CN113780858B - 一种考虑雨水资源承载力的植被恢复规划方法 - Google Patents

一种考虑雨水资源承载力的植被恢复规划方法 Download PDF

Info

Publication number
CN113780858B
CN113780858B CN202111094890.3A CN202111094890A CN113780858B CN 113780858 B CN113780858 B CN 113780858B CN 202111094890 A CN202111094890 A CN 202111094890A CN 113780858 B CN113780858 B CN 113780858B
Authority
CN
China
Prior art keywords
vegetation
unit
data
canopy
model
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.)
Active
Application number
CN202111094890.3A
Other languages
English (en)
Other versions
CN113780858A (zh
Inventor
张宝庆
李垚
吴普特
赵西宁
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 CN202111094890.3A priority Critical patent/CN113780858B/zh
Publication of CN113780858A publication Critical patent/CN113780858A/zh
Application granted granted Critical
Publication of CN113780858B publication Critical patent/CN113780858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明提供了一种考虑雨水资源承载力的植被恢复规划方法：(1)通过模型驱动数据和模型验证数据，驱动并验证改进的Shuttleworth‑Wallace模型；(2)在选定的植被类型下，采用改进的Shuttleworth‑Wallace模型，分别计算选定植被的LAI从0到最大值变动时相应的蒸散发量，当蒸散发量等于基准降水量时，对应的LAI为基于雨水资源的植被最大承载力；(3)利用上步中植被最大承载力对应的蒸散发量，估算植被的固碳能力和水分利用效率；(4)根据估算的植被的固碳能力和水分利用效率，提供对应区域植被的生态恢复和植树造林的理论上限，制定生态恢复规划方案。通过采用本发明方法计算的基于雨水资源的植被最大承载力，对干旱半干旱地区的生态恢复过程提供理论支持和引导。

