CN110059362A - 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法 - Google Patents

考虑植被动态变化的区域尺度双源蒸散发模型的构建方法 Download PDF

Info

Publication number
CN110059362A
CN110059362A CN201910223041.XA CN201910223041A CN110059362A CN 110059362 A CN110059362 A CN 110059362A CN 201910223041 A CN201910223041 A CN 201910223041A CN 110059362 A CN110059362 A CN 110059362A
Authority
CN
China
Prior art keywords
vegetation
evapotranspiration
double source
dynamic changes
regional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910223041.XA
Other languages
English (en)
Inventor
张宝庆
邵蕊
苏同宣
龙彪
赵西宁
魏加华
吴普特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanzhou University
Original Assignee
Lanzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lanzhou University filed Critical Lanzhou University
Priority to CN201910223041.XA priority Critical patent/CN110059362A/zh
Publication of CN110059362A publication Critical patent/CN110059362A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明提供了一种考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，包括以下步骤：S1、双源蒸散发模型的区域蒸散发估算：计算模型输入需要的区域尺度的净辐射数据；计算净辐射分量Rns和Rnc；各影响因子的计算；蒸散发ET的模拟估算；S2、不同植被类型下进行参数优化；S3、考虑植被动态变化的区域尺度双源蒸散发模型的模拟效果验证：站点尺度验证；区域尺度验证；流域尺度验证。本发明模型将植被动态变化纳入到了蒸散发计算与分析当中，同时拓展到了区域尺度，具备多尺度分析功能，具备PT‑JPL原始模型空气动力学参数少的优点，对地面数据和空气动力学的要求低，对区域尺度的蒸散发估算的准确性提高起推动作用。

