塔河森林生态系统蒸散发的定量估算-应用生态学报
历年大学英语四级作文及答案
哀牢山亚热带常绿阔叶林乔木碳储量及固碳增量*张鹏超1,4 张一平1,2,3** 杨国平1,2,3 郑 征1,2,3 刘玉洪1,2,3 谭正洪1,4(1中国科学院热带森林生态学重点实验室(西双版纳热带植物园),云南勐仑666303;2中国科学院哀牢山亚热带森林生态系统研究站,云南景东676209;3云南哀牢山森林生态系统国家野外科学观测研究站,云南景东676209;4中国科学院研究生院,北京100049)摘 要 为了解哀牢山亚热带常绿阔叶林的乔木碳储量及其固碳增量,利用2005和2008年的植被调查数据,对哀牢山3种主要常绿阔叶林的乔木碳储量及其固碳增量进行了分析㊂结果表明:原生的中山湿性常绿阔叶林㊁滇山杨次生林和旱冬瓜次生林的乔木碳储量分别为257.90㊁222.95和105.39t C ㊃hm -2;中山湿性常绿阔叶林乔木碳储量主要存储在DBH≥91cm 的乔木中(34.68%);而次生林的乔木碳储量主要分布在径级21cm≤DBH<41cm 的乔木中(滇山杨林77.29%;旱冬瓜林69.28%)㊂由此可见,哀牢山地区原生的中山湿性常绿阔叶林乔木层在碳蓄积方面占主导优势㊂哀牢山亚热带常绿阔叶林的3个森林类型乔木层均具有固碳增量,即使是原生的中山湿性常绿阔叶林,其乔木层年平均固碳增量也达2.47t C ㊃hm -2㊃a -1;次生林乔木层的年平均固碳增量约为原生林的2倍,显示了哀牢山亚热带常绿阔叶林乔木层具有较强的碳汇增量㊂初步估算,哀牢山亚热带常绿阔叶林林区内每年乔木固碳增量为8.52×104t C ㊃a -1㊂关键词 亚热带常绿阔叶林;生物量;碳储量;哀牢山*国家重点基础研究发展计划项目(2010CB833501)㊁中国科学院知识创新工程重要方向项目(KZCX2⁃YW⁃Q1⁃05⁃04)㊁国家自然科学基金项目(40571163)和国家重点基础研究发展计划资助项目(2003CB415101)㊂**通讯作者E⁃mail:yipingzh@收稿日期:2010⁃01⁃18 接受日期:2010⁃03⁃16中图分类号 S718.5,Q948.1 文献标识码 A 文章编号 1000-4890(2010)6-1047-07Carbon storage and sequestration of tree layer in subtropical evergreen broadleaf forests in Ailao Mountain of Yunnan.ZHANG Peng⁃chao 1,4,ZHANG Yi⁃ping 1,2,3,YANG Guo⁃ping 1,2,3,ZHENG Zheng 1,2,3,LIU Yu⁃hong 1,2,3,TAN Zheng⁃hong 1,4(1Key Laboratory of Tropi⁃cal Forest Ecology ,Xishuangbanna Tropical Botanical Garden ,Chinese Academy of Sciences ,Menglun 666303,Yunnan ,China ;2Ailaoshan Station for Subtropical Forest Ecosystem Studies ,Jingdong 676209,Yunnan ,China ;3National Forest Ecosystem Research Station at Ailaoshan ,Jingdong 676209,Yunnan ,China ;4Graduate University of Chinese Academy of Sciences ,Beijing 100049,China ).Chinese Journal of Ecology ,2010,29(6):1047-1053.Abstract :In order to understand the tree layer carbon storage and sequestration in the subtropi⁃cal evergreen broadleaf forests in Ailao Mountain,an analysis was made on the tree layer carbon storage and sequestration in three dominant forests in the Mountain,based on the field surveys in 2005and 2008.The tree layer carbon storage in the primary evergreen broadleaf forest,seconda⁃ry Populus bonatii forest,and secondary Alnus nepalensis forest in the Mountain was 257.90,222.95,and 105.39t C㊃hm -2,respectively.The tree layer carbon storage of the primary ever⁃green broadleaf forest was mainly contributed by the trees with DBH ≥91cm (34.68%),while that of the two secondary forests was mainly contributed by the trees with DBH from 21cm to 41cm (77.29%for P.bonatii secondary forest,and 69.28%for A.nepalensis secondary forest),suggesting that the tree layer of primary evergreen broadleaf forest played an important role in the carbon storage in Ailao Mountain.The tree layers of the three forests all had the capability of car⁃bon sequestration.The mean annual increment of tree layer carbon sequestration in primary ever⁃green broadleaf forest was 2.47t C㊃hm -2㊃a -1,and that in the two secondary forests was about生态学杂志Chinese Journal of Ecology 2010,29(6):1047-1053two times of the primary evergreen broadleaf forest,suggesting a great potential of carbon seques⁃tration in secondary forests.Based on the above⁃mentioned results,it was estimated that the mean annual increment of tree layer carbon sequestration within the Ailao Mountain National Na⁃ture Reserve was8.52×104t C㊃a-1.Key words:subtropical evergreen broadleaf forest;biomass;carbon storage;Ailao Mountain. 自工业革命以来,由于人类活动如化石燃料燃烧和土地利用变化的影响,大气中CO2㊁CH4等温室气体浓度的急剧上升,导致了全球气候变化(Vi⁃tousek,1994;Rind,1999)㊂IPCC于2007年2月发布了第四次评估报告,指出全球气候变暖和极端气候事件已经成为一个不争的事实,近百年(1906 2005年)全球地表平均温度上升了0.74℃±0.18℃(IPCC,2007)㊂陆地生态系统是人类赖以生存和持续发展的生命支持系统,是受人类活动影响最强烈的区域,是大气碳的主要汇(Schimel,1995;方精云等,2001,2007)㊂森林生态系统是地球生物圈的重要组成部分,储存了陆地生态系统中有机碳地上部分的80%,地下部分的40%(Malhi et al.,1999)㊂森林生态系统的碳储量不仅是研究森林生态系统与大气碳交换的基本参数(Dixon et al.,1994),也是估算森林生态系统与大气排放含碳气体的关键因子㊂由此可见,森林生态系统在全球碳循环与平衡中具有极为重要和不可替代的地位和作用㊂为了正确评价我国森林碳库在全球碳循环和碳平衡中的地位,我国学者围绕森林生态系统的碳储量㊁碳密度和碳汇功能做了大量的研究工作,取得了显著的成就(Fang et al.,2001;方精云和陈安平, 2001;于贵瑞,2003;胡会峰和刘国华,2006)㊂从生物生产与气候关系的角度,碳蓄积主要发生在热带和亚热带(Watson et al.,2000)㊂亚热带由于面积广大㊁气候类型和地貌单元多样,森林生态系统的类型变化大,而且复杂㊂在我国的亚热带,除西部外,其他地区均为人口稠密区,对森林资源的开发和破坏都非常大㊂目前大部分森林的林龄不大,且人工林占有相当比例,天然原始林所存非常有限㊂有关森林生态系统生物量和生产力的研究,以人工林最多,不但包括许多针叶林,如杉木林和马尾松林,而且包括阔叶林和针阔混交林,天然林的研究报道相对较少,且以天然次生林研究为主,难得有原始林的测定,即使是原始森林,也或多或少受到了人为干扰的影响(冯宗炜等,1999)㊂而哀牢山的上部分布着目前我国面积最大㊁保存最完整的亚热带山地湿性常绿阔叶林(吴征镒,1983)㊂不少学者对其群落类型和结构㊁树种多样性㊁生物量等方面进行了研究(邱学忠和谢寿昌,1998),但对该地区森林碳循环和碳储量的研究仍然十分薄弱㊂本研究以位于哀牢山国家级自然保护区内的哀牢山亚热带森林生态系统研究站(简称哀牢山生态站)的4块亚热带常绿阔叶林长期观测样地,即:中山湿性常绿阔叶林长期观测样地㊁中山湿性常绿阔叶林土壤生物采样地㊁滇山杨次生林辅助长期观测采样地和旱冬瓜次生林辅助长期观测采样地为对象,采用植被调查法,对哀牢山亚热带常绿阔叶林乔木碳储量及其固碳增量进行了分析㊂旨在探讨我国保存最为完好㊁面积最大的亚热带常绿阔叶林的乔木碳储量及其固碳增量的差异,为区域森林碳储量及其固碳潜力的估算提供科学依据,同时为将来在本地区开展碳循环研究提供数据支持㊂1 研究概况与研究方法1.1 自然概况哀牢山位于云南高原西南部㊁横断山区南段,绵延500余km,降雨充沛,其山体的上部分布着目前我国面积最大㊁保存最完整的亚热带山地湿性常绿阔叶林(吴征镒,1983),其面积约有34483hm2㊂研究地点位于哀牢山国家级自然保护区内的哀牢山生态站附近,地理位置为24°32′N,101°01′E,海拔2450m㊂其年平均气温为11.0℃,降水量1879.5 mm,蒸发量为1174.0mm,雨季相对湿度在90%以上㊂哀牢山生态站所在地区的主要森林类型包括亚热带中山湿性常绿阔叶林㊁滇山杨林㊁旱冬瓜林等㊂其中大面积分布的是原始的中山湿性常绿阔叶林,树龄在120年以上(邱学忠和谢寿昌,1998),主要以变色椎(Castanopsis rufescens)㊁木果柯(Lithocarpus xylocarpus)和硬壳柯(L.hancei)为优势种,林冠郁闭度高,植被盖度在0.85以上,群落高度为20~25 m,乔㊁灌㊁草垂直分层明显(吴征镒,1983),为成过熟林(谢寿昌等,1996)㊂8401 生态学杂志 第29卷 第6期 旱冬瓜林位于哀牢山生态站西北角,面积约98 hm2,是亚热带中山湿性常绿阔叶林遭受彻底破坏又加以火烧后逐渐形成的次生林㊂群落郁闭度为75%,群落高度为15m;群落优势种为旱冬瓜(Alnus nepalensis)㊂群落分层结构状况:乔木层,高15m,以旱冬瓜为主;灌木层以吴茱萸(Evodia rutaecarpa)为主,高1~3m;草本层,高在0.30m以下,紫茎泽兰(Ageratina adenophora)最多,层间附(寄)生植物较少,为中龄林㊂滇山杨林是亚热带中山湿性常绿阔叶林遭受到破坏后(如砍伐㊁火烧)所形成的次生林,也是本区域森林植物群落演替的先锋树种㊂研究区内主要出现在哀牢山生态站周围海拔2500m以下的低丘和缓坡地带,呈零星小片分布㊂调查样地的群落郁闭度为80%,高度为15~20m;优势种为滇山杨(Pop⁃ulus rotundifolia var.bonatii)㊁硬壳柯等㊂群落分层结构状况:乔木上层,高15~20m,乔木层以滇山杨为主,并伴生有硬壳柯㊁顺宁厚叶柯(Lithocarpus pachyphyllus var.fruticosus)等;灌木层以无量山箭竹为主,高1~3m;草本层,高在0.20m以下,以长穗兔儿风㊁沿阶草(Ophiopogon bodinieri)为常见,层间附生植物丰富,为中龄林㊂1.2 研究方法1.2.1 试验设置 在2008年按照中国生态研究网络(CERN)的规范,采用了植被调查方法,对代表哀牢山地区亚热带常绿阔叶林的3种主要森林类型的4个样地:中山湿性常绿阔叶林(长期观测样地㊁土壤生物采样地)㊁滇山杨次生林辅助长期观测采样地和旱冬瓜次生林辅助长期观测采样地的全部挂牌乔木进行了调查,调查的项目主要是胸径≥2cm乔木的物种㊁胸径(1.3m处)㊁树高和冠幅㊂1.2.2 数据及计算方法 2005年的数据为哀牢山生态站定期植被调查数据,2008年数据为本研究的植被调查数据㊂进行统计分析时将2个中山湿性常绿阔叶林样地的调查数据进行了合并㊂利用植被调查数据,使用式(1),计算得出哀牢山亚热带常绿阔叶林林区3种主要森林类型中山湿性常绿阔叶林㊁滇山杨次生林和旱冬瓜次生林每棵树的生物量,再将每块样地中所有树的生物量相加就得到各森林类型乔木层的总生物量,最后根据式(2)由生物量计算出各森林类型乔木层的总碳储量㊂生物量计算方法:W=aD b(1)式中:W为乔木总生物量,D为胸径,a㊁b为方程中的经验参数㊂公式(1)根据哀牢山地区已有的生物量模型(邱学忠等,1984),进行了相应的转化,得出式中的a为0.1586,b为2.3591㊂碳储量计算方法:本研究中森林乔木层碳储量(W c)为森林乔木层生物量(W)乘以转换系数得到,本文采用目前国际上常用的转换系数0.5(即每g干物质的碳含量) (Lugo&Brown,1992;刘国华等,2000;Fang et al., 2001)㊂W c=0.5W(2)年平均固碳增量计算方法ΔW c=(W c2008-W c2005)/(2008-2005)(3)碳储量的平均年增长率计算方法Δ=(W c2008/W c2005)1/(2008-2005)-1(4)式(2) (4)中:W c为森林乔木层碳储量,ΔW c为森林乔木层的年平均固碳增量,Δ为森林乔木层碳储量的年平均增长率㊂本研究计算的森林植被碳储量为乔木层碳储量,未包括林下层㊁灌木㊁草本及凋落物碳储量㊂2 结果与分析2.1 各森林类型乔木层的碳储量图1显示了哀牢山亚热带常绿阔叶林区各森林类型的乔木碳储量,2005年哀牢山中山湿性常绿阔叶林㊁滇山杨次生林和旱冬瓜次生林乔木层的碳储量分别为250.48㊁209.82和92.35t C㊃hm-2㊂2008年代表森林类型乔木层的碳储量分别为257.90㊁图1 2005年和2008年不同森林类型碳储量的比较Fig.1 Carbon storage between2005and2008in each for⁃est type9401张鹏超等:哀牢山亚热带常绿阔叶林乔木碳储量及固碳增量222.95和105.39t C㊃hm-2㊂可以看出,乔木层碳储量的大小关系为:中山湿性常绿阔叶林>滇山杨次生林>旱冬瓜次生林㊂由此可以认为,在云南中部亚热带常绿阔叶林森林林区,乔木层固碳能力最大的是中山湿性常绿阔叶林,其次是滇山杨次生林,最小的是旱冬瓜次生林㊂2.2 主要树种的碳储量哀牢山亚热带常绿阔叶林区不同森林类型乔木层中主要树种碳储量见表1㊂在亚热带中山湿性常绿阔叶林乔木层中,碳储量最大的是变色锥,2005年为67.20t C㊃hm-2,2008年为68.39t C㊃hm-2;其次是木果柯,2005年为59.15t C㊃hm-2,2008年为61.03t C㊃hm-2;这2个树种的碳储量分别占整个中山湿性常绿阔叶林乔木层的50.44%(2005年)和50.18%(2008年);在滇山杨次生林乔木层中,碳储量最大的是滇山杨,2005年为94.06t C㊃hm-2,2008年为98.64t C㊃hm-2;其次是硬壳柯, 2005年为63.90t C㊃hm-2,2008年为67.70t C㊃hm-2;这2个树种的碳储量占整个滇山杨林乔木层的75.28%(2005年)和74.61%(2008年);在旱冬瓜林乔木层中,碳储量最大是旱冬瓜,2005年为91.28t C㊃hm-2,2008年为104.09t C㊃hm-2;旱冬瓜的碳储量占整个旱冬瓜林乔木层的98.84% (2005年)和98.76%(2008年)㊂2.3 各森林类型乔木层不同径级碳储量的比较利用2008年的观测资料分析了哀牢山亚热带常绿阔叶林区不同森林类型乔木层中主要树种不同径级的碳储量(图2),并计算了相应的碳储量百分比(图3)㊂可见,对于亚热带中山湿性常绿阔叶林乔木层,以最大径级(Ⅹ级,DBH≥91cm)碳储量最高,为89.45tC㊃hm-2,占森林乔木碳储量的34.68%㊂在图2 不同森林类型主要树种的各径级乔木的碳储量Fig.2 Carbon storage of different diameter class in each forest typeⅠ级2≤DBH<11cm;Ⅱ级11≤DBH<21cm;Ⅲ级21≤DBH<31cm;Ⅳ级31≤DBH<41cm;Ⅴ级41≤DBH<51cm;Ⅵ级51≤DBH<61 cm;Ⅶ级61≤DBH<71cm;Ⅷ级71≤DBH<81cm;Ⅸ级81≤DBH<91 cm;Ⅹ级91cm以上㊂下同㊂图3 不同森林类型主要树种各径级的碳储量占总碳储量的百分比Fig.3 Percentage of carbon storage of different diameter class in each forest type表1 哀牢山亚热带常绿阔叶林区不同森林类型主要树种碳储量的比较(t C㊃hm-2)Tab.1 Comparison of the main tree species in carbon storage in evergreen broadleaf forest of Ailao Mountain树种中山湿性常绿阔叶林2005年2008年滇山杨林2005年2008年旱冬瓜林2005年2008年变色锥Castanopsis wattii67.2068.394.254.90--红花木莲Manglietia insights6.957.13----黄心树Machilus bombycina22.5223.60----木果柯Lithocarpus xylocarpus59.1561.034.124.74--南洋木荷Schima noronhae35.8337.010.400.48--硬壳柯Lithocarpus hancei3.543.5763.9067.70--折柄茶Hartia sinensis4.895.001.581.79--滇山杨Populus bonatii--94.0698.64--旱冬瓜Alnus nepalensis----91.28104.09其他50.3852.1741.5244.691.071.30总计250.48257.90209.82222.9592.35105.39 0501 生态学杂志 第29卷 第6期 图4 不同森林类型乔木层碳储量的平均年增长率Fig.4 Average annual growth rate of carbon storage in each forest type次生的滇山杨林和旱冬瓜林乔木层中,碳储量最高值基本上出现在中部的Ⅲ和Ⅳ级(21cm<DBH≤41 cm),分别为172.32和73.01t C㊃hm-2,分别占对应森林乔木碳储量的77.29%和69.28%㊂2.4 各森林类型的乔木年平均固碳增量利用2005和2008年的数据,以及式(3),可以计算得出,哀牢山亚热带中山湿性常绿阔叶林㊁滇山杨次生林和旱冬瓜次生林的乔木年平均固碳增量,分别为2.47㊁4.38和4.35t C㊃hm-2㊃a-1㊂可见,哀牢山亚热带常绿阔叶林林区不同森林类型乔木层年均固碳增量均为正值,大小关系为:滇山杨次生林>旱冬瓜次生林>中山湿性常绿阔叶林,显示了亚热带森林具有较强的碳汇潜力㊂2.5 不同森林类型乔木层碳储量的平均年增长率利用2005和2008年的数据,以及式(4),可以计算得出,哀牢山中山湿性常绿阔叶林㊁滇山杨次生林和旱冬瓜次生林乔木层碳储量的平均年增长率分别为0.98%㊁2.04%和4.50%(图4)㊂哀牢山碳储量的平均年增长率大小关系为:旱冬瓜次生林>滇山杨次生林>中山湿性常绿阔叶林㊂3 讨 论云南中部是我国常绿阔叶林分布的重点地区之一,具有亚热带高原特色,而位于云南省中部的哀牢山的上部分布着目前我国面积最大㊁保存最完整的亚热带山地湿性常绿阔叶林(吴征镒,1983),所以本研究选取了地处云南中部的哀牢山国家级自然保护区核心地带的4块样地作为研究地,其结果可以认为是代表了云南中部地区㊂在原生的亚热带中山湿性常绿阔叶林中(表1),组成群落的主要种的变色锥和木果柯的碳储量占据整个乔木碳储量的50%以上;在次生的滇山杨林中,碳储量主要集中在滇山杨和硬壳柯,其碳储量可达整个滇山杨林乔木层的75%左右;在次生的旱冬瓜林乔木层中,由于接近于纯林,优势树种旱冬瓜的碳储量占据了绝对优势,可达98%以上㊂进一步比较2005和2008年的数据可以发现,优势树种的碳储量所在比率在原生的亚热带中山湿性常绿阔叶林和旱冬瓜次生林乔木层是增加的,在滇山杨次生林乔木层中变化较小,显示了优势树种碳储量对森林碳储量具有较大贡献㊂在原生的中山湿性常绿阔叶林乔木层中,乔木的最大碳储量(89.45t C㊃hm-2)的乔木径级主要集中Ⅹ级(DBH≥91cm)㊂而次生的滇山杨林和旱冬瓜林乔木层的最大碳储量的乔木径级主要集中在Ⅲ和Ⅳ级(21cm<DBH≤41cm),分别为172.32和73.01t C㊃hm-2㊂可以认为:在原生的中山湿性常绿阔叶林乔木层中碳储量主要分布于大径级的乔木之中,这些大树寿命比较长,可视为一种长期的碳库;而次生林乔木层的碳储量主要分布在中径级的乔木中,随着乔木的生长,其在将来的碳储存方面将发挥越来越大的作用,是潜在的碳库㊂哀牢山亚热带常绿阔叶林林区,原生的中山湿性常绿阔叶林乔木层的碳储量最大(表1),2008年为257.90t C㊃hm-2,略低于我国森林生态系统的平均单位面积碳储量(258.83t C㊃hm-2)(周玉荣等,2000),大于全国植被的平均碳储量57.07t C㊃hm-2(周玉荣等,2000)㊁41.32t C㊃hm-2(赵敏和周广胜,2004)㊁41.00t C㊃hm-2(方精云等,2007);旱冬瓜次生林的碳储量最小,2008年为105.39t C㊃hm-2,但也高于全国植被的平均碳储量(57.07t C㊃hm-2)(周玉荣等,2000)㊂可以认为:在云南中部亚热带常绿阔叶林区,大面积原生的中山湿性常绿阔叶林乔木层在森林固碳方面发挥了很大的作用,中山湿性常绿阔叶林乔木层是云南中部阔叶林林区乔木碳储量的主要贡献者㊂如假设其固碳能力地区变化不大,则可以粗略估计云南中部亚热带常绿阔叶林区2008年的乔木总固碳量可达8.93×106t C (258.83t C㊃hm-2×34483hm2),比2005年8.64×106t C(250.48t C㊃hm-2×34483hm2)增加了0.29×106t C㊂哀牢山亚热带常绿阔叶林林区不同森林类型乔木层年均固碳增量均为正值,显示了哀牢山亚热带1501张鹏超等:哀牢山亚热带常绿阔叶林乔木碳储量及固碳增量常绿阔叶林乔木层均有碳储量潜力,每年都在存储大量的碳;哀牢山亚热带常绿阔叶林林区不同森林类型乔木层中,乔木年平均固碳增量的大小关系为:滇山杨次生林(4.38t C㊃hm-2㊃a-1)>旱冬瓜次生林(4.35t C㊃hm-2㊃a-1)>中山湿性常绿阔叶林(2.47t C㊃hm-2㊃a-1)㊂次生林的滇山杨次生林和旱冬瓜次生林乔木层的乔木年平均固碳增量数值相当,是原生的中山湿性常绿阔叶林乔木层的2倍,显示了次生林乔木层具有较强的碳汇潜力㊂研究表明,成熟林无论是地上部分还是地下部分,均贮藏着巨大的生物量,老龄森林生态系统在一定区域或全球尺度上对碳估算均起着巨大的作用(Suchanek et al.,2004)㊂值得注意的是,作为云南中部亚热带常绿阔叶林主要林分的亚热带中山湿性常绿阔叶林,虽然已经是120多年的成熟林(邱学忠和谢寿昌,1998),其乔木层碳储量可达257.90 t C㊃hm-2(2008年),并且仍然具有较强的碳汇潜力,其乔木层年固碳增量可达2.47t C㊃hm-2㊃a-1,碳储量的平均年增长率为0.98%,低于我国森林的平均年增长率1.6%(吴庆标等,2008)㊂因此,可以认为,作为云南中部的亚热带常绿阔叶林主要林分的亚热带中山湿性常绿阔叶林,一方面具有较大的森林面积(34483hm2),加之仍然具有较强的不可忽视碳汇潜力(乔木层为2.47t C㊃hm-2㊃a-1),仍然可以为国家在减排时做出巨大贡献,在2005 2008年间,乔木层每年就新增加固碳量29×104t C㊂如假设其固碳增量的地域变化不大,则云南中部的亚热带常绿阔叶林林区乔木层的每年的固碳量可达2.47t C㊃hm-2㊃a-1×34483hm2 =8.52×104t C㊃a-1㊂作为次生林的滇山杨林和旱冬瓜林乔木层,同样具有较强的固碳能力(222.95和105.39t C㊃hm-2);其年均固碳增量更大(4.38和4.35t C㊃hm-2㊃a-1),充分显示了作为地方土著种在固碳方面的显著作用,因此在人工造林时应该予以关注㊂本研究的3种亚热带常绿阔叶林的森林类型中,虽然旱冬瓜次生林乔木层的碳储量最小,但其平均年增长率最大,为4.50%,显示了具有较强的固碳潜力㊂有研究表明,随着乔木年龄的增长,树木所能固碳量的年增长率随之迅速增加(Lugo&Brown, 1992)㊂由此可以认为,随着时间的变化,次生林将发挥越来越大的固碳潜力㊂本研究以哀牢山为基础,探讨了云南中部常绿阔叶林林区乔木的碳储量及其固碳增量,显示了云南中部亚热带常绿阔叶林乔木具有较高的碳储量和固碳潜力,如果进一步考虑灌木和草本植物,云南中部的亚热带常绿阔叶林的碳储量及其固碳增量将会更高,所以进一步保护好云南中部的亚热带常绿阔叶林,对于国家制定减排战略㊁应对国际碳谈判等具有重要的意义,并可为国家实施减排做出贡献㊂由此可以认为,云南中部所保存的大量常绿阔叶林,具有巨大的碳储量及固碳潜力,保存好现有的原生常绿阔叶林,以保护和维持森林碳储量;禁止乱砍乱伐,减少因为采伐导致的森林碳储量的减少和碳汇潜力降低㊂另外,本研究表明,滇山杨作为亚热带常绿阔叶林的乡土树种,其构成的森林类型,同样具有较高的碳储量,应该在进行人工造林和清洁能源机制(CDM)中,成为优先考虑的树种;而旱冬瓜则具有较大碳储量平均年增长率,显示了较强的固碳潜力,也可作为人工林种植的选择树种㊂4 结 论在云南中部亚热带常绿阔叶林中,大面积存在的原生林的中山湿性常绿阔叶林乔木层的碳储量最大,2008年达257.90t C㊃hm-2,滇山杨林乔木层为222.95t C㊃hm-2,旱冬瓜次生林乔木层的碳储量最小,为105.39t C㊃hm-2㊂在原生的中山湿性常绿阔叶林乔木层中,碳储量主要集中在Ⅹ级(DBH≥91cm),占总碳储量的34.68%;次生的滇山杨林和旱冬瓜林乔木层的碳储量主要集中在Ⅲ和Ⅳ级(21cm≤DBH<41cm),占乔木层总碳储量的百分比,滇山杨林为77.29%;旱冬瓜林为69.28%㊂云南中部亚热带常绿阔叶林林区不同森林类型乔木层均具有碳储量潜力,每年都能够不断地存储大量的碳㊂即使是原始的㊁具有120多年树龄的成熟林 亚热带中山湿性常绿阔叶林,乔木层年平均固碳增量也达2.47t C㊃hm-2㊃a-1,显示出较高的固碳潜力;而作为次生林的滇山杨林和旱冬瓜林,其乔木层年均固碳潜力则为亚热带中山湿性常绿阔叶林的2倍(4.38和4.35t C㊃hm-2㊃a-1),充分显示了作为地方土著种的树种在固碳方面具有显著作用,在人工造林时应该予以关注㊂云南中部亚热带中山湿性常绿阔叶林㊁滇山杨次生林和旱冬瓜次生林乔木层碳储量的平均年增长率分别为0.98%㊁2.04%和4.50%㊂2501 生态学杂志 第29卷 第6期 初步估算云南中部亚热带常绿阔叶林林区2008年的乔木总固碳量可达8.93×106t C,比2005年8.64×106t C增加了29×104t C,每年乔木固碳增量为8.52×104t C㊃a-1㊂参考文献方精云,陈安平.2001.