基于最优气孔行为理论改进农田光合-蒸散耦合遥感过程模型及在全球尺度的模型参数优化与验证

Cropland provides the main food consumed by human beings. There are great scientific merits and practical uses to globally estimate cropland ET and productivity (gross primary productivity, GPP). Remote sensing (RS)-process models are the major approaches to estimating global ET and GPP. However, inaccurate estimates of the factors, reflecting the photosynthetic capacity and intermodulation relationship between stomata and photosynthesis, and incomplete mechanisms in recent RS-based approaches induced great uncertainties in estimated ET and GPP over the globe. With regard to the issues, we will develop a satellite-driven coupled photosynthesis-evapotranspiration simulator for crops (SCOPES-Crop) to simulate GPP and ET of global cropland more accurately. A mechanism-based stomatal conductance model based on the ‘optimal stomatal behavior theory’ will be used to couple the photosynthesis and evapotranspiration processes for more precisely describing the coupling relationship between the two processes. We will use flux data from eddy covariance flux towers, distributing globally, of maize, wheat, rice and soybean to optimize the RS-based approaches to estimating the spatial and temporal variations in the parameter g1, controlling the intermodulation relationship between photosynthesis and stomata, and the maximum carboxylation rate at 25℃, Vcmax,25. Finally, global eddy covariance flux data were used again to validate the optimized new model SCOPES-Crop with regard to ET and GPP simulations.

农田生态系统为人类提供主要食物来源，准确估算农田总初级生产力(GPP)和蒸散(ET)具有重要科学意义和应用价值。发展光合-蒸散遥感过程模型是估算全球尺度下农田GPP和ET的主要途径。针对目前遥感过程模型机理性不完善及对反映农作物光合能力和光合-气孔互调节关系的参数估算不准确的问题，本研究发展基于遥感-过程的农田光合-蒸散耦合模型(SCOPES-Crop)，SCOPES-Crop模型引入基于最优气孔行为理论的气孔导度模型耦合光合和蒸散过程，以准确描述光合-蒸散过程的耦合关系，实现更精确地估算全球尺度下农田GPP和ET。使用全球分布的玉米、小麦、水稻和大豆的通量站观测数据，优化SCOPES-Crop中的光合-气孔互调节参数g1和25℃时最大羧化率Vcmax,25的遥感估算方法，模拟g1和Vcmax,25随作物类型及时空的变化，并使用全球农田通量数据验证SCOPES-Crop模型的精度。

此前基于遥感的农田光合与蒸散模拟模型在光合-蒸散耦合关系表达、模型参数化和水分胁迫估计等方面不够准确，模拟的农田生态系统蒸散发（ET）和总初级生产力（GPP）存在较大误差。为此，本项目基于全球分布的农田通量观测数据，使用遥感、机器学习（ML）和基于最优气孔行为理论的Medlyn气孔导度模型开展了完善生态系统尺度ET和GPP耦合关系表达、用于农田ET和GPP模拟的光合-蒸散耦合模型（SCOPES-Crop）的构建、集成多因子模拟水分胁迫、光合-蒸散互调节参数（g1）与25℃最大羧化率（Vcmax,25）时空变化模拟方法的研究。完成这些研究后，本项目获得如下结果：1）考虑遥感地面信息可提升ET和GPP耦合关系表达的准确性（模型有效系数）约24% – 60%；2）基于遥感地表温度和能量平衡原理的物理模型模拟的ET可以有效反映极端干旱条件（作物生长季的降水量与潜在蒸散的比值低于0.4）下的地表水分胁迫；3）使用ML方法集成多因素可有效提升水分胁迫模拟的精度，使农田GPP和ET估算更准确；4）ML是模拟农田g1和Vcmax,25时空变化的有效方法，相比于使用常数g1和Vcmax,25，SCOPES-Crop使用ML估算的g1（ML-g1）和Vcmax,25（ML-Vcmax,25）可更准确模拟农田GPP和ET；其中，ML-g1可降低GPP和ET模拟的均方根误差约61%和22%，ML-Vcmax,25则显著减少了农作物生长季初期GPP被高估的问题。本项目的研究工作，从遥感应用的角度完善了生态系统尺度光合-蒸散耦合的理论关系表达，使用ML方法提升了农田水分胁迫、g1和Vcmax,25参数的模拟；研究成果可为准确模拟区域和全球尺度农田GPP和ET、实现全球粮食估产、农业水资源高效利用和节水灌溉等应用领域提供技术方法和科学依据。