基于改进SW模型的千烟洲人工林蒸散组分拆分及其特征

沈　竞, 张　弥,* , 肖　薇 , 温学发 , 刘寿东 , 李旭辉

1 南京信息工程大学大气环境中心, 南京　210044 2 中国科学院地理科学与资源研究所, 北京　100101



基于改进SW模型的千烟洲人工林蒸散组分拆分及其特征

沈竞1, 张弥1,*, 肖薇1, 温学发2, 刘寿东1, 李旭辉1

1 南京信息工程大学大气环境中心, 南京210044 2 中国科学院地理科学与资源研究所, 北京100101

摘要:蒸散组分拆分是准确评估陆地生态系统生产力以及估算水分利用效率的重要基础。利用改进后的Shuttleworth-Wallace模型，将蒸散拆分为植被蒸腾、土壤蒸发和冠层截留蒸发，并采用Monte Carlo随机参数化方案对模型参数进行优化。将模型与千烟洲亚热带人工针叶林站点的 2011年涡度相关及小气候观测资料结合，对千烟洲人工林蒸散及其组分进行模拟。研究结果表明：半小时尺度上蒸散量模拟值与实测值的一致性在晴天和雨天都较高。半小时尺度上全年蒸散模拟值与实测值的决定系数、均方根误差和平均偏差为0.73、1.55 mmol m-2s-1和0.21 mmol m-2s-1。蒸散是该生态系统水分输出的最主要贡献项，占全年降水的80%。在蒸散中，植被蒸腾约占总蒸散量的85%，可推测2011年千烟洲人工林生态系统有较高的水分利用效率。该生态系统的蒸腾量季节变化明显，主要受饱和水汽压差和气温两种环境因素以及植被的叶面积指数影响且与三者均呈正相关；土壤蒸发约占总蒸散量的5%，季节变化平缓；模拟的冠层截留蒸发量约占总蒸散量的10%，季节变化大，与降水量呈正相关，与暴雨频次呈负相关，说明冠层无法有效截留强降水。该模型参数较少、时间分辨率高且可以有效模拟蒸散及其组分特征，是陆地生态系统水分循环过程研究有力的模型工具。

关键词：蒸散拆分；土壤蒸发；植被蒸腾；冠层截留蒸发；Monte Carlo模拟

森林蒸散不仅是森林水热平衡的重要分量[1]，而且是反映森林植被水分状况的重要指标[2- 3]，同时是区域甚至全球气候的重要影响因素[4]。随着研究的深入，已认识到森林蒸散主要包括土壤蒸发、植被蒸腾和冠层截留蒸发[5- 7]。土壤蒸发反映土壤水含量、土壤温度、风速等环境状况，植被蒸腾反映着植被的生理状况以及固碳能力，冠层截留蒸发则与当地降水量和降水格局密切相关[8]。蒸散及其组分的正确拆分不仅是是森林水分循环过程研究的基础，还有助于准确评估森林生态系统的生产力，从而可为提高森林水分利用效率提供依据[9]。

然而，森林蒸散各组分难以直接、持续的观测，因此利用模型对森林蒸散及其组分进行模拟成为有效的途径。国内外的蒸散模型研究众多，相应的参数化方案复杂程度不同，模拟效果也存在显著的差异。单层大叶模型(Penman-Monteith模型[10- 11]以及Priestley-Taylor模型[12- 13]等)参数化较为简单，但无法直接获取蒸散组分状况，常与某组分的观测实验结合进行组分拆分。多层大叶模型(Choudhury-Monteith 4层模型[14]以及Dolman 3层模型[15])以及基于生态机理过程的模型(如3-PG模型[16- 17]以及SEBS模型[18]等)能够较好的模拟蒸散总量，但参数较多且难以获取,使蒸散组分信息难以获取。遥感模型(ETWATCH模型[19- 20]等)具有较好的区域代表性，参数较少、易于获取，但时间分辨率低，无法进行组分拆分，无法模拟短时间尺度的动态特征。与上述模型相比，原始的Shuttleworth-Wallace(SW)模型[21]可以分别计算土壤蒸发和植被蒸腾，在此基础上Iritz等[6]加入冠层截留蒸发，使得模型可以更细致、有效模拟蒸散组分。改进后的SW模型可以在参数较少且易于获取的情况下，实现较高时间分辨率的蒸散及其组分的动态模拟。

我国中亚热带人工林广泛分布于江西、湖南、广东与福建等省，面积广阔约0.288亿km2，所在地区雨量充沛，但季节性旱涝灾害比较严重[22- 23]。研究中亚热带人工林生态系统蒸散及其组分状况，对了解当地的水循环状况，调控水分及其利用效率，评估我国人工林生态系统生产潜力具有重要意义[24- 25]。针对江西省千烟洲中亚热带人工林，米娜等[26]利用EALCO模型，魏焕奇等[27]利用PT-Fi模型对蒸散及其组分拆分进行了模拟研究，但前者参数较多且难以获取，后者时间分辨率低。本文利用参数化较为简单的SW模型，对千烟洲中亚热带人工林的蒸散总量及其组分进行模拟并分析其变化特征。