中国森林植被碳库的动态变化及其意义.植物学报,43(9):967-973.方精云,郭兆迪,朴世龙,等.2007.1981 2000年中国陆地植被碳汇的估算.中国科学(D辑),37(6):804-812.方精云,朴世龙,赵淑清.2001.CO2失汇与北半球中高纬度陆地生态系统的碳汇.植物生态学报,25(5):594-602.冯宗炜,王效科,吴 刚.1999.中国森林生态系统的生物量和生产力.北京:科学出版社.胡会峰,刘国华.2006.中国天然林保护工程的固碳能力估算.生态学报,26(1):291-296.刘国华,傅伯杰,方精云.2000.中国森林碳动态及其对全球碳平衡的贡献.生态学报,20(5):733-740.邱学忠,谢寿昌,荆桂芬.1984.云南哀牢山徐家坝地区木果石栎林生物量的初步研究.云南植物研究,6(1):85 -92.邱学忠,谢寿昌.1998.哀牢山森林生态系统研究.昆明:云南科技出版社.吴庆标,王效科,段晓男,等.2008.中国森林生态系统植被固碳现状和潜力.生态学报,28(2):517-524.吴征镒.1983.云南哀牢山森林生态系统研究.昆明:云南科技出版社.谢寿昌,刘文耀,李寿昌,等.1996.云南哀牢山中山湿性常绿阔叶林生物量的初步研究.植物生态学报,20 (2):167-176.于贵瑞.2003.全球变化与陆地生态系统碳循环和碳蓄积.北京:气象出版社.赵 敏,周广胜.2004.中国森林生态系统的植物碳储量及其影响因子分析.地理科学,24(1):50-54.周玉荣,于振良,赵士洞.2000.我国主要森林生态系统碳储量和碳平衡.植物生态学报,24(5):518-522. Dixon RK,Brown S,Houghton RA,et al.1994.Carbon poolsand flux of global forest ecosystem.Science,263:185-90. Fang JY,Chen AP,Peng CH,et al.2001.Changes in forest biomass carbon storage in China between1949and1998.Science,292:2320-2322.IPCC.2007.Summary for Policymakers of Climate Change 2007:The Physical Science Basis.Contribution of Working GroupⅠto the Fourth Assessment Report of the Intergov⁃ernmental Panel on Climate Change.Cambridge:Cam⁃bridge University Press.Lugo AE,Brown S.1992.Tropical forests as sinks of atmos⁃pheric carbon.Forest Ecology and Management,54:239-255.Malhi Y,Baldocchi DD,Jarvis PG.1999.The carbon balance of tropical,temperate and boreal forest.Plant,Cell&En⁃vironment,22:715-40.Rind plexity and climate.Science,284:105-107 Schimel DS.1995.Terrestrial ecosystems and the carbon cycle.Global Change Biology,1:77-91. Suchanek TH,Mooney HA,Franklin JF,et al.2004.Carbon dynamics of an old⁃growth forest.Ecosystems,7:421-426.Vitousek PM.1994.Beyond global warming:Ecology and global change.Ecology,75:1861-1876. Watson RT,Noble IR,Bolin B,et nd⁃use,Land⁃use Change,and Forestry.Cambridge:Cambridge Univer⁃sity Press.作者简介 张鹏超,男,1983年生,硕士研究生㊂研究方向为生态气候㊂E⁃mail:zhangpc@责任编辑 王 伟3501张鹏超等:哀牢山亚热带常绿阔叶林乔木碳储量及固碳增量。
生态系统服务功能分类与价值评估探讨
生态系统服务功能分类与价值评估探讨3王 伟1 陆健健233(1上海大学生命科学学院,上海200444;2华东师范大学河口海岸国家重点实验室,上海200062)摘 要 生态系统服务功能及其价值评估研究是当前生态学研究的热点,对于促进生态系统可持续管理具有重要作用。
目前,在生态系统服务功能分类及价值评估方面,还没有形成比较系统的理论;在服务价值的评估方面,国内相关研究多数套用现有的一般化计算公式对生态服务功能进行计算,缺少针对性和探索性。
总结近年来笔者在这方面的研究得失,并综合前人的研究,将生态系统服务功能进行新的分类,提出“核心”服务功能、“理论”服务价值与“现实”服务价值的概念,并以温州三 湿地生态系统服务功能及其价值评估研究作为实例,论证所提出的新概念。
生态系统服务功能及价值评估研究的最终目的是为生态系统管理决策者提供信息,因此服务价值评估的意义不在于对每一项服务功能价值的精确估算,甚至不需要计算一个生态系统所有的服务功能价值,而应抓住一个或几个有计算依据的核心服务功能。
提出理论服务价值概念的主要目的在于同现实服务价值的比较,量化某服务功能的退化程度,明确后续生态恢复和重建的主要目标,并可在一定程度上作为生态恢复的重要指标。
关键词 生态系统服务,分类,价值评估中图分类号 Q148 文献标识码 A 文章编号 1000-4890(2005)11-1314-03An approach on ecosystem services classif ication and valu ation.WAN G Wei 1,LU Jianjian 2(1School of L if e Science ,S hanghai U niversity ,S hanghai 200444,China ;2S tate Key L aboratory of Estuarine and Coastal Research ,East China Norm al U niversity ,S hanghai 200062,China ).Chinese Journal of Ecology ,2005,24(11):1314～1316.The study of ecosystem services and their valuation is a hot 2pot issue in ecology ,which plays an important role in boosting sustainable ecosystem management.At present ,there are no systemic theories in ecosystem services classification and valuation ,and most domestic studies are focused on the repeated estimation of some prevalent services by using established methods ,without any pertinence and exploration.Based on our previous studies and related literatures ,this paper put forward a new classification system of ecosystem services ,and named three new concepts ,i.e .,top 2drawer ecosystem services ,theoretical value ,and actual value.A case study on the Sangyang wetland of Wenzhou further illustrated these classification system and new concepts.It is sug 2gested that if the main purpose of ecosystem services study is to serve decision 2making ,it is no need to evaluate all the ecosystem services of a region accurately and roundly ,while the valuation of several top 2drawer ecosys 2tem services is sufficient.The comparison of theoretical and actual values could help to analyze the degree of e 2cosystem degeneration and evaluate the process of ecological restoration.K ey w ords ecosystem services ,classification ,valuation.3国家重点基础研究发展规划项目(2002CB412406)和国家自然科学基金重点资助项目(40131020)。
植被遥感研究综述
植被遥感研究综述摘要：随着计算机科学的发展，遥感技术可以有效完成复杂时空尺度海量信息的收集处理，其与森林资源研究的交叉、融合大大提高了复杂时空尺度上森林资源动态研究的表达能力。
遥感已在森林资源综合监测、林火监测方面广泛应用。
由于RS 分辨率大幅度提高，波谱范围不断扩大，特别是星载和机载成像雷达的出现，使RS 具备多功能、多时相、全天候能力。
其中NOAA 卫星广泛用于监测全球森林宏观变化，MSS、TM、SPOT 用于区域中森林资源动态监测。
遥感技术极大地推动了我国森林植被的研究。
关键词：遥感信息处理植被监测植被指数1引言森林资源，是林业和生态环境建设的基础，总面积超过40亿hm，约占陆地总面积的31%，对经济、社会和环境的可持续发展有不可替代的作用。
遥感影像分类是森林资源调查和监测不可缺少的内容。
从不同来源、不同形式的遥感信息提取出森林植被的专题信息，为划分森林类型、绘制林相图、清查森林资源、预测预报森林病虫害及森林火灾、合理规划、利用和保护森林资源提供基础和依据。
20 世纪以来，由于森林面积萎缩和质量下降引发的生态环境事件不断出现，使得森林健康问题得到前所未有的关注，各国学者开展了大量而富有成效的研究工作。
但是，传统的原地观测与受控实验等研究方法不仅需要耗费大量的人力物力资源，且速度缓慢，缺乏时间序列上的可比性，一些偏远地区更是难以到达；因为缺乏恰当的尺度转换手段，整体研究结果常常难以令人信服，方法具有一定的局限性。
遥感技术则为人们提供了广阔的视野、海量的信息及一个可以实现客观、连续、重复、动态对比分析和推断预警的工作平台，已成功应用于植被研究的诸多领域，显示出强大的生命力。
2基本原理森林植被的物理属性与草原、荒漠、农田、水体、建筑用地等土地利用类型有很大的区别；不同森林植被在不同生存环境和生长发育阶段，体内生化物质组成、含量、特性以及细胞结构、含水量也各不相同，这种物理属性的差异形成了目标物独特的光谱反射曲线，是用于判断和区别森林植被的重要手段。
塔里木河下游胡杨群落的蒸散发观测研究
Ａｂｓ ｔ ｒ ａ ｃ ｔ ： Ｃｏ ｍｂ ｉ ｎ ｉ ｎ ｇ ｔ ｈ ｅ ａ ｃ ｔ ｕ ｌ ａ ｏ ｂ ｓ ｅ ｒ ｖ ａ ｔ ｉ ｏ ｎ ｄａ ｔ ａ ｏ ｆ ｅ ｄ ｄ ｙ ｃ ｏ ｖ ａ ｒ ｉ ａ ｎｃ ｅ ｔ ｅ ｃ ｈ ｎ ｉ ｑ ｕ ｅ，ｐｏ ｔ ｅ ｎ ｔ ｉ ａ ｌ ｅ ｖ ａ ｐ ｏ ｔ ｒ ａ ｎ ｓ ｐ ｉ ｒ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｄ ｅ ｓ — ｅ ｒ ｔ ｉｐａ ｒ ｉａ ｒ ｎ ｆ ｏ ｒ ｅ ｓ ｔ ｉ ｓ ｅ ｓ ｔ ｉ ｍａ ｔ ｅ ｄ ｉ ｎ ｔ ｈ ｅ ｌ ｏ ｗｅ ｒ ｒ ｅ ａ ｃ ｈｅ ｓ ｏ ｆ ｔ ａ ｒ ｉ ｍ ｉｖ ｒ ｅ ｒ ｔ ｈ ａ ｔ Ｐｏ ｐｕ ｌ ｕ ｓ Ｐｏ ｐ ｕ ｌ ｕｓ ｅ ｕ ｐ ｈｒ ａ ｔ ｉ ｃ ａ ｉ ｓ ｔ ｈ ｅ ｍａ ｉ ｎ ｐ ｌ ａ ｎ ｔ ｓ ｐ ｅ ｃ ｉ ｅ ｓ ，ａ ｎ ｄ ｃ ｏ ｍｐ ａ ｒ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈ ｅ ａ ｃ ｔ ｕａ ｌ ｅ ｖ ａ ｐ ｏ ｔ ｒ ａ ｎ ｓ ｐ ｉ ｒ ａ ｔ ｉ ｏ ｎ ｂ ｙ ｕ ｓ ｉ ｎｇ Ｐｅ ｎｍａ ｎ —Ｍｏ ｎ ｔ ｅ ｉ ｔ ｈ ｆ ｏ ｒ ｍｕ ｌ ａ ． Ｔｈ ｅ ｒ ｅ ｓ ｕｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈｅ ｐ ｏ ｔ ｅ ｎ ｔ ｉ ａ ｌ ｅ ｖ ａ ｐ ｏ ｔ ｒ ａ ｎｓ ｐｉ ｒ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｄ ｉ ｕ ｒ ｎ ａ ｌ ｖ ａ ｉａ ｒ ｔ ｉ ｏ ｎ ｉ ｓ ａ ｌ ａ ｒ ｇ ｅ ｒ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ，ａ ｂ ｏ ｕ ｔ ３ ｔ ｉ ｍｅ ｓ ｏ ｆ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｂ ｅ ｔ ｗｅ ｅ ｎ ｔ ｈｅ ｍａ ｘ ｉ ｍｕｍ ａ ｎ ｄ ｍｉ ｎ ｉ ｍｕ ｍ ｖ ａ ｌ ｕ ｅ；ｔ ｈｅ ｍａ ｉ ｎ ｆ ａ ｃ ｔ ｏ ｒ ｏ ｆ ａ ｆ ｆ ｅ ｃ ｔ ｉ ｎ ｇ ｔ ｈ ｅ ｐ ｏ ｔ ｅ ｎ ｔ ｉ ａ ｌ ｅ ｖ ａ ｐ ｏ ｔ ｒ ａ ｎ ｓ ｐ ｉ ｒ ａ ｔ ｉ ｏ ｎ ｃ ｈ ａ ｎ ｇ ｅ ｉ ｓ ａ ｖ ｅ ｒ ａ ｇ ｅ ｔ ｅ ｍｐ ｅ ｒ ａ － ｔ ｕ ｒ ｅ，ｓ ｕ ｆａ ｒ ｃ ｅ ｎ ｅ ｔ ｒ ａ ｄ ｉ ａ ｔ ｉ ｏ ｎ，ｔ ｈ ｅ ａ ｖ ｅ ｒ ａ ｇ ｅ ｓ ａ ｔ ｕ ｒ ａ ｔ ｉ ｏ ｎ ｖ ａ ｐｏ ｒ ｐ ｒ ｅ ｓ ｓ ｕ ｒ ｅ ａ ｎ ｄ ｔ ｈｅ ｃ ｈ ａ ｎ ｇ ｅ ｓ ｏ ｆ ｐ ｏ ｔ ｅ ｎ ｔ ｉ ａ ｌ ｅ ｖ ａ ｐ ｏ ｔ ｒ ａ ｎ ｓ ｐ ｉ ｒ ａ ｔ ｉ ｏ ｎ， ｔ ｈ ｅ ｒ ｅ ｉ ｓ ａ ｇ ｏ ｏ ｄ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｂｅ ｔ ｗｅ ｅ ｎ ｔ ｈ ｅ ｍ； ｄ ａ ｉ ｌ ｙ ａ ｃ ｔ ｕ ａ ｌ ｅ ｖ ａ ｐ ｏ ｔ ｒ ａ ｎ ｓ ｐ ｉ ｒ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈｅ ｓ ｔ ｕ ｄ ｙ ａ ｒ ｅ ａ ｈ ａ ｖ ｅ ａ ｇ ｏ ｏ ｄ ｃ ｏ ｒｅ ｌ ａ ｔ ｉ ｏ ｎ ｗｉ ｔ ｈ ｔ ｈｅ
基于Penman-Monteith方程的蒸散发算法及应用
・
４ ０・
科技 论 坛
基于 Ｐ ｅ ｎ ｍａ ｎ — Ｍｏ ｎ ｔ ｅ ｉ ｔ ｈ 方程 的蒸散发算法及 应用
刘 石 ， 陈兴峰 刘 李 ０ （ １ 、 新疆维吾 尔自治 区卫星应 用工程 中心 ， 新疆 ８ ３ ０ ０ ０ ０ ２ 、 遥感科 学国家重点实验 室， 中国科 学院遥感与数 字地球研 究所 ， 北京 １ ０ ０ １ ０ １ ３ 、 中国资源卫星应 用中心 ， 北京 １ ０ ０ ０ ７ ３ ） 摘 要： Ｐ — Ｍ模型是基 于 Ｐ ｅ ｎ ｍａ ｎ － Ｍｏ ｎ ｔ ｅ ｉ ｔ ｈ方程发展起 来 ， 用于计算有植被覆 盖的陆面蒸散量的模型。Ｐ — Ｍ模 型理论基础扎 实、 模拟 精确度 高， 被 广泛应 用于森林或草原植被的蒸散量计算。 目 前利用 Ｐ — Ｍ模型开展植 被蒸散 量的研 究主要集 中在草地、 农 田等均一 下垫 面， 而对 于森林植被等复杂下垫面情况的研 究相对较 少， 针对其特点需要 对模 型进行修 正。研 究表明 ， 运用Ｐ — Ｍ模型估算植被 潜在腾发 量与 实测值接 近 ， 结果比其它估算模 型准确度 高， 可以推 广应 用。 同时 ， 修 正模 型的模 拟精 度主要 取决于计算净辐射 、 空气动力学 阻力和冠层
ｒ ｔ
生态系统服务功能及其价值评估
系统功能的类型来 确定， 通常有 防护费用法 、 恢 参 考文 献 复费用法、 替代市场法等。 ［ 李文华， １ 】 欧阳志云， 景柱． 赵 生态系统服务功能 近年来，随着研究 的深入 和相关 技术手段 研 究［ 】 ｊ． Ｉ 北京： ｆ 气象出版社，０ ２ ２０． 的发展 成熟 ， 生态 系统服务功能价值 核算也得 【 李文华， 生态系统服务 功能价值评估的理 ２ 】 等． 到迅 速 的发展 。地理信 息 系 统（ Ｓ） ＧＩ 在生 态 论 、 方法与应 用【 】 Ｍ． 北京： 中国人 民大学 出版社， 系统 服 务 功 能价 值 核 算 过 程 中成 为 重 要 的 ２０ｏ８． 支持 工具 】 。森林 、 地 以及 草地 生态 系统 【］ｏｔ ｚ ，ｄ ｇ ，ｄ ｒａ ｔａ ． 湿 ３Ｃ ｓ ｎａ Ｒ ａ ％ｒｅ Ｒ ｅＧ ｏｔＲ ｅ １ ｌ ｒｄ ｓ ｏ－ｓ ￣ｅ ｅ ｅｖｃ ｓ 成为研 究 的热点， 生态效 益不 显 著的如 农 田 、 Ｔ ｅ ａ ｕ ｏ ｔ ｅ ｈ ｖ ｌ ｅ ｆ ｌ ｗｏ ｌ ＇ ｅ ｙ ｍ ｓ ｒ ｉ ｅ 荒 漠 生 态 系 统 ． 关 研 究 较 少 。一 些 系统 分 析 ａｄ ｎ ｔｒｌｃｐｔ ［ 相 ｎ ａｕａ ａ ｉ Ｊ】． ａｕｅ，１９ ，３７ ｌ ａ Ｎ ｔｒ ９７ ８： ５ － ６ ． 方法 、 型也被应用到研究 当中， 模 例如建立 系统 ２ ３ ２ ０ 动力学模 型可 以预测不 同管理方式下 ， 系统变 ［］ｍｌ ４Ｄ ｙ Ｇ．Ｎ ｔｒ ｓｒｉｅ ：ｓｃｅ ｌ ｄ ｐｎ ａ ｅ ｅｖｃｓ ｕ ｏｉｔ ｅｅ — ａ 化的趋势 以及 生态系统经济 价值 的变 化趋 势， ｄｎ ｅ Ｏ ａｕａ ｃｓｓ ｍ 【 】 ． ｓｉｇｏ ｅｅ ｎ ｎｔｒ ｅｏｙｔ Ｍ Ｗａｈｎｔ ｌ ｅ ｎ ｓａ ｅ ｓ ９ ７ 不同的物种对生态 系统服务功能 的影 响 １ 运 Ｄ．Ｃ．：Ｉｌｎｄ Ｐｒｓ ．１ ９ ． ９ １， 用数据 分析模 型，通过对相关研究数 据进 行分 【】欧阳志云，王效科，苗鸿．中国陆地生态 系 ５ 析，可 以找出控制生态系统服务功能价值 大小 统服 务功能及生态经济价值 的初步研究 ［ １． Ｊ 的关键 因子旧。文献检索 以及对相关研究 成果 生态 学报 ，１９ ，１ （）： ０ — ６ ３ ９９ ９ ５ ６７ １． 的总结， 是对复合生态系统 、 多种功能进行 价值 【Ｊ欧 阳志 云 ，王 如 松 ， 景 柱 ．生 态 系统服 务 ６ 赵 核算 的有效方法。Ｃ ｓ ｎａ以此为基 础， ｏｔ ｚ ａ 给出了 功 能 及 其 生 态 经 济评 价 叨 ．应 用 生 态 学 报 ， 基于实例研究的生态 系统服务功能价值核算体 １９ ９ ９，１ （）：６ ５ — ６ ０ ０ ５ ３ ４． 系。体系中包括 １ 种生态类型， ６ １ ７种生态服务 『］ｕ ７Ｇ ｏ Ｚ— Ｗ，Ｘ ａ ｉＯ Ｘ— Ｍ，Ｇ ｅ ａ ．Ｅ ｎ ａ Ｙ ｔ１ — ｏｙ ｔｍｆｎ ｔｏ ｓ ｅ ｖｃ ｓ ｎ ｈ ｉ ａ ｅ ｌ 功能 。对每种生态类型 的各种生态 功能的价值 ｃ ｓｓｅ ｕ ｃｉｎ ，ｓｒｉｅ ａ ｄ ｔｅｒ Ｖ Ｕ Ｓ — 核算，是基于前人相关研究成果以及方法 的总 ａｃｓ ｔｄ ｎ Ｘｎ ｓａ ｏ ｎｙ ｏ ｈｎ 【 ａｅ ｓ ｙｉ ｉｇｈ Ｃ ｕ ｔ ｆＣ ｉａ Ｊ】 ｕ ｎ ｏ ｏ ｉ ａ Ｅｃ ｎ ｍｉ ｓ ， ２ ０１ ， ３ ： １ ｏｏ ｃ ０ ８ ４１— 结的基础之上的。核算得出全球生态 系统 每年 Ｅｃ ｌｇ ｃ ｌ 提供 的服务功能的价值在 １５ 万亿美元之 间， １ ４． ６４ ５ 平均为 ３ 万亿美 元。 ３ 为同期全球 Ｇ Ｐ 和的 ［】陈仲新，张新 时．中国生态系统效益的价值 Ｄ 总 ８ １ ． 。这一研究成果具有重要的理论意义 ， ８倍 它 【． 学通抿 ２ ｏ ４ Ｊ科 Ｊ ｏ Ｏ， ５： ７ ２ ． １— ２ 系统 、 综合地考察 了生态系统所提供 的服务功 ［］ ｉ ａｅ ．Ｖ ｕ ｆｅｔｒａ ｎ ｉ ｎ ｅ ｔ ９Ｎｓｎ ｎ Ａ ａ ｅｏ ｘｅｎ ｌｅｖｒ ｍ ｎａ ｋ ｌ ｏ ｌ 能的经济价值，并为后续的研究提供 了新 的方 ｉ ｐｃ ｆｒｆｒｓ ｔｎ ｉ Ｔ ａｌ ｄ ｆ ｍ ａｔｏ ｅ ｅ ｔ ｉ ｎ ｈ ｉ ｎ Ｊ】．Ｅ ｏ ｏ ａｏ ａ ｃ— ｏ ｉ ａ ｃ ｎ ｍｉ ｓ ｌ ９ ６ ８－９． 向。 此后， 许多学者据此对不同地区， 不同生态类 ｌ ｇ ｃ Ｅ ｏ ｏ ｃ ，１ ９８ ，２ ：２ ７ ２ ７ 型的服务价值进行 了评价。 ［０． ｉｈｒ Ｔ １］Ｒｃ ａｄ ，Ｗｏｄ ａｄ ，Ｗｕ ｏｗｒ ｉＹ— Ｓ ｈ ．Ｔ ｅ ｅ ｏ ｏ ｃ ａｕ ｏ ｔ ｎ ｓ ｒ ｖ ｃ ｓ ： ａ ｍｅａ ｃ ｎ ｍｉ ｖ ｅ ｆ ｗｅ ｌ ｄ ｅ － ｉｅ ｌ ａ ｔ ３ 研 究 的重 要 意 义 ａ ａ ｙ ｉ ｎ ｌｓｓ ． Ｅｃ ｌ ｇ ｃ ｌ Ｅ ｏ ｏ ｃ ｏｏ ｉ ａ ｃ ｎ ｍｉ ｓ 全球变化与人类活动使得生态系统和 自然 ０ ， ７ ２ ７ ２ ０ 资源 日益遭受干扰与破坏。在传统 的 自 然资源 ２ ０１３ ： ５ － ７ ． 管理体制下 ， 由于部 门分割和技术手段 的局 限， 作 者简 介 ： 爱平（ ８ ～ ， ， 宁 阜新 张 １ ３ ）女 辽 ９ 各资源管理部 门从 自身利益出发，强调开发忽 人， 硕士研究生， 事恢复生态学方面研究。 从 基 金 项 目 ： 国 家社 会 科 学 基 金 资 助 项 目 视保育 ， 各 自负责 的森林 、 田、 对 农 矿产 、 水等 资 源进行单一化 管理 ，人为割裂生态 系统 的有 机 （５ Ｊ ０ ４ ０ ＢＹ ２ 】 整体性。生态 系统服务价值的研究有助于提 高 人们的环境 意识 。 环境意识越高 ， 人们对 良好生 态环境的需求越强烈 ，对保护环境 的活动越 主 动； 反之 ， 如果 人们的环境意识较低 ， 在社会经 济活动 中， 就往往只顾眼前 、 局部 的经济利益 ， 忽视长期、全局 的整体利益 ， 结果造成资源耗 竭、 生态破坏和环境恶化 ， 进而限制社会经济 的 发展。生态 系统服务价值量化 的体现 自然生态 系统为人类提供 的服务功能 ，可 以更直观 的提 高 人 们 对 生态 系统 服 务 的认 识 程度 。生 态 系 统 服务价值的研究 为制定合理的生态补偿机制及 生态保护方案提供充分 的理论数据支持 ，使其 更具针对性和科学性 。
不同生态系统蒸散发研究进展
刘超，盛超亚，刘俊杰，等.不同生态系统蒸散发研究进展［J ］.中南农业科技，2023，44（7）：222-228．生态系统在各种自然及人为因素的干扰下出现了明显的退化现象［1］，主要表现为生态系统结构破坏、功能衰退、生物多样性减少、生产力下降以及土地生产潜力衰退、土地资源丧失等一系列生态环境恶化现象［2，3］。
蒸散发是联系气候、水、热和碳循环的关键生态水文过程，对研究区域水循环和能量平衡极其重要［4，5］。
地球表面每年有60%的降水通过蒸散作用返回到大气中［6］，研究蒸散发对天气预报、旱涝监测、水资源和农业管理以及全球变化等领域有重要意义［7］。
蒸散发的研究已出现在多个生态系统中，将生态系统按照形成的原动力和影响力可分为自然生态系统和人工生态系统。
自然生态系统包括森林、草地、荒漠以及湿地生态系统；人工生态系统包括农田和城市生态系统［8，9］。
各生态系统在保持水土、防风固沙、保护生物多样性、维护生态平衡等方面都承担着重要的作用［10］，因此在不同生态系统中研究蒸散发都具有重要意义。
