CN108491562A - 一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法 - Google Patents

Abstract

一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法，所述方法包括以下步骤：1)瞬时尺度参数自适应光响应积分模型的建立；2)对瞬时尺度的参数自适应模型进行时间积分；3)由叶片水平天尺度光合速率转换为冠层水平GPP。本发明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

一种利用参数自适应光响应积分模型估测天尺度总初级生产 力的方法

技术领域

本发明涉及全球碳循环计算的大领域以及陆地植被总初级生产力估测方法研究方向，特别涉及一种利用气象参数自适应光响应积分模型估测天尺度总初级生产力的方法。

背景技术

总初级生产力(Gross Primary Productivity,GPP)是指单位时间内生物(主要是绿色植物)通过光合作用途径所固定的有机碳量，又称总第一性生产力，GPP决定了进入陆地生态系统的初始物质和能量。在过去的30年中，GPP对气候变化和人类活动的响应研究一直是全球变化与陆地生态系统的核心内容之一。因此，在广域空间尺度上长时间序列计算陆地各个生态系统的GPP已经成为全球环境变化研究的热点。

目前计算陆地总初级生产力主要有两类方法。一类是光能利用率模型。这类模型是以植物光合作用过程和Monteith(1972)提出的光能利用率为基础建立的。早期的光能利用率模型假设某一植被类型的光能利用率系数是一个固定常数，随着人们对光能利用率模型研究的不断深入，发现光能利用率系数是一个随时间和空间变化的参数，受到温度、水汽压亏缺、土壤水分等因素的胁迫会将为低于理论最大值，表现出时空变异性。光能利用率模型的优点是结构简单，同时有一定的机理性，并且能够与遥感数据耦合进行大区域GPP计算，因此光能利用率模型不仅在国外而且在国内也被广泛应用。但是目前常见的光能利用率模型是一个高度集总，高度概括性的模型，忽略了GPP 的时间尺度和空间尺度的变化，即该模型不仅在时间尺度方面综合了光能利用率的日内变化，日间变化，而且在空间尺度变化方面，也综合了叶片尺度到冠层尺度的变化，即综合了阴叶和阳叶对光、温的不同响应特性。虽然这种概括、综合使该模型具有简单实用性的特点，但也引起了GPP计算精度问题。

另一类GPP模型为生态系统过程模型又称机理模型。该类模型耦合了陆地生态系统的主要生态过程，包括陆地表面物理过程、植被冠层生理过程，以及碳、水、氮和能量与大气层的交换过程，从而能够动态模拟植被生产力、净生态系统碳交换、土壤碳含量、地上/地下凋落物和土壤碳通量等。因为其较强的机理性和系统性,所以一般该类模型的模拟精度被认为优于光能利用率模型。但由于过程模型设计复杂,要求输入参数多，以及部分参数难以获得，同时由于模型复杂也是模型运行时间较长，模拟效率较低，从而限制了该类模型的大区域高空间分辨率的应用。过程模型通常具有不同的时间尺度，比如半小时、小时尺度、天尺度。其中半小时或是小时尺度过程模型中的植被生产力都是在Farquhar(1980)机理模型的基础上计算的，在计算光合速率时往往需要多次迭代求解Farquhar模型和气孔导度模型，当求解达到稳定状态下获得相应的光合速率，迭代算法计算效率比较低。

发明内容

为了克服现有的两类主流的GPP模型无法兼顾计算效率和精度的不足，本发明提供一种具有较高计算效率的同时兼有较高的计算效率的利用参数自适应光响应积分模型估测天尺度总初级生产力的方法。

本发明解决其技术问题所采用的技术方案是：

一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法，所述方法包括以下步骤：1)瞬时尺度参数自适应光响应积分模型的建立

瞬时尺度气象参数自适应光响应模型是通过建立机理模型和直角双曲线模型之间的关系建立，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：

