CN115795819A - 基于sebs模型和casa模型的水分利用效率模拟方法 - Google Patents
基于sebs模型和casa模型的水分利用效率模拟方法 Download PDFInfo
- Publication number
- CN115795819A CN115795819A CN202211409294.4A CN202211409294A CN115795819A CN 115795819 A CN115795819 A CN 115795819A CN 202211409294 A CN202211409294 A CN 202211409294A CN 115795819 A CN115795819 A CN 115795819A
- Authority
- CN
- China
- Prior art keywords
- model
- vegetation
- formula
- sebs
- casa
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004088 simulation Methods 0.000 title claims abstract description 27
- 229920001935 styrene-ethylene-butadiene-styrene Polymers 0.000 title claims abstract description 14
- 239000002689 soil Substances 0.000 claims abstract description 20
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 230000004907 flux Effects 0.000 claims description 35
- 230000005855 radiation Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 11
- 229910052799 carbon Inorganic materials 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 5
- 229920006395 saturated elastomer Polymers 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009834 vaporization Methods 0.000 claims description 3
- 230000008016 vaporization Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 5
- 241000196324 Embryophyta Species 0.000 description 12
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- VUZPPFZMUPKLLV-UHFFFAOYSA-N methane;hydrate Chemical compound C.O VUZPPFZMUPKLLV-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013468 resource allocation Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 150000001720 carbohydrates Chemical class 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000009919 sequestration Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- CAULGCQHVOVVRN-UHFFFAOYSA-N (3Z,9E)-Germacra-3,7(11),9-trien-6-on Natural products CC(C)=C1CC=C(C)CCC=C(C)CC1=O CAULGCQHVOVVRN-UHFFFAOYSA-N 0.000 description 1
