CN103714243A - 一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法 - Google Patents

Abstract

一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法，所述估测方法包括以下步骤：1）建立叶片水平Vcmax,25-温度和α-Pm之间的关系；2）构建基于叶片水平的温度和植被类型动态调节直角双曲模型；3）构建基于阴阳叶双叶模型的冠层总初级生产力计算方法；4）将小时尺度GPP转换“天”尺度GPP：5）基于涡度相关实测通量数据的验证。该方面能应用于不同区域不同生长环境下的总初级生产力的估算，具有计算准确，计算效率高的特点，在全球陆地长时间序列总初级生产力计算方面具有广泛的应用前景。

Description

一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法

技术领域

本发明涉及全球碳循环计算的大领域以及总初级生产力估测方法研究方向，特别涉及一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法。

背景技术

总初级生产力(GPP)地球植被的光合作用能力，是陆地生态系统碳平衡的关键因子。估算GPP主要包括光能利用率模型，过程模型和直角双曲线模型。其中光能利用率模型相对比较简单，但计算精度不高。光能利用模型计算比较准确，但参数众多，计算过程复杂。直角双曲线模型结构比较简单，在植被类型确定，温度保持恒定的条件下，能够十分准确的估算植被光合作用，其模拟精度接近于机理模型Farquahr模型的精度。但是在自然条件下的植被生长周期内，温度存在日内变化和季节变化，此时如果使用直角双曲线模型计算长时间序列总初级生产力将产生较大误差。另外，地球不同区域生长着结构完全不同植被类型，这些不同植被类型对直角双曲线模型的参数影响也比较大。为此，本发明试图建立一个模型参数依据温度和植被类型动态调整的直角双曲线模型，使其能够准确应用于不同区域不同生长环境下的总初级生产力的估算。

发明内容

为了解决现有直角双曲线模型参数不能适应多变温度环境和不同区域生长的植被类型的问题，本发明提供了一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法，利用建立直角双曲模型的参数最大光能利用率（α）光饱和速率（Pm）和Farquahr模型的参数Vcmax-温度之间的关系，获得α和Pm随温度和Vcma,25变化分布图，从而获得依据环境时空动态变化的α和Pm值，从而可以利用直角双曲线模型准确而高效地估算GPP。

本发明解决其技术问题所采用的技术方案是：

一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法，所述估测方法包括以下步骤：

1）建立叶片水平Vcmax,25-温度和α-Pm之间的关系，

叶片水平Vcmax,25-温度和α-Pm之间的关系通过最小二乘回归链接Baldocchi模型和直角双曲线模型而建立，具体包括以下过程：

（1.1）：对于一个固定的温度值和Vcmax,25值，利用Baldocchi模型计算所有不同辐射状况下GPP的值，Baldocchi模型如下：

$\mathrm{GPP}=-2\sqrt{\frac{p^2-3q}{9}}\cos \left(\frac{\arccos \left(\frac{{2p}^3-9\mathrm{pq}+27r}{2\sqrt{{(p^2-3q)}^3}}\right)+4\mathrm{\π}}{3}\right)-\frac{p}{3}---\left(1\right)$

$p=\frac{\mathrm{e\β}+b{\mathrm{\θ}}^{\′}-\mathrm{a\α}+\mathrm{e\α}{R}_d}{\mathrm{e\α}}---\left(2\right)$

$q=\frac{\mathrm{e\γ}+\frac{\mathrm{b\γ}}{C_a}-\mathrm{a\β}+\mathrm{ad}{\mathrm{\θ}}^{\′}+e{R}_d\mathrm{\β}+R_{d}b{\mathrm{\θ}}^{\′}}{\mathrm{e\α}}---\left(3\right)$

$r=\frac{-\mathrm{a\γ}+\frac{\mathrm{ad\γ}}{C_a}+e{R}_d\mathrm{\γ}+\frac{R_d\mathrm{b\γ}}{C_a}}{\mathrm{e\α}}---\left(4\right)$

