CN114186425A - 一种冠层导度与气象变量相关性评估方法及系统 - Google Patents
一种冠层导度与气象变量相关性评估方法及系统 Download PDFInfo
- Publication number
- CN114186425A CN114186425A CN202111526401.7A CN202111526401A CN114186425A CN 114186425 A CN114186425 A CN 114186425A CN 202111526401 A CN202111526401 A CN 202111526401A CN 114186425 A CN114186425 A CN 114186425A
- Authority
- CN
- China
- Prior art keywords
- canopy
- sub
- period
- conductance
- meteorological
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims description 4
- 238000011160 research Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 62
- 230000005068 transpiration Effects 0.000 claims description 33
- 238000001556 precipitation Methods 0.000 claims description 31
- 230000005855 radiation Effects 0.000 claims description 29
- 230000002596 correlated effect Effects 0.000 claims description 9
- 238000003973 irrigation Methods 0.000 abstract description 18
- 230000002262 irrigation Effects 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 15
- 241000196324 Embryophyta Species 0.000 description 24
- 230000004044 response Effects 0.000 description 14
- 239000002689 soil Substances 0.000 description 13
- 238000001704 evaporation Methods 0.000 description 9
- 230000008020 evaporation Effects 0.000 description 9
- 230000004907 flux Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 240000008042 Zea mays Species 0.000 description 5
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 230000012010 growth Effects 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 4
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 235000005822 corn Nutrition 0.000 description 4
- 239000011148 porous material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 241001057636 Dracaena deremensis Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000243 photosynthetic effect Effects 0.000 description 2
- 230000037039 plant physiology Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 1
- 101001116926 Homo sapiens Protocadherin alpha-7 Proteins 0.000 description 1
- 101000894525 Homo sapiens Transforming growth factor-beta-induced protein ig-h3 Proteins 0.000 description 1
- 102100024275 Protocadherin alpha-7 Human genes 0.000 description 1
- 102100021398 Transforming growth factor-beta-induced protein ig-h3 Human genes 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000003920 environmental process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 235000009973 maize Nutrition 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
