基于三維模型ENVI-met對黑河森林和北方森林的潛熱及顯熱通量模擬

朱宇頤，解濰嘉，黃華國

（北京林業大學 省部共建森林培育與保護教育部重點實驗室，北京100083）

森林是影響全球氣候變化的重要地表類型，其能量、動量、質量交換過程對區域氣候數值研究具有重要意義［1］。森林的三維結構，包括垂直結構和水平分布，是能量傳輸的載體，也是建立湍流模型的基礎。對垂直結構而言，下墊面各通量對生態系統能量貢獻可達53%；而冠層阻擋太陽輻射，具有蒸騰調控，對總通量也影響巨大［2］。目前，一維模型如陸面過程模式Noah LSM［3］和CLM［4］，認為地表水平均一，主要刻畫垂直結構。然而，森林地表的水平分布具有顯著的異質性，多數條件下一維的假設條件難以滿足，因此模擬精度不高。基于遙感圖像的通量反演，是研究森林水平結構區域通量的熱點［5－6］，但其本質仍然是一維的，并未考慮像元之間的交互，如平流效應。HE等［7］利用tRIBS＋VEGGIE二維模型模擬了冠層空間和土壤水分水平異質性對于森林蒸散的影響，但是該模型無法解決冠層立體結構對空間異質性尺度帶來的影響。目前，許多研究表明樹木冠層對雨水和蒸騰作用的攔截，造成土壤濕度不均，從而導致潛熱通量的差異［7］。不僅如此，樹冠光照和陰影對顯熱通量變化也有重要作用［8－9］，同時植被形態各異，空間分布不均等使陸面過程模式的參數化過程困難。而在流體力學領域，很多三維模式可以很好地解決復雜的空間異質性問題。因此，如果能引入流體力學領域的三維小氣候模型成果，如ENVI-met，用以研究具有復雜空間結構的森林通量，可以幫助評估一維模型的誤差，并提高模擬精度。ENVI-met是由三維主模型、土壤模型和一維邊界模型三者嵌套網格組成，其特點是能細致地模擬空間環境，被認為是目前室外熱環境領域最好的流體力學模擬軟件［10］。至今，該模型多運用于城市熱島效應和熱舒適研究［11－13］。運用于森林地表的研究只有零星報道。尚未發現ENVI-met在自然環境下對森林通量方面的模擬研究。鑒于此，本研究以中國黑河流域關灘森林和加拿大北方森林的通量塔觀測數據為基礎，對比ENVI-met模擬值，評估ENVI-met模擬森林通量效果的準確性，進而為高效地模擬地表能量流動和平衡提供理論基礎和技術支持。

1 ENVI-met模型

ENVI-met是由德國美因茲大學地理研究所的MICHAEL BRUSE等開發的三維微氣候軟件，能通過流體力學和熱力學計算模擬小尺度空間內地表-植被-大氣之間的相互作用。模擬環境氣候參數和熱量流動網格可細化到0.50 m，時間分辨率為1～10 s。ENVI-met是通過三維實體建立虛擬現實模型，子模型包括三維主模型、土壤模型及一維邊界模型，其中一維邊界模型會將三維模型邊界按比例擴展到2 500 m的大氣邊界層來保證模擬的準確性［15］。在ENVI-met 4中采用強迫邊界條件功能可以讓用戶實時輸入背景氣象參數。除此之外，植被也細分為樹種不同的具有3D結構的模型，植物根部的結構也進行三維模擬，細化下墊面和微環境的能量流動過程［16］。ENVI-met在通量模擬上的主要原理如下。

1.1 輻射通量方程

下行短波輻射和長波輻射通量通過二流估算模型和一些經驗公式結合計算［14］。在模型中植被輻射吸收模型采用了引入修正系數σ來擬合植被冠層能量傳輸結構：

以上4個系數依次描述了植被冠層短波輻射直射、短波輻射散射、向下長波輻射和向下長波輻射在冠層不同高度基于葉面積指數（LAI）的修正系數。式（1）～式（4）中：F為消光系數，L及L*是植被垂直結構中地表（z＝0）和冠層頂部（zp）的葉面積指數。ENVI-met是建筑熱環境軟件，其引入了天空可視系數σsvf，由于本研究只考察森林環境，不考慮建筑物的遮擋，所以令σsvf＝1，由此可推導出太陽長短波輻射通量計算公式：