Description

考虑植被动态变化的区域尺度双源蒸散发模型的构建方法
技术领域
本发明涉及生态环境监测技术领域，具体地，涉及一种考虑植被动态变化的区 域尺度双源蒸散发模型的构建方法。
背景技术
由于区域尺度ET估算时，空气阻力数据(如风速，地表阻抗，植被高度)匮乏， 物理机制复杂，涵盖因子众多，蒸发量不仅取决于能量和水量，还与植被变化过程 中植被生理过程等多种因子密切相关，导致对区域尺度的蒸散发的准确估算存在一 定的难度。此外，区域尺度的蒸散发过程对植被变化的响应也存在较大差异，不同 的物种生理差异巨大，对于蒸散发的估算应该引入植被类型。
遥感数据提供了从区域到全球尺度范围内的ET空间分布图，基于遥感的估算分为两大类：①将ET与一些容易获得的卫星衍生变量相关联。②根据Penman-Monteith 方程估算ET。在众多双源蒸散发计算模型中，应用范围最广、概念最为清晰的模型 有：Shuttleworth-Wallace模型，该模型也是诞生最早的双源蒸散发模型。 Shuttleworth-Wallace模型(1985)将P-M模型扩展为双源蒸散发模型，同时考虑了 冠层蒸腾和土壤蒸发，但是未考虑冠层截留蒸发。在Shuttleworth-Wallace模型 中，包含冠层总边界层阻抗、冠层总气孔阻抗和冠层与参考高度间的空气动力阻抗 等阻抗参数，区域尺度的阻抗数据(比如区域尺度风速，植被高度，地表阻抗)不 易获取，因此难以拓展到区域尺度进行计算。
(PT-JPL(Priestly-Taylor Jet Propulsion Laboratory)双源蒸散发模型是由Fisher等人开发的，基于大气和生物指标将Priestley-Taylor估算的PET(潜在 蒸散发)降为实际ET的双源蒸散发模型，其计算过程的简便解决了地面阻抗数据 难以获得的难题，使我们将PT-JPL模型拓展到区域尺度成为了现实。而且PT-JPL 模型包含大量的植物生理学参数，适合与植被变化相联系，已经有学者证明了对 PT-JPL模型输出最敏感的三个参数分别是β，m1和Topt，并且证明了以多年平均 生长季气温代替Topt会取得更好的模拟效果，因此，PT-JPL模型在估算蒸散发有 了广泛的应用。现在所使用的PT-JPL模型仅用在站点尺度的ET估算上，对于区域 尺度的计算，PT-JPL在之前并未实现，并且未考虑植被动态变化对ET的影响。
植被的动态变化过程对流域水循环有着重要的影响，该过程不但能够改变区域各水量平衡分量的大小，而且对水量的季节性分配有着及其重要的影响。尤其在植 被变化剧烈的地区，植被动态变化对蒸散发产生的影响不容小觑，因此在蒸散发的 计算过程中，有必要考虑植被动态变化对ET的影响，进而实现对ET的准确计算和 模拟，然而现有的大部分蒸散发估算模型均没有引入系统的植被生理因子，导致植 被动态变化对于蒸散发的影响无法明确限定。目前被学界广泛使用的蒸散发估算， 比如PT-JPL模型对蒸发的估算并未考虑植被动态变化的影响。在三个敏感参数的 校正上，在具体的植被类型上并未得到完整的参数化方案。因此，在植被变化剧烈 的区域，引入动态植被是必要的，长时间尺度的区域尺度蒸散发估算的准确性问题 不容小觑。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种考虑植被动态变化的区域尺度双源蒸散发模型的构建方法。原始PT-JPL模型在应用到不同区域或不同尺度时应 对模型参数进行调整，本发明在PT-JPL双源蒸散发模型的基础上，通过对模型输 出最敏感的参数进行调整，并且将站点尺度拓展到区域尺度，引入植被类型数据建 立一种考虑植被动态变化的双源蒸散发估算模型，在确保其具备原始PT-JPL模型 空气动力学参数少的优点的基础上，改进原始PT-JPL模型的参数化方案，使其在 不同植被类型下都得以准确适用。
根据本发明提供的一种考虑植被动态变化的区域尺度双源蒸散发模型的构建方法， 包括以下步骤：
S1、双源蒸散发模型的区域蒸散发估算
(1)计算模型输入需要的区域尺度的净辐射数据；
(2)计算净辐射分量；
(3)各影响因子的计算；
(4)蒸散发ET的模拟估算；
S2、不同植被类型下进行参数优化
在全国范围内选取代表12种植被类型的12个站点，设置敏感参数的步长后循环输入步骤S1中的ET计算公式进行ET的模拟，利用相应站点观测数据与模拟的ET结果 对比，对模拟效果进行评价，模拟效果最好时的参数即为相应植被类型的最优参数，同 样的方法对其他站点进行参数优化，从而得到12种植被类型对应的校正后参数；
S3、考虑植被动态变化的区域尺度双源蒸散发模型的模拟效果验证
(1)站点尺度验证；
(2)区域尺度验证
利用GLEAM ET产品对本发明模拟出的结果进行区域尺度的验证分析；
(3)流域尺度验证。
所述步骤S1中，双源蒸散发模型的区域蒸散发的具体估算方法如下：
(1)计算模型输入需要的区域尺度的净辐射数据
Rn＝Rnshot-Rnlong
其中，Rn是净辐射(W·m-2)，Rnshot和Rnlong分别为净短波辐射和净长波辐射；
(2)计算净辐射分量Rns和Rnc
Rnc＝Rn-Rns
其中，Rns为到达土壤表面的净辐射，Rnc是冠层截获的净辐射(W·m-2)，是消光系数，取值0.6，LAI是叶面积指数(m2·m-2)；
(3)各影响因子的计算
fwet＝RH4
fAPAR＝m1EVI+b1
fIPAR＝m2NDVI+b2
fsm＝RHVPD/β；
其中，fwet为相对表面湿度，fg为绿色冠层所占比例，ft为温度限制因子，fm为水分限制因子，fsm为土壤水分限制因子，RH是相对湿度(％)，Tmax是最高气温(℃)，Topt是 植被最佳生长温度(℃)，VPD是饱和水汽压差(kPa)，EVI是增强型植被指数(替代了原 始模型的SAVI(土壤调节植被指数)，NDVI是归一化植被指数，β是fsm对VPD的灵敏 度，fAPAR是被树冠吸收PAR系数，fIPAR是被树冠截取PAR系数，PAR系数是光合有效 辐射的比例，b1＝1.2×(-0.04)，b2＝-0.05，m2＝1，m1和β为待优化参数，0≤m1≤ 1.4，0≤β≤1；
(4)蒸散发ET的模拟估算
ET＝Et+Eb+Ei
其中，Eb为裸土蒸发量(W·m-2)，Et为植被蒸腾量(W·m-2)，Ei为冠层截留蒸发量(W·m-2)，fwet为相对表面湿度，fg为绿色冠层所占比例，ft为温度限制因子，fm为水 分限制因子，fsm为土壤水分限制因子，G为土壤热通量(W·m-2)，α是为Priestley-Taylor 模式系数，取值1.26，Δ为温度-饱和水汽压斜率(kPa·℃-1)，γ是干湿表常数(kPa·℃-1)， 取值0.066。
