中国气象学会主办。
文章信息
- 蔡福, 明惠青, 米娜, 张淑杰, 谢艳兵, 张玉书. 2015.
- CAI Fu, MING Huiqing, MI Na, ZHANG Shujie, XIE Yanbing, ZHANG Yushu. 2015.
- 基于CoLM模型的根分布对陆-气水热交换的影响研究:以玉米农田为例
- Study of the effects of the root distribution on land-atmosphere water and heat flux exchanges based on CoLM: Corn field as a case
- 气象学报, 73(3): 566-576
- Acta Meteorologica Sinica, 73(3): 566-576.
- http://dx.doi.org/10.11676/qxxb2015.026
-
文章历史
- 收稿日期:2014-05-21
- 改回日期:2014-12-23
2. 辽宁省气象服务中心, 沈阳, 110166
2. Liaoning Province Meteorological Service Center, Shenyang 110166, China
根系是植物实现土壤与冠层和大气间水分及能量交换的重要通道(Feddes et al,2001),也是土壤与大气进行碳、氮交换的重要途径(Dickinson et al,1998;Jobbágy et al,2000),对地表水循环和能量平衡起重要的调节作用。开展根系吸水过程及参数方案的研究可为深入理解地表水文及生物地球化学过程提供参考(Laio et al,2006),也可促进陆面过程模型乃至气候模式模拟能力的提高。在陆面过程研究中,现有模型常采用形态调节的处理方法来实现根系对干、湿环境的响应(Davidson et al,2011),其参数化过程的简化使根系吸水过程函数准确度降低,是造成陆面过程模拟误差的主要原因之一(Jing et al,2013)。现有主流陆面过程模型中,根系吸水函数包括土壤水分有效性和根分布两个方面的参数化,前者用根吸水效率函数(Lai et al,2000)表示,也被称为水分胁迫函数(Li et al,2006),多位学者对其做过深入研究并加以改进(Saleska et al,2003;Baker et al,2008;Li et al,2012),但事实上,仅改进土壤水分有效性并不会显著提高模型性能(Li et al,2012)。根分布包括根深和根垂直廓线2个因子,它们共同作用影响不同土壤深度根系吸水的分布(Zheng et al,2007),根深及分布的预测是全球生物地理化学模型以及生态水文、陆面过程模型的重要输入参数(Maayar et al,2009)。虽然根分布函数非常重要,但由于全根观测的困难使可用数据非常缺乏(Jing et al,2013),陆面模型中的根分布函数常被简化或忽略(Zeng et al,2002),进而降低了根系吸水过程的模拟性能。
现有主流陆面过程模型中根分布参数方案主要有3种:(1)Jackson等(1996)建立的累积根比例与土壤深度呈指数函数关系的方案,含一个参数,在NCAR LSM(Bonan,1996)、IBIS(Snyder et al,2004)、DGVM(Levis et al,2004)和SIB(Baker et al,2008)模型中得到应用;(2)Zeng(2001)建立的双参数指数方案,应用于CLM3(Oleson et al,2004)和CLM4.5(Oleson et al,2013)模型;(3)Schenk等(2002)提出,除了考虑累积根比例与土壤深度之外,增加了50%和95%根总量土层深度这两个参数,使用该方案的代表陆面模型为CoLM(Ji et al,2010)。上述模型一个共同的缺点是根分布并不随植物生长发育而改变,直接导致被用于计算植物蒸腾的根比例参数不随根生物量和植被年龄变化,这种设置对于成熟的森林进行短期水分和能量交换的模拟可能是适合的,但对于正处在生长过程中的植被尤其是一年生如草本植物或农作物而言并不合理(Arora et al,2003),其对陆-气水热通量模拟影响如何,幅度多大都有待深入探讨,因此,针对一年生植被开展根分布对下垫面水热通量模拟的敏感性研究十分必要。在诸多植被类型中,玉米受人类干扰最大,且为一年生,其冠层高度、叶面积指数(LAI)、植被覆盖度(Fv)以及根系结构等随生长发育的改变可引起反照率、粗糙度、气孔导度及根系吸水效率在生育期内不断变化,进而导致辐射、水分、热量分配和传输等一系列物理过程随之改变,在陆面过程的研究中具有极其重要的代表性(蔡福等,2011,2012)。本研究拟利用锦州农田生态系统野外观测站的实测资料,基于CoLM模型研究根分布不同设置对玉米农田陆-气水热过程模拟的影响,进而评价根分布对陆面过程模拟的敏感性,为进一步完善根系吸水过程的参数方案提供依据。 2 资料与方法 2.1 研究地点