- CAULGCQHVOVVRN-SWZPTJTJSA-N (E,E)-germacrone Chemical compound CC(C)=C1C\C=C(C)\CC\C=C(C)\CC1=O CAULGCQHVOVVRN-SWZPTJTJSA-N 0.000 description 1
- ZVSZHMFUICOVPY-UHFFFAOYSA-N Germacrone Natural products CC(=C)C1CC=C(/C)CCC=C(/C)CC1=O ZVSZHMFUICOVPY-UHFFFAOYSA-N 0.000 description 1
- 241001122767 Theaceae Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Landscapes
- Cultivation Of Plants (AREA)
Abstract
本发明公开了基于SEBS模型和CASA模型的植被水分利用效率模拟方法，该方法包括以下步骤：S1、采用SEBS模型模拟植被蒸散发量；S2、采用CASA模型估算植被净初级生产力；S3、估算植被水分利用效率并分析其空间分布特征和时间变化趋势。通过采用SEBS模型模拟植被蒸散发量，结合CASA模型模拟不同植被的净初级生产力，综合考虑气候、土壤、地形、人类活动等多方面因素，估算了植被水分利用效率，可以对气候变化和人类活动对植被的影响程度进行分析，为监测区域生态保护状况提供技术支撑。
Description
技术领域
本发明涉及地理信息技术领域，尤其涉及基于SEBS模型和CASA模型的水分利用效率模拟方法。
背景技术
在2060年碳中和目标背景下，以大气中温室气体浓度增加为主要特征的“碳问题”和以水资源短缺为主要特征的“水问题”引发了研究者们对于陆地生态系统碳、水耦合机制探索的热潮。而水分利用效率正是评价植被碳水耦合关系的重要变量，同时也可反映植被对于全球气候变化和人类活动的响应。
随着全球气候变化和人类活动的加剧，许多区域发生了冰川退缩、植被严重退化、水源涵养功能减弱、水土保持能力下降等现象，这些不仅影响区域生态系统稳定，还制约着周边地区社会经济的可持续发展。为了更精准、更有效地针对环境破坏严重区域进行生态恢复以及评价现有保护措施的合理性，准确估算和预测水分利用效率，将成为相关部门制定水资源配置方案和区域生态恢复的重要理论依据。
生态系统水分利用效率(Water Use Efficiency，WUE)是指整个生态系统消耗单位质量水分所生产的干物质数量，然而，水分利用效率在不同空间尺度上计算方法也存在差异：(1)叶片尺度上，植物叶片上的气孔作为水汽和CO2的主要交换通道，控制着植物水消耗与固碳间的平衡关系。自然条件下植物通过气孔导度的调节来实现最大程度的固碳，同时由于叶片的蒸腾作用消耗了大量的水，植物水分缺失对气孔导度起到反馈的作用，反向限制植物碳的固定。这种反馈机制构成了植物碳固存和水消耗之间的平衡关系，进而影响植物叶片的水分利用效率。(2)冠层尺度上，基于涡度相关(Eddy covariance,EC)技术观测研究碳、水耦合关系实现了植被-大气之间能、物交换的精确测定。研究者通过测定CO2和H2O的浓度与风速垂直变化的相关性确定植被冠层与大气界面的CO2和H2O交换通量，来获得冠层尺度上的水分利用效率。(3)区域尺度上，碳、水耦合关系主要体现在净初级生产力、蒸散发等碳水过程之间的相互作用。随着遥感技术和全球通量观测网络的发展，以及基于碳、水耦合机理的陆面物理过程模型、地球化学过程模型和生物过程模型等方法的应用，研究人员可以更加准确、快捷的获取区域和全球大尺度的碳水耦合特征；在区域尺度上，学者们广泛采用植被净初级生产力(Net primary productivity,NPP)与蒸散发(ET)的比值来进行估算。NPP作为陆地碳循环的重要组成部分，不仅能有效的量化陆地生态系统的生产能力，还能作为衡量生态平衡的重要指标以及评估固碳能力和植被生长状况的关键要素。对于植被NPP的估算，传统的估算方法主要包括站点观测和模型估算两种：站点观测法精度高但因其适用区域较小难以进行大范围使用；模型估算法主要是结合计算机技术，运用气象和遥感数据，建立起NPP估算模型，例如CASA、MIAMI等模型，其中CASA(Carnegie-Ames-StanfordApproach)模型具有模型参数较少、数据获取便捷、计算结果可靠性高等优势，受到众多研究者的青睐。对于实际蒸散量的测算，传统的方法有波文比-能量平衡法、蒸散仪法、涡度相关仪法等，但是这些传统方法由于在获取数据时均存在时间连续性差，范围有限等问题，不能及时有效的进行大区域、长时间范围内的数据分析。近年来随着遥感技术以及与其配套的模型方法不断发展，为解决上述问题提供了方法如陆面地表能量平衡算法(SurfaceEnergy Balance Algorithm for Land，SEBAL)、地表能量平衡系统(Surface EnergyBalance System，SEBS)等。SEBAL模型具有精度高、适用性广等特点，适用于长时间序列、大尺度区域的地表蒸散量计算，SEBS模型是在SEBAL模型基础上提出的遥感蒸散单层模型，具有较高的精度以及更好的实用价值。