Description

一种考虑雨水资源承载力的植被恢复规划方法
技术领域
本发明涉及生态环境技术领域，具体地，涉及一种考虑雨水资源承载力的植被恢复规划方法。
背景技术
植被承载力是一个生态学概念，是指一定环境条件下单位面积某种生物个体存在数量的最大值。郭忠升等在2003年提出了土壤水分植被承载力的概念以对黄土高原的林草植被建设进行指导，它指土壤水资源承载植物的最大负荷。但随后的相应研究主要集中在土壤水方面，较少从降水方面出发对植被的承载力进行估算。
2016年，冯晓明等在Nature Climate Change上发表论文Revegetation inChinas Loess Plateau is approaching sustainable water resource limits对黄土高原地区的植被恢复上限进行了研究，但对蒸散发的估算使用的是水平衡方法，未使用蒸散发模型计算。
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基于雨水资源的植被最大承载力估算方案。
本发明的目的是通过以下方案实现的：
本发明提供一种基于雨水资源的植被最大承载力估算方案，包括以下步骤：
步骤一、驱动验证改进的Shuttleworth-Wallace模型
通过模型驱动数据和模型验证数据，驱动并验证改进的Shuttleworth-Wallace模型，所述模型驱动数据包括气象数据、土壤数据和植被数据；
步骤二、估算雨水资源的植被最大承载力
在选定的植被类型下，采用步骤一改进的Shuttleworth-Wallace模型，分别计算选定植被的LAI从0到最大值变动时相应的总蒸散发量ET，当总蒸散发量ET等于基准降水量时，对应的LAI为基于雨水资源的植被最大承载力；
步骤三、植被的固碳能力和水分利用效率估算
利用步骤二中植被最大承载力对应的蒸散发量ET和植被蒸腾Et，估算植被的固碳能力和水分利用效率；
步骤四、生态恢复规划
根据步骤二中估算的雨水资源的植被最大承载力和步骤三估算的植被的固碳能力和水分利用效率，提供对应区域植被的生态恢复和植树造林的理论上限，制定生态恢复规划方案。在总蒸散发量(植被和土壤总耗水量)ET不超过本区域雨水资源(即降水量)上限的同时，尽量提高植被覆盖率和密度以提升固碳能力和水分利用效率。
进一步地，步骤一中，驱动验证改进的Shuttleworth-Wallace模型包括以下步骤：
第一步、处理待输入的数据
将所使用的气象数据、植被数据和土壤数据统一处理到时间分辨率相同(月数据)、同样大小的网格(0.1°×0.1°)中，并对Shuttleworth-Wallace模型计算所需要的各类气象参数进行计算；气象参数包括地表净辐射Rn(W/m2)、地表热通量G(W/m2)、饱和水汽压随温度变化的斜率Δ(kPa/℃)、空气密度ρ(kgm-3)、饱和水汽压差D(kPa)和干湿球常数γ(kPa℃-1)：
地表净辐射Rn＝(1-α)It-Rld+σT4
其中It是总入射短波太阳辐射，α是地表反照率，无量纲，Rld是向下长波辐射(W/m2)，T是气温(K)，σ是Stefan-Boltzmann常数，取值5.67×10-8W/(m2·K4)。
地表热通量可通过仪器测定或使用多种公式计算，在月尺度上也可忽略不计。
饱和水汽压随温度变化的斜率其中T为气温(℃)。
空气密度其中P为气压(kPa)，T为气温(℃)。
饱和水汽压差其中T为气温(℃)，RH为相对湿度。
干湿球常数γ＝0.665×P×10-6，其中P为气压(kPa)。
第二步、阻力参数计算
计算Shuttleworth-Wallace模型中使用的五个阻力参数：地面到冠层高度间的空气动力学阻力和冠层高度到参考高度间的空气动力学阻力/>土壤表面阻力/>冠层边界层阻力/>冠层气孔阻力/>其中，冠层气孔阻力/>通过整合了添加二氧化碳影响因子的Jarvis模型计算得到；
五个阻力参数的公式分别为：
其中，hc是植被冠层高度(m)，Kh为冠层顶部涡扩散系数(m2 s-1)，z0g为地表粗糙度长度(m)，Z0是参考粗糙度长度(m)，dp是参考零平面位移(m)，n是植被的涡流扩散衰减常数；
