 存在着水分限制 ( 以 MAP 表示 ) 和能量限制 ( 以 PET 表示 ) 间的平衡, 全球陆地生态系统的 AET 与 MAP 和 PET 存在显著的正相关关系 但是, 在不同区域, 相同气候因子对 AET 空间格局的影响并不完全一致 Brümmer et al. (2012) 在加拿大的研究表明,AET 与 MAP 存在显著的指数函数关系,MAP 可以解释 20%~40% 的 AET 空间变异 尽管站点间 MAP 的变异性很大 ( 257~1171 mm yr -1 ), 但是 AET 总是在较窄的范围内变化 (200~500 mm yr -1 ) 虽然整体上 AET 与 MAP 呈现为正相关关系, 但是当年降雨量大于一定值 ( 约 500 mm) 后,AET 趋于饱和 这是因为, 在高降雨条件下, 盈余的降雨量将会促进径流量 土壤含水量和地下水补给量的增大, 而非被植物直接利用 (Brümmer et al., 2012), 从而对 AET 产生限制作用 Xiao et al. (2013) 对中国区域陆地生态系统 AET 空间格局的影响因素研究表明,MAP 可以解释中国区域 AET 空间变异的 73%, 与 AET 在空间上呈现出显著的线性关系, 但是并没有出现 饱和 现象 这说明, 年均降雨量与 AET 空间格局间的关系在不同区域可能会有所不同 同时, Xiao et al. (2013) 的研究也表明, 年均气温的空间格局与 AET 的空间格局之间也存在显著的线性关系, 决定了中国区域 AET 空间变异的 80%; 而 AET 与光合有效辐射和饱和水汽压差空间上的关系并不显著 植被格局对陆地生态系统实际蒸散量空间格局的影响植被类型 6

25 第一章绪论 诸多观测结果表明, 各通量观测站点获得的不同植被类型生态系统间的 AET 的大小存在较大差异 Xiao et al. (2013) 对中国区域不同植被类型生态系统 AET 的整合研究表明, 森林生态系统和滨海湿地生态系统的 AET 较高, 介于 600~1000mm yr -1 ; 而草地生态系统和农田生态系统的 AET 较低, 介于 200~400 mm yr -1 但是,Brümmer et al. (2012) 对加拿大 12 个生态系统 ( 包括 9 个成熟林 2 个湿地和 1 个草地 ) 的整合分析表明, 植被类型对 AET 变异的影响较小 因此, 植被类型对 AET 空间格局的影响在不同区域可能有所不同 生长季长度 Xiao et al. (2013) 指出, 生长季长度的空间格局与 AET 的空间格局之间也存在显著的线性关系, 可以解释中国区域 AET 空间变异的 74% 但是,Brümmer et al. (2012) 的分析表明, 生长季长度对 AET 变异的影响较小 叶面积指数叶面积指数 (LAI) 是描述植被生长状况和冠层结构的重要生物因素 已有研究表明,LAI 的空间变异会影响 AET 不同组分 ( 冠层截留蒸发 土壤蒸发和植被蒸腾 ) 的空间格局 如, 冠层截留蒸发的大小取决于 LAI 的大小 (Jung et al., 2011), 土壤蒸发占 AET 的比例与 LAI 在空间上为负相关关系 (Law et al., 2002) 考虑到 LAI 与植被类型 降雨量和气温等显著的相关性,LAI 应该也会对 AET 的空间变异产生影响, 但是目前并没有研究结果直接证明 LAI 的空间格局与 AET 空间格局的关系 2.4 陆地生态系统实际蒸散量空间格局形成机制的理论框架 总结前人研究可以发现, 虽然关于陆地生态系统 AET 的空间格局及其影响因素已有一系列研究工作, 但是还存在一些问题 主要表现在, 基于长期观测资料分析陆地生态系统 AET 的空间变异的研究还很缺乏, 且并未深入研究 AET 空间格局的影响因素和形成机制 关于陆地生态系统 AET 空间格局的影响因素, 现有研究还停留在降雨 气温等单个的影响因子分析, 关于各影响因素对 AET 空间格局的作用大小和作用方式仍不清楚 并且, 植被属性特征与生态系统功能的关系是当前全球生物地理学研究的热点领域 (Reichstein et al., 2014), 而现有的 AET 空间格局的影响因子分析仍然以气候要素为主, 关于植被属性 ( 如叶面积指数 ) 和土壤属性对 AET 空间格局的影响很少涉及 因此, 本研究在现有研究结果的基础上, 结合前期研究获得的关于生态系统蒸散过程的先验知识, 构建了一个关于陆地生态系统 AET 空间格局形成机制的理论框架 ( 图 1.2) 具体表现为: (1) 气候要素具有一定的地理分布特征, 其中太阳辐射 ( 主要为净辐射 R n ) 是生态系统 大气间蒸散的能量来源, 饱和水汽压差 (VPD) 是生态系统蒸散的驱动力,VPD 的空间变异规律决定于气温 (MAT) 和相对湿度 (RH) 的空间格 7

26 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 局 ( 图 1.2-P1), 太阳辐射和 VPD 的空间格局共同决定了潜在蒸散量 (PET) 的空间特征 ( 图 1.2-P2) PET 的空间格局对 AET 的空间变异具有重要影响 ( 图 1.2-P3) 关于 PET 与 AET 间的关系存在蒸发正比和蒸发互补两种假设, 二者在空间上的关系将有待验证 (2) 辐射 温度和降水等气候要素的地理格局决定了植被类型继而植被属性特征 ( 如叶面积指数 LAI) 的地理分布特征 ( 图 1.2-P4), 植被属性格局一方面可以影响植被蒸腾和系统蒸发 ( 包括土壤蒸发 植被表面蒸发和冠层截留蒸发 ) 两部分的相对大小, 还可以作为蒸腾作用的主体影响植被蒸腾量的大小和空间格局 ( 图 1.2-P8) (3) 气候格局对土壤质地 土壤容重等土壤属性格局具有一定影响, 土壤物理性质和降雨量 (MAP) 的地理分布特征使土壤供水能力表征出一定的空间格局 ( 图 1.2-P5) 土壤是陆地生态系统植物生长的基础和水肥来源, 土壤属性格局对植被属性的空间分布特征具有重要影响 ( 图 1.2-P6) 同时, 土壤为植被蒸腾和土壤蒸发提供直接的水分来源, 从而影响生态系统蒸腾和蒸发的大小和空间分布 ( 图 1.2-P7) (4) 陆地生态系统 AET 的空间格局决定于植被蒸腾和系统蒸发共同的地理格局 ( 图 1.2-P10) 气候格局可以影响植被蒸腾和系统蒸发的空间变异规律( 图 1.2-P9), 植被属性和土壤属性格局通过影响植被蒸腾和系统蒸发的比例和空间格局 ( 图 1.2-P7 和图 1.2-P8) 来影响陆地生态系统 AET 的空间变异规律 在此基础上, 气候 植被和土壤三者通过彼此在空间格局上的紧密偶联关系共同控制着陆地生态系统 AET 的空间格局 基于上述理论框架 ( 图 1.2), 本研究将基于涡度相关法获得的长期观测资料对中国和全球陆地生态系统 AET 的空间变异规律进行研究, 以验证该理论框架描述的 AET 空间格局的形成机制, 并根据具体情况制定了相关研究内容 8

27 第一章绪论 图 1.2 陆地生态系统 AET 空间格局的形成机制理论图 Figure 1.2 Framework of the underlying mechanisms of the spatial variation in AET of terrestrial ecosystems 第三节研究目的与内容 本研究的目的为 : 以中国陆地生态系统通量观测研究网络 (ChinaFLUX) 的通量观测数据为基础, 同时收集和整理中国及全球其他区域陆地生态系统的实际蒸散量观测数据, 建立中国及全球陆地生态系统实际蒸散量的数据集 在此基础上, 结合气候 植被 土壤等数据资料, 揭示陆地生态系统实际蒸散量的空间变异特征及其主要影响因素, 并探讨生态系统实际蒸散量的空间格局的形成机制 在实际蒸散量的空间格局分析中, 潜在蒸散量及其所表示的大气蒸发需求对实际蒸散量空间格局的影响是本研究需要评估的重要内容之一, 但潜在蒸散量的估算模型有很多, 不同方法获得的潜在蒸散量可能会对研究结果产生重大影响, 因此, 本研究在分析实际蒸散量的空间格局之前首先评估了若干常用的潜在蒸散量模型 本研究主要包括以下四部分研究内容 : (1) 分析五种全球蒸散产品在中国陆地生态系统实际蒸散量评价中的不确定性 ( 第三章 ) 通过整合中国区域通量观测站点的年实际蒸散量 (AET) 数据, 我们构建了一套目前最为完整的中国陆地生态系统 AET 的数据集 基于该套数据集, 本章拟定量评估五种全球蒸散产品对中国陆地生态系统 AET 评价的不确定性, 并比较这五种全球蒸散产品描述的中国区域 AET 的空间格局间的差异 9

28 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 (2) 基于 ChinaFLUX 的八个典型生态系统的通量观测数据评估 16 种常用的潜在蒸散量模型 ( 第四章 ) 根据过去的研究结果, 不同潜在蒸散量模型估算的潜在蒸散量可能会对实际蒸散量与潜在蒸散量间的空间关系有着重要影响, 本章拟利用八个典型生态系统的涡度相关法获得的实际蒸散量数据对 16 种常用的潜在蒸散量模型进行综合评估, 以作为后文分析实际蒸散量空间变异的影响因素时选取潜在蒸散量估算模型的理论基础 (3) 中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 ( 第五章 ) 本章拟基于构建的中国区域的 AET 数据集, 定量分析中国区域不同植被类型 不同气候区间的 AET 和 AET/MAP 的统计特征, 阐述中国陆地生态系统 AET 的空间变异规律, 揭示气候因素 ( 降雨 气温 辐射等 ) 和植被因素 ( 叶面积指数 ) 的空间格局对中国陆地生态系统 AET 空间格局的控制作用 (4) 陆地生态系统年实际蒸散量的空间格局的形成机制 ( 第六章 ) 本章拟在上述几章工作的基础上, 在更大尺度 ( 全球 ) 上, 结合气候 植被 土壤数据资料, 综合分析气候 植被 土壤因素的空间格局 以及降雨特征差异对陆地生态系统 AET 空间变异的控制作用, 探讨陆地生态系统 AET 空间变异的形成机制 以上各章之间的关系如图 1.3 所示, 第三章是后续各章的基础, 第四章是第五章和第六章的基础, 而第五章是第六章的基础 图 1.3 学位论文主要章节间的相互关系 Figure 1.3 Relationships among the main chapters of this dissertation 10

29 第二章研究数据来源与处理 第二章研究数据来源与处理 第一节中国陆地生态系统实际蒸散量数据的来源与处理 为分析中国陆地生态系统实际蒸散量的空间变异规律, 本研究通过整合 ChinaFLUX 站点的长期观测数据和中国区域其他观测站点已发表的文献数据, 初步获得了 61 个观测站点 163 条站点年的 ET 年总量 ( 即 AET) 观测数据 下面对 ChinaFLUX 的观测和数据处理方法以及文献数据的获取方法分别介绍如下 1.1 ChinaFLUX 的观测与数据处理方法 ChinaFLUX 的观测方法 ChinaFLUX 于 2002 年依托于中国生态系统研究网络 (CERN) 创建 自 2002 年以来,ChinaFLUX 不断发展和壮大, 现已成为全球重要的区域性观测网络之一 (Yu et al., 2006b; Yu et al., 2013; 于贵瑞和孙晓敏, 2008) 在考虑生态系统类型的完整性和区域代表性的基础上,ChinaFLUX 参照国际上其他通量观测网络的设计和运行机制, 在各通量观测台站采用统一的观测设备 规范化的观测项目和观测方法 ( 于贵瑞和孙晓敏, 2006) ChinaFLUX 站点的观测系统主要由一套涡度相关通量观测系统和一套常规气象观测系统组成 ChinaFLUX 以开路式涡度相关系统 (open-path eddy covariance, OPEC) 作为生态系统碳水通量的标准观测系统 OPEC 系统由开路式红外 CO 2 /H 2 O 分析仪 (Li-7500,Li-Cor Inc.,Lincoln,Nebraska,USA) 三维超声风速仪 (CSAT3,Campbell Scientific Inc.,Logan,Utah,USA) 和数据采集器 (CR5000,Campbell Scientific Inc.,Logan,Utah,USA) 构成 原始采样频率为 10 Hz, 由 CR5000 进行数据采集和在线计算, 并输出平均周期为 30 min 的 CO 2 和 H 2 O 通量数据 常规气象观测要素主要包括总辐射 净辐射 光合有效辐射 空气温 / 湿度 风速风向 降水量 土壤温 / 湿度 土壤热通量 土壤含水量等 气象要素与碳水通量同步观测, 原始采样频率为 2Hz, 由数据采集器 (CR10X 和 CR23X,Campbell Scientific Inc.,Logan,Utah,USA) 采集并在线计算和输出 30 min 的统计值 由于各通量站的植被类型 冠层高度等不完全一致, 各通量站的通量和常规气象观测系统的安装布设方法有所不同 通量的观测高度要根据冠层高度和风浪区 (fetch) 大小来确定 ( 于贵瑞和孙晓敏, 2006) 根据确定通量观测高度的拇指法则, 通常将观测高度与通量贡献区 (fetch/footprint) 的比率设定为 1:100 对于下垫面均一的站点, 通量仪器的安装高度为冠层高度的 1.3~1.5 倍时即可满足 11

30 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 观测需要 ( 于贵瑞和孙晓敏, 2008) 常规气象观测系统在森林观测站和草地/ 农田观测站的布设方法有所不同 太阳辐射相关的传感器在森林站安装在森林冠层上方, 在草地 / 农田站安装在距地面约 2m 处 空气温 / 湿度传感器和风速 / 风向传感器的观测高度在森林站设置为 7 层, 在草地 / 农田站设置为 2 层 土壤温度 湿度和土壤热通量的传感器在各通量站点的布置方式也有所差异 ChinaFLUX 站点的观测系统的具体布设方法可参考于贵瑞和孙晓敏 (2008) ChinaFLUX 的数据处理方法本研究使用 ChinaFLUX 成立之初即开始运行的 8 个通量观测塔获取的 2003~2011 年的 30 min 水汽通量和常规气象数据 降雨 标定 断电和仪器故障等原因会造成部分观测数据缺失或异常, 需要对获取的原始数据进行预处理, 以控制数据质量, 保证进一步研究结果的可靠性 (Yu et al., 2006b) 因此, 本研究采用 ChinaFLUX 的标准数据处理方法对 30 min 通量数据和常规气象数据进行处理, 过程如图 2.1 所示 具体步骤如下 : 坐标轴旋转在复杂地形条件下应用涡度相关法进行通量测定时需要进行倾斜校正, 即坐标轴旋转, 从而使得通量测定满足涡度相关法的基本假设条件 坐标轴旋转的目的主要是通过选择合适的坐标轴系统, 利用坐标轴变换使得垂直方向的平均风速为零, 从而消除平均垂直通量 倾斜校正的方法主要有两次坐标轴旋转 三次坐标轴旋转和平面拟合三种方法 (Kyaw et al., 2000; Tanner and Thurtell, 1969; Wilczak et al., 2001), 本研究采用最常用的三次坐标轴旋转方法对坐标轴进行旋转 (Finnigan et al., 2003; Zhu et al., 2005) WPL 校正在实际的观测过程中, 当用涡度相关法观测 CO 2 等微量气体的湍流通量时, 由于热量或水汽通量的输送对微量气体密度的影响, 会使得对通量传输没有作用的干空气的垂直运动速度发生变化, 因此在实际计算中必须分别对水汽和热量传输对碳水通量的影响进行 Webb-Pearman-Leuning (WPL) 校正 (Leuning, 2006; Webb et al., 1980) 水汽通量的 WPL 校正公式为 : ET wpl = (1 + μμ) ω ρ v + ρ v (2.1) 12 T ω T 其中,μ 为干空气与水汽分子量的比值,σ 为水汽密度 (ρ v ) 与干空气密度的比值,ω 为垂直风速脉动值,ρ v 为水汽浓度脉动值,T 为温度, 撇号 ( ) 表示瞬时值与平均值的偏差 ( 即脉动值 ), 上划线表示一段时间平均 储存项计算当大气热力分层达到稳定, 或湍流的垂直混合作用较弱时, 植被和土壤通过蒸腾蒸发作用向大气输送的水汽可能不会全部通过湍流作用被输送达到通量仪器的观测高度, 部分水汽通量会被储存在植被冠层和观测高度以下的大气之中,