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
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Human Resources & Organizations (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种冠层导度与气象变量相关性评估方法及系统，方法包括将研究时段划分为多个子时段，并确定每一个子时段内研究作物的冠层导度；获取每一个子时段的多个气象变量信息，每个气象变量信息均与冠层导度有滞回关系；根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，得到两者之间的相关性结果。本发明的方法可以明确获知冠层导度与气象变量的关系，从而可以根据冠层导度得知其对气象变量产生的影响，以便快速准确的得出该采用何种灌溉方式才能达到最佳的灌溉效果及最低的气象环境影响率。
Description
技术领域
本发明公开了一种冠层导度与气象变量相关性评估方法及系统，属于农业种植技术领域。
背景技术
农田生态系统是指人类在以作物为中心的农田中，利用生物和非生物环境之间以及生物种群之间的相互关系，通过合理的生态结构和高效生态机能，进行能量转化和物质循环，并按人类社会需要进行物质生产的综合体。它是农业生态系统中的一个主要亚系统，是一种被人类驯化了的生态系统。
农田生态系统的环境组分包括自然环境组分和人工环境组分两部分。自然环境组分是从自然生态系统中继承下来的部分，但都不同程度地受到人类的调节与控制，如作物群体内的温度、光照、土壤的理化特性等。人工环境组分主要指对农田生态系统的各种社会资源的投入，如施肥、灌溉、防治病虫害、设施栽培等。
冠层导度(canopy conductance)，作为植物生态系统气孔交换的整体指标，是进行下垫面物质和能量交换模拟时使用的重要参数，其对环境变化比较敏感。在对农田进行灌溉时，需要考虑到农作物的冠层导度，以避免灌溉对农作物及环境产生负面影响。而现有技术中，并不能明确冠层导度与气象变量的相关关系，致使难以根据冠层导度分析出其对气象的影响程度。
发明内容
本申请的目的在于，提供一种冠层导度与气象变量相关性评估方法及系统，以解决现有技术中不能明确冠层导度与气象变量的相关关系，致使难以根据冠层导度分析出其对气象的影响程度的技术问题。
本发明的第一方面提供了一种冠层导度与气象变量相关性评估方法，包括：
将研究时段划分为多个子时段，并确定每一个子时段内研究作物的冠层导度；
获取每一个子时段的多个气象变量信息，每个所述气象变量信息均与所述冠层导度有滞回关系；
根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，得到两者之间的相关性结果。
优选地，确定每一个子时段内研究作物的冠层导度，具体包括：
获取每一个子时段研究作物所处环境的气温和水汽压差以及研究作物单位叶面积的冠层蒸腾；
根据所述气温、水汽压差和单位叶面积的冠层蒸腾，确定每一个子时段内研究作物的冠层导度。
优选地，根据所述气温、水汽压差和单位叶面积的冠层蒸腾，确定每一个子时段内研究作物的冠层导度，具体包括：
根据第一公式确定每一个子时段内研究作物的冠层导度，所述第一公式为：
式中，Gc为所述研究作物的冠层导度，El为所述研究作物单位叶面积的冠层蒸腾，VPD为所述研究作物所处环境的水汽压差；其中：
KG＝0.4226T+115.8
T为所述研究作物所处环境的气温。
优选地，所述研究作物单位叶面积的冠层蒸腾根据第二公式确定，所述第二公式为：
式中，Et为冠层蒸腾，LAI为叶面积指数。
优选地，所述气象变量信息包括水气压差信息、全球辐射信息和气温信息。
优选地，根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，具体包括：
当子时段内气象变量信息与冠层导度正相关时，冠层导度与气象变量之间的拟合关系如第三公式，所述第三公式为：
Gc＝a·VPD+b·R+c·T+d
当子时段内气象变量信息与冠层导度负相关时，冠层导度与气象变量之间的拟合关系如第四公式，所述第四公式为：
Gc＝a·ln(VPD)+b·R+c·T+d
式中，Gc为冠层导度，a,b,c,d为拟合系数，VPD为研究作物所处环境的水汽压差，R为全球辐射，T为研究作物所处环境的气温。
优选地，在根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，得到两者之间的相关性结果之后，还包括：
获取每个子时段的干湿状态，确定每个子时段内干湿状态与拟合关系的匹配程度。
优选地，获取每个子时段的干湿状态，具体包括：
获取每个子时段所属月份的降水强度及当年的平均月降水强度；
根据子时段所属月份的降水强度及当年的平均月降水强度，确定每个子时段的干湿状态。
优选地，根据子时段所属月份的降水强度及当年的平均月降水强度，确定每个子时段的干湿状态，具体包括：
根据第五公式获取每个子时段的干湿状态，所述第五公式为：
I＝Rm-Ry
式中，I为子时段的降水强度指数，Rm为子时段所属月份的降水强度，Ry为当年的平均月降水强度；
当I≥0时，则所述子时段的干湿状态为湿态；
当I＜0时，则所述子时段的干湿状态为干态。
本发明的第二方面提供了一种冠层导度与气象变量相关性评估系统，包括：
冠层导度确定模块，所述冠层导度确定模块用于将研究时段划分为多个子时段，并确定每一个子时段内研究作物的冠层导度；
信息获取模块，所述信息获取模块用于获取每一个子时段的多个气象变量信息，每个所述气象变量信息均与所述冠层导度有滞回关系；
关系确定模块，所述关系确定模块用于根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，得到两者之间的相关性结果。