其中，k是von Karman常数(通常用0.41)，u*为摩擦速度(m s-1)，Za是参考高度(m)，d0为零高度到冠层的平面位移(m)，hc是植被冠层高度(m)，Kh为冠层顶部涡扩散系数(m2 s-1)，n是植被的涡流扩散衰减常数，Z0是参考粗糙度长度(m)，dp是参考零平面位移(m)；
其中，n是植被的涡流扩散衰减常数，lw是叶宽(m)，uh为冠层高度风速(m/s)；
其中，LAIactive是有效叶面积指数(m2/m2)，rSTmin是理想条件下的最小气孔阻力(s/m)，Fi(Xi)是阻力函数；
其中，αs及θmin均为经验参数，可以参考文献(文献中获得的半干旱地区的αs和θmin分别为0.3563和0.15)，本发明使用实测站点数据校准得到，θ为土壤含水量。
进一步地，冠层顶部涡扩散系数Kh、摩擦速度u*，零高度到冠层的平面位移d0，植被的涡流扩散衰减常数n，植被冠层高度hc，参考粗糙度长度Z0，参考零平面位移dp，参考高度Za，叶宽lw(m)的计算公式如下：
Kh＝ku*(hc-d0)
Z0＝0.13hc
dp＝0.63hc
Za＝hc+2
其中，ua为参考高度Za上的风速，z0、z0g和z0c分别是粗糙度长度(m)、地表粗糙度长度(m)和植被粗糙度长度(m)，LAI是植被叶面积指数(m2/m2)，LAImax为植被历史最大叶面积指数(m2/m2)，cd为单个叶片的平均阻力系数，无量纲，hc是植被冠层高度(m)，hcmax是冠层最大高度(m)，hcmin是冠层最低高度(m)；
cd、z0、z0c的计算公式如下：
z0＝min{0.3(hc-d0)，z0g+0.3hc(cdLAI)0.25}
进一步地，冠层气孔阻力由改进后的Jarvis气孔导度模型计算，LAIactive是有效叶面积指数(m2/m2)，rSTmin是理想条件下的最小气孔阻力(s/m)，Fi(Xi)是阻力函数，改进后的模型共有五个阻力函数，分别代表辐射、水汽压差、气温、土壤含水量和二氧化碳浓度对植物蒸腾的影响，有效叶面积指数LAIactive和五个阻力函数的计算公式如下：
F3(T)＝1-1.6×10-3(298-T)2
其中，PAR是光合有效辐射(W/m2)，取总净辐射的0.6倍，CO2ref为参考二氧化碳浓度(330ppm)，b、c、d为经验参数，b取0.663，低矮植物的c取100，高大植物的c取400，d＝1+c/1000，T为气温(K)，θ、θf和θr分别为土壤含水量、土壤田间持水量和凋萎系数，均无量纲。
以上公式中用到的参数如下表(按IGBP分类)。
第三步：改进的Shuttleworth-Wallace模型模拟和验证
Shuttleworth-Wallace模型的主干公式为：
其中，蒸发潜热λ＝2.501-0.002361×T，单位为(MJ/kg)，其中T为气温(℃)。
ET代表总的蒸散发(mm)，Cc和Cs分别为植被和土壤的蒸发权重系数，PMc和PMs分别是封闭冠层及裸土条件下，由Penman-Monteith模型计算得到的蒸散发热通量(W/m2)。
等号右侧两项分别是植被的蒸腾耗水及土壤蒸发耗水，均使用Penman-Monteith公式计算，计算公式分别为：
其中，ρ(空气密度，1.293kgm-3)、Cp(定压比热，1.012kJ kg-1℃-1)和γ(干湿球常数，0.067kPa℃-1)可以使用经验常数，输入第一步和第二步中计算得到的气候、土壤、植被参数和阻力参数，构建Shuttleworth-Wallace模型，计算用于校准和验证的区域总蒸散发量(ET)，并对结果进行验证。
用于表征验证结果的参数包括相关系数R、均方根误差RMSE。计算方法如下：
S(t)代表模拟值；O(t)代表观测值；cov(O(t)，S(t))代表S(t)和O(t)的协方差；var代表方差；T代表时间序列长度。
进一步地，步骤一中，气象数据来源包括：中国气象驱动数据集(CMFD)，分辨率为0.1°×0.1°，本发明使用该数据集中1992-2015年的降水、风速、气压、比湿、气温和辐射数据；GLASS数据集，1992-2015年分辨率为0.05°×0.05°的反照率数据；NOAA全球二氧化碳浓度数据；
植被数据来源包括：MODIS数据集2001-2015年分辨率为500米的LAI(叶面积指数)数据和IGBP分类土地利用数据集；AVHRR数据集1992-2000年分辨率为0.05°的LAI数据；