进一步地，净短波辐射Rnshot和净长波辐射Rnlong的计算方法为：
Rnshot＝(1-p)It
Rnlong＝Rld-Rlu
Rlu＝σT4
其中，p是地表反照率，It是向下的短波辐射(W·m-2)，Rld是向下的长波辐射 (W·m-2)，Rlu是向上的长波辐射(W·m-2)，T是气温(K)，σ是斯蒂芬玻尔兹曼常数， σ＝5.67×10^(-8)W/(m^2·K^4)。
进一步地，温度-饱和水汽压斜率Δ的计算方法如下：
VPD＝es-ea
其中，es是饱和水汽压(kPa)，ea是实际水汽压(kPa)，RH是相对湿度，Tmin(K) 是最低气温，取月平均气温的最小值，T(K)是月平均气温，数据时间尺度为2001年1月到2015年12月。
进一步地，土壤热通量G的计算方法为：
G＝Rn[Γc+(1-M)(Γs-Γc)]
利用MODIS-NDVI数据计算月植被覆盖度：
其中，Rn是净辐射，M为月植被覆盖度；Γs取值0.325(植被覆盖度为0时)；Γc取 值0.05(植被覆盖度是1时)，NDVI是归一化植被指数，NDVImin取值0.05；NDVImax取 值0.80。
所述步骤S2中，参数优化的具体方法如下：在全国范围内选取代表12种植被类型的12个站点，原始Priestly-Taylor Jet Propulsion Laboratory双源蒸散发模型有8个参数： m1、b1、m2、b2、Topt、β、kRn、kpar，其中，最敏感的三个参数分别是β，m1和Topt， 利用代表相应植被类型的站点的生长季的多年平均气温代替植被最佳生长温度Topt，设 置两个参数β和m1的步长为0.1后循环输入步骤S1中的ET计算公式进行ET的模拟， 利用相应站点观测数据与模拟的ET结果对比，通过纳什系数NSE、标准误差RMSE、 偏差Bias、斜率Slope对ET的模拟结果进行评价，模拟效果最好时的参数即为最优参 数β和m1。
进一步地，所述12种植被类型为灌丛，农田，阔叶林，针叶林，热带雨林，典型草原，混交林，草甸，冰、旱地农田，湿地和城镇。
进一步地，所述12种植被类型对应的校正后参数β和m1如下所示：
灌丛：m1＝1.2、β＝0.2；农田：m1＝0.6、β＝0.8；阔叶林：m1＝0.7、β＝0.5；针叶林：m1＝1.4、β＝1；热带雨林：m1＝0.1、β＝0.1；典型草原：m1＝1.4、β＝0.4；混交林：m1＝0.7、 β＝0.2；草甸：m1＝1.4、β＝0.2；冰：m1＝0.9、β＝0.2；旱地农田：m1＝0.5、β＝0.6；湿地： m1＝1.1、β＝0.8；城镇：m1＝1.3、β＝1。
所述步骤S3中，站点尺度的验证方法如下：通过MODIS landcover植被类型数据，引入植被动态变化，进行参数移植，不同植被类型的地区代入其对应的校正后参数β和 m1，得到最终的考虑植被动态变化的区域尺度双源蒸散发数据ET；流域尺度验证的方 法如下：选择黄土高原16个子流域数据对优化后的Priestly-Taylor Jet Propulsion Laboratory双源蒸散发模型进行水量平衡的验证，水量平衡验证数据集包括流域径流和 降水。
进一步地，所述流域尺度验证的方法中，优化后的Priestly-Taylor JetPropulsion Laboratory双源蒸散发模型模拟的多年平均ET值与16个子流域水量平衡的多年平均ET 值的相关性达到0.91，标准误差RMSE达到53.22mm。其中，水量平衡验证数据集来源于黄河水利委员会。
与现有技术相比，本发明具有如下的有益效果：
1、本发明构建了一个考虑植被动态变化的区域蒸散发的估算模型，全面考虑植被变化及植物生理学因子(比如植被适宜生长温度，植被覆盖度，叶面积指数，冠 层截取的光合有效辐射等)的过程，且能够全面模拟不同植被类型的蒸散发变化方 法，使其在不同植被类型下都得以准确适用，为目前植被变化的地区的区域蒸散发 的计算中存在的主要技术问题的解决提供了科学支撑和技术方案。
2、本发明方法构建的模型，考虑了植被动态变化对区域蒸散发变化的影响，将 植被动态变化纳入到了蒸散发计算与分析当中，同时拓展到了区域尺度，具备多尺 度分析功能，改进了现有蒸散发模型估算的物理机制，完整的考虑植被变化的影响 因素，同时具备PT-JPL原始模型空气动力学参数少的优点，对地面数据和空气动 力学的要求低，对区域尺度的蒸散发估算的准确性的提高起到了推动作用。
3、本发明方法构建的模型，将PT-JPL模型从站点的计算拓展到了区域尺度的 蒸散发的计算，结果在植被剧烈变化的黄土高原的模拟取得了不错的效果。实现了 将双源蒸散发模型与植被联系在一起，此外，实现了对冰、热带雨林、城市和混交 林等土地利用类型的ET的精确模拟，对多种植被类型的蒸散发估算提供了新的方 法，此模型对地面数据要求低，可为区域尺度的蒸散发准确计算提供了参考。优化 后的模型，不仅加入了植被动态变化的影响，而且将站点尺度拓展到了区域尺度， 在三种尺度(站点尺度，区域尺度，流域尺度)的验证后也证明了我们的模型有着 良好的模拟效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明中优化后PT-JPL模型与原始PT-JPL模型的模拟结果对比图；
图2为本发明中优化后PT-JPL ET与GLEAM ET的相关性的空间格局；
图3为本发明中优化后PT-JPL模型在16个子流域上模拟的多年平均ET和实际 的多年平均ET的结果对比图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人 员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于 本发明的保护范围。
一种考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，包括以下步骤：
S1、双源蒸散发模型的区域蒸散发估算
(1)计算模型输入需要的区域尺度的净辐射数据
Rn＝Rnshot-Rnlong
Rnshot＝(1-p)It
Rnlong＝Rld-Rlu
Rlu＝σT4
其中，Rn是净辐射(W·m-2)，Rnshot和Rnlong分别为净短波辐射和净长波辐射，p是 地表反照率，It是向下的短波辐射(W·m-2)，Rld是向下的长波辐射(W·m-2)，Rlu是向 上的长波辐射(W·m-2)，T是气温(K)，σ是斯蒂芬玻尔兹曼常数， σ＝5.67×10^(-8)W/(m^2·K^4)。
(2)计算净辐射分量Rns和Rnc