本发明的冠层导度与气象变量相关性评估方法及系统，相较于现有技术，具有如下有益效果：
本发明的方法可以明确获知冠层导度与气象变量的关系，从而可以根据冠层导度得知其对气象变量产生的影响，以便快速准确的得出该采用何种灌溉方式才能达到最佳的灌溉效果及最低的气象环境影响率。
附图说明
图1为本发明提供的冠层导度与气象变量相关性评估方法的流程图；
图2为本发明实施例中研究区地理位置示意图；
图3为本发明实施例中2015年7月份和8月份冠层导度与多个气象变量信息之间的散点图；
图4为本发明实施例中2016年7月份和8月份冠层导度与多个气象变量信息之间的散点图；
图5为本发明提供的冠层导度与气象变量相关性评估系统的结构示意图。
图中101为冠层导度确定模块；102为信息获取模块；103为关系确定模块。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
如图1所示，本发明实施例的冠层导度与气象变量相关性评估方法包括：
步骤1、确定研究时间范围，将研究时间范围内的研究时段划分为多个子时段，并确定每一个子时段内研究作物的冠层导度。
其中，研究时间范围可以为一年、一个月、一旬或者一天等，研究时段为研究时间范围内的某一个时段。
示例性地，研究时间范围为某一年的7月份和8月份，研究时段为一天中的7:00-21:00。根据日照强度，将研究时段划分为多个子时段，每个子时段内的时间间隔可相等也可不等。具体地，可将研究时段划分为三个子时段，包括7:00-11:00的第一子时段、11:00-17:00的第二子时段和17:00-21:00的第三子时段。
本实施例中获取每一个子时段研究作物的冠层导度，具体包括：
获取每一个子时段研究作物所处环境的气温和水汽压差以及研究作物单位叶面积的冠层蒸腾；
根据气温、水汽压差和单位叶面积的冠层蒸腾，确定每一个子时段研究作物的冠层导度，具体为：
根据公式(1)确定每一个时段研究作物的冠层导度：
式中，Gc为研究作物的冠层导度，El为研究作物单位叶面积的冠层蒸腾，VPD为研究作物所处环境的水汽压差；其中KG根据公式(2)确定：
KG＝0.4226T+115.8 (2)
式中，T为研究作物所处环境的气温。
上述参数中的单位叶面积的冠层蒸腾El如公式(3)：
式中，Et为冠层蒸腾，LAI为叶面积指数。
步骤2、获取每一个子时段的多个气象变量信息，每个气象变量信息均与研究作物的冠层导度有滞回关系。
本发明实施例中，所采用气象变量包括水汽压差、全球辐射和气温。上述三个气象变量均与研究作物的冠层导度有滞回关系，即冠层导度当前时刻的变化会影响到下一时刻的上述三个变量的数值。
相应的，获取每一个子时段的多个气象变量信息，具体为：
获取每一个子时段的水汽压差信息、全球辐射信息和气温信息。
步骤3、根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，得到两者之间的相关性结果，具体包括：
当子时段内气象变量信息与冠层导度正相关时，冠层导度与多个气象变量之间的拟合关系如公式(4)：
Gc＝a·VPD+b·R+c·T+d (4)
当子时段内气象变量信息与冠层导度负相关时，冠层导度与多个气象变量的拟合关系如公式(5)：
Gc＝a·ln(VPD)+b·R+c·T+d (5)
式中，Gc为冠层导度，a,b,c,d为拟合系数，VPD为研究作物所处环境的水汽压差，R为子时段的全球辐射，T为研究作物所处环境的气温。
利用上述拟合关系式，可以得到准确的相关性结果，从而得到冠层导度对气象变量的影响程度。
为进一步提高所确定结果的准确性，本发明实施例还包括：
步骤4、获取每个子时段的干湿状态，确定每个子时段内干湿状态与拟合关系的匹配程度。
其中，获取每个子时段的干湿状态，具体包括：
获取每个子时段所属月份的降水强度及当年的平均月降水强度；
根据子时段所属月份的降水强度及当年的平均月降水强度，确定每个子时段的干湿状态，具体包括：
根据公式(6)确定每个子时段的干湿状态：
I＝Rm-Ry (6)
式中，I为每个子时段的降水强度指数，Rm为子时段所属月份的降水强度，Ry为当年的平均月降水强度；
当I≥0时，则子时段的干湿状态为湿态；
当I＜0时，则子时段的干湿状态为干态。
本发明实施例中，确定每个子时段内干湿状态与拟合关系的匹配程度。具体地，匹配程度越高，表面本发明的拟合关系在相应的干湿状态下拟合效果更好，所得相关性的精度更高。
示例性地，当拟合关系在湿状态下，所得相关性结果更佳时，表明拟合关系与湿状态的匹配程度高，则后续研究中，首先判断所研究的子时段是否为湿状态，如为湿状态，则可以预知此时所得的相关性精度较高，参考其数值时，无需过分考虑误差的问题。当研究的子时段为干状态时，则可以预知此时所得的相关性的精度相较于湿状态有所降低，参考其数值时，需要考虑误差的问题，以免影响最终的灌溉分析结果。
灌溉可以对局地气候产生影响，与此同时气候变化也会通过影响水资源量的时空分配，改变作物耗水过程，影响作物需水量，对农田灌溉产生反馈作用。可见灌溉会带来冠层导度与气候变量之间的相互影响。灌溉时，需要根据冠层导度与气候变量之间的相关性，从而确定灌溉方式、灌溉量、灌溉时间等，以期在达到最佳灌溉效果的同时，降低灌溉对气象环境的影响率。
下面将以具体的实施例详述本发明的方法。
1.1研究区概况
本实施例研究了2015-2016年不同干湿状态下，夏玉米生长期的冠层导度和气象变量的日间相关性及响应关系。研究区位于陕西省典型盐碱化农田带(109°22′E，34°48′N)，是卤泊滩乃至整个关中都具有代表性的灌区，海拔为378～379m，地下水埋深在2m左右，属于地下水浅埋地区。农田面积约为101m×105m，田间土质均匀、种植结构单一。该区属于半干旱大陆性气候，年平均气温为13.4℃，年平均降水量为484mm，降雨多集中在7到9月份，其他月份较为干旱。根据富平县1978～2010年的蒸发量资料得到，33a来蒸发量年平均值为1797.1mm。光热资源丰富，基本上满足小麦、玉米等作物的生长需求。研究区地理位置如图2所示。
