LPJ-DGVM在黑河流域单点上的应用研究
文献类型：学位论文
| 作者 | 王旭峰 |
| 学位类别 | 硕士 |
| 答辩日期 | 2009-05-12 |
| 授予单位 | 中国科学院寒区旱区环境与工程研究所 |
| 授予地点 | 寒区旱区环境与工程研究所 |
| 导师 | 马明国 |
| 关键词 | 植被 植被动态模型 蒸散发 NEE |
| 其他题名 | Study on Single-Point LPJ-DGVM in Heihe River Basin |
| 学位专业 | 地图学与地理信息系统 |
| 中文摘要 | 陆地生态系统是人类赖以生存的基础，植被作为生产者为陆地生态系统提供了能量和物质。同时它也是陆地生态系统与环境之间能量和物质交换的通道。植被模型是定量认识气候和植被之间的相互作用的有利工具。植被模型经历了从静态到动态的发展过程。隆德-波茨坦-耶拿动态全球植被模型（Lund-Potsdam-Jena Dynamic Global Vegetation Model, LPJ-DGVM）是近年来被广泛应用的植被动态模型之一。本文应用黑河流域遥感－地面观测同步试验（Watershed Allied Telemetry Experimental Research, WATER）布设的阿柔草地站和盈科绿洲站的观测资料和改写后的LPJ-DGVM，实现点上的碳水平衡模拟，并对模拟结果进行了评价，并分析了LPJ-DGVM对各个输入参数的敏感性。 通过本研究主要得出以下结论： 1、植被动态模型发展综述 （1）植被动态模型本身的完善，主要表现在两方面，一是在模型中考虑更多的干扰因素（人为干扰和自然干扰），二是各个子模型的改善，有些植被参数（如根的分布）是随着自然条件的变化而变化的，而在大多数植被动态模型中都没有考虑这些植被参数的动态变化；（2）植被动态模型比较研究，由于植被动态模型的时空尺度大，实测的模型验证数据少，而且不同的模型都有各自的优缺点，所以模型的比较研究和验证是非常有必要的；（3）植被动态模型与气候模型的耦合应用，通过植被动态模型与气候模型的耦合可以研究植被与气候的相互作用机制、预测气候变化对植被的影响和植被对气候变化的反馈；（4）碳循环数据同化系统（Carbon Cycle Data Assimilation System, CCDAS）研究，叶面积指数（Leaf Area Index， LAI）、光合和有效辐射比（Fraction of Photosynthetically Active Radiation，FPAR）和净初级生产力（Net Primary Production，NPP）等卫星遥感产品融合到植被动态模型中，可以显著改善对于净初级生产力和生态系统生产力的估计，对于解决目前模型输入数据缺乏的瓶颈问题具有重要的实践意义，所以发展迅速。 2、LPJ-DGVM模型代码重写 本研究中对LPJ-DGVM模型的代码进行了重写，其主要原因是：（1）LPJ-DGVM模型水循环模块没有考虑冻融过程和灌溉对土壤水分的影响，在阿柔和盈科均不能准确的模拟土壤水分及其变化趋势，所以在本研究中将土壤水分作为输入代入到模型中；（2）LPJ-DGVM模型利用的是月的气象资料，为了得到更好的模拟结果，在本研究中将逐日的气象资料作为模型输入。 3、LPJ-DGVM的模拟结果和观测结果基本一致 LPJ-DGVM模型从总体上可以较好的模拟制种玉米和草地的蒸散发，其模拟结果与涡动观测比较接近，R2分别为0.8和0.75。模拟的总量与涡动观测的总量比较接近。在盈科绿洲站，从2008年1月1日至2008年8月22日，有完整涡动观测记录的的蒸散发观测总量为440.37mm，对应时间内LPJ-DGVM模拟的蒸散发总量为452.84mm；在阿柔草地站，从2008年6月10日至2008年10月12日，涡动观测的蒸散发总量为327.5mm，模型模拟的蒸散发总量为349.7mm。LPJ-DGVM模型从总体上可以较好的模拟制种玉米和草地的净生态系统碳交换（Net Ecosystem Exchange, NEE），其模拟结果与涡动观测比较接近，R2分别为0.79和0.68。在盈科绿洲站，从2008年1月1日至2008年8月22日，有完整涡动观测记录的NEE总量为-529.85gc/m2，对应时间内LPJ-DGVM模拟的NEE总量为-550.75gc/m2；在阿柔草地站，从2008年6月10日到2008年10月12日，涡动观测的NEE之和为-246.54gc/m2，对应时间内LPJ-DGVM模拟的NEE总量为-255.31gc/m2。 4、敏感性分析 不同的输出变量对输入变量的敏感性不同。同一输出变量对于不同的气候条件和植被类型，其参数敏感性也不同。在盈科和阿柔，蒸散发对壤水分、净辐射和温度较敏感，NEE对光合有效辐射、温度、净辐射、土壤水分和CO2浓度较敏感，但是在盈科和阿柔蒸散发和NEE对各个输入参数的敏感性排序是不同的。在盈科绿洲站，蒸散发对各个输入参数的敏感性从大到小的顺序为：土壤水分>净辐射>温度>光合有效辐射>CO2浓度>降雨量；NEE对各个输入参数的敏感性从大到小的顺序为：温度>光合有效辐射>净辐射>土壤水分>CO2浓度>降雨量。在阿柔草地站，蒸散发对各个输入参数的敏感性从大到小的顺序为：净辐射>土壤水分>温度>光合有效辐射>CO2浓度>降雨量，NEE对各个输入参数的敏感性从大到小的顺序为：光合有效辐射>温度>净辐射>CO2浓度>土壤水分>降雨量。由于直接代入了观测的土壤水分，所以蒸散发和NEE都对降雨量不敏感。 |
| 语种 | 中文 |
| 公开日期 | 2013-08-22 |
| 页码 | 81 |
| 源URL | [http://ir.casnw.net/handle/362004/21865]  |
| 专题 | 寒区旱区环境与工程研究所_研究生学位论文_学位论文 |
| 推荐引用方式 GB/T 7714 | 王旭峰. LPJ-DGVM在黑河流域单点上的应用研究[D]. 寒区旱区环境与工程研究所. 中国科学院寒区旱区环境与工程研究所. 2009. |
入库方式： OAI收割
来源：寒区旱区环境与工程研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。