土壤数据来源为：ERA5再分析数据中土壤含水量数据，分辨率为0.1°×0.1°；
模型验证数据为：用于验证蒸散发模拟结果的气象站点和通量塔数据。
进一步地，步骤二中，植被属性分为IGBP分类和植被的叶面积指数LAI，前者代表植被类型，后者代表植被的生长程度和密度。步骤一中对改进的Shuttleworth-Wallace模型进行验证证明其在不同植被状况下的准确性后，在多年雨量数据中选择出平水年的降水量(p＝50％)作为基准，在选定的植被情景(固定植被类型)下，在每一格点上不变动植被类型，将植被的LAI从0到最大值变动，并分别计算相应的蒸散发结果，当蒸散发量等于基准降水量时，认为此时的LAI为基于雨水资源的植被最大承载力。
进一步地，步骤三中，植被的固碳能力和效率通过GPP(gross primaryproductivity，总初级生产力)和WUE(water use efficiency，水分利用效率)来表征，均使用程磊教授于2017年提出的分析模型计算，具体方法如下：
其中，WUE为水分利用效率，GPP为总初级生产力，CO2为二氧化碳浓度(ppm)，Pa为气压(kPa)，Et为植被的蒸腾耗水(mm)，D为饱和水汽压差(kPa)，g1为参数(可直接使用参数表，在黄土高原区计算中使用实测数据进行了校准)，ET为总蒸散发量。
进一步地，步骤四中，若估算的植被的固碳能力和水分利用效率，大于该区域植被的固碳能力和水分利用效率的实际值，则可以继续植树造林，提高植被的固碳能力，实现生态恢复。
本发明通过使用考虑了二氧化碳浓度对植物气孔导度影响和引入动态植被改进的区域尺度Shuttleworth-Wallace模型，可以精确估算不同植被方案的区域蒸散发，并通过水分利用效率模型对不同植被方案的固碳能力和水分利用效率进行分析，结合多年降水数据以计算基于雨水资源的植被最大承载力。
与现有技术相比，本发明具有如下的有益效果：
1、使用改进的Shuttleworth-Wallace模型计算不同植被情况下的蒸散发量，通过不同植被情景下的蒸散发量与降水数据进行对比估算区域上的蒸散耗水量与降水量相等时的植被情况，并通过水分利用效率模型分析固碳能力和效率，估算植被最大承载力。
2、通过采用本发明方法计算蒸散发量准确性好适用性强，能对不同区域和不同植被恢复方案的植被承载力进行计算。
3、通过采用本发明方法计算的基于雨水资源的植被最大承载力提供了区域生态恢复和植树造林的理论上限，对干旱半干旱地区的生态恢复过程提供理论支持和引导。
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为全国12个不同植被类型站点实测值对Shuttleworth-Wallace模型的验证结果图；横坐标为实测值，纵坐标为模拟值，虚线为1：1线；
图2为黄土高原上，通过本发明方法估算的基于雨水资源的植被最大承载力与实际LAI的对比结果图；其中(a)为实际的LAI，(b)为基于雨水资源的植被最大承载力，(c)是二者之差，(d)为计算的1982-2015年黄土高原区域平均每年雨水支持的最大LAI值和实际LAI值比较，线代表黄河及其中游边界；
图3为与FLUXNET通量站数据对雨水资源的植被最大承载力情景下固碳能力和水分利用效率估算结果的验证图；
图4为黄土高原上，通过本发明方法估算的基于雨水资源的植被最大承载力与实际GPP的对比图：其中(a)为实际的GPP，(b)为基于雨水资源的植被最大承载力，(c)是二者之差，(d)为计算的1982-2015年黄土高原区域平均每年雨水支持的最大GPP值和实际值比较，线代表黄河及其中游边界。
图5为黄土高原上，通过本发明方法估算的基于雨水资源的植被最大承载力与实际WUE的对比图：其中(a)为实际的WUE，(b)为基于雨水资源的植被最大承载力，(c)是二者之差，(d)为计算的1982-2015年黄土高原区域平均每年雨水支持的最大WUE值和实际值比较，线代表黄河及其中游边界；
图6为本发明植被恢复规划方法的流程图。
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。
