中国陆地生态系统的蒸散发量估算外文翻译资料

 2022-11-29 15:54:19

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

中国陆地生态系统的蒸散发量估算

摘要：对区域的蒸散量（ET）进行量化和环境约束条件对于理解陆地生态系统的水循环和碳循环尤其重要。然而，中国陆地生态系统的区域蒸散量的估算仍有很大的不确定性。本文利用中国及其相邻地区34个EC站点的ET的测量值来检验改进了的RS-PM模型在各种生态系统类型的作用，包括森林、草地、湿地、耕地。在改进了的RS-PM模型预报中没有出现重大的系统误差，这解释了在检验场中61%的ET变化。在空间分辨率为1010km的区域格局中的ET是用753个气象站的气象资料组、MERRA资料重新分析的结果和AVHRR叶面积指数确定的。ET从中国的东南向西北递减。在中国南方地区例如云南省、海南省、福建省和广东省的ET较高，而在西北地区例如新疆维吾尔族自治区的ET较低。平均而言，年蒸散量在1982-2009年之间呈增加趋势，1985年、1993年、1997年、2000年、2009年这几年的ET较低。我们发现年平均蒸散量比全球平均值高，在484mm/yr-521mm/yr之间，平均值为500mm/yr，约占全球总的陆面蒸散量的5.6-8.3%。

引言

地面的蒸散发，即从土壤表面蒸发和植物散发所失去的进入大气中的水的总量，是水文循环、能量循环和碳循环的主要组成部分。地球表面约60-80%的降水作为ET回到大气中，成为区域水文循环和全球水文循环中未来降水的来源。因此，ET的变化对全球水文循环和能量平衡具有很大影响。量化ET的时空模式是研究地表和大气相互作用，增强水资源和土地资源管理，测定和评估干旱，实施区域水文学应用的关键。

很多生态系统过程模型能够量化大尺度的ET的时空变化，例如SEBS模型，penman-monteith（PM）公式，基于Priestley-Taylor公式的方法，WaSSI-C模型。然而，ET的估算仍然有很大的不确定性。例如在GSWP-2中15个模型模拟比较得出，全球平均蒸散量的最小估算值为272mm/yr，比最大估算值442mm/yr少约38%。

大多数区域蒸散发研究着重于流域和区域的参考蒸散量（reference ET）、潜在蒸散量、蒸发皿蒸散量（pan ET）、实际蒸散量。Sun等用Landsat ETM 的数据和北部生态系统生产力模拟模型（Boreal Ecosystem Productivity Simulator,BEPS）研究了中国长白山自然保护区ET的空间分布。他们发现年蒸散量随海拔高度升高而较大递减，从山脚大于600mm递减至山顶的约200mm，阔叶林有最大的蒸散量，而城市和建筑区有最小的蒸散量。三江平原的区域日蒸散率的估算是基于地表能量平衡算法的。旱作物的蒸散率（428mm）和稻田的蒸散率（480mm）比湿地的蒸散率（554mm）和森林的蒸散率（659mm）少。由SEBS模型得出，2005年黄河三角洲湿地的年ET为947mm。Thomas利用1954-1993年中国65站的数据运用PM公式分析ET，结果表明中国东北地区和西南地区的ET正缓慢增加，反之，西北地区和东南地区有减少趋势。然而，由于气候资料的使用限制和研究侧重点不同，当前的研究仅着重于中国小部分地区或用中国选定的少量站点和EC站点，而且不同的生态系统模型得到量级不同和大尺度下时空分布不同的蒸散量。

RS-PM蒸散发模型是基于能量平衡、质量转移、考虑空气阻力和冠层阻力发展起来的，此模型在不同的地表覆盖和不同的气候条件下成功计算出实际ET。全球的涡度协方差测量值为校正或验证生态系统模型中的水通量的区域估算提供了很好的契机。然而，由于观测资料不足，改进了的RS-PM模型在中国并不适用。本文研究目的是（1）基于34个EC站点的观测值，评价改进了的RS-PM模型在中国及其邻近地区各种陆地生态系统的应用；（2）量化1982-2009年中国不同植被型蒸散量的时空分布。