锦州农田生态系统野外观测站(41°49′N,121°12′E,海拔17 m)位于东北玉米带,属典型温带季风气候区,年平均气温9.5 ℃,1月平均气温-8.0 ℃,7月平均气温24.4 ℃,年降水量565.9 mm,玉米生育期为5—9月,土壤为典型棕壤。站内建有3.5 m高的涡度相关观测系统和5 m高的气象梯度观测系统,前者配有三维超声风速仪(CSAT3,Campbell Scientific Ltd,USA)和快速响应红外CO2/H2O分析仪(Li-7500,Li Cor Inc,USA),可进行水热通量及CO2通量的观测;后者可进行3.5 m和5 m高度的气温、湿度和风速观测,4.5 m高处的光合有效辐射观测,3.5 m高处的净辐射观测,5 m高处的风向观测,土壤剖面5、10、20、30、40、50和80 cm深处的土壤温度监测,以及8 cm深处的地表热通量观测(李祎君等,2007;蔡福等,2011)。 2.2 研究资料
CoLM模型驱动资料为2007—2008年气温、比湿、降水、风速、太阳总辐射(Rs)、向下长波辐射(Rl)、气压以及叶面积指数和植被覆盖度数据。图 1给出2007—2008年模型主要输入参数动态变化曲线,其中年降水分别为563.8 mm和637.2 mm,2007年生长季降水明显少于2008年。叶面积指数由王玲等(2004)建立的相对积温法利用玉米各生育 期叶面积指数实测数据和日平均气温资料求得(蔡福等,2012,2013),根据叶面积指数和植被覆盖度的关系(蔡福等,2012),利用所求得的2007—2008年逐日叶面积指数可计算得到逐日植被覆盖度(图 2)。模型验证资料包括30 min平均的土壤湿度、感热通量、潜热通量,其中感热与潜热进行了高频衰减修正和水热校正等质量控制(李祎君等,2007;蔡福等,2012),另外,利用土钻法每5天间隔测得的50 cm深土壤湿度也用于模型验证。
2.3 模型介绍CoLM 模型精细地考虑了陆面的生态、水文等过程,对土壤-植被-积雪-大气间能量与水分的传输进行了合理的描述,包括一层可以实现光合作用的植被和一个底部达到3.43 m深的10层不均匀的垂直土壤(表 1)及5层积雪。
土层序数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
深度(m) | 0.0175 | 0.0451 | 0.0906 | 0.1655 | 0.2891 | 0.4929 | 0.8289 | 1.3828 | 2.2961 | 3.4331 |
厚度(m) | 0.0175 | 0.0276 | 0.0455 | 0.0749 | 0.1236 | 0.2038 | 0.3360 | 0.5539 | 0.9133 | 1.1370 |
计算叶面温度和气孔阻抗采用双大叶模型;在解决植被反照率产生的奇异点中采用二流近似,并且在计算辐射时区分植被的阴、阳面;计算叶面温度采用新迭代算法;计算叶面截留水量时对对流降水和大尺度降水分开处理;考虑了冠层下的湍流传输;土壤水、热传导过程考虑了土壤基岩厚度、地表径流、次地表径流以及土壤中植物根的分布和水压对植被抽吸土壤水的影响。
CoLM模型中根系吸水过程表达式为
由式(5)、(6)可以看出,决定根廓线的参数主要为d50和d95,通过对它们进行调整可以改变根廓线形态,进而改变根分布特征,在原模型中二者分别被设定为15.7和80.8 cm,为了更清晰反映根分布对陆
面过程水热通量模拟的影响,本研究在原模型设置基础上分别对两参数进行加倍和减半处理,如此可以得到9种组合(表 2),各种处理分别被定义为T1—T9,其中T5为原模型参数,为对照试验。拟合相关性比较以玉米生长季6—9月30 min资料共4416数据作为样本。利用以上参数代入根分布函数可得到不同根分布廓线(图 3),能够更直观地给出累积根比例随土壤深度的变化情况。
模拟序号 | d50 | d95 | 潜热(W/m2) | 感热(W/m2) | ||||||
2007 | 2008 | 2007 | 2008 | |||||||
bs | R2 | bs | R2 | bs | R2 | bs | R2 | |||
T1 | 7.85 | 40.4 | 0.7115 | 0.6253 | 0.8781 | 0.7496 | 1.1409 | 0.6699 | 0.8799 | 0.7222 |
T2 | 15.7 | 40.4 | 0.7584 | 0.6627 | 0.9116 | 0.7702 | 1.0912 | 0.6801 | 0.8508 | 0.7177 |
T3 | 31.4 | 40.4 | 0.7855 | 0.6850 | 0.9260 | 0.7799 | 1.0616 | 0.6923 | 0.8314 | 0.7101 |
T4 | 7.85 | 80.8 | 0.7201 | 0.6327 | 0.8829 | 0.7542 | 1.1317 | 0.6725 | 0.8746 | 0.7223 |
T5 | 15.7 | 80.8 | 0.7601 | 0.6619 | 0.9129 | 0.7709 | 1.0888 | 0.6792 | 0.8473 | 0.7165 |
T6 | 31.4 | 80.8 | 0.7892 | 0.6859 | 0.9284 | 0.7805 | 1.0575 | 0.6908 | 0.8276 | 0.7080 |