1材料与方法

1.1站点概况

本研究试验站点位于江西省泰和县，中国生态系统研究网络的千烟洲红壤丘陵农业综合开发实验站内(26°44′N，115°03′E，110.8 m Alt.)。站区面积2.04 km2，年平均气温17.9℃，平均年降水量855 mm，属于典型的亚热带季风气候[28]。通量塔周围近1 km2范围内森林覆盖度为90%，近100 km2范围内森林覆盖近70%，主要树种为1985年前后种植的马尾松(Pinusmassoniana)、湿地松(PinuselliottiiEngelem)和杉木(Cunninghamialanceolata)，平均树高为12 m[29]。

1.2试验观测1.2.1观测仪器

千烟洲站涡度相关通量塔建立于2002年8月，塔上装有开路涡度相关观测系统(Open path eddy covariance, OPEC)对冠层的潜热、显热、CO2通量进行观测，并装有7层常规气象观测系统(安装高度依次为1.6、7.6、11.6、15.6、23.6、31.6 m和39.6 m)进行常规气象信息的同步观测。利用三维超声风速仪(Model CSAT-3， Campbell Science，USA) 测定风速和温度脉动。利用红外线CO2/H2O气体分析仪(Model LI-7500，Licor Inc.，USA)测定CO2/H2O密度脉动。仪器安装在大约为3倍冠层高度，即39.6 m。所有10Hz的原始数据均通过数据采集器CR5000(Model CR5000，Campbell Scientific，USA)记录并储存，同时记录并储存的还有30 min的CO2通量数据[29]。本文采用的数据是千烟洲站2011年全年数据(1月1日至12月31日)，包括涡度通量数据(包括感热通量、潜热通量和CO2通量)和常规气象信息数据(包括气温、水汽压、净辐射、土壤水含量、风速等)。其中潜热通量为模型验证数据，其余为模型驱动数据。

1.2.2数据质控、插补与拆分

为了消除水热传输，需对CO2通量数据(Net ecosystem exchange,NEE)、潜热通量(Latent heat flux,LE)和显热通量(Sensible heat flux,H)进行密度效应校正(WPL，Webb Pearman & Leuning校正)[30]，为消除地形影响引起的误差，进行2维坐标轴旋转校正[31]。考虑到冠层高度较大，需要计算CO2、潜热和显热的储存项，因此最终得到的生态系统净CO2交换量、潜热及显热通量，即式(1)、式(2)、式(3)：

NEE=Fc+Fs

(1)

LE=OE+SE

(2)

H=OH+SH

(3)

式中，Fc、OE和OH分别为潜热和显热的观测值。Fs、SE、SH为CO2、潜热、感热储热项，表达式分别为：

Fs=hΔc/Δt

(4)

(5)

SH=ρaCpZrΔTa/Δt

(6)

式中，Δc为前后两时刻的CO2浓度差，Δt为前后两时刻的时间间隔，取为1800 s，h为通量观测高度，取值39.6 m，控制CO2浓度为600—850 mg/m3(90%的数据分布范围)，控制Fs为-0.5—0.5 mg m-2s-1，Fs数值与王春林等[32]控制Fs小于0.3 mg m-2s-1相符。ρa空气密度(1.293 kg m-3)，CP为定压比热(1004.67 J kg-1K-1)，Zr为观测高度(12 m)，ΔTa/Δt为气温时间变化(℃/s)，γ为干湿表常数(0.67 hPa/K)，Δe/Δt为水汽压的时间变化(hPa s-1)

数据处理过程中对数据进行筛选：(1)剔除同期有降水的通量数据；(2)确定LE和H白天阈值为[-100Rn]W/m2，夜间阈值为[Rn200]W/m2[33]；通过分析通量数据的频率分布直方图，NEE阈值为±1 mg m-2s-1，占原始数据的85%；(3)以临界摩擦风速为0.2 m/s对夜间数据进行筛选[28- 29]，剔除低于临界摩擦风速的通量数据；(4)将数据进行连续5点的1.96倍方差筛选[34](正太分布的假设下，数据覆盖达95%)。数据筛选后，千烟洲白天的有效数据量为84.9%，但夜间的有效数据量仅为14.4%。

缺失数据的插补方法为：对于短时间(小于3h)的缺失数据采用线性内插；较长时间的潜热通量LE、显热通量H和常规气象缺失数据，则采用滑动平均的方法，以7—10 d作为滑动窗口。较长时间缺失的碳通量数据插补方法如下：

碳通量数据缺失，白天利用Michael-Menten方程进行插补[35]，时间窗口为30d。

(7)

式中,α为生态系统的光合量子效率，Pmax为最大光合速率(μmol m-2s-1)，Rd为系统白天的呼吸速率(mg m-2s-1)。

夜间碳通量缺失的数据利用生态系统呼吸随温度变化的指数方程进行插补[28]。

(8)

式中,Rd,ref是参考温度(Tref)下的生态系统呼吸；E0在实际应用中取为309 K；T0为温度实验常数(K)，Tk为气温(K)

模型涉及的输入变量GPP利用公式GPP=Rd-NEE计算得到。 其中白天生态系统呼吸Rd的计算，假定白天生态系统呼吸与气温遵循夜间两者之间的关系，从而将夜间的生态系统呼吸方程外推至白天对白天的Rd进行计算。

1.2.3叶面积指数数据

由于SW模型中叶片阻力涉及叶面积指数LAI，所以LAI是极其重要的输入变量。千烟洲通量站没有叶面积指数的直接观测数据，因而利用MODIS的地表植被指数(Normalized difference vegetation index, NDVI)数据进行反演。从MOD13A2产品中提取通量塔所在的单个像元(1000 m×1000 m)的NDVI数值，并进行平滑处理以消除云雨的干扰。反演公式[36]为