Rnc＝Rn-Rns
其中，Rns为到达土壤表面的净辐射，Rnc是冠层截获的净辐射(W·m-2)，是消光系数，取值0.6，LAI是叶面积指数(m2·m-2)；
(3)各影响因子的计算
fwet＝RH4
fAPAR＝m1EVI+b1
fIPAR＝m2NDVI+b2
fsm＝RHVPD/β；
VPD＝es-ea
其中，fwet为相对表面湿度，fg为绿色冠层所占比例，fm为水分限制因子，ft为温度限制因子，fsm为土壤水分限制因子，RH是相对湿度(％)，Tmax是最高气温(℃)(是2001 年1月至2015年12月期间，月平均气温的最大值)，Topt是植被最佳生长温度(℃)，VPD 是饱和水汽压差(kPa)，EVI是增强型植被指数(替代了原始模型的土壤调节植被指数 SAVI)，NDVI是归一化植被指数，β是fsm对VPD的灵敏度，fAPAR是被树冠吸收PAR系 数，fAPARmax为EVI取月平均最大值时计算得出，fIPAR是被树冠截取PAR系数，PAR 系数是光合有效辐射的比例，b1＝1.2×(-0.04)，b2＝-0.05，m2＝1，m1和β为待优化 参数，0≤m1≤1.4，0≤β≤1；es是饱和水汽压(kPa)，ea是实际水汽压(kPa)。
(4)蒸散发ET的模拟估算
G＝Rn[Γc+(1-M)(Γs-Γc)]
ET＝Et+Eb+Ei
其中，
利用MODIS-NDVI数据计算月植被覆盖度M，NDVI是归一化植被指数，NDVImin取 值0.05；NDVImax取值0.80；NDVImin和NDVImax的数据来源是已有的文献给出最大值 和最小值，直接用。
计算土壤热通量G时，当植被覆盖度为0时，Γs取值0.325；当植被覆盖度是1时，Γc取值0.05；
Rn是净辐射，Eb为裸土蒸发量(W·m-2)，Et为植被蒸腾量(W·m-2)，Ei为冠层截 留蒸发量(W·m-2)，fwet为相对表面湿度，fg为绿色冠层所占比例，ft为温度限制因子，fm为水分限制因子，fsm为土壤水分限制因子，G为土壤热通量(W·m-2)，α是为 Priestley-Taylor模式系数，取值1.26，Δ为温度-饱和水汽压斜率(kPa·℃-1)，γ是干湿表 常数(kPa·℃-1)，γ＝0.066；
S2、不同植被类型下进行参数优化
在全国范围内选取代表12种植被类型的12个站点(如表2所示，选取来自CHINAFluxnet中国8个通量位点和4个观测点的观测数据，这12个地点分布在中国不同的植 被类型中)，原始Priestly-Taylor Jet Propulsion Laboratory双源蒸散发模型有8个参数：m1、 b1、m2、b2、Topt、β、kRn、kpar(如表1所示)，其中，Kpar是原始模型中，计算LAI 过程中用到，本发明在区域尺度用的LAI来自MODIS遥感数据，所以Kpar没有被用 到。
表1、原始PT-JPL模型参数值
名称 m<sub>1</sub> b<sub>1</sub> m<sub>2</sub> b<sub>2</sub> T<sub>opt</sub> β k<sub>Rn</sub>
初始值 1.3632 -0.048 1 -0.05 25 1 0.6
初始范围 [0，1.4] [-0.039，-0.025] [0.9，1.1] [-0.06，-0.04] [11，29] [0，1] [0.3，0.6]
其中，最敏感的三个参数分别是β，m1和Topt，三个参数分别与土壤蒸发、冠层阻力和植被最佳生长温度有关。已有研究发现，用生长季的多年平均气温替代植被最佳生长 温度Topt，PT-JPL模型展示了更好的模拟结果。因此，本发明利用代表相应植被类型站 点的生长季的多年平均气温(取4月到9月的多年平均气温，数据来源CMFD再分析 数据集，由寒冷干旱地区科学数据中心提供)代替植被最佳生长温度Topt，如表1所示 的两个参数β和m1的初始范围中，设置两个参数β和m1的步长为0.1后(共140组数据) 循环输入步骤S1中的ET计算公式进行ET的模拟，将相应站点观测数据与模拟的ET 结果对比，利用纳什系数NSE、标准误差RMSE、偏差Bias、斜率Slope对ET的模拟 结果进行评价，同样的方法对其他站点进行参数优化，从而得到12种植被类型对应的 校正后参数β和m1；校正结果如表2所示：
表2不同植被类型的PT-JPL参数调整结果
表2中，NSE为纳什系数、RMSE为标准误差、Bias为偏差、Slope为斜率，d为截 距。
由上可知，12种植被类型对应的校正后参数β和m1如下所示：
灌丛：m1＝1.2、β＝0.2；农田：m1＝0.6、β＝0.8；阔叶林：m1＝0.7、β＝0.5；针叶林：m1＝1.4、β＝1；热带雨林：m1＝0.1、β＝0.1；典型草原：m1＝1.4、β＝0.4；混交林：m1＝0.7、 β＝0.2；草甸：m1＝1.4、β＝0.2；冰：m1＝0.9、β＝0.2；旱地农田：m1＝0.5、β＝0.6；湿地： m1＝1.1、β＝0.8；城镇：m1＝1.3、β＝1。
需要说明的是，通用植被类型比较粗糙，分为林地、草地、耕地、荒漠，本发明用 的植被类型是：已有的观测站点对应的植被类型，尽可能精细地分类，分出了12小类。
S3、考虑植被动态变化的区域尺度双源蒸散发模型的模拟效果验证
(1)站点尺度验证
通过MODIS landcover植被类型数据(是一个随时间动态变化的不断更新的数据集)， 引入植被动态变化，进行参数移植，不同植被类型的地区代入其对应的校正后参数β和 m1，得到最终的考虑植被动态变化的区域尺度双源蒸散发数据ET，这样，PT-JPL模型 的模拟与时刻都在变化的植被类型联系起来，弥补了现有的水文模型无法引入动态植被 的缺陷。
如图1所示，为在12种植被类型中，优化后PT-JPL模型与原始PT-JPL模型的模 拟结果对比图，图中，横坐标是在12种植被类型中实际观测的ET，纵坐标是优化后PT-JPL模型与原始PT-JPL模型模拟的ET，黑色方块是未进行参数校正的原始PT-JPL 模型模拟的ET，空心圆的参数校正后的优化后PT-JPL模型模拟的ET，RMSE0和bias0代表优化模型的误差和偏差；RMSE和bias代表原始模型，对角线是y＝x的线，越靠近 这个线的点，表明y和x越接近，落在这个线上的点，表明x与y完全相等，在本图中， 越靠近这根线，表明模拟效果越接近实测值，模拟效果越好。