T7 | 7.85 | 161.6 | 0.7264 | 0.6382 | 0.8875 | 0.7592 | 1.1252 | 0.6743 | 0.8695 | 0.7231 |
T8 | 15.7 | 161.6 | 0.7618 | 0.6626 | 0.9145 | 0.7728 | 1.0869 | 0.6793 | 0.8436 | 0.7155 |
T9 | 31.4 | 161.6 | 0.7913 | 0.6856 | 0.9299 | 0.7808 | 1.0553 | 0.6885 | 0.8233 | 0.7058 |
研究站点内玉米生育期主要为每年5—9月,其中5月玉米处于出苗至幼苗期,由于叶面积指数和植被覆盖度非常小,地表以裸土为主,根深很小,因此本研究从6月开始研究根分布的影响。对T1—T9 九种试验模型模拟得到的感热和潜热与实测值进行相关性分析(表 2),bs和R2分别代表斜率和决定系数。从感热与潜热模拟精度比较情况看,2007年感热模拟精度普遍高于潜热,2008年潜热模拟精度高于感热。从年际模拟精度对比来看,无论是感热还是潜热,2008年模拟精度明显高于2007年,说明模型模拟性能存在明显的年际差异,可能与年际气象条件有关,即2008年生长季内降水明显多于2007年。从d50和d95参数设置的影响来看,不同年份感热、潜热的模拟精度都有一个共同规律,即当d50不变,R2随着d95的增大而增大,各模拟试验间差异较小;当d95不变,R2随着d50的增大而增大,模拟试验间差异较大,从这一规律可以看出,水热通量模拟对d95的敏感性很弱,而对d50的敏感性很强,表明最大根深对模拟影响较小,这一点与Li等(2013)研究结论一致。基于此结果,为了便于分析,以下忽略d95动态变化的设置方案,令其为定值,只针对d50动态变化的设置方案,即试验T4—T6的模拟结果展开分析。 3.2 不同根分布对土壤湿度的影响
由不同根分布对不同深度土壤湿度模拟的影响(图 4)可见,模型模拟值不同程度地低于实测值。从根分布差异的影响情况看,在6月中旬以前土壤湿度并未受到影响,分析原因认为,这时玉米植株很小,根系吸水过程较弱,主要的影响时段在7、8月;从与降水的关系来看,随着无降水日数的增多,土壤湿度受到的影响增大,而在降水日土壤湿度没有受到影响;从不同土壤深度受影响情况看,随着土壤深度的增加,根分布影响逐渐减小,其中0—10 cm土壤湿度(SWC0—10)随d50的增大而增大,与实测值更为接近,而20 cm以下深度情况正好相反,其原因是0—10 cm深度土层处,随着d50的减小主要根量分布区与该层越近,相应的根系吸水较多,进而使土壤湿度降低幅度越大。相同的道理,d50距20—30 cm和30—50 cm深度越近,根吸水量越多,土壤湿度下降幅度越大,进而导致20—30 cm(SWC20—30)和30—50 cm(SWC30—50)这两个层次的土壤湿度随与d50的接近而减小。
从不同月份土壤湿度垂直变化情况看(图 5),2007年6月,不同深度土壤湿度受根分布影响很小,主要原因仍是此时玉米植株小,根系吸水量很小所至。7、8月第5层以上土壤湿度受根分布影响较大,且随深度增大而减小,其中7月由于降水量最大,使得深层土壤的水分饱和度很大,因此第5层以下土壤湿度几乎不因根分布差异而变化,8月由于植株需水量最大,但降水量较小,导致深层土壤饱和度较小,因此深层土壤湿度受根分布影响增大。9月表层湿度极小,明显低于7、8月,这种湿度已不受根分布差异的影响,这可能是表层湿度差异小的主要原因,同样,由于降水少引起的深层土壤水分饱和度低导致根分布差异的影响变得明显。2008年情况与2007年基本一致,所不同的是8月第5层土壤以下没有因根分布不同而不同,这里其原因可能是该月的降水明显大于2007年同期,深层土壤湿度较大,进而导致其受根分布的影响较小。9月第1层土壤湿度的较大差异可能是该湿度大于2007年同期且达到受根分布影响水平的原因。总体上看,因2008年降水多于2007年,导致根分布差异对土壤湿度的影响明显小于后者。
3.3 不同根分布对冠层蒸散及各分量的影响在CoLM模型中,植被冠层蒸散量(Ec)为地表蒸发量(Eg)、叶片蒸腾(Etr)和叶片蒸发(El)之和,图 6给出根分布差异对冠层蒸散量及其各分量日总量的影响情况。从图 6a可以看出,冠层蒸散量受根分布差异影响时段在2007年主要分布在6月中下旬、7月下旬至9月上旬,在2008年则在6月中旬、8月中旬和9月上中旬,这些时段共同特点是持续无降水,其中2008年由于降水明显多于2007年,导致根分布影响明显小于2007年,在降水日及其之后的临近时段根分布差异对冠层蒸散几乎没有影响。从土壤蒸发的情况来看(图 6b),2007年6月中下旬、8月中旬至9月上旬以及2008年9月上中旬因根分布的不同其模拟结果存在较小差异,说明根分布对持续无降水日期间的土壤蒸发有微弱影响。从图 6c可以看出,叶片蒸发对根分布差异没有响应。叶片蒸腾模拟值(图 6d)随d50的增大而增大,对根分布差异的响应在2007年比2008年更为明显,且随无降水日数增多各模拟值间差异增大。总的来看,决定冠层蒸散的各分量中叶片蒸腾对根分布差异响应最明显。