然而，在前人研究植被水分利用效率的过程中，研究者们或仅考虑小尺度小范围区域的植被水分利用效率研究，或未使用大范围高精度的模型进行计算，未能快速准确获取所需区域植被生长受到人类活动以及气候变化影响现状，因此需要找到精准快速计算大区域植被水分利用效率的方法，以便为相关部门制定区域水资源配置方案和植被生态恢复提出高效可行的方案。
发明内容
针对相关技术中的问题，本发明提出基于SEBS模型和CASA模型的水分利用效率模拟方法，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：该方法包括以下步骤：
S1、采用SEBS模型模拟植被蒸散发量；
S2、采用CASA模型估算植被净初级生产力；
S3、估算植被水分利用效率并分析其空间分布特征和时间变化趋势。
进一步的，所述SEBS模型模拟植被蒸散发量，包括以下步骤：
S11、采集原始数据，通过对遥感数据的分析获取地表参数(如反照率、地表温度)，并将参数输入到SEBS模型中；
S12、利用所述SEBS模型模拟植被蒸散发量；
S13、对模型模拟结果进行精度检验与评估。
进一步的，所述采集原始数据，通过对遥感原始数据的分析获取地表参数(如反照率、地表温度)，并将参数输入到SEBS模型中，包括以下步骤：
S111、选取多组MODIS遥感监测数据作为原始数据；
S112、对原始数据进行处理，利用反照率＝0.160*r1+0.291*r2+0.243*r3+0.116*r4+0.112*r5+0.018*r7-0.0015公式计算地表反照率(r1-7为MODIS数据可见光波段定标/校正后的值)；利用LST＝btm2+(1.97+0.2W)*(btm2-btm1)-(0.26-0.08*W)*sqrt(btm2-btm1)+(0.02-0.67*W)+(64.5-7.35*W)*(1-e)-(119-20.4*W)*de公式计算地表温度数据等地表参数，其中LST-地表温度，btm1和btm2代表MODIS31、32的亮度温度，W-水汽含量，e-地表比辐射率，de-地表比辐射率差异/方差。
进一步的，利用所述SEBS模型模拟植被蒸散发量，包括以下步骤：
S121、土壤热通量计算
土壤热通量(G0)计算公式如下：
G0＝Rn[Γc+(1-fc)(Γs-Γc)]
其中：Rn为地表净辐射通量(w/m2)；Γc和Γs为经验值，Γc为植被在完全覆盖的情况的取值(0.315)，Γs为裸土条件下的值(0.05)。
S122、冠层覆盖率计算
fc是由遥感数据计算的冠层覆盖率，可以通过以下公式导出：
其中：NDVImax和NDVImin分别代表全植被覆盖(fc＝1)和裸地(fc＝0)情况下的NDVI。
显热通量(H)的计算公式如下：
式中：ρ为空气密度(kg/m3)；Cp为比热容[J/(kg·k)]；ra为空气动力学阻抗(s/m)；ΔT为温度差(K)。
S123、地表净辐射通量计算
Rn＝G0+H+λE
式中：Rn为地表净辐射通量(w/m2)，G0为土壤热通量(w/m2)，H为感热通量(w/m2)，λE为潜热通量(w/m2，其中λ＝2.49×106为水的汽化热(J/kg)，E为蒸散量[kg/(m2·s)])。
地表净辐射通量(Rn)计算公式如下：
其中：∝为地表反照率，Rswd和Rlwd分别是是向下的短波和长波太阳辐射，∈为地表发射率，σ是斯蒂芬-玻尔兹曼(Stefan-Boltzmann)常数(5.67×10-8W·m-2·K-4)，T0是地表温度(K)。
进一步的，所述对模型模拟结果进行精度检验与评估，包括以下步骤：
S131、基于地面气象数据，利用联合国粮农组织(FAO)推荐的Penman-Monteith公式计算得到参考作物蒸散量(ET0)，结合植被蒸散系数用于对模拟的实际蒸散数据(ET)进行验证,计算公式如下：