本发明使用改进的Shuttleworth-Wallace蒸散发模型和水分利用效率模型，通过对不同植被情景下的蒸散发和固碳能力、效率计算，得到一种考虑雨水资源承载力的植被恢复规划方法。
接下来结合实施例和图1至图6进行详细说明。
步骤一：驱动及验证改进的Shuttleworth-Wallace模型
本步骤使用的数据包括：气象数据、土壤数据、植被数据和验证数据。其中：
气象数据来源包括：中国气象驱动数据集(CMFD)，分辨率为0.1°×0.1°，本发明使用该数据集中1992-2015年的降水、风速、气压、比湿、气温和辐射数据；GLASS数据集1992-2015年分辨率为0.05°×0.05°的反照率数据；NOAA全球二氧化碳浓度数据。
植被数据来源包括：MODIS数据集2001-2015年分辨率为500米的LAI(叶面积指数)数据和IGBP分类土地利用数据集；AVHRR数据集1992-2000年分辨率为0.05°的LAI数据。
土壤数据来源为：ERA5再分析数据，分辨率为0.1°×0.1°，本发明主要使用了其中的土壤含水量数据。
模型验证数据为：用于验证蒸散发模拟结果的气象站点和通量塔数据。
改进的Shuttleworth-Wallace模型模拟过程如下：
第一步：输入数据处理
将所使用的气象数据、植被数据和土壤数据统一处理到时间分辨率相同(月数据)、同样大小的网格(0.1°×0.1°)中，并对Shuttleworth-Wallace模型计算所需要的各类气象参数进行计算，包括Rn(地表净辐射，W/m2)、G(地表热通量，W/m2)、Δ(饱和水汽压随温度变化的斜率，kPa/℃)、ρ(空气密度，kg m-3)、D(饱和水汽压差，kPa)和γ(干湿球常数，kPa℃-1)：
地表净辐射Rn＝(1-α)It-Rld+σT4
其中It是总入射短波太阳辐射(W/m2)，α是地表反照率，无量纲，Rld是向下长波辐射(W/m2)，T是气温(K)，σ是Stefan-Boltzmann常数。地表热通量可通过仪器测定或使用多种公式计算，在月尺度上也可忽略不计。
饱和水汽压随温度变化的斜率
其中T为气温(℃)。
空气密度
其中P为气压(kPa)，T为气温(℃)。
饱和水汽压差
其中T为气温(℃)，RH为相对湿度。
干湿球常数γ＝0.665×P×10-6
其中P为气压(kPa)。
第二步：阻力参数计算
计算Shuttleworth-Wallace模型中使用的五个阻力参数(地面到冠层高度间的空气动力学阻力和冠层高度到参考高度间的空气动力学阻力/>土壤表面阻力/>冠层边界层阻力/>冠层气孔阻力/>单位均为s/m)，其公式分别为：
其中z0s为地表粗糙度(m)，Kh为冠层顶部涡扩散系数(m2s-1)，u*为摩擦速度(m s-1)，d0为零高度到冠层的平面位移(m)，n是植被的涡流扩散衰减常数，hc是植被高度(m)，Z0是参考粗糙度长度(m)，dp是参考零平面位移(m)，k是von Karman常数(通常用0.41)，Za是参考高度(m)，其计算公式如下：
Kh＝ku*(hc-d0)
Z0＝0.13hc
dp＝0.63hc
Za＝hc+2
z0＝min{0.3(hc-d0)，z0g+0.3hc(cdLAI)0.25}
其中，hc是植被冠层高度，hcmax是冠层最大高度，hcmin是冠层最低高度，lw是叶宽，lwmax是最大叶宽，单位均为m；LAI是植被叶面积指数，LAImax为植被历史最大叶面积指数，单位均为m2/m2；z0、z0g和z0c分别是粗糙度长度、地表粗糙度长度和植被粗糙度长度，单位均为m；cd为单个叶片的平均阻力系数，无量纲。
冠层气孔阻力由改进后的Jarvis气孔导度模型计算，LAIactive是有效叶面积指数(m2/m2)，rSTmin是理想条件下的最小气孔阻力(s/m)，Fi(Xi)是阻力函数，改进后的模型共有五个阻力函数，分别代表辐射、水汽压差、气温、土壤含水量和二氧化碳浓度对植物蒸腾的影响，公式如下：
F3(T)＝1-1.6×10-3(298-T)2
其中，PAR是光合有效辐射(W/m2)，取总净辐射的0.6倍，CO2ref为参考二氧化碳浓度(330ppm)，b、c、d为经验参数，b取0.663，低矮植物的c取100，高大植物的c取400，d＝1+c/1000。T为气温(K)，θ、θf和θr分别为土壤含水量、土壤田间持水量和凋萎系数。