和 $\mathrm{\α}=1+\frac{b^{\′}}{g_b}-{\mathrm{mh}}_s,\mathrm{\β}=C_a(g_{b}m{h}_s-2b^{\′}-g_b),\mathrm{\γ}=C_a^2{b}^{\′}{g}_b,{\mathrm{\θ}}^{\′}=g_{b}m{h}_s-b^{\′}.$

其中，GPP为总初级生产率，R_d为叶片日间呼吸量，g_b是叶层导度，m为植被类型决定的参数，h_s为相对湿度，b′是残差导度，a,b,c,和d是Farquhar模型

中的参数，在Baldocchi中，气象参数包括效光合辐射，空气温度和相对湿度；

（1.2）：以辐射为自变量，GPP为因变量进行回归，针对一个温度和Vcmax,25的组合拟合直角双曲线模型的两个参数α,Pm；

（1.3）：针对温度从1度到40度和Vcmax,25从20到180μmol m^-2s^-1的所有组合重复以上步骤，每步获取一个α,Pm组合，从而获取一个Vcmax,25为横坐标，以温度为纵坐标的α,Pm的分布矩阵，利用所述分布矩阵，依据温度和植被类型动态选择直角双曲线模型所需要的参数α,Pm；

2）基于叶片水平的温度和植被类型动态调节直角双曲模型，

利用上述得到的直角双曲线模型的参数，就计算叶片水平GPP,计算公式如下：

${\mathrm{GPP}}_{\mathrm{leaf}}(V_{c\max ,25},T)=\frac{\mathrm{\α}(V_{c\max ,25},T)\×P_m(V_{c\max ,25},T)\×\mathrm{APAR}}{P_m(V_{c\max ,25},T)+\mathrm{\α}(V_{c\max ,25},T)\×\mathrm{APAR}}$

其中GPP_leaf为温度为T，植被类型为Vcmax,25时叶片水平,α andP_m分别为依据温度和Vcmax,25确定的，APAR为吸收光合有效辐射；

以上模型中为考虑水汽压亏缺VPD对GPP的影响，以下公式考虑VPD对GPP的调节作用：

GPP_actual＝GPP_leaf×f(VPD)

其中，GPP_actual为经过VPD调节后的GPP，f(VPD)的计算公式如下：

$f\left(\mathrm{VPD}\right)=\left\{\begin{array}{cc}0& \mathrm{VPD}\≥{\mathrm{VPD}}_{\max }\\ \frac{{\mathrm{VPD}}_{\max }-\mathrm{VPD}}{{\mathrm{VPD}}_{\max }-{\mathrm{VPD}}_{\min }}& {\mathrm{VPD}}_{\min }\≤\mathrm{VPD}\≤{\mathrm{VPD}}_{\max }\\ 1& \mathrm{VPD}\≤{\mathrm{VPD}}_{\mathrm{MIN}}\end{array}\right.$

其中，VPD_max,VPD_min为与植被类型相关参数；

3）基于以上模型的双叶冠层模型，

冠层GPP(GPP_canopy)通过分别计算阴叶和阳叶GPP之后，再求两者之后获得，公式如下：

GPP_canopy＝GPP_sunlit×LAI_sunlit+GPP_shaded×LAI_shaded

这里下标“sunlit”and“shaded”表示GPP和叶面积指数（LAI）的阴叶和阳叶组分；

总LAI区分为阳叶LAI和阴叶LAI的公式如下：

LAI_sunlit＝2cosθ(1-e^{-0.5ΩLAI/cosθ})