31 第二章研究数据来源与处理 使得植被冠层和观测高度以下大气中的水汽浓度升高 (Yu et al., 2006b) 在这种 情况下, 观测高度以下的水汽通量储存项不为零, 违背了通量观测时大气稳态条件的基本假设, 因此需要对涡度相关系统测定的结果做必要的修订, 即在水汽湍流通量的基础上增加观测高度以下大气中的水汽储存项 本研究使用涡度相关系统观测的单点水汽浓度变化方法计算水汽储存项, 公式为 : ET s = c t h (2.2) 式中,Δc 是前后两次相邻时刻测定的水汽浓度差,Δt 是前后两次测定的时间间隔,h 是通量观测高度 ETs 与涡度相关系统观测到的水汽通量的和即为测定生态系统与大气间的水汽交换量 异常数据剔除因通量贡献区或湍流条件等生物物理因素以及仪器本身的影响, 涡度相关法获取的观测数据中存在着偏离正常数据变化范围的 野点 ( 刘敏等, 2010) 为保障数据质量的可靠性, 需要对该类数据进行异常数据剔除 碳水通量的异常数据剔除主要由四部分组成 :(1) 降雨剔除 : 降雨过程中可能会有水滴附着在红外气体分析仪的分析气路上, 从而影响碳水通量观测数据的准确性, 因而本研究将降雨事件及降雨事件前后各半小时的通量数据剔除 ;(2) 阈值剔除 : 本研究设定水汽通量的数据阈值为 [-100, 500] (w m -2 ), 将阈值范围外的数据剔除 ;(3)1.96 倍标准差剔除 : 本研究以连续 5 个数据点为 滑动 窗口, 将窗口内的数据偏离平均值 ±1.96 倍标准差的数据进行剔除 ;(4) 夜间临界摩擦风速 (u*) 剔除 : 由于夜晚大气层结较稳定, 涡度相关观测系统对夜间通量存在着偏低估计 ( 于贵瑞和孙晓敏, 2006) 为解决该问题, 本研究剔除了 u* 临界值以下的夜间通量观测数据, 以确保涡度相关法的测定是处于强湍流条件下的观测结果 此处采用 (Reichstein et al., 2005) 提出的方法确定临界 u* 值, 具体为 : 首先, 将一年的数据按季度分为四个数据集, 并将每个数据集依据温度数据等分为六组 ; 然后, 将每个温度组的数据依据 u* 等分为 20 组数据 ; 当某一 u* 组的夜间碳通量平均值大于高 u* 组的碳通量均值的 95% 时, 该组 u* 的中位数即为相应温度组的临界 u* 值 ; 六个温度组对应六个临界 u* 值, 其中位数则为相应季度数据的临界 u* 值 ; 最终以获得的四个临界 u* 值的最大值作为相应年份的临界 u* 值 (Zheng et al., 2014) 同样, 常规气象变量的观测数据也存在一些异常值, 本研究采用阈值剔除法剔除阈值范围外的数据 水汽通量和常规气象缺失数据的插补为获得完整时间序列的数据, 需要对缺测值和剔除的异常值进行插补 对于气象数据的缺失值, 当数据缺失小于 2 h 时使用线性内插法, 而大于 2 h 时则利用平均昼夜变化法 (mean diurnal variation,mdv) 进行插补, 即缺失值用邻近前后各三天的相同时段的观测平均值来替换 对于水汽通量的缺失数据, 当水汽 13

32 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 通量数据的缺失小于 2 h 时, 使用线性内插法 ; 大于 2 h 时, 则使用查表法 (look-up tables) 进行插补, 即首先创建 ET 的索引表, 然后利用缺失时间段的太阳辐射 饱和水汽压差和温度等环境条件在该表中查找相似环境下的 ET 平均值来替换缺失数据 (Falge et al., 2001); 最后通过 MDV 方法插补剩余的缺失值 通过对全部时间段缺失数据的插补计算, 得到各生态系统全年逐日逐半小时的 ET 和气象数据, 并由此获得日 月 年等时间尺度的统计值 图 2.1 ChinaFLUX 水汽通量数据处理流程图 Figure 2.1 Processing flow of ChinaFLUX water flux data 1.2 收集的水汽通量数据的筛选标准 通过收集近年来在中国区域观测并且已公开发表的文献数据, 获取 ChinaFLUX 观测站点以外的其他站点的数据 我们采用以下方法来筛选文献数据 : 首先, 水汽通量 ( 或潜热通量 ) 数据统一由涡度相关法观测得到, 并由各站点研究人员对原始观测数据进行了一系列数据处理, 包括坐标轴旋转 WPL 校正 异常值剔除及缺失数据插补等 其次, 由于本研究目标在于分析年尺度上水汽通量 ( 即 AET) 的空间格局, 因此, 要求观测站点具有连续一年以上的观测结果 需要指出, 对于寒冷气候条件下, 缺失冬季月份的水汽通量观测数据的站点, 包括青海阿柔 吉林长岭 内蒙四子王旗等十个站点, 考虑到这些站点具有较强的区域代表性, 加之这些站点 14

33 第二章研究数据来源与处理 冬季的水汽通量很小, 因此本研究对这几个站点的数据均予以采纳, 并将文献报道的总 ET 值作为其年实际蒸散量值 同时, 从文献中收集了各站点相应的站点信息, 包括经度 纬度 海拔等地理要素数据以及植被类型等信息 此外, 还收集了相应观测年份的气象数据, 包括年均气温 (MAT) 年均降雨量(MAP) 和年总净辐射 (R n ) 数据 对于个别缺失温度和降雨数据的站点, 采用该站点的多年平均气候值代替 1.3 数据整合结果 通过整合 ChinaFLUX 站点的长期观测数据和中国区域其他观测站点已发表的文献数据, 本研究最终获得了来自 61 个站点的 163 条有效的站点年实际蒸散量数据, 这些站点具有广阔的空间分布, 基本覆盖了中国的典型气候区和主要类型生态系统 ( 图 2.2) 涵盖了温带大陆气候 温带季风气候 亚热带季风气候 热带季风气候和高寒气候五类气候类型, 包括了常绿阔叶林 常绿针叶林 落叶阔叶林 落叶针叶林 针阔混交林 草地 农田和湿地八类生态系统, 其中森林站有 19 个, 草地站有 18 个, 农田站有 16 个, 湿地站有 8 个 各站点的简要信息见表 2.1, 详细信息可参考表 2.1 中提供的参考文献 由于本研究旨在分析年实际蒸散量 (AET) 的空间变异规律, 所以对于具有 2 年以上观测数据的站点, 我们仅使用其观测时期内 AET 的平均值, 以消除数据分析中时间变率的影响 15

34 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 图 2.2 本研究的中国通量观测站点的空间分布图地图背景为中国 1:100 万植被图 (Editorial Committee of Vegetation Map of China, 2007), 图中符号表示通量站的位置 站点信息见表 2.1 I= 温带大陆气候, II= 温带季风气候, III= 亚热带季风气候, IV= 热带季风气候, V= 高寒气候 Figure 2.2 Location and spatial distribution of eddy covariance flux sites in China used in this study The base map is the vegetation map of China (1: ). Symbols represent the location of flux sites. Site descriptions refer to Table

35 第二章研究数据来源与处理 表 2.1 本研究的中国通量站点的站点信息 Table 2.1 Sites descriptions for the flux sites in China used in this study No. 站点名 地理位置海拔植被类气候 MAT MAP AET ( N, E) (m) a 型 b 类型 ( C) (mm yr -1 ) (mm yr -1 ) 观测时间 参考文献 森林 1 云南哀牢山 24.53, EBF III 吉林长白山 42.40, MF II 4.3± ± ± (Zhang et al., 2006) 3 c 北京昌平 40.17, DBF II (Ouyang et al., 2013) 4 广东鼎湖山 23.17, EBF III 20.3± ± ± (Yu et al., 2006b) 5 北京大兴 39.53, DBF II 13.4± ± ± (Zhang, 2010) 6 四川贡嘎山 29.58, ENF III (Lin et al., 2012) 7 甘肃关滩 38.53, ENF V (Zhu et al., 2013a) 8 安徽怀宁 33.00, EBF III 17.9± ± (Han et al., 2009) 9 湖南会同 26.83, ENF III (Wang et al., 2011) 10 内蒙古库不齐 40.54, DBF I (Wilske et al., 2009) 11 黑龙江老山 45.33, DNF II ± (Cui, 2007) 12 云南勐仑 21.93, EBF IV (Tan et al., 2011) 13 北京密云 40.63, DBF II 9.3± ± ± (Liu et al., 2013a) 14 江西千烟洲 26.74, ENF III 18.2± ± ± (Wen et al., 2006) 15 浙江太湖源 30.18, EBF III (Lin et al., 2013) 16 河南小浪底 35.02, MF II 15.0± ± (Guo, 2010) 17 云南西双版纳 21.93, EBF IV 19.4± ± ± (Li et al., 2010) 18 湖南岳阳 29.31, DBF III (Wang, 2008) 19 c 河北赵县 37.80, DBF II (Zhang et al., 2013) 草地 20 青海阿柔 38.04, GRA V (Wang et al., 2009) 21 吉林长岭 44.58, GRA II 7.5± ± ± (Dong et al., 2011) 22 内蒙古多伦 42.05, GRA I (Chen et al., 2009) 17

36 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 23 西藏当雄 30.85, GRA V 2.8± ± ± (Shi et al., 2006) 24 新疆阜康 44.28, GRA I (Liu et al., 2012) 25 青海海北 37.60, GRA V -1.2± ± ± (Gu et al., 2008) 26 青海海北灌丛草甸 37.66, GRA V -1.3± ± ± (Zheng et al., 2014) 27 内蒙古库不齐 40.38, GRA I (Wilske et al., 2009) 28 青海三江源 34.35, GRA V 0.2± ± ± (Li et al., 2012) 29 内蒙古苏尼特左 44.08, GRA I ± (Zhang et al., 2012) 30 内蒙古四子王旗 围封 41.79, GRA I (Shao et al., 2013) 31 内蒙古四子王旗 放牧 41.79, GRA I (Shao et al., 2013) 32 青海天峻 38.42, GRA V (Wu et al., 2013) 33 吉林通榆 44.59, GRA II 6.7± ± ± (Liu and Feng, 2012) 34 内蒙古锡林浩特 典型 44.13, GRA I 2.0± ± ± (Wang et al., 2008) 35 内蒙古锡林郭勒 43.55, GRA I 1.4± ± ± (Hao et al., 2007) 36 内蒙古锡林浩特 放牧 43.55, GRA I (Chen et al., 2009) 37 内蒙古锡林浩特 围封 43.55, GRA I (Chen et al., 2009) 农田 38 内蒙古多伦 42.05, CRO I (Chen et al., 2009) c 39 北京大兴 39.62, CRO II 12.6± ± ± (Liu et al., 2013a) 40 甘肃定西 35.55, CRO I (Yang et al., 2013) c 41 河北馆陶 36.52, CRO II 13.8± ± ± (Liu et al., 2013a) 42 辽宁锦州 41.15, CRO II (Zhou et al., 2010a) c 43 河北栾城 c 44 辽宁盘锦 c 45 黑龙江三江平原 水稻 37.83, CRO II ± ± (Shen et al., 2013) 41.15, CRO II (Zhou et al., 2010a) 47.58, CRO II ± ± (Zhao et al., 2008) 46 黑龙江三江平原 大豆 47.58, CRO II ± ± (Zhao et al., 2008) c 47 甘肃石羊河 c 48 吉林通榆 c 49 新疆乌兰乌苏 37.87, CRO I ± ± (Ding et al., 2013) 44.57, CRO II 6.7± ± ± (Liu and Feng, 2012) 44.28, CRO I (Zhou et al., 2012) 18

37 第二章研究数据来源与处理 50 c 山东位山 36.65, CRO II 13.7± ± ± ,2009 (Lei and Yang, 2010; Shen et al., 2013) 51 c 甘肃武威 37.87, CRO I (Li et al., 2008) 52 山东禹城 g 36.95, CRO II 13.3± ± ± (Zhao et al., 2007) 53 c 甘肃盈科 38.86, CRO I (Wang et al., 2009) 湿地 54 上海东滩 高滩 31.52, WET III (Guo et al., 2009) 55 上海东滩 中滩 31.58, WET III (Guo et al., 2009) 56 上海东滩 低滩 31.52, WET III (Guo et al., 2009) 57 广东高桥 21.57, WET IV (Chen et al., 2014a) 58 青海海北 37.61, WET V -1.0± ± ± (Yu et al., 2006b) 59 辽宁盘锦 41.14, WET II 9.0± ± ± (Zhou et al., 2010b) 60 黑龙江三江平原 47.58, WET II ± ± (Sun and Song, 2008) 61 福建云霄 23.92, WET III ± ± (Yan, 2012) 注 : a 基于 IGBP(International Geosphere-Biosphere Program) 植被类型将植被分为八类 : 常绿阔叶林 (EBF) 常绿针叶林 (ENF) 落叶阔叶林 (DBF) 落叶针叶林 (DNF) 针阔混交林 (MF) 草地 (GRA) 农田 (CRO) 和湿地 (WET) b 气候类型分为五类, 包括温带大陆气候 (I) 温带季风气候 (II) 亚热带季风气候 (III) 热带季风气候 (IV) 和高寒气候 (V), 其分布区域见图 1 c 这些站点在相应观测 时期内有灌溉活动, 包括两个森林站点和 11 个农田站点 MAT= 年均气温,MAP= 年均降雨量,AET= 年实际蒸散量 19

38 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 20

39 第二章研究数据来源与处理 第二节全球陆地生态系统实际蒸散量数据的来源与处理 为在更大的空间尺度 ( 即全球尺度 ) 探讨陆地生态系统实际蒸散量的空间格局的形成机制, 本研究通过整合 ChinaFLUX 的长期观测数据和国际通量观测网络 (FLUXNET) 公布的数据集, 初步获得了 123 个站点 553 条站点年的 AET 通量观测数据 ChinaFLUX 的观测和数据处理方法已在本章 1.1 节介绍, 下面就 FLUXNET 数据的来源与处理方法 以及数据整合结果进行介绍 2.1 FLUXNET 数据的来源与处理 本研究使用的 FLUXNET 数据来自于 La Thuile Free Fair-Use 数据库, 该数据库是 FLUXNET 于 2007 年公布的 La Thuile 数据库的子数据库, 涵盖了全球 154 个站点 663 条站点年的涡度相关碳水通量和常规气象观测数据, 该数据库的数据资料无需提交申请即可免费公开获取和直接使用, 已被全球不同研究领域的科学家们广泛用于气候模型 遥感算法 水文模型 碳循环模型等模型和算法的检验 参数化和验证 ( FLUXNET 采用一套统一的数据处理方法对 La Thuile Free Fair-Use 数据库的 30 min 通量数据进行处理, 并将 30 min 数据汇总至日尺度 通量数据的处理流程包括坐标轴旋转 WPL 校正 异常值剔除和缺失数据插补等, 具体的数据处理方法可参考 FLUXNET 网站资料和 Reichstein et al. (2005) 基于日尺度的 La Thuile Free Fair-Use 数据库, 本研究对各站点年的水汽通量数据进行了如下处理和筛选 : 首先, 要求各站点年的水汽通量数据连续且完整, 以在年尺度上分析水汽通量 ( AET) 的空间变异 需要指出, 虽然 FLUXNET 公布的 La Thuile Free Fair-Use 数据库已经过一套标准的数据处理流程, 但是很多站点年由于气象数据的缺失导致通量缺失数据无法得到有效插补 因此, 本研究需要各站点年的水汽通量 ( 在 La Thuile 数据库中以潜热通量 LE 指代 ) 数据满足以下三种情况之一方可予以使用 :( 1)LE 具有完整的时间序列 ;(2)LE 的时间序列不完整, 但缺失时段具有有效的净辐射 (R n ) 和显热通量 (H) 观测数据, 由于土壤热通量 (G) 在日尺度可以忽略不计 (Allen et al., 1998), 因此可以根据能量平衡方程 (R n G = LE + H) 对 LE 的缺失值进行插补, 即 LE = R n H, 以此获得完整时间序列的 LE 数据 ;(3)LE 和 H 同时缺失 (< 两个月 ), 但缺失时段具有有效的 R n 观测数据, 如果非缺失时段的 LE 和 R n 间具有显著的相关性 (R 2 > 0.7), 可使用 LE 和 R n 间的线性回归方程插补 LE, 并根据能量平衡方程插补 H 缺失值, 以此获得完整时间序列的 LE 数据 经过此次筛选,La Thuile Free Fair-Use 数据库中共有来自 128 个站点的 533 条站点年数据满足 LE 数据的完整性要求 21