和β＝C_a(g_bmh_s-2b′-g_b),θ′＝g_bmh_s-b′；

其中，GPP为总初级生产率，p、q、r以及α、β、γ和θ′为中间参量， C_a为大气二氧化碳浓度，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,e,和d是 Farquhar模型中的参数，其中C_i为胞间二氧化碳浓度, 在Baldocchi模型中，气象参数包括效光合辐射、空气温度、相对湿度和风速；

(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γ,Pm；

(1.3)：针对温度从1度到40度和Vcmax,25从20到180μmol m^-2 s^-1的所有组合重复以上步骤，每步获取一个γ,Pm组合，从而获取一个Vcmax,25为横坐标，以温度为纵坐标的γ,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γ,Pm；

(1.4)利用上述得到的直角双曲线模型的参数，获得瞬时尺度叶片水平参数自适应光响应模型如下：

其中，GPP_leaf为温度为T，植被类型为V_cmax,25时叶片水平的总初级生产力，γ和P_m可以通过温度和V_cmax,25数值在上述步骤中建立的γ, Pm分布矩阵来确定，APAR为吸收光合有效辐射参数；

(1.5)以上模型(5)中未考虑水汽压亏缺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，VPD为水汽压亏缺，GPP_actual为经过调节后的GPP，f(VPD)表示VPD的函数公式，表述如下

其中，VPD_max,VPD_min是某一植被类型相关参数对应的VPD最大值和最小值；2)对瞬时尺度的参数自适应模型进行时间积分

根据一天内的APAR的日内变化，对叶片水平的瞬时光合速率公式(5)进行积分后，获得叶片水平天尺度GPP公式表达式；3)由叶片水平天尺度光合速率转换为冠层水平GPP

首先将叶面积指数LAI分解为阳叶和阴叶LAI，然后将叶片水平计算的天尺度GPP作为单位LAI阳叶和阴叶的光合速率，在分别乘以对应的LAI，最后求和得到冠层GPP，操作如下：

①冠层LAI阴叶与阳叶的分解

采用冠层LAI阴阳叶分解方案获得阴叶LAI_shade和阳叶LAI_sun，这里的LAI数据为MODIS产品数据，公式如下：

阳叶叶面积指数LAI_sun＝2×cosθ(1-exp(-0.5ΩLAI/cosθ))

阴叶叶面积指数LAI_shaded＝LAI-LAI_sun

其中，θ为太阳天顶角，Ω为聚集度指数，对于某类植被为常数， LAI为冠层总叶面积指数；

②叶片水平天尺度光合速率转换为冠层水平GPP

冠层GPP(GPP_canopy)通过分别计算单位阴叶和阳叶GPP，再乘以各自的LAI并求和获得，公式如下：

GPP_canopy＝GPP_sunlit×LAI_sunlit+GPP_shaded×LAI_shaded

其中GPP_sunlit和GPP_shaded分别表示单位阳叶和阴叶叶片水平天尺度 GPP。

进一步，所述方法还包括以下步骤：

4)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2)中，对于小于30度的低纬度地区，一天内的APAR的日内变化通过正弦函数描述，公式如下：

其中，t表示一天中的时间，t_rise和t_set分别表示日出和日落时间， APAR_noon表示正午时空吸收的光合有效辐射，APAR_daily表示每日的吸收的光合有效辐射，Daylength表示日长；

因此，将公式(7)代入叶片水平的瞬时光合速率公式(5)进行积分后，获得叶片水平天尺度GPP公式表达式：

其中，GPP_daily表示叶片水平天尺度GPP，或者是：所述步骤2)中，对于大于30度的中高维度区域，一天内的APAR的日内变化通过正弦函数的平方描述，公式如下：

其中，t表示一天中的时间，t_rise和t_set分别表示日出和日落时间， APAR_noon表示正午时空吸收的光合有效辐射，APAR_daily表示每日的吸收的光合有效辐射，Daylength表示日长；