LAI_shaded＝LAI-LAI_sunlit

其中，θ为太阳天顶角，Ω为聚集度指数，表示叶片空间分布格局，随机分布时Ω=1，非随机分布时小于1；

4）小时尺度GPP的“天”尺度转换：

所述GPP为小时尺度的GPP，需要对每日光照时间内的所有GPP求和，获得以“天”为单位的GPP，用以分析GPP的季节变化。

进一步，所述估测方法还包括以下步骤：5）基于涡度相关实测通量数据的验证：利用涡度相关的实测通量数据对小时尺度和天尺度的GPP估算结果进行检验和验证。

再进一步，所述步骤1）中，Vcmax,25从20到180，温度从1到40，如果温度和Vcmax,25超出这个范围，则取边界值。

所述步骤2）中，如果需要考虑土壤水分对GPP的影响，另外增加一个土壤水分调节函数。

本发明的技术构思为：在温度恒定的条件下，某一个类型的植被GPP的光响应曲线（即GPP随光合有效辐射变化曲线）可以用直角双曲线模型完美的拟合，此时直角双曲线模型两个参数（α和Pm）为常数值，可是如果温度改变或是植被类型改变，α,Pm也将改变，此时再用固定常数的直角双曲线模型计算GPP就会发生误差。因此本发明提出一个依据温度和植被类型动态调整直角双曲模型参数α,Pm的方法，使直角双曲模型能够实现更准确的GPP计算，而且具有较高的计算效率，适合于大区域长时间序列的应用。

本发明的有益效果主要表现在：（1）、该方法建立的直角双曲模型与Farquahr机理模型之间的联系，使直角双曲模型具有机理模型的基因；（2）、直角双曲模型的参数可以根据温度和植被类型动态调整，提高了该模型的GPP计算准准确率；（3）、改进的直角双曲线模型比Farquahr机理模型计算效率更高。

附图说明

图1是一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法流程图；

图2是四个通量观测站点总初级生产力月平均日内变化图；

图3是四个通量观测站点总初级生产力季节变化图，其中，（a）SK-OA站点，（b）US-Goo站点，（c）BC-DF49站点，（d）BR-Sa1站点；。

图4是依据温度和植被类型动态条件直角双曲模型计算的GPP与通量实测数据比较分析图，其中，（a）SK-OA站点，（b）US-Goo站点，（c）BC-DF49站点，（d）BR-Sa1站点；。

具体实施方式

下面结合附图对本发明做进一步的说明。

参照图1～图4，一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法，所述估测方法包括以下步骤：

1）建立叶片水平Vcmax,25-温度和α-Pm之间的关系，

叶片水平Vcmax,25-温度和α-Pm之间的关系通过最小二乘回归链接Baldocchi模型和直角双曲线模型而建立，具体包括以下过程：

（1.1）：对于一个固定的温度值和Vcmax,25值，利用Baldocchi模型计算所有不同辐射状况下GPP的值，Baldocchi模型如下：

$\mathrm{GPP}=-2\sqrt{\frac{p^2-3q}{9}}\cos \left(\frac{\arccos \left(\frac{{2p}^3-9\mathrm{pq}+27r}{2\sqrt{{(p^2-3q)}^3}}\right)+4\mathrm{\π}}{3}\right)-\frac{p}{3}---\left(1\right)$

$p=\frac{\mathrm{e\β}+b{\mathrm{\θ}}^{\′}-\mathrm{a\α}+\mathrm{e\α}{R}_d}{\mathrm{e\α}}---\left(2\right)$

$q=\frac{\mathrm{e\γ}+\frac{\mathrm{b\γ}}{C_a}-\mathrm{a\β}+\mathrm{ad}{\mathrm{\θ}}^{\′}+e{R}_d\mathrm{\β}+R_{d}b{\mathrm{\θ}}^{\′}}{\mathrm{e\α}}---\left(3\right)$

$r=\frac{-\mathrm{a\γ}+\frac{\mathrm{ad\γ}}{C_a}+e{R}_d\mathrm{\γ}+\frac{R_d\mathrm{b\γ}}{C_a}}{\mathrm{e\α}}---\left(4\right)$

和 $\mathrm{\α}=1+\frac{b^{\′}}{g_b}-{\mathrm{mh}}_s,\mathrm{\β}=C_a(g_{b}m{h}_s-2b^{\′}-g_b),\mathrm{\γ}=C_a^2{b}^{\′}{g}_b,{\mathrm{\θ}}^{\′}=g_{b}m{h}_s-b^{\′}.$

其中，GPP为总初级生产率，R_d为叶片日间呼吸量，g_b是叶层导度，m为植被类型决定的参数，h_s为相对湿度，b′是残差导度，a,b,c,和d是Farquhar模型