式（5）～式（7）中：為模型頂部接收的短波直接輻射，為模型頂部接收的短波反射輻射。εf和εS為葉片和地表的發射率，和分別為葉面上下表面平均溫度及地表溫度。

1.2 地表能量平衡方程

地表能量平衡方程是主要的控制方程。模型地表瞬時湍流：

式（8）～式（10）中：k＝1時表明與地表相連的第一層，和為熱濕傳遞系數，q0為土壤第一層的水分含量。Rsw.net及Rlw.net分別為短波及長波凈輻射，cp為空氣比熱，L為氣化潛熱。及為地表熱流及水分流量，u*表示正切摩擦速度，θ*為熱差，q*為水分含量，因此可表示為地表顯熱通量H，為地表潛熱通量LE，G為土壤熱通量。

式（11）中：EBR為地表能量閉合率，Hi為顯熱通量，LEi為潛熱通量，Rni為凈輻射，Gi為土壤熱通量，t為時間。

2 材料和方法

2.1 研究區域及三維模型場景輸入

2.1.1 關灘森林站場 大野口關灘森林站（以下簡稱關灘站）位于黑河上游大野口子流域關灘陰坡的森林內（38.53°N，100.46°E），海拔高度為2 835.20 m。該地屬于青藏高原垂直結構氣候，年平均氣溫為2.8～7.6℃，年降水量為337.1 mm。林內主要是樹高15.00～20.00 m的青海云杉Picea crassifolia均勻分布，密度1 000株·hm－2（圖1A）。土壤以沙土為主，地面覆蓋有苔蘚，表層土壤含水量達66.24%。植被生長良好。渦動相關系統為Campbell開路式渦動相關通量觀測系統附加HMP45C溫濕度傳感器，架高為20.25 m，采集頻率為10 Hz。利用EdiRe軟件對原始湍流數據進行質量控制和WPL修正后作為驗證數據［17］。模型模擬場景（圖1B）設置網格尺寸為1 m×1 m×1 m，模擬區域場景大小為30 m×30 m。由于ENVI-met自然地表類型中只有壤土和沙土，不符合現實地表，所以綜合考慮選擇場景內隨機分布V（沙土）∶V（壤土）＝3∶1，更接近真實狀態。植被根據樣地立木平均形態選擇2 m×2 m網格BS樹木模型（樹高20.00 m，樹冠密集，冠層分明）。

圖1 關灘實驗區影像（A）和 ENVI-met模型場景視圖分布（B）Figure 1 GUANTAN experiment area image （A）and ENVI-met site scene modeling （B）

2.1.2 北方森林站場景 北方森林占全球森林總面積的29%，是世界上最大的生物群落［18－19］。本研究用于檢驗的數據來源于ORNL DAAC加拿大BOREAS項目南部研究區09號通量塔（以下簡稱北方森林）（53.99°N， 105.12°W）［20］， 海拔為 600.80 m， 年平均氣溫為 1.0～5.3℃。 該試驗區主要樹種為 10.00 m 高60年生的黑云杉Picea mariana，林木均勻分布（圖2A），冠層高度10.00～11.00 m，密度為500～600株·hm－2。土壤類型以沙土為主，地表覆蓋物為稀疏低矮草本。模型設置模型場景網格和大小同關灘站（圖2B），土壤設置為沙土。ENVI-met中在Biomet界面可以對不同樹種的形態進行調整，比如樹高、樹冠和不同層的葉面積指數等。加拿大地區黑云杉的樹高較青海云杉低，所以在Biomet中對T1樹種（樹高10.00 m，樹冠密集，葉少）進行編輯后采用2 m×2 m網格放設，50株均勻分布在場景內。通量塔數據經驗證符合地表能量守恒［21］。

