作物水分胁迫指数模型中下限温度的参数化:以栓皮栎人工林为例OA北大核心CSTPCDMEDLINE

作物水分胁迫指数(CWSI)模型中的下限温度指水分充足时的冠层温度(T_(c))或冠气温差(dT),对模型量化植被水分状况精度有较大影响。目前,基于数据驱动方法直接估算下限温度已在大田作物中取得成功,但尚未见其在森林生态系统中的适用性报道。本研究以太行山南麓栓皮栎人工林为研究对象,连续同步观测T_(c)和气象数据,评估使用多元线性回归模型和BP神经网络模型估算下限温度的可行性,以及CWSI指示人工林水分状况的精度。结果表明:在不具备灌溉条件的森林生态系统中,将以土壤含水量、风速、净辐射、饱和水汽压差、气温作为输入参数的多元线性回归模型与BP神经网络模型中的土壤水分条件设为饱和,即可获得下限温度;将下限温度与理论公式确定的上限温度结合,对实测T_(c)或dT进行归一化获得CWSI,可实现对栓皮栎人工林水分状况的无损、快速、自动诊断。其中,基于BP神经网络模型确定的水分充足条件下的dT作为下限温度,并与上限温度结合获得CWSI,最适合精准量化人工林水分状况,与实测水分状况之间的决定系数、均方根误差和一致性指数分别为0.81、0.08和0.90。本研究结果可为森林生态系统水分状况的高效、精准监测提供参考方法。