土壤表面阻力的计算中，αs及θmin均为经验参数，可以参考文献，这里使用实测站点数据校准得到。
以上公式中用到的参数如下表(按IGBP分类)。
第三步：改进的Shuttleworth-Wallace模型模拟和验证
Shuttleworth-Wallace模型的主干公式为：
其中，蒸发潜热λ＝2.501-0.002361×T，单位为(MJ/kg)，其中T为气温(℃)。
ET代表总的蒸散发，(mm)，Cc和Cs分别为植被和土壤的蒸发权重系数，PMc和PMs分别是封闭冠层及裸土条件下，由Penman-Monteith模型计算得到的蒸散发热通量(W/m2)。等号右侧两项分别是植被的蒸腾耗水及土壤蒸发耗水，均使用Penman-Monteith公式计算，计算公式分别为：
其中，ρ(空气密度，1.293kg m-3)、Cp(定压比热，1.012kJ kg-1℃-1)和γ(干湿球常数，0.067kPa℃-1)可以使用经验常数，输入第一步和第二步中计算得到的气候、土壤、植被参数和阻力参数，构建Shuttleworth-Wallace模型，计算实际情况下的区域蒸散发，并对结果进行验证。
用于表征验证结果的参数包括相关系数R、均方根误差RMSE。计算方法如下：
S(t)代表模拟值；O(t)代表观测值；cov(O(t)，S(t))代表S(t)和O(t)的协方差；var代表方差；T代表时间序列长度。
如图1所示，输入数据计算的蒸散发与全国12个不同植被类型站点实测值的比较，横坐标为实测值，纵坐标为模拟值，虚线为1∶1线。结果显示模型在各个站点表现良好，森林、草地和农田的相关系数均在0.8以上。
步骤二：估算雨水资源的植被最大承载力
在本发明方法中，植被属性分为IGBP分类和植被的叶面积指数LAI，前者代表植被类型，后者代表植被的生长程度和密度。步骤一中对改进的Shuttleworth-Wallace模型进行验证证明其在不同植被状况下的准确性后，在多年雨量数据中选择出平水年的降水量(p＝50％)作为基准，在选定的植被情景(固定植被类型)下，在每一格点上不变动植被类型，将植被的LAI从0到最大值变动，并分别计算相应的蒸散发结果，当蒸散发量等于基准降水量时，认为此时的LAI为基于雨水资源的植被最大承载力。
以黄土高原为例，通过本发明方法估算的基于雨水资源的植被最大承载力与实际LAI的对比如图2所示，(b)和(c)图中白色区域代表该区域雨水资源超载，即使将LAI设置为0(模拟裸土情况)，降水量仍低于蒸发量。
黄土高原的基于雨水资源的植被最大承载力空间分布与实际情况相似，在大部分区域更高，但在黄河的上游及各灌区相较更低，说明从总体上看，若能充分高效利用雨水资源，黄土高原的植被恢复尚未超过雨水资源所能支撑之顶点。
步骤三、雨水资源的植被最大承载力情景下固碳能力和水分利用效率估算
在本发明方法中，植被的固碳能力和效率通过GPP(gross primaryproductivity，总初级生产力)和WUE(water use efficiency，水分利用效率)来表征，均使用程磊教授于2017年提出的分析模型计算，具体方法如下：
其中，CO2为二氧化碳浓度(ppm)，Pa为气压(kPa)，Et为植被蒸腾，D为饱和水汽压差(kPa)，g1为参数(可直接使用参数表，在黄土高原区计算中使用实测数据进行了校准)。与FLUXNET通量站数据对该分析模型的验证结果如图3所示。以黄土高原为例，通过本发明方法估算的基于雨水资源的植被最大承载力下固碳能力和水分利用效率如图4(b)和图5(b)所示。
步骤四、生态恢复规划
以黄土高原为例，将步骤三中估算的基于雨水资源的植被最大承载力下固碳能力和水分利用效率和如图4(a)所示的实际GPP和如图5(a)所示的实际WUE对比后发现，最大植被情景下黄土高原的GPP比目前提高47％，生态系统WUE将增加21.6％，说明在最理想的情况下，通过完全利用雨水资源，植被将能够比现在多吸收大约1.41×1011kg的碳。
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 (5)