(9)

式中,Kpar取值为0.3[37]，Fcanopy=NDVI+0.05[38]。NDVI数据为16d间隔的，因而先进行5点rlowess平滑处理，计算得出相应的LAI，再线性内插到30min尺度上。

1.3能量平衡闭合状况

能量平衡闭合状况是反映涡度相关数据可靠性的重要指标，运用能量守恒原理分析辐射能量与潜热、显热通量之间的闭合程度。参照施婷婷等[33]筛选有效数据，对筛选后30min的能量通量(y=H+LE)与可利用能量(x=Rn-G-S)进行能量闭合分析，几何平均回归方程为y=(0.83±0.01)x+(20.99±2.73) (R2=0.79,P<0.01)。即30min平均值闭合度为83%，与刘允芬等[39]结果相符，能量闭合度处于国内外同类观测范围(60%—90%)的中上水平[33]，说明观测数据可信，可用来进行蒸散模拟与分析。

其中S为植被与大气中的热储存量，通过植物和大气的热量传输耗能，在用涡度协方差方法测定中是指土壤表面到测量仪器高度之间的空气与生物量的热量储存，对于植被冠层高于8 m的下垫面而言，该项对能量平衡的影响是不能忽略的[40]。根据Blanken等[41]的研究，S=SB+SL+SH+SE+SP，式中SB为树干储热项，SL为叶片储热项，两者参数较多且难以获取，因而忽略不计。SP为光合作用储热项，表达式为SP=C×GPP，式中C=0.469 J/mol。SH和SE已在前文计算，故S=SP。

1.4模型方法1.4.1模型描述

SW模型是综合考虑植被蒸腾和土壤蒸发过程的生态机理模型[21]，之后被广泛应用于农田、草地和森林等生态系统的蒸散研究。

λET=Ec+Es+Eint=CcPMc+CsPMs+Eint

(10)

式中，展示了改进后SW模型的框架，即把蒸散拆分为植被蒸腾(Ec)、土壤蒸发(Es)和冠层截留蒸发(Eint)。其中PMc和PMs是类似Penman-Monteith方程的分别描述植被蒸腾(式11)和土壤蒸发(式12)的贡献项，Cc和Cs为对应的植被阻力系数(式13)和土壤表层阻力系数(式14)：

(11)

(12)

(13)

(14)

式中，Δ是饱和水汽压随温度变化的斜率(kPa/K)，ρ是空气密度(1.293 kg/m3)，Cp是定压比热(1012 J kg-1K-1)，D是空气中的饱和水汽压差(kPa)，γ是干湿表常数(0.067 kPa/K)，G是土壤热通量(W/m2)，Rn和Rns是入射到林冠层(式15)和土壤层(式16、17)的净辐射(W/m2)，ρa、ρc和ρs为阻力计算的中间变量(式18—20)。其中rss是土壤表层阻力，ras是土壤与冠层气流之间的空气动力学阻力，raa是冠层气流与参照高度之间的空气动力学阻力，rac是冠层与冠层气流之间的空气动力学阻力，rsc是冠层表面阻力。

R=Rn-G-S

(15)

Rs=Rns-G

(16)

Rns=Rne-K·LAI

(17)

(18)

(19)

(20)

考虑到冠层截留蒸发对森林蒸散的贡献，Iritz等[6]将冠层截留蒸发项加入到SW模型。具体公式为：

Eint=Epot(Wwet/Wwetmax)2/3

(21)

(22)

(23)

式中，Wwet是半小时的冠层截留量(mm)，Wwet max是半小时冠层截留的最大量(1.5 mm)[42]，P是半小时降水量(mm)，Epot是半小时潜在蒸发量(mm)。

1.4.2参数化方案

各项阻力中，所有的空气动力学阻力项(raa、rac和ras)的计算都是参照Shuttleworth和Wallace文中的计算方法[21]。此外，土壤表层阻力rss计算公式[43]为:

(24)

式中,θ和θs分别是表层土壤水含量和表层饱和土壤水含量(m3m-3)，数值参见表1。b1、b2和b3(s m-1)为经验常数。

冠层气孔阻力rsc的计算公式[44- 45]为

(25)

(26)

式中，g0是冠层气孔导度最小值，取值0.00025 m/s[46]；θf和θw分别是表层土壤的田间持水量和凋萎系数(m3/m3)(表1)。Pn是光合速率(μmol m-2s-1)，hs和Cs分别是叶片表面的相对湿度和CO2浓度(μL/L)。

上述公式中的系数b1、b2、b3和a1都是通过Monte Carlo随机模拟方法获得的。具体流程分为6步：(1)确定这4个参数的变化区间，分别是b1∈[1 5]，b2∈[1 5]，b3∈[1 1000]和a1∈[1 100]。(2)在给定的区间进行10000次Monte Carlo随机模拟。(3)每次所得蒸散模拟值与观测值进行线性回归(y=kx)，得到10000个斜率(k)和相关系数(R2)。(4)在斜率(k)的取值范围为[0.93，1.05]时，选出R2最大的200个参数化方案。(5)在斜率(k)的取值范围为[0.94，1.05]时，选出R2最大的20个参数化方案。(6)利用选出的20个优化方案取平均值作为最优方案，并代入计算，模拟得出各组分的贡献值。