1.2测定项目及数据来源
以富平站生态系统监测站通量塔为测量仪器，通量塔搭载植物要素观测系统、常规气象观测系统和冠层水分-能量-碳通量观测系统。
利用植物要素观测系统可观测植物生长状态和叶片光合-蒸腾特性。对作物的参数(主要不同时期植株高度)进行定期的观测(测定时间为每日7:00-21:00、每30分钟测定一次)。随机选取10株均匀分布的典型玉米植株作为代表性植株，每株典型玉米植株共选取3株功能叶片(上、中、下)。测量位置在叶片的中心，并且在测量过程中保持叶片垂直于太阳光线。然后取平均值作为观测值。在夏玉米不同生育期，利用LI-6400XT便携式光合-蒸腾作用测定系统(LI-COR，Lincoln，NE，USA)，可为不同生长期测定单张叶片的光合速率、蒸腾速率等生理要素和响应的环境要素。
常规气象观测仪器包括大气压记(Druck-CS115)、空气温湿度传感器(HMP45C，CSI，美国)、净辐射仪(CNR4，Kipp&Zonen公司，荷兰)、光合有效辐射传感器(LI190SB，LI-COR，美国)、日照时数传感器(CSD3，Kipp&Zonen公司，荷兰)、红外表面温度传感器(SI-111，Apogee公司，美国)、雨量筒和风速仪(05103，Young Co.，美国)。可测定出空气温/湿度、净辐射、光合光量子通量密度、(直接辐射强度大于120W/㎡)日照时数、冠层温度、降雨、风速/风向等数据。
冠层水分-能量-通量观测系统主要是涡度相关系统(EC)。该系统选用目前国际最新型观测仪器和设备，由三维超声风速仪(CSAT3，Campbell Sei.，美国)和快速响应的红外开路CO2/H2O气体分析仪(Ll-7500，LI-COR，美国)组成，安装高度为距冠层上方7.5m处。监测三维风速、温度、空气中水汽含量和CO2浓度的平均值和瞬时脉动值。湍流信号通过高速数据采集器(DATALOGGER，CR3000，Campbell Sci.,USA)进行数据采集和存贮，采样频率为10Hz，每30min的数据取平均以便分析。采集到的数据经下载传输到室内计算机分析软件中(LoggerNet4.1)，通过EddyPro4.2.1软件进行计算、检验、校正、存贮等预处理，最终获得显热通量、潜热通量和CO2通量，以及动量通量和摩擦风速等结果。
本实施例选用2015年7、8月份和2016年7、8月份观测的玉米冠层蒸散发量即冠层蒸腾(Et)、光合有效辐射(PAR)、温度(T)和湿度数据。
1.3干湿状态的划分
我国陕西省关中地区干湿月分明，降水主要集中在夏季初期。干湿状态的划分是根据月降水强度指数确定的：
I＝Rm-Ry
其中，I为每个子时段的降水强度指数，也即月降水强度，Rm表示的是子时段所属研究月的降水强度，Ry表示的是研究当年的平均月降水强度。如果I＞0，说明该月实际降水强度大于年平均月降水强度，则该月偏湿，其内的各个子时段的干湿状态与之相同；反之，I＜0，说明该月实际降水强度小于年平均月降水强度，则该月偏干。本实施例所研究的时间段为2015年7月、8月和2016年7月、8月的干湿状态。
1.4冠层导度建模
本实施例中，冠层导度(Gc，mm/s)计算时，不考虑在全球辐射R<0和气压D<0.5kpa情况下所得到的数据和降雨周期。这主要是因为当R，D和Sap流接近于零时，Gc计算的相对误差会增大。
本实施例根据通量塔测量出的冠层蒸腾Et和气象资料得到：
其中，λ(T)为水蒸发潜热(J/kg)；El为单位叶面积的冠层蒸腾(g/m2·s)；LAI为叶面积指数；Et为冠层蒸腾(g/m2·s)；γ(T)为温度计常数(kPa/K)；ρ(T)为空气密度(kg/m3)；Cp为空气比热(J/kg·K)；P为大气压(kPa)；ε为水蒸气分子量与干燥空气分子量的比，其值为0.662；VPD为水汽压差(kPa)；RH为相对湿度(％)；E为饱和水汽压(kPa)。
公式(7)中λ(T)、γ(T)、ρ(T)、Cp可以建立关于自变量T的数学参数KG：
KG＝0.4226T+115.8 (12)
综合上述公式(7)～(12)最终得到冠层导度模型：
1.5冠层导度与气变量响应关系建模
本实施例根据水汽压差VPD(kPa)、全球辐射R(W/m2)、气温T(K)以及对应时段的Gc变化，建立2015年及2016年的冠层导度与水汽压差、全球辐射和气温响应关系的模型。本实施例将白天分为三个研究时间段：第一子时段(7:00-11:00)，第二子时段(11:00-17:00)以及第三子时段(17:00-21:00)作为响应关系建模时段。
对第一子时段和第三子时段冠层导度与主要气象因子的变化规律，采用线性模型，其中a,b,c和d为拟合参数:
Gc＝a·VPD+b·R+c·T+d (14)
对第二子时段冠层导度与主要气象因子的变化规律，首先对水汽压差VPD进行转换，然后再搭建线性模型。其中a,b和c为拟合参数：
Gc＝a·ln(VPD)+b·R+c·T+d (15)
为了验证以上模型的模拟效果，本发明中选用相关系数r2为验证指标，评估冠层导度的变化情况及拟合模型的适用性。
2.1冠层导度与气象变量的相关性
通过整理2015年和2016年各个月份降水量，并采用降水强度系数法计算得知，2015年7月(I＝-11.08)和2016年8月(I＝-8.53)为干态月份，2015年8月(I＝14.12)和2016年7月(I＝25.07)为湿态月份。
2015年Gc和主要气象变量之间的关系如图3所示。Gc和VPD、R、T之间存在滞回关系，并且各个因素与Gc均呈现顺时针方向追踪。从图3中可以看出，在第一子时段(7:00–11:00)和第三子时段(17:00–21:00)，Gc与三个变量(VPD，R和T)为正相关关系。在第二子时段(11:00–17:00)，Gc与三个变量(VPD，R和T)为负相关关系。