由图1可以看出，在12种植被类型中，参数优化后的PT-JPL比原始的PT-JPL模型展示了更好的模拟效果，原始PT-JPL模型明显高估了灌丛、农田、典型草原、热带雨 林、混交林、冰和旱地农田的ET，低估了城镇的ET。根据RMSE与bias来看，在12 种植被类型里，参数校正后的PT-JPL模型，大大降低了模拟误差，模拟的ET更加接近 真实值。例如：灌丛的模拟偏差从22.76降低到2.55，农田从25.52降低到7.97。
对PT-JPL在不同植被类型下的校正后，经过NSE、RMSE、bias等指标的检验，不 仅在站点尺度上对ET有了优良的模拟效果，而且将植被动态变化引入PT-JPL模型更好 地应用于长时间尺度的ET的估算。我们需要进行更进一步的将ET进行区域尺度的验 证。
(2)区域尺度验证
在站点尺度的验证过后，我们在区域尺度上进行了进一步的验证，并验证ET组分的精确，以确保本发明的优化模型可靠，利用GLEAM ET产品对本发明模拟出的结果 进行区域尺度的验证分析。验证结果如图2所示，颜色越深代表相关性越好，中国西北 部相关性较低的原因是PT-JPL模型在此区域模拟的数据空缺值较多，相关性就低，本 发明的优化模型与GLEAM遥感产品相比，模拟性能良好。
(3)流域尺度验证
流域尺度水量平衡验证数据集包括流域径流和降水，我们选择了黄土高原16个子流 域流域尺度基于水量平衡原理进行ET的验证，黄河水利委员会(YRCC)是研究期间年径流数据的来源，验证结果如图3所示。
图3中，横坐标为16个子流域名称在表3中对应的编号，纵坐标为多年平均ET， 黑色方块代表PT-JPL模型的模拟值，斜线方块代表水量平衡的实际值。在16个子流域 上的多年平均结果显示，PT-JPL优化后的模型的ET与水量平衡的ET相关性达到0.91， 两者的多年平均ET值的RMSE＝53.224mm。
表3黄土高原16个子流域基本情况介绍
ID 流域 面积(km<sup>2</sup>) 降水(mm a<sup>-1</sup>) 径流(mm a<sup>-1</sup>)
1 皇甫川 3230 399 37
2 枯叶河 8621 408 60.1
3 孤山川 1260 417 50.3
4 秃尾河 3307 410.5 88.7
5 无定河 24682 361.6 34.9
6 贾鲁河 1138 436.1 48.4
7 大理河 3861 435 36.6
8 清涧河 3600 481.5 38.3
9 延河 5857 511.3 34
10 北洛河 25723 567.6 35
11 泾河 43106 509 33.1
12 渭河 30122 518.6 65.4
13 合隆站 136010 445.6 32.9
14 汾河 38728 476.7 22.6
15 昕水河 4186 510.8 29.5
16 黄河中游 366948 518.2 43.9
。
本发明模型中的数据来源如下：
驱动PT-JPL模型的遥感数据包括：2001-2015年月值MODIS EVI(增强型植被指数)，分辨率为500m；
MODIS NDVI(归一化差分植被指数)和MODIS LAI(叶面积指数)为2001-2015 年每8天的数值，分辨率为500m；
这些数据使用反距离加权平均法重采样为0.1°的空间分辨率。
1982-2000年模型驱动数据包括1982年1月到2011年12月AVHRR LAI数据和GLIMMS NDVI数据，分辨率为500m；
EVI源自AVHRR、SPOT和MODIS，从1981年至今，分辨率为500m；
albedo反照率数据(地表反照率p来源)用来量化净辐射，分辨率为0.05°；
本发明中所用的地表覆盖数据来源于MODIS 2001-2013年的地表覆盖数据。
中国气象驱动数据(CMFD)是通过合并各种气象数据生成的气象再分析数据集，分辨率0.1°×0.1°，包括温度、压力、水汽压、相对湿度、降水、蒸发、风、辐射等数 据。本发明选用温度(T、Tmax)、压力、蒸气压、相对湿度(相对湿度RH)和辐射(Rld、 It)来计算ET。
本发明利用全国12个植被类型的观测ET数据和GLEAMET对PT-JPL估算的模拟结果进行验证，进而通过对敏感的参数在不同植被类型上的校正将植被变化加入到ET的区 域尺度的估算当中，最后基于水量平衡原理，在黄土高原16个子流域上，通过实测径 流数据以及降水数据，对模拟出得年际ET进行验证。在此基础上，对PT-JPL模型在不 同植被类型下的参数应用提供参考，不仅加入了植被动态变化的影响，而且将站点尺度 拓展到了区域尺度，综合构建了考虑植被动态变化的区域蒸散发模拟方法，进而综合分 析区域尺度蒸散发对植被变化的影响机制，为区域尺度上植被变化剧烈地区的蒸散发估 算的准确度的提高提供新思路和新方法，在三种尺度的验证后也证明了本发明优化后的 模型有着良好的模拟效果。
以往的PT-JPL模型未与遥感数据相结合，以前所做工作仅基于站点尺度，计算一个 点的ET大小，本发明将原始PT-JPL模型与区域尺度的气象数据和遥感数据结合的过程中，将PT-JPL模型以往的站点尺度拓展到区域尺度，可以估算一个区域上的ET。基于 观测数据的校正下，对模型输出最敏感的三个参数进行优化校正，将校正后的参数与植 被类型数据结合，将植被动态变化引入PT-JPL模型中估算实际蒸散发。已有研究发现， 将植被最佳生长温度替代为生长季的多年平均气温，PT-JPL模型展示了更好的模拟结果。 然后对两个最敏感的参数进行校正：将参数设定不同值循环带入PT-JPL模型，使其循 环输出ET，采用NSE(纳什系数)、RMSE(标准误差)、bias(偏差)、slope(斜率)等 指标对模拟效果进行评价，模拟效果最好时的参数即为最优参数。最后通过植被类型数 据，进行参数移植，得到最终的引入植被类型后的区域尺度的实际蒸散发数据。
最终，我们引入植被动态变化后的PT-JPL模型模拟的ET，展示了全中国尺度的区域实际蒸散发，弥补了现有方法估算蒸散发的尺度缺陷，区域尺度能更全面更广泛地解 决科学问题。可为区域内水文，气象，农业研究提供基础，厘清了区域尺度的水资源消 耗和植被变化的联系，用于进一步分析水资源利用潜力，探讨中国大面积生态恢复工程 (植被重建工程)对水资源的影响。此外，作为双源蒸散发模型，模拟出了区域尺度的 植被蒸腾，将蒸腾的尺度拔高了一个台阶，为水文，气象和农业研究提供了强有力的技 术和数据支撑。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上 述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改， 这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的 特征可以任意相互组合。