圖2 ENVI-met北方森林試驗區場景（A）和ENVI-met模型場景視圖分布（B）Figure 2 Boreal forest experiment area image（A）and ENVI-met site scene modeling（B）

2.2 氣象塔數據及其預處理

關灘森林站微氣象塔高為24 m，在2，10和24 m高度上分別布設氣象傳感器，北部6 m處布設土壤溫濕傳感器［22］。其中通量塔數據由于儀器運行條件的不足導致部分數據缺失，采用查找表法根據已知的氣象數據對通量數據進行插補［23］。測試點分別選擇2010年春季5月1－10日、夏季7月21－30日、秋季9月20－29日共30 d數據進行模擬驗證，其中5月4日、7月28日、9月24日有降水。圖3為關灘氣象站具體氣象數據。

圖3 關灘氣象站2 m處氣溫和相對濕度Figure 3 Air temperature and relative humidity from the 2 m Guantan forest meteorological station

2.3 模型參數輸入

模擬起始時間為當日0：00，共模擬24 h，模擬間隔為30 min，數據輸出時間為1 h。模型輸入的2 m處氣溫和相對濕度根據氣象站數據設置日變化，風向按當日發生頻率最高值。以關灘森林站2010年7月27日為例具體參數輸入如表1。

表1 ENVI-met輸入參數（以關灘森林站2010年7月27日為例）Table 1 Input parameter in ENVI-met（Eg.Guantan forest on 2010-07-27）

2.4 不同空間分布格局場景模擬

隨機分布、均勻分布和聚集分布為典型的3種森林水平分布形式，為探究森林極端空間分布模式對區域總通量的影響和模型對水平異質性的敏感程度，本研究采用均勻分布和團狀分布2種極端的空間分布模式來模擬夏季森林顯熱通量和潛熱通量。場景土壤設置為壤土，植被采用自定義樹木模型ZY（樹高為10.00 m，冠幅3.00 m，根系深度2.86 m，根系總直徑1.00 m），如圖4A所示。場景內設立90株，分布狀態分別為均勻分布（圖4B）和團狀分布（圖4C）。

圖4 Albero中單木（樹冠與根系分布）3D視圖（A），均勻分布場景視圖（B）和團狀分布場景視圖（C）Figure 4 3D single tree view in Albero model with crown and root（A）,uniform distributions （B）,clumped distribution （C）

2.5 能量收支平衡模擬

能量平衡閉合是地氣交換的基本原理。根據能量和物質平衡基本定律，地表可用能量，即凈輻射與土壤熱通量之差（包括植被冠層熱儲存量），應等于湍流通量［24］。但是，由于自然界中能量耗散，且測量手段限制，存在能量不閉合問題。本研究利用三維模型連續模擬2010年7月20日至29日近地面能量閉合情況，探究模型模擬能量閉合能力，設置近地面可利用能量為A，湍流通量為B。

式（12）和式（13）中：Rn為凈輻射，G為土壤熱通量，H為顯熱通量，LE為潛熱通量。

2.6 驗證方法

為了表明模型對實測值的反映情況，通過有效性驗證（validation）對觀測數據和模型預測數據進行定量比較［25］。目前有效性驗證方法很多，本研究結合通量數據觀測特點，選擇擬合度驗證法進行模型模擬能力評估：①回歸分析：應用線性回歸法建立實測值和模擬值的回歸方程（假設模擬值和實測值為獨立變量），利用相關系數R2判斷線性相關程度，并對回歸系數進行假設檢驗判斷有無統計學意義。②偏差分析：通常采用均方根誤差 （RMSE）作為模擬數據和實測數據偏差的檢驗標準。均方根誤差的計算公式如下：