图4为2016年Gc和主要气象变量之间的关系。Gc和各个因素之间同样也存在滞回关系，并且VPD，R和T与Gc同样为顺时针方向追踪。从图中可以看出，2016年各个阶段Gc与三个变量(VPD，R和T)的正负关系与2015年相同。值的注意的是，干湿状态下，Gc与三个变量(VPD，R和T)之间的滞回关系存在差别。
从图3和图4可以获知，干湿两种状态下，Gc与VPD存在明显的滞回曲线，但是曲线形状不同。在干态下，Gc与VPD的散点分布比较集中和紧密，因此曲线更偏向于“短宽型”，但是在湿态下，散点分布比较分散和稀疏，曲线更偏向于“高窄型”。上述现象同样存在于Gc与T的滞回曲线。但是在Gc与R的关系中，湿态下的图像过于散乱，以至于滞回曲线不明显，干态下的滞回曲线相对明显一些，呈“短型”。可见，无论干湿状态下，Gc与三个变量(VPD，R和T)均存在滞回关系。
2.2冠层导度与气象变量响应关系模型验证
冠层导度与气象变量的关系参数及其相关系数如表1所示，表1为白天不同时段冠层导度(Gc)与水汽压差(VPD)、全球辐射(R)和气温(T)之间的单因素回归，r2为相关系数。根据回归公式结果，不同阶段时，主要影响因子不同。在第一子时段和第三子时段，冠层导度Gc主要受全球辐射R影响，但是在第二子时段，Gc主要受水汽压差VPD影响。在第一子时段，干态下Gc随着R、VPD和T的增加而增加。湿态时，出现了Gc随着VPD的增加而减小的情况。在第二子时段，干态和湿态下Gc与全球辐射R为正相关关系，与水汽压差VPD和气温T为负相关关系。在第三子时段，干态和湿态下Gc与全球辐射R、水汽压差VPD和气温T为正相关关系。
表1单因素回归
根据冠层导度Gc与单个因素的回归分析结果，对正午阶段的边界层导度与影响因素建立Jarvis模型。参数拟合结果如表2所示。表2为白天不同时段冠层导度(Gc)与水汽压差(VPD)、全球辐射(R)和气温(T)之间的简单线性和对数模型参数拟合值，r2为相关系数。从表2可知，干态和湿态的计算结果存在差别。虽然阶段不同，参数a均为负值，但是与湿态相比，干态时参数a的绝对值较小，这种现象在2015年和2016年都存在。三种阶段下，参数b都是正数，湿态时的b值相对较大，2015年第一子时段除外。第一子时段时c值全部为正数，而且干态时的数值小于湿态时的数值；第三子时段时c值全部为负数，干态时绝对值c小于湿态时的绝对值c。第二子时段和第三子时段时d均为正数，且干态时数值较小。
第一子时段时，2015年干湿态下的r2分别为0.3360和0.6140，2016年干湿态下的r2依次为0.4630和0.5160，湿态下拟合效果更好。在三个阶段中，第二子时段的拟合效果较好，r2均在0.440以上，其中2015年干湿态下r2的数值分别为0.4410和0.5760，2016年干湿态下r2的数值分别为0.5000和0.4950。经过对比，第二子时段湿态下的拟合效果更好。第三子时段时2015年干湿态拟合结果的r2分别为0.4920和0.4280，2016年r2分别为0.5170和0.4550。对比分析，第三子时段干态下的拟合效果较好。各模型分析值如表2所示。
表2参数拟合值
3.1冠层导度与气象变量的相关性
冠层导度是水汽压差、全球辐射、温度、叶水势和环境CO2浓度的函数。因此，当我们针对这些变量中的任何一个进行绘制时，都会出现散点图结果。Gc对其影响因素变量的不同响应形成了三个时间段的滞后回线。分别分析不同白天时段Gc与影响因素变量之间的关系可能是合适的。这将有助于提高我们对环境变化与植物生理之间关系的理解。
但是在我们的研究中，干湿两种情况下的滞回曲线存在差别。
Gc是植物系统的外源和内源因素共同作用的结果。Gc的滞后模式可能是由储藏室和环境驱动因素之间的滞后引起的。滞后关系可以直接转化为Gc估计值。为了节约植物中储存的水分，植物暂时降低或关闭气孔的开放程度，以减少蒸腾作用。作为一种自我保护机制，气孔孔径变窄的时间早于气象变量的下降，这可能是Gc与气象变量之间存在滞后回线的原因。
在稳态蒸腾条件下，叶片的水分损失与根部吸收的水分相同，土壤与叶片之间存在电势差。当蒸腾作用更高时，电位差将更大。与流动通道相邻的细胞的水势倾向于通过水从细胞中移出而与通道中的水势平衡，这时会造成水亏缺。干态和湿态下，下垫面情况发生变化，土壤含水量也发生改变。在这种情况下，土壤水压会导致叶片的蒸腾作用和根部对水分的吸收情况不再保持一致。湿态下，冠层相对湿度大，降低了叶片气孔内外的水汽压梯度，水汽压亏缺的数值很低，植物蒸腾驱动力不足。当土壤含水量高、光合有效辐射小和水汽压亏缺低时，冠层与空气之间的水势梯度小，植物没有受到水分胁迫和高温胁迫，因此气孔对植物的调控作用小，冠层导度大。当土壤含水量低，植物受到干旱胁迫后通过关闭气孔或者减少气孔密度来减缓植物体内水分散失。光合有效辐射和水汽压亏缺大，植被受到干旱胁迫冠层生长缓慢，导致冠层导度小。此外，非蒸腾下的导度的变化，例如土壤蒸发和植物冠层截留蒸发，也可能是造成干湿态滞回曲线不同的原因。
3.2冠层导度与气象变量响应关系模型
在我们的研究中，Gc对控制气象变量的响应在不同的白天时段显著不同。冠层气孔导度的启动时间与太阳辐射较为一致，上午随着太阳辐射强度的增加。中午之后，太阳辐射虽然维持较高的驱动力，但随着饱和水汽压亏缺加剧，温度升高，气孔导度降低以调节冠层蒸腾避免组织失水。傍晚前，饱和水汽压亏缺和温度开始回落，冠层气孔导度虽有小幅回升，但随着太阳辐射强度的迅速降低而下降。表3与表2相同，但为所有干燥条件和潮湿条件的数据。
表3干湿状态下冠层导度模型的拟合结果
由表3可知，三个阶段下的参数a均为负数，但是湿态下a的绝对值更大。参数b在三个阶段的数值均为正数，但是干态下b的数值更小。第一子时段时c值均为正数，湿态下它的数值更大。第二子时段和第三子时段时c均为负数，但是第二子时段是湿态下c的绝对值更大，第三子时段反之。而且第二子时段和第三子时段时参数d均为正值，但湿态下的d值更大。从模型效果来看，对于第一子时段和第二子时段，湿态下拟合效果更好；第三子时段时，干态下拟合效果更优。