表1　模型中涉及的重要参数

2结果与讨论

2.1气象要素与叶面积指数的逐日变化

本文使用的SW模型主要需要气温Ta、饱和水汽压差VPD、土壤水含量θ、降水P以及叶面积指数LAI等输入变量。图1给出了千烟洲2011年Ta、VPD、θ、P和LAI的时间变化。可以看出，2011年Ta变动范围是-1—34 ℃，最小值出现在1月底，最大值出现在6月，VPD变动范围是0—2.5 kPa，无降水时VPD与Ta具有一致性。θ变动范围是0.34—0.43 m3/m3，极大值出现在降水时期。日降水P最大达52 mm，出现在第163天(6月12日)，年降水量为937.6 mm。LAI最小值为1.8，出现在冬季；最大值为6.4，出现在夏季；全年呈单峰型。总体来看，2月上、下旬出现季节性干旱，期间没有降水且气温均值比2月中旬高出9.8 ℃。9月份季节性干旱，从9月11日至9月26日长达16d没有降水且气温均值达24.4 ℃。

图1　2011年千烟洲站点气温Ta、饱和水汽压差VPD、土壤水含量θ、降水量P和叶面积指数LAI的时间变化Fig.1　Time series of Ta (air temperature), VPD (vapor pressure deficit), θ (soil water content), P (precipitation) and LAI (leaf aera index) at QYZ site in 2011

图2　2011年千烟洲站点半小时尺度的模拟效果Fig.2　ET simulation at QYZ site on 30-min scale in 2011

2.2模型模拟结果评价

模型模拟半小时蒸散量与实测值的对比如图2所示，图中为有效蒸散观测值对应的数据点，回归方程为y=0.94x,R2=0.72,P<0.001。模拟效果高于宋耀明等[48]利用陆面通用模型CoLM对同一生态系统2003年蒸散总量69.2%的解释度，可能的原因是最大叶面积指数的低估和千烟洲为针叶林且存在季节性干旱，不适合CoLM模型的应用。模拟效果低于魏焕奇等[27]利用PT-Fi遥感模型对千烟洲人工林2003—2008年蒸散R2=0.83的模拟结果，可能的原因是PT-Fi模型是基于Priestley-Taylor方程和水分、温度等环境限制因子进行蒸散估算，此外8d平均值数据会部分掩盖了天气变化引起的估算误差。本文的模拟效果低于米娜等[26]利用生理生态学过程的EALCO模型对千烟洲人工林2003—2004年蒸散R2=0.87的模拟结果，可能的原因是EALCO模型模拟了冠层蒸腾、根系吸水和植物水储存量的变化，水动力过程考虑更为具体。本文模拟效果处于千烟洲人工林蒸散模拟研究成果的中上水平，考虑到本模型的参数较少，时间分辨率极高，蒸散组分贡献明确等优点，模型具有实用价值。

其中，比较典型晴天和雨天情况下模拟值和观测值的时间序列对模型模拟效果进行进一步验证。如图3所示，可以看出两者的时间变化特征一致。引入一致性系数IA[49]、均方根误差RMSE和平均偏差ME进行模拟效果的定量分析。就IA而言，晴天的模拟效果优于雨天，就ME而言晴天的模拟偏低而雨天的模拟结果偏高，相关结果详见表2。但不论是雨天还是晴天，模拟效果都相当好。

图3　2011年典型晴天和雨天千烟洲30min尺度蒸散观测值(方块)和模拟值(实线)的时间序列图Fig.3　Time series of ET measurements (diamand) and simulations (line) during typical sunny and rainy days on 30-min scale in 2011

2.3蒸散及其组分特征2.3.1逐日蒸散量的特征

千烟洲人工林2011年蒸散分布特征如图4。蒸散在夏半年较大，符合夏半年雨热资源丰沛的规律，峰值通常出现在较大降水后的晴天。蒸散模拟最大值达7.82 mm/d，出现在第169天(6月18日)，当天日平均气温为30.2℃，此前8d连续降水达99.3 mm且连续8d日平均气温都高于27℃；蒸散模拟最小值为0.05 mm d-1，出现在第334天，此前连续10d没有降水且伴有寒潮天气，气温急剧下降(图1)。2011年蒸散模拟总值为750 mm，约占年降水量80.0%，显而易见蒸散是生态系统最主要的水分输出项，在魏焕奇等[27]利用PT-Fi模型和涡度相关数据计算的2003—2008年结果38%—84%范围内。

表22011年千烟洲人工林蒸散及其组分模拟的统计分析

Table 2Statistics of modelled ET and its components at QYZ site in 2011

时段Stage变量VariableIARMSEMEEc/ETEint/ETEs/ET全年Allyeararound0.921.550.2185%10%5.3%DOY120—125(雨天)Rainy0.901.200.8165%32%3%DOY225—230(晴天)Sunny0.941.96-0.1491%0%9%

IA：一致性系数Index of agreement，无量纲；RMSE：均方根误差 Root mean square error(mmol m-2s-1)；ME：平均误差 Mean error (mmol m-2s-1)；Ec/ET、Eint/ET和Es/ET为植被蒸腾、冠层截留蒸发和土壤蒸发的模拟值占蒸散模拟值的百分率

