LI-COR EC 应用案例 | 【GLOBAL CHANGE BIOL】将蒸散拆分为蒸发和蒸腾的新方法——以湿地生态系统为例

原文以 A novel approach to partitioning evapotranspiration into evaporation and transpiration

in flooded ecosystems 为标题发表在Global Change Biology上

作者: Elke Eichelmann等

翻译：李蓉、刘晓迪

校对：子毅

将涡度相关方法测量得到的蒸散（ET），准确拆分为蒸发量（E）和蒸腾量（T），将极大增进我们对生态系统水循环及其对气候变化响应的理解。

目前有一些拆分蒸散（ET）的方法，但多依赖基本假设，这使其难以得到广泛应用。

在蒸发量（E）占比大的区域，如湿地生态系统，拆分蒸散（ET）尤其困难。

本研究中，研究者们报告了一种拆分蒸散（ET）的新方法。该方法使用人工神经网络（Artificial Neural Networks，ANN），结合一系列环境输入变量，根据夜间蒸散（ET）的实测值，预测生态系统白天的蒸发量（E）。

研究区位于加州萨克拉门托-圣华金三角洲，研究者们根据4个恢复湿地的涡度相关通量数据，使用叶片水平的蒸腾量（T）进行了数据验证。

4个湿地差异较大：从具有大面积开阔水域的类型到植被非常稠密的类型，代表了一系列不同下垫面条件。

通过逐渐添加输入变量，人工神经网络ANN逐渐复杂，所有站点模型R²也逐渐增大。

变量重要性顺序为：水汽压亏缺（VPD）>插补后的感热通量（H_gf）>空气温度（Tair）>摩擦风速（u*）>其他变量。

研究者们共使用了36个人工神经网络。使用VPD、H_gf、Tair和u*的模型F11，显示所有站点的R²平均值为0.853。与包含所有10个变量的模型F36相比，F11在使用独立数据进行验证时表现更好。

与文献中描述的其他方法相比，人工神经网络ANN方法取得的拆分结果更加一致，尤其是在蒸发量（E）贡献较大的复杂站点。 

使用人工神经网络ANN方法，能较好的拆分生态系统蒸散（ET）。这种方法特别适合湿地等淹水类型的生态系统，提升了人们对全球水循环的理解。

LI-COR涡度相关通量观测系统在该研究中的作用

LI-COR涡度相关通量观测系统等

所有站点均使用LI-COR涡度相关通量观测系统测量H2O、CO2和显热通量。

在每个站点，涡度相关通量观测系统组成如下：LI-7500 或 LI-7500A开路式CO2/H2O气体分析仪（LI-COR Inc., Lincoln, NE, USA）、WindMaster或 WindMaster Pro三维超声风速仪（Gill Instruments Ltd, Lymington, Hampshire, England）。

超声温度、三维风速和CO2/H2O气体浓度测量数据通过LI-7550接口，存储在USB中，采样频率 20 Hz。

大约两周收集一次数据，同时进行仪器的日常维护和保养。

每3到6个月，开路式LI-7500/A CO2/H2O分析仪回到实验室校准一次。在个别站点，使用美洲通量网涡度相关通量测量参考系统，确认系统的性能。

所有数据筛选和处理均离线进行。对高频数据进行筛选和去除异常值后，使用定制软件MATLAB计算30 min的通量平均值。

每30 min对平均风进行一次旋转，并应用WPL校正，计算各种通量。根据摩擦风速(u∗)以及稳定性和湍流条件对通量数据进行筛选。

根据夜间CO2通量与u*无关的点，确定摩擦风速阈值，并在每个站点单独定义。阈值随季节变化，一般在0.12 ~ 0.2 m s^-1之间。

由于湿地地形狭窄，West Pond湿地的通量还要经过风向筛选，以确保通量足迹来源于感兴趣区。