式中：ET0为参考作物蒸散量(mm·d-1)；Δ为饱和水气压曲线斜率(kPa·℃-1)；Rn为地表净辐射(MJ·m-2·d-1)；G为土壤热通量(MJ·m-2·d-1)；γ为干湿表常数(kPa·℃-1)；T为日平均气温(℃)；u2为2m高处风速(m·s-1)；es为饱和水气压(kPa)；ea为实际水气压(kPa)。
ET＝ET0×Kc
其中：Kc代表植被蒸散系数
进一步的，所述CASA模型估算植被净初级生产力，包括以下步骤：
S21、本研究基于CASA模型进行NPP的估算，CASA(Carnegie Ames StanfordApproach)是以Monteith方程为理论基础建立起来的，该模型以植被、气象和土壤等数据为驱动因子来进行植被净初级生产力的估算，估算公式如下：
NPP(n,m)＝APAR(n,m)×ε(n,m)
式中，APAR(n,m)表示在空间位置n在m月内吸收的光合有效辐射(gC·m-2·month-1),ε(n,m)表示像元n在m月内的实际光能利用率(gC·MJ-1)。
上式中，植被吸收的APAR(n,m)和把植被吸收的APAR转化成有机碳效率的ε(n,m)的计算公式如式所示：
APAR(n,m)＝SOL(n,m)×FPAR(n,m)×0.5
ε(n,m)＝Tε1(n,m)×Tε2(n,m)×Wεl(n,m)×εmax
式中，SOL(n,m)表示m月在像元n处的太阳总辐射量(gC·m-2·month-1),FPAR(n,m)为入射光合有效辐射的吸收比例，土地利用类型和覆盖范围决定吸收比例。常数0.5表示植被所能利用的太阳辐射占太阳总辐射的比例。
式中，Tε1(n,m)和Tε2(n,m)分别表示低温或高温对光能利用效率的胁迫效用；Wεl(n,m)表示水分的胁迫影响系数，反映水分条件的影响；εmax表示理想条件下的最大光能利用率(gC·MJ-1)。
本发明的有益效果为：通过采用SEBS模型模拟植被蒸散发量，采用CASA模型模拟植被净初级生产力，综合考虑气候、植被、地形、太阳辐射等多方面因素，结合两种模型估算了植被水分利用效率，可以快速准确获取所需区域植被生长受到人类活动以及气候变化影响现状，以便为相关部门制定区域水资源配置方案和植被生态恢复提供高效可行的技术支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的基于SEBS模型和CASA模型的水分利用效率模拟方法的流程图；
图2是根据本发明实施例的基于SEBS模型和CASA模型的水分利用效率模拟方法的总体技术路线图；
图3是根据本发明实施例的基于SEBS模型和CASA模型的水分利用效率模拟方法中SEBS模型结构图；
图4是根据本发明实施例的基于SEBS模型和CASA模型的水分利用效率模拟方法中CASA模型结构图；
图5是根据本发明实施例的基于SEBS模型和CASA模型的水分利用效率模拟方法中水分利用效率空间分布图；
图6-图7是根据本发明实施例的基于SEBS模型和CASA模型的水分利用效率模拟方法的相关性验证示意图。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例，提供了基于SEBS模型和CASA模型的水分利用效率模拟方法。
现结合附图和具体实施方式对本发明进一步说明，如图1-6所示，根据本发明的一个实施例，提供了基于SEBS模型和CASA模型的水分利用效率模拟方法，该方法包括以下步骤：
S1、采用SEBS模型模拟植被蒸散发量，包括以下步骤：
S11、采集原始数据，通过对遥感数据的分析获取地表参数(如反照率、地表温度)，并将参数输入到SEBS模型中；
S111、选取多组MODIS遥感监测数据作为原始数据；
S112、对原始数据进行处理，利用反照率＝0.160*r1+0.291*r2+0.243*r3+0.116*r4+0.112*r5+0.018*r7-0.0015公式计算地表反照率(r1-7为MODIS数据可见光波段定标/校正后的值)；利用LST＝btm2+(1.97+0.2W)*(btm2-btm1)-(0.26-0.08*W)*sqrt(btm2-btm1)+(0.02-0.67*W)+(64.5-7.35*W)*(1-e)-(119-20.4*W)*de公式计算地表温度数据等地表参数，其中LST-地表温度，btm1和btm2代表MODIS31、32的亮度温度，W-水汽含量，e-地表比辐射率，de-地表比辐射率差异/方差。
本发明使用2000-2020年气象数据、遥感数据、DEM数据以及5期土地利用数据等，运用SEBS模型分别估算了研究区的实际蒸散发量(ET).