中的参数，在Baldocchi中，气象参数包括效光合辐射，空气温度和相对湿度；

（1.2）：以辐射为自变量，GPP为因变量进行回归，针对一个温度和Vcmax,25的组合拟合直角双曲线模型的两个参数α,Pm；

（1.3）：针对温度从1度到40度和Vcmax,25从20到180μmol m^-2s^-1的所有组合重复以上步骤，每步获取一个α,Pm组合，从而获取一个Vcmax,25为横坐标，以温度为纵坐标的α,Pm的分布矩阵，利用所述分布矩阵，依据温度和植被类型动态选择直角双曲线模型所需要的参数α,Pm；

2）基于叶片水平的温度和植被类型动态调节直角双曲模型，

利用上述得到的直角双曲线模型的参数，就计算叶片水平GPP,计算公式如下：

${\mathrm{GPP}}_{\mathrm{leaf}}(V_{c\max ,25},T)=\frac{\mathrm{\α}(V_{c\max ,25},T)\×P_m(V_{c\max ,25},T)\×\mathrm{APAR}}{P_m(V_{c\max ,25},T)+\mathrm{\α}(V_{c\max ,25},T)\×\mathrm{APAR}}$

其中GPPleaf为温度为T，植被类型为Vcmax,25时叶片水平,α andP_m分别为依据温度和Vcmax,25确定的，APAR为吸收光合有效辐射；

以上模型中为考虑水汽压亏缺VPD对GPP的影响，以下公式考虑VPD对GPP的调节作用：

GPP_actual＝GPP_leaf×f(VPD)

其中，GPP_actual为经过VPD调节后的GPP，f(VPD)的计算公式如下：

$f\left(\mathrm{VPD}\right)=\left\{\begin{array}{cc}0& \mathrm{VPD}\≥{\mathrm{VPD}}_{\max }\\ \frac{{\mathrm{VPD}}_{\max }-\mathrm{VPD}}{{\mathrm{VPD}}_{\max }-{\mathrm{VPD}}_{\min }}& {\mathrm{VPD}}_{\min }\≤\mathrm{VPD}\≤{\mathrm{VPD}}_{\max }\\ 1& \mathrm{VPD}\≤{\mathrm{VPD}}_{\mathrm{MIN}}\end{array}\right.$

其中，VPD_max,VPD_min为与植被类型相关参数；

3）基于以上模型的双叶冠层模型，

冠层GPP(GPP_canopy)通过分别计算阴叶和阳叶GPP之后，再求两者之后获得，公式如下：

GPP_canopy＝GPP_sunlit×LAI_sunlit+GPP_shaded×LAI_shaded

这里下标“sunlit”and“shaded”表示GPP和叶面积指数（LAI）的阴叶和阳叶组分；

总LAI区分为阳叶LAI和阴叶LAI的公式如下：

LAI_sunlit＝2cosθ(1-e^{-0.5ΩLAI/cosθ})

LAI_shaded＝LAI-LAI_sunlit

其中，θ为太阳天顶角，Ω为聚集度指数，表示叶片空间分布格局，随机分布时Ω=1，非随机分布时小于1；

4）小时尺度GPP的“天”尺度转换：

所述GPP为小时尺度的GPP，需要对每日光照时间内的所有GPP求和，获得以“天”为单位的GPP，用以分析GPP的季节变化。

所述估测方法还包括以下步骤：5）基于涡度相关实测通量数据的验证：利用涡度相关的实测通量数据对小时尺度和天尺度的GPP估算结果进行检验和验证。

所述步骤1）中，Vcmax,25从20到180，温度从1到40，如果温度和Vcmax,25超出这个范围，则取边界值。

所述步骤2）中，如果需要考虑土壤水分对GPP的影响，另外增加一个土壤水分调节函数。

下面将以加拿大和美国四个不同植被类型的通量观测站为例，他们分别是SK-OA（落叶阔叶林），US-Goo（草地），BC-DF49（针叶常绿林），BR-Sa1（阔叶常绿林），利用本发明依据温度和植被类型参数动态调节的直角双曲线模型估算小时和季节变化的GPP。要指出的是，所给出的实例是为了说明本发明方法的技术特点和功能特点，以使能更易于理解本发明，而不是限制本发明的使用范围。该实例的具体实施步骤如下：