2.3.2蒸散各组分日总量的特征

2011年千烟洲站点蒸散组分的分布特征见图5。结果表明，土壤蒸发日最大值为0.66 mm，出现在第227天(8月15日)；日最小值为-0.02 mm出现在第307天(11月3日)，即在该日出现凝露现象。土壤蒸发全年较少且很稳定，年总量约40 mm，约占总蒸散的5.3%。土壤蒸发所占比例总体很小可能的原因是千烟洲站点为常绿针叶林，郁闭度高、到达地表的净辐射Rns常年较低。本结果与米娜等[26]8%(2003年)与12%(2004年)和魏焕奇等[27]结果11%—13%(2003—2008年)相比偏低。导致本研究中土壤蒸发所占比例偏小的原因可能是2011年降水比往年偏少，土壤含水量偏低，限制土壤蒸发。

图4　2011年千烟洲站点蒸散分布特征Fig.4　Time series of ET at QYZ site on daily scale in 2011观测值obs为倒三角，模拟值mod为实线，降水P为柱状

冠层截留蒸发日最大值为1.15 mm，出现在第194天(7月13日)；年总量达到75 mm，约占总蒸散的10%，符合郁闭度较高的生态系统内，冠层截留的降水占总降水的10%—50%的规律[50]。根据公式15和17，冠层截留蒸发与降水量呈正相关，因而2011年降水量的减少会促使冠层截留蒸发所占比例的减小。另外由公式15可知，在最大冠层截留量Wwetmax的限制下，暴雨时段冠层截留占降水的比例降低，进而使得冠层截留蒸发占蒸散比例的减小。本结果与魏焕奇等[27]2003—2008年结果22%—24%相比偏低，出现差异的原因可能是年降雨量偏低，暴雨频次偏多，使得冠层截留蒸发减小[51]。

植被蒸腾日最大值为7.2 mm，出现在第207天(7月26日)，日最小值为0.02 mm，出现在第364天(12月30日)；年总量为635 mm，主要受VPD和Ta两种环境因素影响(对应的相关系数依次为0.84和0.56)和植物的自适应(与LAI的相关系数为0.36)影响，季节变化显著。在2月上旬和下旬受Ta影响出现两处高峰，此后逐渐上升；在5月和6月，植被蒸腾呈一定的下降趋势，主要是梅雨期间VPD偏小且Ta相对较低。6月底7月初植被蒸腾受较高的Ta和VPD影响迅速增加，7—9月植被蒸腾受VPD影响存在波动减小。10月之后受LAI影响，植被蒸腾逐渐减小。

图5　2011年千烟洲站点蒸散组分的分布特征Fig.5　Time series of modelled ET components at QYZ site in 2011

2.3.3植被蒸腾与蒸散比特征

植被蒸腾与蒸散比可以用来反映能量收入在森林生态系统内部不同组分之间的分配，同时可以表征森林生态系统水分利用效率。由表1可知，2011年千烟洲人工林植被蒸腾与蒸散年总量比为85%，与Jasechko等[52]蒸腾是陆地蒸散的最大贡献项，可达到80—90%的研究成果一致。分析表明年内变化范围为27%—104%，最小值出现在第342天(12月8日)，原因是当天有7h时长的小雨且VPD、Ta和LAI都很小，使得各组分的数值相似，最大值出现在307d(11月3日)， 原因是当天没有降水且出现凝露现象，使得植被蒸腾大于蒸散。本结果比魏焕奇等[27]基于PT-Fi遥感模型对同一站点2003—2008年的研究结果63%—68%偏高，可能是受模拟时段内降水总量的偏少以及降水次数偏少的影响[8]。与其他森林蒸散拆分结果相比，与Williams等[53]基于树干茎流测定以及水汽稳定同位素的“Keeling plot”拆分法所得的69%—100%，Cammalleri等[54]基于树干茎流法所得的57%—90%和Sun等[55]基于稳定同位素法所得的91%相近，比Wilson等[56]基于树干茎流和水平衡法所得的42%—46%，Oishi等[7]基于树干茎流法所得的59%—72%以及Raz-Yaseef等[8]基于树干茎流法所得的49%结果偏高。因而，本研究所得植被蒸腾与蒸散比的结果处于合理范围内，结果可信。

3结论

本研究利用改进后的SW模型对千烟洲人工林蒸散及其组分进行模拟。主要结论为：

(1)模型的蒸散量模拟值与实测值的一致性较高，在30min尺度上无论是在晴天还是雨天均表现出较好的模拟效果，因此该模型在千烟洲亚热带人工针叶林适用。

(2)该生态系统的蒸散量有明显的季节变化特征，占全年总降水量的80%，是生态系统水分输出的最主要贡献项。

(3)该生态系统蒸散的各组分表现为，蒸腾约占85%，与VPD、LAI以及Ta均呈正相关关系。通过蒸腾蒸散比可以发现，蒸腾为蒸散总量绝大多数的贡献项，由此可知，2011年千烟洲人工林生态系统水分利用效率很高。受森林高度郁闭、到达地表的净辐射较稳定的影响，土壤蒸发约占总蒸散量的5%，且无明显的季节变化特征；该模型的主要特征之一是对冠层截留蒸发的模拟，得出冠层截留蒸发约占总蒸散量的10%，与降水量呈正相关关系、与暴雨频次呈负相关关系。

参考文献(References):

[1]Baldocchi D D, Meyers T P. Trace gas exchange above the floor of a deciduous forest: 1. Evaporation and CO2efflux. Journal of Geophysical Research: Atmospheres (1984—2012), 1991, 96(D4): 7271- 7285.

[2]申双和, 周英. 国外森林蒸散的测定、计算与模拟. 中国农业气象, 1991, 12(1): 51- 55, 43- 43.