1.一种考虑雨水资源承载力的植被恢复规划方法，其特征在于，包括以下步骤：
步骤一、驱动验证改进的Shuttleworth-Wallace模型
通过模型驱动数据和模型验证数据，驱动并验证改进的Shuttleworth-Wallace模型，所述模型驱动数据包括气象数据、土壤数据和植被数据，气象参数包括蒸发潜热λ，单位MJ/kg；地表净辐射Rn，单位W/m2；地表热通量G，单位W/m2；饱和水汽压随温度变化的斜率Δ，单位kPa/℃；空气密度ρ，单位kgm-3；饱和水汽压差D，单位kPa；干湿球常数γ，单位kPa℃-1；
驱动验证改进的Shuttleworth-Wallace模型包括以下步骤：
第一步、处理待输入的数据
将所使用的气象数据、植被数据和土壤数据统一处理到时间分辨率相同、同样大小的网格中，并对Shuttleworth-Wallace模型计算所需要的各类气象参数进行计算；
第二步、阻力参数计算
计算Shuttleworth-Wallace模型中使用的五个阻力参数：地面到冠层高度间的空气动力学阻力和冠层高度到参考高度间的空气动力学阻力/>土壤表面阻力/>冠层边界层阻力/>冠层气孔阻力/>其中，冠层气孔阻力/>通过整合了添加二氧化碳影响因子的Jarvis模型计算得到；
五个阻力参数的公式分别为：
其中，hc是植被冠层高度，单位m；Kh为冠层顶部涡扩散系数，单位m2s-1；z0g为地表粗糙度长度，单位m；Z0是参考粗糙度长度，单位m；dp是参考零平面位移，单位m；n是植被的涡流扩散衰减常数；
其中，k是von Karman常数，u*为摩擦速度，单位ms-1；Za是参考高度，单位m；d0为零高度到冠层的平面位移，单位m；hc是植被冠层高度，单位m；Kh为冠层顶部涡扩散系数，单位m2s-1；n是植被的涡流扩散衰减常数，Z0是参考粗糙度长度，单位m；dp是参考零平面位移，单位m；
其中，n是植被的涡流扩散衰减常数，lw是叶宽，单位m；uh为冠层高度风速，单位m/s；
其中，LAIactive是有效叶面积指数，单位m2/m2；rSTmin是理想条件下的最小气孔阻力，单位s/m；Fi(Xi)是阻力函数；
其中，αs及θmin均为经验参数，θ为土壤含水量；
有效叶面积指数LAIactive和五个阻力函数的计算公式如下：
F3(T)＝1-1.6×10-3(298-T)2
其中，PAR是光合有效辐射，单位W/m2；取总净辐射的0.6倍，CO2ref为参考二氧化碳浓度，单位ppm；b、c、d为经验参数，b取0.663，低矮植物的c取100，高大植物的c取400，d＝1+c/1000，θ、θf和θr分别为土壤含水量、土壤田间持水量和凋萎系数，D为饱和水汽压差，单位kPa；
冠层顶部涡扩散系数Kh，单位m2s-1；摩擦速度u*，单位ms-1；零高度到冠层的平面位移d0，单位m，植被的涡流扩散衰减常数n，植被冠层高度hc，单位m；参考粗糙度长度Z0，单位m；参考零平面位移dp，单位m；参考高度Za，单位m；叶宽lw，单位m；计算公式如下：
Kh＝ku*(hc-d0)
Z0＝0.13hc
dp＝0.63hc
Za＝hc+2
其中，ua指参考高度Za上的风速，z0、z0g和z0c分别是粗糙度长度、地表粗糙度长度和植被粗糙度长度，单位m；LAI是植被叶面积指数，单位m2/m2；LAImax为植被历史最大叶面积指数，单位m2/m2；cd为单个叶片的平均阻力系数，hcmax是冠层最大高度，单位m；hcmin是冠层最低高度，单位m；cd、z0、z0c的计算公式如下：
z0＝min{0.3(hc-d0)，z0g+0.3hc(cdLAI)0.25}
第三步：改进的Shuttleworth-Wallace模型模拟和验证
Shuttleworth-Wallace模型的主干公式为：
其中，蒸发潜热λ＝2.501-0.002361×T，单位为MJ/kg；T为气温，单位℃；ET代表总的蒸散发，单位mm，Cc和Cs分别为植被和土壤的蒸发权重系数，PMc和PMs分别是封闭冠层及裸土条件下，由Penman-Monteith模型计算得到的蒸散发热通量，单位W/m2；
输入第一步和第二步中计算得到的气候、土壤、植被参数和阻力参数，构建Shuttleworth-Wallace模型，计算用于校准和验证的区域蒸散发量ET，并对结果通过相关系数R、均方根误差RMSE进行验证；
步骤二、估算雨水资源的植被最大承载力
在选定的植被类型下，采用步骤一改进的Shuttleworth-Wallace模型，分别计算选定植被的LAI从0到最大值变动时相应的总蒸散发量ET，当总蒸散发量ET等于基准降水量时，对应的LAI为基于雨水资源的植被最大承载力；
步骤三、植被的固碳能力和水分利用效率估算
利用步骤二中植被最大承载力对应的蒸散发量，估算植被的固碳能力和水分利用效率；
步骤四、生态恢复规划
根据步骤二估算的雨水资源的植被最大承载力和步骤三估算的植被的固碳能力和水分利用效率，提供对应区域植被的生态恢复和植树造林的理论上限，制定生态恢复规划方案。
2.根据权利要求1所述的考虑雨水资源承载力的植被恢复规划方法，其特征在于，步骤一中，气象数据来源包括：中国气象驱动数据集，1992-2015年的降水、风速、气压、比湿、气温和辐射数据，分辨率为0.1°×0.1°；GLASS数据集，1992-2015年分辨率为0.05°×0.05°的反照率数据；NOAA全球二氧化碳浓度数据；
植被数据来源包括：MODIS数据集2001-2015年分辨率为500米的LAI数据；IGBP分类土地利用数据集；AVHRR数据集1992-2000年分辨率为0.05°的LAI数据；
土壤数据来源为：ERA5再分析数据中土壤含水量数据，分辨率为0.1°×0.1°；
模型验证数据为：用于验证蒸散发模拟结果的气象站点和通量塔数据。
3.根据权利要求1所述的考虑雨水资源承载力的植被恢复规划方法，其特征在于，步骤二中，在多年雨量数据中选择出平水年的降水量作为基准降水量。
4.根据权利要求1所述的考虑雨水资源承载力的植被恢复规划方法，其特征在于，步骤三中，植被的固碳能力和水分利用效率的表征方法如下：
其中，WUE为水分利用效率，GPP为总初级生产力，CO2为二氧化碳浓度，单位ppm；Pa为气压，单位kPa，Et为植被蒸腾，单位mm，D为饱和水汽压差，单位kPa，g1为参数，ET为总蒸散发量。
5.根据权利要求1所述的考虑雨水资源承载力的植被恢复规划方法，其特征在于，在不超过步骤二中估算的雨水资源的植被最大承载力情况下，步骤四中，若估算的植被的固碳能力和水分利用效率，大于该区域植被的固碳能力和水分利用效率的实际值，则可以继续植树造林，提高植被的固碳能力，实现生态恢复。
CN202111094890.3A 2021-09-17 2021-09-17 一种考虑雨水资源承载力的植被恢复规划方法 Active CN113780858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111094890.3A CN113780858B (zh) 2021-09-17 2021-09-17 一种考虑雨水资源承载力的植被恢复规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111094890.3A CN113780858B (zh) 2021-09-17 2021-09-17 一种考虑雨水资源承载力的植被恢复规划方法