Claims (10)

1.一种考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，包括以下步骤：
S1、双源蒸散发模型的区域蒸散发估算
(1)计算模型输入需要的区域尺度的净辐射数据；
(2)计算净辐射分量；
(3)各影响因子的计算；
(4)蒸散发ET的模拟估算；
S2、不同植被类型下进行参数优化
在全国范围内选取代表12种植被类型的12个站点，设置敏感参数的步长后循环输入步骤S1中的ET计算公式进行ET的模拟，利用相应站点观测数据与模拟的ET结果对比，对模拟效果进行评价，模拟效果最好时的参数即为相应植被类型的最优参数，同样的方法对其他站点进行参数优化，从而得到12种植被类型对应的校正后参数；
S3、考虑植被动态变化的区域尺度双源蒸散发模型的模拟效果验证
(1)站点尺度验证；
(2)区域尺度验证；
(3)流域尺度验证。
2.根据权利要求1所述的考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，所述步骤S1中，双源蒸散发模型的区域蒸散发的具体估算方法如下：
(1)计算模型输入需要的区域尺度的净辐射数据
Rn＝Rnshot-Rnlong
其中，Rn是净辐射，Rnshot和Rnlong分别为净短波辐射和净长波辐射；
(2)计算净辐射分量Rns和Rnc
Rnc＝Rn-Rns
其中，Rns为到达土壤表面的净辐射，Rnc是冠层截获的净辐射，是消光系数，取值0.6，LAI是叶面积指数；
(3)各影响因子的计算
fwet＝RH4
fAPAR＝m1EVI+b1
fIPAR＝m2NDVI+b2
fsm＝RHVPD/β；
其中，fwet为相对表面湿度，fg为绿色冠层所占比例，ft为温度限制因子，fm为水分限制因子，fsm为土壤水分限制因子，RH是相对湿度，Tmax是最高气温，Topt是植被最佳生长温度，VPD是饱和水汽压差，EVI是增强型植被指数，NDVI是归一化植被指数，β是fsm对VPD的灵敏度，fAPAR是被树冠吸收PAR系数，fIPAR是被树冠截取PAR系数，PAR系数是光合有效辐射的比例，b1＝-0.048，b2＝-0.05，m2＝1，m1和β为待优化参数，0≤m1≤1.4，0≤β≤1；
(4)蒸散发ET的模拟估算
ET＝Et+Eb+Ei
其中，Eb为裸土蒸发量，Et为植被蒸腾量，Ei为冠层截留蒸发量，fwet为相对表面湿度，fg为绿色冠层所占比例，ft为温度限制因子，fm为水分限制因子，fsm为土壤水分限制因子，G为土壤热通量，α是为Priestley-Taylor模式系数，取值1.26，Δ为温度-饱和水汽压斜率，γ是干湿表常数，取值0.066。
3.根据权利要求2所述的考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，净短波辐射Rnshot和净长波辐射Rnlong的计算方法为：
Rnshot＝(1-p)It
Rnlong＝Rld-Rlu
Rlu＝σT4
其中，p是地表反照率，It是向下的短波辐射，Rld是向下的长波辐射，Rlu是向上的长波辐射，T是气温，σ是斯蒂芬玻尔兹曼常数，σ＝5.67×10^(-8)W/(m^2·K^4)。
4.根据权利要求2所述的考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，温度-饱和水汽压斜率Δ的计算方法如下：
VPD＝es-ea
其中，es是饱和水汽压，ea是实际水汽压，RH是相对湿度，Tmin是最低气温，取月平均气温的最小值，T是月平均气温。
5.根据权利要求2所述的考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，土壤热通量G的计算方法为：
G＝Rn[Γc+(1-M)(Γs-Γc)]
其中，Rn是净辐射，M为月植被覆盖度，Γs＝0.325，Γc＝0.05，NDVI是归一化植被指数，NDVImin取值0.05；NDVImax取值0.80。
6.根据权利要求1所述的考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，所述步骤S2中，参数优化的具体方法如下：
在全国范围内选取代表12种植被类型的12个站点，原始Priestly-TaylorJetPropulsion Laboratory双源蒸散发模型有8个参数：m1、b1、m2、b2、Topt、β、kRn、kpar，其中，最敏感的三个参数分别是β，m1和Topt，利用代表相应植被类型的站点的生长季的多年平均气温代替植被最佳生长温度Topt，设置两个参数β和m1的步长为0.1后循环输入步骤S1中的ET计算公式进行ET的模拟，利用相应站点观测数据与模拟的ET结果对比，通过纳什系数NSE、标准误差RMSE、偏差Bias、斜率Slope对ET的模拟结果进行评价，模拟效果最好时的参数即为最优参数β和m1。
7.根据权利要求6所述的考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，所述12种植被类型为灌丛，农田，阔叶林，针叶林，热带雨林，典型草原，混交林，草甸，冰、旱地农田，湿地和城镇。
8.根据权利要求7所述的考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，所述12种植被类型对应的校正后参数β和m1如下所示：
灌丛：m1＝1.2、β＝0.2；农田：m1＝0.6、β＝0.8；阔叶林：m1＝0.7、β＝0.5；针叶林：m1＝1.4、β＝1；热带雨林：m1＝0.1、β＝0.1；典型草原：m1＝1.4、β＝0.4；混交林：m1＝0.7、β＝0.2；草甸：m1＝1.4、β＝0.2；冰：m1＝0.9、β＝0.2；旱地农田：m1＝0.5、β＝0.6；湿地：m1＝1.1、β＝0.8；城镇：m1＝1.3、β＝1。
9.根据权利要求1所述的考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，所述步骤S3中，站点尺度的验证方法如下：通过MODIS landcover植被类型数据，引入植被动态变化，进行参数移植，不同植被类型的地区代入其对应的校正后参数β和m1，得到最终的考虑植被动态变化的区域尺度双源蒸散发数据ET；流域尺度验证的方法如下：选择黄土高原16个子流域数据对优化后的Priestly-Taylor Jet PropulsionLaboratory双源蒸散发模型进行水量平衡的验证，水量平衡验证数据集包括流域径流和降水。
10.根据权利要求9所述的考虑植被动态变化的区域尺度双源蒸散发模型的构建方法，其特征在于，所述流域尺度验证的方法中，优化后的Priestly-Taylor Jet PropulsionLaboratory双源蒸散发模型模拟的多年平均ET值与16个子流域水量平衡的多年平均ET值的相关性达到0.91，标准误差RMSE达到53.22mm。
CN201910223041.XA 2019-03-22 2019-03-22 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法 Pending CN110059362A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910223041.XA CN110059362A (zh) 2019-03-22 2019-03-22 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910223041.XA CN110059362A (zh) 2019-03-22 2019-03-22 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法