方法与资料

改进了的RS-PM模型

RS-PM模型最早由Cleugh等人提出，他们指出了用网格气象场和PM公式估算空间分辨率为1km的8天ET的方法。Mu等人改进了Cleugh等人的地面传导模型，通过说明气孔对温度和大气湿度不饱和条件下的响应以及通过引入一个Cleugh等人没有明确考虑的单独的土壤蒸发项，来生成了一个计算全球ET的算法。然而，早期的研究证明，高温下叶片能够通过关闭气孔形成结构性缺陷，来显著降低气孔导度。因此，我们通过解释林冠层和土壤表面的气孔导度和能量分配，进一步改进方程，解决了温度约束，同时我们运用比尔-朗伯定律以指数方式分割林冠层和土壤表面的净辐射。在最新的研究中，我们校准了改进了的RS-PM模型的3个参数：VPDclose，水汽输送总的空气动力学导率；Ctot，土壤表面导率和水汽输送空气动力学导率之和；Cl，潜在气孔导度的平均值。我们用涡度通量观测塔观测到设置了各种常数参数的不同类型植被的ET，得到Ctot为0.008ms-1，Cl为0.003ms-1，VPDclose为2.79kPa。改进了的RS-PM模型是用通过6个主要地球生物群落控制的美洲网和欧洲网站点校正和验证的，这几个生物群落能分别解释了82%的校正场和68%的验证场所观测到的ET的变化量。

EC站点的数据

本文用来自中国干旱和半干旱地区的协调观察与整合研究（Coordinated Observation and Integrate Research）的18个EC站点来验证改进了的RS-PM模型，EC站点涵盖多种生态系统类型，例如草地、耕地和湿地（表1 用于验证改进了的RS-PM模型中研究站点的名称、位置、植被类型和有效年份）。为验证RS-PM模型在森林生态系统的应用，用了长白山、鼎湖山和千烟洲这三个站，同时也包含了一些亚洲网和全球通量网中中国和邻近地区的森林EC站点，因为类似的森林类型和气候在中国及其邻近地区例如俄罗斯和日本都存在。对每个观测塔而言，我们获得了用改进了的RS-PM算法得到的ET估算值，并且将其与观测值作比较。我们将每半小时的数据整合成日数据，当一天中超过20%数据缺失时，将日值定义为缺测，否则，日值乘以24小时平均小时率。这些站点的叶面积指数（LAI）是根据中分辨率成像光谱仪（MODIS）数据确定的。用于本文的MODIS ASCII码子集数据是由直接从橡树岭国家实验室分布的活动中心网站上下载的MODIS Collection 5数据生成的。1km空间分辨率的8天MODIS LAI（MOD15A2）数据是在通量站点中验证模型的基础。只有包含了观测塔的像素的LAI值才有用。每个像素内信号能被污染的质量控制标记，被屏幕检测到然后剔除低质量的LAI数据。

地区数据

对于区域ET的估计值，我们用中国753站的气温（Ta）、相对湿度（RH）和降水（Prec）资料通过薄板光顺样条插值方法得到。我们也用从MERRA得到的净辐射数据重新采样成空间分辨率为1010km的数据，MERRA资料的详细信息是从http://gmao.gsfc.nasa.gov/research/merra得到的。

基于卫星观测得到的植被属性和逐日地表气象要素我们选择了1982-2009年作为估算区域ET的研究时段。为得到1982-2009年连续的和一致的LAI数据时间序列，我们把从不同传感器获得的AVHRR LAI和MODIS LAI结合，这两组数据的分析方法Yuan等人有叙述。简而言之，1982-2000年的AVHRR LAI是基于AVHRR光谱反射数据来缓和云量、烟和其他大气气溶胶污染效应而合成的月最大值。用于本文的8日MODIS LAI资料是从2000-2009年。用线性回归的方法把两组LAI数据系列组合成单一的连续的记录。质量控制标记被屏幕检测到并剔除低质量的LAI数据。我们基于Zhao等人提出的LAI数据相当的质量评估数据域，暂时将缺测的或不可靠的LAI数据在每个1km MODIS像素中填满。如果头（或最后）8天的LAI数据是不可靠或者缺失的，他们将会被最可靠的8天值代替。

对于每个观测塔和每种算法，我们估算ET时用了2组不同的气象数据：（1）来自通量塔站点每半小时观测得到的完整的气象数据；（2）1010km分辨率的MERRA气象数据。对于每个观测塔，我们用预处理的AVHRR数据计算被植被覆盖的每个站周围1010km像素的蒸散发量，同时在所有像素内求蒸散发量的平均。这些平均值将用于比较观测塔得到的ET观测值。