式（14）中：RMSE為均方根誤差，xi為實測值，yi為模擬值，n為樣本量，y為模擬平均值。③模型精度：為驗證模型模擬精度，采用Nash-Sutcliffe效率系數［26］（Nash-Sutcliffe coefficient of efficiency,NS）評判模擬值與觀測值之間的方差與觀測方差的差異程度，如果觀測值與實測值較為接近，且NS值趨于1，模擬精度越高。計算公式為：

2.7 敏感性分析

參考文獻［3］利用敏感度絕對值驗證模型敏感性的方法，對ENVI-met模型輸入參數進行敏感性分析。氣象參數：土壤濕度、土壤溫度、2 m處空氣相對濕度、風速、風向，由于ENVI-met模型對于下墊面的組成結構需要較為準確的輸入，所以對土壤沙壤比也進行敏感性分析，考察場景參數對模型的影響程度。將5個參數選為敏感性參數，變化范圍為－50%～50%，對顯熱通量和潛熱通量進行模擬。并以參照日11：00通量模擬結果與改變參數后模擬結果11：00的通量值進行計算，分別得到顯熱通量的敏感度絕對值（absolute value of sensitive）和潛熱通量的敏感度絕對值。

3 結果與分析

3.1 不同季節的通量模擬

不同生長季通量模擬值與實測值的線性回歸分析如圖5所示。實測值來看，顯熱通量表現出春季最大秋季最小，日平均值分別為103.15和45.84 W·m－2；潛熱通量在夏季最大，秋季最小，日平均值分別為83.10和33.12 W·m－2；太陽短波輻射夏季最大。從模擬效果看，模型模擬結果與實測值基本一致，顯熱通量日平均值從高到底分別為春季（109.73 W·m－2）， 夏季（78.35 W·m－2）， 秋季（70.53 W·m－2）。 對比擬合線與參考線，顯熱通量春季和夏季擬合方程與1∶1參考線較為接近，但高估秋季顯熱通量。這可能是由于春季近地面可利用能量耗散的主要形式是顯熱通量。

潛熱通量日平均模擬值也表現出夏季最大（95.79 W·m－2）秋季最小（42.10 W·m－2）的特點，這與實測情況一致。在夏季由于降水多，氣溫高，空氣濕度增大，水汽蒸散作用強烈，潛熱通量高于春季和秋季。太陽短波輻射是地面凈輻射的主要來源，模型模擬值和實測值較吻合，其中夏季太陽輻射最大，實測日平均值可達 702.00 W·m－2， 模擬值為 577.00 W·m－2。

從模擬有效性上可見（表2），模型在太陽短波輻射方面模擬效果最佳，決定系數為0.86，RMSE也最高，為164.81 W·m－2。偏差是由于模擬時段中包含陰天，且短波太陽輻射平均值較大，RMSE對其較為敏感造成的。其次是顯熱通量（R2＝0.71），潛熱通量模擬效果最差（R2＝0.56）。此外，由于季節分析只剔除了降雨日數據，沒有剔除多云數據，模型對太陽短波輻射模擬效果具有一定的低估。從NS值來看，模型對顯熱通量、潛熱通量和太陽短波輻射的模擬精度分別為0.68，0.63和0.80，均為正值，能夠解釋60%以上的原始數據。由此表明，模型對能量的模擬能力較強，平均精度可達70%。

圖5 關灘森林站2010年生長季ENVI-met模型模擬值與實測值比較Figure 5 Comparison between the observed and stimulated data by ENVI-met at Guantan station in 2010

3.2 不同站點的通量模擬

由圖6可見：ENVI-met能較好地再現具有不同氣候條件和土壤類型的地區顯熱通量日變化特點。關灘森林顯熱通量日平均實測值 （模擬值）為90.18（82.48）W·m－2（圖 6A）， 日平均潛熱通量實測值（模擬值）為 68.97（64.54） W·m－2。 關灘站通量實測值在中午（10：00－15：00）并未出現較為明顯的峰值，數據波動可能是由于瞬時風或儀器不穩定造成，但模型能夠表現出其平均趨勢。下午時段（15：00－19：00）模型低估潛熱通量44.40%。通過輸出模型土壤層數據（未列出），發現土壤含水量在下午時段較低，導致蒸騰作用減少。而關灘森林林下植被豐富，根系密集對土壤保水能力強，持續蒸騰時間長。這說明需細化對地表覆蓋物模擬。