蒸散发的研究最早可以追溯到200多年前，1802年Dalton ［11］基于蒸发面的蒸发速率与影响蒸发诸因素之间的关系提出了道尔顿蒸发定律；1926年Bowen ［12］基于地面能量平衡方程与近地层梯度扩散理论，提出了波文比-能量平衡法；1939年Wilm等［13］借助近地面边界层相似理论，提出空气动力学法的原型；1948年Penman ［14］提出潜在蒸散发的概念；1951年Swinbank ［15］借助三维风速仪、红外气体分析仪等探头测定有关物理量的脉动值与垂直风速脉动值的协方差来计算该物理量的垂直湍流输送量，提出了涡度相关法的概念；1953年Penman ［16］基于潜在蒸散发提出了单个叶片气孔蒸腾计算公式；1954年Jensen 等［17］提出参考作物蒸散发概念；1965年Monteith ［18］加入能量平衡和水汽扩散理论所衍生的表面阻抗模型，从而更新了Penman-Monieth公式；1977年联合国粮食及农业组织（FAO ）明确定义了参考作物蒸发量（ET 0）［19］；1979年FAO 基于修正后的ET 0更新了Penman 公式［20］；1998年FAO 第56号灌溉和排水文件（FAO-56）使用单一方法计算参考蒸散量（ET 0），提供了基础作物系数表［21］；2005年美国土木工程师协会（ASCE ）环境和水资源研究所参考蒸散标准化任务委员会提供了用于计算天气数据参考蒸散量（ET ）的标准化方程以及用于天气数据质量评估和控制的程序［22］。
区域蒸散发遥感估算方法及验证综述
区域蒸散发遥感估算方法及验证综述一、本文概述Overview of this article随着全球气候变化和水资源短缺问题的日益严重，区域蒸散发（Evapotranspiration, ET）的准确估算变得至关重要。
蒸散发是地表水分从土壤、植被和大气界面进入大气的过程，是水文循环和能量平衡的重要组成部分。
因此，对区域蒸散发的遥感估算方法及验证进行综述，对于理解区域水循环机制、评估水资源利用效率、预测气候变化影响等具有重要意义。
With the increasing severity of global climate change and water scarcity, accurate estimation of regional evapotranspiration (ET) has become crucial. Evapotranspiration is the process by which surface water enters the atmosphere from the interface of soil, vegetation, and atmosphere, and is an important component of hydrological cycle and energy balance. Therefore, a review of remote sensing estimation methods and validation of regional evapotranspiration is of great significance for understandingregional water cycle mechanisms, evaluating water resource utilization efficiency, and predicting the impact of climate change.本文旨在系统梳理和评述近年来区域蒸散发的遥感估算方法及其验证研究。
生态学公式1-40
《生态学报》公式目录序号年度期刊号标题公式内容1 2009 (1) 长白山温带混交林林冠下层CO2通量对生态系统碳收支的贡献涡度协方差技术测定CO2通量2 2009 (1) 逻辑斯缔方程在研究原始生物大分子动态及生命起源问题中的应用原始生物大分子动态的逻辑斯缔方程3 2009 (1) 三峡库区森林生态系统有机碳密度及碳储量三峡库区森林碳储量的计算公式4 2009 (1) 中华鲟产卵场平面平均涡量计算与分析中华鲟产卵场平面平均涡量计算5 2009 (1) 基于最大熵原理的浙江毛竹胸径分布及测量不确定度评定基于最大熵原理的测量不确定度6 2009 (1) 透明度胁迫对菹草(Potamogetoncrispus)生长的定量影响及其生长动力学模型菹草生长动力学模型7 2009 (1) 卧龙自然保护区与当地社区关系模式探讨卧龙自然保护区与当地社区关系模式8 2009 (1) 滇南地区植被景观时空异质性及其成因增强植被指数计算公式9 2009 (1) 鄂尔多斯东胜地区不同生态功能区的土壤侵蚀敏感性土壤敏感性指数的计算公式10 2009 (1) 公平规范与自然资源保护—基于进化博弈的理论模型基于进化博弈的理论模型11 2009 (1) 基空间相邻的地类转换倾向性模型的构建及应用地类转换倾向性模型的构建12 2009 (1) 基于模型和物质流分析方法的食物链氮素区域间流动—以黄淮海区为例区域氮素流动模型13 2009 (1) 基于遗传神经网络的成都市人均生态足迹预测遗传神经网络模型14 2009 (1) 间作牧草枣林蚧虫群落及其天敌功能团的组成与时空动态蚧虫群落与天敌功能团的时空动态计算公式15 2009 (1) 近40年来江河源区草地生态压力动态分析生态压力指数评价模型16 2009 (1) 喀斯特山地石漠化的垂直变异喀斯特山地石漠化的垂直变异分析17 2009 (1) 马尾松林节肢动物群落的稳定性尖角突变模型18 2009 (1) 中国木质林产品碳储量及其减排潜力木质林产品碳储量计算公式19 2009 (1) 水土保持型牧草苇状羊茅(Festucaarundinacea Schreb)节肢动物群落结构生态学理论中指标计算公式20 2009 (1) 昆嵛山自然保护区生态系统服务功生态系统服务功能价值研究能价值评估方法21 2009 (2) 川西亚高山林区不同土地利用与土地覆盖的地被物及土壤持水特征持水量计算公式22 2009 (2) 点格局分析中边缘校正的一种新算法及其应用点格局分析中边缘校正的一种新算法23 2009 (2) 应用土壤质量退化指数计算松嫩盐碱草地土壤营养位土壤质量退化指数24 2009 (2) 小兴安岭主要树种热值与碳含量热值与碳含量计算方法25 2009 (2) 碱度和pH对两品系蒙古裸腹溞(Moinamongolica Daday)存活、生长和生殖的影响种群增长参数计算公式26 2009 (2) 基于生理生态过程的大麦顶端发育和物候期模拟模型基于生理生态过程的大麦顶端发育和物候期模拟模型27 2009 (2) 灌水量和灌水时期对小麦耗水特性和氮素积累分配的影响冬小麦氮素积累与转运的计算公式28 2009 (2) 桂西北喀斯特区域生态环境脆弱性生态环境脆弱度评价体系29 2009 (2) 基于结构洞理论的产业生态群落关联度赋值方法基于结构洞理论的产业生态群落关联度赋值方法30 2009 (3) 城市生态环境质量评价方法城市生态环境质量评价指标31 2009 (3) 黄绵土N2O排放的温度效应及其动力学特征N2O累积排放量与温度拟合方程32 2009 (3) 基于光温的温室多杆切花菊干物质生产与分配的预测模型切花菊干物质生产和分配预测模型33 2009 (3) 基于证据权重法的丹顶鹤栖息地适宜性评价证据权重模型34 2009 (3) 瓯江口春季营养盐、浮游植物和浮游动物的分布浮游植物和浮游动物丰度的回归方程35 2009 (3) 西溪国家湿地公园生态经济效益能值分析生态经济效益能值分析36 2009 (3) 四川森林土壤有机碳储量的空间分布特征土壤剖面有机碳密度计算公式37 2009 (4) 站点CERES-Rice模型区域应用效果和误差来源均方根差和D-index系数计算公式38 2009 (4) 过去20年中国耕地生长季起始期的时空变化NDVI时序数据平滑处理方法39 2009 (4) 点格局分析函数的边缘校正及其在昆虫种群格局分析中的应用点格局分析函数的边缘校正40 2009 (4) 扎龙自然保护区丹顶鹤(Grusjaponensis)巢的内分布型及巢域丹顶鹤巢的内分布型及巢域计算公式目录涡度协方差技术测定CO2通量原始生物大分子动态的逻辑斯缔方程三峡库区森林碳储量的计算公式中华鲟产卵场平面平均涡量计算基于最大熵原理的测量不确定度菹草生长动力学模型卧龙自然保护区与当地社区关系模式增强植被指数计算公式土壤敏感性指数的计算公式基于进化博弈的理论模型地类转换倾向性模型的构建区域氮素流动模型遗传神经网络模型蚧虫群落与天敌功能团的时空动态计算公式生态压力指数评价模型喀斯特山地石漠化的垂直变异分析尖角突变模型木质林产品碳储量计算公式生态学理论中指标计算公式生态系统服务功能价值研究方法持水量计算公式点格局分析中边缘校正的一种新算法土壤质量退化指数热值与碳含量计算方法种群增长参数计算公式基于生理生态过程的大麦顶端发育和物候期模拟模型冬小麦氮素积累与转运的计算公式生态环境脆弱度评价体系基于结构洞理论的产业生态群落关联度赋值方法城市生态环境质量评价指标N2O累积排放量与温度拟合方程切花菊干物质生产和分配预测模型证据权重模型浮游植物和浮游动物丰度的回归方程生态经济效益能值分析土壤剖面有机碳密度计算公式均方根差和D-index系数计算公式NDVI时序数据平滑处理方法丹顶鹤巢的内分布型及巢域计算公式涡度协方差技术CO 2通量1背景森林林冠下层的CO 2通量和土壤呼吸是森林生态系统碳循环的重要组成部分。
中国植被总初级生产力、蒸散发及水分利用效率的估算及时空变化
中国植被总初级生产力、蒸散发及水分利用效率的估算及时空变化一、本文概述《中国植被总初级生产力、蒸散发及水分利用效率的估算及时空变化》一文集中探讨了我国不同区域植被生态系统在时间和空间维度上所展现出的总初级生产力（Gross Primary Productivity，GPP）、蒸散发（Evapotranspiration，ET）特征以及水分利用效率（Water Use Efficiency，WUE）的变化规律。
通过对长时间序列遥感数据、实地观测资料和相关模型的应用，文章系统地分析了我国植被生态系统的能量流动和水循环过程，并结合气候变化、土地利用变化等因素的影响，深入探究了这些关键生态指标动态变化的原因。
文中首先介绍了研究背景和意义，强调了植被生产力和蒸散发作为生态系统功能的核心组成部分，在维持全球碳循环、水循环以及生物多样性等方面的重要性。
研究采用先进的遥感技术与生态模型相结合的方法，构建了适合中国复杂地形和多样气候条件下的GPP、ET估算框架。
接着，文章详细展示了全国尺度及重点区域（如淮河流域）植被总初级生产力时空分布特征及其变化趋势，揭示了不同生态系统类型和地理区域之间的显著差异。
同时，对蒸散发量进行了全面评估，分析了其随季节、年际变化的规律以及与降水量、气温等气候因子的关系。
文章还深入研究了我国植被水分利用效率的时空格局演变，探讨了自然因素与人类活动如何共同作用于水分利用效率的变化，并讨论了这些变化对于生态系统服务功能维护和未来管理策略制定的意义。
《中国植被总初级生产力、蒸散发及水分利用效率的估算及时空变化》一文通过对大量数据的整合分析，不仅提供了关于我国植被生态系统关键过程的最新科学认识，而且为今后生态环境保护、资源管理及应对气候变化政策的制定提供了坚实的科学依据和决策支持。
二、方法论为了估算中国植被的总初级生产力（Gross Primary Productivity, GPP）、蒸散发（Evapotranspiration, ET）及水分利用效率（Water Use Efficiency, WUE），本研究采用了多种数据源和模型方法。
森林生态系统水热通量的研究与模拟
森林生态系统水热通量的研究与模拟森林是地球上最具代表性的自然生态系统之一，具有很强的水热循环能力，对维持全球气候平衡和生态平衡具有至关重要的作用。
森林生态系统水热通量的研究和模拟对于深入了解森林生态系统功能及预测未来的生态环境变化具有重要意义。
一、水热通量在森林生态系统中的表现水热通量指的是水和热量在生态系统中的传输过程。
在森林生态系统中，水热通量的表现形式主要包括蒸散作用、蒸腾作用、降雨和蓄水、地下水流、热传导和辐射等。
其中，蒸散作用、蒸腾作用是森林生态系统中最为重要的水热通量表现形式之一。
二、森林生态系统蒸散作用与蒸腾作用的影响因素蒸散作用是指地表水和植物水分的逐渐蒸发，而蒸腾作用则是指植物水分从植物蒸腾时形成的气态水分。
森林生态系统中蒸散作用与蒸腾作用的主要影响因素包括气候、土壤水分、植被类型、土壤质地、植被覆盖率、植被类型和环境因素等多个方面。
其中，气候是影响森林生态系统水热通量最为重要的因素。
三、森林生态系统水热通量模拟的方法与技术为了对森林生态系统的水热通量进行准确的模拟，需要运用适当的模型和技术。
模型的选择和技术的应用需要根据研究对象、研究问题和研究目的来确定。
目前，常用的森林生态系统水热通量模型包括Priestley-Taylor模型、Penman-Monteith模型、植被覆盖面积指数(Leaf Area Index, LAI)、植被净初级生产力(Vegetation Net Primary Productivity, NPP)等。
同时，遥感技术、地面观测技术等也广泛应用于森林生态系统水热通量的观测和分析。
四、森林生态系统水热通量研究的意义森林生态系统水热通量研究对于深入了解全球气候变化、森林生态系统的生态功能和重要性以及预测各种环境变化都至关重要。
通过对森林生态系统水热通量的研究还可以衍生出更多的研究方向和应用价值，如森林疾病、气候变化和空气质量等领域的研究。
总体而言，森林生态系统的水热通量是一个复杂的系统，研究需要全面综合各个因素的作用。
浅述生态系统服务功能价值的估算方法
浅述⽣态系统服务功能价值的估算⽅法2019-08-05摘要：⽣态系统服务功能价值估算已成为⽣态学、⽣态经济学、环境经济学领域的研究热点和前沿，在⽣态系统服务功能含义、价值构成研究的基础上，系统地总结了⽬前关于⽣态系统服务功能价值进⾏定量评估的⽅法――实际市场评估技术、替代市场法、假想市场法等。
关键词：⽣态系统；服务功能价值；估算⽅法中图分类号：F124.5⽂献标志码：A⽂章编号：1673-291X（2011）06-0168-03⼀、⽣态系统服务功能内涵及意义⽣态系统服务（Ecosystem Services）是指⽣态系统与⽣态过程所形成及所维持的⼈类赖以⽣存的⾃然环境条件与效⽤[1] ，它不仅给⼈类提供⽣存必需的⾷物、医药及⼯农业⽣产的原料，⽽且维持了⼈类赖以⽣存和发展的⽣命⽀持系统（Daily，1997；欧阳志云等，1999）。
由此得出⽣态系统不仅可以为我们的⽣存直接提供各种原料或产品（⾷品、⽔、氧⽓、⽊材、纤维等），⽽且在⼤尺度上具有调节⽓候、净化污染、涵养⽔源、保持⽔⼟、防风固沙、减轻灾害、保护⽣物多样性等功能，进⽽为⼈类的⽣存与发展提供良好的⽣态环境。
近年来，随着世界范围内⼈⼝、资源与环境之间的⽭盾越来越突出，有关⽣态系统服务功能效益评估引起了世界各国的普遍关注，⽣态系统服务及其价值评估已经成为当今⽣态学、⽣态经济学研究的前沿课题之⼀。
随着⽣态经济学、环境和⾃然资源经济学的发展，国内外学者开始致⼒于此问题的研究，对各类⽣态系统进⾏定性及定量的研究，为及时、准确和动态的掌握⽣态系统功能的价值提供了依据，对国民经济发展、⽣态环境的建设与保护和政府的宏观决策有重要的现实意义。
具体表现在以下⼏个⽅⾯：（1）有助于提⾼⼈们的环境意识；（2）促使商品观念的转变；（3）促进环境纳⼊国民经济核算体系；（4）促进环保措施的科学评价；（5）为⽣态功能区划和⽣态建设规划奠定基础（引⾃中国科学院可持续发展战略研究组）。
大兴安岭地区火烧对林下植被和乔木更新的影响
林㊀业㊀科㊀技㊀情㊀报２０２４Ｖｏｌ ５６Ｎｏ １收稿日期:２０２３－０９－２４大兴安岭地区火烧对林下植被和乔木更新的影响陈汉江(国家林业和草原局重点国有林区森林资源监测中心ꎬ大兴安岭加格达奇１６５０００)[摘㊀要]㊀该文以对大兴安岭塔河林业局火烧迹地设置的不同强度火烧样地为基础数据ꎬ分析了不同火烧强度(重度㊁中度㊁轻度)对乔木更新和林下植被的影响ꎮ结果表明:不同火烧强度(重度㊁中度㊁轻度)对白桦和杨树的更新有显著影响ꎬ重度火烧促进了白桦和杨树的地径和树高生长ꎬ有利于白桦和杨树等先锋树种的更新ꎮ林火对林下植物种类数量影响不大ꎬ但使得林下植物优势种群发生了改变ꎬ杜鹃㊁笃斯越桔㊁蒿类㊁小叶樟等逐渐成为优势种群ꎬ重度火烧使森林生态系统有向沼泽化方向发展的趋势ꎮ[关键词]㊀林火ꎻ火烧强度ꎻ林下植被ꎻ乔木更新中图分类号:Ｓ７６２㊀㊀㊀㊀㊀㊀文献标识码:Ａ㊀㊀㊀㊀㊀㊀文章编号:１００９－３３０３(２０２４)０１－００３０－０３ＥｆｆｅｃｔｓｏｆＦｉｒｅｏｎＵｎｄｅｒｇｒｏｗｔｈＶｅｇｅｔａｔｉｏｎａｎｄＴｒｅｅＲｅｇｅｎｅｒａｔｉｏｎｉｎＧｒｅａｔｅｒＫｈｉｎｇａｎＭｏｕｎｔａｉｎｓＣｈｅｎＨａｎｊｉａｎｇ(ＦｏｒｅｓｔＲｅｓｏｕｒｃｅｓＭｏｎｉｔｏｒｉｎｇＣｅｎｔｅｒｏｆＳｔａｔｅＦｏｒｅｓｔｒｙａｎｄＧｒａｓｓｌａｎｄＡｄｍｉｎｉｓｔｒａｔｉｏｎꎬＪｉａｇｅｄａｑｉ１６５０００ꎬＧｒｅａｔｅｒＫｈｉｎｇａｎＭｏｕｎｔａｉｎｓꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｔｈｉｓｐａｐｅｒａｎａｌｙｚｅｄｔｈｅｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔｆｉｒｅｉｎｔｅｎｓｉｔｙ(ｓｅｖｅｒｅꎬｍｏｄｅｒａｔｅａｎｄｌｉｇｈｔ)ｏｎｔｒｅｅｒｅｇｅｎｅｒａｔｉｏｎａｎｄｕｎｄｅｒｇｒｏｗｔｈｖｅｇｅｔａｔｉｏｎｂａｓｅｄｏｎｔｈｅｄａｔａｏｆｄｉｆｆｅｒｅｎｔｉｎｔｅｎｓｉｔｙｆｉｒｅｓａｍｐｌｅｐｌｏｔｓｉｎＴａｈｅＦｏｒｅｓｔｒｙＢｕｒｅａｕｏｆＤａｘｉｎｇ'ａｎＭｏｕｎｔａｉｎｓ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｄｉｆｆｅｒｅｎｔｆｉｒｅｉｎｔｅｎｓｉｔｙ(ｓｅｖｅｒｅꎬｍｏｄｅｒａｔｅａｎｄｌｉｇｈｔ)ｈａｄａｓｉｇｎｉｆｉｃａｎｔｉｍｐａｃｔｏｎｔｈｅｒｅｇｅｎｅｒａｔｉｏｎｏｆｂｉｒｃｈａｎｄｐｏｐｌａｒ.Ｓｅｖｅｒｅｆｉｒｅｐｒｏｍｏｔｅｄｔｈｅｇｒｏｗｔｈｏｆｇｒｏｕｎｄｄｉａｍｅｔｅｒａｎｄｔｒｅｅｈｅｉｇｈｔｏｆｂｉｒｃｈａｎｄｐｏｐｌａｒꎬｗｈｉｃｈｗａｓｃｏｎｄｕｃｉｖｅｔｏｔｈｅｒｅｇｅｎｅｒａｔｉｏｎｏｆｐｉｏｎｅｅｒｓｐｅｃｉｅｓｓｕｃｈａｓｂｉｒｃｈａｎｄｐｏｐｌａｒ.Ｆｏｒｅｓｔｆｉｒｅｈａｓｌｉｔｔｌｅｉｍｐａｃｔｏｎｔｈｅｎｕｍｂｅｒｏｆｕｎｄｅｒｇｒｏｗｔｈｐｌａｎｔｓｐｅｃｉｅｓꎬｂｕｔｉｔｈａｓｃｈａｎｇｅｄｔｈｅｄｏｍｉｎａｎｔｐｏｐ￣ｕｌａｔｉｏｎｏｆｕｎｄｅｒｇｒｏｗｔｈｐｌａｎｔｓ.ＲｈｏｄｏｄｅｎｄｒｏｎꎬＶａｃｃｉｎｉｕｍｕｌｉｇｉｎｏｓｕｍＬｉｎｎꎬＡｒｔｅｍｉｓｉａꎬＣａｌａｍａｇｒｏｓｔｉｓａｎｇｕｓｔｉｆｏｌｉａꎬｅｔｃ.ｈａｖｅｇｒａｄｕａｌｌｙｂｅ￣ｃｏｍｅｔｈｅｄｏｍｉｎａｎｔｐｏｐｕｌａｔｉｏｎ.Ｓｅｖｅｒｅｆｉｒｅｈａｓｍａｄｅｔｈｅｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｄｅｖｅｌｏｐｔｏｗａｒｄｓｍａｒｓｈ.Ｋｅｙｗｏｒｄｓ:Ｆｏｒｅｓｔｆｉｒｅꎻｆｉｒｅｉｎｔｅｎｓｉｔｙꎻｕｎｄｅｒｇｒｏｗｔｈｖｅｇｅｔａｔｉｏｎꎻｔｒｅｅｒｅｇｅｎｅｒａｔｉｏｎ林火作为森林生态系统中重要的干扰因子之一ꎬ一方面对森林造成严重危害ꎬ使森林生态系统的各种物质循环㊁能量流动和信息传递遭到破坏(贺万鹏等ꎬ２０２２)ꎻ另一方面ꎬ一定频率和强度的火能促进天然更新和植被发育ꎬ在维持生物多样性方面起着重要作用(Ｓｔｅｐｈｅｎｓｅｔａｌꎬ２０１３)ꎮ从林火对森林生态环境产生的干扰来看ꎬ无论其是正面还是负面效应ꎬ火烧后林火迹地的植被恢复仍然是一个重要问题需要关注(吴晞等ꎬ２０２２)ꎮ林火能影响森林更新ꎬ森林过火后形成了不同火烧程度㊁大小的斑块ꎬ进而极大地影响火后树木及植被的组成及结构ꎬ在火烧迹地上产生不同的更新方式(焦小梅等ꎬ２０２１)ꎮ火干扰后植被的天然更新对于火烧迹地的植被恢复有重要作用ꎬ是恢复和扩大森林资源的重要途径(孟勐ꎬ２０２０ꎻＧｅｏｒｇｅꎬｅｔａｌ.２０１３)ꎮ大兴安岭林区是我国北方重要的木材储备基地和生态屏障区ꎬ在支撑林业行业发展战略和维护区域生态平衡方面具有重要的作用ꎮ大兴安岭林区也是我国森林火灾频发区ꎬ基本上大部分森林均发生过火干扰ꎮ因此ꎬ如何正确认识火干扰强度下该区域森林植被的更新状况ꎬ对于明晰火烧迹地中群落演替规律㊁促进该区植被恢复和森林生态系统重建具有重要意义[１]ꎮ１㊀研究区概况与研究方法１.１㊀研究区概况试验地点位于大兴安岭塔河林业局(１２３ʎ２０ᶄ １２５ʎ０５ᶄＥꎬＮ５２ʎ０７ᶄ ５３ʎ２０ᶄＮ)ꎮ该区域属寒温带大陆性气候ꎬ气候变化显著ꎬ冬季漫长干燥而寒冷ꎬ夏季短暂而湿热ꎬ春季多大风而少雨ꎬ秋季降温急剧ꎬ年平均气温－２.４ħꎬ平均无霜期９８ｄꎬ年平均降水量４６３.２ｍｍꎬ主要集中在７至８月份ꎬ年日照时数２０１５~２８６５ｈꎬ１０ħ有效积温１２７６ħ~１９６９ħꎮ土壤主要是棕色针叶林土ꎬ乔木树种主要有兴安落叶松(Ｌａｒｉｘｇｍｅｌｉｎｉｉ)㊁樟子松(Ｐｉｎｕｓｓｙｌｖｅｓｔｒｉｓｖａｒｍｏｎｇｏｌｉｃａ)㊁白桦(Ｂｅｔｕｌａｐｌａｔｙｐｈｙｌｌａ)等[２]ꎮ１.２㊀研究方法１.２.１㊀样地设置与调查２０１７年在黑龙江大兴安岭塔河林业局火烧迹地ꎬ通过实地踏查ꎬ根据迹地火烧程度设置样地ꎬ分０３２０２４Ｖｏｌ ５６Ｎｏ １林㊀业㊀科㊀技㊀情㊀报为重度火烧样地(乔木烧死程度>７０％)㊁中度火烧样地(７０％>乔木烧死程度>４０％)和轻度火烧样地(乔木烧死程度<４０％)(罗德昆ꎬ１９８７ꎻ罗菊春ꎬ２００２)ꎮ样地选择尽量保证海拔㊁坡度㊁坡向基本一致ꎬ共设置面积０.０６(２０ｍˑ３０ｍ)ｈｍ２的样地４０块ꎮ样地中基本包括了白桦林㊁白桦落叶松林㊁落叶松纯林等该区域的主要林型ꎬ然后调查样地内乔木的胸径㊁树高等测树因子[３]ꎮ１.２.２㊀天然更新调查天然更新调查采用样方法ꎬ在上述设置样地的四角各设一块１ｍˑ１ｍ的样方㊁在中心设一块５ｍˑ５ｍ的样方进行植被和更新调查ꎮ记录样方内白桦和杨树更新苗的坐标㊁地径和株高ꎮ同时调查灌木和草本的种类㊁株数㊁高度和盖度[４]ꎮ１.２.３㊀数据分析和处理本文所有数据整理㊁制图㊁方差分析和多重比较均应用Ｅｘｃｅｌ和ＳＰＳＳ１７.０软件处理ꎮ２㊀结果与分析２.１㊀不同火烧强度下乔木层天然更新状况通过分析不同火烧强度下(重度㊁中度㊁轻度)的乔木层的更新情况ꎬ发现在火烧迹地仅有杨树和白桦天然更新出现ꎬ而没有樟子松和落叶松等树种的天然更新幼苗ꎬ所以文中仅分析不同火烧强度下白桦和杨树的天然更新状况ꎮ方差分析和多重比较发现ꎬ天然更新的白桦幼苗高度在不同程度火烧下差异显著ꎬ重度火烧白桦幼苗苗高最高ꎬ平均达到１５５.８７ｃｍꎬ轻度火烧下最低ꎬ仅为５５.８８ｃｍꎮ对于天然更新的白桦幼苗地径来看ꎬ不同的火烧强度影响也均显著ꎬ重度火烧下天然更新的白桦幼苗地径最大ꎬ达到１.６９ｃｍꎬ轻度火烧下最差ꎬ为０.５３ｃｍ(表１㊁图１)ꎮ轻度和中度火烧下天然更新的杨树幼苗高度和地径均差异不显著ꎬ但与重度火烧下杨树天然更新幼苗高度和地径差异显著(表２㊁图２)ꎬ与白桦天然更新幼苗的结果相似ꎮ以上研究表明重度火烧下有利于促进白桦和杨树幼苗的天然更新ꎬ这是由于在重度火烧下ꎬ大部分林木被烧死ꎬ林分变得稀疏ꎬ枯落物层被烧掉ꎬ有利于白桦㊁杨树等先锋树种的种子繁殖ꎬ此外ꎬ也由于白桦㊁杨树等先锋阔叶树种根蘖能力较强ꎬ在重度火烧下能产生大量的根蘖苗有利于其天然更新[５]ꎮ图１㊀不同火烧强度下白桦天然更新表１㊀不同火烧强度下白桦更新情况多重比较火烧强度白桦杨树高度(ｃｍ)地径(ｃｍ)高度(ｃｍ)地径(ｃｍ)重度火烧１５５.８７ａ１.６９ａ１１１.８５ａ１.０６ａ中度火烧１３９.７３ａ１.０３ｂ６９.３３ｂ０.６０ｂ轻度火烧５５.８８ｂ０.５３ｃ６８.２９ｂ０.５８ｂ表２㊀不同火烧强度下不同林型灌草更新植物种类白桦林白桦落叶松林重度中度轻度重度中度轻度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度杜鹃１４６３６Ｃｏｐ２９７８Ｃｏｐ１９２２４Ｃｏｐ１丛桦８３９Ｃｏｐ１刺梅２３２Ｓｐ２８８Ｃｏｐ１２２１０Ｃｏｐ１杜香４５３Ｓｐ小叶樟３５１０Ｃｏｐ１４７１０Ｃｏｐ１４２２５Ｃｏｐ１８０６０Ｃｏｐ３５８７５Ｃｏｐ３４１３０Ｃｏｐ２舞鹤草７５Ｃｏｐ１８２Ｓｐ９０２０Ｃｏｐ１５２１Ｃｏｐ１笃斯越桔３０４０Ｃｏｐ２３０４２Ｃｏｐ２７９Ｃｏｐ１地榆１３１Ｓｐ９８Ｃｏｐ１苔草３４１２Ｃｏｐ１２５３４Ｃｏｐ２３５１６Ｃｏｐ１３５１３Ｃｏｐ１绣线菊１０４Ｓｐ２３５Ｃｏｐ１１３２１Ｃｏｐ１１９５０Ｃｏｐ３１３林㊀业㊀科㊀技㊀情㊀报２０２４Ｖｏｌ ５６Ｎｏ １续表２㊀不同火烧强度下不同林型灌草更新植物种类白桦林白桦落叶松林重度中度轻度重度中度轻度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度高度(ｃｍ)盖度(％)多度蕨类１１３Ｓｐ２５２５Ｃｏｐ１１６１８Ｃｏｐ１９５Ｃｏｐ１鹿药５７８０Ｃｏｐ３沙草５５４Ｓｐ６７２４Ｃｏｐ１万津２４１１Ｃｏｐ１蒿１８２０Ｃｏｐ１４２４０Ｃｏｐ２２１５０Ｃｏｐ３２３８０Ｃｏｐ３金莲花２９１０Ｃｏｐ１２６２９Ｃｏｐ２老鹳草３２１８Ｃｏｐ１蒲公英４１１４Ｃｏｐ１野豌豆７２１Ｃｏｐ１注:多度采用德鲁全法记载:Ｃｏｐ３ 植物覆盖５０％以上ꎻＣｏｐ２ 植物覆盖２５％－５０％ꎻＣｏｐ１ 植物覆盖５％－２５％ꎻＳｐ 植被覆盖５％以下ꎮ图２㊀不同火烧强度下杨树天然更新２.２㊀不同火烧强度下灌草层天然更新状况本文也对火烧区林下植被进行了调查ꎬ林火对林下植物种类数量变化不大ꎬ但是优势种群明显发生了变化ꎮ白桦林型:高火烧强度下有６种ꎬ盖度较大的为杜鹃和笃斯越桔ꎬ二者盖度达７６％ꎻ中火烧下８种ꎬ盖度最大的为鹿药ꎬ达到８０％ꎻ轻度火烧下７种ꎬ盖度最大的为笃斯越桔４２％ꎬ其次为小叶樟２５％ꎮ白桦落叶松林:高火烧强度下有１２种ꎬ盖度最大的为小叶樟ꎬ其次为蒿类ꎻ中火烧下７种ꎬ盖度最大的为小叶樟ꎬ其次为蒿类ꎻ轻度火烧下８种ꎬ盖度最大的为蒿类ꎬ其次为绣线菊(表２)ꎮ白桦林和白桦落叶松林在重度火烧后ꎬ使得一些阳性旱生植物大量侵入和繁茂ꎬ而原有的部分阴性植被逐渐消亡ꎬ从而造成原有的优势种例如杜鹃㊁笃斯越桔㊁蒿类等所占比例增大ꎮ根据以往的研究来看无论从植被和土壤方面重度火烧下会造成局部区域有向沼泽化发展的趋势(孔繁花等ꎬ２００５ꎻ王续高等ꎬ２００４)[６－１０]ꎮ３㊀结论不同火烧强度(重度㊁中度㊁轻度)对白桦和杨树的更新影响有显著差异ꎮ强度火烧有利于白桦和杨树等先锋树种的更新ꎬ中强度火烧次之ꎬ轻强度火烧最差ꎮ不同火烧强度下ꎬ不同林型中的林下植被更新都有很大差异ꎮ总体来看林火对林下植物种类数量变化不大ꎬ但是优势种群明显发生了变化ꎬ使原有的优势种杜鹃㊁笃斯越桔㊁蒿类等更加繁茂ꎬ制约了一些植被的进入ꎮ总体来看火烧有利于先锋树种的更新ꎬ但火烧下林下植被来看ꎬ一些沼泽类常见植物群落增加ꎬ所以高强度火烧容易使局部区向沼泽化发展ꎮ参考文献[１]贺万鹏ꎬ周晓雷ꎬ解婷婷ꎬ等.青藏高原东北边缘云杉属 冷杉属林火烧迹地枯落物持水特征[Ｊ].水土保持学报ꎬ２０２２(１１):１－９.[２]ＳｔｅｐｈｅｎｓＳＬꎬＡｇｅｅＪＫꎬＦｕｌＰＺꎬｅｔａｌ.ＭａｎａｇｉｎｇＦｏｒｅｓｔｓａｎｄＦｉｒｅｉｎＣｈａｎｇｉｎｇＣｌｉｍａｔｅｓ[Ｊ].Ｓｃｉｅｎｃｅꎬ２０１３ꎬ３４２(６１５４):４１－４２.[３]吴晞ꎬ赵雨森ꎬ辛颖.大兴安岭火烧迹地植被恢复过程中土壤氮素特征[Ｊ]ꎬ森林工程ꎬ２０２２ꎬ３８(２):８－１３. [４]焦小梅ꎬ张秋良ꎬ魏玉龙ꎬ等.大兴安岭火烧迹地幼苗更新及空间分布格局[Ｊ].内蒙古农业大学学报(自然科学版)ꎬ２０２１ꎬ４２(１):３８－４４.[５]孟勐.大兴安岭火烧迹地植被 土壤协同恢复机制[Ｄ].内蒙古农业大学ꎬ２０２０.[６]ＭｉｔｒｉＧｅｏｒｇｅＨ.Ｍａｐｐｉｎｇｐｏｓｔ－ｆｉｒｅｆｏｒｅｓｔｒｅｇｅｎｅｒａｔｉｏｎａｎｄｖｅｇ￣ｅｔａｔｉｏｎｒｅｃｏｖｅｒｙｕｓｉｎｇａｃｏｍｂｉｎａｔｉｏｎｏｆｖｅｒｙｈｉｇｈｓｐａｔｉａｌｒｅｓｏｌｕ￣ｔｉｏｎａｎｄｈｙｐｅｒｓｐｅｃｔｒａｌｓａｔｅｌｌｉｔｅｉｍａｇｅｒｙ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥａｒｔｈＯｂｓｅｒｖａｔｉｏｎｓ＆Ｇｅｏｉｎｆｏｒｍａｔｉｏｎꎬ２０１３ꎬ２０(２):６０－６６.[７]罗德昆.大兴安岭过火迹地更新方式的研讨[Ｊ].林业科技ꎬ１９８７(５):１１－１３.[８]罗菊春.大兴安岭森林火灾对森林生态系统的影响[Ｊ].北京林业大学学报ꎬ２００２(２４):１０１－１０７. [９]孔繁花ꎬ李秀珍.大兴安岭北坡林火迹地森林景观格局的变化[Ｊ].南京林业大学学报(自然科学版)ꎬ２００５ꎬ２９(２):１－９. [１０]王绪高ꎬ李秀珍.大兴安岭北坡落叶松林火后植被演替过程研究[Ｊ].生态学杂志ꎬ２００４ꎬ２３(５):３５~４１.２３。
