一种基于水碳耦合方法的全球地表蒸散发估算方法

本发明涉及遥感蒸散发估算领域，涉及一种基于水碳耦合方法的全球地表蒸散发估算方法。

背景技术：

1、地表蒸散发是全球和区域水循环的重要组分，是能将水循环、能量循环与碳循环连接起来的关键要素。准确估算地表蒸散发对理解水碳循环和能量平衡至关重要。当前，大尺度蒸散发估算模型依赖气象数据和植被物候的遥感产品，但是这些蒸散发模型难以准确表示受生物过程调节的生态因素。因此，当前蒸散发模型的改进重点主要聚焦于对蒸散发过程中生物过程的参数化表征。

2、近年来，日光诱导叶绿素荧光(sif)作为植被光合作用的理想探针，在估算蒸散发方面具有很大的潜力，可以刻画蒸散发的重要组成部分——植物蒸腾量。随着卫星遥测和机器学习技术的快速发展，基于遥感重构的叶绿素荧光产品具有较高的时空精度。这类重构数据的出现，补足了目前地面观测叶绿素荧光数据不足的缺陷，开始被广泛应用于全球生态学和水文学领域。

3、目前，叶绿素荧光与地表蒸散发之间的内在物理联系仍然不清，现有研究普遍存在以下问题：(1)对叶绿素荧光与地表蒸散发的处理经验化；(2)基于叶绿素荧光的蒸散发估算需要依靠大量植物生理学参数，且参数过多，部分参数无法在大尺度上获取，需要引入额外的假设条件，可能会引入较大的不确定性。总体而言，现有研究未能充分融合遥感数据与物理机制估计地表蒸散发。

技术实现思路

1、本发明要解决的技术问题在于，针对现有技术中的缺陷，提供一种基于水碳耦合方法的全球地表蒸散发估算方法。

2、本发明解决其技术问题所采用的技术方案是：

3、一种基于水碳耦合方法的全球地表蒸散发估算方法，该方法包括以下步骤：

4、步骤1、搜集地面通量观测数据、气象再分析数据、modis地表叶面积指数lai数据以及全球重建日光诱导叶绿素荧光数据；

5、步骤2、在站点尺度构建叶绿素荧光与蒸散发的函数关系；

6、步骤3、在各通量站中对叶绿素荧光与蒸散发之间的关系进行参数率定，求得各通量站下蒸散发的估算参数；

7、步骤4、构建不同植被气象要素与蒸散发估算参数的函数关系，构建蒸散发估算参数的空间分布数据库；

8、步骤5、将获取的叶绿素荧光、全球气象数据以及全球蒸散发估算参数代入至步骤2构建的模型中，进行地表蒸散发的估算。

9、进一步地，所述步骤1包括如下子步骤：

10、步骤1.1、基于era5-land小时尺度气象再分析数据，提取某一时间分辨率的露点温度td、气温ta、饱和水汽压亏缺vpd、相对湿度rh、年均气温mat、年均降水map以及净辐射rn，同时将上述数据的空间分辨率通过空间插值进行统一；

11、步骤1.2、基于现有年均降水以及年均潜在蒸散发数据计算干旱指数di；

12、步骤1.3、获取陆地通量网数据，筛选出具有至少连续两年有效观测的站点，并提取与步骤1.1相同时间分辨率的站点饱和水汽压亏缺vpd、co2浓度ca、气温ta和站点蒸发潜热et数据；

13、步骤1.4、从modis数据集中获取地表叶面积指数lai数据，并将空间分辨率转化为与步骤1.1中相同的空间分辨率；

14、步骤1.5、获取一定时间段全球重建sif数据csif，并与陆地通量网数据站点进行匹配，得到站点尺度csif的时间序列。

15、进一步地，步骤2的具体方法为：

16、步骤2.1.根据双源地表蒸散发模型，地表蒸散发可以被分成两个部分：土壤蒸发以及植被蒸腾；由此，地表蒸散发可以被表示为：

17、et＝tr+es

18、其中，es为土壤蒸发，tr为植被蒸腾，et为地表蒸散发；

19、步骤2.2.基于水碳耦合原理建立植被蒸腾tr与叶绿素荧光sif的关系；

20、步骤2.3.构建vpd和ta对蒸散发的控制函数fvpd和fta来计算土壤蒸发，其中fvpd和fta均为二次函数；

21、步骤2.4.将步骤2.2和步骤2.3中计算得到的植被蒸腾和土壤蒸发相加得到地表蒸散发。

22、进一步地，gpp与sif关系可用以下方程表达描述：

23、gpp＝αsif+β

24、从fick定律角度出发，冠层尺度gpp可以用以下方程描述，

25、gpp＝gc×(ca-ci)

26、根据水碳耦合理论，h2o分子流出植物气孔与co2公用通道，因此可以根据fick定律描述蒸腾：

27、tr＝gh×(qi-qa)