3.4 根分布差异对水热通量模拟的影响通过以上研究了解到根分布差异对土壤湿度及冠层蒸散各分量都不同程度产生影响,考虑到它们与水热通量的内在联系,根分布差异很可能对热通量产生影响。由图 7a可以看出,2007年感热仅在7、8月受到根分布差异的影响,随着d50的增大模拟值更接近实测值,2008年各月感热几乎没有受根分布差异的影响。2007年潜热在6、7、8月受到影响(图 7b),其中6月大部分时段虽然降水少但需水量也少,导致根的作用体现不明显,7月虽然植株需水量较大,但降水充沛,掩盖了根分布差异的影响,而8月植物需水量大但降水量小导致水分亏缺量较大,使根分布差异的影响最为明显,9月中后期蒸散量的下降导致对根分布差异响应并不明显。2008年潜热在6、7、8月受根分布差异影响都不明显,主要是由于降水充沛使土壤湿度处于较高水平的原因,而9月不同根分布处理间潜热差异却更为明显,其原因可能是不同根分布所导致的表层土壤湿度不同引起的土壤蒸发量差异与叶片蒸腾的差异相叠加所造成。总的来看,2008年感热和潜热受根分布差异的影响明显弱于2007年。
4 结论与讨论本研究基于CoLM模型通过设定不同根分布参数对模型性能及玉米根分布在陆面过程模拟中的影响进行了研究,得到以下结论:(1)不同年份气象条件差异可导致模型模拟精度不同,与2007年相比,在2008年生长季内降水偏多情况下,感热和潜热通量模拟精度显著提高;(2)决定根分布形态的d50和d95两个参数中,模型对d50的敏感性明显强于d95;(3)根分布对土壤湿度的影响明显而且复杂,在一定土壤湿度范围内,根分布的影响随土壤湿度增大而减小,且随土层深度增加而逐渐减小;在极端干旱情况下,土壤湿度对根分布的响应很弱;(4)在水汽通量各分量中,植物蒸腾受根分布影响最大,其次是土壤蒸发,而叶片蒸发则不受根分布影响;(5)根分布通过影响土壤湿度来影响潜热和感热,影响程度随土壤湿度增大而减小。
以上分析中,决定根深的d95对热通量模拟精度的影响很小,说明随发育期不断增大的根深对陆面过程模拟的影响非常有限;同样,从模型各输出变量对根分布参数d50加倍和减半所实现根分布变化尺度的响应程度来看,根分布对陆面过程模拟的影响也不大。事实上,玉米不同发育期d50的变化幅度远小于本研究中的设定范围,说明在现有根系吸水过程参数化方案中,因发育期不同所导致的根分布差异几乎不会对陆面过程模拟产生影响,这一情况与实际不符,可能的原因是现有陆面过程模型中根分布参数在水热通量参数化过程中仅通过累积根比例的形式充当比例系数的角色,其水平分布特征、吸水能力及水分再分配作用在模型中很少被考虑到,这大大降低了根系在水热循环中的作用。另外,现有模型根系吸水过程中除根分布参数以外其他过程的参数化方案很可能也存在缺陷。因此,不断完善根系吸水各个过程的参数化方案对改进陆-气水热通量模拟十分必要,而对根系吸水过程控制机制的研究将是重要前提,只有在此基础上,根分布的真实影响才能更准确地评价。
蔡福, 周广胜, 李荣平等. 2011. 陆面过程模型对下垫面参数动态变化的敏感性分析. 地球科学进展, 26(3): 300-310. Cai F, Zhou G S, Li R P, et al. 2011. Sensitivity of land surfaces model to dynamic parameters of land surface. Adv Earth Sci, 26(3): 300-310 (in Chinese) |
蔡福, 周广胜, 明惠青等. 2012. 地表反照率动态参数化对陆-气通量模拟的影响: 以东北玉米农田为例. 气象学报, 70(5): 1149-1164. Cai F, Zhou G S, Ming H Q, et al. 2012. A simulative study of effects of dynamic parameterization of surface albedo on land-atmosphere flux exchanges: A case study of rainfed maize field in northeast China. Acta Meteor Sinica, 70(5): 1149-1164 (in Chinese) |
蔡福, 周广胜, 明惠青等. 2013. 玉米农田空气动力学参数动态及其与影响因子的关系. 生态学报, 33(17): 5339-5352. Cai F, Zhou G S, Ming H Q, et al. 2013. Dynamics of aerodynamic parameters over a rainfed maize agroecosystem and their relationships with controlling factors. Acta Ecol Sin, 33(17): 5339-5352 (in Chinese) |
李祎君, 许振柱, 王云龙等. 2007. 玉米农田水热通量动态与能量闭合分析. 植物生态学报, 31(6): 1132-1144. Li Y J, Xu Z Z, Wang Y L, et al. 2007. Latent and sensible heat fluxes and energy balance in a maize agroecosystem. J Plant Ecol, 31(6): 1132-1144 (in Chinese) |