荒漠河岸胡杨林生态系统能量分配及蒸散发
第４０卷第２３期２０２０年１２月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．４０，Ｎｏ．２３Ｄｅｃ．，２０２０基金项目：中国科学院内陆河流域生态水文重点实验室资助（ＫＬＥＩＲＢ⁃ＺＳ⁃２０⁃０５）；山西省高等学校人文社会科学重点研究基地项目（２０１９０１２２）；山西省应用基础研究计划面上青年基金项目（２０１９０１Ｄ２１１４１９）收稿日期：２０２０⁃０２⁃１７；㊀㊀网络出版日期：２０２０⁃１０⁃２９∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｍａｘｉａｏｈｏｎｇ＠ｔｙｎｕ．ｅｄｕ．ｃｎＤＯＩ：１０．５８４６／ｓｔｘｂ２０２００２１７０２７８马小红，冯起．荒漠河岸胡杨林生态系统能量分配及蒸散发．生态学报，２０２０，４０（２３）：８６８３⁃８６９３．ＭａＸＨ，ＦｅｎｇＱ．ＥｎｅｒｇｙｐａｒｔｉｔｉｏｎｉｎｇａｎｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｏｆＰｏｐｕｌｕｓｅｕｐｈｒａｔｉｃａｆｏｒｅｓｔｓｉｎｄｅｓｅｒｔｒｉｐａｒｉａｎａｒｅａ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（２３）：８６８３⁃８６９３．荒漠河岸胡杨林生态系统能量分配及蒸散发马小红１，∗，冯㊀起２１太原师范学院汾河流域科学发展研究中心，晋中㊀０３０６１９２中国科学院西北生态环境资源研究院内陆河流域生态水文重点实验室，兰州㊀７３００００摘要：生态输水工程使得黑河下游地区荒漠河岸林的面积得到了恢复，为进一步巩固生态恢复的成果，非常有必要深入研究胡杨林生态系统的水热交换过程及其对环境因子和人类活动的响应机理㊂基于涡度相关技术，对２０１３ ２０１６年荒漠河岸胡杨林生态系统的水热交换过程进行了研究，得出的主要结论如下：（１）生长季生态系统的能量消耗以潜热通量为主，波文比为０．２１；非生长季则以感热通量为主，波文比为３．６１；春季和秋季的灌水过程，使得胡杨生长前期和后期的潜热通量值较高，直接影响着胡杨林生态系统的能量分配㊂（２）灌水的时间改变了潜热通量和蒸散发的季节变化过程，而灌水的量决定着春季和秋季潜热通量和蒸散量的年际差异㊂（３）２０１４ ２０１６年，生态系统的年蒸散量和生长季蒸散量平均分别为１０９２ｍｍ和９３２ｍｍ㊂荒漠河岸胡杨林生态系统的蒸散量主要受系统水分状况（灌水量）及植物生长状况的影响㊂关键词：胡杨林；能量分配；蒸散发；生态输水ＥｎｅｒｇｙｐａｒｔｉｔｉｏｎｉｎｇａｎｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｏｆＰｏｐｕｌｕｓｅｕｐｈｒａｔｉｃａｆｏｒｅｓｔｓｉｎｄｅｓｅｒｔｒｉｐａｒｉａｎａｒｅａＭＡＸｉａｏｈｏｎｇ１，∗，ＦＥＮＧＱｉ２１ＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＳｃｉｅｎｔｉｆｉｃＤｅｖｅｌｏｐｍｅｎｔｉｎＦｅｎｈｅＲｉｖｅｒＶａｌｌｅｙ，ＴａｉｙｕａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｊｉｎｚｈｏｎｇ０３０６１９，Ｃｈｉｎａ２ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｃｏｈｙｄｒｏｌｏｇｙｏｆＩｎｌａｎｄＲｉｖｅｒＢａｓｉｎ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｌａｎｚｈｏｕ７３００００，ＣｈｉｎａＡｂｓｔｒａｃｔ：ＴｈｅａｒｅａｏｆｄｅｓｅｒｔｒｉｐａｒｉａｎＰｏｐｕｌｕｓｅｕｐｈｒａｔｉｃａｆｏｒｅｓｔｈａｓｂｅｅｎｒｅｓｔｏｒｅｄｓｉｎｃｅｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｔｈｅｅｃｏｌｏｇｉｃａｌｗａｔｅｒｔｒａｎｓｆｅｒｐｒｏｊｅｃｔｉｎＨｅｉｈｅＲｉｖｅｒｉｎ２００１．Ｔｏｓｕｐｐｏｒｔｔｈｅｃｕｒｒｅｎｔｅｆｆｏｒｔｓｉｎｃｏｎｓｅｒｖａｔｉｏｎ，ｍｏｒｅｋｎｏｗｌｅｄｇｅｉｓｎｅｅｄｅｄｏｎｅｎｅｒｇｙａｎｄｗａｔｅｒｅｘｃｈａｎｇｅａｎｄｉｔｓｒｅｓｐｏｎｓｅｔｏｂｉｏｐｈｙｓｉｃａｌｆａｃｔｏｒｓａｎｄｈｕｍａｎａｃｔｉｖｉｔｉｅｓ．Ｂａｓｅｄｏｎｔｈｅｅｄｄｙｃｏｖａｒｉａｎｃｅｔｅｃｈｎｉｑｕｅ，ｔｈｅｐｒｏｃｅｓｓｅｓａｎｄｍｅｃｈａｎｉｓｍｓｏｆｅｎｅｒｇｙａｎｄｗａｔｅｒｅｘｃｈａｎｇｅｗｅｒｅｓｔｕｄｉｅｄｏｖｅｒｔｈｅＰｏｐｕｌｕｓｅｕｐｈｒａｔｉｃａｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｆｒｏｍ２０１３ ２０１６．Ｒｅｓｕｌｔｓｗｅｒｅｓｈｏｗｅｄａｓｆｏｌｌｏｗｓ：（１）Ｉｎｔｈｅｇｒｏｗｉｎｇｓｅａｓｏｎ，ｔｈｅｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｗａｓｄｏｍｉｎａｔｅｄｂｙｌａｔｅｎｔｈｅａｔｆｌｕｘ，ｔｈｅｖａｌｕｅｏｆｂｏｗｅｎｒａｔｉｏｗａｓ０．２１；ｗｈｉｌｅｔｈｅｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｗａｓｄｏｍｉｎａｔｅｄｂｙｓｅｎｓｉｂｌｅｈｅａｔｆｌｕｘｉｎｎｏｎ⁃ｇｒｏｗｉｎｇｓｅａｓｏｎ，ｔｈｅｖａｌｕｅｏｆｂｏｗｅｎｒａｔｉｏｗａｓ３．６１．ＩｒｒｉｇａｔｉｏｎｅｖｅｎｔｓｉｎｓｐｒｉｎｇａｎｄａｕｔｕｍｎｍａｄｅｔｈｅｖａｌｕｅｏｆｌａｔｅｎｔｈｅａｔｆｌｕｘｉｎｔｈｅｅａｒｌｙａｎｄｌａｔｅｇｒｏｗｔｈｏｆＰｏｐｕｌｕｓｅｕｐｈｒａｔｉｃａｈｉｇｈｅｒ，ｗｈｉｃｈｄｉｒｅｃｔｌｙａｆｆｅｃｔｅｄｔｈｅｅｎｅｒｇｙｐａｒｔｉｔｉｏｎｉｎｇ．（２）Ｔｈｅｐａｔｔｅｒｎｓｏｆｓｅａｓｏｎａｌｖａｒｉａｔｉｏｎｉｎｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｌａｔｅｎｔｈｅａｔｆｌｕｘｗｅｒｅｃｈａｎｇｅｄｂｙｔｈｅｔｉｍｅｏｆｉｒｒｉｇａｔｉｏｎ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅａｎｎｕａｌｖａｒｉａｂｉｌｉｔｙｏｆｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｌａｔｅｎｔｈｅａｔｆｌｕｘｉｎｓｐｒｉｎｇａｎｄａｕｔｕｍｎｗｅｒｅｃｏｎｔｒｏｌｌｅｄｂｙｔｈｅａｍｏｕｎｔｏｆｉｒｒｉｇａｔｉｏｎ．（３）Ｔｈｅｃｕｍｕｌａｔｉｖｅｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｆｏｒａｎｅｎｔｉｒｅｙｅａｒａｎｄｇｒｏｗｉｎｇｓｅａｓｏｎｗｅｒｅｅｓｔｉｍａｔｅｄａｓ１０９２ｍｍａｎｄ９３２ｍｍ，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｉｎｔｈｅｇｒｏｗｉｎｇｓｅａｓｏｎｗａｓｃｏｎｔｒｏｌｌｅｄｂｙｔｈｅｓｙｓｔｅｍｗａｔｅｒｓｔａｔｕｓ（ｉｒｒｉｇａｔｉｏｎｅｖｅｎｔｓ）ａｎｄｐｌａｎｔｐｈｅｎｏｌｏｇｙ．４８６８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀ＫｅｙＷｏｒｄｓ：Ｐｏｐｕｌｕｓｅｕｐｈｒａｔｉｃａｆｏｒｅｓｔ；ｅｎｅｒｇｙｐａｒｔｉｔｉｏｎｉｎｇ；ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ；ｔｈｅｅｃｏｌｏｇｉｃａｌｗａｔｅｒｔｒａｎｓｆｅｒｐｒｏｊｅｃｔ全球干旱地区覆盖了地球表面的４１％，养育着全球约三分之一的人口，包括极端干旱㊁干旱㊁半干旱和半湿润地区［１］，水过程是这些地区最为关键的生态过程［２］㊂深入了解旱地生态系统的水热交换过程是有效地㊁可持续地进行水资源调控和管理的前提［３］㊂与周围的荒漠环境相比，内陆河岸生态系统的生物多样性最为丰富㊁生产力最高㊁动态变化最显著［４］，是维护地区生态安全㊁保障地区生态环境的重要屏障㊂黑河是我国的第二大内陆河，在２０世纪９０年代末期，水资源的过度开发和水管理政策的缺失使得黑河下游曾面临着严重的生态环境问题［５］，如尾闾湖消失㊁绿洲面积萎缩㊁沙漠化严重等等㊂因此，为了恢复黑河下游地区恶化的生态环境，黑河流域管理局依据２００１年国务院批复的‘黑河流域近期治理规划“开始实施生态输水工程［６］㊂生态输水工程对黑河下游地区胡杨的水热交换过程产生了重要的影响，但这一部分的研究还远远不够㊂因此，有必要对其进行深入研究，从而为流域水资源的合理开发㊁利用和管理提供一定的帮助㊂在干旱地区，蒸散发一般代表了整个生态系统的水汽耗散，将生态系统的水文状态和生物过程紧密地联系在一起［２］㊂而生态系统中潜热和感热分配决定着水循环过程㊁边界层厚度和结构㊁以及环境因子的变化［７］㊂涡度相关技术是直接测定下垫面与大气间水汽㊁二氧化碳及能量通量交换的微气象技术［８］㊂利用涡度相关技术，从生态系统尺度进行长期㊁连续的定点观测，有助于更加深入地了解旱地生态系统蒸散发和能量通量的变异性㊂目前，全球大约建有２４０多个通量观测塔［９⁃１４］，其中绝大多数用于观测北方森林㊁温带森林和热带森林生态系统与大气之间的水热交换过程，而用于观测干旱地区森林生态系统与大气之间水热交换过程的观测塔较少㊂Ｃｌｅｖｅｒｌｙ等研究了有无洪水淹没条件下，美国南部格兰德河中游河岸林（柽柳）的蒸散量［１５］；Ｙｕａｎ等通过研究塔里木河下游荒漠河岸林（胡杨和柽柳）的蒸散规律及关键控制过程得出：地下水是地表蒸散的主要水分来源，是控制荒漠河岸林水循环的关键因素［１６］；Ｙｕ等通过研究黑河下游荒漠河岸林的蒸散发得出：当地下水埋深小于３ｍ，蒸散发与地下水埋深之间呈线性相关关系［１７］㊂以上研究虽然很好地分析了荒漠河岸林蒸散发的变化规律，但是有关荒漠河岸林的水热交换过程及影响机理的研究仍然比较欠缺，有必要进一步深入研究㊂本文基于水文㊁气象和涡度通量观测数据进行以下研究：（１）分析能量平衡各分量的季节变化趋势及年际差异；（２）确定胡杨林的能量分配特征，量化潜热和感热通量占有效能的比例；（３）确定胡杨林的蒸散量；（４）分析生态输水过程对能量分配和蒸散发的影响㊂１㊀研究区概况研究区位于黑河下游的额济纳绿洲，天然绿洲面积约为３４２８ｋｍ２，占额济纳旗总面积的５．７％［１８］㊂通过分析１９５７ ２０１６年额济纳旗气象观测站的数据可知：该区域气候极端干旱，平均年降水量为３７．５ｍｍ，多年平均潜在蒸发量为２２４０．５ｍｍ，干旱指数小于０．０５；多年平均空气温度为８．９ħ，其中１月和７月的多年平均空气温度为⁃１１．５ħ和２７．０ħ；年降水量的季节变化趋势和年际波动明显，约７５％的降水集中在６ １０月，１９５７ ２０１６年的年降水量在７ １０３ｍｍ之间波动㊂涡度通量观测仪器位于七道桥胡杨林国家自然保护区内，地理坐标为１０１ʎ１０ᶄＥ，４１ʎ５９ᶄＮ，海拔高度为９２１ｍ（图１）［１７］㊂该区域的植被群落结构简单，基本由单一的胡杨组成，胡杨占地表的７５％，植株密度为３５０株／ｈｍ２，树高为（１０．１ʃ１．７）ｍ，胸径为（２２．９ʃ４．８）ｃｍ，树龄约３０ ６０ａ㊂林下灌木和草本极为稀疏，灌木树种为柽柳，草本层主要为苦豆子㊂额济纳地区的地带性土壤为灰棕漠土和石膏棕漠土，而在不同的植被类型下土壤的性质和结构差异很大，从而形成了不同的非地带性土壤㊂该研究样地的土壤，以沙壤土和沙土为主，土壤结构变化不明显，自地表往下依次为沙壤土（０ ６０ｃｍ），沙土（６０ １２０ｃｍ），沙土和黏土混合层（１２０ １６０ｃｍ）㊂该区域的降水极为稀少，胡杨林的生长主要依赖于地下水，而地下水埋深的高低直接受生态输水过程的影响㊂生态输水过程包括春季和秋季的漫水灌溉㊂图１㊀研究区的地理位置（胡杨林观测样地）Ｆｉｇ．１㊀Ｔｈｅｌｏｃａｔｉｏｎｏｆｔｈｅｓｔｕｄｙ（ＰｏｐｕｌｕｓＥｕｐｈｒａｔｉｃａＦｏｒｅｓｔＳｔａｎｄ）２㊀数据来源及方法２．１㊀涡度通量及环境因子监测㊀㊀涡度相关系统所在区域的下垫面地势平坦㊁地表植被均一性好㊁受扰动小，胡杨林在各个方向上可延伸几千米㊂地表粗糙度和零平面位移分别为１．３８ｍ和７．９ｍ，地表坡度为１／５０００㊂主要的通量贡献源区为盛行风（西北东南风）方向上，距离观测塔１０９ｍ至１５２０ｍ的区域；其中距离观测塔２２８ｍ处的通量贡献最大㊂涡度系统包括用于测量风速的三维超声风速仪（ＣＳＡＴ３，ＣａｍｐｂｅｌｌＳｃｉｅｎｔｉｆｉｃ，Ｉｎｃ．，Ｌｏｇａｎ，ＵＴ，ＵＳＡ）和用于测量水汽和ＣＯ２浓度的开路式ＣＯ２／Ｈ２Ｏ红外气体分析仪（ＬＩ⁃７５００，ＬＩ⁃ＣＯＲＩｎｃ．Ｌｉｎｃｏｌｎ，ＮＥ，ＵＳＡ），安装高度为２０ｍ㊂每年的５月或６月，对红外气体分析仪进行校准㊂净辐射（Ｒｎ，Ｗ／ｍ２）㊁空气温度（Ｔａ，ħ）㊁相对湿度（ＲＨ，％）和涡度通量交换数据，均由ＣＲ３０００数据采集器（ＣａｍｐｂｅｌｌＳｃｉｅｎｔｉｆｉｃ，Ｌｏｇａｎ，ＵＴ，ＵＳＡ）采集㊂其中Ｒｎ由四分量净辐射仪（ＣＮＲ４，Ｋｉｐｐ＆Ｚｏｎｅｎ，Ｄｅｌｆｔ，ＮＬ）测得，Ｔａ和ＲＨ由相对温湿度传感器（ＨＭＰ４５Ｃ，Ｃａｍｐｂｅｌｌ，ＵＳＡ）直接测得㊂水汽压亏缺（ＶＰＤ，ｈｐａ）是根据温度和相对湿度计算而来的㊂土壤热通量（Ｇ，Ｗ／ｍ２）由两个被埋藏于地下５ｃｍ处㊁间隔０．５ｍ的土壤热通量板（ＨＦＰ，ＨｕｋｓｅＦｌｕｘＴｈｅｒｍａｌＳｅｎｓｏｒｓＢ．Ｖ．，Ｄｅｌｆｔ，ＴｈｅＮｅｔｈｅｒｌａｎｄｓ）测得㊂此外，在距离涡度通量塔３０ｍ处，有一个约６ｍ深的地下水埋深观测井，里面安装有一个自记式压力传感器（ＨＯＢＯ⁃Ｕ２０）用于测量并计算地下水埋深（ＧＷＤ，ｍ），测量频率为半小时㊂土壤温度㊁湿度和盐分传感器（ＳＭＥＣ３００）安装在距离地面１０ｃｍ，３０ｃｍ，５０ｃｍ和８０ｃｍ土层深处，其中每个土层安装６个传感器，通过测量土壤温度（Ｔｓ，ħ）㊁土壤含水量（θ，％）和电导率（ＥＣ，ｍＳ／ｃｍ），来反映观测样地的土壤温湿度和盐分状况㊂２．２㊀通量数据处理及缺失数据插补涡度通量数据处理的基本过程包括：（１）利用Ｌｏｇｇｅｒｎｅｔ软件对原始１０Ｈｚ的通量数据进行格式转换及数据分割；（２）用Ｅｄｄｙｐｒｏ软件进行基本的数据处理，包括异常值剔除㊁倾斜校正㊁时间滞后校正㊁频率响应校正㊁超声虚温校正以及密度效应校正（ＷＰＬ）校正；（３）剔除夜间湍流发展不充分时数据（摩擦风速小于０．１６ｍ／ｓ）㊂对于缺失的通量数据，若缺失数据不超过２小时则用线性内插方法插值，否则用查表法根据空气温度和光照等主要环境因子对缺失数据进行插补［８，１９］㊂在此基础上，再利用平均日变化法（移动窗口为１５ｄ）进行５８６８㊀２３期㊀㊀㊀马小红㊀等：荒漠河岸胡杨林生态系统能量分配及蒸散发㊀６８６８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀插值，得到完整时间序列的能量及水汽通量数据㊂２．３㊀胡杨林生态系统的能量闭合方程根据热力学第一定律，涡度通量观测中的能量平衡闭合是指涡度系统所观测的潜热通量（ＬＥ）与感热通量（Ｈ）的和应该等于有效能［２０］：ＬＥ＋Ｈ＝Ｒｎ－Ｇ－Ｓ－Ｑ（１）式中，Ｒｎ是净辐射，Ｇ是土壤热通量，Ｓ是冠层内储存热量的变化量，Ｑ是所有额外能量的源和汇㊂在实际应用过程中，Ｑ由于太小通常被忽略掉了㊂由于荒漠河岸林的树木分布比较稀疏且冠层盖度较低，Ｓ所占净辐射的比例很小，在能量平衡分析过程中可以被忽略［２１］㊂本研究发现Ｓ占净辐射的比例不足０．４％㊂因此，在能量平衡分析过程中忽略了Ｓ项，荒漠河岸胡杨林生态系统的能量平衡方程简化为：ＬＥ＋Ｈ＝Ｒｎ－Ｇ（２）式中，Ｒｎ是净辐射，Ｇ是土壤热通量，ＬＥ是潜热通量，Ｈ是感热通量㊂潜热通量是近地层大气与下垫面之间水分的热交换，主要包括植物蒸腾和土壤蒸发所消耗的热量；感热通量是温度变化所引起的下垫面与大气之间的热交换，即温度升高或降低所需要吸收或者释放的热量㊂能量闭合度不仅能在一定程度上反映胡杨林生态系统的水热交换过程，还是反映涡度通量数据可靠性的重要指标［２２］㊂通常有两种方法用于评价生态系统的能量闭合程度：一种是线性回归方法，对湍流能量通量（ＬＥ＋Ｈ）和有效能（Ｒｎ－Ｇ）进行线性拟合，线性拟合的斜率用来说明能量闭合的程度；另一种是通过计算能量闭合率（ＥＢＲ）来说明能量闭合情况㊂本文利用线性回归方法分析了荒漠河岸胡杨林生态系统的能量闭合程度㊂２．４㊀胡杨林蒸散发的计算涡度相关技术能够直接测得生态系统尺度的潜热通量，若要得到半小时生态系统蒸散发（ＥＴ，ｍｍ／３０ｍｉｎ）数据，则需要根据下列公式进行计算：（３）ＥＴ＝ＬＥＬρｗ式中，ＬＥ是潜热通量（ＭＪｍ－２３０ｍｉｎ－１），Ｌ为水的汽化潜热（２．４５ＫＪ／ｇ），ρｗ为水密度（１ｇ／ｃｍ３）㊂２．５㊀波文比的计算波文比（β）为某一界面上感热通量和潜热通量的比值，即：β＝ＨＬＥ（４）式中，Ｈ是感热通量，ＬＥ是潜热通量㊂３㊀结果与分析３．１㊀环境因子的季节及年际变化特征黑河流域的生态输水工程直接影响着荒漠河岸胡杨林生态系统的水文状况㊂由图２可以看出，地下水埋深（ＧＷＤ）和土壤含水量（θ）的变化直接受灌水事件的影响㊂灌水后，ＧＷＤ的值迅速减小，甚至地表会出现积水（图中ＧＷＤ的值在０ｃｍ以上表明地表有积水）；随后ＧＷＤ的值逐渐增加，在下一次灌水时，ＧＷＤ的值又迅速减小㊂灌水的量直接决定了ＧＷＤ的整体水平，２０１４ ２０１６年ＧＷＤ的平均值分别为１．２８ｍ㊁１．７９ｍ和１．１６ｍ㊂通过对比２０１５年和２０１６年秋季灌水前后的地下水埋深来看，２０１６年的灌水量更大，相应地３０ｃｍ和５０ｃｍ深处的土壤含水量也更大㊂２０１５年秋季灌水前后的地下水埋深分别为２．２７ｍ和１．１４ｍ，而２０１６年灌水前后的地下水埋深分别为２．２７ｍ和０．００ｍ㊂土壤含水量的季节变化趋势明显，秋季灌水后θ值迅速增大，随后在蒸发和入渗作用下逐渐降低；春季随着Ｔａ和Ｔｓ的回升，θ值逐渐增加，春灌后θ值迅速增大㊂空气温度（Ｔａ）的季节变化趋势明显（图２），自３月开始快速增加，５月中旬增加趋势变缓，７月至８月增加到最大且波动明显，９月之后快速降低㊂土壤温度（Ｔｓ）的季节变化趋势和空气温度的基本一致，只是变化幅度不如空气温度的剧烈㊂一般而言，１０月至次年２月，空气温度低于土壤温度；３ ９月，空气温度高于土壤温度㊂水汽压亏缺的季节变化趋势明显，年际之间无明显差异（图２）㊂１１月至２月，水汽压亏缺的值很低且基本没有变化；自３月开始水汽压亏缺的值快速增加；５ ９月水汽压亏缺的值较高且波动明显；９月之后水汽压亏缺的值快速降低㊂２０１４ ２０１６年生长季（５ １０月）水汽压亏缺的平均值分别为１９ｈｐａ㊁２２ｈｐａ和２１ｈｐａ，水汽压亏缺的年际差异不明显㊂图２㊀地下水埋深（ＧＷＤ）㊁土壤含水量（θ）㊁空气温度（Ｔａ）㊁土壤温度（Ｔｓ）及水汽压亏缺（ＶＰＤ）的季节和年际变化特征Ｆｉｇ．２㊀Ｔｈｅｓｅａｓｏｎａｌａｎｄｙｅａｒｌｙｖａｒｉａｔｉｏｎｓｏｆｇｒｏｕｎｄｗａｔｅｒｄｅｐｔｈ（ＧＷＤ），ｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔ（θ），ａｉｒｔｅｍｐｅｒａｔｕｒｅ（Ｔａ）ａｎｄｖａｐｏｒｐｒｅｓｓｕｒｅｄｅｆｉｃｉｔ（ＶＰＤ）３．２㊀能量分配特征３．２．１㊀能量闭合程度本文通过线性回归方法对荒漠河岸胡杨林生态系统的湍流能量通量（ＬＥ＋Ｈ）和有效能（Ｒｎ－Ｇ）进行线性拟合，如图３所示㊂２０１３ ２０１６年湍流能量通量和有效能之间的拟合斜率分别为０．６３，０．７９，０．９０和０．８１，平均为０．７８㊂已有研究表明湍流能量通量和有效能之间的线性回归斜率在０．５５至０．９９之间波动［１６，２０，２３，２４］，因此本研究结果是合理的㊁可接受的㊂３．２．２㊀能量平衡各分量的季节及年际差异图４给出了２０１３ ２０１６年净辐射㊁潜热通量㊁感热通量和土壤热通量的季节变化趋势㊂（１）净辐射的季节变化趋势明显（图４）㊂２０１４ ２０１６年，净辐射分别在５．５ ２３．１ＭＪｍ－２ｄ－１㊁４．７ ２２．０ＭＪｍ－２ｄ－１和３．４７８６８㊀２３期㊀㊀㊀马小红㊀等：荒漠河岸胡杨林生态系统能量分配及蒸散发㊀图３㊀２０１３ ２０１６年半小时尺度上胡杨林生态系统的能量闭合程度Ｆｉｇ．３㊀Ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｆｏｒｔｈｅｈａｌｆ⁃ｈｏｕｒｌｙｅｎｅｒｇｙｂａｌａｎｃｅｃｌｏｓｕｒｅｆｏｒ２０１３ ２０１６２３．２ＭＪｍ－２ｄ－１之间波动㊂２０１４ ２０１６年，５ １０月净辐射的日均值分别为１８．５㊁１９．８㊁２０．２㊁１９．０㊁１７．０和１２．１ＭＪｍ－２ｄ－１，其中６月和７月的净辐射最大㊂（２）潜热通量的季节变化趋势明显，年际波动较大㊂３月开始，土壤进入消融阶段，土壤中大量的固态水转化为液态水，土壤蒸发增大，ＬＥ随着Ｒｎ和Ｔａ的增加而增加㊂同时，春灌使得土壤中可供蒸发的总水量进一步增大，ＬＥ增加到一定程度后保持不变㊂５月胡杨进入萌芽期，ＬＥ随着植物蒸腾的增大而逐渐增大；６ ８月，ＬＥ增加到最大，且波动明显㊂９月，虽然植物蒸腾开始下降，但受秋季灌水的影响地表蒸发较大，ＬＥ的值仍然较高，并未随Ｒｎ和Ｔａ的下降而降低㊂１０月，ＬＥ随着土壤蒸发和植物蒸腾的下降而快速降低；１２月至次年的２月，ＬＥ的值波动不大，小于１ＭＪｍ－２ｄ－１㊂潜热通量的季节和年际波动主要与土壤中可供蒸发的总水量和胡杨的物候阶段有关㊂春季和秋季的灌水事件直接影响着土壤中可供蒸发的总水量，从而间接地改变了潜热通量的季节变化过程㊂（３）感热通量的季节变化趋势与潜热通量的季节变化趋势大致相反㊂２０１４ ２０１６年，１ １２月感热通量的日均值分别为２．８８㊁４．３７㊁５．７７㊁６．９５㊁５．９５㊁１．９６㊁０．３７㊁１．３２㊁１．０６㊁３．４３㊁２．７７和２．５５ＭＪｍ－２ｄ－１㊂（４）相比于潜热通量和感热通量，土壤热通量的值很小㊂土壤热通量的季节变化趋势明显：春季，土壤热通量由负值转为正值；秋季，土壤热通量由正值转化为负值㊂３．２．３㊀能量分配特征表１给出了２０１４ ２０１６年不同月份的潜热通量㊁感热通量和土壤热通量占净辐射的百分比，以及不同月份的波文比㊂由表１可以看出，生长季，荒漠河岸胡杨林生态系统的能量消耗以潜热通量为主，潜热通量占净辐射的８４．２８％；其次是感热通量，感热通量占净辐射的１５．８７％；而土壤热通量仅占净辐射的２．１％㊂非生长季，能量消耗以感热通量为主（Ｈ／Ｒｎ＝３９．９７％），其次是潜热通量（ＬＥ／Ｒｎ＝１８．１７％）㊂波文比（β）的季节变化趋势明显：１２月至次年２月，能量消耗以感热通量为主，β值平均为５．８５；３ ４月，能量消耗仍然以感热通量为主，β值平均为１．２９；５月，能量消耗以潜热通量为主，β值为０．４５；６ ８月，能量消耗以潜热通量为主，β值平均为０．０７；９ １０月，受灌水的影响能量消耗仍然以潜热通量为主，β值分别为０．０７和０．５５；１１月，能量消耗以感热通量为主，β值为１．５３㊂８８６８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀图４㊀净辐射（Ｒｎ）㊁潜热通量（ＬＥ）㊁感热通量（Ｈ）和土壤热通量（Ｇ）的季节变化特征及年际差异Ｆｉｇ．４㊀Ｔｈｅｓｅａｓｏｎａｌａｎｄｙｅａｒｌｙｖａｒｉａｔｉｏｎｓｏｆｎｅｔｒａｄｉａｔｉｏｎ（Ｒｎ），ｌａｔｅｎｔｈｅａｔｆｌｕｘ（ＬＥ），ｓｅｎｓｉｂｌｅｈｅａｔｆｌｕｘ（Ｈ），ａｎｄｓｏｉｌｈｅａｔｆｌｕｘ（Ｇ）表１㊀２０１４ ２０１６年不同月份的潜热通量（ＬＥ）㊁感热通量（Ｈ）和土壤热通量（Ｇ）占净辐射（Ｒｎ）的比值及波文比（β）Ｔａｂｌｅ１㊀Ｔｈｅｍｏｎｔｈｌｙａｖｅｒａｇｅｏｆｔｈｅｒａｔｉｏｏｆｌａｔｅｎｔｈｅａｔｆｌｕｘ（ＬＥ），ｓｅｎｓｉｂｌｅｈｅａｔｆｌｕｘ（Ｈ）ａｎｄｓｏｉｌｈｅａｔｆｌｕｘ（Ｇ）ｔｏｎｅｔｒａｄｉａｔｉｏｎｆｌｕｘ（Ｒｎ），ａｎｄｂｏｗｅｎｒａｔｉｏ（β）ｉｎ２０１４ ２０１６月份Ｍｏｎｔｈ１２３４５６７８９１０１１１２潜热通量与净辐射的比值ＬＥ／Ｒｎ５．８６７．４１２２．４６３９．０６７２．１５８９．７６８６．７１８２．０５１０８．７０６６．３４２５．４８８．７５感热通量与净辐射的比值Ｈ／Ｒｎ４０．８２４２．３２３４．８４４０．１６３２．２０９．９０１．８１６．９４８．０７３６．２９３９．０８４２．５８土壤热通量与净辐射的比值Ｇ／Ｒｎ－１１．９２－５．５７３．２１１０．８５５．６３４．９１４．１３２．９１０．２４－５．２１－１３．３７－１６．３６波文比β６．９７５．７１１．５５１．０３０．４５０．１１０．０２０．０８０．０７０．５５１．５３４．８７㊀㊀ＬＥ：潜热通量Ｌａｔｅｎｔｈｅａｔｆｌｕｘ；Ｈ：感热通量Ｓｅｎｓｉｂｌｅｈｅａｔｆｌｕｘ；Ｇ：土壤热通量Ｓｏｉｌｈｅａｔｆｌｕｘ；Ｒｎ：净辐射Ｎｅｔｒａｄｉａｔｉｏｎ；β：波文比Ｂｏｗｅｎｒａｔｉｏ３．