40 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 其次, 能量平衡闭合程度是涡度相关数据质量评价的重要参照之一 (Wilson et al., 2000), 因此本研究仅选取具有合理的能量闭合比率 (energy balance ratio, EBR) 的站点年数据 由此, 我们删除了 5 个 EBR 小于 0.5 或大于 2.0 的站点共 13 条站点年的数据, 其中 EBR 用年尺度的 (LE + H)/R n 表示 最后, 考虑到火灾 砍伐 灌溉等自然和人为干扰会直接或间接地影响生态系统的水汽交换过程 (Dore et al., 2010), 本研究进一步删除了 9 个具有灌溉和强烈干扰 ( 包括森林火灾和森林砍伐, 但不包括草地刈割和放牧 ) 的站点共 29 条站点年的数据 对于气温 降雨 辐射等气象数据, 本研究同样仅选取具有完整时间序列的站点年数据 但是, 当 R n 的时间序列不完整, 但其缺失时段具有有效的 LE 和 H 观测数据, 可根据能量平衡方程对 R n 进行插补, 即 R n = LE + H 经过以上数据筛选后, 我们最终选用了 La Thuile Free Fair-Use 数据库中的 114 个站点 491 条站点年的水汽通量数据, 并基于日尺度的水汽通量和气象数据获得相应的年尺度统计值 2.2 数据整合结果 通过整合 ChinaFLUX 站点的长期观测数据和 FLUXNET 的 La Thuile Free Fair-Use 数据库, 我们最终获取了来自 123 个站点的 553 条有效的站点年实际蒸散量数据 这些观测站点分布于纬度 S 到 N, 经度 W 到 E, 隶属于 CarboEurope AmeriFlux Fluxnet-Canada OzFlux CarboItaly TCOS-Siberia AsiaFlux ChinaFlux 等多个监测网络 涵盖了 Köppen-Geiger 气候分类中的赤道气候带 干旱气候带 暖温带气候带 冷温带气候带和极地气候带五大气候带, 包括了常绿阔叶林 (11 个 ) 常绿针叶林(33 个 ) 落叶阔叶林 (18 个 ) 针阔混交林(6 个 ) 灌丛(2 个 ) 热带稀树草原(5 个 ) 草地(26 个 ) 农田(14 个 ) 和湿地 (8 个 ) 九类生态系统 ( 附录 1) 22

41 第二章研究数据来源与处理 图 2.3 本研究使用的全球通量站点分布图地图背景为 MODIS 依据 IGBP 分类系统提供的 0.05 的全球土地覆盖图 (MCD12C1), 三角形表示通量站点的地理位置, 站点信息见附录 1 Figure 2.3 Spatial distribution of the flux sites used for global analyses of this study Base map is the MODIS global 0.05 land cover product with land cover classes defined by IGBP (MCD12C1). Triangle symbols represent the location of flux sites. Site descriptions refer to Appendix 1. 第三节气候 植被和土壤数据的来源与处理 3.1 气候数据 在整合中国和全球陆地生态系统的实际蒸散量数据的同时, 我们整合了各通量站观测时期的气候数据, 以分析气候因素对 AET 空间格局的影响 在中国区域的分析中, 我们共使用了六种气候变量, 包括年均气温 (MAT) 年均降雨量 (MAP) 年总净辐射(R n ) 年总太阳入射总辐射 (R g ) 年均饱和水汽压差(VPD) 和年均相对湿度 (RH) MAT MAP 和 R n 为各站点监测时期的观测值 由于从文献中获取的 R g VPD 和 RH 数据较少, 为了进行统一比较, 我们从相应的空间数据集中提取各站点年的 R g VPD 和 RH 数据, 空间分辨率均为 1 km R g 的空间数据集从中国生态系统研究网络 ( 获取,R g 的计算方法和空间化模式可参考 ( 何洪林 et al., 2004) VPD 和 RH 数据通过中国气象科学数据共享服务网 ( 提供的约 756 个站点的气象观测数据, 采用 Auspline 气象插值软件包的局部薄盘光滑样条法 (Hutchinson, 1995) 获得中国区域 1 km 栅格的气温和 RH 空间化数据, 然后通过气温和 RH 的空间数据计算得到 VPD 的空间化数据 在此基础上提取了各站点年的 R g VPD 和 RH 数据 在全球尺度的分析中, 所有站点的气候数据 (MAT MAP R n R g 等 ) 均为通量监测时期对应的观测数据 23

42 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 3.2 植被数据 在分析植被属性对 AET 空间格局的影响时, 我们考虑了植被类型和叶面积指数 (LAI) 两个因素 植被类型参考 IGBP(International Geosphere-Biosphere Program) 的植被分类系统和文献资料获得 LAI 是描述植被生长状况和冠层结构的重要生物因素 为减小不同站点 LAI 的观测数据对研究结果产生的误差, 我们统一使用 GLASS 提供的全球 LAI 产品 (Liang and Xiao, 2012), 该产品下载于美国马里兰大学 Global Land Cover Facility 数据中心 ( GLASS LAI 产品是以 MODIS( , 空间分辨率为 1km 和 0.05 ) 和 AVHRR( , 空间分辨率为 0.05 ) 的地表反射率数据为输入, 利用广义回归神经网络生成的 年的全球 LAI 产品, 其空间上完整 时间上平滑连续, 产品精度优于现有的多个全球 LAI 产品 (Xiao et al., 2014) 分析结果表明, 使用 GLASS 0.05 (~5km)LAI 产品和 MODIS 1km LAI 产品 (MOD15A2) 分别提取的中国通量站点观测时期对应的年均 LAI 之间具有显著的相关性 (R 2 =0.93, 图 2.4) 考虑到 GLASS LAI 产品的时间跨度充分覆盖了本研究数据集分布的时间范围 ( 中国区域为 2002~2012 年, 全球尺度为 年 ), 为保证所有站点年 LAI 的数据来源和空间分辨率的一致性, 本研究统一使用 0.05 空间分辨率 8 天时间分辨率的 GLASS LAI 产品, 根据各站点的地理坐标提取各站点年的 LAI 时间序列, 并将一年中 46 个 LAI 数据的平均值和最大值分别作为当年的平均 LAI 值和最大 LAI 值 24

43 第二章研究数据来源与处理 图 2.4 GLASS 0.05 LAI 和 MODIS 1km LAI 产品的比较数据为 GLASS 0.05 LAI 和 MODIS 1km LAI 产品提取的本研究使用的中国通量站点监测时期对应的年均 LAI 数据 MODIS 1km LAI 产品下载于美国橡树岭国家实验室分布式档案中心 (ORNL, 2014) Figure 2.4 Comparison between GLASS 0.05 LAI product and MODIS 1km LAI product LAI data were abstracted from GLASS 0.05 LAI product and MODIS 1km LAI product for observational years of flux sites in China used in this study. MODIS 1km LAI product was downloaded from the Oak Ridge National Laboratory Distributed Active Archive Center (ORNL, 2014). 3.3 土壤数据 本研究分析了土壤容重 (BD) 土壤有机碳含量(SOC) 土壤质地( 砂粒 粉粒和粘粒的含量 ) 等土壤物理性质对 AET 空间格局的影响 BD SOC 和土壤质地数据均从 IGBP 数据信息系统 (IGBP-DIS) 依托于全球土壤数据计划 (Global Soil Data Task) 开发的全球土壤性质数据集获取 (IGBP-DIS, 2000) 25

44 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 26

45 第三章五种全球蒸散产品对中国实际蒸散量评价的不确定性 第三章五种全球蒸散产品对中国实际蒸散量评价的不确定性 蒸散 (ET) 是连接陆地生态系统与大气间水分循环 能量平衡和碳循环的关键过程 (Wang and Dickinson, 2012; Zeng et al., 2014) 在全球气候变化的大背景下, 准确评估陆地生态系统实际蒸散量的空间格局对于科学地管理和评估陆地水资源 (Allen et al., 1998; Dodds et al., 2005), 以及干旱预警 (McVicar and Jupp, 1998) 荒漠化防治 (Zhou et al., 2002) 等生态环境研究具有重要意义 近年来, 已有很多研究提出多种 ET 估算方法, 并评价了全球陆地生态系统年实际蒸散量 (AET) 的空间格局 现有的全球蒸散产品主要包括基于遥感数据的产品 (e.g., Mu et al., 2011) 基于通量观测数据的经验性扩展产品 (Jung et al., 2010; Jung et al., 2011) 基于水量平衡的产品 (Zeng et al., 2014) 等多类 但诸多研究表明, 这些 ET 产品 ( 或模型 ) 在全球和区域尺度的评估结果彼此之间存在较大的差异和不确定性 (Chen et al., 2014b; Dirmeyer et al., 2006; Mueller et al., 2011; Trenberth et al., 2009) 例如,Global Soil Wetness Project-2 项目选取的 15 个模型估算的全球平均 AET 值中最大模拟值是最小模拟值的 1.5 倍 (Dirmeyer et al., 2006) 产生这种现象的主要原因是陆地生态系统 ET 的模拟较为复杂, 而且 ET 的实测数据和观测站点比较稀缺 由于模型设计或开发背景有所差异, 不同的 ET 模型往往具有不尽相同的理论假设 模型结构和驱动变量, 从而使得多种模型在同一区域产生多个不同的 ET 估算结果 为了获得较为真实可靠的 ET 估算值及其时空变异特征, 有必要对多种模型模拟结果进行比较, 并利用尽可能多的 ET 观测数据对不同 ET 模型的模拟效果进行评价 (Vinukollu et al., 2011) 近年来, 随着涡度相关技术的迅速发展, 大批通量观测站点积累了大量 ET 观测数据, 为评估不同 ET 模型 ( 或产品 ) 的不确定性提供了重要的数据支撑 中国地处亚欧大陆东端, 受青藏高原和东亚季风的强烈影响, 具有复杂多样的地形地貌特征和多种多样的生态系统类型, 在全球碳水循环中发挥着重要作用 但是, 由于中国的通量观测事业起步相对较晚, 现有的 ET 模型在参数化或验证过程中使用的中国区域的观测数据相对较少, 这使得不同 ET 模型对中国区域 ET 的评价结果可能存在更大的不确定性 因而, 在中国区域比较多种全球 ET 产品, 并利用近年来中国区域迅速增加的通量观测数据评价不同产品的模拟效果, 对于更好地了解不同 ET 模型的优缺点和不确定性具有重要意义 虽然已有研究利用涡度相关数据在中国区域对几种蒸散模型进行了比较 (Chen et al., 2014b), 但其涉及的站点较少 (<20 个 ), 不同 ET 模型在中国区域的模拟能力还有待进一步评价 27

46 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 本章的目的即为, 以中国区域为研究对象, 通过整合中国区域的通量观测数据, 构建一套目前最为完整的中国区域 AET 的数据集, 基于这套数据集, 定量评估五种全球蒸散产品对中国陆地生态系统 AET 评价的效果和不确定性, 并比较这五种全球蒸散产品描述的中国区域 AET 的空间格局间的差异 第一节材料与方法 1.1 AET 数据来源与处理 本章利用中国区域 AET 数据集中 61 个站点的 AET 数据在站点尺度评估了五种已发表的全球蒸散产品对中国陆地生态系统 AET 评价的效果和不确定性 AET 数据集的具体数据获取方法详见第二章第一节 61 个站点的空间分布与站点信息详见第二章图 2.2 和表 五种全球蒸散产品 本章选取的五种全球蒸散产品包括一个 MODIS 蒸散产品 (MOD16) (Mu et al., 2011) 一个整合分析产品 (MUE13) (Mueller et al., 2013) 一个基于归一化植被指数 (NDVI) 获得的蒸散产品 (ZHA10) (Zhang et al., 2010) 一个基于机器学习算法的产品 (JUN11) (Jung et al., 2011) 和一个基于水量平衡算法的蒸散产品 (ZEN14) (Zeng et al., 2014), MOD16 基于 Penman-Monteith 方程 (Monteith, 1965) 计算 ET, 在改进 Mu et al. (2007) 的算法的基础上, 将 ET 分为土壤蒸发 冠层截留蒸发和植被蒸腾三部分, 并分别计算白天和夜晚的相应大小 在 MOD16 的算法中, 利用了反照率 土地利用类型 叶面积指数和光合有效辐射吸收比 (FPAR) 四个 MODIS 数据产品, 以及太阳入射总辐射 地表空气温度 大气压 空气湿度等日尺度气象数据 Mu et al. (2011) 基于 AmeriFlux 的 46 个站点的涡度相关通量观测数据对 MOD16 算法进行了评估, 平均绝对误差为 0.31~0.33 mm day 1 MUE13 是 Mueller et al. (2013) 通过整合基于卫星和 / 或地面观测数据获得诊断数据集 (diagnostic) 基于陆面模型的数据集(LSMs) 和大气再分析产品的输出数据集 (reanalyses) 三类数据集获得的全球蒸散产品 数据整合中将各栅格的月总净辐射量作为其 ET 的最大值, 并基于统计学方法对异常值进行剔除 (Mueller et al., 2013) 本研究使用的数据集介于 1989~2005 年 由 14 种数据集 ( 包括 5 种诊断数据集 5 种陆面模型数据集和 4 种再分析产品 ) 整合而成 研究表明, 该数据集估算的全球平均 AET 值 (493 mm yr 1 ) 与其他已发表的数值相比较小 (Mueller et al., 2013) 28

47 第三章五种全球蒸散产品对中国实际蒸散量评价的不确定性 ZHA10 将陆面蒸散分为植被蒸腾和土壤蒸发两部分 植被蒸腾采用 Penman-Monteith 方程进行计算, 并使用依据 NDVI 修正的 Jarvis-Stewart 冠层导度模型来计算因植被类型而异的冠层导度 土壤蒸发的算法结合了修正的 Penman-Monteith 方程和蒸发互补理论 (Mu et al., 2007) 此外,ZHA10 采用 Priestley-Taylor 模型计算水面蒸发量 Zhang et al. (2010) 利用全球 35 个站点的通量数据对 NDVI- 冠层导度模型进行参数化, 并利用 48 个站点的通量数据对 ZHA10 算法进行验证 JUN11 利用一种机器学习算法 (model tree ensembles,mte) 将 FLUXNET 的 ET 观测数据进行尺度上推 JUN11 首先利用潜在的解释变量对 MTE 进行训练, 然后将建立好的 MTE 算法应用于全球尺度 在 MTE 训练中共使用了 29 种解释变量, 其中有遥感指标 (FPAR) 气候数据 气象数据和植被类型信息等 交叉验证结果表明, 该方法预测站点尺度 ET 的模型效率高达 0.84 (Jung et al., 2011) ZEN14 首先基于地表水量平衡方法计算月尺度流域的 ET 值 ( 含 95 条大流域 5824 个月 )( 公式 3.1), 然后利用与 Jung et al. (2011) 一致的机器学习算法将水量平衡算法获得的 ET 与一系列潜在驱动变量 ( 如辐射 气温 降雨 风速和植被指数 ) 建立联系, 最后利用空间化的气象和卫星数据将 MTE 算法推广到全球尺度 (Zeng et al., 2014) ZEN14 描述的全球 ET 的空间分布与过去研究结果一致, 且在描述水量平衡算法获得的 ET 数据方面精度高于 MOD16 JUN10 和 ZHA10 三个全球蒸散产品, 但是在热带区域有所差异 EE(n) = P(n) Q(n) TTTT(n) (3.1) 其中,n 为月份,ET P Q 和 TWSC 分别为月蒸散量 降雨量 径流量和陆地水储量变化量 (mm month -1 ), 降雨数据来自雨量筒观测站, 河流径流量来自水文观测站,TWSA 来自 GRACE 地球重力卫星数据 五种全球蒸散产品的简要信息见表 3.1, 更多信息可参考相应参考文献 由表 3.1 可以看出这五种蒸散产品的时空分辨率和时间跨度相差较大 因此, 对特定站点而言, 我们统一使用该站点对应的五种全球蒸散产品时间跨度内的多年平均年 ET 值与其观测 AET 值进行比较 对于中国区域而言, 同样使用各全球 ET 产品时间跨度内的多年平均年 ET 值获得中国区域 AET 的空间分布图, 并进行比较 29

48 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 表 3.1 本研究使用的五种全球蒸散产品的简要信息 Table 3.1 Brief information on five published global evapotranspiration products used in this study 产品 ET 计算方法 时空分辨率 时间跨度 参考文献 MOD16 Penman-Monteith 方程 8 天, 1 km (Mu et al., 2011) MUE13 多源数据整合 逐月, (Mueller et al., 2013) ZHA10 基于 NDVI 的 Penman-Monteith 方程 逐月, 8 km (Zhang et al., 2010) JUN11 经验法 ( 机器学习算法 ) 逐月, (Jung et al., 2011) ZEN14 水量平衡法 逐月, (Zeng et al., 2014) 1.3 统计分析 为评估五种全球蒸散产品, 本研究选用四个统计指标, 包括相对误差 (relative error,re) 决定系数 (coefficient of determination, R 2 ) 均方根误差 (root mean square error,rmse, mm yr -1 ) 和平均绝对偏差 (mean absolute bias, MAB, mm yr -1 ), 并利用 Taylor 图 (Taylor, 2001) 分析五种全球蒸散产品间的差异 统计指标的计 算公式如下 : RE = y i x i x i (3.2) n R 2 i=1(x i x )(y i y ) = 2 (3.3) n i=1(x i x ) 2 (y i y ) 2 RMSE = n i=1 (y i x i ) 2 n n i=1 (3.4) MAB = n i=1 y i x i (3.5) n 其中,x i 和 y i 分别为第 i 个站点的观测 AET 值和从相应全球蒸散产品中提取的 模拟 AET 值,x 和 y 分别为观测和模拟 AET 的平均值,n 为总站点数量 (n=61) R 2 表示全球蒸散产品在多大程度上解释了观测值的变化,RE RMSE 和 MAB 用 来衡量模拟值与观测值间的偏差 同时, 利用 ArcGIS 10.2 软件绘制不同产品描述的中国区域 AET 的空间分布 图, 并利用该软件的统计学模块统计相应的中国区域的平均 AET 值和标准差 第二节结果与讨论 2.1 五种全球蒸散产品对中国区域 AET 评价的效果 以中国区域 61 个站点涡度相关法获得的 AET 观测值为标准, 我们分析了五种 已发表的全球蒸散产品在中国区域的模拟效果和不确定性 结果表明, 本研究选 30