北方森林湍流通量都為單峰曲線，模擬結果能準確地再現峰值時間（圖6B）。顯熱通量日平均實測值（模擬值）為154.19（157.75）W·m－2，模擬日變化結果與實測值較為吻合，除正午12：00，模型對實測值稍有低估。北方森林潛熱通量峰值為250.23 W·m－2，與模擬值相差23.00 W·m－2。日平均潛熱通量實測值和模擬值分別為78.47和80.32 W·m－2，模擬值在夜間略高于實測值20.00 W·m－2。模型對北方森林通量估算較為準確。

表2 模擬值與實測值模擬效果評價指數Table 2 Assessment indexes between the simulated and observed values

圖6 不同地區顯熱通量（H）與潛熱通量（LE）模擬值與實測值比較Figure 6 Comparison of sensible heat flux （H） and latent heat flux （LE） between the observed and stimulated data by ENVI-met at boreal and Guantan station

3.3 能量收支平衡

由圖7可見：地面可利用能量模型在上午的上升和下降階段模擬結果較好，符合日變化趨勢，但是模型對能量A產生70.00 W·m－2左右的高估，且正午模型模擬能量A值較實測值偏高300.00 W·m－2左右。這是由于夜間地面長波輻射量占主要部分，模型模擬地面向上長波輻射偏高，中午能量以向下短波輻射為主，模型模擬向下短波輻射較實測值偏低200.00 W·m－2。除此之外，由于關灘站地表除青海云杉以外還覆蓋苔蘚，土壤熱通量所占能量比例低，夏季土壤熱通量僅占凈輻射的0.3%，然而ENVI-met場景布設并沒有考慮地表覆蓋物的情況，所以導致太陽輻射出現后土壤熱通量模擬值比實測值偏高100.00 W·m－2左右。

圖7 2010年7月20日至7月29日關灘森林站地表能量平衡模擬值和實測值Figure 7 Simulated and observed surface flux energy balance from Guantan station between 20 July and 29 July in 2010

模型對顯潛熱通量之和模擬情況較好（圖7B），基本能夠模擬出湍流通量日變化特征，模擬相關系數R2為0.90，RMSE為83.58 W·m－2。模擬值與實測值基本一致，但是模型在中午高估實測湍流通量值，是由于模型高估了潛熱通量導致誤差。兩者日差值最大在7月21日，這是由降雨造成的。通過計算關灘站夏季實測值地表能量閉合率EBR為66.4%，模擬值EBR為92.9%。ENVI-met模型能量閉合情況較好但不完全閉合，可能是模型沒有考慮土壤淺層熱量儲存問題。

3.4 模型敏感性分析

圖8可以看出：模型的通量模擬中對氣象參數土壤溫度、2 m處空氣相對濕度、風速、風向在－50%～50%區間變化的敏感度絕對值都低于1，以上4種參數對模型通量模擬影響不大。但是土壤濕度和場景中下墊面沙土壤土的比例對通量模擬的影響較大，特別是土壤濕度在30%時，模型模擬顯熱通量和潛熱通量都對其敏感度最高，分別為2.88和3.88。總體上在土壤沙壤比與土壤濕度變化范圍一致的情況下，模型潛熱通量的敏感度范圍較顯熱通量大，認為潛熱通量較顯熱通量對土壤濕度和沙壤比更為敏感。