３㊀蒸散发的季节变化特征及年际差异蒸散发（ＥＴ）是内陆河流域水量平衡的重要组成部分，在水分短缺的干旱和半干旱地区，对蒸散发的估计在生态保护和水资源配置过程中起着非常重要的作用㊂荒漠河岸林的蒸散发主要受地下水埋深的影响，地下水是地表蒸散的主要水分来源［１６，１７］㊂黑河流域的生态输水工程影响着该区域的地下水埋深及土壤含水量㊂为了更加清楚地分析蒸散发的季节变化过程及其对生态输水的响应，这里选择气候条件较为一致㊁输水量差异较大的２０１５和２０１６年进行比较分析，如图５所示㊂由图５可知，荒漠河岸胡杨林蒸散发的季节变化趋势明显㊂１１月至次年２月，ＥＴ的值很小且变化不大㊂３月初，ＥＴ随着θ和Ｔａ的升高而增大㊂３月中旬至４月，受灌水的影响，ＥＴ维持在较高值，ＥＴ与θ的变化趋９８６８㊀２３期㊀㊀㊀马小红㊀等：荒漠河岸胡杨林生态系统能量分配及蒸散发㊀图５㊀２０１５ ２０１６年空气温度（Ｔａ）㊁土壤含水量（θ）㊁叶面积指数（ＬＡＩ）及蒸散发（ＥＴ）的季节变化特征Ｆｉｇ．５㊀Ｔｈｅｓｅａｓｏｎａｌｖａｒｉａｔｉｏｎｓｏｆａｉｒｔｅｍｐｅｒａｔｕｒｅ（Ｔａ），ｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔ（θ），ｌｅａｆａｒｅａｉｎｄｅｘ（ＬＡＩ），ａｎｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ（ＥＴ）ｆｏｒ２０１５ ２０１６势基本一致，不再随Ｔａ的升高而增加（红框）㊂自５月开始，胡杨进入生长阶段，ＥＴ随着ＬＡＩ的增大而增大；６ ８月ＥＴ达到最大，且波动明显㊂９月，受灌水的影响，ＥＴ的值较高，并未随ＬＡＩ和Ｔａ的降低而减小（红框）㊂春季和秋季胡杨林的蒸散发及年际差异主要受灌水的影响㊂灌水的时间改变了ＥＴ的季节变化趋势，使得春季和秋季的ＥＴ值较高，并未随Ｔａ和ＬＡＩ的变化而变化；灌水的量决定了春季和秋季蒸散量的年际差０９６８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀异，土壤含水量越大，地下水埋深越浅，蒸散量越大㊂２０１４ ２０１６年ＥＴ的日平均值分别为３．０７ｍｍ／ｄ㊁２．８０ｍｍ／ｄ和３．１１ｍｍ／ｄ，地下水埋深分别为１．２８㊁１．７９和１．１６ｍ㊂此外，蒸散发的季节变化过程还受胡杨物候阶段的影响，２０１４ ２０１６年，萌芽期（５月）㊁旺盛生长期（６ ９月）和叶片衰老期（１０月）的ＥＴ平均分别为４．０３ｍｍ／ｄ㊁５．６７ｍｍ／ｄ和１．６１ｍｍ／ｄ㊂总之，荒漠河岸胡杨林蒸散量的波动主要受生态输水过程（地下水位和土壤含水量）和胡杨物候阶段（ＬＡＩ）的影响，温度㊁辐射等气象因子的年际差异不足以引起蒸散量的较大波动㊂４㊀讨论４．１㊀能量分配特征干旱㊁半干旱生态系统的能量分配通常受降水及其相关因子（浅层土壤水分和干旱事件）的控制［２５⁃２７］㊂然而，黑河下游荒漠河岸林的生长主要依赖于地下水［２８］，其能量分配受地下水的控制［２１］；而生态输水工程影响着该区域的地下水埋深㊂本研究发现生态输水的时间和量影响着胡杨林生态系统的能量分配㊂能量分配的季节变化过程受胡杨物候阶段和生态输水的显著影响㊂生长季胡杨林生态系统的能量消耗以潜热通量为主，萌芽期（５月）㊁旺盛生长期（６ ９月）和叶片衰老期（１０月）的波文比（β）分别为０．４５㊁０．０７和０．５５㊂其中旺盛生长期的β值与Ｙｕａｎ等人对塔里木河下游柽柳灌丛的研究结论比较相近（表２），而萌芽期和叶片衰老期的β值远低于Ｙｕａｎ等人的研究结论［２１］；这主要是因为受黑河下游生态输水的影响，春季和秋季的潜热通量较大㊂对于极端干旱的荒漠地区而言，水分条件是决定能量分配的关键因素：若生态系统的水分充足，能量消耗则以潜热通量为主，反之则以感热通量为主（表２）［２１，２５，２９⁃３０］㊂例如Ｋａｌｔｈｏｆｆ等对阿塔卡马沙漠南部艾尔奇山谷农耕地的研究发现：灌溉或湿季降水后，β值约等于０．７；而无植被覆盖的干季，β值约等于２．５［３０］㊂Ｂｒüｍｍｅｒ等对西非热带稀树草原的研究也得出相似的结论，湿季β值小于０．７，而干季β值大于１．５［２９］㊂荒漠生态系统能量分配的差异主要来源于水分条件㊁植被类型及气候特征［２５］㊂表２㊀旱地生态系统的能量分配特征Ｔａｂｌｅ２㊀Ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅｎｅｒｇｙｐａｒｔｉｔｉｏｎｉｎｇｉｎｄｒｙｌａｎｄｅｃｏｓｙｓｔｅｍｓ地理位置Ｇｅｏｇｒａｐｈｉｃａｌｐｏｓｉｔｉｏｎ植被类型Ｖｅｇｅｔａｔｉｏｎｔｙｐｅ时期Ｐｅｒｉｏｄ波文比β参考文献Ｒｅｆｅｒｅｎｃｅｓ７１ʎ１４ᶄ０，２９ʎ４３ᶄＳ农耕地（土豆）收割后／干季ʈ２．５［３０］灌溉后／湿季ʈ０．７植被覆盖ʈ１８７ʎ５４ᶄＥ，４０ʎ２７ᶄＮ柽柳灌丛萌芽期＝１．７９［２１］旺盛生长期＝０．１０叶片衰老期＝１．７２休眠期＝７２．２９３ʎ４ᶄＷ，１０ʎ５１ᶄＮ热带稀树草原湿季＜０．７［２９］（以灌木和草本为主）干季＞１．５１０７ʎ１３ᶄＥ，３７ʎ４２ᶄＮ半干旱灌木（以沙拐枣㊁花棒为主）生长季＝２．３０［２５］１０１ʎ１０ᶄＥ，４１ʎ５９ᶄＮ胡杨林萌芽期＝０．４５本文旺盛生长期＝０．０７叶片衰老期＝０．５５休眠期＝３．６１４．２㊀蒸散发本研究发现春季和秋季胡杨林的蒸散发及年际差异主要受生态输水过程的影响㊂灌水的时间改变了ＥＴ的季节变化趋势，受灌水的影响春季和秋季的ＥＴ较高，并未随温度和叶面积指数的变化而变化；而灌水的量决定了土壤中可供蒸发的总水量，是年际之间ＥＴ出现差异的主要原因，土壤含水量越高，蒸散量越大（图５）㊂此外，蒸散发的季节变化过程还受胡杨物候阶段的影响㊂非生长季胡杨林的蒸散量很小，２０１５ ２０１６年非生１９６８㊀２３期㊀㊀㊀马小红㊀等：荒漠河岸胡杨林生态系统能量分配及蒸散发㊀长季的ＥＴ分别为８３ｍｍ和１９３ｍｍ；二者的差异较大，这种差异主要源于生态输水量㊂２０１５年秋季灌水前后的地下水埋深分别为２．２７ｍ和１．１４ｍ，而２０１６年秋季灌水前后的地下水埋深分别为２．２７ｍ和０．００ｍ；可见２０１６年的灌水量高于２０１５年的（图２）㊂同理，２０１６年春季的灌水量也高于２０１５年的，这使得２０１６年春季的蒸散量相对较大，从而进一步增大了２０１５和２０１６年非生长季ＥＴ的差异㊂２０１５ ２０１６年，胡杨林的年蒸散量分别为１０２２ｍｍ和１１３５ｍｍ㊂本研究得出的ＥＴ值与Ｋｏｃｈｅｎｄｏｒｆｅｒ等人对美国加州中央山谷北部河岸林（杨树）的研究结果接近（ＥＴ＝１０９５ｍｍ／ａ）［２３］；比Ｙｕａｎ等人得出的塔里木河下游荒漠河岸胡杨林蒸散发的值大［１６］，这是因为植被的生长状况和生态系统的水分状况差异较大（表３）㊂受黑河流域生态输水工程的影响，几乎每年都会在春秋两季对下游地区的胡杨林地表进行大面积的漫水灌溉，这是该区域胡杨林蒸散量比其他区域大的主要原因㊂Ｃｌｅｖｅｒｌｙ等利用涡度相关技术对美国南部格兰德河中游河岸林的研究表明：生长季，无洪水淹没和有洪水淹没的柽柳生态系统的蒸散量分别为７４０．０和１２２０．０ｍｍ［１５］㊂由此可见，漫水灌溉事件对河岸林蒸散量的影响极其重要，它可能从两个方面影响蒸散量，一是通过调节河岸林的水分状况来改变植被的生理过程，二是通过增大地表蒸发来增大整个生态系统的蒸散量㊂表３㊀中国两大内陆河流域下游地区荒漠河岸胡杨林的蒸散发Ｔａｂｌｅ３㊀ＥｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｏｆｔｈｅｄｅｓｅｒｔｒｉｐａｒｉａｎＰｏｐｕｌｕｓＥｕｐｈｒａｔｉｃａｆｏｒｅｓｔｓｄｉｓｔｒｉｂｕｔｅｄｉｎｔｈｅｌｏｗｅｒｒｅａｃｈｅｓｏｆｔｗｏｍａｊｏｒｉｎｌａｎｄｒｉｖｅｒｓｉｎＣｈｉｎａ地理位置Ｇｅｏｇｒａｐｈｉｃａｌｐｏｓｉｔｉｏｎ蒸散发／（ｍｍ／ｄ）Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ７月１０日至１９日地下水埋深／ｍＧｒｏｕｎｄｗａｔｅｒｄｅｐｔｈ叶面积指数Ｌｅａｆａｒｅａｉｎｄｅｘ地表植被覆盖率／％Ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ参考文献Ｒｅｆｅｒｅｎｃｅｓ塔里木河下游ＴｈｅｌｏｗｅｒｒｅａｃｈｅｓｏｆＨｅｉｈｅＲｉｖｅｒ４．５２＜５ｍ０．５７４９［１６］黑河河下游ＴｈｅｌｏｗｅｒｒｅａｃｈｅｓｏｆＴａｒｉｍＲｉｖｅｒ５．８６＞２ｍ１．７９７５本文５㊀结论本文基于涡度相关技术，研究了荒漠河岸胡杨林生态系统的能量分配及蒸散发特征，得出的主要结论有：（１）胡杨林生态系统的能量闭合率为７８％㊂（２）生长季胡杨林生态系统的能量消耗以潜热通量为主，波文比为０．２１㊂能量分配的季节变化过程受胡杨物候阶段和生态输水的显著影响㊂（３）春季和秋季胡杨林的蒸散发及年际差异主要受生态输水过程的影响㊂生态输水的时间改变了蒸散发的季节变化趋势，而生态输水的量决定着蒸散量的年际差异㊂（４）２０１４ ２０１６年，生态系统的年蒸散量平均为１０９２ｍｍ，生长季蒸散量平均为９３２ｍｍ㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀ＦｅｎｇＳ，ＦｕＱ．Ｅｘｐａｎｓｉｏｎｏｆｇｌｏｂａｌｄｒｙｌａｎｄｓｕｎｄｅｒａｗａｒｍｉｎｇｃｌｉｍａｔｅ．ＡｔｍｏｓｐｈｅｒｉｃＣｈｅｍｉｓｔｒｙａｎｄＰｈｙｓｉｃｓ，２０１３，１３（１９）：１００８１⁃１００９４．［２］㊀ＭｉｔｃｈｅｌｌＰＪ，ＶｅｎｅｋｌａａｓＥ，ＬａｍｂｅｒｓＨ，ＢｕｒｇｅｓｓＳＳＯ．Ｐａｒｔｉｔｉｏｎｉｎｇｏｆｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｉｎａｓｅｍｉ⁃ａｒｉｄｅｕｃａｌｙｐｔｗｏｏｄｌａｎｄｉｎｓｏｕｔｈ⁃ｗｅｓｔｅｒｎＡｕｓｔｒａｌｉａ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００９，１４９（１）：２５⁃３７．［３］㊀ＳｃｏｔｔＲＬ，ＥｄｗａｒｄｓＥＡ，ＳｈｕｔｔｌｅｗｏｒｔｈＷＪ，ＨｕｘｍａｎＴＥ，ＷａｔｔｓＣ，ＧｏｏｄｒｉｃｈＤＣ．Ｉｎｔｅｒａｎｎｕａｌａｎｄｓｅａｓｏｎａｌｖａｒｉａｔｉｏｎｉｎｆｌｕｘｅｓｏｆｗａｔｅｒａｎｄｃａｒｂｏｎｄｉｏｘｉｄｅｆｒｏｍａｒｉｐａｒｉａｎｗｏｏｄｌａｎｄｅｃｏｓｙｓｔｅｍ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００４，１２２（１／２）：６５⁃８４．［４］㊀ＦｅｎｇＱ，ＰｅｎｇＪＺ，ＬｉＪＧ，ＸｉＨＹ，ＳｉＪＨ．Ｕｓｉｎｇｔｈｅｃｏｎｃｅｐｔｏｆｅｃｏｌｏｇｉｃａｌｇｒｏｕｎｄｗａｔｅｒｌｅｖｅｌｔｏｅｖａｌｕａｔｅｓｈａｌｌｏｗｇｒｏｕｎｄｗａｔｅｒｒｅｓｏｕｒｃｅｓｉｎｈｙｐｅｒａｒｉｄｄｅｓｅｒｔｒｅｇｉｏｎｓ．ＪｏｕｒｎａｌｏｆＡｒｉｄＬａｎｄ，２０１２，４（４）：３７８⁃３８９．［５］㊀ＣｈｅｎｇＧＤ，ＬｉＸ，ＺｈａｏＷＺ，ＸｕＺＭ，ＦｅｎｇＱ，ＸｉａｏＳＣ，ＸｉａｏＨＬ．Ｉｎｔｅｇｒａｔｅｄｓｔｕｄｙｏｆｔｈｅｗａｔｅｒ⁃ｅｃｏｓｙｓｔｅｍ⁃ｅｃｏｎｏｍｙｉｎｔｈｅＨｅｉｈｅＲｉｖｅｒＢａｓｉｎ．ＮａｔｉｏｎａｌＳｃｉｅｎｃｅＲｅｖｉｅｗ，２０１４，１（３）：４１３⁃４２８．［６］㊀中华人民共和国水利部．黑河流域近期治理规划．北京：中国水利水电出版社，２００２．［７］㊀ＷｉｌｓｏｎＫＢ，ＢａｌｄｏｃｃｈｉＤＤ，ＡｕｂｉｎｅｔＭ，ＢｅｒｂｉｇｉｅｒＰ，ＢｅｒｎｈｏｆｅｒＣ，ＤｏｌｍａｎＨ，ＦａｌｇｅＥ，ＦｉｅｌｄＣ，ＧｏｌｄｓｔｅｉｎＡ，ＧｒａｎｉｅｒＡ，ＧｒｅｌｌｅＡ，ＨａｌｌｄｏｒＴ，ＨｏｌｌｉｎｇｅｒＤ，ＫａｔｕｌＧ，ＬａｗＢＥ，ＬｉｎｄｒｏｔｈＡ，ＭｅｙｅｒｓＴ，ＭｏｎｃｒｉｅｆｆＪ，ＭｏｎｓｏｎＲ，ＯｅｃｈｅｌＷ，ＴｅｎｈｕｎｅｎＪ，ＶａｌｅｎｔｉｎｉＲ，ＶｅｒｍａＳ，ＶｅｓａｌａＴ，ＷｏｆｓｙＳ．ＥｎｅｒｇｙｐａｒｔｉｔｉｏｎｉｎｇｂｅｔｗｅｅｎｌａｔｅｎｔａｎｄｓｅｎｓｉｂｌｅｈｅａｔｆｌｕｘｄｕｒｉｎｇｔｈｅｗａｒｍｓｅａｓｏｎａｔＦＬＵＸＮＥＴｓｉｔｅｓ．ＷａｔｅｒＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈ，２００２，３８２９６８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ（１２）：１２９４．［８］㊀ＢａｌｄｏｃｃｈｉＤ，ＦａｌｇｅＥ，ＧｕＬＨ，ＯｌｓｏｎＲ，ＨｏｌｌｉｎｇｅｒＤ，ＲｕｎｎｉｎｇＳ，ＡｎｔｈｏｎｉＰ，ＢｅｒｎｈｏｆｅｒＣ，ＤａｖｉｓＫ，ＥｖａｎｓＲ．ＦＬＵＸＮＥＴ：ａｎｅｗｔｏｏｌｔｏｓｔｕｄｙｔｈｅｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｖａｒｉａｂｉｌｉｔｙｏｆｅｃｏｓｙｓｔｅｍ⁃ｓｃａｌｅｃａｒｂｏｎｄｉｏｘｉｄｅ，ｗａｔｅｒｖａｐｏｒ，ａｎｄｅｎｅｒｇｙｆｌｕｘｄｅｎｓｉｔｉｅｓ．ＢｕｌｌｅｔｉｎｏｆｔｈｅＡｍｅｒｉｃａｎＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｏｃｉｅｔｙ，２００１，８２（１１）：２４１５⁃２４３４．［９］㊀ＬｅｕｎｉｎｇＲ，ＣｌｅｕｇｈＨＡ，ＺｅｇｅｌｉｎＳＪ，ＨｕｇｈｅｓＤ．ＣａｒｂｏｎａｎｄｗａｔｅｒｆｌｕｘｅｓｏｖｅｒａｔｅｍｐｅｒａｔｅＥｕｃａｌｙｐｔｕｓｆｏｒｅｓｔａｎｄａｔｒｏｐｉｃａｌｗｅｔ／ｄｒｙｓａｖａｎｎａｉｎＡｕｓｔｒａｌｉａ：ｍｅａｓｕｒｅｍｅｎｔｓａｎｄｃｏｍｐａｒｉｓｏｎｗｉｔｈＭＯＤＩＳｒｅｍｏｔｅｓｅｎｓｉｎｇｅｓｔｉｍａｔｅｓ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００５，１２９（３／４）：１５１⁃１７３．［１０］㊀何学敏，吕光辉，秦璐，李岩，杨晓东，杨建军，于恩涛．荒漠杜加依林冠层水热变化及ＣＯ２交换特征．生态学报，２０１９，３９（３）：１０５２⁃１０６２．［１１］㊀康满春，朱丽平，许行，查同刚，张志强．基于Ｂｉｏｍｅ⁃ＢＧＣ模型的北方杨树人工林碳水通量对气候变化的响应研究．生态学报，２０１９，３９（７）：２３７８⁃２３９０．［１２］㊀任小丽，何洪林，刘敏，张黎，周磊，于贵瑞，王辉民．基于模型数据融合的千烟洲亚热带人工林碳水通量模拟．生态学报，２０１２，３２（２３）：７３１３⁃７３２６．［１３］㊀ＩｇａｒａｓｈｉＹ，ＫｕｍａｇａｉＴ，ＹｏｓｈｉｆｕｊｉＮ，ＳａｔｏＴ，ＴａｎａｋａＮ，ＴａｎａｋａＫ，ＳｕｚｕｋｉＭ，ＴａｎｔａｓｉｒｉｎＣ．ＥｎｖｉｒｏｎｍｅｎｔａｌｃｏｎｔｒｏｌｏｆｃａｎｏｐｙｓｔｏｍａｔａｌｃｏｎｄｕｃｔａｎｃｅｉｎａｔｒｏｐｉｃａｌｄｅｃｉｄｕｏｕｓｆｏｒｅｓｔｉｎｎｏｒｔｈｅｒｎＴｈａｉｌａｎｄ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２０１５，２０２：１⁃１０．［１４］㊀窦军霞，张一平，于贵瑞，赵双菊，宋清海．西双版纳热带季节雨林水热通量．生态学报，２００７，２７（８）：３０９９⁃３１０９．［１５］㊀ＣｌｅｖｅｒｌｙＪＲ，ＤａｈｍＣＮ，ＴｈｉｂａｕｌｔＪＲ，ＧｉｌｒｏｙＤＪ，ＡｌｌｒｅｄＣｏｏｎｒｏｄＪＥ．Ｓｅａｓｏｎａｌｅｓｔｉｍａｔｅｓｏｆａｃｔｕａｌｅｖａｐｏ⁃ｔｒａｎｓｐｉｒａｔｉｏｎｆｒｏｍＴａｍａｒｉｘｒａｍｏｓｉｓｓｉｍａｓｔａｎｄｓｕｓｉｎｇｔｈｒｅｅ⁃ｄｉｍｅｎｓｉｏｎａｌｅｄｄｙｃｏｖａｒｉａｎｃｅ．ＪｏｕｒｎａｌｏｆＡｒｉｄＥｎｖｉｒｏｎｍｅｎｔｓ，２００２，５２（２）：１８１⁃１９７．［１６］㊀ＹｕａｎＧＦ，ＬｕｏＹ，ＳｈａｏＭＡ，ＺｈａｎｇＰ，ＺｈｕＸＣ．ＥｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｉｔｓｍａｉｎｃｏｎｔｒｏｌｌｉｎｇｍｅｃｈａｎｉｓｍｏｖｅｒｔｈｅｄｅｓｅｒｔｒｉｐａｒｉａｎｆｏｒｅｓｔｓｉｎｔｈｅｌｏｗｅｒＴａｒｉｍＲｉｖｅｒＢａｓｉｎ．ＳｃｉｅｎｃｅＣｈｉｎａＥａｒｔｈＳｃｉｅｎｃｅｓ，２０１５，５８（６）：１０３２⁃１０４２．［１７］㊀ＹｕＴＦ，ＦｅｎｇＱ，ＳｉＪＨ，ＺｈａｎｇＸＹ，ＺｈａｏＣＹ．ＥｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｏｆａＰｏｐｕｌｕｓｅｕｐｈｒａｔｉｃａＯｌｉｖ．ｆｏｒｅｓｔａｎｄｉｔｓｃｏｎｔｒｏｌｌｉｎｇｆａｃｔｏｒｓｉｎｔｈｅｌｏｗｅｒＨｅｉｈｅＲｉｖｅｒＢａｓｉｎ，ＮｏｒｔｈｗｅｓｔＣｈｉｎａ．ＳｃｉｅｎｃｅｓｉｎＣｏｌｄａｎｄＡｒｉｄＲｅｇｉｏｎｓ，２０１７，９（２）：１７５⁃１８２．［１８］㊀冯起，司建华，席海洋，鱼腾飞，张福平．黑河下游生态水需求与生态水量调控［Ｍ］．北京：科学出版社，２０１５．［１９］㊀ＦａｌｇｅＥ，ＢａｌｄｏｃｃｈｉＤ，ＯｌｓｏｎＲ，ＡｎｔｈｏｎｉＰ，ＡｕｂｉｎｅｔＭ，ＢｅｒｎｈｏｆｅｒＣ，ＢｕｒｂａＧ，ＣｅｕｌｅｍａｎｓＲ，ＣｌｅｍｅｎｔＲ，ＤｏｌｍａｎＨ，ＧｒａｎｉｅｒＡ，ＧｒｏｓｓＰ，ＧｒüｎｗａｌｄＴ，ＨｏｌｌｉｎｇｅｒＤ，ＪｅｎｓｅｎＮＯ，ＫａｔｕｌＧ，ＫｅｒｏｎｅｎＰ，ＫｏｗａｌｓｋｉＡ，ＴａＬａｉＣ，ＬａｗＢＥ，ＭｅｙｅｒｓＴ，ＭｏｎｃｒｉｅｆｆＪ，ＭｏｏｒｓＥ，ＷｉｌｌｉａｍＭｕｎｇｅｒＪ，ＰｉｌｅｇａａｒｄＫ，ＲａｎｎｉｋÜ，ＲｅｂｍａｎｎＣ，ＳｕｙｋｅｒＡ，ＴｅｎｈｕｎｅｎＪ，ＴｕＫ，ＶｅｒｍａＳ，ＶｅｓａｌａＴ，ＷｉｌｓｏｎＫ，ＷｏｆｓｙＳ．Ｇａｐｆｉｌｌｉｎｇｓｔｒａｔｅｇｉｅｓｆｏｒｌｏｎｇｔｅｒｍｅｎｅｒｇｙｆｌｕｘｄａｔａｓｅｔｓ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００１，１０７（１）：７１⁃７７．［２０］㊀ＷｉｌｓｏｎＫ，ＧｏｌｄｓｔｅｉｎＡ，ＦａｌｇｅＥ，ＡｕｂｉｎｅｔＭ，ＢａｌｄｏｃｃｈｉＤ，ＢｅｒｂｉｇｉｅｒＰ，ＢｅｒｎｈｏｆｅｒＣ，ＣｅｕｌｅｍａｎｓＲ，ＤｏｌｍａｎＨ，ＦｉｅｌｄＣ，ＧｒｅｌｌｅＡ，ＩｂｒｏｍＡ，ＬａｗＢＥ，ＫｏｗａｌｓｋｉＡ，ＭｅｙｅｒｓＴ，ＭｏｎｃｒｉｅｆｆＪ，ＭｏｎｓｏｎＲ，ＯｅｃｈｅｌＷ，ＴｅｎｈｕｎｅｎＪ，ＶａｌｅｎｔｉｎｉＲ，ＶｅｒｍａＳ．ＥｎｅｒｇｙｂａｌａｎｃｅｃｌｏｓｕｒｅａｔＦＬＵＸＮＥＴｓｉｔｅｓ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００２，１１３（１／４）：２２３⁃２４３．［２１］㊀ＹｕａｎＧＦ，ＺｈａｎｇＰ，ＳｈａｏＭＡ，ＬｕｏＹ，ＺｈｕＸＣ．ＥｎｅｒｇｙａｎｄｗａｔｅｒｅｘｃｈａｎｇｅｓｏｖｅｒａｒｉｐａｒｉａｎＴａｍａｒｉｘｓｐｐ．ｓｔａｎｄｉｎｔｈｅｌｏｗｅｒＴａｒｉｍＲｉｖｅｒｂａｓｉｎｕｎｄｅｒａｈｙｐｅｒ⁃ａｒｉｄｃｌｉｍａｔｅ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２０１４，１９４：１４４⁃１５４．［２２］㊀ＢａｌｄｏｃｃｈｉＤＤ，ＨｉｎｃｋｓＢＢ，ＭｅｙｅｒｓＴＰ．Ｍｅａｓｕｒｉｎｇｂｉｏｓｐｈｅｒｅ⁃ａｔｍｏｓｐｈｅｒｅｅｘｃｈａｎｇｅｓｏｆｂｉｏｌｏｇｉｃａｌｌｙｒｅｌａｔｅｄｇａｓｅｓｗｉｔｈｍｉｃｒｏｍｅｔｅｏｒｏｌｏｇｉｃａｌｍｅｔｈｏｄｓ．Ｅｃｏｌｏｇｙ，１９８８，６９（５）：１３３１⁃１３４０．［２３］㊀ＫｏｃｈｅｎｄｏｒｆｅｒＪ，ＣａｓｔｉｌｌｏＥＧ，ＨａａｓＥ，ＯｅｃｈｅｌＷＣ，ＰａｗＵＫＴ．Ｎｅｔｅｃｏｓｙｓｔｅｍｅｘｃｈａｎｇｅ，ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｃａｎｏｐｙｃｏｎｄｕｃｔａｎｃｅｉｎａｒｉｐａｒｉａｎｆｏｒｅｓｔ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２０１１，１５１（５）：５４４⁃５５３．［２４］㊀李正泉，于贵瑞，温学发，张雷明，任传友，伏玉玲．中国通量观测网络（ＣｈｉｎａＦＬＵＸ）能量平衡闭合状况的评价．中国科学Ｄ辑地球科学，２００４，３４（Ｓ２）：４６⁃５６．［２５］㊀ＪｉａＸ，ＺｈａＴＳ，ＧｏｎｇＪＮ，ＷｕＢ，ＺｈａｎｇＹＱ，ＱｉｎＳＧ，ＣｈｅｎＧＰ，ＦｅｎｇＷ，ＫｅｌｌｏｍäｋｉＳ，ＰｅｌｔｏｌａＨ．Ｅｎｅｒｇｙｐａｒｔｉｔｉｏｎｉｎｇｏｖｅｒａｓｅｍｉ⁃ａｒｉｄｓｈｒｕｂｌａｎｄｉｎｎｏｒｔｈｅｒｎＣｈｉｎａ．ＨｙｄｒｏｌｏｇｉｃａｌＰｒｏｃｅｓｓｅｓ，２０１６，３０（６）：９７２⁃９８５．［２６］㊀ＳｃｏｔｔＲＬ，ＨｕｘｍａｎＴＥ，ＷｉｌｌｉａｍｓＤＧ，ＧｏｏｄｒｉｃｈＤＣ．Ｅｃｏｈｙｄｒｏｌｏｇｉｃａｌｉｍｐａｃｔｓｏｆｗｏｏｄｙ⁃ｐｌａｎｔｅｎｃｒｏａｃｈｍｅｎｔ：ｓｅａｓｏｎａｌｐａｔｔｅｒｎｓｏｆｗａｔｅｒａｎｄｃａｒｂｏｎｄｉｏｘｉｄｅｅｘｃｈａｎｇｅｗｉｔｈｉｎａｓｅｍｉａｒｉｄｒｉｐａｒｉａｎｅｎｖｉｒｏｎｍｅｎｔ．ＧｌｏｂａｌＣｈａｎｇｅＢｉｏｌｏｇｙ，２００６，１２（２）：３１１⁃３２４．［２７］㊀ＫｒｉｓｈｎａｎＰ，ＭｅｙｅｒｓＴＰ，ＳｃｏｔｔＲＬ，ＫｅｎｎｅｄｙＬ，ＨｅｕｅｒＭ．Ｅｎｅｒｇｙｅｘｃｈａｎｇｅａｎｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｏｖｅｒｔｗｏｔｅｍｐｅｒａｔｅｓｅｍｉ⁃ａｒｉｄｇｒａｓｓｌａｎｄｓｉｎＮｏｒｔｈＡｍｅｒｉｃａ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２０１２，１５３：３１⁃４４．［２８］㊀ＳｉＪＨ，ＦｅｎｇＱ，ＣａｏＳＫ，ＹｕＴＦ，ＺｈａｏＣＹ．ＷａｔｅｒｕｓｅｓｏｕｒｃｅｓｏｆｄｅｓｅｒｔｒｉｐａｒｉａｎＰｏｐｕｌｕｓｅｕｐｈｒａｔｉｃａｆｏｒｅｓｔｓ．ＥｎｖｉｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇａｎｄＡｓｓｅｓｓｍｅｎｔ，２０１４，１８６（９）：５４６９⁃５４７７．［２９］㊀ＢｒüｍｍｅｒＣ，ＦａｌｋＵ，ＰａｐｅｎＨ，ＳｚａｒｚｙｎｓｋｉＪ，ＷａｓｓｍａｎｎＲ，ＢｒüｇｇｅｍａｎｎＮ．Ｄｉｕｒｎａｌ，ｓｅａｓｏｎａｌ，ａｎｄｉｎｔｅｒａｎｎｕａｌｖａｒｉａｔｉｏｎｉｎｃａｒｂｏｎｄｉｏｘｉｄｅａｎｄｅｎｅｒｇｙｅｘｃｈａｎｇｅｉｎｓｈｒｕｂｓａｖａｎｎａｉｎＢｕｒｋｉｎａＦａｓｏ（ＷｅｓｔＡｆｒｉｃａ）．ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ，２００８，１１３（Ｇ２）：Ｇ０２０３０．［３０］㊀ＫａｌｔｈｏｆｆＮ，Ｆｉｅｂｉｇ⁃ＷｉｔｔｍａａｃｋＭ，ＭｅｉßｎｅｒＣ，ＫｏｈｌｅｒＭ，ＵｒｉａｒｔｅＭ，Ｂｉｓｃｈｏｆｆ⁃ＧａｕßＩ，ＧｏｎｚａｌｅｓＥ．Ｔｈｅｅｎｅｒｇｙｂａｌａｎｃｅ，ｅｖａｐｏ⁃ｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｎｏｃｔｕｒｎａｌｄｅｗｄｅｐｏｓｉｔｉｏｎｏｆａｎａｒｉｄｖａｌｌｅｙｉｎｔｈｅＡｎｄｅｓ．ＪｏｕｒｎａｌｏｆＡｒｉｄＥｎｖｉｒｏｎｍｅｎｔｓ，２００６，６５（３）：４２０⁃４４３．３９６８㊀２３期㊀㊀㊀马小红㊀等：荒漠河岸胡杨林生态系统能量分配及蒸散发㊀。
应用遥感方法估算皇甫川流域蒸散(发)量
水土保持通报 Bulletin of So il and Water Co nserv atio n
V ol. 28, No . 1 Feb. , 2008
应用遥感方法估算皇甫川流域蒸散( 发) 量
于红博1, 2, 3 , 杨 劼, , 1, 2 包铁军1, 2
( 7)
式中: T S ) ) ) 地表温度( K ) ; E) ) ) 是地表比辐射率;
地表反 射率 A与宽 带行星 反射率 之间 的关 系 为[ 4] :
a = ar P + b
( 6)
式中: a= 1. 505 3, b= - 0. 061 8。
2. 1. 5 地表温度的估算 本文采用孟宪红 等的方
法[ 4] , 地表温度可以表示为:
TS =
1+
TB ( K# T B/ Q) lnE
( 1. 内蒙古草地生态重点实 验室 省部共建国家重点实验室培育基地, 内蒙古 呼 和浩特 010021; 2. 内蒙古大学, 内蒙古 呼 和浩特 010021; 3. 内蒙古师范大学, 内蒙古 呼 和浩特 010022)
摘 要: 在利用 T M 资料求取皇甫川流域 地表特 征参数 和地表 能量平 衡各参量 的基础 上, 反演出 该流域
选取的遥感影像资料为 1996 年 8 月 29 日皇甫 川流域的 L andsat 5 T M 卫星数据。T M 谱段的 1- 5, 7 波段为可见光、近红外和短波红外区域, 空间分辨 率为 30 m @ 30 m , T M 6 为热红外波段, 空间分辨率 为 120 m @ 120 m。
选取的气象资料为沙圪堵气 象站 1996 年 8 月 28 日的日均温, 1996 年 8 月 29 日 8 时、14 时及日平 均的地温、气温、实际水气压、大气相对湿度、风速、大 气压, 1996 年 8 月 29 日的实际日照时数。
长江上游暗针叶林生态系统蒸散计算
长江上游暗针叶林生态系统蒸散计算
余新晓;程根伟;赵玉涛;周杨明;牛健植
【期刊名称】《水土保持学报》
【年(卷),期】2002()5
【摘要】利用修正参数后的Penman-Monteith修正式对长江上游暗针叶林生态系统蒸散的计算结果表明:该区日蒸散变化过程为单峰型,峰值出现在一天中的13:00～14:00,可达到0.26 mm/h.该暗针叶林生态系统蒸散较小,而且常年变动不大,多年年均蒸散量仅为333.9 mm.主导该区蒸散的控制因子是太阳有效辐射和大气温度;系统蒸散的年变化进程与水面蒸发实际观测趋势一致.
【总页数】3页(P14-16)
【关键词】长江上游;暗针叶林生态系统;蒸散
【作者】余新晓;程根伟;赵玉涛;周杨明;牛健植
【作者单位】北京林业大学,水土保持与荒漠化防治教育部重点实验室,北
京,100083;中国科学院成都山地灾害与环境研究所,成都,610041
【正文语种】中文
【中图分类】S715.4
【相关文献】
1.长江上游暗针叶林生态系统CWD水文效应研究 [J], 余新晓;陈丽华;牛健植;赵玉涛
2.长江上游亚高山暗针叶林林地水文作用初探 [J], 高甲荣;尹婧;牛健植;张东升;程
根伟
3.长江上游暗针叶林生态系统主要树种的根系结构与土体稳定性研究 [J], 谢春华;关文彬;张东升;吴建安;罗辑;李童阳
4.贡嘎山暗针叶林区森林蒸散发特征与模拟 [J], 程根伟;陈桂蓉
5.长江上游亚高山暗针叶林土壤水分入渗特征研究 [J], 余新晓;赵玉涛;张志强;程根伟
因版权原因，仅展示原文概要，查看原文内容请购买。
基于遥感和Penman-Monteith模型的内陆河流域不同生态系统蒸散发估算