第一期回归方程的斜率高于第三期，说明上午Gc比下午Gc对环境因素更敏感。这可能是由于下午水力阻力比上午高。此外，局地湍流条件的变化可能是原因之一，特别是当清晨和傍晚大气分层的局地稳定性发生变化时。
除第三个时期的T外，所有时期的回归方程在潮湿条件下的斜率均高于干燥条件下的VPD、R和T因子。使用涡流数据量化Gc受到植物蒸腾和表面蒸发分配困难的限制。在干湿条件下，植物的蒸腾作用和地表蒸发量相差很大，最终造成驱动因子坡度的差异。土壤含水量对冠层导度有显著的调控作用。土壤含水量是限制植物茎流速率和生态系统生产的主要因素且两者均通过气孔调控植物水势。当土壤含水量较低，植物从土壤中吸收水分的难度增加，因而遭受水分胁迫。植物为了减少过多的水分散失，避免叶片水势低于其最低阈值，引起蒸腾张力过高。植物会减少叶片开度通过将胁迫信号传递给叶片的方式，从而提高水分利用效率，有效平衡水分和光热资源。植物冠层蒸腾、植物冠层截留蒸发和土壤蒸发都会受到干湿态的影响，这种影响在下垫面和边界层中都存在。另外，干湿态下的能量平衡和太阳辐射是否相同，或者他们具体的不同之处，值得我们进一步研究。
4结论
在冠层导度的研究过程中，本发明结合降水强度对干湿态程度的影响，研究了2015-2016年7、8月，夏玉米生长期的冠层导度和气象变量的日间相关性及响应关系。结果表明：
(1)Gc与气象变量之间的关系呈现滞后关系。干态下，Gc-VPD、Gc-T的散点分布比较集中和紧密，滞回曲线偏向于“短宽型”，但在湿态下，散点分布比较分散和稀疏，偏向于“高窄型”。
(2)Gc在第一子时段(7:00–11:00)和第三子时段(17:00–21:00)主要受全球辐射(R)的影响，在第二子时段(11:00-17：00)则是主要受水汽压差(VPD)的影响。另外，使用线性模型模拟三个时期的Gc，发现Gc在三个阶段对水汽压差(VPD)、全球辐射(R)和气温(T)变化的反应不尽相同。正反应主要第一子时段(7:00–11:00)和第三子时段(17:00–21:00)，而对第二子时段(11:00-17：00)则呈负反应。
本研究强调了干湿条件下Gc与气象变量关系的相关性及响应关系，为研究气相色谱与环境因素之间的反应机理提供可靠依据。这些结果将有助于建立更准确的响应模型，提高我们目前对农田生态系统植物生理和环境过程之间关系的了解，并且对提高该地区农业灌溉、水资源合理配置等提供有用的信息。
本发明的第二方面提供了一种冠层导度与气象变量相关性评估系统，包括：
时段划分模块，时段划分模块用于将研究时间范围内的研究时段划分为多个子时段；
第一获取模块，第一获取模块用于获取研究时间范围内每一个子时段研究作物的冠层导度；
第二获取模块，第二获取模块用于获取每一个子时段的多个气象变量信息，每个气象变量信息均与研究作物的冠层导度有滞回关系；
关系确定模块，关系确定模块用于根据每一个子时段的冠层导度和气象变量信息，构建两者之间的拟合关系，得到冠层导度与气象变量的相关性结果。
本发明充分考虑了每一个时段内的冠层导度与气象变量信息的相关性关系，其确定过程简单、所确定的相关性关系准确度较高。
以上所述，仅是本申请的几个实施例，并非对本申请做任何形式的限制，虽然本申请以较佳实施例揭示如上，然而并非用以限制本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案的范围内，利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例，均属于技术方案范围内。
Claims (10)
1.一种冠层导度与气象变量相关性评估方法，其特征在于，包括：
将研究时段划分为多个子时段，并确定每一个子时段内研究作物的冠层导度；
获取每一个子时段的多个气象变量信息，每个所述气象变量信息均与所述冠层导度有滞回关系；
根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，得到两者之间的相关性结果。
2.根据权利要求1所述的方法，其特征在于，确定每一个子时段内研究作物的冠层导度，具体包括：
获取每一个子时段研究作物所处环境的气温和水汽压差以及研究作物单位叶面积的冠层蒸腾；
根据所述气温、水汽压差和单位叶面积的冠层蒸腾，确定每一个子时段内研究作物的冠层导度。
3.根据权利要求2所述的方法，其特征在于，根据所述气温、水汽压差和单位叶面积的冠层蒸腾，确定每一个子时段内研究作物的冠层导度，具体包括：
根据第一公式确定每一个子时段内研究作物的冠层导度，所述第一公式为：
式中，Gc为所述研究作物的冠层导度，El为所述研究作物单位叶面积的冠层蒸腾，VPD为所述研究作物所处环境的水汽压差；其中：
KG＝0.4226T+115.8
T为所述研究作物所处环境的气温。
4.根据权利要求3所述的方法，其特征在于，所述研究作物单位叶面积的冠层蒸腾根据第二公式确定，所述第二公式为：
式中，Et为冠层蒸腾，LAI为叶面积指数。
5.根据权利要求1所述的方法，其特征在于，所述气象变量信息包括水气压差信息、全球辐射信息和气温信息。
6.根据权利要求1所述的方法，其特征在于，根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，具体包括：
当子时段内气象变量信息与冠层导度正相关时，冠层导度与气象变量之间的拟合关系如第三公式，所述第三公式为：
Gc＝a·VPD+b·R+c·T+d
当子时段内气象变量信息与冠层导度负相关时，冠层导度与气象变量之间的拟合关系如第四公式，所述第四公式为：
Gc＝a·ln(VPD)+b·R+c·T+d
式中，Gc为冠层导度，a,b,c,d为拟合系数，VPD为研究作物所处环境的水汽压差，R为全球辐射，T为研究作物所处环境的气温。
7.根据权利要求1-6任一项所述的方法，其特征在于，在根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，得到两者之间的相关性结果之后，还包括：