统计分析

本文中三个量度指标都用于评价改进了的RS-PM模型的贡献：

  1. 决定系数R2，表示模型得到的观测值变化量。
  2. 绝对预测误差（PE），表示量化模拟值和观测值之间的不同：

PE=

式中，S和O分别为模拟值的平均值和观测值的平均值。

  1. 相对预测误差（RPE），计算如下：

RPE

此外，我们用年蒸散量的标准偏差（std）表征绝对年际变率，用变差系数（CV，标准偏差与年平均蒸散量的比值）表征相对年际变率。

结果与讨论

模型性能

在不同的生态系统类型，例如森林、耕地、草地、湿地中，通过改进了RS-PM模型根据观测到的环境变量，成功地预测了ET的大小和季节变化（图1ET8天平均预报值的变化量和模型验证场的观测值。黑色实线代表ET预报值，空心圆点代表ET观测值）在验证场用EC法测量的时间序列中得到的ET预报值和观测值具有明显的季节变化，并且吻合得好。在大部分的站点中，植物生长季节和冬天接近零度时ET很大，这是由于低温和植物生长的限制。改进了的RS-PM模型成功地预测了ET观测值的大小和季节变化，同时说明了34个验证站点61%的8天ET变化量（图2 比较从EC通量塔站点得到的ET观测值和改进了的RS-PM模型得到的预报值）。决定系数（R2）在p0.05时显著，不同于从0.32的Zhangye草地站点至0.97的MBF森林站点（表2 改进了的RS-PM模型在34个EC验证站点中得到的预报值）。这个结果表明RS-PM模型在中国大多数生物群落和地理区域中是稳健的和可靠的。然而在一些站点中，ET的预报值和观测值仍存在较大的差别。例如Changwu、RU-Fyo、SKT、TKY和KBU预报的ET值比观测值高，RPE值从32%-78%变动（表2）。在其他的EC站点，当PRE值少于20%时，改进了的RS-PM是一个很好的预报器。

ET计算过程中的一些潜在的不确定性与卫星数据、气象再分析数据和EC通量测量的相应不确定性有关。改进了的RS-PM模型中，EC站点用MODIS LAI产品，区域估算值用AVHRR LAI产品，它们都是直接从互联网上下载的。我们没有试图提高LAI数据的质量，因此卫星资料的任何噪声或误差都会转化到ET的模拟。同时，在每个EC站点，我们用分辨率为1km的全球8天MODIS LAI获得LAI记录。观测塔的测量足迹比覆盖的网格单元的分辨率小。在这些站点中，来自卫星的LAI数据可能不能捕捉次网格规模的植被信号，尤其是在地势复杂或者土地覆盖不均匀的地区，因此，一些观测塔站点的模型误差可能使观测塔足迹条件下的LAI错误表示。

区域的或全球的ET估算值的准确度也受气象资料组的影响。我们把分辨率为1010km的MERRA资料组用于改进了的RS-PM模型。然而，现在的气象再分析资料组的准确度表明时空上有显著的差别。由特定观测塔的气象资料驱使的模型说明了34个验证站点64%年平均ET变化量，并且这个模型的预报量没有系统误差（图3a）。相反，用MERRA数据显著降低了模型的性能，模型只说明了57%的ET的变化量（图3b）。

系统误差除了与EC法和遥感技术有关外，模型中可能产生的误差和包含能量问题的数据也可能在EC站点中引起ET估算值的误差。使EC站点终止的能量不完全平衡的普遍现象使我们低估显热和潜热通量以致于低估了20%的ET。在能量平衡测量中有10%的绝对误差是由不完全封闭问题通过EC法引起的。

ET的空间格局

改进了的RS-PM模型在分辨率为1010km ，1982-2009年中国陆地生态系统中应用。ET从东南至西北递减表明其有较大的区域和纬度差异（图4a）。根据各种生态系统类型，我们估算1982-2009年的年平均ET为500mmyr-1。在中国西北和东北的干旱和半干旱地区，年蒸散量很少，然而在南方地区，年蒸散量很多。

从国家领土的观点出发，海南省、台湾省、云南省、广东省、福建省和贵州省的ET很大，值为667mmyr-1-854mmyr-1（图5a）。上述这些地方的气温和湿度都满足植被蒸散发，但例如甘肃省、青海省、宁夏、新疆、内蒙古的气温或降水就是ET的限制因素。尽管地势对蒸散率的影响是明显的，因为主要的山区和干旱和半干旱地区的ET值较小，但是西藏的年蒸散量（345mmyr-1）是比得上中国的东

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25707]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章