1）模型参数这设置

本发明中四个不同植被类型的模型应用参数设置如下：

2）基于依据温度和植被类型参数动态调节的直角双曲模型GPP计算

依据温度和植被类型（Vcmax,25）的值在α,Pm的分布矩阵中分别选择出直角双曲模型的两个参数—最大光能利用率和最大光合速率的值，将其代入直角双曲线模型，计算小时尺度的GPP。其结果如图2，由图可见，对于四个站点本发明给出的依据温度和植被类型调节直角双曲线模型都较好的计算了GPP的日变化。改进的双曲线模型可以解释超过90%的GPP日内变化，平均RMSE为0.13gCm^-2day^-1。

3）改进的直角双曲线模型计算GPP的季节变化

将以小时为步长计算GPP进行天内累计获得“天”的GPP，然后做出GPP在不同天的变化曲线，如图3。由图可见，GPP日变化趋势与实测GPP趋势一致。改进的直角双曲线方法不仅能够准确的计算GPP的季节变化，而且可以计算天内变化。

4）实测GPP与改进直角双曲模型估算GPP散点图比较：

图4所示，实测GPP值与依据温度和植被类型调节的直角双曲线模型构建是散点图，基本围绕1:1线分布。表明改进的直角双曲线模型具有较高GPP计算精度，从证明本发明给出的依据温度和植被类型参数动态条件的直角双曲线模型具有准确并且快速大范围计算GPP的潜力，在全球陆地碳估算中具有较好应用前景。

Claims (4)

1.一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法，其特征在于：所述估测方法包括以下步骤：

1）建立叶片水平Vcmax,25-温度和α-Pm之间的关系，

叶片水平Vcmax,25-温度和α-Pm之间的关系通过最小二乘回归链接Baldocchi模型和直角双曲线模型而建立，具体包括以下过程：

（1.1）：对于一个固定的温度值和Vcmax,25值，利用Baldocchi模型计算所有不同辐射状况下GPP的值，Baldocchi模型如下：

$\mathrm{GPP}=-2\sqrt{\frac{p^2-3q}{9}}\cos \left(\frac{\arccos \left(\frac{{2p}^3-9\mathrm{pq}+27r}{2\sqrt{{(p^2-3q)}^3}}\right)+4\mathrm{\π}}{3}\right)-\frac{p}{3}---\left(1\right)$

$p=\frac{\mathrm{e\β}+b{\mathrm{\θ}}^{\′}-\mathrm{a\α}+\mathrm{e\α}{R}_d}{\mathrm{e\α}}---\left(2\right)$

$q=\frac{\mathrm{e\γ}+\frac{\mathrm{b\γ}}{C_a}-\mathrm{a\β}+\mathrm{ad}{\mathrm{\θ}}^{\′}+e{R}_d\mathrm{\β}+R_{d}b{\mathrm{\θ}}^{\′}}{\mathrm{e\α}}---\left(3\right)$

$r=\frac{-\mathrm{a\γ}+\frac{\mathrm{ad\γ}}{C_a}+e{R}_d\mathrm{\γ}+\frac{R_d\mathrm{b\γ}}{C_a}}{\mathrm{e\α}}---\left(4\right)$

和 $\mathrm{\α}=1+\frac{b^{\′}}{g_b}-{\mathrm{mh}}_s,\mathrm{\β}=C_a(g_{b}m{h}_s-2b^{\′}-g_b),\mathrm{\γ}=C_a^2{b}^{\′}{g}_b,{\mathrm{\θ}}^{\′}=g_{b}m{h}_s-b^{\′}.$

其中，GPP为总初级生产率，R_d为叶片日间呼吸量，g_b是叶层导度，m为植被类型决定的参数，h_s为相对湿度，b′是残差导度，a,b,c,和d是Farquhar模型