49 第三章五种全球蒸散产品对中国实际蒸散量评价的不确定性 取的五种全球蒸散产品对 61 个站点的模拟值与 AET 观测值都存在显著的相关性, 相关系数介于 0.76~0.82 之间, 平均值为 0.79±0.02(P<0.001, 图 3.1) 这表明, 这五种全球蒸散产品均可以较好地模拟中国区域 AET 的站点间 ( 或空间 ) 变化趋势 图 3.1 中国区域 61 个站点的 AET 观测值与五种全球蒸散产品的模拟值之间的关联矩阵对角线子图表示各因素的分布直方图 左下角子图表示各因素之间的相关图 右上角子图表示对应的相关系数,*** 表示 P<0.001 Figure 3.1 Correlated matrix of eddy-coviriance measured AET (AET.EC.) and predicted AET values by the five global ET products for the 61 sites in China The diagonal panels are histograms of each factor. The lower panels are correlation diagrams between any two factors. The upper panels are corresponding correlation coefficients. *** indicates significant level at P< 但是, 这五种蒸散产品对不同站点 AET 的模拟值均具有不同程度的偏差, 相对误差 (RE) 大多介于 -50%~50% 之间, 但在植被覆盖度较低的站点 ( 内蒙古四子王旗 - 围封站,No.30) 相对误差较大 ( 图 3.2) 整体而言, 五种产品的均方根误差 (RMSE) 介于 ~ mm yr -1 之间, 平均绝对偏差 (MAB) 介于 ~ mm yr -1 之间 ( 图 3.2), 这五种产品估算的 61 个站点的平均 AET 值均小于涡度相关法获得的平均 AET 值 (534.7±232.8 mm yr -1 ), 其中 ZEN14 (521.5±348.5 mm yr -1 ) 和 JUN11(514.4±219.0 mm yr -1 ) 获得结果偏差较小, MOD16(505.8±256.0 mm yr -1 ) 和 MUE13(472.4±209.3 mm yr -1 ) 次之, 而 ZHA10 (421.4±168.9 mm yr -1 ) 获得结果偏差最大 产生这种现象的原因除了可能是因为, 五种全球 ET 产品的空间分辨率较低, 与通量塔的观测源区存在一定的空间尺度不匹配现象, 而研究站点的下垫面可能并不均一 (Bai et al., 2015), 还可能 31

50 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 是因为蒸散的模拟非常复杂, 而且在这些蒸散产品的参数化或 / 和验证数据中中国的观测数据较少 因此, 为提高全球蒸散产品在中国 AET 评估中的准确性, 在参数化或验证数据中需增加中国站点的观测数据, 而本研究构建的 AET 数据集可以为此提供一定的数据支持 同时, 这也证明了利用 ET 的长期观测数据开展区域尺度 AET 空间变异研究的必要性 图 3.2 五种全球蒸散产品模拟中国区域 61 个站点 AET 的相对误差 (RE) 站点编号见第二章表 2.1 Figure 3.2 Relative error (RE) for five global ET products in simulating site-specific AET in China Site numbers refer to Table 2.1 of Chapter 2. 32

51 第三章五种全球蒸散产品对中国实际蒸散量评价的不确定性 进一步基于 Taylor 图评价了不同蒸散产品的模拟精度 ( 图 3.3) 结果表明, 不同产品对中国区域 AET 的模拟效果差异不大, 其中 JUN11 MUE13 和 ZHA10 的模拟效果相当,MOD16 和 ZEN14 的模拟效果相对较差 这可能是因为,MOD16 未使用观测数据进行模型参数化, 且在模型验证中仅考虑了 AmeriFlux 的 46 个站点 (Mu et al., 2011), 从而使得 MOD16 在中国区域的预测能力并不理想 而 ZEN14 的评价效果较差主要是因为该产品对热带 亚热带森林生态系统 AET 的预测值与观测值差异较大, 这是由于 ZEN14 产品的算法数据库中关于热带区域湿季时期的数据较少, 从而使得 ZEN14 对热带区域 AET 的预测值较高 (Zeng et al., 2014) 图 3.3 五种全球蒸散产品对中国区域 61 个站点 AET 的模拟效果 Taylor 图根据站点实测 AET 值和五种全球蒸散产品的模拟 AET 值获得 图中 EC-AET 点表示观测数据, 其他点为不同的蒸散产品 图中灰色实线表示观测值或模拟值的标准差, 越靠近原点标准差越小 ; 原点与弧线间的蓝色虚线表示观测值与模拟值间的相关系数, 弧线上的刻度即为相关系数 ; 绿色虚线表示观测值与模拟值间的均方根误差 (RMSE),RMSE 越小表示相应的全球蒸散产品与观测结果越接近 Figure 3.3 Performance of the five global ET products in simulating site-specific AET in China Taylor diagram was drawn according to AET measurements and simulations of five global ET products. The EC-AET dot is the observed value, while the other dots are the five products. The grey lines indicate standard deviation of eddy-coviriance AET measurements and simulations of global ET products. The blue and green lines indicate the correlation coefficients (the scales on the arch) and the root mean square error (RMSE) between meansurements and simulations, respectively. 33

52 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 2.2 五种全球蒸散产品对中国区域 AET 空间格局评价的不确定性 通过比较五种全球蒸散产品对中国区域 AET 空间格局的评价结果可以发现, 这五种全球蒸散产品描述的中国区域 AET 的空间变化趋势基本一致, 即 AET 在热带 亚热带湿润气候区最高, 在寒温带 干旱气候区和高寒气候区最低, 整体表现为从中国东南沿海向西北内陆逐渐降低的变化趋势 ( 图 3.4) 但五种全球蒸散产品对中国区域 AET 的评估结果存在很大差异, 五种产品获得的全国平均 AET 值介于 397.2~528.7 mm yr -1 之间, 其中 MOD16 的模拟结果最高, 是最小模拟值 (MUE13) 的 1.3 倍 同时,MUE13 产品估算的全球平均 AET 值 (493 mm yr -1 ) 也要低于多数已发表的结果 (Mueller et al., 2013), 如 Trenberth et al. (2009) 报道的全球平均 AET 值介于 504~664 mm yr -1 造成 MUE13 预测结果偏低的原因主要是由于在 MUE13 产品中整合了多种数据集, 而不同数据集的 ET 的算法及其驱动变量 尤其是降雨量存在很大的差异 (Mueller et al., 2013), 而且基于陆面模型的数据集估算的平均 AET 值最小 同时, 不同产品的研究区域也存在一定差异, 主要体现在中国西北干旱地区 不同产品对中国不同区域 AET 的评价结果同样具有一定的空间变化趋势, 其中在热带 亚热带季风气候区和青藏高原南部差异最大 ( 图 3.4f) Chen et al. (2014b) 通过比较八种蒸散模型在中国区域模拟的 AET 的空间格局也发现, 在 AET 较大的热带和湿润地区, 不同模型间的差异最大, 与本研究结果基本一致 Vinukollu et al. (2011) 通过在全球尺度比较三种 ET 过程模型的结果也表明, 不同模型的模拟结果在干湿区域过渡带和季风区差异最大 由此可见, 不同模型 ( 或产品 ) 对中国区域实际蒸散量评价的不确定性主要来源于热带 亚热带季风气候区和青藏高原南部, 这可能是因为我们目前对湿润气候区蒸散过程的认识还不够准确 34

53 第三章五种全球蒸散产品对中国实际蒸散量评价的不确定性 图 3.4 五种全球蒸散产品描述的中国区域 AET 的空间分布图及其标准差 Figure 3.4 Spatial patterns of AET in China described by the five global ET products and their standard deviation 第三节本章小结 本章基于数据整合构建的中国区域陆地生态系统的 AET 数据集, 定量评估了五种全球蒸散产品对中国陆地生态系统 AET 评价的效果和不确定性, 并比较这五种全球蒸散产品描述的中国区域 AET 的空间格局间的差异 研究表明 : (1) 本章选取的五种全球蒸散产品均可以较好地模拟中国区域的 AET 在站点间的变异趋势, 但他们对中国区域各站点的 AET 普遍存在较大的偏低估计 由此说明利用大区域网络化的观测数据开展区域尺度 AET 空间变异研究的必要性 35

54 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 (2) 五种全球蒸散产品描述的中国区域 AET 的空间变化趋势基本一致, 但对中国区域 AET 的评估结果存在很大差异, 五种产品获得的全国平均 AET 值介于 397.2~528.7 mm yr 1 之间, 其中 MOD16 的评估结果最高,MUE13 的评估结果最低, 且不同产品对中国不同区域 AET 的评价结果在热带 亚热带季风气候区和青藏高原南部差异最大 36

55 第四章利用通量观测数据对 16 种潜在蒸散量模型的综合评估 第四章利用通量观测数据对 16 种潜在蒸散量模型的综合评估 在实际蒸散量 (AET) 的空间格局分析中, 潜在蒸散量 (PET) 对实际蒸散量空间格局的影响是本研究需要评估的重要内容之一 然而, 目前用于 PET 的估算方法或模型已有 50 多种 (Fisher et al., 2011; Rao et al., 2011), 且在特定站点不同 PET 模型的模拟值之间往往存在很大差异 (Earls and Dixon, 2008; Federer et al., 1996; Fisher et al., 2011), 这意味着 PET 模型的选择可能会对实际蒸散量的空间评估结果产生重要影响 因此, 有必要在分析实际蒸散量的空间变异性之前首先对不同 PET 模型的适用性进行评估 PET 模型评估的关键在于参照标准的选取 虽然 PET 的概念和估算方法并不统一 (Federer et al., 1996), 但 PET 通常被视为水分供应充足时蒸发面在给定大气条件下的最大可能蒸散量 也就是说,PET 代表了 AET 的最大值 (Thornthwaite, 1948), 即 : 在长时间尺度下, 合理的 PET 模拟值不应该小于 AET 值 (i.e., PET AET) (Fisher et al., 2011) 由此,AET 可以作为评估不同 PET 模型合理性的重要标准 有研究表明,FAO-56 Penman-Monteith 方程在森林生态系统估算的 PET 值可能会小于该生态系统的 AET 值 (Sun et al., 2011), 这进一步表明了基于 AET 值评估 PET 模型合理性的意义, 尤其是对森林生态系统而言 目前用于估算 PET 的模型主要包括三类 : 综合法 辐射法和气温法 已有研究利用蒸渗仪 水分 / 能量平衡等方法获得的 AET 数据分别比较了几种 PET 模型在森林 (Fisher et al., 2005; Lu et al., 2005; Rao et al., 2011) 草地 (Hussein, 1999; Trajkovic and Kolakovic, 2009) 湿地 (Lott and Hunt, 2001; Rosenberry et al., 2004) 和农田 (Kashyap and Panda, 2001) 生态系统中的应用情况 然而, 现有研究大多局限于一个或一类生态系统 众所周知, 各 PET 模型是基于特定的气候和下垫面类型开发而来, 具有有限的适用性 (Allen et al., 1998) 但全球陆地生态系统涵盖了不同的气候区及生态系统类型, 这使得区域尺度上 PET 模型的选择和本地参数化非常复杂 因此, 有必要利用 AET 观测数据评估不同 PET 模型在一系列气候和植被条件跨度较大的生态系统中的合理性, 以提高我们对 PET 模型选择和应用的认识 本章的主要目标即为评估常用的 PET 模型在中国不同气候和植被类型生态系统中的合理性 为此, 本研究以 ChinaFLUX 在中国不同区域的八个典型生态系统为研究对象, 通过比较不同 PET 模型在各生态系统的模拟值与涡度相关法获得的 AET 观测值间的关系, 综合评估 16 种常用的 PET 模型的合理性 此外, 本章还比较了各 PET 模型在不同生态系统的模拟值与 AET 观测值在年内动态 年际变异和站点间差异的相关性 需要说明的是,AET 与 PET 间变化趋势的相关性并不是评估 PET 模型合理性的必要标准, 但可以用来客观评价各 PET 模型 37

56 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 描述不同生态系统 AET 变异性的能力 最后, 基于相关研究结果, 我们从 16 种模型中选取一个较优的 PET 模型, 并通过两种方法对其进行校正, 从而使得该模型可用于 AET 值的估算 第一节材料与方法 1.1 研究站点和数据来源 用于本章研究的站点为 ChinaFLUX 的八个典型生态系统, 包括长白山温带红松针阔叶混交林 (CBS) 千烟洲中亚热带人工针叶林(QYZ) 鼎湖山南亚热带常绿阔叶林 (DHS) 内蒙古温带典型羊草草原(NM) 海北高寒灌丛草甸 (HBGC) 海北高寒沼泽化草甸(HBSD) 当雄草原化高寒草甸(DX) 和禹城暖温带冬小麦 - 夏玉米复种农田 (YC), 各站点的简要信息见第二章表 2.1( 编号分别为 :CBS-2 QYZ-14 DHS-4 NM-35 HBGC-26 HBSD-58 DX-23 YC-52) 实际蒸散量 (AET) 数据为各站点涡度相关系统观测的水汽通量数据, 并利用常规气象观测系统采集的冠层高度的气象数据作为 PET 模型的输入变量 各站点的通量与常规气象观测高度见表 4.1 ChinaFLUX 的观测和数据处理方法详见第二章 1.1 节 为减少插补的水汽通量数据和气象数据对 AET 值和 PET 模型模拟值的影响, 本研究仅选取水汽通量和气象变量的有效观测数据 ( 即剔除缺测值和异常值之后的数据 ) 达到 85% 以上的年份 ( 表 4.1) 表 4.1 各站点通量与常规气象观测的简要介绍 Table 4.1 Observation heights of eddy covariance fluxes and main meteorological variables 站点 通量观测 高度 (m) 辐射观测 高度 (m) 冠层温 / 湿度 观测高度 (m) 冠层风速观 测高度 (m) 冠层高度 (m) LAI a (m 2 m -2 ) b 观测时期 CBS QYZ DHS , NM HBGC , 2011 HBSD DX ,2009 YC (wheat) 3(maize) , 注 : a 依据 GLASS 提供的 8 天合成的 0.05 分辨率的 LAI 数据产品计算的 2004 年各站点的年均 LAI ( b 为水汽通量和气象变量 ( 以净辐射为主 ) 的有效观测数据达到 85% 以上的年份 38

57 第四章利用通量观测数据对 16 种潜在蒸散量模型的综合评估 1.2 潜在蒸散量 (PET) 模型 本研究选取了 16 种 PET 模型, 其中包括两种综合法 PET 模型 七种辐射法 PET 模型和七种气温法 PET 模型 这些模型代表了众多 PET 模型对关键输入变量的主要处理方式, 其中既包括含有四个变量的基于物理过程的模型 Penman 方程, 又有仅含有一个气象变量的经验模型 Thornthwaite 模型 这 16 种 PET 模型具有不同的结构和数据需求 ( 表 4.2), 其具体估算方法见附录 2 本研究所选取的 PET 模型中, 除 Thornthwaite 模型 (Thornthwaite, 1948) 和 Kharrufa 模型 (Xu and Singh, 2002) 应用的时间尺度为月尺度外, 其他模型直接估算的 PET 值均为日值 月和年尺度的 PET 值分别由日尺度和月尺度数值累积获得 Thornthwaite 和 Kharrufa 模型模拟的日均 PET 值以观测时期内的总 PET 值除以总天数获得 表 4.2 本研究中使用的潜在蒸散量模型 Table 4.2 PET models selected for this study 分类 编号 模型名称 输入变量 参考文献 综合法 1 Penman R n, T a, e a, μ (Penman, 1948) 2 FAO Penman-Monteith R n, T a, e a, μ (Allen et al., 1998) 辐射法 3 Makkink R s, T a (Xu and Singh, 2002) 4 Turc R s, T a, RH (Lu et al., 2005) 5 Jensen-Haise R s, T a (Jensen and Haise, 1963) 6 Stephens-Stewart R s, T a (McGuinness and Bordne, 1972) 7 Priestly-Taylor R n, T a (Priestley and Taylor, 1972) 8 Hargreaves R s, T a (Hargreaves, 1975; Xu and Singh, 2000) 9 Doorenbos-Pruitt R s, T a, RH, μ (Doorenbos and Pruitt, 1977) 气温法 10 Blaney-Criddle T a, p (Xu and Singh, 2002) 11 Romanenko T a, e a (Romanenko, 1961) 12 Hamon T a, L day (Hamon, 1960) (Oudin et al., 2005) 13 Linacre T a, T d (Linacre, 1977) 14 Hargreaves-Samani T a, T max, T min, R a (Hargreaves and Samani, 1982) 15 Thornthwaite T a, L day (Thornthwaite, 1948) 16 Kharrufa T a, p (Xu and Singh, 2002) 注 :Thornthwaite 和 Kharrufa 两个模型应用于月时间尺度, 其他模型均应用于日时间尺度 R n 为净辐射,T a 为平均气温,T max 和 T min 分别为最大和最小气温,e a 为实际水汽压,μ 为风速,R s 为入射太阳辐射,RH 为平均相对湿度,L day 为最大日照时数,p 为日均日照时数占全年日照时数的百分比,R a 为地外辐射 39

