陆地和大气控制下的青藏高原生长季地表能量分配和蒸发比机制
地表能量平衡是气候系统的关键因素之一,对发生在地球表面附近的水文气象过程起调节作用。经典水文学定义了土壤湿度(SM)与蒸发比(EF)的耦合关系,提出主要蒸散机制(能量或水分限制)。然而,基于观测结果的分析表明,不同区域的EF-SM关系可能会因其它环境因素发生改变。这意味着经典的EF-SM关系中嵌入了更复杂的依赖性,实际情况中这种关系可能是一种多维函数。
针对以上问题,“西风-季风协同作用及其影响”任务“地气相互作用及其气候效应”专题中科院青藏高原研究所地气作用与气候效应团队采用多种分析算法,将研究区域划分为六个地表响应功能组,并将多维蒸发状态函数划分为由分段变量控制的分段函数。受地表能量平衡方程和水分、能量限制蒸发机制的启发,科研人员选择土壤湿度和净辐射通量分别表示水分和能量状态,选择叶面积指数表征植被覆盖,研究地表参数对能量分配和蒸发比的主要影响。
研究结果表明,以叶面积指数代替土壤湿度作为解释变量时,耦合强度提高1.8倍,但在回归树分析中,土壤湿度是最优先的解释变量。这与蒸发比的本质一致,表明水分可能是最基本的解释变量。由于植被受提取水分、光合作用、土壤遮荫和改变粗糙度等影响,蒸发机制从两个阶段细分为五个阶段,且每个阶段都有一个权威的解释变量。
以上研究成果以“Terrestrial and atmospheric controls on surface energy partitioning and evaporative fraction regimes over the Tibetan Plateau in the growing season”为题,发表在Journal of Geophysical Research: Atmospheres上,“西风-季风协同作用及其影响”任务中科院青藏高原研究所马耀明研究员为通讯作者,中科院青藏高原研究所与兰州大学联培的在读博士生杨晨义为第一作者。
全文链接:http://doi.org/10.1029/2021JD035011
图1 聚类分析得到的地表响应功能组
图2 整个研究区域的EF回归树。底部一行的箱型图为相应的叶子节点中的EF分布
图3 回归树中每个叶子节点的解释变量与响应变量的耦合。
解释变量分别为土壤湿度(A), 净辐射通量(B),土壤湿度(C)、叶面积指数(D)和土壤湿度。