中的参数，在Baldocchi中，输入的气象参数包括效光合辐射、空气温度和相对湿度；

（1.2）：以辐射为自变量，GPP为因变量进行回归，针对一个温度和Vcmax,25的组合拟合直角双曲线模型的两个参数α,Pm；

（1.3）：针对温度从1度到40度和Vcmax,25从20到180μmol m^-2s^-1的所有组合重复以上步骤，每步获取一个α,Pm组合，从而获取一个Vcmax,25为横坐标，以温度为纵坐标的α,Pm的分布图，因此可以利用所述分布图，依据温度和植被类型动态选择直角双曲线模型所需要的参数α,Pm；

2）基于叶片水平的温度和植被类型动态调节直角双曲模型，

上述得到的直角双曲线模型的参数是温度和植被类型的函数，基于这些参数，改进后的叶片水平GPP直角双曲线模型表述如下：

${\mathrm{GPP}}_{\mathrm{leaf}}(V_{c\max ,25},T)=\frac{\mathrm{\α}(V_{c\max ,25},T)\×P_m(V_{c\max ,25},T)\×\mathrm{APAR}}{P_m(V_{c\max ,25},T)+\mathrm{\α}(V_{c\max ,25},T)\×\mathrm{APAR}}$

其中GPP_leaf为温度为T，植被类型为Vcmax,25时叶片水平,α andP_m分别为依据温度和Vcmax,25确定的，APAR为吸收光合有效辐射；

以上模型中为考虑水汽压亏缺VPD对GPP的影响，以下公式考虑VPD对GPP的调节作用：

GPP_actual＝GPP_leaf×f(VPD)

其中，GPP_actual为经过VPD调节后的GPP，f(VPD)的计算公式如下：

$f\left(\mathrm{VPD}\right)=\left\{\begin{array}{cc}0& \mathrm{VPD}\≥{\mathrm{VPD}}_{\max }\\ \frac{{\mathrm{VPD}}_{\max }-\mathrm{VPD}}{{\mathrm{VPD}}_{\max }-{\mathrm{VPD}}_{\min }}& {\mathrm{VPD}}_{\min }\≤\mathrm{VPD}\≤{\mathrm{VPD}}_{\max }\\ 1& \mathrm{VPD}\≤{\mathrm{VPD}}_{\mathrm{MIN}}\end{array}\right.$

其中，VPD_max,VPD_min为与植被类型相关参数；

3）基于以上模型的双叶冠层模型，

冠层GPP(GPP_canopy)通过分别计算阴叶和阳叶GPP之后，再求两者之后获得，公式如下：

GPP_canopy＝GPP_sunlit×LAI_sunlit+GPP_shaded×LAI_shaded

这里下标“sunlit”and“shaded”表示GPP和叶面积指数（LAI）的阴叶和阳叶组分；

总LAI区分为阳叶LAI和阴叶LAI的公式如下：

LAI_sunlit＝2cosθ(1-e^{-0.5ΩLAI/cosθ})

LAI_shaded＝LAI-LAI_sunlit

其中，θ为太阳天顶角，Ω为聚集度指数，表示叶片空间分布格局，随机分布时Ω=1，非随机分布时小于1；

4）小时尺度GPP的“天”尺度转换：

所述GPP为小时尺度的GPP，需要对每日光照时间内的所有GPP求和，获得以“天”为单位的GPP，用以分析GPP的季节变化。

2.如权利要求1所述的一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法，其特征在于：所述估测方法还包括以下步骤：5）基于涡度相关实测通量数据的验证：利用涡度相关的实测通量数据对小时尺度和天尺度的GPP估算结果进行检验和验证。

3.如权利要求1所述的一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法，其特征在于：所述步骤1）中，Vcmax,25从20到180μmol m^-2s^-1，温度从1到40摄氏度，如果温度和Vcmax,25超出这个范围，则取边界值。

4.如权利要求1或2所述的一种依据温度和植被类型动态调节参数的直角双曲线总初级生产力估测方法，其特征在于：所述步骤2）中，如果需要考虑土壤水分对GPP的影响，另外增加一个土壤水分调节函数。

Images