Publications (1)

Publication Number Publication Date
CN110059362A true CN110059362A (zh) 2019-07-26

Family

ID=67316187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910223041.XA Pending CN110059362A (zh) 2019-03-22 2019-03-22 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法

Country Status (1)

Country Link
CN (1) CN110059362A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736704A (zh) * 2019-11-04 2020-01-31 中国科学院地理科学与资源研究所 土壤水与蒸发比耦合模拟及相互转化的方法
CN111581788A (zh) * 2020-04-21 2020-08-25 华南师范大学 一种优化模拟路面蒸散过程的方法
CN112014323A (zh) * 2020-08-31 2020-12-01 中国科学院地理科学与资源研究所 一种地表蒸散发的遥感反演方法及系统
CN112288186A (zh) * 2020-11-18 2021-01-29 中国水利水电科学研究院 基于山区植被的遥感数据调整山区产流量的方法
CN113049750A (zh) * 2021-03-12 2021-06-29 中国农业大学 一种基于高通量气孔导度诊断植物水分胁迫的方法及系统
CN113780858A (zh) * 2021-09-17 2021-12-10 兰州大学 一种考虑雨水资源承载力的植被恢复规划方法
CN114357737A (zh) * 2021-12-21 2022-04-15 武汉大学 针对大尺度水文模型时变参数的代理优化率定方法
CN114578022A (zh) * 2022-02-18 2022-06-03 中国水利水电科学研究院 一种基于蒸散发分量的植物水分利用效率评价方法
CN115795819A (zh) * 2022-11-11 2023-03-14 南京大学 基于sebs模型和casa模型的水分利用效率模拟方法
CN116050188A (zh) * 2023-03-30 2023-05-02 南京农业大学 一种小麦花后冠层蒸散建模的方法、系统及装置
CN116205086A (zh) * 2023-05-04 2023-06-02 中国科学院地理科学与资源研究所 一种日尺度蒸散发时空连续遥感估算方法及装置
CN116306265A (zh) * 2023-02-24 2023-06-23 武汉大学 一种基于水碳耦合方法的全球地表蒸散发估算方法
CN116644597A (zh) * 2023-06-02 2023-08-25 中国科学院地理科学与资源研究所 基于时变增益模型和pt-jpl耦合的流域水循环模拟方法
CN116720624A (zh) * 2023-06-16 2023-09-08 西北农林科技大学 一种基于遥感数据的流域植被蒸散发预测方法
CN117454062A (zh) * 2023-09-08 2024-01-26 中国水利水电科学研究院 一种植被恢复潜力的计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810387A (zh) * 2014-02-13 2014-05-21 中国科学院地理科学与资源研究所 基于modis数据的地表蒸散发全遥感反演方法及系统
CN105303040A (zh) * 2015-10-15 2016-02-03 北京师范大学 时间连续的地表蒸散发数据的计算方法
WO2018173045A1 (en) * 2017-03-20 2018-09-27 Supplant Ltd. Systems and methods for planning crop irrigation
US20180315100A1 (en) * 2017-04-27 2018-11-01 Lindsay Corporation Computer-implemented method and computer program for designing and cost-estimating irrigation systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810387A (zh) * 2014-02-13 2014-05-21 中国科学院地理科学与资源研究所 基于modis数据的地表蒸散发全遥感反演方法及系统
CN105303040A (zh) * 2015-10-15 2016-02-03 北京师范大学 时间连续的地表蒸散发数据的计算方法
WO2018173045A1 (en) * 2017-03-20 2018-09-27 Supplant Ltd. Systems and methods for planning crop irrigation
US20180315100A1 (en) * 2017-04-27 2018-11-01 Lindsay Corporation Computer-implemented method and computer program for designing and cost-estimating irrigation systems