基于遥感和Penman-Monteith模型的内陆河流域不同生态系统蒸散发估算王海波;马明国【期刊名称】《生态学报》【年(卷),期】2014(034)019【摘要】遥感数据具有很好的时空连续性,它是区域蒸散发通量估算的有效方法.引入了一个简单的具有生物物理基础的Penman-Monteith (P-M)模型,分别利用黑河流域高寒草地阿柔站和干旱区农田盈科站2008-2009年的气象数据和MODIS(Moderate Resolution Imaging Spectroradiometer)叶面积指数(LAI),实现了2008-2009年日蒸散发的估算,并同时实现了对植被蒸腾和土壤蒸发的分别估算.结果表明,利用P-M公式模拟的蒸散发与实测的蒸散发具有较好的一致性,日蒸散发模拟的决定系数(R2)超过0.8.估算的高寒草甸和干旱区农田玉米全年平均的蒸腾分别为0.78 mm/d和1.20 mm/d,分别占总蒸散发的60％和61％,土壤蒸发分别为0.53和0.77 mm/d,占总蒸发的40％和39％.可见两种生态系统的作物蒸腾均强于土壤蒸发,同时农田玉米蒸腾强于高寒草甸蒸腾.研究结果证明了基于遥感的P-M公式可以很好地实现对高寒草地和干旱区农田生态系统蒸散发的估算.通过考虑土壤水分变化对气孔导度的影响,可以提高模型对农田蒸散发的模拟精度.【总页数】10页(P5617-5626)【作者】王海波;马明国【作者单位】中国科学院寒区旱区环境与工程研究所,黑河遥感试验研究站,甘肃730000;中国科学院寒区旱区环境与工程研究所,黑河遥感试验研究站,甘肃730000【正文语种】中文【相关文献】1.基于SEBAL模型的地表蒸散发量遥感估算:以蒲城县为例 [J], 杨亮彦2.基于Penman-Monteith Leuning模型的遥感蒸散发估算——以四川省马尔康县为例 [J], 王力涛;高伟;庄春晓3.基于SEBAL模型和Landsat-8遥感数据的农田蒸散发估算 [J], 郭二旺;郭乙霏;张凌杰;闫超德;梁转信4.基于遥感双层模型的宝鸡峡灌区日蒸散发估算 [J], 朱明承;占车生;王会肖;王飞宇;韩建;马美红5.基于SEBAL模型的疏勒河流域蒸散发估算与灌溉效率评价 [J], 宁亚洲;张福平;冯起;魏永芬;李玲;刘洁遥;曾攀儒因版权原因，仅展示原文概要，查看原文内容请购买。
森林流域的蒸散发
森林流域的蒸散发
王泰英;李振斌;马辉
【期刊名称】《黑龙江大学工程学报》
【年(卷),期】1996(000)004
【摘要】根据汤旺河流域实测降雨、径流资料以及带岭径流实验站实验观测资料，分析森林流域的蒸散发（雪面、雨季和少雨季节的蒸散发）。
【总页数】3页(P51-52,56)
【作者】王泰英;李振斌;马辉
【作者单位】黑龙江省水文总站;带岭径流实验站
【正文语种】中文
【中图分类】P463.222
【相关文献】
1.基于过程模型的森林流域的实际蒸散发研究 [J], 杨金明;范文义
2.枝叶截蓄与蒸散发模型及界面水分效应：森林流域水文模型研究之二 [J], 陈祖铭;任守贤
3.森林流域蒸散发的控制要素与区域差异探讨 [J], 程根伟;陈桂蓉
4.珠江流域实际蒸散发与潜在蒸散发的关系研究 [J], 李修仓;姜彤;吴萍;王艳君;苏
布达
5.汉江流域参照蒸散发和实际蒸散发计算及影响因素分析 [J], 刘凡;陈华;许崇育;
史培军
因版权原因，仅展示原文概要，查看原文内容请购买。
何浩_中国陆地生态系统服务价值测量_
中国陆地生态系统服务价值测量3何 浩 潘耀忠 朱文泉33 刘旭拢 张 晴 朱秀芳(北京师范大学资源学院资源技术与工程研究所,环境演变与自然灾害教育部重点实验室,北京100875)【摘要】 利用遥感技术,结合生态学方法,在对生态参数遥感测量的基础上,计算了中国陆地生态系统2000年的生态服务价值.结果表明,中国陆地生态系统2000年所产生的生态服务价值为9.17×1012元,总体空间分布由东向西递减、由中部向东北和南部递增,与植被的地带性分布梯度基本一致;森林的平均单位面积价值最高,为18789元・hm -2,占总生态服务价值的40.80%;其次是灌丛(13789元・hm -2)和耕地(13054元・hm -2),分别占总生态服务价值的10.79%和24.23%.从生态系统服务功能来看,气体调节价值的贡献率最大,占总价值的45.16%;其次是水土保持价值(28.83%)和涵养水源价值(14.44%);有机物质生产和营养物质循环的价值最小,其贡献率为11.57%.生态遥感测量方法克服了传统生态统计方法以点代面的缺点,计算结果能更加客观地反映生态系统服务价值及其空间分布,但该方法本身也存在一些不确定性,对生态系统各项服务功能及其价值的评估只是保守和粗略的估计,有待于深入研究.关键词 生态系统 服务 价值 遥感 测量文章编号 1001-9332(2005)06-1122-06 中图分类号 Q149 文献标识码 AMeasurement of terrestrial ecosystem service value in China.HE Hao ,PAN Y aozhong ,ZHU Wenquan ,L IU Xulong ,ZHAN G Qing ,ZHU Xiufang (Key L aboratory of Environmental Change and N atural Disaster of Edu 2cation Minist ry ,College of Resources Science and Technology ,Beijing Norm al U niversity ,Beijing 100875,Chi 2na ).2Chin.J.A ppl.Ecol .,2005,16(6):1122～1127.With the measurement of net primary productivity and vegetation coverage fraction based on remote sensing da 2ta ,the terrestrial ecosystem service value of China in 2000was quantitatively estimated as 9.17×1012yuan (RMB ).The spatial distribution of the ecological service value showed a decreasing trend from southeast China to northwest China ,which was consistent with the regional distribution of vegetation types.The service value varied with different vegetations ,e.g .,forests had the highest service value of 18789yuan ・hm -2,accounting for 40.80%of the total terrestrial ecosystem service value ,and bushes and farmlands had a higher service value of 13789yuan ・hm -2and 13054yuan ・hm -2,which was 10.79%and 24.23%of total value ,res pectively.The ser 2vice value was also varied with different ecos ystem functions ,i.e .,gas regulation contributed the highest value of 45.16%to the total service value ,and the contribution of soil conservation and water conservation was28.83%and 14.44%,res pectively.The integrated approach coupling ecology and remote sensing data provided a new method to measure the ecological service value ,which could estimate the value ob jectively and spatial 2explicitly.However ,some uncertainties still existed in this a pproach ,which should be improved in the future studies.K ey w ords Ecosystem ,Service ,Value ,Remote sensing ,Measurement.3国家自然科学基金项目(40371001)和国家高技术研究发展计划资助项目(2002AA133060).33通讯联系人.2004-06-07收稿,2004-10-22接受.1 引 言 生态系统及整个生物圈是地球的生命支持系统,是人类赖以生存和发展的物质基础.生态系统服务不仅为人类的生产生活提供必需的生态产品,而且为生命系统提供必需的自然条件和效用.但是,在目前的市场经济机制中,人们往往只注重生态系统作为自然资源所提供的直接消费价值,而忽略了难以货币化的生态系统服务功能价值.生态系统提供的大多数服务具有“公用”特征,其价值没有市场化,因此得不到应有的补偿.为了真正改善生态环境,实现人类的可持续发展,必须开展生态系统服务价值的评估,在生态系统服务与市场价值体系之间建立桥梁.近年来,随着世界范围的资源、环境和人口问题日益加剧,生态系统服务功能效益评估引起了世界各国的普遍关注[1,2,14].生态系统服务及其价值评估已经成为当今生态学、生态经济学发展的一个重要分支.国外许多专家、学者、政府部门和国际组织都致力于此问题的研究,开展了对生态系统服务效益的价值评估,并试图将其纳入国民经济核算体系[8,10].国内许多学者参考国外研究,也尝试了对全国或区域的生态系统服务价值进行估算,取得了一系列的研究成果[5,11,16,24,28,31].可以说,及时、准应用生态学报 2005年6月 第16卷 第6期 CHIN ESE JOURNAL OF APPL IED ECOLO GY ,J un.2005,16(6)∶1122～1127确和动态地掌握国家生态系统效益的价值,对国民经济发展、生态环境建设与保护、各级政府进行宏观决策都具有重要的科学意义.然而,目前国内外有关生态系统服务价值估算方面的研究成果,基本上是利用单位面积价值对总量的静态估算,对生态系统类型、质量状况的时空差异缺乏考虑,估算结果难以反映生态系统服务价值在空间分布上的真实状况.潘耀忠等[22]的估算方法尽管考虑了这种差异,但在实际计算时,仍是参照Costanza等[8]的单位面积生态系统服务价值,再利用生态参数加以调整.这种通过生态参数调整后的生态系统服务价值能在一定程度上反映生态系统内部的质量和时空差异,但还不是严格意义上的生态遥感定量模型.本文采用自下而上的方式,利用遥感技术,结合生态学方法,在对生态系统类型、植被净初级生产力和植被覆盖度测量的基础上,建立生态系统服务价值生态遥感定量计算模型,并结合前人的研究成果,对中国陆地生态系统2000年的生态系统服务价值进行了测量,以期得到中国陆地生态系统服务价值的真实空间分布状况.2 研究方法211 数据来源与预处理21111遥感数据 本研究所利用的遥感数据是SPO T2V GT 的NDV I数据,图像空间分辨率为1km×1km,时间分辨率为月,时间序列为2000年1月～2000年12月.所有数据经投影变换处理,选取的投影方式为Albers等面积投影. 21112气象数据 气象数据来源于中国国家气象局,时间为1961～2000年,数据内容为月降水量、月平均气温、月总太阳辐射以及各气象站点的经度、纬度和海拔高度,共涉及726个气象站点.对数据进行精度验证,剔除不可替代的错误数据后,实际使用了725个站点的资料.计算植被净初级生产力需要栅格化的气象数据,并要求在空间上与遥感数据相匹配.利用GIS的插值工具,根据各气象站点的经纬度信息,通过对气象数据进行Kringing插值和基于DEM的插值[21],获取像元大小与NDV I数据一致、投影相同的气象要素栅格图.21113其它地理地图 1∶400万《中国土壤质地图》[9],经ARC/INFO数字化、投影变换,投影同NDV I影像.2000年1 km的SPO T2V GT中国土地覆盖分类数据来源于欧盟联合研究中心(The Joint Research Centre,J RC).212 生态系统服务价值遥感测量的技术体系Costanza等[8]将全球生物圈分为16个生态系统类型,并将生态系统服务分为17大类,列举了生态系统服务与生态系统功能之间的对应关系.本研究从宏观生态学角度出发,根据基于遥感手段的区域生态系统服务价值计算特点,考虑数据获取的可能性和可靠性以及我国在这方面的研究情况[15,18～20,29,32],最终确定的基于遥感手段的区域生态系统服务价值评估指标见表1.生态系统服务价值遥感测量的技术体系如图1所示.模型的数据来源主要有三条途径:气象数据、遥感数据、地面观表1 基于遥感手段的生态系统服务价值评估指标T able1Ecosystem services and functions used in this study序号Number生态系统服务Ecosystem services生态系统功能Ecosystem functions1太阳能的固定与食品生产Solar power fixed and foodproduction有机物质生产Organic matter production2促进营养元素循环Nutrient recycle营养物质循环与贮存Nutrient recycle and storage3水调节与供水Water supply and regulation涵养水源Water conservation4控制侵蚀和保持沉积物Erosion control and sedimentretention水土保持Soil conservation5气体调节G as regulation释放氧气和吸纳二氧化碳O2released and CO2fixed图1 生态系统服务价值遥感测量的技术路线Fig.1Steps of measurement for ecological service value based on remote sensing.1)Meteorological data;2)Precipitation;3)Evapotranspiration;4)Wa2 ter conservation;5)Remote sensing image;6)Land cover types;7)Or2 ganic matter production;8)Vegetation coverage;9)Net Primary Pro2 ductivity;10)Nutrient recycle,including N,P and K;11)CO2fixation;12)O2release;13)Ground observation and statistic data;14)The quan2 tity of soil erosion;15)Surface soil loss reduction;16)Soil fertility pro2 tection;17)Bedload reduction;18)Water and soil conservation;19) Shadow engineering approach;20)Direct use value approach;21)Ener2 gy fixation substitution approach;22)Market value approach;23)Car2 bon tax approach;24)Market price of O2;25)Opportunity2cost ap2 proach;26)Substitute expense approach;27)Ecosystem service value.32116期 何 浩等:中国陆地生态系统服务价值测量 测与统计资料.各项量化的生态效益均是在生态参数遥感测量的基础上获得,最后通过影子工程法、市场价值法、机会成本法、替代价值法等转换成生态系统服务价值.213 生态参数遥感定量测量21311植被覆盖类型遥感分类 考虑到本文所用的NDV I 数据为2000年1km的SPO T2V GT遥感数据.因此,本研究采用与NDV I数据源一致的2000年中国土地覆盖分类数据,此分类结果为22类(表2).表2 不同生态系统的生态参数统计值T able2Ecological p arameters of different ecosystems编号Code 土地覆盖类型Land cover types面积Area(×106hm2)年平均植被覆盖度Meancoverage(%)年净第一性生产力NPP(g C・m-2・yr-1)1落叶针叶林Needleleaf deciduous forest19.6141.81078.0 2常绿针叶林Needleleaf evergreen forest93.3555.51074.2 3常绿阔叶林Broadleaf evergreen forest40.8464.21627.4 4落叶阔叶林Broadleaf deciduous forest45.3648.11057.3 5灌丛Bush71.7645.2750.3 6稀疏林地Sparse woods 5.9853.2844.3 7海边湿地Seaside wet lands 1.5730.2370.1 8高山草甸Alpine meadow68.0027.2385.2 9坡面草地Slope grassland26.2446.7619.8 10平原草地Plain grassland42.2219.1210.3 11荒漠草地Desert grassland55.3411.280.4 12草甸Meadow59.3428.3400.6 13城市City0.4230.1228.8 14河流River 5.8232.8219.0 15湖泊Lake7.0919.4146.6 16沼泽/湿地Swamp 4.9139.2606.5 17冰川G lacier10.81 5.822.9 18裸岩Bare rocks25.019.847.7 19砾石Gravels72.54 6.921.1 20沙漠Desert68.79 6.114.3 21耕地Farmland170.2340.5482.9 22高山草地Alpine grassland64.7613.1116.5 21312植被覆盖度的定量测量 植被覆盖度(f v)被定义为植被投影面积在单位面积上所占比例,它和叶面积指数可以作为衡量地表植被数量的指标.据Gutman等[12]研究,区域植被覆盖度与植被指数存在以下关系:f v=NDV I-NDV I minNDV I max-NDV I min(1)式中,NDV I max和NDV I min分别为各植被类型NDV I的最大值和最小值.本文计算植被覆盖度所用的NDV I数据时间段为2000年1月到12月,先计算得到各像元每月的植被覆盖度,然后对12个月的植被覆盖度求平均得到年平均植被覆盖度.国内有学者利用此方法对区域植被覆盖度作过估算[3,6,7],通过与实测数据对比表明,该方法为大面积植被覆盖度估算提供了一种有效的途径,基本能够满足大尺度生态及气候模型研究的需要.21313植被净第一性生产力的定量测量 计算植被净第一性生产力(NPP)时采用改进的光能利用率模型[26,27].模型公式如下:NPP=ε×f1(T)×f2(β)×PAR×FPAR-R(2)式中,R表示呼吸消耗碳元素量,ε表示最大光能利用率, f1(T)和f2(β)分别表示温度和土壤水分对ε的影响,PAR 表示到达地表的光合有效辐射,由气候学方法确定;FPAR 表示植被所吸收的光合有效辐射比例,由植被指数确定[25].模型的具体描述和测量过程中不同土地覆盖类型各参数的确定参见文献[26,27].214 生态系统服务功能及其间接价值评估方法21411有机物质生产 净第一性生产力是反映有机物质生产的一个重要指标,因此可以根据生态遥感测量得到的净第一性生产力和有机物质的单位质量价值(元・g-1C)换算得到生态系统有机物质生产的价值.本文根据标煤的价值来替代(标煤为354元・t-1),其取值为2.3718×104元・g-1C[17]. 21412营养物质循环与贮存 生态系统中的营养物质通过复杂的食物网而循环再生,并成为全球生物地化循环不可或缺的环节,在评估生态系统在营养物质循环中的作用时,仍以生态系统的净第一性生产力为基础,估算其重要营养物质氮、磷、钾在生态系统中的年吸收量[19].根据目前的统计资料,氮、磷、钾肥的平均价格分别为400、350和350元・t-1;对应的纯氮、磷、钾元素折算率分别为79/14、506/62、174/ 78.21413涵养水源 涵养水源是生态系统的一个重要功能,本文主要参照李金昌等[17]的研究方法来评价生态系统对涵养水源的间接经济价值.森林涵养水源类似于水库蓄水,通过建立相同蓄水量水库的费用来估算涵养水源的价值,我国每建设1m3库容的成本花费为0.67元.21414水土保持 水土保持价值的估算比较复杂,本文首先利用遥感数据反演得到植被覆盖度,然后在此基础上结合植被覆盖类型求得各类生态系统的土壤侵蚀量,最后根据欧阳志云等[19]的研究成果进行各项参数的求取,获得研究区的水土保持价值.21415释放氧气和吸纳二氧化碳 在评估生态系统对固定CO2与释放O2的作用时,根据光合作用和呼吸作用的反应方程式推算每形成1g干物质,需要1162g CO2,释放O21.2 g.CO2的单位质量价值借用瑞典碳税率0.15美元・kg-1 (碳)来计算,换算成吸收CO2的税率为4.094×105美元・g-1(CO2),如果按8.2元人民币/美元的汇率计算,即3.36×104元・g-1(CO2).O2的单位质量价值按工业制氧价来计算(4×104元・g-1).3 结果与分析311 生态参数根据2000年的中国土地覆盖类型,利用公式(1,2)和遥感、气象数据,计算得到不同生态系统类型的年平均植被覆盖度和净第一性生产力.测量结果见表2.2000年,中国陆地植被N PP为4.94×109t C・yr-1,平均值为493.7g C・m-2・yr-1.全国N PP分布的总趋势是东南高、西北低,与植被的分布紧密相关.受气候的影响,N PP高值区分布在西南、华南南4211 应 用 生 态 学 报 16卷部和台湾;偏高值区分布在年降水1200～1600 mm的长江下游以南、云贵高原以东、南岭山地以北地区;中值区分布在年降水400～1200mm的大兴安岭、小兴安岭、太行山以东、长江流域中游、四川大部、西藏的东南部地区以及新疆天山、阿尔泰山山地;低值区主要分布在年降水400mm以下的内蒙古、新疆、青藏高原的大部,以及陕、甘、宁、晋的部分地区.N PP的这种空间分布趋势与其他人的研究成果基本一致[4,23].从表2可以看出,N PP在不同植被类型中的差异相当明显:针叶林的平均N PP为1074.9g C・m-2・yr-1(实测值范围为273～1488g C・m-2・yr-1);阔叶林的平均N PP为1327.4g C・m-2・yr-1(实测值范围为320～1869g C・m-2・yr-1);草地和草甸的平均N PP较低,在339g C・m-2・yr-1左右.总体来看,N PP的估算值均在观测值的范围之内,与陈利军等[4]的研究结果也比较一致.受气候和植被类型的双重影响,年平均植被覆盖度的空间分布与N PP的空间分布基本一致(图2).常绿阔叶林和常绿针叶林一年四季常青,植被本身的变化相对较小,它们的年平均植被覆盖度较高(分别为64.2%和55.5%);其次为稀疏林地(53. 2%),该类型的植被覆盖度较高可能与它的空间分布有关,从植被类型图上来看,稀疏林地主要分布在云南、广西以及广东等南部地区,它的形成可能与人为破坏造成的森林退化有关,尽管因高大乔木较少而划分为稀疏林地,但这些地方气温较高、雨水充沛,下层的灌木与草本植被生长茂盛;坡面草地主要分布在南方,植物的生长期较长而且长势较好,其植被覆盖度也较高;平原草地则主要分布在内蒙古、甘肃等北方平原地区,这些地方的草本植物主要集中在6～9月份生长,而其它月份的植被覆盖度则比较低,甚至为0,因此它的年平均植被覆盖度较低;耕地在东北平原、黄河与长江流域的平原地区均有大面积分布,受种植结构、耕作方式等人为因素影响强烈,它的年平均植被覆盖度较高.一般情况下,冰川、裸岩、砾石等无植被地带,其植被覆盖度和N PP均应为0,河流、湖泊的植被覆盖度和N PP也应该非常低.而本文的研究结果表明:无植被地带的年平均植被覆盖度为7.5%,N PP 为30.6g C・m-2・yr-1;河流和湖泊的年平均植被覆盖度也达到了26.1%,平均N PP为18218g C・m-2・yr-1.这可能与两方面的原因有关:1)植被分类精度的问题,在1km的尺度上,一些面积较小的斑块可能被忽略而无法反映出来,而且由于存在同谱异物现象,由遥感数据所获得的植被分类本身也存在着混分的情况.正因为植被分类不可能做到完全准确,由此所估算的植被参数和最终的统计分析都会存在一定的误差.2)数据的地理配准问题,尽管本文对所用的遥感数据、气象数据和植被覆盖分类数据做了严格的地理配准,但最大也只能保证在一个像元的误差之内,这也可能给最后的统计带来误差.312 生态系统服务价值陆地生态系统服务价值测量结果的空间分布如图2所示.中国陆地生态系统2000年的生态服务总价值为9.17×1012元人民币.从生态系统服务价值的空间分布来看,中国陆地生态系统服务价值总体空间分布呈现由东向西递减、由中部向东北和南部递减的趋势,这与植被和生物多样性的地带性分布梯度基本一致(图2).最低值区位于西北的干旱和半干旱地区,这里主要分布着荒漠,气候恶劣,生态环境非常脆弱,单位面积生态服务价值在1300元・hm-2以下.次一级的低值区主要分布于北方草原区、青藏高原西南部地区、四川盆地以及东北、华北和长江中下游的农业区,单位面积生态服务价值介于1300～14000元・hm-2,这些地区农牧业比较发达,人类的长期过度开发损害了自然生态系统原有的功能,这是导致生态服务价值较低的主要原因[22].中值区主要分布在丘陵和部分的山区,如青藏高原东部、四川盆地周边、江南丘陵、大小兴安岭的大部分地区,单位面积生态服务价值介于14000～25000元・hm-2.这些地区水热条件配置较为合理,在北方主要为森林分布区,在南部主要为高覆盖的高灌丛,拥有较高的生物量和植被覆盖度,而且由于地形地貌的原因受人类活动影响较轻,因此其生态服务价值较高.高值区主要分布于长江流域以南和山区,如秦岭山区、横断山区、长白山、武夷山、五指山及台湾山等,单位面积生态服务价值介于25 000～47000元・hm-2.