[3]闫俊华. 森林水文学研究进展(综述). 热带亚热带植物学报, 1999, 7(4): 347- 356.

[4]王治国, 段喜明, 李文银, 蔡继清. 开发建设项目水土流失预测的若干问题讨论. 中国水土保持, 2000, (4): 35- 37.

[5]马雪华, 杨茂瑞, 胡星弼. 亚热带杉木、马尾松人工林水文功能的研究. 林业科学, 1993, 29(3): 199- 206.

[6]Iritz Z, Lindroth A, Heikinheimo M, Grelle A, Kellner E. Test of a modified Shuttleworth-Wallace estimate of boreal forest evaporation. Agricultural and Forest Meteorology, 1999, 98- 99: 605- 619.

[7]Oishi A C, Oren R, Stoy P C. Estimating components of forest evapotranspiration: A footprint approach for scaling sap flux measurements. Agricultural and Forest Meteorology, 2008, 148(11): 1719- 1732.

[8]Raz-Yaseef N, Yakir D, Schiller G, Cohen S. Dynamics of evapotranspiration partitioning in a semi-arid forest as affected by temporal rainfall patterns. Agricultural and Forest Meteorology, 2012, 157: 77- 85.

[9]Kool D, Agam N, Lazarovitch N, Heitman J L, Sauer T J, Ben-Gal A. A review of approaches for evapotranspiration partitioning. Agricultural and Forest Meteorology, 2014, 184: 56- 70.

[10]李孝广, 毕华兴, 刘胜, 刘利峰, 李笑吟. Penman-Monteith蒸散模型及其在森林下垫面中参数的确定. 水土保持研究, 2005, 12(6): 257- 261.

[11]芦新建. Penman-Monteith方程计算林木蒸腾量的方法研究[D]. 北京: 北京林业大学, 2008.

[12]李菲菲, 饶良懿, 吕琨珑, 李会杰, 宋丹丹. Priestley-Taylor模型参数修正及在蒸散发估算中的应用. 浙江农林大学学报, 2013, 30(5): 748- 754.

[13]李菲菲, 饶良懿, 鲁绍伟, 耿绍波. 华北平原杨树人工林蒸散发估算研究. 灌溉排水学报, 2013, 32(1): 135- 138.

[14]Choudhury B J, Monteith J L. A four- layer model for the heat budget of homogeneous land surfaces. Quarterly Journal of the Royal Meteorological Society, 1988, 114(480): 373- 398.

[15]Dolman A J. A multiple-source land surface energy balance model for use in general circulation models. Agricultural and Forest Meteorology, 1993, 65(1): 21- 45.

[16]Dye P J, Jacobs S, Drew D. Verification of 3-PG growth and water-use predictions in twelveEucalyptusplantation stands in Zululand, South Africa. Forest Ecology and Management, 2004, 193(1): 197- 218.

[17]赵梅芳. 基于3-PG机理模型的杉木林碳固定及蒸散量模拟研究[D]. 长沙: 中南林业科技大学, 2008.

[18]张海博. 基于SEBS与SCS模型的区域水源涵养量估算研究[D]. 北京: 中国环境科学研究院, 2012.

[19]吴炳方, 熊隽, 闫娜娜, 杨雷东, 杜鑫. 基于遥感的区域蒸散量监测方法——ETWatch. 水科学进展, 2008, 19(5): 671- 678.

[20]Wu B F, Yan N N, Xiong J, Bastiaanssen W G M, Zhu W W, Stein A. Validation of ETWatch using field measurements at diverse landscapes: A case study in Hai Basin of China. Journal of Hydrology, 2012, 436: 67- 80.

[21]Shuttleworth W J, Wallace J S. Evaporation from sparse crops-an energy combination theory. Quarterly Journal of the Royal Meteorological Society, 1985, 111(469): 839- 855.

[22]黄道友, 王克林, 黄敏, 陈洪松, 吴金水, 张广平, 彭廷柏. 我国中亚热带典型红壤丘陵区季节性干旱. 生态学报, 2004, 24(11): 2516- 2523.

[23]孙晓敏, 温学发, 于贵瑞, 刘允芬, 刘琪璟. 中亚热带季节性干旱对千烟洲人工林生态系统碳吸收的影响. 中国科学D辑: 地球科学, 2006, 36(S1):103- 110.

[24]方精云,陈安平.中国森林植被碳库的动态变化及其意义. 植物学报. 2001(09):967- 973.

[25]Piao S L, Fang J Y, Ciais P, Peylin P, Huang Y, Sitch S, Wang T. The carbon balance of terrestrial ecosystems in China. Nature, 2009, 458(7241): 1009- 1013.

[26]Mi N, Yu G R, Wen W F, Sun X M, Wang S S, Zhang L M, Song X. Use of ecosystem flux data and a simulation model to examine seasonal drought effects on a subtropical coniferous forest. Asia-Pacific Journal of Atmospheric Sciences, 2009, 45(2): 207- 220.

[27]魏焕奇, 何洪林, 刘敏, 张黎, 于贵瑞, 闵程程, 王辉民, 刘影. 基于遥感的千烟洲人工林蒸散及其组分模拟研究. 自然资源学报, 2012, 27(5): 778- 789.

[28]于贵瑞, 温学发, 李庆康, 张雷明, 任传友, 刘允芬, 关德新. 中国亚热带和温带典型森林生态系统呼吸的季节模式及环境响应特征. 中国科学(D辑: 地球科学), 2004, 34(S2): 84- 94.