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHANG, K.等: "Parameter sensitivity analysis and optimization for a satellite-based evapotranspiration model across multiple sites using Moderate Resolution ImagingSpectroradiometer and flux data", 《JOURNAL OF GEOPHYSICAL RESEARCH: ATMOSPHERES 》 *
张琨: "遥感蒸散发模型参数敏感性分析与优化方法研究", 《中国博士学位论文全文数据库基础科学辑》 *
黄雅君等: "云南石林喀斯特地区地表蒸散发遥感反演研究", 《昆明冶金高等专科学校学报》 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736704A (zh) * 2019-11-04 2020-01-31 中国科学院地理科学与资源研究所 土壤水与蒸发比耦合模拟及相互转化的方法
CN110736704B (zh) * 2019-11-04 2021-06-01 中国科学院地理科学与资源研究所 土壤水与蒸发比耦合模拟及相互转化的方法
CN111581788A (zh) * 2020-04-21 2020-08-25 华南师范大学 一种优化模拟路面蒸散过程的方法
CN111581788B (zh) * 2020-04-21 2022-04-08 华南师范大学 一种优化模拟陆面蒸散过程的方法
CN112014323A (zh) * 2020-08-31 2020-12-01 中国科学院地理科学与资源研究所 一种地表蒸散发的遥感反演方法及系统
CN112014323B (zh) * 2020-08-31 2021-07-20 中国科学院地理科学与资源研究所 一种地表蒸散发的遥感反演方法及系统
CN112288186A (zh) * 2020-11-18 2021-01-29 中国水利水电科学研究院 基于山区植被的遥感数据调整山区产流量的方法
CN113049750A (zh) * 2021-03-12 2021-06-29 中国农业大学 一种基于高通量气孔导度诊断植物水分胁迫的方法及系统
CN113049750B (zh) * 2021-03-12 2024-05-03 中国农业大学 一种基于高通量气孔导度诊断植物水分胁迫的方法及系统
CN113780858B (zh) * 2021-09-17 2023-09-26 兰州大学 一种考虑雨水资源承载力的植被恢复规划方法
CN113780858A (zh) * 2021-09-17 2021-12-10 兰州大学 一种考虑雨水资源承载力的植被恢复规划方法
CN114357737A (zh) * 2021-12-21 2022-04-15 武汉大学 针对大尺度水文模型时变参数的代理优化率定方法
CN114357737B (zh) * 2021-12-21 2024-04-05 武汉大学 针对大尺度水文模型时变参数的代理优化率定方法
CN114578022A (zh) * 2022-02-18 2022-06-03 中国水利水电科学研究院 一种基于蒸散发分量的植物水分利用效率评价方法
CN115795819A (zh) * 2022-11-11 2023-03-14 南京大学 基于sebs模型和casa模型的水分利用效率模拟方法
CN116306265B (zh) * 2023-02-24 2024-03-08 武汉大学 一种基于水碳耦合方法的全球地表蒸散发估算方法
CN116306265A (zh) * 2023-02-24 2023-06-23 武汉大学 一种基于水碳耦合方法的全球地表蒸散发估算方法
CN116050188A (zh) * 2023-03-30 2023-05-02 南京农业大学 一种小麦花后冠层蒸散建模的方法、系统及装置
CN116205086A (zh) * 2023-05-04 2023-06-02 中国科学院地理科学与资源研究所 一种日尺度蒸散发时空连续遥感估算方法及装置
CN116205086B (zh) * 2023-05-04 2023-08-01 中国科学院地理科学与资源研究所 一种日尺度蒸散发时空连续遥感估算方法及装置
CN116644597A (zh) * 2023-06-02 2023-08-25 中国科学院地理科学与资源研究所 基于时变增益模型和pt-jpl耦合的流域水循环模拟方法
CN116644597B (zh) * 2023-06-02 2024-01-26 中国科学院地理科学与资源研究所 基于时变增益模型和pt-jpl耦合的流域水循环模拟方法
CN116720624A (zh) * 2023-06-16 2023-09-08 西北农林科技大学 一种基于遥感数据的流域植被蒸散发预测方法
CN117454062A (zh) * 2023-09-08 2024-01-26 中国水利水电科学研究院 一种植被恢复潜力的计算方法
CN117454062B (zh) * 2023-09-08 2024-04-02 中国水利水电科学研究院 一种植被恢复潜力的计算方法

Similar Documents

Publication Publication Date Title
CN110059362A (zh) 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法
Bøgh et al. Incorporating remote sensing data in physically based distributed agro-hydrological modelling
Yang et al. MODIS leaf area index products: From validation to algorithm improvement
Ruosteenoja et al. Projected changes in thermal seasons and the growing season in Finland
Vazifedoust et al. Increasing water productivity of irrigated crops under limited water supply at field scale
Montenegro et al. Improving agricultural water management in the semi-arid region of Brazil: experimental and modelling study
Yuan et al. Global estimates of evapotranspiration and gross primary production based on MODIS and global meteorology data
Li et al. Estimation of gross primary production over the terrestrial ecosystems in China
Zhao et al. Combining LPJ-GUESS and HASM to simulate the spatial distribution of forest vegetation carbon stock in China
Favis-Mortlock et al. Climate change, winter wheat yield and soil erosion on the English South Downs
Ono et al. Canopy‐scale relationships between stomatal conductance and photosynthesis in irrigated rice
He et al. Optimization of water uptake and photosynthetic parameters in an ecosystem model using tower flux data
CN103424405B (zh) 一种基于hj-1a/1b ccd数据的干旱监测方法
Ueyama et al. Carbon dioxide balance in early-successional forests after forest fires in interior Alaska
Lin et al. Seasonal fluctuations of photosynthetic parameters for light use efficiency models and the impacts on gross primary production estimation
Qi et al. A framework to quantify impacts of elevated CO2 concentration, global warming and leaf area changes on seasonal variations of water resources on a river basin scale
Xu et al. Regional crop yield assessment by combination of a crop growth model and phenology information derived from MODIS
Branch et al. Simulation of semi-arid biomass plantations and irrigation using the WRF-NOAH model–a comparison with observations from Israel
Chen et al. Modeling and scaling coupled energy, water, and carbon fluxes based on remote sensing: An application to Canada’s landmass
Wang et al. Rice yield estimation based on an NPP model with a changing harvest index
Jiang et al. Effects of clouds and aerosols on ecosystem exchange, water and light use efficiency in a humid region orchard
Matthew et al. Modelling the impacts of climate variability on crop yields in Nigeria: Performance evaluation of RegCM3‐GLAM system
CN115952702A (zh) 一种基于forcchn模型和遥感数据的森林nep的计算方法
Varghese et al. Annual and seasonal variations in gross primary productivity across the agro-climatic regions in India
Zou et al. Coupling of a regional climate model with a crop development model and evaluation of the coupled model across China

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190726