该区域与热带、亚热带和温带森林分布区相吻合,是我国水热条件配置最好的地区. 从不同生态系统类型的生态服务价值分布来看(表3),森林的生态服务价值占了总生态服务价值的40180%;其次为耕地(24123%)和灌丛(10179%),三类共占中国陆地生态系统生态服务价值的75.82%.从单位面积价值来看,森林的平均单位面积价值最高,为18789元・hm-2,其次是灌丛52116期 何 浩等:中国陆地生态系统服务价值测量 (13789元・hm -2)和耕地(13054元・hm -2).这说明森林、灌丛和耕地对生态服务价值的贡献率最大.从各项生态系统服务功能所产生的价值来看(表3),气体调节价值(固定CO 2与释放O 2的价值)的贡献率最大,它占了总价值的45.16%;其次是水土保持价值(28.83%);涵养水源价值的贡献率为14.44%;有机物质生产和营养物质循环与贮存的价值较低,其贡献率最小(11.57%).图2 2000年中国陆地生态系统服务价值空间分布图Fig.2Terrestrial ecosystem service value of China in 2000.表3 不同生态系统类型各项生态服务价值T able 3Ecological service values of different ecosystems编号a )Code面积Area (×106hm 2)各项生态服务价值Ecosystem service value (×108yuan )气体调节G as regulation 涵养水源W ater c ons ervation水土保持W ater and s oil c ons e 2rvation 其他服务b )Other s ervices单位面积价值Value per unit area (yuan ・hm -2)总价值T otal value (×108yuan )119.611817.00120.62607.54452.93152892998.09293.358692.772522.053592.422173.411819016980.65340.845654.311261.391679.341409.722449710004.76445.364118.70589.621700.441027.11163937435.87571.764741.401626.672290.381236.69137899895.146 5.98443.14186.85214.51112.0615996956.567 1.5751.5652.2239.7713.5210004157.07868.002313.82744.211597.34613.6477495269.01926.241463.65549.22952.45381.65127553346.971042.22785.66257.77710.91209.1946511963.531155.34393.78304.36434.34105.2222371237.701259.342116.03390.681575.09556.4678164638.26130.428.8310.12 4.75 2.30619026.0014 5.82124.90114.06148.9631.727210419.63157.09101.16138.9880.8525.464886346.4516 4.91267.9958.10125.1969.7310611521.011710.8125.3885.4220.23 6.351271137.391825.01111.40138.9566.7129.371385346.431972.54137.60214.9961.4436.62621450.662068.7987.93172.5631.5223.43459315.4421170.237300.503062.259930.971927.591305422221.312264.76660.11639.72572.87176.5431642049.24a )见表2See table 2;b )其他服务价值包括生产有机物质和营养物质循环与贮存的价值Other services include organic matter production and nutrient recycle and storage. 湿地的平均单位面积价值也较高,达到了10611元・hm -2.但相关研究表明,湿地具有极高的生态系统服务价值[13,30],在陈仲新和潘耀忠等人的计算结果中,单位面积价值最高的也都为湿地[5,22].造成湿地生态系统服务价值估算偏低的原因,主要在于评价指标的选取,本文所选指标主要是从生态系统的质量状况出发,很大程度上依赖于植被净初级生产力和植被覆盖度,反映的是生态系统的植被特性,主要体现在气体调节、水土保持、涵养水源等方面,并没有考虑生态系统的生物多样性、休闲娱乐等价值;湿地作为具有多功能的独特生态系统,其生物多样性价值极高,另外还具有庇护、遗传资源等生态系统效益,而本文并没有将其列入评价指标之列.4 讨 论 全球和区域生态系统服务价值测量方面的研究仍然处于探索阶段,本文利用遥感技术结合生态学方法,参考前人的研究成果,对中国陆地生态系统服务价值进行了定量测量.生态系统服务价值的这种生态遥感测量方法,可以反映生态系统本身的质量状况;同时,采用的遥感技术克服了传统的生态统计方法以点代面的缺点,部分解决了生态学上的尺度扩张问题,测量结果可以更加客观的反映中国陆地生态系统服务价值及其空间分布.但生态遥感测量方法本身也存在一些不确定性:1)对生态系统服务功能价值评估指标体系的研究还不够完善,本文只选择了5项比较常见且影响较大的指标,而实际上生态系统的服务功能远不止这些,仍须作进一步的研究.2)遥感测量本身也存在精度问题,如遥感数据获取、基于遥感技术的各生态系统类型及面积的确定、生态参数遥感测量等.因此,本文对生态系统各项服务功能及其价值的评估只是保守和粗略的估计,所得结果也不可能是一个完全绝对的值.参考文献1 Bjorklund J ,Limburg K ,Rydberg T.1999.Impact of production in 2tensity on the ability of the agricultural landscape to generate e 2cosystem services :An example from Sweden.Ecol Econ ,29:269～2912 Bolund P ,Hunhammar S.1999.Ecosystem services in urban areas.Ecol Econ ,29:293～3013 Chen J (陈 晋),Chen Y 2H (陈云浩),He C 2Y (何春阳),et al .2001.Sub 2pixel model for vegetation fraction estimation based on land cover classification.J Remote Sensi ng (遥感学报),5(6):416～422(in Chinese )4 Chen L 2J (陈利军),Liu G 2H (刘高焕),Feng X 2F (冯险峰).2001.Estimation of net primary productivity of terrestrial vegetation in6211 应 用 生 态 学 报 16卷China by remote sensing.Acta Bot Si n(植物学报),43(11):1191～1198(in Chinese)5 Chen Z2X(陈仲新),Zhang X2S(张新时).2000.Value of ecosys2 tem services in China.Chi n Sci B ull(科学通报),45(10):870～875(in Chinese)6 Chen Y2H(陈云浩),Li X2B(李晓兵),Shi P2J(史培军),et al.2001.Estmating vegetation coverage change using remote sensing data in Haidian District,Beijing.Acta Phytoecol Si n(植物生态学报),25(5):588～593(in Chinese)7 Chen Y2H(陈云浩),Li X2B(李晓兵),Shi P2J(史培军).2001.Regional evapotranspiration estimation over northwest China using remote sensing.Acta Geogr Si n(地理学报),56(3):261～268(in Chinese)8 Costanza R,d’Arge R,Groot R,et al.1997.The value of the world’s ecosystem services and natural capital.N at ure,387:253～2609 Deng S2Q(邓时琴).1986.Map of soil texture of China.In:Insti2 tute of Soil Science,Chinese Academy of Sciences(中国科学院南京土壤研究所),eds.The Soil Atlas of China.Beijing:Cartographic Publishing House.(in Chinese)10 Gretchen C,Daily T,Soderqvist D,et al.2000.The value of nature and nature of value.Science,289:395～39611 Guo Z2W(郭中伟),Li D2M(李典谟),Yu D(于 丹).1998.The assessment of the water regulation of ecosystem-A case study of Xingshan.J N at Resour(自然资源学报),13(3):242～248(in Chinese)12 Gutman G,Ignatov A.1998.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models.Int J Remote Sensi ng,19(8):1533～154313 He C2Q(何池全),Cui B2S(崔保山),Zhao Z2C(赵志春).2001.E2 cological evaluation on typical wetlands in Jilin Province.Chi na JA ppl Ecol(应用生态学报),12(5):754～756(in Chinese)14 Holmund C,Hammer M.1999.Ecosystem services generated by fish populations.Ecol Econ,29:253～26815 Huang X2W(黄兴文),Chen B2M(陈百明).1999.The theory and application about the regionalization of Chinese ecological assets.Acta Ecol Si n(生态学报),19(5):602～606(in Chinese)16 K ong F2W(孔繁文),Dai G2C(戴广翠),He N2H(何乃蕙).1994.Accounts and Polices of Forest Environment Resource.Beijing:Chi2 nese Environmental Science Press.(in Chinese)17 Li J2C(李金昌),Jiang W2L(姜文来),Jin L2S(靳乐山).1999.E2 cological Value.Chongqing:Chongqing University Press.112～114 (in Chinese)18 Ouyang Z2Y(欧阳志云),Wang R2S(王如松),Zhao J2Z(赵景柱).1999.Ecosystem services and their economic valuation.Chi na J A ppl Ecol(应用生态学报),10(5):635～640(in Chinese)19 Ouyang Z2Y(欧阳志云),Wang X2K(王笑科),Miao H(苗 鸿).1999.A primary study on Chinese terrestrial ecosystem services and their ecological2economic values.Acta Ecol Si n(生态学报),19(5):607～613(in Chinese)20 Pan W2B(潘文斌),Tang T(唐 涛),Deng H2B(邓红兵),et al.ke ecosystem services and their ecological valuation-A case study of Baoan Lake in Hubei Province.Chi n J A ppl Ecol(应用生态学报),13(10):1315～1318(in Chinese)21 Pan Y2Z(潘耀忠),G ong D2Y(龚道益),Deng N(邓 磊),et al.2004.Smart distance searching2based and DEM2assisted interpola2 tion of surface air temperature in China.Acta Geogr Si n(地理学报),59(3):366～374(in Chinese)22 Pan Y2Z(潘耀忠),Shi P2J(史培军),Zhu W2Q(朱文泉),et al.2004.Measurement of ecological capital of Chinese terrestrial e2 cosystem based on remote sensing.Sci Chi na(Series D)(中国科学・D辑),34(4):374～384(in Chinese)23 Piao S2L(朴世龙),Fang J2Y(方精云),Guo Q2H(郭庆华).2001.Application of CASA model to the estimation of Chinese terrestrial net primary productivity.Acta Phytoecol Si n(植物生态学报),25(5):603～60824 Ren Z2Y(任志远).2003.Theories and method of evaluating re2 gional ecosystem environment service economic value.Econ Geogr (经济地理),23(1):1～4(in Chinese)25 Sellers PJ,Tucker C J,Collatz G J,et al.1994.A global10by10 NDVI data set for climate studies part2:The generation of global fields of terrestrial biophysical parameters from the NDVI.Int J Remote Sensi ng,15(17):3519～354526 Sun R(孙 睿),Zhu Q2J(朱启疆).1998.A remote sensing based net primary production model and the distribution of net primary production in China.J Beiji ng Normal U niv(北京师范大学学报),34:132～137(in Chinese)27 Sun R(孙 睿),Zhu Q2J(朱启疆).2000.Distribution and season2 al change of net primary productivity in China from April,1992to March,1993.Acta Geogr Si n(地理学报),55(1):36～45(in Chi2 nese)28 Xiao H(肖 寒),Ouyang Z2Y(欧阳志云),Zhao J2Z(赵景柱),et al.2000.The spatial distribution characteristics and eco2economic value of soil conservation service of ecosystems in Hainan Island by GIS.Acta Ecol Si n(生态学报),20(4):552～558(in Chinese)29 Xiao Y(肖 玉),Xie G2D(谢高地),An K(安 凯).2003.Eco2 nomic value of ecosystem services in Mangcuo Lake drainage basin.Chi na J A ppl Ecol(应用生态学报),14(5):676～680(in Chi2 nese)30 Xin K(辛 琨),Xiao D2N(肖笃宁).2002.Wetland ecosystem service valuation-A case researches on Panjin area.Acta Ecol Si n (生态学报),22(8):1345～1349(in Chinese)31 Xue D2Y(薛达元),Bao H2S(包浩生),Li W2H(李文华).1999.A study on tourism value of biodiversity in Changbaishan Mountain Biosphere Reserve(CMBR)in Northeast Chin.J N at Resour(自然资源学报),14(20):140～145(in Chinese)32 Zhao J2Z(赵景柱),Xiao H(肖 寒),Wu G(吴 刚)2 parison analysis on physical and value assessment methods for e2 cosystems services.Chi na J A ppl Ecol(应用生态学报),11(2): 290～292(in Chinese)作者简介 何 浩,男,1980年出生,硕士.主要从事遥感与地理信息系统在生态学和资源环境方面的应用研究.E2 mail:hehao@72116期 何 浩等:中国陆地生态系统服务价值测量 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
塔河森林生态系统蒸散发的定量估算*曲 迪 范文义** 杨金明 王绪鹏(东北林业大学,哈尔滨150040)摘 要 蒸散发是农业㊁气象㊁水文科学研究的重要参数,是全球水文循环过程的重要组成部分.本文应用改进的DHSVM 分布式水文模型,利用光学遥感TM 数据反演得到叶面积指数等地表数据,由数字高程模型求得坡度㊁坡向等地形指数因子,定量估算塔河地区2007年逐日蒸散发.应用BP 神经网络建立逐日蒸散发量与逐日径流出口流量的关系,并建立研究区水量平衡方程,共同检验研究结果的准确性.结果表明:该模型可以较好地应用于本研究区.塔河流域年总蒸散量234.01mm ,蒸散发与季节有明显的相关性,夏季蒸散发值最高,日均蒸散发值1.56mm ,秋季㊁春季日均蒸散发值分别为0.30㊁0.29mm ,冬季蒸散发值最低.地表覆盖类型对蒸散发值影响明显,阔叶林的蒸散发能力强于针阔混交林,其次为针叶林.关键词 蒸散发 分布式水文模型 Penman⁃Monteith 公式 BP 神经网络文章编号 1001-9332(2014)06-1652-09 中图分类号 S715.4 文献标识码 AQuantitative estimation of evapotranspiration from Tahe forest ecosystem ,Northeast China.QU Di,FAN Wen⁃yi,YANG Jin⁃ming,WANG Xu⁃peng (Northeast Forestry University ,Harbin 150040,China ).⁃Chin.J.Appl.Ecol .,2014,25(6):1652-1660.Abstract :Evapotranspiration (ET)is an important parameter of agriculture,meteorology and hy⁃drology research,and also an important part of the global hydrological cycle.This paper applied the improved DHSVM distributed hydrological model to estimate daily ET of Tahe area in 2007using leaf area index and other surface data extracted TM remote sensing data,and slope,aspect and oth⁃er topographic indices obtained by using the digital elevation model.The relationship between daily ET and daily watershed outlet flow was built by the BP neural network,and a water balance equa⁃tion was established for the studied watershed,together to test the accuracy of the estimation.The results showed that the model could be applied in the study area.The annual total ET of Tahe wa⁃tershed was 234.01mm.ET had a significant seasonal variation.The ET had the highest value in summer and the average daily ET value was 1.56mm.The average daily ET in autumn and spring were 0.30,0.29mm,respectively,and winter had the lowest ET nd cover type had a great effect on ET value,and the broadleaf forest had a higher ET ability than the mixed forest,fol⁃lowed by the needle leaf forest.Key words :evapotranspiration;distributed hydrological model;Penman⁃Monteith formula;BP neural network.* 十二五”国家科技支撑计划项目(2011BAD08B01)资助.**通讯作者.E⁃mail:fanwy@ 2013⁃01⁃23收稿,2014⁃04⁃14接受. 蒸散发过程包括土壤蒸发和植被蒸腾[1],是农业㊁气象㊁水文科学研究的重要参数,也是陆地水文收支平衡中非常重要的一部分[2-3].准确估算蒸散发不仅对研究全球气候变化和水资源评价等具有重要意义,而且对农作物需水生产管理㊁旱情监测预测㊁水资源有效开发利用具有十分重要的应用价值[4].一般情况下,降落到地表的降水有70%通过蒸散作用回到大气中,在干旱地区可达90%[5].可见蒸散发在全球水文循环过程中的重要性.从水量平衡角度而言,降水是水资源补给的唯一途径,蒸散发是内陆河流域水资源的最终消失途径[6].因此,准确快速地估算蒸散发,对于合理分配和利用水资源㊁协调用水矛盾有着重要意义.传统的蒸散发估算方法多是基于气象观测站点的单点计算[7].通过此方法虽可得到相对准确的蒸散发值,但难以实现大区域蒸散发的估算.分布式水文模型是基于水循环动力学机制来描述水文现应用生态学报 2014年6月 第25卷 第6期 Chinese Journal of Applied Ecology,Jun.2014,25(6):1652-1660象[8],能够考虑水文参数和过程的空间异质性,所揭示的水文循环物理过程更接近客观实际,更能真实地模拟水文循环过程,是水文模型发展的必然趋势[9],而且分布式水文模型更容易与遥感和地理信息系统相结合,同时考虑到太阳辐射㊁降水㊁地表覆盖㊁植被结构㊁土壤特性等对水文循环过程的影响,具有更强的物理和水文意义,故成为当前水文学研究的热点.在应用分布式水文模型模拟和估算径流及水文过程时,为使模型能够高效计算并且克服数据不足等问题,研究者采用多种数值方案,如Wood等[10]在水文模型中采用 代表性典型区域”;Donald[11]和Kite等[12]采用基于地表覆盖和坡度坡向的水文响应单元来估算降雨和水位;Kite[13]依据流域内水文特性将流域划分为不同的聚合模拟区域;Kouwen 等[14]使用集群响应单元来提高模型计算径流和河流网络的准确性等.分布式水文模型(distributed hydrology soil vege⁃tation model,DHSVM)由Wigmosta等[15]于1994年开发,该模型基于土壤⁃植被⁃大气连续体概念用双层模型计算蒸散发[16].Chen等[17]在此基础上对模型进行了4个方面的改进:考虑凋落物对蒸散发的影响;考虑水对气孔导度和蒸散发的影响;考虑根区垂直分布的影响;考虑植被上冠层㊁植被下冠层㊁苔藓及土壤表面对直接辐射㊁散射辐射的影响.这一系列的改进提高了模型在复杂下垫面环境及季节变化影响下,对蒸散发估算结果的准确性.森林作为地球上最重要的陆地生态系统之一,为人类的生产和生活提供各种产品和服务[18],其具有涵养水源㊁净化空气㊁水土保持㊁维持物种多样性㊁吸收二氧化碳及维持生态系统能量与物质循环等多种功能.其碳储量是研究和估算森林生态系统与大气碳交换的基本参数和关键因子[19].有研究显示,在陆地上,森林只占全球非冰表面的40%,但其生物量约占陆地生物量的90%,其土壤碳储量约占全球土壤碳储量的73%[20].因而森林生态系统的确切碳储量和固碳能力成为相关学科的研究重点.