获取每个子时段的干湿状态，确定每个子时段内干湿状态与拟合关系的匹配程度。
8.根据权利要求7所述的方法，其特征在于，获取每个子时段的干湿状态，具体包括：
获取每个子时段所属月份的降水强度及当年的平均月降水强度；
根据子时段所属月份的降水强度及当年的平均月降水强度，确定每个子时段的干湿状态。
9.根据权利要求8所述的方法，其特征在于，根据子时段所属月份的降水强度及当年的平均月降水强度，确定每个子时段的干湿状态，具体包括：
根据第五公式获取每个子时段的干湿状态，所述第五公式为：
I＝Rm-Ry
式中，I为子时段的降水强度指数，Rm为子时段所属月份的降水强度，Ry为当年的平均月降水强度；
当I≥0时，则所述子时段的干湿状态为湿态；
当I＜0时，则所述子时段的干湿状态为干态。
10.一种冠层导度与气象变量相关性评估系统，其特征在于，包括：
冠层导度确定模块，所述冠层导度确定模块用于将研究时段划分为多个子时段，并确定每一个子时段内研究作物的冠层导度；
信息获取模块，所述信息获取模块用于获取每一个子时段的多个气象变量信息，每个所述气象变量信息均与所述冠层导度有滞回关系；
关系确定模块，所述关系确定模块用于根据每一个子时段的冠层导度和气象变量信息，构建冠层导度和气象变量之间的拟合关系，得到两者之间的相关性结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111526401.7A CN114186425A (zh) | 2021-12-14 | 2021-12-14 | 一种冠层导度与气象变量相关性评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111526401.7A CN114186425A (zh) | 2021-12-14 | 2021-12-14 | 一种冠层导度与气象变量相关性评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114186425A true CN114186425A (zh) | 2022-03-15 |
Family
ID=80604957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111526401.7A Pending CN114186425A (zh) | 2021-12-14 | 2021-12-14 | 一种冠层导度与气象变量相关性评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114186425A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115545519A (zh) * | 2022-10-20 | 2022-12-30 | 中国水利水电科学研究院 | 一种面向不同水土环境下作物蒸腾升尺度测量和评估方法 |
-
2021
- 2021-12-14 CN CN202111526401.7A patent/CN114186425A/zh active Pending
Non-Patent Citations (5)
| Title |
|---|
| 刘建立等: "乔木蒸腾耗水的影响因素及研究进展", 《世界林业研究》 * |
| 熊伟: "《六盘山北侧主要造林树种耗水特性研究》", 《中国博士学位论文全文数据库 (农业科技辑)》 * |
| 米娜等: "玉米农田蒸散过程及其对气候变化的响应模拟", 《生态学报》 * |
| 罗紫东等: "桂花树冠层气孔导度模型的优化及其参数分析", 《生态学报》 * |
| 谢玉斌等: "《冠层导度与微气象变量之间的关系研究》", 《2019中国水资源高效利用与节水技术论坛论文集》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115545519A (zh) * | 2022-10-20 | 2022-12-30 | 中国水利水电科学研究院 | 一种面向不同水土环境下作物蒸腾升尺度测量和评估方法 |
| CN115545519B (zh) * | 2022-10-20 | 2023-06-02 | 中国水利水电科学研究院 | 一种面向不同水土环境下作物蒸腾升尺度测量和评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Evapotranspiration partitioning and water productivity of rainfed maize under contrasting mulching conditions in Northwest China | |
| Hammerle et al. | Leaf area controls on energy partitioning of a temperate mountain grassland | |
| Jacobs et al. | Stomatal behaviour and photosynthetic rate of unstressed grapevines in semi-arid conditions | |
| Liu et al. | Environmental controls on seasonal ecosystem evapotranspiration/potential evapotranspiration ratio as determined by the global eddy flux measurements | |
| Hollinger et al. | Forest–atmosphere carbon dioxide exchange in eastern Siberia | |
