论文部分内容阅读
树木蒸腾将土壤、植物和大气联系为一个整体,是陆地水分消耗的重要途径。研究树木蒸腾的动态变化及预测模型,不但能掌握树木蒸腾耗水规律、揭示环境因子对植物水分生理变化的影响,而且还可以利用环境因子参数预测树木蒸腾耗水量,为选择树种、合理规划林种配置、适时适量供水和节约用水提供科学的理论依据。本文利用基于热平衡原理的包裹式茎流测量系统和自动气象站测量了龙爪槐的蒸腾动态变化和同步微环境因子,利用单因子分析及多元线性回归、逐步回归、主成分分析、ARIMA和BP人工神经网络等模型对蒸腾预测模型进行了系统研究,分析了各种模型的预测精度:利用便携式光合作用测量系统测量了叶片蒸腾,分析了树木蒸腾、树枝液流和叶片蒸腾之间的关系;研究了蒸腾相对于环境因子的时滞,探讨了在考虑时滞条件下预测模型的精度变化。
室内仪器校正试验表明,利用液流法和称重法得到的树木蒸腾耗水量的相关系数为0.988,达到极显著水平,表明该仪器具有较高的测量精度,利用液流法反映蒸腾耗水情况是可行的。室外蒸腾日变化及月际变化观测表明,晴天、雨天和阴天的蒸腾启动时间依次推迟,蒸腾速率的平均值晴天最高,雨天最低。这可能是因为晴天太阳辐射最强,叶片的气孔开度较大,从而增加蒸腾;雨天的空气湿度较大,叶片内外的蒸气压梯度降低,降雨还促使叶片气孔关闭,从而制约了蒸腾。树木蒸腾启动时间同样随着季节的推移而延迟,下降时间逐渐提前,且蒸腾最大值逐渐降低,这可能是因为太阳辐射强度的降低影响了叶片气孔的开度,表现为蒸腾相应的发生变化。
环境因子与蒸腾速率的单因子分析表明,气温、太阳总辐射、相对湿度和光合有效辐射与蒸腾的相关程度达到极显著水平,其中相对湿度与蒸腾为显著负相关;风速与蒸腾的相关程度最弱。多元线性回归和逐步回归在蒸腾预测中精度相当,回归方程的决定系数均为0.897,但由蒸腾拟合的相对误差可知,19:30以后逐步回归模型的拟合精度降低,这可能是因为逐步回归剔除了对蒸腾影响不显著的环境因子,而随着时间的推移,该因子在蒸腾影响中的作用逐渐增大,从而表现为模型预测精度降低。
主成分分析采取降维处理技术,减少自变量信息的重叠和减少自变量的个数。由于影响蒸腾的环境因子较多且各因子之间存在不同程度的相关性,从而使得蒸腾的解释变得复杂困难,因此该方法在蒸腾预测中具有一定的适用性。利用主成分分析构造综合环境影响因子,综合环境影响因子与蒸腾的相关系数为0.872,达到极显著水平。与多元线性回归相比,主成分分析预测精度有所降低,但由于该模型自身的优势使得其在蒸腾预测中具有一定的适用性。
ARIMA为一种较好的时间序列分析模型,由于蒸腾的发展变化具有内在的规律性,因此可以把蒸腾过程视为一个时间序列。经过反复调试,确定为ARIMA(1,1.3)模型,利用该模型拟合蒸腾速率,拟合值与观测值回归方程的决定系数达0.990,模型的预测精度较高。为了验证ARIMA模型在蒸腾预测中的普适性,分别选取2006年9月23日和10月11日的蒸腾数据建立ARIMA模型,拟合值与观测值的相关程度均达到极显著水平,回归方程的决定系数分别为0.977和0.633。模型预测精度有随时间推移逐渐降低的趋势,这可能是因为太阳辐射强度的减少和其它环境因子对蒸腾影响的程度增加,使得蒸腾的规律性降低。利用BP人工神经网络建立蒸腾预测模型,拟合值与观测值回归方程的决定系数为0.958,相对误差在±5%和±10%范围内的分别为48.529%和70.588%,模型的拟合精度较高。由于树干、树枝存在水容调节和水分从植物根部传输到叶片需要一定的时间,树木蒸腾相对于环境因子存在一定的时滞。分别利用环境因子与蒸腾进行偏相关分析,结果表明,树木蒸腾相对于太阳总辐射、风速、相对湿度和光合有效辐射的时滞长度分别为10min、30 min、20 min和10min。在考虑蒸腾时滞的条件下,BP人工神经网络和主成分分析模型的蒸腾预测精度相对于不考虑时滞均有不同程度的提高,从而说明考虑时滞符合蒸腾的自然规律,可以提高蒸腾预测模型的拟合精度。