S12、利用所述SEBS模型模拟植被蒸散发量；
S121、土壤热通量计算
土壤热通量(G0)计算公式如下：
G0＝Rn[Γc+(1-fc)(Γs-Γc)]
其中：Rn为地表净辐射通量(w/m2)；Γc和Γs为经验值，Γc为植被在完全覆盖的情况的取值(0.315)，Γs为裸土条件下的值(0.05)。
S122、冠层覆盖率计算
fc是由遥感数据计算的冠层覆盖率，可以通过以下公式导出：
其中：NDVImax和NDVImin分别代表全植被覆盖(fc＝1)和裸地(fc＝0)情况下的NDVI。
显热通量(H)的计算公式如下：
式中：ρ为空气密度(kg/m3)；Cp为比热容[J/(kg·k)]；ra为空气动力学阻抗(s/m)；ΔT为温度差(K)。
S123、地表净辐射通量计算
Rn＝G0+H+λE
式中：Rn为地表净辐射通量(w/m2)，G0为土壤热通量(w/m2)，H为感热通量(w/m2)，λE为潜热通量(w/m2，其中λ＝2.49×106为水的汽化热(J/kg)，E为蒸散量[kg/(m2·s)])。
地表净辐射通量(Rn)计算公式如下：
其中：∝为地表反照率，Rswd和Rlwd分别是是向下的短波和长波太阳辐射，∈为地表发射率，σ是斯蒂芬-玻尔兹曼(Stefan-Boltzmann)常数(5.67×10-8W·m-2·K-4)，T0是地表温度(K)。
S13、对模型模拟结果进行精度检验与评估。
S131、基于地面气象数据，利用联合国粮农组织(FAO)推荐的Penman-Monteith公式计算得到参考作物蒸散量(ET0)，结合植被蒸散系数用于对模拟的实际蒸散数据(ET)进行验证,计算公式如下：
式中：ET0为参考作物蒸散量(mm·d-1)；Δ为饱和水气压曲线斜率(kPa·℃-1)；Rn为地表净辐射(MJ·m-2·d-1)；G为土壤热通量(MJ·m-2·d-1)；γ为干湿表常数(kPa·℃-1)；T为日平均气温(℃)；u2为2m高处风速(m·s-1)；es为饱和水气压(kPa)；ea为实际水气压(kPa)。
ET＝ET0×Kc
其中：Kc代表植被蒸散系数
S2、采用CASA模型估算植被净初级生产力；
S21、本研究基于CASA模型进行NPP的估算，CASA(Carnegie Ames StanfordApproach)是以Monteith方程为理论基础建立起来的，该模型以植被、气象和土壤等数据为驱动因子来进行植被净初级生产力的估算，估算公式如下：
NPP(n,m)＝APAR(n,m)×ε(n,m)
式中，APAR(n,m)表示在空间位置n在m月内吸收的光合有效辐射(gC·m-2·month-1),ε(n,m)表示像元n在m月内的实际光能利用率(gC·MJ-1)。
上式中，植被吸收的APAR(n,m)和把植被吸收的APAR转化成有机碳效率的ε(n,m)的计算公式如式所示：
APAR(n,m)＝SOL(n,m)×FPAR(n,m)×0.5
ε(n,m)＝Tε1(n,m)×Tε2(n,m)×Wεl(n,m)×εmax
式中，SOL(n,m)表示m月在像元n处的太阳总辐射量(gC·m-2·month-1),FPAR(n,m)为入射光合有效辐射的吸收比例，土地利用类型和覆盖范围决定吸收比例。常数0.5表
示植被所能利用的太阳辐射占太阳总辐射的比例。
式中，Tε1(n,m)和Tε2(n,m)分别表示低温或高温对光能利用效率的胁迫效用；Wεl(n,m)表示水分的胁迫影响系数，反映水分条件的影响；εmax表示理想条件下的最大光能利用率(gC·MJ-1)。
本发明使用CASA模型估算植被净初级生产力，首先根据温度(月均温)、降水(降水量)和太阳辐射等数据进行空间插值，然后结合遥感数据，采用CASA模型运用Monteith方程理论来计算植被净初级生产力，如图4所示。
S3、估算植被水分利用效率并分析其空间分布特征和时间变化趋势。
本发明估算了2000-2020年植被水分利用效率。以祁连山地区为研究对象，统计祁连山地区2000-2020年植被水分利用效率。从估算结果来看，本文选取研究区内10个气象站(敦煌站、张掖站、酒泉站、祁连站、茶卡站、冷湖站、格尔木站、玉门镇站、都兰站、民勤站)的气象观测资料，利用FAO Penman-Monteith(P-M)公式计算得到各站点5～9月的日参考作物蒸散量ET0，结合生长季作物系数所得作物实际蒸散量对ET模拟值进行验证，验证结果的R2大于0.7，表明SEBS模型模拟的ET值与P-M方法结合作物系数的计算值具有良好的相关关系，且均方根误差为0.71mm·d-1，相对误差分别为8.3％和7.1％，表明模拟值接近实际情况，模拟结果可信；为验证CASA模型模拟祁连山地区NPP结果的可信度，本研究利用祁连山区净初级生产力实测数据，对CASA模型模拟的NPP结果进行精度验证。由图4-图7可知，净初级生产力实测值与NPP模拟值之间的相关性较为显著(R2＝0.9247，P<0.01)，说明CASA模型模拟的NPP结果在祁连山地区的可信度较高。
综上所述，借助于本发明的上述技术方案，通过采用SEBS模型模拟植被蒸散发量，采用CASA模型模拟植被净初级生产力，综合考虑气候、植被、地形、太阳辐射等多方面因素，结合两种模型估算了植被水分利用效率，可以快速准确获取所需区域植被生长受到人类活动以及气候变化影响现状，以便为相关部门制定区域水资源配置方案和植被生态恢复提供高效可行的技术支持。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于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，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.基于SEBS模型和CASA模型的植被水分利用效率模拟方法，其特征在于，该方法包括以下步骤：
S1、采用SEBS模型模拟植被蒸散发量；
S2、采用CASA模型估算植被净初级生产力；
S3、估算植被水分利用效率并分析其空间分布特征和时间变化趋势。