圖8 ENVI-met參數敏感度變化Figure 8 Variation of sensitivity of ENVI-met parameters

3.5 空間格局對模型模擬結果的影響

不同林木空間分布格局下近地面太陽凈輻射、顯熱通量、潛熱通量模擬結果如圖9所示（7月24日14：00）。輻射異質性是定量描述水平尺度湍流斑塊的關鍵，它直接影響區域能量流動的變化幅度［9］。太陽凈輻射由于樹冠的遮擋散射在均勻分布林內地面（紅色方框內）形成輻射值不同的光斑，且在東側形成寬度為2 m的陰影，林內平均太陽凈輻射通量為375.14 W·m－2，輻射透過率為40%。森林團狀分布下林木排列均勻無間隙，林內沒有太陽輻射直接進入，而是通過樹冠折射和散射到達地面，平均太陽凈輻射通量為182.19 W·m－2，輻射通過率為20%。

顯熱通量方面，林內顯熱通量水平分布狀態與輻射分布有較好的一致性，均勻場景內斑塊狀分布，團狀場景內顯熱通量較為均勻，且為場景內最低。隨著太陽高度角變化，樹冠陰影在林緣區域14：00偏東。陰影遮擋部分的顯熱通量值低于西面地表暴露區域。森林團狀分布林緣顯熱通量較林內高，但明顯低于無立木區域。西面顯熱通量低于東面，且由內而外逐漸增大?？梢钥闯霾⒉皇怯捎谔栞椛渲苯訉е碌?，原因一方面可能是上午西面為樹冠陰影，空氣溫度低，升溫需要一段時間。另一方面根系對土壤水分有固定作用，且根系分布由林分內到外逐漸減少，保水能力也依次減弱，所以地表顯熱通量的敏感程度有一定差異。

潛熱通量方面，森林均勻分布條件下林內水分狀態良好，空氣濕度大，有太陽輻射進入的像元潛熱通量值較高，林緣東面由于上午受到太陽直射蒸騰大，地表濕度低，且下午有陰影遮擋缺少蒸騰動力，在場景中潛熱通量值最低。西面受到太陽直射，蒸騰強烈潛熱通量最高。團狀分布下林內太陽輻射小，近地面潛熱通量小，林緣陰影區域潛熱通量小于光照區域，西面也有由內而外潛熱通量增大趨勢，可能是由于植被根系對土壤水分蒸騰的攔截作用使靠近林內的地表水分高于外側，太陽輻射使水分狀態較好的區域蒸騰大。

模型對不同森林空間分布格局顯熱通量與潛熱通量的模擬結果如圖10所示。由于太陽輻射是引起能量變化的主要因素，所以只取日照時段分析?？梢钥闯觯壕鶆蚍植己蛨F狀分布在能量峰值方面造成很大差異，團狀分布下顯熱通量峰值高于均勻分布155.52 W·m－2，日變化幅度分別為254.33和100.19 W·m－2。潛熱通量團狀分布峰值與均勻分布相差110.58 W·m－2，日變化幅度分別為388.03和276.56 W·m－2。團狀分布下顯熱通量和潛熱通量峰值都高于均勻分布，日變化幅度也大于均勻分布。從日變化趨勢來看，團狀分布對太陽輻射引起的通量日變化反映更劇烈，隨時間變化，能量上升和下降過程迅速。均勻分布下能量日變化幅度較為平緩。