Publications (2)

Publication Number Publication Date
CN113780858A CN113780858A (zh) 2021-12-10
CN113780858B true CN113780858B (zh) 2023-09-26

Family

ID=78851884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111094890.3A Active CN113780858B (zh) 2021-09-17 2021-09-17 一种考虑雨水资源承载力的植被恢复规划方法

Country Status (1)

Country Link
CN (1) CN113780858B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860434B (zh) * 2023-02-16 2023-05-16 四川省林业科学研究院 一种基于土壤水分资源承载力的植被恢复规划方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017106962A1 (en) * 2015-11-17 2017-06-29 Universite Laval System and method for real-time water management
CN110059362A (zh) * 2019-03-22 2019-07-26 兰州大学 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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017106962A1 (en) * 2015-11-17 2017-06-29 Universite Laval System and method for real-time water management
CN110059362A (zh) * 2019-03-22 2019-07-26 兰州大学 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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Shuttleworth-Wallace双源蒸散发模型阻力参数的确定;高冠龙;张小由;鱼腾飞;赵虹;邱燕;李玉春;;冰川冻土(01);全文 *
Shuttleworth-Wallace模型模拟陕北枣林蒸散适用性分析;卫新东;刘守阳;陈滇豫;汪有科;汪星;魏新光;;农业机械学报(03);全文 *
基于Shuttleworth-Wallace双源模型的天然杨树蒸散量日变化研究;朱仲元;朝伦巴根;王志强;高瑞忠;;水利学报(05);全文 *

Also Published As

Publication number Publication date
CN113780858A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
Hollinger et al. Carbon dioxide exchange between an undisturbed old‐growth temperate forest and the atmosphere
Dolman et al. The carbon uptake of a mid latitude pine forest growing on sandy soil
Henderson-Sellers et al. Sensitivity of global climate model simulations to increased stomatal resistance and CO 2 increases
Kiehl et al. Radiative forcing due to sulfate aerosols from simulations with the National Center for Atmospheric Research Community Climate Model, Version 3
Cholaw et al. The change of North China climate in transient simulations using the IPCC SRES A2 and B2 scenarios with a coupled atmosphere-ocean general circulation model
Baker et al. Surface ecophysiological behavior across vegetation and moisture gradients in tropical South America
Burman et al. Ecosystem-atmosphere carbon and water exchanges of subtropical evergreen and deciduous forests in India
Tolika et al. A comparison of the updated very high resolution model RegCM3_10km with the previous version RegCM3_25km over the complex terrain of Greece: present and future projections
CN113780858B (zh) 一种考虑雨水资源承载力的植被恢复规划方法
CN106885892A (zh) 对森林生态系统蒸散量拆分的方法及装置
CN115795819A (zh) 基于sebs模型和casa模型的水分利用效率模拟方法
Butler et al. Relative humidity at Armagh Observatory, 1838–2008
Findell et al. Analysis of the pathways relating soil moisture and subsequent rainfall in Illinois
Park et al. Evaluation of statistical gap fillings for continuous energy flux (evapotranspiration) measurements for two different land cover types
Grace et al. The After‐effect of Wind on the Photosynthesis and Transpiration of Festuca arundinacea
Zhou et al. The study of near-ground free convection conditions at Nam Co station on the Tibetan Plateau
CN108508156A (zh) 一种获取野外生境下植物无机碳总同化能力的方法
Mcgrath-Spangler et al. Impact of entrainment from overshooting thermals on land–atmosphere interactions during summer 1999
Rezende et al. Calibration of the maximum carboxylation velocity (Vcmax) using data mining techniques and ecophysiological data from the Brazilian semiarid region, for use in Dynamic Global Vegetation Models
Snyder et al. Phenology and evapotranspiration
CN116050188B (zh) 一种小麦花后冠层蒸散建模的方法、系统及装置
CN114943361B (zh) 一种估算缺资料地区参考作物蒸散量的方法
CN117648551A (zh) 一种基于陆气通量交换数据的高寒区实际蒸散发计算方法
Yang et al. An experiment to improve the capability of the regional climate model RegCM4. 5 to simulate the land surface climate in dense vegetation areas
Wahl et al. The Kalman Filter as Post-Processor for Analog Data–Model Assimilation in Paleoclimate Reconstruction

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
GR01 Patent grant
GR01 Patent grant