2.根据权利要求1所述的基于SEBS模型和CASA模型的水分利用效率模拟方法，其特征在于，所述步骤S1，包括以下步骤：
S11、采集原始数据，通过对遥感数据的分析获取地表参数，并将参数输入到SEBS模型中；
S12、利用所述SEBS模型模拟植被蒸散发量；
S13、对模型模拟结果进行精度检验与评估。
3.根据权利要求2所述的基于SEBS模型和CASA模型的水分利用效率模拟方法，其特征在于，所述步骤S11，包括以下步骤：
S111、选取多组MODIS遥感监测数据作为原始数据；
S112、对原始数据进行处理，利用反照率公式计算地表反照率；利用LST＝btm2+(1.97+0.2W)*(btm2-btm1)-(0.26-0.08*W)*sqrt(btm2-btm1)+(0.02-0.67*W)+(64.5-7.35*W)*(1-e)-(119-20.4*W)*de公式计算地表温度数据的地表参数；其中LST-地表温度，btm1和btm2代表MODIS31、32的亮度温度，W-水汽含量，e-地表比辐射率，de-地表比辐射率差异/方差。
4.根据权利要求2所述的基于SEBS模型和CASA模型的水分利用效率模拟方法，其特征在于，利用所述步骤S12，包括以下步骤：
S121、土壤热通量计算
土壤热通量(G0)计算公式如下：
G0＝Rn[Γc+(1-fc)(Γs-Γc)]
其中：Rn为地表净辐射通量(w/m2)；Γc和Γs为经验值，Γc为植被在完全覆盖的情况的取值(0.315)，Γs为裸土条件下的值(0.05)。
S122、冠层覆盖率计算
fc是由遥感数据计算的冠层覆盖率：
其中：NDVImax和NDVImin分别代表全植被覆盖(fc＝1)和裸地(fc＝0)情况下的NDVI。
显热通量(H)的计算公式如下：
式中：ρ为空气密度(kg/m3)；Cp为比热容[J/(kg·k)]；ra为空气动力学阻抗(s/m)；ΔT为温度差(K)。
S123、地表净辐射通量计算：
Rn＝G0+H+λE
式中：Rn为地表净辐射通量(w/m2)，G0为土壤热通量(w/m2)，H为感热通量(w/m2)，λE为潜热通量(w/m2，其中λ＝2.49×106为水的汽化热(J/kg)，E为蒸散量[kg/(m2·s)])。
地表净辐射通量(Rn)计算公式如下：
其中：∝为地表反照率，Rswd和Rlwd分别是是向下的短波和长波太阳辐射，∈为地表发射率，σ是斯蒂芬-玻尔兹曼(Stefan-Boltzmann)常数(5.67×10-8W·m-2·K-4)，T0是地表温度(K)。
5.根据权利要求2所述的基于SEBS模型和CASA模型的水分利用效率模拟方法，其特征在于，所述步骤S13，包括以下步骤：
S131、基于地面气象数据，利用Penman-Monteith公式计算得到参考作物蒸散量(ET0)，结合植被蒸散系数用于对模拟的实际蒸散数据(ET)进行验证,计算公式如下：
式中：ET0为参考作物蒸散量(mm·d-1)；Δ为饱和水气压曲线斜率(kPa·℃-1)；Rn为地表净辐射(MJ·m-2·d-1)；G为土壤热通量(MJ·m-2·d-1)；γ为干湿表常数(kPa·℃-1)；T为日平均气温(℃)；u2为2m高处风速(m·s-1)；es为饱和水气压(kPa)；ea为实际水气压(kPa)。
ET＝ET0×Kc
其中：Kc代表植被蒸散系数。
6.根据权利要求1所述的基于SEBS模型和CASA模型的水分利用效率模拟方法，其特征在于，采用所述步骤S2，包括以下步骤：
S21、基于CASA模型进行NPP的估算，CASA模型以Monteith方程为理论基础建立起来，该模型以植被、气象和土壤的数据为驱动因子来进行植被净初级生产力的估算，估算公式如下：
NPP(n,m)＝APAR(n,m)×ε(n,m)
式中，APAR(n，m)表示在空间位置n在m月内吸收的光合有效辐射(gC·m-2·month-1)，ε(n，m)表示像元n在m月内的实际光能利用率(gC·MJ-1)。
上式中，植被吸收的APAR(n，m)和把植被吸收的APAR转化成有机碳效率的ε(n，m)的计算公式如式所示：
APAR(n，m)＝SOL(n，m)×FPAR(n，m)×0.5
ε(n，m)＝Tε1(n，m)×Tε2(n，m)×Wεl(n，m)×εmax
式中，SOL(n，m)表示m月在像元n处的太阳总辐射量(gC·m-2·month-1)，FPAR(n，m)为入射光合有效辐射的吸收比例，土地利用类型和覆盖范围决定吸收比例。常数0.5表示植被所能利用的太阳辐射占太阳总辐射的比例。
式中，Tε1(n，m)和Tε2(n，m)分别表示低温或高温对光能利用效率的胁迫效用；Wεl(n，m)表示水分的胁迫影响系数，反映水分条件的影响；εmax表示理想条件下的最大光能利用率(gC·MJ-1)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211409294.4A CN115795819A (zh) | 2022-11-11 | 2022-11-11 | 基于sebs模型和casa模型的水分利用效率模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211409294.4A CN115795819A (zh) | 2022-11-11 | 2022-11-11 | 基于sebs模型和casa模型的水分利用效率模拟方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115795819A true CN115795819A (zh) | 2023-03-14 |
Family
ID=85436812