为了更准确地对森林生态系统碳循环进行建模研究,首先需要对与其相互耦合的水循环进行研究,二者在时间㊁空间尺度的相互耦合及作用,皆受到来自环境㊁气候㊁人类活动变化的影响.为更准确地进行碳循环模拟研究,本文选取改进的DHSVM模型,对塔河森林生态系统进行水循环建模,以遥感(RS)和地理信息系统(GIS)作为辅助技术,估算塔河森林生态系统2007年的逐日蒸散发,并验证该模型在研究区应用的适应性.1 研究地区与研究方法1.1 研究区概况塔河林业局位于大兴安岭主山脉东部㊁伊勒呼里山北麓㊁黑龙江以南(52°07′ 53°20′N,123°20′ 125°05′E),总面积9.18×105hm2.研究区地貌形态以丘陵㊁低山和少量中山为主,地形由西南向东北倾斜,地势缓延,平均坡度10.5°,平均海拔521m.研究区属寒温带季风气候,又具有明显的山地气候特点.研究区温度变化较大,冬季严寒而漫长,春秋季凉爽而短暂.降水多集中在6 8月,相对湿度70%~75%,积雪期长达5个月,年无霜期80~100d.研究区内大风㊁寒潮㊁暴雨等灾害性天气发生较频繁.塔河林业局森林资源丰富,森林类型以兴安落叶松(Larix gmelinii)为代表,另有红皮云杉(Picea asperata)㊁白桦(Betula platyphylla)㊁蒙古栎(Quercus mongolica)㊁樟子松(Pinus sylvestris var mongolica)㊁山杨(Populus davidiana)㊁黑桦(Betula dahurica)等乔木树种,以及笃斯越橘(Vaccinium uli⁃ginosum)㊁红瑞木(Swida alba)㊁兴安杜鹃(Rhodo⁃dendron dauricum)㊁胡枝子(Lespedeza daurica)㊁杜香(Ledum palustre)等灌木树种.1.2 研究方法本文采用改进的DHSVM分布式水文模型定量估算研究区蒸散发.该模型将生态过程与水文过程相耦合,基于研究区数字高程模型对该地区蒸散发㊁雪盖㊁土壤水和径流等水文过程进行动态描述.模型将流域内森林生态系统垂直分为5层:植被上冠层㊁植被下冠层㊁枯落物/苔藓层㊁不饱和土壤层及饱和土壤层,以等大小的栅格(像元)为模拟单元,每个像元被认为是一个独立的土壤⁃植被系统,水循环过程均在像元尺度以日步长进行模拟.模型充分考虑了各层间及地形指数对像元间水分交换的影响,并把土壤水分和运动作为影响水文过程的重要因素.为了更简便直观地应用该模型,Chen等[17]在2005年采用C语言编写了在控制台环境下运行该模型的应用程序,即本文建模计算中应用的Terrain⁃Lab应用程序.该程序采用面向对象的思想,实现了改进的DHSVM分布式水文模型的图形界面运行系统.其主要功能包括:模型运行控制参数的读取和编辑;模型遥感输入参数的读取;气象数据的读取;植物生理参数的设置;模型输出参数的设置.模型的运35616期 曲 迪等:塔河森林生态系统蒸散发的定量估算 图1 BP神经网络训练流程图Fig.1 BP neural network training diagram.行包括输入数据的运算,以及完善的出错提示等功能.该系统界面简洁㊁功能齐全㊁操作性强,使改进的DHSVM模型的应用更方便快捷.本研究过程首先需要进行数据收集和处理,得到模型主要输入数据,包括全年逐日气象数据㊁土地覆盖类型数据㊁数字高程模型(DEM)数据㊁叶面积指数(LAI)数据及土壤属性数据等,之后进行模型运行,得到逐日估算蒸散发㊁土壤含水量等数据,最终采用BP神经网络和流域水量平衡法进行模型验证.以下为两种验证方法的具体实现过程.1.2.1BP神经网络方法 流域径流量对蒸散发有着重要影响,二者具有高度的相关性.本文采用BP 神经网络考察日尺度上二者在年内的相关关系,从而证明模型蒸散发估算结果的准确性.由于计算的时间周期较长㊁数据量较大,为了提高神经网络学习效率,采用变步长的学习方法,以有效地缩短验证计算时间.对训练样本集中的每个样本重复图1所示的步骤,直到对整个训练样本集的误差达到要求为止.在训练时,需要反向传播,一旦训练结束,求解实际问题时,只需进行正向传播,通过泛化获得所需的指标信息.1.2.2水量平衡法 水量平衡方程是进行区域及地区水平衡和森林涵养水源功能计量评价的重要手段之一.利用水平衡方程检验流域内的水量平衡时,需要进行一个假设,即流域内土壤厚度均一,土壤由上到下分为不饱和层与饱和层,饱和层以下为不透水层.流域内水量动态平衡方程如下:W in-W out=Delta w(1)式中:W in为流域内输入的水,即大气降水量;W out为流域内输出的水,包括蒸散发㊁径流及土壤下渗,由于本研究假定土壤饱和层之下为不透水层,因此水的输出只有蒸散发和径流两部分;Delta w为流域内水储量的变化,包括土壤含水量的变化㊁生物量增加的消耗水等.王绍强等[21]研究结果显示,本研究区的最大土壤深度为0.8m;区域内粘壤土的孔隙率为46.3%,粘壤土的凋萎点(植物保持不凋萎时所需要的最小土壤含水量)为20%.因此,流域内水动态平衡方程如下:P-ET-SF=SW365-SW1(2) SW365-UST365+(0.8-WT365)(PR-WP)(3) SW1=UST1+(0.8-WT1)(PR-WP)(4)式中:P为降水量;ET为流域蒸散发量;SF为径流量;SW1和SW365分别为一年中第1天和第365天的土壤含水量;土壤含水量由两部分组成,分别为不饱和土壤层中的土壤含水量(UST)和饱和层土壤含水量(ST);PR为孔隙率,本文设定为46.3%;WP为凋萎点,本文设为20%.1.3 模型结构模型的基本水流过程如图2所示.模型计算时将苔藓层与土壤层作为一个整体进行计算,以像元为单位,计算蒸散发.式(5)描述了每个栅格像元内的水平衡:ΔW o+ΔW u+ΔW unsat+ΔW sat=P-E o-E u-T o-T u-R s-E s-W dr(5)4561 应 用 生 态 学 报 25卷图2 模型描述的基本水流过程Fig.2 Basic flow process of model description.式中:ΔW o㊁ΔW u㊁ΔW unsat㊁ΔW sat分别为植被上冠层㊁植被下冠层㊁不饱和土壤层和饱和土壤层的水储量;P 为降水量;E o㊁E u分别为植被上冠层㊁植被下冠层截留雨水蒸发;T o㊁T u分别为植被上冠层㊁植被下冠层实际蒸散发;R s为地表径流;E s为实际土壤蒸发;W dr 为深层排水.采用下式计算蒸散发:E ti=ΔR n i+ρc p e s-er a iλv[Δ+γ(1+r c i ra i)]δt(6)式中:i为植被上冠层㊁植被下冠层或苔藓层;E ti为时间步长δt内的实际蒸(散)发;R n i为第i层净辐射;ρ为湿空气密度;C p为空气定压比热;e s为饱和水汽压;e为实际水汽压;r a i为第i层空气动力学阻力;λv为汽化潜热;r c i为第i层的冠层阻力;Δ为气压⁃温度廓线斜率;γ为干湿球常数.对于植被层,蒸发和散发分别计算,模型假设蒸发以一个潜在速率发生在湿叶上,散发在干叶㊁湿叶上都发生,计算湿叶蒸发时,上式中r c i设为0.1.4 数据准备应用ENVI软件,采用最邻近法将本研究所有栅格数据空间分辨率重采样为30m×30m.投影方式采用UTM投影,WGS84椭球,投影带为52N.研究区面积为9.18×109m2.研究区遥感数据由2007年8月18日的两景Landsat5⁃TM卫星影像数据制作而成,图像质量良好.通过对遥感图像进行几何校正㊁辐射定标㊁大气校正等预处理,最终裁切后得到研究区遥感影像图.研究区LAI数据由遥感数据反演得到,采用朱高龙等[22]在黑龙江省帽儿山地区构建的LAI计算公式:LAI e=0.4939RSR+0.5188(7) RSR=SR[1-(SWIR-SWIR min)/(SWIR max-SWIR min)](8)式中:RSR为减化比值植被指数;SR为比值植被指数,其值为TM遥感影像第4波段地表反射率(NIR)与TM遥感影像第3波段地表反射率(R)之比;SWIR为遥感影像第5波段地表反射率;SWIR max 为完全郁闭冠层的遥感影像第5波段反射率; SWIR min为完全开放冠层的遥感影像第5波段反射率.本文采用2008年调查的30块固定样地实测LAI数据与反演LAI进行对比,验证结果表明,研究区LAI估算值与实测值具有很好的相关性,相关系数为0.6313.气象数据来源于中国气象科学数据共享服务网(),气象数据包括2006和2007年的日最高气温㊁日最低气温㊁日平均气温㊁日降水量㊁日相对湿度㊁日风速及日辐射数据等.各气象站点的地理位置如图3所示.利用土壤质地三角形国际分类标准[23]计算可知,研究区土壤质地类型只包含粘壤土一类数据.应用塔河小班分布图矢量数据(来自2006年国家二类土地利用调查),根据林分类型属性,利用ArcGIS软件生成研究区土地覆盖类型栅格数据.将研究区内土地覆盖类型分为4种:针叶林㊁阔叶林㊁针阔混合林和未利用地(图4).研究区数字高程模型(DEM)数据源于中国科学院计算机网络信息中心国际科学数据镜像网站,并利用ArcGIS软件提取坡度坡向数据作为模型输入项.2 结果与分析2.1 模型模拟结果2007年塔河地区全年总降雨量365.90mm,全图3 研究区气象站的地理位置分布Fig.3 Geographical distribution of meteorological stations.55616期 曲 迪等:塔河森林生态系统蒸散发的定量估算 年蒸散发量为234.01mm,蒸散发量与降雨量之比(ET/P)为0.64.研究区蒸散发量的变化与季节有明显的相关性:研究区1 3月气温低且气候干燥,蒸散发量较低;随着温度逐渐升高,植物开始生长,地表蒸散发量增大,春季日均蒸散发量为0.29mm;蒸散发量在夏季达到全年最高,夏季日均蒸散发量1.56mm;随着气温降低,植物在秋季开始凋落枯萎,叶面积指数减少,蒸散发量降低,秋季日平均蒸散发量0.3mm;研究区冬季平均气温仅为-22.54℃,不利于植被蒸散发,冬季日均蒸散发量仅0.01mm.由于3种土地覆盖类型的气候条件一致,所以月蒸散发变化趋势基本一致;在夏㊁秋季,气温较高㊁降水充足㊁辐射较强㊁植被茂密,3种土地覆盖类型植被蒸散发能力较强,且蒸散发间差异明显(图5). 结合2007年塔河地区全年蒸散发分布图(图6)和土地覆盖类型图(图4)发现,研究区蒸散发分布受土地覆盖类型变化的影响极大.其中,阔叶林蒸散发能力最强,针阔混交林次之,针叶林蒸散发能力最弱.本文主要研究森林生态系统蒸散发,故对土地图4 研究区遥感影像(a)㊁叶面积指数(b)㊁土地覆盖类型(c)和DEM(d)的分布Fig.4 Remote sensing data of study area(a),leaf area index(b),land cover types(c),distribution of DEM(d).图5 塔河地区的日蒸散发模拟值和不同土地覆盖类型月蒸散发模拟值Fig.5 Daily modeled ET of Tahe area and monthly modeled ET of different landcover types.Ⅰ:针叶林Coniferous forest;Ⅱ:阔叶林Broad⁃leaved forest;Ⅲ:混交林Mixed forest.6561 应 用 生 态 学 报 25卷表1 研究区不同土地覆盖类型蒸散发对比Table 1 ET comparison of different land cover types in the study area土地利用类型Land use type年蒸散发Yearly ET (mm)面积Area (×109m 2)面积所占比例Area proportion(%)蒸散发所占比例ET proportion(%)年总蒸散发Yearly total ET (×108m 3)针叶林Coniferous forest 177.66 2.5332.426.0 4.49阔叶林Broad⁃leaved forest 282.61 2.1928.035.8 6.19混交林Mixed forest213.413.0939.638.26.59覆盖类型为未利用地区域的蒸散发估算结果不做详细讨论.研究区混交林所占面积比重最大,占森林总面积的39.6%,其次是针叶林,占森林总面积的32.4%,阔叶林所占面积比重最小,只有28.0%;研究区各类土地覆盖类型叶面积指数由大至小依次为针叶林㊁混交林及阔叶林,其平均值分别为3.99㊁3.90及3.64;不同土地覆盖类型对蒸散发的贡献与其面积并不完全相符,混交林对蒸散发总量的贡献最大,贡献了全年总蒸散发的38.2%,阔叶林虽然面积比重最低,但其蒸散发能力最强,贡献了全年35.8%的蒸散发,针叶林蒸散发能力最弱,只贡献了全年26.0%的蒸散发(表1).2.2 基于BP 神经网络的模型验证土壤及生态系统内部的水储量变化,由于其过程复杂且相关参数较多,验证时将这一过程作为 黑箱”不做考虑.本文采用BP 神经网络,通过建立塔河地区日蒸散发估算值与塔河站日输出径流量间的相互关系,验证估算结果的准确性.其中,塔河站日径流数据来源于黑龙江省塔河水文站. 由图7可以看出,在塔河流域内,日序1~270d 期间蒸散发量和径流量的变化具有明显正相关,相关系数为0.679,且函数形态相似.故可通过BP 神经网络计算二者之间的函数关系,对模型拟合结果图6 2007年塔河地区年总蒸散发(ET)Fig.6 Yearly total ET of Tahe area in 2007.进行评价. 由图8可见,在BP 神经网络训练初期,由于训练样本数较少,且函数关系较模糊,导致函数关系拟合结果较粗糙,相对误差较高;随着训练的进行,相对误差迅速降低;在神经网络训练成熟之后,仿真结果准确度达到85%以上,说明估算的逐日蒸散发和实测日径流量在空间和逻辑上的相关性非常高.BP图7 日蒸散发(ET)与日径流(R)的对比Fig.7 Comparison of daily ET and runoff(R).图8 BP 神经网络训练的每日蒸散发相对误差和绝对误差Fig.8 Relative error and absolute error of daily ET trained by BP neural network.75616期 曲 迪等:塔河森林生态系统蒸散发的定量估算 神经网络训练的最初阶段处于春季,径流量较低,因此绝对误差较低.在日序的100~200d,处于BP神经网络拟合的稳定期,此时处于夏㊁秋季,研究区降水较多,气象变化较大,因此绝对误差有所回升;200d以后,BP神经网络拟合的函数关系已经较为精细,此时蒸散发虽然处于较高水平,但绝对误差呈走低的趋势.表明基于BP神经网络的塔河地区日蒸散发量与径流出口日流量具有较精确的函数关系,说明模型估算的研究区逐日蒸散发估算结果具有较高的准确性.2.3 基于水量平衡法的模型验证区域日蒸发量和流域日径流量均受降雨的影响,在日变化过程中,径流的产生需要经过下渗过程,有蓄满产流和超渗产流两种机制,而蒸散发则立刻响应降雨,因此径流的产生相对于降雨和蒸散发有一定的延时性,对验证结果的准确度会造成一定影响.为了更好地验证模型的准确性,本研究在BP 神经网络验证的同时,对研究区进行了流域水量平衡验证.研究区2007年的初始土壤水位使用2006年12月30日的土壤水位,由模型运算2006年的气象数据得到.经计算,研究区2007年年初土壤含水量为6.8×106m3,年末土壤含水量为6.3×106m3,即全年土壤含水量减少5×105m3.在计算研究区水量平衡时,除考虑到ET消耗㊁土壤水含量变化㊁径流输出因素外,还考虑了研究区居民生活用水㊁工农业用水㊁树木生长自身所需要水分等水量消耗途径.根据中国统计年鉴网()‘中国历年总用水量和人均生活用水量统计(1997 2002)“,1997 2002年黑龙江城镇人均生活用水量为123.05L㊃d-1,本研究假设2007㊁2008年人均生活用水量及农业用水为150L㊃d-1,塔河林业局共有人口92473人,则居民消耗的年水量为5.1×106m3,占总降水量的0.15%;塔河林业局工业项目稀少,因此本研究忽略了工业用水;李明泽[24]对大兴安岭生物量的研究结果表明,20世纪80 90年代,大兴安岭地区森林生物量平均增长3×10-3 t㊃m-2,年均增长3×10-4t㊃m-2,假设在没有采伐的情况下,研究区2007年保持5×10-4t㊃m-2的生物量增长量,而树干的生物量中含水量约40%,因此研究区内每年因树木生长所消耗的水分约为1.80×106 m3,占总降水量的0.05%.综上,除ET消耗㊁土壤含水量变化㊁径流输出因素外,其他因素导致的流域水消耗总量为6.90×106m3,占总降水量的0.20%.图9 月实测径流量(Ⅰ)和模拟径流量(Ⅱ)对比Fig.9 Comparison of measured monthly runoff(Ⅰ)and fitted runoff(Ⅱ). 2007年研究区共接收降水3.36×109m3.其中,通过蒸散发回到大气中的水量为2.15×109m3,占流域总入水量(即大气降雨)的63.99%;经河流排出的水量为1.17×109m3,占流域总入水量的34.82%.研究区内土壤含水量全年减少了5.00×105m3,占研究区降水量的0.01%,居民生活用水㊁工农业用水㊁树木生长共消耗水量6.90×106m3,占流域总入水量的0.21%.根据模型对2007年研究区水量平衡模拟,其水量平衡误差只有1.00%.由图9可见,模型对2007年每月径流量有较好的模拟效果.5㊁6月为雨季之初,降雨量增大,研究区植被在经历了漫长且缺水的冬季后,正处于缺水状态,此时的苔藓层及土壤层等都具有很强的蓄水㊁保水作用,因而降水大部分被植被层和土壤层吸收,未能到达河流,实测径流量较小;同时,5㊁6月的日照辐射不是很强,植被刚刚进入生长季,蒸散发量较小,因此模型计算得到的径流量相对较大.8㊁9月的降水减少,但由于经历了夏季长时间的供雨,土壤水分充足,并且不断地向河流中释放水分,因此实际径流量呈缓慢下降趋势.由于8㊁9月时植被生长速率已开始减慢,从土壤中吸收的水分逐渐减少,且日照辐射逐渐减弱,蒸散发量随之下降,因此模型计算得到的径流量值偏低.水量平衡验证法用模型模拟了从降雨到产生径流的物理过程,将模拟得到的月径流量与实测径流量进行比较.验证结果表明,水量平衡方程具有较低误差,月径流有较好的模拟效果,说明模型可很好地模拟研究区水循环过程.该模型可对研究区蒸散发进行准确估算.3 讨 论本文将改进的DHSVM模型应用于黑龙江省塔8561 应 用 生 态 学 报 25卷河地区,基于气象观测资料㊁遥感数据和土壤数据,估算了研究区2007年日蒸散发,并采用改进的BP 神经网络和水量平衡法对估算结果进行检验.结果表明,该模型估算得到的塔河地区日蒸散发结果是合理的,该模型可以很好地应用于塔河流域.2007年研究区年总蒸散发量为234.01mm,蒸散发量与降雨量之比(ET/P)为0.64.研究区蒸散发量与季节的变化相关,春季的蒸散发量较低,夏季蒸散发量达到最大值,秋季有一定的回落,冬季蒸散发量最小.蒸散发量与研究区土地覆盖类型相关,阔叶林的蒸散发能力最强,其次为针阔混交林,针叶林最弱.各土地覆盖类型的蒸散发在年内的变化趋势基本一致,随着植被蒸散发能力的增强,各土地覆盖类型间的蒸散发差异增大.本研究利用遥感技术,结合气象资料反演研究区地表蒸散发,遥感数据的空间连续性为反演蒸散发提供了重要参数.由于遥感影像的瞬时性,采集数据为研究区某一时刻的瞬时状态数据,所以反演得到的地表参数每天是不变的,而实际的地表参数是变化的,这对研究结果的准确性造成一定影响.在模型参数的输入方面,由于缺乏实地测量数据,部分参数仍沿用了原模型参数,由于原研究区位于53.9878°N㊁105.1188°W[17],从全球气候分布来看,该区域与本研究区气候相似,参数有一定代表性,但仍会对结果准确性造成一定影响.由于研究地区没有蒸散发的连续实际观测数据,本文采用两种方法进行模型验证,其一是采用BP网络模拟蒸散发与径流量的关系,其二是用模型模拟从降雨到产生径流的物理过程,最后用实测的径流量与模拟的径流量进行比较.两种验证方法都获得了较高的验证精度,为没有蒸散发实际观测数据情况下进行蒸散发模拟研究提供了验证思路和方法.参考文献[1] Zhang X⁃J(张新建),Yuan F⁃H(袁凤辉),Chen N⁃N(陈妮娜),et al.Energy balance and evapotranspira⁃tion in broad⁃leaved Korean pine forest in ChangbaiMountains.Chinese Journal of Applied Ecology(应用生态学报),2011,19(3):607-613(in Chinese) [2] Rosenberg NJ,Blad BL,Verma SB.Microclimate:TheBiological Environment of Plants.3nd Ed.New York:John&Wiley Sons,1983[3] Chen R⁃S(陈仁升),Kang E⁃S(康尔泗),Yang J⁃P(杨建平),et al.Monthly evaporation capacity modelin mountainous region of Heihe Mainstream River.Hy⁃drology(水文),2002,22(6):5-10(in Chinese)[4] Zhao L⁃L(赵玲玲),Xia J(夏 军),Xu C⁃Y(许崇育),et al.A review of evapotranspiration estimationmethods in hydrological models.Acta Geographica Sinica(地理学报),2013,68(1):127-135(in Chinese) [5] Arora VK.The use of the aridity index to assess climatechange effect on annual runoff.Journal of Hydrology,2002,265:164-177[6] Dalezios NR,Loukas A,Bampzelis D.Spatial variabili⁃ty of reference evapotranspiration in Greece.Physics andChemistry of the Earth,2002,27:1031-1038 [7] Da R⁃M(达日玛).Regional Evapotranspiration andApplication Based on MODIS Data.PhD Thesis.Ho⁃hhot:Inner Mongolia Normal University,2010(in Chi⁃nese)[8] Jiang S(姜 尚),Li F(李 飞),Chen L⁃F(陈立峰).Research progress of remote sensing technologyapplication in distributed hydrological model.Journal ofWater Resources&Water Engineering(水资源与水工程学报),2013,24(1):174-180(in Chinese) [9] Xu Z⁃X(徐宗学),Cheng L(程 磊).Research pro⁃gress and application of distributed hydrological model.Journal of Hydraulic Engineering(水利学报),2010,41(9):1009-1017(in Chinese)[10] Wood EF,Sivapalan M,Beven K,et al.Effects of spa⁃tial variability and scale with implications to hydrologicmodelling.Journal of Hydrology,1988,102:29-47 [11] Donald JR.Snowcover Depletion Curves and SatelliteSnowcover Estimates for Snowmelt Runoff Modelling.PhD Thesis.Waterloo:University of Waterloo,1992 [12] Kite GW,Kouwen N.Watershed modelling using landclassifications.Water Resources Research,1992,28:3193-3200[13] Kite GW.Manual for the SLURP Hydrological Model.Colombo,Canada:NHRI,1995[14] Kouwen N,Soulis ED,Pietronitro A,et al.Groupedresponse units for distributed hydrologic modelling.Journal of Water Resources Planning and Management,1993,119:289-305[15] Wigmosta MS,Vail LW,Lettenmaier DP.A distributedhydrology⁃vegetation model for complex terrain.WaterResources Research,1994,30:1665-1679 [16] Liu S⁃C(刘三超),Zhang W⁃C(张万昌),Gao M⁃F(高懋芳),et al.Distributed hydrological model com⁃bined with remote sensing for evapotranspiration re⁃search.Scientia Geographica Sinica(地理科学),2007,27(3):1-2(in Chinese)[17] Chen JM,Chen XY,Ju WM,et al.Distributed hydro⁃logical model for mapping evapotranspiration using re⁃mote sensing inputs.Journal of Hydrology,2005,305:15-39[18] Xiao Q(肖 强),Xiao Y(肖 洋),Ouyang Z⁃Y(欧阳志云),et al.Value assessment of the function ofthe forest ecosystem service in Chongqing.Acta Ecologi⁃95616期 曲 迪等:塔河森林生态系统蒸散发的定量估算 。