張永強研究員團隊于2019年建立了二代PML模型“PML_V2”,該模型在Penman-Monteith-Leuning (PML) 模型的基礎上,根據氣孔導度理論耦合植被蒸騰與總初級生產力(GPP),使得GPP與植被蒸騰相互制約,從而提高GPP、蒸散發和植被水分利用效率的模擬精度。PML_V2參數由全球95個渦度相關通量站觀測結果并按照植被類型率定,初步解決了模型點面擴展的難題,參數化后的PML-V2可擴展至全球尺度。該團隊利用谷歌地球引擎構建了全球首個500米和8天分辨率的陸地蒸散發與總初級生產力數據集(2002-2019)(Zhang等2019;Kong, Zhang等2019)。2020年他們圍繞PML_V2模型和數據在大尺度徑流預報和我國北方區域水循環研究取得了以下四方面階段性重要研究進展:
(1)首次利用PML-V2遙感蒸散發數據率定水文模型成功進行了大尺度徑流預報研究(Zhang等,2020)。基于水文模型預報無測站流域徑流已被廣泛應用,但水文模型模擬過程中,實際蒸散發難以準確模擬。研究團隊提出了采用PML遙感數據率定水文模型的新方法,試圖通過提高蒸散發的模擬能力進而有效模擬流域徑流過程。該方法在澳大利亞不同氣候帶的222個流域進行了驗證。研究結果表明,PML遙感蒸散發數據可有效率定水文模型,進行無測站流域的徑流預報,在月、年兩個時間尺度和在濕潤流域有較好的預報精度。該方法最大的優點是不需要水文站點實測徑流數據率定水文模型,對于測站稀疏或無測站的山區和發展中國家的徑流預報提供了新方法,開辟了遙感蒸散發在水文預報的新領域。
(2)將PML與傳統水文模型耦合定量評估了采煤對于黃河流域典型流域徑流的影響(Luan, Zhang等,2020)。煤礦開采會導致地下水位急劇下降,河川基流量和總徑流量明顯減少。如何定量評估煤礦開采對徑流的影響成為了挑戰。該研究以黃河流域典型煤礦開采區——窟野河流域為研究對象,使用SIMHYD-PMLV2模型有效地將植被變化對徑流的影響與采煤影響進行剝離。研究表明,從1998年到2017年,煤炭開采導致王道橫塔斷面徑流量減少了29%,神木斷面徑流量減少了55%,整個窟野河流域徑流量減少了49%。該研究思路和方法合理區分了兩種人類活動對徑流過程的影響,為定量研究煤礦開采對徑流影響奠定了堅實的基礎。
(3)植被變化對中國北方植被初級生產力和蒸散發研究(Li, Zhang等2020a)。中國北方實施了退耕還林等多項國家級工程,但其對中國的植被總初級生產力和蒸散發的影響機制尚不清楚,因此定量模擬植被變化對區域內的影響研究成為植樹造林規劃和水資源管理的重要科學依據。研究根據PML-V2模型構建對比模型,通過水平衡公式定量估算植被變化對區域內年際總初級生產力和蒸散發影響。研究結果表明,在植被變化驅動下,2003-2017年中國北方的總初級生產力和蒸散發每年分別增加164TgC和130億立方米。其中東北平原農田的總初級生產力每年約增加49TgC,內蒙古高原灌叢的蒸散發每年約增加37億立方米。2010年以后黃土高原和東北平原的增加速率要明顯高于2010年以前,主要原因是2010年以后該區域內葉面積指數的增加速率顯著提高。
(4)植被變化對黃河流域水儲量影響研究(Li, Zhang等2020b)。水儲量是陸地水循環過程中的重要組成部分,對地處干旱、半干旱區的黃河流域至關重要。自1999年退耕還林(還草)工程實施以來,黃河流域的植被覆蓋度顯著提高,但其如何定量影響流域和區域的水儲量不是很清楚。研究主要基于水平衡方法(以GRACE衛星觀測數據為輔),采用地面觀測的降水和徑流、PML_V2反演的蒸散發定量評估了植被變化對黃河流域水儲量的影響。結果顯示,2003-2016年黃河流域水儲量每年約下降5.1 mm,其中植被變化對水儲量下降的貢獻率每年可達1.52 mm(約占29%)。植被變化的主要貢獻區為黃河流域中下游,由于森林擴展使葉面積指數增加,造成了2003-2016年該區域水儲量每年下降1.94 mm。總體而言,黃河流域植被變化加劇了區域水儲量下降趨勢,迫切需要
 |
圖1. 植被變化對黃河流域水儲量的影響及相關分析
|
研究進展(1)的第一作者為張永強研究員;研究進展(2)的第一作者是中科院地理科學與資源研究所博士生欒金凱;研究進展(3)和(4)的第一作者為聯合培養碩士研究生李聰聰(現為西北農林科技大學博士研究生)。PML模型研究由中國科學院高層次人才項目(A類)資助完成。
相關論文(*通訊作者):
1. Zhang YQ*, Kong DD*, Rong G, Chiew FHS, McVicar TR, Zhang Q, Yang YT, (2019). Coupled estimation of 500m and 8-day resolution global evapotranspiration and gross primary production in 2002-2017, Remote Sensing of Environment, 222, 165-182. (影響因子9.1,中科院一區)
2. Kong DD, Zhang YQ*, Gu XH, Wang DG (2019). Reconstructing global MODIS EVI time series using the weighted Whittaker with automatic parameterization, ISPRS Journal of Photogrammetry and Remote Sensing, 155, 13-24.(影響因子7.3,中科院一區)
3. Luan JK, Zhang YQ*, Tian J, Hadush M, Liu DF, (2020). Coal mining impacts on catchment runoff. Journal of Hydrology, doi: 10.1016/j.jhydrol.2020.125101.(影響因子4.5,中科院一區)
4. Zhang YQ*, Chiew FHS, Liu CM,Tang QH, Xia J, Tian J, Kong DD, Li CC(2020). Can Remotely Sensed Actual Evapotranspiration Facilitate Hydrological Prediction in Ungauged Regions Without Runoff Calibration? Water Resources Research (2020); 56:15. (影響因子4.3,中科院一區)
5. Li CC, Zhang YQ*, Shen YJ, Kong DD, Zhou XY (2020a). LUCC-Driven Changes in Gross Primary Production and Actual Evapotranspiration in Northern China,Journal of Geophysical Research-Atmospheres, 125:13.(影響因子3.8,自然指數期刊)
6. Li CC, Zhang YQ*, Shen YJ, Yu Q (2020b). Decadal water storage decrease driven by vegetation changes in the Yellow River basin,Science Bulletin, doi://10.1016/j.scib.2020.07.020.(影響因子9.5,中科院一區)