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211409294.4A Pending CN115795819A (zh) | 2022-11-11 | 2022-11-11 | 基于sebs模型和casa模型的水分利用效率模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115795819A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116227246A (zh) * | 2023-05-09 | 2023-06-06 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种植被总初级生产力遥感产品的地形校正方法 |
| CN117131313A (zh) * | 2023-10-23 | 2023-11-28 | 沈阳仪表科学研究院有限公司 | 一种中药材土壤墒情参数计算方法、计算机设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106446564A (zh) * | 2016-09-29 | 2017-02-22 | 华南农业大学 | 一种植被净初级生产力遥感估算方法 |
| 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 |
| AU2021101693A4 (en) * | 2020-11-19 | 2021-05-20 | Huazhong University Of Science And Technology | Method for determining water use efficiency of vegetation layer and evapotranspiration water-gross primary production-water use efficiency measuring device |
| CN114912247A (zh) * | 2022-03-31 | 2022-08-16 | 中国科学院地理科学与资源研究所 | 一种考虑植被用水机理的流域实际蒸散估算方法 |
-
2022
- 2022-11-11 CN CN202211409294.4A patent/CN115795819A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106446564A (zh) * | 2016-09-29 | 2017-02-22 | 华南农业大学 | 一种植被净初级生产力遥感估算方法 |
| 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 |
| AU2021101693A4 (en) * | 2020-11-19 | 2021-05-20 | Huazhong University Of Science And Technology | Method for determining water use efficiency of vegetation layer and evapotranspiration water-gross primary production-water use efficiency measuring device |
| CN114912247A (zh) * | 2022-03-31 | 2022-08-16 | 中国科学院地理科学与资源研究所 | 一种考虑植被用水机理的流域实际蒸散估算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 曾攀儒: "植被水分利用效率时空变化及影响因素分析——以河西绿洲植被为例", 《中国优秀硕士学位论文全文数据库_基础科学辑》, pages 006 - 785 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116227246A (zh) * | 2023-05-09 | 2023-06-06 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种植被总初级生产力遥感产品的地形校正方法 |
| CN116227246B (zh) * | 2023-05-09 | 2023-08-11 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种植被总初级生产力遥感产品的地形校正方法 |
| CN117131313A (zh) * | 2023-10-23 | 2023-11-28 | 沈阳仪表科学研究院有限公司 | 一种中药材土壤墒情参数计算方法、计算机设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bao et al. | Modeling net primary productivity of terrestrial ecosystems in the semi-arid climate of the Mongolian Plateau using LSWI-based CASA ecosystem model | |
| Zhang et al. | Satellite based analysis of northern ET trends and associated changes in the regional water balance from 1983 to 2005 | |
| Li et al. | Estimation of gross primary production over the terrestrial ecosystems in China | |
| Xie et al. | Ten-year variability in ecosystem water use efficiency in an oak-dominated temperate forest under a warming climate | |
| Jang et al. | Mapping evapotranspiration using MODIS and MM5 four-dimensional data assimilation | |
