东北黑土区是我国玉米和大豆生产基地,为了实现利用AquaCrop模型优化管理和预测产量,本文基于作物小区田间试验和大田观测数据,采用OAT(one factor at a time)法分析了该模型参数的敏感性,率定了敏感性高的参数,并对率定后的模型进行了...
详细信息
东北黑土区是我国玉米和大豆生产基地,为了实现利用AquaCrop模型优化管理和预测产量,本文基于作物小区田间试验和大田观测数据,采用OAT(one factor at a time)法分析了该模型参数的敏感性,率定了敏感性高的参数,并对率定后的模型进行了验证。结果表明:玉米和大豆产量均对影响经济产量的收获指数十分敏感,二者虽然对冠层和根系生长参数都敏感,但有所差异:玉米对冠层衰减系数(canopy decline coefficient,CDC)更为敏感,而大豆则对限制冠层伸展的水分胁迫系数曲线的形状因子(shape factor for water stress coefficient for canopy expansion,Pexshp)更为敏感;玉米因根系深对最大有效根深(maximum effective rooting depth,Zx)更敏感,大豆因根系浅对根区根系伸展曲线的形状因子(shape factor describing root zone expansion,Rexshp)更敏感。由于玉米需水量大,对冠层形成和枯萎前的作物系数(crop coefficient before canopy formation and senescence,KcTr,x)和归一化水分生产力(normalized water productivity,WP*)很敏感,大豆则是一般敏感。率定后模型模拟玉米产量与实测产量的回归系数由0.34提升至0.89,模拟大豆产量与实测产量的回归系数由0.80提升至0.88。进一步用大田实测产量的验证结果表明:预测的玉米与大豆产量与实测产量间回归方程的决定系数(coefficient of determination,R2)分别为0.775和0.779,均方根误差(root mean square error,RMSE)分别为1.076 t hm^–2和0.299 t hm^–2,标准均方根误差(normalized root mean square error,NRMSE)分别为0.097和0.178,模拟效率(model efficiency,ME)分别为0.747和0.730,率定后的AquaCrop模型能较精准地模拟东北黑土区玉米和大豆产量,可用于产量预测或优化管理。
作为长江上游生态屏障的核心区,三峡库区特殊的地理位置使其在推动长江经济带发展和生态文明建设中肩负着重大使命。三峡库区的生态环境在蓄水前后发生了较大改变,其变化能通过植被物候的变动体现,研究三峡库区植被物候时空演变特征及其驱动力,对于区域生态可持续发展和长江经济带生态文明建设具有重要意义。借助动态阈值法提取物候参数,整合多源遥感物候参数提取结果,分析1990—2020年三峡库区植被物候时空格局;结合Theil-Sen Median趋势分析与Mann-Kendall检验等方法,定量分析三峡库区蓄水前后植被物候时空演变特征;运用地理加权回归分析、Pearson相关性分析以及主成分分析等方法,定量探究三峡库区植被物候时空演变的影响因素。结果表明:(1)近31年来,三峡库区植被的生长季开始时间(Start of Growing Season,SOS)主要出现在60 DOY(Date of Year),生长季结束时间(End of Growing Season,EOS)主要出现在301 DOY,生长季长度(Length of Growing Season,LOS)总体为248 d。在空间上,SOS与EOS均呈现出从库首至库尾逐渐提前的趋势,LOS的空间异质性较小。(2)库区植被物候表现出SOS提前、EOS推迟和LOS延长的特征,SOS提前的平均幅度为0.3 d/a,库首区域最为典型;EOS推迟的平均幅度为0.8 d/a,库尾区域尤为明显;LOS延长的平均幅度为1.7 d/a,库尾区域更加突出。植被物候对库区蓄水的响应表现出一定的滞后性。(3)人为因素与间接人为因素(水位、人口和水域面积等)是影响库区植被物候时空分异的主要因素。
土壤有机碳对区域碳平衡起着关键性的作用,量化其空间格局及动态变化是准确评估生态系统碳汇潜力的基础。然而,不同土壤有机碳估算方法和不同样本得出的结果存在非常大的差异和不确定性,尤其是地形复杂、对气候变化敏感的青藏高原地区。为定量评估不同方法估算的土壤有机碳密度空间分布格局在青藏高原地区的差异,论文以青海省为研究区,收集整理了青海省806个土壤有机碳密度采样点数据,基于气候、植被、地形和土壤等多种解释变量,采用逐步回归、反距离权重插值、普通克里格插值和随机森林模型4种不同的方法,对青海省表层(0~30 cm)土壤有机碳密度空间分布及其影响因素进行了探究。结果表明,归一化植被指数、光合有效辐射、总氮、年均温、海拔、年降水量和净初级生产力是土壤有机碳密度估算的重要变量;尽管4种方法所估算的青海省土壤有机碳密度的均值较为接近,处于5.14~5.62 kg C·m^(-2)之间,但其变化范围存在较大差异,分别为0.17~23.25、0.34~46.61、0.56~35.08和0.62~24.85 kg C·m^(-2);4种方法模拟结果的均方根误差分别为3.93、3.37、3.48和3.19 kg C·m^(-2),平均标准差分别为0.12、0.51、0.61和0.27 kg C·m^(-2),其中随机森林模型的结果较为稳定且精度较高,也更能准确反映青海省土壤有机碳的空间分布格局。比较发现,现有的土壤有机碳产品(SoilGrids250m 2.0和HWSD v1.2)在反映青海省土壤有机碳的分布方面还存在较大差异,相对而言,SoilGrids250m 2.0产品的土壤有机碳和随机森林模拟结果比较接近。
利用CRU_TS v4.04观测数据作为验证,对28个CMIP6(Coupled Model Intercomparison Project 6)模式模拟中国区域内气温日较差(Diurnal Temperature Range,DTR)年际变化、气候平均态变化以及不同区域和不同季节尺度变化的能力进行评估。结...
详细信息
利用CRU_TS v4.04观测数据作为验证,对28个CMIP6(Coupled Model Intercomparison Project 6)模式模拟中国区域内气温日较差(Diurnal Temperature Range,DTR)年际变化、气候平均态变化以及不同区域和不同季节尺度变化的能力进行评估。结果表明:在百年尺度上,CMIP6模式能够反映出年际变化中DTR下降的演变趋势,模式与观测之间的相关系数在0.1~0.7,均方根误差在0.6~1.5,Taylor评分(Taylor Score,TS)在0.2~0.7,MRI-ESM2-0模式与观测之间的相关系数(0.65)最大,均方根误差(0.8)最小,TS(0.67)最高,模拟能力最好;在30年气候平均态尺度上,CMIP6模式符合观测呈现的DTR北方地区高、南方地区低,西部地区高、东部地区低,内陆地区高、沿海地区低,高原地区高、平原盆地地区低的空间分布特征,基本可以再现中国大范围区域内DTR下降的空间分布特征,对不同区域和不同季节DTR变化也有较好的模拟,以EC-Earth3模式的模拟能力最好。然而,单模式存在不同程度的高估或低估DTR变化的现象,多模式中位数集合能够模拟出DTR在年际变化和气候平均态变化中的一些特征,对于春季和冬季的模拟,多模式集合优于单模式模拟。
暂无评论