王玲, 谢德体, 刘海隆等. 2004. 玉米叶面积指数的普适增长模型. 西南农业大学学报 (自然科学版), 26(3): 303-311. Wang L, Xie D T, Liu H L, et al. 2004. A universal growth model for maize leaf area index. J Southwest Agri Univ (Nat Sci), 26(3): 303-311 (in Chinese) |
Arora V K, Boer G J. 2003. A representation of variable root distribution in dynamic vegetation models. Earth Interact, 7(6): 1-19 |
Baker I T, Prihodko L, Denning A S, et al. 2008. Seasonal drought stress in the Amazon: Reconciling models and observations. J Geophys Res, 113(G1): G00B01, doi: 10.1029/2007JG000644 |
Bonan G B. 1996. A land surface model (LSM version 1. 0) for ecological, hydrological, and atmospheric studies: Technical description and user's guide. NCAR Tech Note, NCAR/TN-4171STR |
Davidson E, Lefebvre P A, Brando P M, et al. 2011. Carbon inputs and water uptake in deep soils of an eastern Amazon forest. Forest Sci, 57(1): 51-58 |
Dickinson R E, Shaikh M, Bryant R, et al. 1998. Interactive canopies for a climate model. J Climate, 11(11): 2823-2836 |
Feddes R A, Hoff H, Bruen M, et al. 2001. Modeling root water uptake in hydrological and climate models. Bull Amer Meteor Soc, 82(12): 2797-2809 |
Jackson R B, Canadell J, Ehleringer J R, et al. 1996. A global analysis of root distributions for terrestrial biomes. Oecologia, 108(3): 389-411 |
Ji D Y, Dai Y J. 2010. The common land model (CoLM) technical guide. http://globalchange.bnu.edu.cn/download/doc/CoLM/CoLM_Technical_Guide.pdf |
Jing C Q, Li L, Chen X, et al. 2013. Comparison of root water uptake functions to simulate surface energy fluxes within a deep-rooted desert shrub ecosystem. Hydrol Proc, 28(21): 5436-5449, doi: 10.1002/hyp.10047 |
Jobbágy E G, Jackson R B. 2000. The vertical distribution of soil organic carbon and its relation to climate and vegetation. Ecol Appl, 10(2): 423-436 |
Lai C T, Katul G. 2000. The dynamic role of root-water uptake in coupling potential to actual transpiration. Adv Water Resour, 23(4): 427-439 |
Laio F, D'Odorico P, Ridolfi L. 2006. An analytical model to relate the vertical root distribution to climate and soil properties. Geophys Res Lett, 33(18): L18401, doi: 10.1029/2006GL027331 |