| Timouk et al. | Response of surface energy balance to water regime and vegetation development in a Sahelian landscape | |
| CN115795819A (zh) | 基于sebs模型和casa模型的水分利用效率模拟方法 | |
| Chang et al. | A modified MOD16 algorithm to estimate evapotranspiration over alpine meadow on the Tibetan Plateau, China | |
| Wang et al. | Long-term relative decline in evapotranspiration with increasing runoff on fractional land surfaces | |
| Liu et al. | Effects of drought and climate factors on vegetation dynamics in Central Asia from 1982 to 2020 | |
| Yang et al. | Impacts of diffuse radiation fraction on light use efficiency and gross primary production of winter wheat in the North China Plain | |
| CN105912836A (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
| Lin et al. | Seasonal fluctuations of photosynthetic parameters for light use efficiency models and the impacts on gross primary production estimation | |
| Zhang et al. | Agriculture development-induced surface albedo changes and climatic implications across northeastern China | |
| Yao et al. | Differences in estimating terrestrial water flux from three satellite-based Priestley-Taylor algorithms | |
| Hou et al. | The seasonal response of vegetation water use efficiency to temperature and precipitation in the Loess Plateau, China | |
| Tao et al. | Spatial patterns of terrestrial net ecosystem productivity in China during 1981–2000 | |
| Yao et al. | Satellite detection of water stress effects on terrestrial latent heat flux with MODIS shortwave infrared reflectance data | |
| Mao et al. | Simulation and evaluation of terrestrial ecosystem NPP with M-SDGVM over continental China | |
| Yu et al. | Bias‐corrections on aridity index simulations of climate models by observational constraints | |
| Yao et al. | A novel NIR–red spectral domain evapotranspiration model from the Chinese GF-1 satellite: Application to the Huailai agricultural region of China | |
| Chen et al. | Development of a three-source remote sensing model for estimation of urban evapotranspiration | |
| Wang et al. | Monitoring the effects of land use and cover changes on net primary production: A case study in China's Yongding River basin | |
| Zou et al. | Coupling of a regional climate model with a crop development model and evaluation of the coupled model across China | |
| Duan et al. | A benchmark dataset of diurnal-and seasonal-scale radiation, heat and CO 2 fluxes in a typical East Asian monsoon region |
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 |