[29]刘允芬, 宋霞, 孙晓敏, 温学发, 陈永瑞. 千烟洲人工针叶林CO2通量季节变化及其环境因子的影响. 中国科学(D辑: 地球科学), 2004, 34(S2): 109- 117.

[30]Webb E K, Pearman G I, Leuning R. Correction of flux measurements for density effects due to heat and water vapour transfer. Quarterly Journal of the Royal Meteorological Society, 1980, 106(447): 85- 100.

[31]Wilczak J M, Oncley S P, Stage S A. Sonic anemometer tilt correction algorithms. Boundary-Layer Meteorology, 2001, 99(1): 127- 150.

[32]王春林, 于贵瑞, 周国逸, 闫俊华, 张雷明, 王旭, 孙晓敏. 鼎湖山常绿针阔叶混交林 CO2通量估算. 中国科学(D辑: 地球科学), 2006, 36(S1): 119- 129.

[33]施婷婷, 关德新, 吴家兵, 张弥, 王安志, 金昌杰, 韩士杰. 用涡动相关技术观测长白山阔叶红松林蒸散特征. 北京林业大学学报, 2006, 28(6): 1- 8.

[34]张雷明, 于贵瑞, 孙晓敏, 温学发, 任传友, 宋霞, 刘允芬, 关德新, 闫俊华, 张一平. 中国东部森林样带典型生态系统碳收支的季节变化. 中国科学(D辑: 地球科学), 2006, 36(S1): 45- 59.

[35]Falge E, Baldocchi D, Olson R, Anthoni P, Aubinet M, Bernhofer C, Burba G, Ceulemans R, Clement R, Dolman H, Granier A, Gross P, Grünwald T, Hollinger D, Jensen N-O, Katul G, Keronen P, Kowalski A, Lai C T, Law B E, Meyers T, Moncrieff J, Moors E, Munger J W, Pilegaard K, Rannik Ü, Rebmann C, Suyker A, Tenhunen J, Tu K, Verma S, Vesala T, Wilson K, Wofsy S. Gap filling strategies for defensible annual sums of net ecosystem exchange. Agricultural and Forest Meteorology, 2001, 107(1): 43- 69.

[36]Beer A. Bestimmung der Absorption des rothen Lichts in farbigen Flüssigkeiten. Annalen der Physik, 1852, 162(5): 78- 88.

[37]李轩然, 刘琪, 蔡哲, 马泽清. 湿地松林叶面积指数测算. 生态学报, 2006, 26(12): 4099- 4105.

[38]魏焕奇. 基于遥感与气象信息的江西省陆地生态系统蒸散及其组分模拟与水源供给研究[D]. 南昌: 江西师范大学, 2011.

[39]刘允芬, 于贵瑞, 李菊, 宋霞, 陈永瑞. 红壤丘陵区人工林能量平衡闭合研究――以江西省泰和县千烟洲为例. 林业科学, 2006, 42(2): 13- 20.

[40]Lindroth A, Mölder M, Lagergren F. Heat storage in forest biomass improves energy balance closure. Biogeosciences, 2010, 7(1): 301- 313.

[41]Blanken P D, Black T A, Yang P C, Neumann H H, Nesic Z, Staebler R, Den Hartog G, Novak M D, Lee X. Energy balance and canopy conductance of a boreal aspen forest: Partitioning overstory and understory components. Journal of Geophysical Research: Atmospheres (1984—2012), 1997, 102(D24): 28915-28927.

[42]Grelle A, Lundberg A, Lindroth A, Morén A S, Cienciala E. Evaporation components of a boreal forest: variations during the growing season. Journal of Hydrology, 1997, 197(1/4): 70- 87.

[43]Lin J, Sun S. Moisture and heat flow in soil and theirs effects on bare soil evaporation. Trans. Water Conservancy, 1983, 7: 1- 7.

[44]Ball J T, Woodrow I E, Berry J A. A model predicting stomatal conductance and its contribution to the control of photosynthesis under different environmental conditions[M]//Progress in Photosynthesis Research. Springer Netherlands, 1987: 221- 224.

[45]Wang Y P, Leuning R. A two-leaf model for canopy conductance, photosynthesis and partitioning of available energy I: Model description and comparison with a multi-layered model. Agricultural and Forest Meteorology, 1998, 91(1): 89- 111.

[46]Ronda R J, De Bruin H A R, Holtslag A A M. Representation of the canopy conductance in modeling the surface energy budget for low vegetation. Journal of Applied Meteorology, 2001, 40(8): 1431- 1444.

[47]Huang M, Ji J J, Li K R, Liu Y F, Yang F T, Tao B. The ecosystem carbon accumulation after conversion of grasslands to pine plantations in subtropical red soil of South China. Tellus B, 2007, 59(3): 439- 448.

[48]宋耀明, 郭维栋, 张耀存. CoLM模式在中国温带混交林和亚热带人工针叶林的水热通量模拟性能评估. 高原气象, 2008, 27(5): 967- 977.

[49]Willmott C J. On the validation of models. Physical Geographer, 1981, 2(2): 184- 194.

[50]李博, 赵斌, 彭容豪. 陆地生态系统生态学原理. 北京: 高等教育出版社, 2005.

[51]Muzylo A, Llorens P, Valente F, Keizer J J, Domingo F, Gash J H C. A review of rainfall interception modelling. Journal of Hydrology, 2009, 370(1): 191- 206.