因此，将公式(9)分别代入叶片水平的瞬时光合速率公式(5) 进行积分后，获得叶片水平天尺度GPP公式表达式，

其中，GPP_daily表示叶片水平天尺度GPP，

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。

所述步骤2)中，考虑土壤水分对GPP的影响，增加一个土壤水分调节函数W_scalar，其中LSWI是水指数，LSWI_max是植被生育期内LSWI的最大值，土壤水分调节指数对天尺度GPP的调节表示为：GPP_水分调节＝GPP_Daily×W_scalar。

本发明的技术构思为：瞬时尺度的机理模型公式复杂，难以实现天尺度GPP计算时从日出到日落的时间积分。本发明将能够进行时间积分是直角双曲线模型与机理模型建立联系，从而可以通过机理模型的输入包括气象要素和植被类型动态调整经验的光响应模型参数，并对直角双曲线模型进行积分，获得天尺度GPP模型。该模型不仅具有与机理模型近似的计算精度，而且具有较为简单实用的特点，能够适用于大区域长时间序列GPP计算的需要。

本发明的有益效果主要表现在：(1)该天尺度GPP估测方法具有较高的计算精度，其计算精度接近机理模型的计算精度；(2)该估测方法具有较高的计算效率，该GPP估测方法的计算效率相较于机理模型提高接近一个数量级。

附图说明

图1是一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法流程图；

图2是利用该发明估测的四个通量观测站点总初级生产力与实测值的比较图，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和图2，一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法，包括以下步骤：1)瞬时尺度参数自适应光响应积分模型的建立

建立叶片水平温度V_cmax,25与直角双曲线模型的两个参数，表观量子效率α和最大光速速率P_m，之间的关系，然后依据气象条件和植被类型确定的α、P_m参数，获得叶片水平瞬时直角双曲线模型，具体过程如下：

①对于一个固定的温度值、相对湿度、风速和V_cmax,25值，利用Baldocchi模型计算所有不同辐射(从20到2000μmol m^-2s^-1，步长为 1)下光合速率的值，Baldocchi模型如下：

其中

上式中β＝C_a(g_bmh_s-2b′-g_b)，θ′＝g_bmh_s-b′.

其中，GPP是总光合速率，p、q、r以及α、β、γ和θ′为中间参量，C_a为大气二氧化碳浓度，R_d是暗呼吸速率，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、e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、相对湿度和风速；

②以辐射为自变量，GPP为因变量进行回归，针对一个温度、相对湿度、风速和V_cmax,25的组合拟合直角双曲线模型，获得该模型的两个参数表观量子效率γ和最大光速速率P_m的一组值；

③针对温度从1度到40度，步长为1度；植被类型V_cmax,25从20 到180μmol m^-2s^-1，步长为1的所有组合重复以上步骤，每次获取一个γ,P_m组合，从而获取一个温度、V_cmax,25为坐标轴的γ、Pm的四维分布矩阵。

④在某一气象条件下，针对某一植被类型，利用上述分布矩阵，依据气象条件和植被类型动态选择直角双曲线模型所需要的参数γ, P_m，构建基于叶片水平的温度和植被类型动态调节的直角双曲模型如下：

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

在以上模型中未考虑水汽压亏缺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：

其中，VPD_max,VPD_min为与植被类型相关参数；2)对瞬时尺度的参数自适应模型进行时间积分

一天内的APAR的日内变化通过正弦函数(Kimball and Bellamy., 1986)或是正弦函数的平方描述，公式如下：

其中，t表示一天中的时间，t_rise和t_set分别表示日出和日落时间， APAR_noon表示正午时空吸收光合有效辐射，APAR_daily表示每日的吸收光合有效辐射，Daylength表示日长；

将公式(7)和(9)分别代入叶片水平的瞬时光合速率公式(5) 进行积分后，获得叶片水平天尺度GPP公式表达式，公式(8)对应公式(7)：

其中GPP_daily表示叶片水平天尺度GPP，

公式(10)对应公式(9)

