基于液流的樹木蒸騰動態(tài)及預測模型研究.pdf

1、樹木蒸騰將土壤、植物和大氣聯(lián)系為一個整體，是陸地水分消耗的重要途徑。研究樹木蒸騰的動態(tài)變化及預測模型，不但能掌握樹木蒸騰耗水規(guī)律、揭示環(huán)境因子對植物水分生理變化的影響，而且還可以利用環(huán)境因子參數(shù)預測樹木蒸騰耗水量，為選擇樹種、合理規(guī)劃林種配置、適時適量供水和節(jié)約用水提供科學的理論依據(jù)。本文利用基于熱平衡原理的包裹式莖流測量系統(tǒng)和自動氣象站測量了龍爪槐的蒸騰動態(tài)變化和同步微環(huán)境因子，利用單因子分析及多元線性回歸、逐步回歸、主成分分析、AR

2、IMA和BP人工神經(jīng)網(wǎng)絡等模型對蒸騰預測模型進行了系統(tǒng)研究，分析了各種模型的預測精度：利用便攜式光合作用測量系統(tǒng)測量了葉片蒸騰，分析了樹木蒸騰、樹枝液流和葉片蒸騰之間的關(guān)系；研究了蒸騰相對于環(huán)境因子的時滯，探討了在考慮時滯條件下預測模型的精度變化。 室內(nèi)儀器校正試驗表明，利用液流法和稱重法得到的樹木蒸騰耗水量的相關(guān)系數(shù)為0.988，達到極顯著水平，表明該儀器具有較高的測量精度，利用液流法反映蒸騰耗水情況是可行的。室外蒸騰日變化及

3、月際變化觀測表明，晴天、雨天和陰天的蒸騰啟動時間依次推遲，蒸騰速率的平均值晴天最高，雨天最低。這可能是因為晴天太陽輻射最強，葉片的氣孔開度較大，從而增加蒸騰；雨天的空氣濕度較大，葉片內(nèi)外的蒸氣壓梯度降低，降雨還促使葉片氣孔關(guān)閉，從而制約了蒸騰。樹木蒸騰啟動時間同樣隨著季節(jié)的推移而延遲，下降時間逐漸提前，且蒸騰最大值逐漸降低，這可能是因為太陽輻射強度的降低影響了葉片氣孔的開度，表現(xiàn)為蒸騰相應的發(fā)生變化。 環(huán)境因子與蒸騰速率的單因子

4、分析表明，氣溫、太陽總輻射、相對濕度和光合有效輻射與蒸騰的相關(guān)程度達到極顯著水平，其中相對濕度與蒸騰為顯著負相關(guān)；風速與蒸騰的相關(guān)程度最弱。多元線性回歸和逐步回歸在蒸騰預測中精度相當，回歸方程的決定系數(shù)均為0.897，但由蒸騰擬合的相對誤差可知，19：30以后逐步回歸模型的擬合精度降低，這可能是因為逐步回歸剔除了對蒸騰影響不顯著的環(huán)境因子，而隨著時間的推移，該因子在蒸騰影響中的作用逐漸增大，從而表現(xiàn)為模型預測精度降低。 主成分分

5、析采取降維處理技術(shù)，減少自變量信息的重疊和減少自變量的個數(shù)。由于影響蒸騰的環(huán)境因子較多且各因子之間存在不同程度的相關(guān)性，從而使得蒸騰的解釋變得復雜困難，因此該方法在蒸騰預測中具有一定的適用性。利用主成分分析構(gòu)造綜合環(huán)境影響因子，綜合環(huán)境影響因子與蒸騰的相關(guān)系數(shù)為0.872，達到極顯著水平。與多元線性回歸相比，主成分分析預測精度有所降低，但由于該模型自身的優(yōu)勢使得其在蒸騰預測中具有一定的適用性。 ARIMA為一種較好的時間序列分析

6、模型，由于蒸騰的發(fā)展變化具有內(nèi)在的規(guī)律性，因此可以把蒸騰過程視為一個時間序列。經(jīng)過反復調(diào)試，確定為ARIMA(1，1.3)模型，利用該模型擬合蒸騰速率，擬合值與觀測值回歸方程的決定系數(shù)達0.990，模型的預測精度較高。為了驗證ARIMA模型在蒸騰預測中的普適性，分別選取2006年9月23日和10月11日的蒸騰數(shù)據(jù)建立ARIMA模型，擬合值與觀測值的相關(guān)程度均達到極顯著水平，回歸方程的決定系數(shù)分別為0.977和0.633。模型預測精度有隨

7、時間推移逐漸降低的趨勢，這可能是因為太陽輻射強度的減少和其它環(huán)境因子對蒸騰影響的程度增加，使得蒸騰的規(guī)律性降低。利用BP人工神經(jīng)網(wǎng)絡建立蒸騰預測模型，擬合值與觀測值回歸方程的決定系數(shù)為0.958，相對誤差在±5％和±10％范圍內(nèi)的分別為48.529％和70.588％，模型的擬合精度較高。由于樹干、樹枝存在水容調(diào)節(jié)和水分從植物根部傳輸?shù)饺~片需要一定的時間，樹木蒸騰相對于環(huán)境因子存在一定的時滯。分別利用環(huán)境因子與蒸騰進行偏相關(guān)分析，結(jié)果表明