58 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 1.3 统计分析 本研究首先通过比较各站点观测时期内的日均 AET 观测值和日均 PET 模拟值间的数值大小关系来评估 16 种 PET 模型在各站点的合理性 基于 PET 的概念, 对特定站点而言, 当 PET 模型模拟的日均 PET 值大于日均 AET 值 ( i.e., PET AET) 时, 说明该 PET 模型在该站点的模拟值合理 此外, 本研究利用单因素方差分析和多重比较分析对不同 PET 模型在特定站点的模拟值 ( 日值 ) 之间的差异进行显著性检验, 显著性水平为 α=0.05( 双侧 ) 然后, 利用简单相关性分析评估了不同 PET 模型描述 AET 年内 年际和站点间变化趋势的能力 对于年际变异, 仅在 CBS QYZ HBGC DX 和 YC 五个具有五年以上观测数据的站点, 根据各站点逐年 PET 值与逐年 AET 值间的相关性评估 PET 模型反映不同站点的年 AET 值年际变异的能力 对于站点间差异, 依据八个站点的年均 PET 值与年均 AET 值间的相关性评估不同 PET 模型描述站点间年均 AET 差异的能力 相关性的显著性水平均为 α=0.05( 双侧 ) 基于以上分析结果, 本研究从 16 种模型中选取了一个较优的 PET 模型, 即 Priestly-Taylor 模型 为了将 Priestly-Taylor 模型应用于估算 AET, 本研究使用两种方案对该模型进行校正 :(1)AET=α (Priestly-Taylor PET/1.26), 其中 α 和 1.26 分别为修正的和原始的 Priestly-Taylor 系数 ;( 2)AET= b 0 +b 1 (Priestly-Taylor PET), 其中 b 0 和 b 1 分别为截距和斜率 各站点的修正参数 (α b 0 和 b 1 ) 基于各站点日尺度上的所有有效数据进行确定 具体方法为 : 每次随机选取各站点三分之二的有效数据拟合模型参数, 利用其余数据进行验证, 同时计算模型评价指标 该过程无重复循环 500 次, 并以修正参数的平均值作为该站点的修正参数 (α b 0 和 b 1 ) 最后, 将各评价指标取平均值用来评价修正模型的模拟能力 模型评价指标包括决定系数 (R 2 ) 均方根误差(RMSE) 和模型效率 (EF) n R 2 i=1(x i x )(y i y ) = 2 (4.1) n i=1(x i x ) 2 (y i y ) 2 n i=1 RMSE = n i=1 (x i y i ) 2 n EF = 1 n i=1 (x i y i ) 2 n i=1(x i x ) 2 (4.2) (4.3) 其中,x i 和 y i 分别表示观测值和模拟值,x 和 y 分别表示观测值和模拟值的平均值 R 2 表示修正模型在多大程度上解释了观测值的变化 RMSE 表示模拟值与观测值的偏差 EF 用来衡量观测值与模拟值的一致性 :EF=1 表示模拟值与观测值完美结合,EF=0 表示模型与观测平均值的预测精度一致,EF<0 表示观测平均值的预测能力好于模型 (Gao et al., 2014) 40

59 第四章利用通量观测数据对 16 种潜在蒸散量模型的综合评估 第二节结果与分析 2.1 PET 模拟值与 AET 观测值的日均值比较 统计分析表明,16 种 PET 模型模拟的日 PET 值在八个站点中均差异显著 (P<0.05), 且其平均 PET 值的相对大小在不同站点中并未表现出一致的变化规律 ( 图 4.1) 同时, 不同 PET 模型模拟值间的变异系数 (CV PET ) 表现为在降雨量较高的站点相对较小 ( 表 4.3) 不同模型模拟值间的差异在 DX 站最大, 其 CV PET 高达 51%, 其中最大的 PET 模拟值 (Linacre 模型,5.08 mm d -1 ) 是最小模拟值 (Kharrufa 模型,0.90 mm d -1 ) 的近 6 倍 ( 图 4.1g) 对不同站点而言, 一些模型的模拟值与 16 种模型模拟值的平均值差异很大 ( 图 4.1) 其中,Stephens-Steward 模型的模拟值几乎一直最小 (5/8 的站点 ), 而 Penman 和 Linacre 模型的模拟值相对较高 ;Thornthwaite 和 Kharrufa 模型在炎热气候条件下的 DHS 和 QYZ 站的模拟值较高, 在高寒生态系统 (i.e., HBGC HBSD 和 DX 站 ) 的模拟值却非常低 ( 图 4.1) 为评估 PET 模型的合理性, 我们在不同站点进一步比较了不同 PET 模型模拟值与 AET 观测值间的相对大小 结果表明, 在八个站点中, 只有在 NM 站所有模型模拟的日均 PET 值均大于日均 AET 值 ( 图 4.1d), 而在其他站点中平均约有 24% 的模型模拟的 PET 值不合理 (i.e., PET<AET), 尤其是在 HBSD 站 69% (11/16) 的 PET 模型模拟值小于 AET 观测值 ( 图 4.1f) 不同 PET 模型在不同站点的合理性有所差异 其中,Stephens-Steward 模型在除 NM 站外的其他七个站点模拟的日均 PET 值均小于相应的日均 AET 值, Makkink 模型在水分供应相对充足的 DHS 和 QYZ 站的模拟值略微小于 AET 值, Thornthwaite 和 Kharrufa 模型在三个高寒生态系统估算的 PET 值均不合理 整体而言, 只有 Penman FAO Penman-Monteith Priestly-Taylor Doorenbos-Pruitt 和 Linacre 五个 PET 模型在不同生态系统均可以给出合理的 PET 模拟值 (i.e., PET AET), 而其他 11 种 PET 模型都会因生态系统而存在不同程度的缺憾 ( 表 4.4) 41

60 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 图 4.1 不同 PET 模型模拟的日均 PET 值在不同站点中的大小比较八个子图分别表示八个站点 纵坐标表示各个站点观测时期内的日均 PET 值 图中矩形上方的小写字母表示多重比较分析的检验结果 ( 不包含 Thornthwaite 和 Kharrufa 模型 ), 在同一子图中, 不同的字母表示在 α=0.05 水平上差异显著 对特定站点而言, 绿线表示 16 种模型模拟的日均 PET 值的平均值, 红线表示涡度相关法观测的日均 AET 值 横坐标为不同 PET 模型的编号 :1-Penman, 2-Penman-Monteith, 3-Makkink, 4-Turc, 5-Jensen-Haise, 6-Stephens-Stewart, 7-Priestly-Taylor, 8-Hargreaves, 9-Doorenbos-Pruitt, 10-Blaney-Criddle, 11-Romanenko, 12-Hamon, 13-Linacre, 14-Hargreaves-Samani, 15-Thornthwaite, 16-Kharrufa Figure 4.1 Comparison of magnitudes of sixteen PET model estimates among different sites Eight subplots indicate eight sites. The bars show the mean daily PET estimates during observational period for each model and site. Different letters above bars within a subplot indicate significant differences among daily estimates of corresponding PET models based on multiple comparison tests (without considering the Thornthwaite and Kharrufa model). For a given site, the green dashed lines indicate the averages of mean daily PET values estimated by sixteen PET models, while the red dashed lines indicate the mean daily AET values measured by eddy covariance method. The x-axis shows codes of PET models. 42

61 第四章利用通量观测数据对 16 种潜在蒸散量模型的综合评估 表 4.3 不同生态系统的日均 AET 值和日均 PET 值 Table 4.3 Mean daily AET and PET values for different ecosystems 站点 日均 AET (mm d -1 ) a 日均 PET (mm d -1 ) b c CV PET CBS ± QYZ ± DHS ± NM ± HBGC ± HBSD ± DX ± YC ± 注 : a 涡度相关法观测的日均 AET 值 b 16 种模型模拟的日均 PET 值的平均值和标准差 c 16 种模型模拟的日均 PET 值的变异 系数 表 4.4 在不同生态系统可以选用的 PET 模型 Table 4.4 Summary of appropriate PET models for different ecosystems PET 模型 CBS QYZ DHS NM HBGC HBSD DX YC Penman FAO Penman-Monteith Makkink Turc Jensen-Haise Stephens-Steward Priestly-Taylor Hargreaves Doorenbos-Pruitt Blaney-Criddle Romanenko Hamon Linacre Hargreaves-Samani Thornthwaite Kharrufa 43

62 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 2.2 PET 模型描述 AET 变化趋势能力的比较 为评估各 PET 模型描述不同站点 AET 年内动态的能力, 我们计算了 PET 模型在各站点模拟的月 PET 值与相应的月 AET 值间的相关系数 (R) 结果表明, 除 Linacre 模型在 DX 站对应的 R 不显著 (P>0.05) 外,16 种 PET 模型相应的 R 在八个站点中均达到显著性水平 (P<0.05) 同时,16 种 PET 模型相应的 R 在不同站点间存在一定差异 ( 图 4.2a) 其中, 不同模型在 DX 站获得的相关系数差异最大, 介于 0.28~0.94 之间 ( 不包括 Linacre 模型 ), 且平均值最小 ( 图 4.2a) 对不同站点而言,Priestly-Taylor 模型获得的相关系数通常最大 ( 介于 0.83~0.97), 平均值为 0.92( 图 4.2b) 此外, 在日尺度上进行本项分析时, 研究结果不发生改变 ( 不考虑 Thornthwaite 和 Kharrufa 模型 ) 图 4.2 PET 模拟值与 AET 观测值间季节变化的相关系数在不同站点 (a) 和 PET 模型 (b) 的分布区间 ( 月尺度 ) 箱式图中表明了 R 的平均值 10% 25% 50% 75% 和 90% 分位数 以及离群值的位置, 根据 R 的中位数降序排列 Figure 4.2 Correlation coefficients (R) between monthly PET estimates and monthly AET measurements for different sites (a) and different PET models (b) Each boxplot shows the average, 10%, 25%, 50%, 75% and 90% percentiles, and outliers of R. Sites and PET models are sorted in decreasing order of median R in (a) and (b), respectively. 44

63 第四章利用通量观测数据对 16 种潜在蒸散量模型的综合评估 就年际变异而言, 结果表明, 在 CBS QYZ HBGC DX 和 YC 五个具有五年以上观测数据的站点中, 除 Penman Penman-Monteith Priestly-Taylor 等五个 PET 模型在 YC 站模拟的逐年 PET 值与逐年 AET 值之间的相关性达到显著性水平 (P<0.05) 外,16 种 PET 模型在不同站点模拟的 PET 值与 AET 观测值的年际变异间均不存在显著的相关性 (P>0.05, 表 4.5) 表 种 PET 模型模拟的年 PET 值与年 AET 观测值间的相关系数 Table 4.5 Correlation coefficients between annual PET and annual AET at different sites PET 模型 CBS (n=6) QYZ (n=9) HBGC (n=5) DX (n=5) YC (n=6) Penman Penman-Monteith Makkink Turc Jensen-Haise Stephens-Steward Priestly-Taylor Hargreaves Doorenbos-Pruitt Blaney-Criddle Romanenko Hamon Linacre Hargreaves-Samani Thornthwaite Kharrufa 注 : 仅考虑具有五年以上观测数据的站点,n 为相应站点的观测年数 加粗斜体表示相关性显著 (P<0.05) 就站点间差异而言, 本研究选取的 16 种模型中只有 Priestly-Taylor 模型在八个站点模拟的年均 PET 值与观测的年均 AET 值之间的相关性达到显著性水平 (R=0.8310,P=0.0106)( 图 4.3), 而且 Priestly-Taylor 模型模拟的 PET 在不同站点中均大于 AET 这表明,Priestly-Taylor 模型可以描述站点间年均 AET 的变异性 45

64 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 图 4.3 Priestly-Taylor 模型模拟的年均 ET r 与年均 ET a 的关系图中穿越各数据点的横 纵线分别为对应站点观测时期内的年均 ET a 和年均 ET r 的标准差绘制的误差棒 Figure 4.3 Relationship of mean annual ET r estimated by Priestly-Taylor model with mean annual ET a among eight sites Horizontal and vertical error bars represent one standard deviation around mean annual ET a and ET r during observational period for corresponding sites, respectively. 2.3 Priestly-Taylor 模型的修正参数 上述结果表明, 大部分 PET 模型都可以较好地描述不同类型生态系统 AET 的年内变化趋势, 这说明, 通过校正 PET 模型可以将其应用于生态系统 AET 的估算 由于 Priestly-Taylor 模型在不同站点均可以给出合理的 PET 模拟值 (i.e., PET AET)( 图 4.1), 而且该模型描述 AET 年内动态的能力在大多数站点均最强 ( 图 4.2b) 因此, 本研究将 Priestly-Taylor 模型作为较优模型, 通过两种校正方案对其进行修正, 以使其应用于不同站点 AET 值的估算 结果表明, 不同站点的修正参数具有一定差异 对第一种校正方法 (i.e., AET=α (Priestly-Taylor PET/1.26)) 而言, 各站点的修正参数 α 均小于原始的 1.26, 介于 0.60~0.99 之间, 其中在 NM 站的最小, 在 DX 和 YC 站较高 ( 表 4.6) 在第二种校正方法 (i.e., AET= b 0 +b 1 (Priestly-Taylor PET)) 中, 各站点的修正参数 b 0 介于 -0.07~1.06 之间,b 1 介于 0.34~ 0.81 之间 模型验证结果表明, 在除 DHS 站之外的其他七个站点中, 两种校正方法的模拟效果相差不大,R 2 介于 0.64~0.86 之间, 均方根误差 (RMSE) 和模型效率 46

65 第四章利用通量观测数据对 16 种潜在蒸散量模型的综合评估 (EF) 也可以满足精度需求 但是, 在 DHS 站, 校正后的 Priestly-Taylor 模型的模拟效果较差,R 2 为 0.27, 但第二种方法的模型效率要优于第一种方法 总之, 与第一种方法相比, 第二种方法获得的 Priestly-Taylor 模型在模拟 AET 年内动态方面的效果较好, 即 R 2 类似, 但 RMSE 较小 EF 较高, 尤其是在 DHS 站 表 4.6 不同生态系统 Priestly-Taylor 模型的修正参数 Table 4.6 Correction parameters for the Priestly-Taylor model at different ecosystems 站点 AET=α (Priestly-Taylor PET/1.26) AET= b 0 +b 1 (Priestly-Taylor PET) α R 2 RMSE EF b 0 b 1 R 2 RMSE EF CBS QYZ DHS NM HBGC HBSD DX YC 注 : R 2 为决定系数,RMSE 为均方根误差,EF 为模型效率 第三节讨论 3.1 不同 PET 模型的合理性 研究表明, 在八个气候和植被条件跨度较大的站点中, 本研究选取的 16 种 PET 模型的模拟值均差异显著 ( 图 4.1), 这与已有的研究结果相一致 (e.g., Federer et al., 1996; Fisher et al., 2011) 产生这种现象的原因主要与不同站点的下垫面特征, 尤其是水分条件有关 结果表明, 在水分供应较多 (i.e., 降雨量较高 ) 的站点,PET 模型模拟值间的差异相对较小 ( 表 4.3) 这是因为, 与干旱站点相比, 气候较为湿润的站点的土壤水分条件更接近于 PET 的概念中所设定的 水分供应充足条件, 从而使得不同 PET 模型模拟值间的差异在水分供应较多的站点相对较小 因此, 不同模型模拟值间的差异在 DX 站最大也与该站点较低的土壤含水量有关 虽然 DX 站的降雨量与其他两个高寒站点 (i.e., HBGC 和 HBSD) 的降雨量相当, 且高于温带半干旱草地站点 (i.e., NM), 但是 DX 站的海拔高 辐射强 地表蒸发强以及土壤持水性差 (Shi et al., 2006), 使其土壤含水量要比 HBGC 和 HBSD 站低得多, 甚至在一些年份要低于 NM 站, 进而使得不同 PET 模型在 DX 站的模拟值差异最大 基于 PET 的概念, 在长时间尺度下,AET 值不应该超过 PET 值 (i.e., PET AET) (Fisher et al., 2011) 但是, 本研究结果表明, 在八个站点中, 只有在 47