其中GPP_daily表示叶片水平天尺度GPP，3)由叶片水平天尺度光合速率转换为冠层水平GPP

本发明利用阴阳叶分解方案将叶片水平光合速率转换为冠层 GPP，因为阴阳叶分解模型不仅考虑了阴阳叶的光合响应的差别，而且相对于多层模型，其具有更加高效的计算效率。首先将冠层LAI分解为阳叶和阴叶LAI，然后将上述公式(9)或(10)叶片水平计算的天尺度GPP作为单位LAI阳叶和阴叶的光合速率，在分别乘以对应的 LAI，最后求和得到冠层GPP。具体操作如下：

①冠层叶面积指数(LAI)阴叶与阳叶的分解方案

本研究拟采用Norman(1982)提出冠层LAI阴阳叶分解方案获得阴叶LAI_shade和阳叶LAI_sun，这里的LAI数据为MODIS产品数据，如果受云覆盖影响，则通过时间序列曲线插值获得。具体公式如下：

阳叶叶面积指数LAI_sun＝2×cosθ(1-exp(-0.5ΩLAI/cosθ))

阴叶叶面积指数LAI_shaded＝LAI-LAI_sun

其中，θ为太阳天顶角，Ω为聚集度指数，对于某类植被为常数。

②叶片水平天尺度光合速率转换为冠层水平GPP

冠层GPP(GPP_canopy)通过分别计算单位阴叶和阳叶GPP，再乘以各自的LAI并求和获得，公式如下：

GPP_canopy＝GPP_sunlit×LAI_sunlit+GPP_shaded×LAI_shaded

其中GPP_sunlit和GPP_shaded分别表示单位阳叶和阴叶叶片水平天尺度 GPP。

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)，利用本发明一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法估测四个站点天尺度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：

步骤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：

步骤2天尺度GPP的估测

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，然后代入到天尺度GPP模型计算天尺度GPP。其中对于BR-Sa1和US-Goo站点，由于纬度较低，代入公式(9)；对于SK-OA和BC-DF49站点，由于纬度大于30度，代入公式(10)。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。对于站点SK-OA,US-Goo和BC-DF49,预测和实测值的R²都大于0.87，对应的RMSE分别为1.23,1.27and 2.60g Cm^-2s^-1,对于站点BR-Sa1, 虽然R²只有0.29，但是RMSE也比较小，为1.11g C m^-2s^-1

步骤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2。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。

步骤4实测天尺度GPP与本发明给出的天尺度模型模拟GPP比较：

实测GPP值与本发明估测的GPP比较结果如表1。由表可见本发明给出的天尺度GPP估测结果与实测值相比具有较高的精度，从证明本发明给出的天尺度GPP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。

表1表示TL-RHM_sine TL-RHM_sinesine模拟的GPP与实测 GPP线性模型的比较结果

表1。

Claims (6)

1.一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法，其特征在于，所述方法包括以下步骤：

1)瞬时尺度参数自适应光响应积分模型的建立

瞬时尺度气象参数自适应光响应模型是通过建立机理模型和直角双曲线模型之间的关系建立，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：

和＝C_a(g_bmh_s-2b′-g_b),θ′＝g_bmh_s-b′；

其中，GPP为总初级生产率，p、q、r以及α、β、γ和θ′为中间参量，C_a为大气二氧化碳浓度，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,e,和d是Farquhar模型中的参数，其中C_i为胞间二氧化碳浓度,在Baldocchi模型中，气象参数包括效光合辐射、空气温度、相对湿度和风速；

(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γ,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γ,Pm组合，从而获取一个Vcmax,25为横坐标，以温度为纵坐标的γ,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γ,Pm；