| Paço et al. | The dual crop coefficient approach using a density factor to simulate the evapotranspiration of a peach orchard: SIMDualKc model versus eddy covariance measurements | |
| Irmak et al. | On the scaling up leaf stomatal resistance to canopy resistance using photosynthetic photon flux density | |
| Markkanen et al. | Eddy covariance fluxes over a boreal Scots pine forest | |
| CN103308665B (zh) | 一种城市绿地植物-土壤水分传输分析的方法及装置 | |
| López-Olivari et al. | Partitioning of net radiation and evapotranspiration over a superintensive drip-irrigated olive orchard | |
| Villalobos et al. | Evaporation and canopy conductance of citrus orchards | |
| Zhang et al. | Estimation of cucumber evapotranspiration in solar greenhouse in Northeast China | |
| Bai et al. | Modelling diurnal and seasonal hysteresis phenomena of canopy conductance in an oasis forest ecosystem | |
| Zhu et al. | Ozone concentrations, flux and potential effect on yield during wheat growth in the Northwest-Shandong Plain of China | |
| Pirkner et al. | Penman-Monteith approaches for estimating crop evapotranspiration in screenhouses—A case study with table-grape | |
| Poblete-Echeverría et al. | Estimation of actual evapotranspiration for a drip-irrigated Merlot vineyard using a three-source model | |
| Gerosa et al. | Stomatal conductance modeling to estimate the evapotranspiration of natural and agricultural ecosystems | |
| Sperling et al. | A model for computing date palm water requirements as affected by salinity | |
| Gao et al. | Non-rainfall water contributions to dryland jujube plantation evapotranspiration in the Hilly Loess Region of China | |
| Zhang et al. | Measurement of evapotranspiration in a winter wheat field | |
| Liu et al. | Comparison of evapotranspiration measurements between eddy covariance and lysimeters in paddy fields under alternate wetting and drying irrigation | |
| Irmak et al. | On the dynamics of evaporative losses from Penman-Monteith with fixed and variable canopy resistance during partial and complete maize canopy | |
| Cola et al. | BerryTone—a simulation model for the daily course of grape berry temperature | |
| Yan et al. | Effects of microclimatic factors on stomatal conductance of plants in vertical greenery systems in humid subtropical areas | |
| Herbst et al. | Seasonal and interannual variability of canopy transpiration of a hedgerow in southern England |
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: 20220315 |