66 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 NM 站所有模型均可以给出合理的 PET 模拟值, 而在其他站点均存在 PET 模型的模拟值不合理, 且不同 PET 模型的合理性因站点而有所不同 ( 图 4.1), 这主要归结于模型输入变量和模型结构方面的差异 研究表明,Thornthwaite 和 Kharrufa 模型在三个高寒生态系统估算的 PET 值均不合理 ( 图 4.1) 虽然高寒生态系统的气温很低, 但其降雨量 尤其是太阳辐射量并不低, 例如, 海北地区的年均降雨量要比中国北方地区的年均降雨量高 50mm 左右 ( 张家诚, 1991) 由于 Thornthwaite 和 Kharrufa 模型仅考虑了气温单个气象变量, 使得二者所模拟的 PET 值严重低于真实的 PET 值 因此, 在估算高寒生态系统的 PET 时, 选用具有较多输入变量和较为复杂的模型结构的综合法和辐射法 PET 模型将更为合理, 尤其是在高寒湿地生态系统 此外, 对于具有相同输入变量和相似模型结构的一些 PET 模型而言, 其模拟结果也可能存在很大差异, 这主要与模型参数 / 系数的差异有关 例如, Stephens-Steward 模型与 Hargreaves 和 Jensen-Haise 模型的模型结构类似, 但相应的模型参数不同 ( 附录 2), 这使得 Stephens-Steward 模型的模拟值在所有站点均小于 Hargreaves 和 Jensen-Haise 模型的模拟值, 从而使得 Stephens-Steward 模型的 PET 模拟值在大多数站点均小于对应的 AET 值 ( 图 4.1) 以上分析表明,PET 模型的选择对于与 PET 变量相关的研究 ( 如估算 AET), 至关重要, 而且诸多 PET 模型模拟值的不合理表明各 PET 模型具有有限的适用性 因此, 为保证研究结果的正确性, 我们可以对 PET 模型进行本地的参数化, 也可以直接选择合理的 PET 模型 表 4.4 总结了本研究的八个生态系统可以选用的 PET 模型, 表明 Penman FAO Penman-Monteith Priestly-Taylor Doorenbos-Pruitt 等五个 PET 模型在不同生态系统均可以给出合理的 PET 模拟值 (i.e., PET AET) 考虑到在这五个 PET 模型中,Priestly-Taylor 模型所需的环境变量较少且较易于获取 ( 表 4.2), 在后续章节陆地生态系统 AET 的空间评估分析中, 本研究选用 Priestly-Taylor 模型作为估算 PET 的基准模型 3.2 不同 PET 模型描述 AET 变异的能力 AET 和 PET 的时间动态决定于各自的驱动变量 (Fisher et al., 2011) 由于各气象变量之间往往存在显著的协变关系, 具有类似的年内季节动态, 如气温随着辐射的变化而变化 因此, 几乎所有的 PET 模型模拟的 PET 值的年内动态与相应站点 AET 的年内动态都存在显著的相关性 然而, 这 16 种 PET 模型在大多情况下均无法准确描述不同站点 AET 的年际变异规律 ( 表 4.5), 这主要与影响 AET 变异的主控因素发生改变 以及模型的系统误差有关 已有研究表明, 土壤的水分供给能力是控制站点及区域尺度 AET 年际变异的主要因素 (Stoy et al., 2006; Jung et al., 2010) 本研究结果也证明了 PET 变量所反映的能量限制并不能很好地解释 AET 的年际变异性 48

67 第四章利用通量观测数据对 16 种潜在蒸散量模型的综合评估 此外, 我们还发现, 除 Priestly-Taylor 模型外, 本研究选取的其他 15 种 PET 模型均无法反映站点间年均 AET 的差异 ( 图 4.3) 这是因为, 年均 AET 的空间变异不仅受气候变量的影响, 还受到植被属性差异的影响 (Zheng et al., 2016) 由于净辐射是控制中国陆地生态系统年均 AET 的空间格局的关键因子 (Zheng et al., 2016), 而 Priestly-Taylor 模型主要以净辐射驱动, 所以该模型能够很好地反映站点间年均 AET 的变异性 Lu et al. (2005) 的研究也表明 Priestly-Taylor 模型模拟的美国 36 个森林流域的年均 PET 与年均 AET 间具有强烈的相关性 由此可见,Priestly-Taylor 模型在描述年均 AET 的空间格局方面具有其独特的优势和应用潜力 为了将 PET 模型应用于估算 AET, 我们使用两种方法对 Priestly-Taylor 模型进行了校正 结果表明, 校正后的 Priestly-Taylor 模型在各站点均可以较好地模拟 AET 的数值大小和年内变化规律, 但在 DHS 站的模拟精度较低 ( 表 4.6) 这主要是因为, 在 DHS 站, 净辐射对 AET 变化的影响被其他因素弱化, 如季风条件的影响 以及降雨在干湿季的分布具有明显的差异等 (Yu et al., 2006), 从而使得该站点 AET 的年内季节分配与其气象变量和 PET 相比较为均匀 (Zhu et al., 2013b) 考虑到 Priestly-Taylor 模型仅需要气温和净辐射两个驱动变量, 修正参数 (α b 0 和 b 1 ) 为估算 AET 提供了一个简便有效的方法, 尤其是对缺少风速 湿度等气象变量的区域而言, 但是, 需注意在亚热带常绿阔叶林的应用 第四节本章小结 本章以 ChinaFLUX 在中国不同区域的八个典型生态系统为研究对象, 通过比较 PET 模型在各生态系统的模拟值与涡度相关法获得的 AET 观测值间的关系, 综合评估了 16 种常用的 PET 模型的合理性, 为后续章节中陆地生态系统实际蒸散量的空间评估奠定基础 结果显示, 本研究选取的 16 种 PET 模型在各站点的模拟值均差异显著 同时, 不是所有的 PET 模型在各站点均可以给出合理的 PET 模拟值 (i.e., PET AET), 且不同 PET 模型的合理性因站点而有所不同 整体而言, 只有 Penman FAO Penman-Monteith Priestly-Taylor Doorenbos-Pruitt 和 Linacre 五个 PET 模型在不同生态系统均可以给出合理的 PET 模拟值 考虑到在这五个 PET 模型中, Priestly-Taylor 模型所需的环境变量较少且较易于获取, 本研究选用 Priestly-Taylor 模型作为区域尺度估算 PET 的基准模型, 并应用于后续章节陆地生态系统 AET 的空间评估分析中 49

68 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 50

69 第五章中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 第五章中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 蒸散是陆地生态系统水分循环和能量平衡的关键环节, 蒸散量及其与降雨量的相对大小对生态系统的可用水资源量和水分状况具有重要指示作用 (Donohue et al., 2007; Wang and Dickinson, 2012) 准确评估陆地生态系统实际蒸散量的空间变异规律及其影响因素不仅对于预测大尺度水分循环对气候变化的响应至关重要, 而且对于改善气候变化背景下的陆地水资源的科学管理和评估具有重要意义 (Allen et al., 1998; Dodds et al., 2005) 近年来, 已有一些研究基于实际蒸散量的相关模型及输入变量的空间化数据量化了实际蒸散量的空间格局 (e.g., Dirmeyer et al., 2006; Liu et al., 2013b; Yuan et al., 2010) 从第三章对五种全球蒸散产品评价中国区域年实际蒸散量(AET) 的不确定性分析结果及其他相关研究结果 (e.g., Chen et al., 2014b; Mueller et al., 2011) 可以看出, 虽然不同模型描述的 AET 的空间格局基本一致, 但不同模型对相同区域 AET 的评估结果却存在很大差异 因此, 有必要基于大区域网络化的跨站点 跨生态系统类型的实际蒸散量观测值来分析区域尺度 AET 的空间变异规律及其影响因素, 以降低区域尺度 AET 评估的不确定性 而近年来迅速增加的涡度相关通量观测站点为分析 AET 的空间变异规律提供了重要的数据来源 中国是一个干旱缺水 且地区间水资源分布极不均衡的国家, 准确评估 AET 的空间格局可以为中国的水资源管理和生态环境建设提供重要的理论依据和参考信息 自 2002 年 ChinaFLUX 成立以来, 中国已经开始使用涡度相关法对主要区域的主要类型生态系统的 AET 进行观测 (Yu et al., 2006b), 现已积累了 50 多个通量观测塔的连续数据 (Yu et al., 2013), 为该研究提供了重要的数据支撑 已有研究基于涡度相关法观测的水汽通量数据分析了中国 (Xiao et al., 2013) 加拿大 (Brümmer et al., 2012) 等区域 AET 的空间格局特征, 并认为 AET 的空间格局主要受降雨量 气温和植被类型的影响 因为蒸散过程受到一系列环境因子和生物因子的交互作用影响 (Jarvis and McNaughton, 1986; Wang and Dickinson, 2012; Wilson and Baldocchi, 2000), 所以 AET 的空间格局也应该是气候因素和植被属性共同作用的结果 但是现有研究还停留在降雨 气温等单个的影响因子分析, 关于各影响因素对 AET 空间格局的作用大小及其作用方式仍不清楚 本章的目的即为, 通过整合分析中国区域陆地生态系统的 AET 数据, 定量分析中国陆地生态系统的 AET 和水分收支状况 ( 以 AET 与年均降雨量 MAP 的比值表示, 即 AET/MAP) 在不同气候区 不同植被类型间的统计特征, 阐述中国陆地生态系统 AET 的空间变异规律, 并揭示气候因素 ( 如降雨 气温 辐射 51

70 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 等 ) 和植被因素 ( 如叶面积指数 ) 的空间格局对中国陆地生态系统 AET 空间格 局的控制作用 第一节材料与方法 1.1 数据来源与处理 本章利用的 AET 数据来自通过整合中国区域的通量观测数据获得的中国区域 61 个站点的 AET 观测值 具体的数据获取方法详见第二章第一节 61 个站点的空间分布与站点信息详见第二章图 2.2 和表 2.1 气候因素包括年均气温 (MAT) 年均降雨量(MAP) 年总净辐射(R n ) 年总太阳入射总辐射 (R g ) 年均饱和水汽压差(VPD) 和年均相对湿度 (RH) 六种气候变量 植被要素包括年均叶面积指数 (LAI) 气候因素和 LAI 数据的具体获取方法及处理详见第二章 3.1 和 3.2 节 1.2 统计分析 在 SPSS 16.0 软件中, 利用方差分析和多重比较检验对中国区域不同植被类型 不同气候类型生态系统间 AET 和 AET/MAP 的差异进行显著性检验, 利用曲线估计工具对 AET 与经纬度 气候要素和 LAI 的回归关系进行分析, 显著性水平均为 α=0.05( 双侧 ) 采用 Amos 17.0 软件的通径分析功能分析气候和植被要素对 AET 空间格局的作用方式 通径分析 (path analysis) 是多元回归分析的扩展, 可以用来评估多个自变量对因变量的影响, 并能区分出自变量对因变量的直接和间接控制作用 (Schemske and Horvitz, 1988) 当变量之间具有清楚的关联关系时, 通径分析比常规回归分析更加有效 (Li, 1981), 已被广泛用于分析生态系统关键参数的控制机制 (Huxman et al., 2003) 本研究在通径分析中主要分析了 R n MAT MAP LAI RH 和 VPD 对 AET 空间格局的直接和间接作用, 以及 R n 对 MAT 的直接作用 直接作用采用标准化的偏相关系数表示, 间接作用采用所有路径标准化的偏相关系数的总和表示 52

71 第五章中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 第二节结果与分析 2.1 AET 与 AET/MAP 的统计特征 不同植被和气候类型间 AET 的差异从中国区域总体来看, 中国陆地生态系统的 AET 介于 71.8~ mm 之间, 平均值和中位数分别为 534.7±232.8 mm yr -1 和 mm yr -1,AET 最小值出现在温带荒漠草原 ( 内蒙古四子王旗 - 围封站,No.30), 最大值出现在热带森林 ( 云南勐仑站,No.12) 不同植被类型生态系统间 AET 存在显著性差异 (P<0.001), 整体表现为森林和湿地生态系统的 AET 显著高于农田和草地生态系统的 AET( 图 5.1a) 阔叶林生态系统具有最大的平均 AET, 达到 732.5±207.3 mm yr -1 ; 湿地和针叶林生态系统的 AET 显著低于阔叶林生态系统, 两者间无显著差异, 分别为 678.6±217.9 mm yr -1 和 571.9±200.5 mm yr -1 ; 农田生态系统的 AET 显著低于森林和湿地生态系统, 为 521.0±157.5 mm yr -1, 且灌溉农田的 AET 要明显大于雨养农田的 AET( 第二章表 2.1); 草地生态系统的 AET 值最小, 显著低于其他植被类型生态系统, 为 318.9±125.0 mm yr -1 ( 图 5.1a) 不同气候区的生态系统间 AET 的差异同样达到显著性水平 (P<0.0001), 表现为明显的温带大陆气候区 < 高寒气候区 < 温带季风气候区 < 亚热带季风气候区 < 热带季风气候区的变化趋势 ( 图 5.1b) 热带季风气候区生态系统的 AET 最大, 高达 ±92.8 mm yr -1 ; 亚热带季风气候区生态系统的 AET 显著低于热带季风气候区生态系统, 为 748.7±122.4 mm yr -1 ; 温带季风气候区 温带大陆气候区和高寒气候区生态系统的 AET 比热带 亚热带季风气候区生态系统的 AET 要低得多, 三者间也存在显著的差异, 分别为 530.1±160.9 mm yr ±160.4 mm yr -1 和 453.4±148.3 mm yr -1 不同植被类型生态系统的 AET 在中国不同气候区的分布特点也有所差异 从图 5.2 可以看出, 森林和湿地生态系统广泛分布于热带 亚热带和温带季风气候区, 在温带大陆和高寒气候区也有分布,AET 的变化趋势与不同气候区生态系统 AET 的变化趋势基本一致, 均表现为热带季风气候区的 AET 最大, 温带气候区的 AET 最小 草地生态系统主要分布于温带大陆和高寒气候区, 在温带季风气候区也有分布, 其中高寒气候区的 AET 较高于温带大陆和温带季风气候区的 AET 农田生态系统集中分布于温带区域, 且温带季风气候区的 AET 略大于温带大陆气候区的 AET 53

72 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 图 5.1 中国区域不同植被类型 (a) 和气候类型 (b) 生态系统 AET 与 AET/MAP 的统计特征气候类型和植被类型见第二章表 2.1 此处将常绿阔叶林 落叶阔叶林和针阔混交林归纳为阔叶林(broadleaf forest,bf), 将常绿针叶林和落叶针叶林归纳为针叶林 (needle forest,nf) 在 AET/MAP 分析中仅使用非灌溉生态系统 ( 共 48 个站点 ) 基于 Tukey 多重比较检验的结果, 小写字母和大写字母分别表示在 α=0.05 水平上 AET 和 AET/MAP 差异显著 BF= 阔叶林, NF= 针叶林,GRA= 草地,CRO= 农田,WET= 湿地, I= 温带大陆气候, II= 温带季风气候, III= 亚热带季风气候, IV= 热带季风气候, V= 高寒气候 Figure 5.1 Statistic characteristics of AET and AET/MAP for different vegetation (a) and climate (b) types in China Climate and vegetation types refer to Table 2.1 in Chapter 2, in which EBF, DBF and MF were summarized as broadleaf forest (BF), while ENF and DNF were merged as needleleaf forest (NF). Thus, five climate and vegetation types were considered, respectively. For AET/MAP analyses, only non-irrigated sites were considered. Different lowercase and capital letters above bars indicate significant differences in AET and AET/MAP at the level of α=0.05 based on Tukey s multiple comparison tests, respectively. BF=broadleaf forest, NF=needleleaf forest, GRA=grassland, CRO=cropland, WET=wetland, I=temperate continental climate, II=temperate monsoon climate, III=subtropical monsoon climate, IV=tropical monsoon climate, V=alpine climate. 54