[52]Jasechko S, Sharp Z D, Gibson J J, Birks S J, Yi Y, Fawcett P J. Terrestrial water fluxes dominated by transpiration. Nature, 2013, 496(7445): 347- 350.

[53]Williams D G, Cable W, Hultine K, Hoedjes J C B, Yepez E A, Simonneaux V, Er-Raki S, Boulet G, De Bruin H A R, Chehbouni A, Hartogensis O K, Timouk F. Evapotranspiration components determined by stable isotope, sap flow and eddy covariance techniques. Agricultural and Forest Meteorology, 2004, 125(3): 241- 258.

[54]Cammalleri C, Rallo G, Agnese C, Ciraolo G, Minacapilli M, Provenzano G. Combined use of eddy covariance and sap flow techniques for partition of ET fluxes and water stress assessment in an irrigated olive orchard. Agricultural Water Management, 2013, 120: 89- 97.

[55]Sun S J, Meng P, Zhang J S, Wan X C, Zheng N, He C X. Partitioning oak woodland evapotranspiration in the rocky mountainous area of North China was disturbed by foreign vapor, as estimated based on non-steady-state18O isotopic composition. Agricultural and Forest Meteorology, 2014, 184: 36- 47.

[56]Wilson K B, Hanson P J, Mulholland P J, Baldocchi D D, Wullschleger S D. A comparison of methods for determining forest evapotranspiration and its components: sap-flow, soil water budget, eddy covariance and catchment water balance. Agricultural and Forest Meteorology, 2001, 106(2): 153- 168.

Modeling evapotranspiration and its components in qianyanzhou plantation based on modified SW model

SHEN Jing1, ZHANG Mi1,*, XIAO Wei1, WEN Xuefa2, LIU Shoudong1, LI Xuhui1

1Yale-NUISTCenteronAtmosphericEnvironment,NanjingUniversityofInformationScience&Technology,Nanjing210044,China2InstituteofGeographicSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China

Abstract：Evapotranspiration (ET) in the terrestrial ecosystem actually includes canopy transpiration (Ec), soil evaporation (Es), and interception evaporation (Eint). Partitioning of ET is an important basis in order to accurately assess biomass production and estimate water use efficiency in the terrestrial ecosystem. Actually, Ec is the desired component within the water cycling, which being used to enhance plant productivity. Up to now, it is still difficult to accurately partition ET through observation methods in the long period. Instead, partitioning ET with models is effective method in a long period. However, most of them roughly partition ET into Ec and Es, ignoring Eint. This partition way could lead to deviation in Ec and Es simulation. In this study, a modified Shuttleworth-Wallace model was used to partition ET into Ec, Es, and Eintin a forest ecosystem. Monte Carlo, an approach of random parameterization, was performed to optimize the key parameters in the functions estimating soil surface resistance and canopy stomatal resistance in the model. Based on the modified model, we simulated the evapotranspiration and its components in the planted coniferous forest ecosystem at the Qianyanzhou site combining the eddy covariance measurement data (including sensible/latent heat flux and CO2 flux) with routine meteorological data(including air temperature/humidity, CO2 concentration, wind speed, net radiation, soil temperature/water content/heat flux and precipitation) in 2011. The results showed that the simulation amount of ET agreed well with the measurement data at 30 minutes temporal scale not matter on sunny days or rainy days. At the same temporal scale, the index of agreement, mean error, and root mean square error between simulation value and measurement data in whole year were 0.73, 0.21 mmol m-2s-1, and 1.55 mmol m-2s-1, respectively. The proportion of ET in annual accumulative precipitation was more than 80%, which meant that the amount of ET contributing to the water outputs is the most in this ecosystem. The proportion of canopy transpiration in ET was about 85%, which suggested that water use efficiency in the forest ecosystem might be quite high in 2011. The seasonal variation of the transpiration was obvious. The environmental factors, vapor pressure deficit, air temperature, and leaf area index controlled transpiration. Transpiration correlated positively with the three factors. Soil evaporation was 5% of the ET and changed little with season. Interception evaporation accounted for 10% of the ET and showed seasonal dynamic. This term correlated positively with precipitation and negatively with rainfall storm events. This result indicated that the vegetation canopy couldn′t effectively intercept the heavy rainfall. The modified Shuttleworth-Wallace model is a powerful tool for studying the hydrological processes in terrestrial ecosystem with the advantages of a few parameters, high temporal resolution, and a good performance in simulating the characteristics of evapotranspiration and its components.

Key Words:partitioning of evapotranspiration; soil evaporation; canopy transpiration; interception evaporation; Monte Carlo simulation

基金项目:国家自然科学基金项目(31100359)；教育部“长江学者与创新团队发展计划”(PCSIRT); 江苏省高校优势学科建设工程项目(PAPD)

收稿日期:2014- 11- 04; 网络出版日期:2015- 08- 21

*通讯作者

Corresponding author.E-mail: zhangm.80@nuist.edu.cn

DOI:10.5846/stxb201411042174

沈竞, 张弥, 肖薇, 温学发, 刘寿东, 李旭辉.基于改进SW模型的千烟洲人工林蒸散组分拆分及其特征.生态学报,2016,36(8):2164- 2174.

Shen J, Zhang M, Xiao W, Wen X F, Liu S D, Li X H.Modeling evapotranspiration and its components in qianyanzhou plantation based on modified SW model.Acta Ecologica Sinica,2016,36(8):2164- 2174.