(1.4)利用上述得到的直角双曲线模型的参数，获得瞬时尺度叶片水平参数自适应光响应模型如下：

其中，GPP_leaf为温度为T，植被类型为V_cmax,25时叶片水平的总初级生产力，γ和P_m可以通过温度和V_cmax,25数值在上述步骤中建立的γ,Pm分布矩阵来确定，APAR为吸收光合有效辐射参数；

(1.5)以上模型(5)中未考虑水汽压亏缺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，VPD为水汽压亏缺，GPP_actual为经过调节后的GPP，f(VPD)表示VPD的函数公式，表述如下

其中，VPD_max,VPD_min是某一植被类型相关参数对应的VPD最大值和最小值；

2)对瞬时尺度的参数自适应模型进行时间积分

根据一天内的APAR的日内变化，对叶片水平的瞬时光合速率公式(5)进行积分后，获得叶片水平天尺度GPP公式表达式；

3)由叶片水平天尺度光合速率转换为冠层水平GPP

首先将叶面积指数LAI分解为阳叶LAI和阴叶LAI，然后将叶片水平计算的天尺度GPP作为单位LAI阳叶和阴叶的光合速率，再分别乘以对应的LAI，最后求和得到冠层GPP，操作如下：

①冠层LAI阴叶与阳叶的分解

采用冠层LAI阴阳叶分解方案获得阴叶LAI_shade和阳叶LAI_sun，这里的LAI数据为MODIS产品数据，公式如下：

阳叶叶面积指数LAI_sun＝2×cosθ(1-exp(-0.5ΩLAI/cosθ))

阴叶叶面积指数LAI_shaded＝LAI-LAI_sun

其中，θ为太阳天顶角，Ω为聚集度指数，对于某类植被为常数，LAI为冠层总叶面积指数；

②叶片水平天尺度光合速率转换为冠层水平GPP

冠层GPP，即GPP_canopy通过分别计算单位阴叶和阳叶GPP，再乘以各自的LAI并求和获得，公式如下：

GPP_canopy＝GPP_sunlit×LAI_sunlit+GPP_shaded×LAI_shaded

其中GPP_sunlit和GPP_shaded分别表示单位阳叶和阴叶叶片水平天尺度GPP。

2.如权利要求1所述的一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法，其特征在于，所述方法还包括以下步骤：

4)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或2所述的一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法，其特征在于，所述步骤2)中，对于小于30度的低纬度地区，一天内的APAR的日内变化通过正弦函数描述，公式如下：

其中，t表示一天中的时间，t_rise和t_set分别表示日出和日落时间，APAR_noon表示正午时空吸收的光合有效辐射，APAR_daily表示每日的吸收的光合有效辐射，Daylength表示日长；

因此，将公式(7)代入叶片水平的瞬时光合速率公式(5)进行积分后，获得叶片水平天尺度GPP公式表达式：

其中，GPP_daily表示叶片水平天尺度GPP，

4.如权利要求1或2所述的一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法，其特征在于，所述步骤2)中，对于大于30度的中高维度区域，一天内的APAR的日内变化通过正弦函数的平方描述，公式如下：

其中，t表示一天中的时间，t_rise和t_set分别表示日出和日落时间，APAR_noon表示正午时空吸收的光合有效辐射，APAR_daily表示每日的吸收的光合有效辐射，Daylength表示日长；

因此，将公式(9)分别代入叶片水平的瞬时光合速率公式(5)进行积分后，获得叶片水平天尺度GPP公式表达式，

其中，GPP_daily表示叶片水平天尺度GPP，

5.如权利要求1或2所述的一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法，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。

6.如权利要求1或2所述的一种利用参数自适应光响应积分模型估测天尺度总初级生产力的方法，其特征在于，所述步骤2)中，考虑土壤水分对GPP的影响，增加一个土壤水分调节函数W_scalar,其中LSWI是水指数，LSWI_max是植被生育期内LSWI的最大值，土壤水分调节指数对天尺度GPP的调节表示为：

GPP_水分调节＝GPP_Daily×W_scalar。