73 第五章中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 图 5.2 中国区域不同植被类型生态系统中不同气候区 AET 的分布与大小气候类型和植被类型分类同图 4.1 I= 温带大陆气候, II= 温带季风气候, III= 亚热带季风气候, IV= 热带季风气候, V= 高寒气候 Figure 5.2 Distribution and magnitudes of AET in different climate zones for different vegetation ecosystems in China Climate and vegetation types are same with those in Figure 4.1. I=temperate continental climate, II=temperate monsoon climate, III=subtropical monsoon climate, IV=tropical monsoon climate, V=alpine climate 不同植被和气候类型间 AET/MAP 的差异 AET 和 MAP 是自然陆地生态系统水分循环中两个最主要组分, 其比值 (AET/MAP) 的大小可以用以衡量生态系统的水分收支和水量平衡状况 从中国区域总体来看, 在不考虑灌溉生态系统时, 中国 48 个陆地生态系统的 AET/MAP 介于 0.22~1.49, 平均值和中位数分别为 0.82±0.28 和 0.79 与 AET 的变化趋势不同, 不同植被类型生态系统间 AET/MAP 的差异并不显著 (P>0.05, 图 5.1a) 草地生态系统的平均 AET/MAP 最大, 达 0.92±0.31; 湿地生态系统的 AET/MAP 仅次于草地生态系统, 为 0.85±0.30; 农田生态系统的平均 AET/MAP 为 0.80±0.16; 针叶林和阔叶林生态系统的平均 AET/MAP 低于草地 湿地和农田生态系统的 AET/MAP, 分别为 0.60±0.25 和 0.74±0.21 可以看出, 草地和湿地生态系统的 AET/MAP 不仅较高, 其变异性也较大 ( 图 5.1a) 然而, 不同气候区生态系统间 AET/MAP 存在显著性差异 (P<0.05, 图 5.1b) 高寒气候区生态系统的 AET/MAP 最大, 高达 0.96±0.29; 温带大陆 温带季风和热带季风气候区生态系统的 AET/MAP 略低于高寒气候区的 AET/MAP, 但三者间无显著差异, 分别为 0.91± ±0.19 和 0.69±0.14; 亚热带季风区生态系统的 AET/MAP 最低, 显著低于其他气候区, 为 0.64±0.19 同样可以看出, 高寒和温带大陆气候区生态系统的 AET/MAP 虽然较高, 但也具有较大的变异性 ( 图 5.1b) 55

74 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 不同植被类型生态系统的 AET/MAP 在中国不同气候区的分布特点也有所差异 从图 5.3 可以看出, 在森林和湿地生态系统中,AET/MAP 呈现出与不同气候区生态系统 AET/MAP 的变化趋势基本相一致, 高寒和温带大陆气候区的 AET/MAP 较大, 而热带 亚热带的 AET/MAP 较小 在草地生态系统中, 不同气候区的 AET/MAP 相差不大, 但变化趋势与不同气候区生态系统 AET/MAP 的变化趋势 ( 图 5.1b) 相反, 表现为高寒气候区 < 温带大陆气候区 < 温带季风气候区 在农田生态系统中, 温带大陆和温带季风气候区的 AET/MAP 无差异 图 5.3 中国区域不同植被类型生态系统中不同气候区 AET/MAP 的分布与大小气候类型和植被类型分类同图 4.1 I= 温带大陆气候, II= 温带季风气候, III= 亚热带季风气候, IV= 热带季风气候, V= 高寒气候 Figure 5.3 Distribution and magnitudes of AET/MAP in different climate zones for different vegetation ecosystems in China Climate and vegetation types are same with those in Figure 4.1. I=temperate continental climate, II=temperate monsoon climate, III=subtropical monsoon climate, IV=tropical monsoon climate, V=alpine climate. 2.2 AET 的纬度和经度格局特征 中国区域陆地生态系统 AET 的纬度和经度格局特征如图 5.4 所示 从中可以看出,AET 表现出明显的纬向地带性分布规律, 呈现为 AET 随着纬度增加而线性降低的变化趋势 (P<0.0001), 纬度每增加一度,AET 则降低 mm( 图 5.4a), 且这种规律并不会因植被类型的差异而改变 而 AET 的经向空间分布规律较为复杂, 虽然 AET 随着经度的增大而降低, 但这种变化趋势并不明显 (P=0.6876, 图 5.4b) 56

75 第五章中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 图 5.4 中国陆地生态系统年实际蒸散量 (AET) 的纬度 (a) 和经度 (b) 格局特征 Figure 5.4 Latitudinal (a) and longitudinal (b) patterns of AET in terrestrial ecosystems of China 2.3 AET 空间格局的影响因素 我们首先使用方差分析分析了植被类型和气候类型对 AET 空间格局的影响 结果表明, 植被类型和气候类型对 AET 的空间变异均具有显著影响 (P<0.0001, 表 5.1), 且气候类型的影响要大于植被类型, 但二者之间的交互作用并不显著 (P=0.4120) 表 5.1 植被类型 气候类型及其交互作用对中国陆地生态系统 AET 空间格局影响的方差分析结果 Table 5.1 Results of analysis of variance testing effects of vegetation type, climate type and their interaction on AET of terrestrial ecosystems in China 变异来源 类型 III 平方和 自由度 均方 F P 值 校正模型 < 截距 < 植被类型 气候类型 < 植被 * 气候 误差 总计 校正的总计 注 : 气候类型和植被类型见第二章表 2.1 植被类型包括阔叶林 针叶林 草地 农田和湿地五类, 气候类型包括温带大陆 温 带季风 亚热带季风 热带季风和高寒气候五类 57

76 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 主要气候因素的空间格局与 AET 的空间格局的关系如图 5.5 所示 年总净辐射 (R n ) 和年均气温 (MAT) 的空间格局与 AET 的空间格局紧密相关, 可以分别解释 AET 空间格局 53% 和 58% 的变异 ( 图 5.5a 和 5.5c) 而 AET 与年总入射太阳辐射 (R g ) 间的回归关系受青藏高原隆起的影响呈现为较弱的负相关性 (R 2 =0.13, P=0.0045), 在排除受青藏高原强烈影响的站点 ( 图 5.5b 中灰色标识站点 ) 后, R g 的空间格局对 AET 的空间变异并不存在显著的影响 (P=0.3417, 图 5.5b) 同时, MAP 和年均相对湿度 (RH) 的空间格局与 AET 的空间格局均具有显著的相关性, 可以分别解释 AET 空间变异的 47% 和 49%( 图 5.5d 和 5.5f), 年均饱和水汽压差 (VPD) 的空间格局也可以解释 AET 空间分布约 28% 的变异 ( 图 5.5e) 图 5.5 气候因素的空间格局与 AET 的空间格局的关系 (a) R n : 年总净辐射 ;(b) R g : 年总入射太阳辐射, 灰色标识的观测站点包括内蒙和青藏高原以及西北地区的站点, 拟合函数为其他站点 AET 与 R g 的关系 ;(c) MAT: 年均气温 ;(d) MAP: 年均降雨量 ; (e) VPD: 年均饱和水汽压差 ;(f) RH: 年均相对湿度 Figure 5.5 Spatial relationships of AET with climatic factors in China (a) R n : total annual net radiation; (b) R g : total annual incident solar radiation. Grey markers in panel (b) are sites in the Qinghai-Tibetan Plateau, Inner Mongolia and northwest regions of China. Here the regression line was fitted using the data of other sites;(c) MAT: mean annual air temperature; (d) MAP: mean annual precipitation; (e) RH: mean annual relative humidity; (f) VPD: mean annual vapor pressure deficit. 58

77 第五章中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 除植被类型外, 年均叶面积指数 (LAI) 也是反映植被属性的重要参数 回归分析表明,LAI 可以解释中国区域 AET 50% 的空间变异 ( 图 5.6a), 且 AET 随着 LAI 的升高表现为显著的对数函数增加趋势 (R 2 =0.50,P<0.0001), 显著于线性函数 (R 2 =0.45,P<0.0001) 同时, 气候因素的空间格局对 LAI 的空间格局具有重要影响, 其中 MAP 和 MAT 的空间格局可以分别解释 LAI 约 48% 和 34% 的空间变异 ( 图 5.6b 和 5.6c) 图 5.6 LAI 的空间格局与 AET 的空间格局的关系以及 MAP 和 MAT 对 LAI 空间格局的影响 Figure 5.6 (a) Spatial relationship of LAI with AET and effects of (b) MAP and (c) MAT on the spatial variation in LAI 59

78 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 对于灌溉生态系统而言, 人为的灌溉活动增加了生态系统的水分供给量, 这可能会改变 AET 对气候和植被因素的依赖关系 分析表明, 当排除灌溉生态系统时,MAP 和 RH 的空间格局对 AET 空间变异的影响的决定系数 (R 2 ) 分别由 0.47 和 0.49 增大至 0.65 和 0.62(n=48,P<0.0001), 而其他因素与 AET 空间格局间的关系基本不变 ( 表 5.2) 表 5.2 气候因素与 LAI 的空间格局与 AET 空间格局间的决定系数 Table 5.2 Coefficients of determination for spatial relationships of AET with climatic factors and LAI 全部站点 a 非灌溉站点 站点数 n R n MAT MAP VPD RH LAI 注 : a 非灌溉站点为排除 13 个灌溉生态系统, 具体站点见第二章表 2.1 进一步采用通径分析方法分析了各气候要素和 LAI 对 AET 空间格局的作用方式 由于 R g 与 AET 间空间格局的相关性较弱, 因而在通径分析中并没有考虑 R g 通径分析结果表明,R n MAP 和 MAT 是 AET 空间格局的直接决定因子, 直接作用系数分别为 和 0.34( 图 5.7); LAI VPD 和 RH 的直接作用均没有达到显著性水平 ( 因而在通径图中没有显示 ) 同时,R n 通过 MAT 对 AET 的空间格局产生显著的间接作用, 间接作用系数为 0.20, 进而增大了 R n 对 AET 空间格局的总作用 ( 图 5.7) 由此, 结合通径分析结果, 采用多元回归方法得到一个包含 R n MAP 和 MAT 三个变量的经验公式 ( 公式 5.1), 该公式可以解释中国陆地生态系统 AET 空间格局约 84% 的变异 AET = 0.19MAP R n MAT (n = 48,R 2 = 0.84,RMSE = ,P < (5.1) 60

79 第五章中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 图 5.7 主要气候因素的空间格局对中国区域 AET 空间格局的作用方式图中数据表示标准化的通径系数 实线表示直接作用, 虚线表示间接作用, 线的粗细表示通径系数的大小, 线越粗表示通径系数越大 在通径分析中,LAI RH 和 VPD 对 AET 的直接作用均不显著 (P>0.05), 因而相应路径没有在通径图中显示 Figure 5.7 Path diagram that illustrates the dependence of AET on climatic variables The data represent the direct effects using standardized partial-regression coefficients. Solid lines indicate direct effects and dashed line denotes indirect effects. The width of lines describes path strength of effects, and thicker lines denote larger path coefficients. In the path analysis, the direct effects of LAI, RH and VPD on AET were not significant (P>0.05). Thus, their corresponding paths were not shown in this diagram. 第三节讨论 3.1 中国陆地生态系统的 AET 和 AET/MAP 通过整合中国陆地生态系统的通量观测数据, 我们构建了一套目前最为完整的中国区域 AET 的数据集, 基于此, 我们定量分析了中国区域的 AET 和 AET/MAP 的统计特征 结果表明, 中国陆地生态系统的 AET 在不同气候区 不同植被类型间差异显著, 主要表现为森林和湿地生态系统的 AET 显著高于农田和草地生态系统的 AET, 并在不同气候区呈现为从热带到亚热带 温带和高寒气候带逐渐降低的变化趋势, 与其他数据整合分析结果一致 ( 图 5.1) 通过分析中国陆地生态系统的 AET/MAP 在不同植被类型 不同气候区的统计特征发现, 中国陆地生态系统 AET/MAP 的大小主要受气候格局控制, 而不同植被类型生态系统间的 AET/MAP 的差异并不显著 (P>0.05, 图 5.1) 与草地相比, 森林的根系较深 分布较广, 叶面积较大, 由此具有更大的冠层截留能力, 因此普遍认为森林生态系统通过蒸腾 蒸发作用消耗年降雨量 (MAP) 的比例会超过草地生态系统 (Williams et al., 2012) 然而, 本研究结果显示, 中国区域草地生态系统的平均 AET/MAP (0.92±0.31) 要大于针叶林和阔叶林生态系统的 AET/MAP(0.60±0.25 和 0.74±0.21)( 图 5.1), 但草地 AET/MAP 的变异性也较大 61

80 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 ( 图 5.3), 这与全球通量观测数据的整合分析结果一致 (Williams et al., 2012) 产生这种现象的原因是, 中国区域的草地生态系统主要分布于温带大陆和高寒气候区, 森林生态系统主要位于温带 亚热带和热带季风气候区, 而温带大陆气候区和高寒气候区的 AET/MAP 要普遍大于季风气候区 ( 图 5.1b), 从而使得中国区域草地生态系统的平均 AET/MAP 要大于森林生态系统的 AET/MAP 研究还表明, 受气候条件的影响, 同一植被类型生态系统的 AET/MAP 在不同气候区间差异较大 ( 图 5.3) 由于位于中国温带大陆 温带季风和高寒气候区的生态系统的 AET/MAP 数值普遍较高, 使得中国区域不同植被类型生态系统的平均 AET/MAP 值 (0.60~0.92) 要高于 (Oki and Kanae, 2006) 报道的全球尺度相应类型生态系统的平均 AET/MAP(0.54~0.68) 3.2 气候和植被格局对中国陆地生态系统 AET 空间格局的影响 本研究基于通量观测数据进一步验证了 AET 的纬向地带性分布规律 ( 图 5.4a), 及其与 MAP MAT 和植被类型之间显著的相关性 ( 图 5.5 和表 5.1) (Brümmer et al., 2012; Xiao et al., 2013) 考虑到各气候要素之间( 如 MAT 与 R n MAT 与 VPD MAP 与 RH) 以及气候要素和植被属性之间 ( 如 MAP 与 LAI, MAT 与 LAI) 显著的协变或交互作用 (Law et al., 2002),AET 的空间格局与 R n VPD RH 和 LAI 的空间格局间存在显著的相关性并不出乎意料 而为了更好地了解气候和植被格局对 AET 空间格局的影响机制, 重要的是如何全面了解不同要素, 尤其是植被属性, 对 AET 空间格局的作用大小和作用方式 研究结果表明, 气候条件的空间格局对中国陆地生态系统 AET 空间格局的形成具有重要作用 已有研究指出流域尺度长期的 AET( 或水量平衡 ) 主要决定于水分供给和大气蒸发需求之间的平衡关系 (Budyko, 1974; Yang et al., 2007a) 本研究结果表明, 气候格局对中国陆地生态系统 AET 空间格局的影响也主要反映在水分供给和大气蒸发需求两个方面 水分供给的影响主要是通过有效供水量和大气干燥度来实现, 而 MAP 和 RH 可以分别反映这两个方面的大小, 由此 MAP 和 RH 的空间格局与 AET 的空间格局呈现为正相关关系 ( 图 5.5d 和 5.5f); 当人为灌溉活动改变了生态系统的有效供水量时,MAP 和 RH 与 AET 之间的关系也由此改变 ( 表 5.2) 同时,R n 和 MAT 两个气候因素则反映了大气蒸发需求的大小, 而 VPD 由气温计算得来, 所以 R n MAT 和 VPD 均与 AET 的空间变异呈正相关关系 ( 图 5.5a,5.5c,5.5e) 同样, 气候格局对 AET 空间格局的影响也决定于水分供给和大气蒸发需求之间的平衡关系, 如, 虽然贡嘎山站 (No.6) 的 MAP 高达 1900 mm, 但因为 MAT 非常低 (3.8 ), 从而具有较低的 AET 值 (<600 mm) 同时, 植被属性的空间变异也与中国陆地生态系统 AET 的空间格局密切相关 本研究结果表明, 不同植被类型生态系统的 AET 之间存在显著性差异 ( 表 62

81 第五章中国陆地生态系统实际蒸散量的空间变异规律及其影响因素 5.1), 而且 AET 的空间变异与 LAI 的空间变异显著有关 ( 图 5.6a) 已有研究表明,LAI 的空间变异会影响 AET 的不同组分的空间变异, 如冠层截留蒸发的大小取决于 LAI (Jung et al., 2011), 土壤蒸发占 AET 的比例与 LAI 在空间上为负相关关系 (Law et al., 2002) 因此,LAI 的空间格局对 AET 空间变异的影响可能主要是通过影响 AET 在不同组分 ( 即植被蒸腾 土壤蒸发和冠层截留蒸发 ) 之间的比例来实现的 植被的空间格局对 AET 空间变异的影响可能是气候格局控制植被格局的结果 不同的植被具有不同强度的抗寒 耐旱能力, 因此气候条件的地理格局决定了植被类型的地理空间分布 不同的植被类型表现出不同的植被属性特征 ( 如 LAI), 由此气候格局进而影响植被属性特征的空间变异, 如 MAP 和 MAT 的空间格局对 LAI 的空间格局具有重要影响 ( 图 5.6b 和 5.6c) 因此, 在空间格局上, 处于热带湿润区的常绿阔叶林具有较高的 LAI, 表征出高的 AET 值, 而处于寒冷 / 干旱气候区的草地通常 LAI 较小, 表征出较低的 AET 值 然而, 在空间上, AET 与 LAI 呈现为强烈的对数函数关系, 而非线性关系 ( 图 5.6a), 这取决于中国区域陆地生态系统的 LAI 和大气蒸发需求的地理格局 中国区域 LAI 与 AET 空间上的非线性关系主要决定于 LAI 大于 3 m 2 m -2 的森林站点 ( 图 5.6a) 与位于中国干旱半干旱气候区的站点相比, 这些站点通常具有较高的年降雨量, 表征出较高水平的 LAI, 但这些站点的大气蒸发需求则相对较低 由此,LAI 与大气蒸发需求的地理格局间的平衡促成了中国区域陆地生态系统 LAI 与 AET 空间上的非线性关系 基于上述分析结果, 我们推测出一个气候和植被格局对中国陆地生态系统 AET 空间变异的影响机制, 即 : 中国区域复杂的地形因素和季风气候决定了水分 辐射 温度等气候要素的空间变化特征, 进而影响了植被类型继而决定了植被的生理生态特征 ( 如 LAI) 的地理空间分布 在此基础上, 气候要素和植被属性通过彼此在空间格局上的紧密偶联关系共同地控制着陆地生态系统 AET 的空间格局, 使其表现出鲜明的纬向格局规律和复杂的经向分布特征 第四节本章小结 本章基于中国陆地生态系统的 AET 通量观测数据, 定量分析了中国区域的 AET 和 AET/MAP 的统计特征, 阐述了 AET 的空间格局特征, 揭示了气候和植被因素的空间格局对 AET 空间格局的控制作用, 得出如下几点认识 : (1) 不同植被和气候类型生态系统的 AET 之间存在显著性差异 森林和湿地生态系统的 AET 显著高于农田和草地生态系统的 AET 不同气候区生态系统间的 AET 呈现出从热带到亚热带 温带和高寒气候带逐渐降低的变化趋势 不同气候类型生态系统的 AET/MAP 间也存在显著差异, 但植被类型间差异并不大 63