28、qi-qa可用以下公式表征：qi-qa＝vpd/pa

29、通过以上方程，可求得植被蒸腾量：

30、

31、根据最优气孔导度理论，

32、

33、统一量纲后，蒸腾可表达为：

34、

35、式中：γ为光合作用补偿点，由以下方程确定，

36、

37、因此，

38、其中，α和β为方程参数，gc为植被对co2的导度，ca与ci分别为大气和植物气孔内部的co2浓度，gh为植物气孔对h2o分子的导度，且存在gc＝gh/1.6；qi为植物叶片内h2o浓度，qa为大气内h2o浓度，pa为大气压强；，λcf为边际水分利用效率，为常数；o2为叶内部o2分压。

39、进一步地，土壤蒸发采用以下公式计算，

40、

41、式中：δ为饱和水汽压曲线的斜率，γ为干湿表常数，ka为消光系数，其值等于0.6，rh为相对湿度，lai为叶面积指数，rn为地表净辐射，g为地表热通量；fvpd和fta为vpd和ta对蒸散发的控制函数，其表达式如下：

42、fvpd＝1-m(vpd-vpd0)2

43、fta＝1-n(ta-ta0)2

44、式中：vpd0和ta0分别为函数参数，代表最优饱和水汽压亏缺与最优空气温度，m和n为方程的形状参数，采用观测数据优化，采用参数的平均值。

45、进一步地，计算蒸散发可采用下式估算：

46、

47、进一步地，步骤3的具体方法为：在各通量站中采用遗传算法对叶绿素荧光与蒸散发之间的关系进行参数率定，优化得各通量站下蒸散发的估算参数。

48、进一步地，步骤4的具体方法为：

49、利用各通量站下率定求得的参数，进行蒸散发参数计算，针对每种生态系统下上述公式中α与β的取值，根据植物功能型的分类，可以使用igbp土地利用类型对植物功能型进行分类，从而依据站点的数量多少使用平均值模型和机器学习模型进行参数确定，其中对于封闭灌丛、常绿阔叶林、混合森林、开放灌丛、湿地五种生态系统采用平均值模型进行参数确定；农田、落叶阔叶林、常绿针叶林、草地、草原、多树草原五种生态系统采用平均值模型进行参数确定。

50、进一步地，(1)平均值模型：采用基于植物功能型的平均值方法，即：

51、

52、式中：为参数α或β在第j种植物功能型区域内的第i个通量站的取值，cj为第j种植物功能型下，所有通量站内参数α或β的平均值，δi为误差；

53、(2)机器学习模型：将参数α或β与不同植物功能型以及该区域环境变量建立回归模型，形式如下：

54、

55、单独针对每种植物功能型进行率定，其中(nj)t为第j种植物功能型下的回归系数矩阵，xi为第i个通量站的环境变量，参与回归的三种环境变量为年平均气温mat、年平均降水map、干旱指数di这三个因素，因此，对于参数重建使用线性方程则为，

56、α＝a1+a2 map+a3 mat+a4 di

57、β＝b1+b2 map+b3 mat+b4 di

58、其中a1、a2、a3、a4、b1、b2、b3、b4为回归系数，方程的具体形式，与率定参数的站点数量有关，当站点多于30的情况，采用增强回归树的机器学习方式，使用多层次统计建模方式，将参数分成i组，重建参数与环境变量之间的非线性关系，

59、

60、式中：n(.)表示正态分布，μα与μβ分别两参数的均值，与为参数的方差，ασβ表示不同组间的相关系数，即在不同层次i上回归系数αi与βi在不同组件的相关系数。

61、进一步地，所述步骤5的具体方法如下：将获取的叶绿素荧光、全球气象数据以及全球蒸散发估算参数代入至步骤2构建的模型中，进行地表蒸散发的估算，即，

62、et＝f(α,β,λcf,sif,vpd,pa,ca,ta,rh,rn,o2,lai,γ)；

63、在此公式et为步骤2所建立的模型，输入包括：参数α和β，常量水分利用效率λcf、大气压强pa，叶绿素荧光数据sif，气象变量空气温度ta、空气相对湿度rh、饱和水汽压亏缺vpd、净辐射rn、湿度计常数γ，植物状态变量叶片内o2分压o2、叶面积指数lai。

64、本发明产生的有益效果是：本发明的一种基于水碳耦合方法的全球地表蒸散发估算方法：(1)科学合理、贴近工程实际；本发明充分利用日光诱导叶绿素荧光在描述植被光合作用上的优势，规避了对植被生理活动机制的假设，直接通过日光诱导叶绿素荧光数据对地表蒸散发进行估算。(2)估算的区域及全球地表蒸散发产品可为流域水文模拟和水资源规划提供重要且可操作性强的参考依据。