Levis S, Bonan G B, Vertenstein M, et al. 2004. The community land model's dynamic global vegetation model (CLM-DGVM): Technical description and user's guide. NCAR Technical Note, NCAR/ TN-459+ IA |
Li K Y, De Jong R, Coe M T, et al. 2006. Root-water-uptake based upon a new water stress reduction and an asymptotic root distribution function. Earth Interact, 10(14): 1-22 |
Li L H, Wang Y P, Yu Q, et al. 2012. Improving the responses of the Australian community land surface model (CABLE) to seasonal drought. J Geophys Res, 117(G4): G04002, doi: 10.1029/2012JG002038 |
Li L, Van der Tol C, Chen X, et al. 2013. Representing the root water uptake process in the Common Land Model for better simulating the energy and water vapour fluxes in a Central Asian desert ecosystem. J Hydrol, 502: 145-155 |
Maayar M E, Sonnentag O. 2009. Crop model validation and sensitivity to climate change scenarios. Climate Res, 39(1): 47-59 |
Oleson K W, Dai Y J, Bonan G, et al. 2004. Technical description of the Community Land Model (CLM). NCAR Tech Note, NCAR/TN461+STR, 23 |
Oleson K W, Lawrence D M, Bonan G B, et al. 2013. Technical description of version 4. 5 of the Community Land Model (CLM). NCAR Tech Note, NCAR/TN503+TR |
Saleska S R, Miller S D, Matross D M, et al. 2003. Carbon in Amazon forests: Unexpected seasonal fluxes and disturbance induced losses. Science, 302(5650): 1554-1557 |
Schenk H J, Jackson R B. 2002. The global biogeography of roots. Ecol Monogr, 72(3): 311-328 |
Snyder P K, Foley J A, Hitchman M H, et al. 2004. Analyzing the effects of complete tropical forest removal on the regional climate using a detailed three-dimensional energy budget: An application to Africa. J Geophys Res, 109(D21): D21102, doi: 10.1029/2003JD004462 |
Zeng X B. 2001. Global vegetation root distribution for land modeling. J Hydrometeor, 2(5): 525-530 |
Zeng X B, Shaikh M, Dai Y J, et al. 2002. Coupling of the common land model to the NCAR community climate model. J Climate, 15(14): 1832-1854 |
Zheng Z, Wang G L. 2007. Modeling the dynamic root water uptake and its hydrological impact at the reserva Jaru site in Amazonia. J Geophys Res, 112(G4): G04012, doi: 10.1029/2007JG000413 |