82 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 (2)AET 表现出明显的纬向地带性分布规律, 呈现为 AET 随着纬度增加而线性降低的变化趋势, 且这种规律并不会因植被类型的差异而改变 (3)AET 在空间格局上与 R n MAP MAT VPD 和 RH 等主要气候要素呈显著的线性正相关关系, 而受青藏高原隆起的影响, 与 R g 呈较弱的负相关关系 AET 在空间格局上与 LAI 呈现为显著的对数函数关系,LAI 对 AET 空间变异的影响可能主要是通过影响 AET 在不同组分之间的比例来实现的 (4) 气候和植被格局对 AET 空间变异的影响以气候格局的作用为主 气候格局对 AET 空间格局的控制作用主要反映在水分供给和大气蒸发需求两个方面, 并决定于二者之间的平衡关系, 而植被格局对 AET 空间变异的影响可能是气候格局控制植被格局的结果 (5)R n MAP 和 MAT 是 AET 空间格局的直接决定因子, 本研究提出一个包含 R n MAP 和 MAT 三个变量的经验公式, 该公式可以解释中国陆地生态系统 AET 空间格局约 84% 的变异 64

83 第六章全球陆地生态系统实际蒸散量的空间格局及其影响因素与形成机制 第六章全球陆地生态系统实际蒸散量的空间格局及其影响因素与形成机制 深入研究陆地生态系统实际蒸散量 (AET) 的空间格局及其形成机制对于全面认识陆地水循环过程 以及全球气候变化背景下的陆地水资源的科学管理和评估具有重要意义 从中国陆地生态系统 AET 的空间格局及其影响因素的分析中可以看出, 气候和植被格局对 AET 的空间变异具有重要影响, 验证了第一章提出的关于陆地生态系统 AET 空间格局形成机制的理论框架 ( 图 1.2) 中的部分内容 但是目前关于土壤属性以及降雨特征差异对 AET 空间格局的影响尚不清楚, 当前的研究结果尚不足以探讨 AET 空间格局的形成机制 土壤是陆地生态系统的重要组成部分, 对生态系统的蒸散过程具有重要影响 土壤不仅为植被的生长发育提供所需的养分和水分, 还为生态系统蒸散的两大组分 植被蒸腾和土壤蒸发提供直接的水分来源 因此土壤属性格局对植被格局 以及蒸腾蒸发的空间分布可能具有重要作用, 从而影响陆地生态系统 AET 的空间格局 (Williams et al., 2012; Yang et al., 2007a) 土壤的理化性质决定了土壤水分和养分的释放与固持能力 但是, 关于土壤物理性质对陆地生态系统 AET 空间格局的影响至今缺乏报道 同时, 有研究表明, 大降雨事件 (>10 mm day -1 ) 可以通过影响深层的土壤含水量来提高植被蒸腾在生态系统总蒸散量中的比例 (Guo et al., 2015) 因此, 降雨事件特征的差异也可能通过影响土壤水分的供应能力对 AET 的空间格局产生影响 事实上, 随着全球气候变化, 降雨格局发生了诸多改变, 如极端气候事件频发导致的降雨季节分配的改变, 以及降雨事件次数 降雨强度等降雨事件特征的改变等 (IPCC, 2013) 研究降雨特征差异与 AET 空间格局的关系对于揭示降雨变化对 AET 空间变异的影响 以及预测陆地水分循环对全球气候变化的响应具有重要意义 此外, 研究范围不同, 研究结果可能会存在差异 因此, 为深入认识陆地生态系统 AET 空间格局的生物地理学机制, 我们需要在更大的空间尺度上综合分析气候 植被和土壤因子的空间格局对 AET 空间变异的影响 本章的目的即为, 通过整合全球陆地生态系统的 AET 数据, 结合气候 植被和土壤数据资料, 综合分析气候 植被和土壤因素 以及降雨特征对全球陆地生态系统 AET 空间变异的影响, 从而揭示全球陆地生态系统 AET 空间格局的形成机制 65

84 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 第一节数据与方法 1.1 数据来源与处理 数据来源 本章利用通过整合 ChinaFLUX 数据库和 FLUXNET 的 La Thuile Free Fair-Use 数据库获取的 123 个站点的 AET 通量观测数据开展全球陆地生态系统 AET 的空间变异分析 所有站点的气候数据 (MAT MAP R n R g 等 ) 均为各 站点通量监测时期对应的观测数据 具体的数据获取和处理方法详见第二章第二 节 站点的空间分布与站点信息详见第二章图 2.3 和附录 2 利用年均叶面积指数 (LAI) 和年均最大叶面积指数 (LAI max ) 来分析植被 因素对 AET 空间格局的影响 LAI 数据的具体获取方法及处理详见第二章 3.2 节 土壤属性包括土壤容重 (BD) 土壤有机碳含量 (SOC) 和土壤质地 ( 砂粒 粉粒和粘粒的含量 ) 等表示土壤物理性质的变量, 获取方法详见第二章 3.3 节 潜在蒸散量的计算 基于第四章的研究结果, 本章利用 Priestly-Taylor 模型 (Priestley and Taylor, 1972) 计算潜在蒸散量 (PET), 即 : PET = α + γ (R n G) λ (6.1) 式中,PET 为 Priestly-Taylor 模型模拟的日 PET 值 ( mm day -1 ),α 为 Priestly-Taylor 系数 ( 取 1.26),R n 为净辐射 ( MJ m -2 day -1 ),G 为土壤热通量 (MJ m -2 day -1 ), 表示 饱和水汽压随温度变化的斜率 (kpa 1 ), γ 为干湿表常数 (kpa 1 ) 由各 站点日尺度的 PET 数值累积获得该站点的年总 PET 值 降雨特征指标的选取 为研究降雨特征差异与 AET 空间格局的关系, 本研究分析了降雨季节分配 与降雨事件特征的空间变异对 AET 空间格局的影响 迄今没有标准的公式来量 化降雨的季节分配 (precipitation seasonal distribution) 基于 (Guo et al., 2012), 本研究以一年中 12 个月份的月降雨量的变异系数 (CV mp ) 来表示降雨季节分配 的均匀或聚集程度, 即 : i=1 (p i p ) 2 CC mm = p (6.2) 66

85 第六章全球陆地生态系统实际蒸散量的空间格局及其影响因素与形成机制 其中,p i 表示第 i 月的月降雨量,p 表示 1~12 月的月均降雨量 CV mp 越大表示该 站点的年内降雨分配越聚集,CV mp 越小则表示降雨的季节分配越均匀, 即各月 份降雨量相差较小 在本研究中, 降雨事件特征主要包括小降雨事件次数 (R1,day) 大降雨事 件次数 (R10,day) 强降雨事件次数 (R25,day) 和平均降雨强度 (R i,mm day -1 ) R1 R10 和 R25 分别指单日降雨大于 1 mm day mm day -1 和 25 mm day -1 的 天数,R i 以年降雨量与 R1 的比值表示 1.2 统计分析 利用方差分析和多重比较对不同植被和气候类型生态系统 AET 间的差异进行显著性检验 采用相关性分析和线性回归函数分析各气候 植被 土壤因子之间, 以及各因子与 AET 间的相关性 利用逐步多元回归 (stepwise multiple regression analysis) 和一般线性模型 (general linear model, GLM) 评估各因素对 AET 空间变异的贡献 ( 或相对重要性 ) 采用通径分析(path analysis) 方法进一步探讨不同因素对 AET 空间格局的作用方式 显著性水平均为 α=0.05( 双侧 ) 第二节结果与分析 2.1 AET 的空间变异规律和统计特征 方差分析 ( 双因素, 非均衡, 考虑交互作用, 表 6.1) 结果表明, 气候类型 以及植被类型和气候类型二者之间的交互作用对 AET 的空间变异均具有极显著影响 (P<0.0001, 表 6.1), 而植被类型的影响略微显著 (P=0.0487) 表 6.1 植被类型 气候类型及其交互作用对全球陆地生态系统 AET 空间格局影响的方差分析结果 Table 6.1 Results of analysis of variance testing effects of vegetation type and climate type on global AET 变异来源 类型 III 平方和 自由度 均方 F P 值 校正模型 < 截距 < 气候类型 < 植被类型 气候 * 植被 < 误差 总计 校正的总计

86 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 不同类型生态系统 AET 在不同气候区的分布特点有所差异 从图 6.1 可以看出, 森林生态系统的 AET 整体表现为在热带气候区最大, 在干旱气候区最小 在灌丛生态系统中, 地中海气候区的 AET 大于干旱气候区的 ATE, 而热带稀树草原生态系统的 AET 在不同气候区差异不大 在草地生态系统, 除干旱气候区外, 不同气候区间的 AET 均无显著差异 在农田生态系统中, 暖温带气候区的 AET 最小, 地中海气候区的 AET 较高 在湿地生态系统中, 热带气候区的 AET 最高, 极地气候区次之 图 6.1 全球不同类型生态系统 AET 的分布与大小气候区的分类参考 Köppen-Geiger 气候分类体系 (Kottek et al., 2006), 其中 Warm temp.= 夏湿型暖温带气候 (warm temperature summer wet,cw 和 Cf),Mediterranean= 地中海气候 (Mediterranean or warm temperature winter wet,cs), Equatorial= 热带气候 (A), Snow= 冷温带气候 (D), Hot arid= 炎热型干旱气候 (BSh 和 BWh),Cold arid= 寒冷型干旱气候 (BSk 和 BWk),Polar= 极地气候 (E), 括号内编码详见 Köppen-Geiger 气候分类体系 依据 IGBP 分类系统进行植被类型分类 EBF= 常绿阔叶林,ENF= 常绿针叶林,DBF= 落叶阔叶林,MF= 针阔混交林,SHR= 灌丛 ( 包括 Closed Shrubland 和 Open Shrubland),SAV= 热带稀树草原 (SAV, 包括 Savanna 和 Woody Savanna), GRA= 草地,CRO= 农田,WET= 湿地 图中插图为所有研究站点 AET 的频率分布图, 纵坐标为站点数目 Figure 6.1 Distribution and magnitudes of AET for different biome types Climate zones were classified by the Köppen-Geiger climate classification (Kottek et al., 2006). Warm temp.= warm temperature summer wet (Cw, Cf), Mediterranean=Mediterranean or warm temperature winter wet (Cs), Equatorial (A), Snow (D), Hot arid (BSh, BWh), Cold arid (BSk, BWk), Polar (E). These codes in parentheses identify the corresponding Köppen-Geiger classes. EBF=evergreen broadleaf forest, ENF=evergreen needleleaf forest, DBF=deciduous broadleaf forest, MF=mixed forest, SHR=shrubland (including closed and open shrubland), SAV=savanna (including woody savanna), GRA=grassland, CRO=cropland, WET=wetland. The insert figure shows the frequency distribution of AET across all the studied sites, in which y-axis shows number of sites. 68

87 第六章全球陆地生态系统实际蒸散量的空间格局及其影响因素与形成机制 2.2 气候 植被 土壤因素格局对 AET 空间变异的影响 气候因素格局对 AET 空间变异的影响从图 6.2 可以看出, 本研究选取的气候要素与 AET 在空间上均呈现为显著的正相关性 (R=0.498~0.686,P<0.001), 且不同气候因素之间也具有复杂的关联性 其中,MAT 分别与 R g R n 和 MAP 显著相关 ( 相关系数 R 分别为 和 0.390,P<0.001), R n 与 MAP 也显著相关 (R=0.277,P<0.01), 但 R g 与 MAP 间则无显著相关性 (R=0.065), 表明 MAT R n 和 MAP 三者的空间变异趋势具有一致性, 但 R g 与 MAP 间的空间变异并没有紧密耦合性 同时, 以 PET 为指标综合反映气候因素对大气蒸发需求的影响, 结果表明,PET 与 MAT R g R n 和 MAP 均呈现出极显著的相关性, 表明 PET 与气温 辐射和降雨具有一致的空间变化趋势 植被属性格局对 AET 空间变异的影响本研究利用年均叶面积指数 (LAI) 和年均最大叶面积指数 (LAI max ) 来分析植被因素对 AET 空间格局的影响, 结果表明,AET 的空间格局与 LAI 显著正相关 (R=0.258,P<0.01), 但与 LAI max 无显著相关性 (R=0.021,P>0.05)( 图 6.2) 同时, 气候因素中 MAP 与 LAI 和 LAI max 的空间格局具有显著的线性正相关 (R 分别为 和 0.269,P<0.01), 表明气候条件对叶面积指数的影响主要是通过降雨量来实现 而植被属性 (LAI 和 LAI max ) 与土壤属性间的空间格局并无显著的相关性 ( 图 6.2) 土壤因素格局对 AET 空间变异的影响本研究选取土壤容重 (BD) 土壤有机碳含量(SOC) 和土壤质地 ( 砂粒 粉粒和粘粒的含量 ) 来分析土壤物理性质对 AET 空间格局的影响 研究表明, AET 的空间格局与 BD 和土壤粘粒含量显著正相关 (R 分别为 和 0.286, P<0.01), 与 SOC 和土壤粉粒含量显著负相关 (R 分别为 和 ,P<0.05), 但与土壤砂粒 (Sand) 含量无显著相关性 (P>0.05)( 图 6.2) 同时,MAT R g R n 和 MAP 与土壤容重 (BD) 和土壤有机碳含量 (SOC) 的空间变异均具有显著相关性, 且 BD 和 SOC 在空间上呈现为显著的负相关关系 (R=-0.843,P<0.001) 同时, 气候因素与土壤质地在空间上也表现出显著的相关性, 尤其是太阳辐射与土壤粉粒 (Silt) 和粘粒 (Clay) 含量的空间格局的相关性最为显著, 而 MAP 与土壤质地间的相关性并不明显 这表明气候条件对土壤物理性质的空间变异具有显著的影响作用 69

88 博士学位论文 陆地生态系统实际蒸散量的空间格局及其形成机制研究 图 6.2 气候 植被 土壤因素与 AET 的关联矩阵图对角线板块表示每个因子和 AET 的分布直方图, 左下角板块表示每个因子与 AET 间的相关图, 右上角板块表示因子间的相关系数, 红色和蓝色表示相关系数分别为正和负, *** ** * 和 分别表示 P<0.001 P<0.01 P<0.05 和 P<0.1 MAT= 年均气温,R g = 年总入射太阳辐射,R n = 年总净辐射,PET= 年潜在蒸散量,MAP= 年均降雨量,LAI= 年均叶面积指数,LAI max = 年均最大叶面积指数,BD= 土壤容重,SOC= 土壤有机碳含量, Sand= 土壤砂粒含量,Silt= 土壤粉粒含量,Clay= 土壤粘粒含量 Figure 6.2 Correlated matrix of climate, vegetation, soil factors and AET Diagonal panels are histograms of each factor. Lower panels are correlation diagrams between any two factors. Upper panels are corresponding correlation coefficients, in which red and blue indicate positive and negative, respectively. ***, **, * and indicate significant level at P<0.001, P<0.01, P<0.05 and P<0.1, respectively. R g =total annual incident solar radiation, MAT= mean annual air temperature, R n =total annual net radiation, PET=annual potential evapotranspiration, MAP=mean annual precipitation, LAI=mean annual leaf area index, LAI max =mean annual maximum leaf area index, BD=soil bulk density, SOC=soil organic carbon, Sand= sand content, Silt=silt content, Clay = clay content. 70