圖9 ENVI-met 14：00通量模擬結果Figure 9 ENVI-met energy flux simulation results at 14:00

4 結論與討論

陸-氣能量交換是研究區域生態環境乃至氣候變化的基礎。陸面過程模式為在地表類型一致情況下模擬通量交換的首選，但是由于植被形態各異，空間分布不均等使陸面過程模式的參數化過程困難［27］。本研究利用小氣候三維模型ENVI-met對森林地表能量流動進行模擬，探究三維模型對森林空間結構通量的模擬能力。利用黑河關灘森林以及北方森林地區森林實測通量數據進行模擬驗證，并對黑河地表通量日變化和季節變化特征進行分析。此外，還探究了空間異質對模型的影響對地表能量平衡和模型敏感性進行了分析。主要結論如下：①ENVI-met模型在春季對顯熱通量模擬最佳，在夏季模擬潛熱通量的效果較好，表明模型在不同季節對占主導地位的能量解釋能力較強，這一點與蔡福等［27］的研究結果一致。在模擬短波輻射方面，模擬值對實測值解釋能力為80%。由模型在不同季節模擬結果可以看出，模型在模擬顯熱通量與太陽輻射的能力較強，且可以很好地反映季節變化規律。②模型可以較好地模擬出北方森林和關灘森林顯熱通量和潛熱通量的日變化趨勢。但是在關灘森林下午時段潛熱通量模擬值偏低，有可能是模擬潛熱通量峰值提前。有研究表明，在凈輻射一定情況下，潛熱通量與地表氣溫、地表濕度、相對濕度顯著相關，峰值出現的時間也與深層水含量有極大關系［28－29］。所以這種結果可能是因為，一方面，模型中添加土壤類型的模塊尚未開發完整，導致非單一土壤類型區域的通量模擬有較大誤差。另一方面，模擬關灘林下植被較為簡單，與土壤之間的水分流動不夠細化造成土壤持水力弱，上午蒸騰強烈導致下午土壤相對缺水，蒸騰弱。由此可見，三維模型雖然對通量具有一定的模擬能力，但是其三維模型庫需要較為多種的，且具有精確參數植被。③在湍流能量（H＋LE）的模擬方面模擬值接近于實測值，但是在可利用能量方面模型造成低估，模擬地表能量閉合率EBR為92.9%。若不考慮原數據實測值閉合率較低的情況，模型可以較好地估算地表可用能量（Rn－G）。LIU等［30］指出顯熱通量與潛熱通量分配比例受地表植被特點的影響較大。綜上所述，模型在顯熱通量和潛熱通量方面造成的誤差是由于模型在模擬復雜自然場景，特別是復雜地表的能力有限，造成凈輻射分配不合理造成的。④對ENVI-met模型通量模擬敏感度分析，發現模型對地表類型和土壤濕度較為敏感，而對風速、風向、空氣濕度、土壤溫度不敏感。這與LARSEN等［31］的研究結果一致，地表土壤類型決定了地下可利用水量，而這是能量傳輸的關鍵?？梢钥闯鲈谕磕M方面，準確的地表參數對模型參數輸入極為重要。⑤森林分布方式不同對通量模擬有較大影響，實質上是由于不同的空間分布方式造成植被在地面投影面積不同，導致地表利用太陽輻射能量的方式不同［7,32］。團狀聚集分布由于在地面造成陰影面積比均勻分布情況小，地表升溫速度相對快，顯熱通量對空間異質較為敏感。而水平空間異質性對潛熱通量在土壤水分條件較好的森林影響不大［7］。由此可見，三維模型可以更為準確地模擬包含空間信息的地表通量。

圖10 不同分布格局顯熱通量（H）與潛熱通量（LE）模擬結果Figure 10 Simulated result of sensible heat flux（H）and latent heat flux （LE） in different distribution pattern

ENVI-met模型不僅能夠定性的描述森林分布狀態對地表能量交換方式的影響，也能夠通過像元值輸出定量地表現森林空間異質性在森林通量方面的差異。引入具有較強空間三維模擬能力的小氣候三維模型可以改善空間異質性對實驗結果的誤差，對具有不同結構的空間都能進行較為合理的參數化。將來還需進一步加強對其他不同森林類型和站點的模擬分析，定量評價水平異質性帶來的誤差。

5 參考文獻

［1］田國良，徐興奎，柳欽火.用于地表能量交換的動態地表特征模式［J］.遙感學報，2000，4（增刊）：121－128.TIAN Guoliang,XU Xingkui,LIU Qinhuo.Model of dynamic land surface feature for energy exchange of land surface［J］.J Remote Sens,2000,4（suppl）:121 － 128.

［2］IKAWA H,NAKAI T,BUSEY R C,et al.Understory CO2,sensible heat,and latent heat fluxes in a black spruce forest in interior Alaska ［J］.Agric For Meteorol,2015,214/215（8）:80 － 90.

［3］ROSERO E,YANG Zongliang,WAGENER T,et al.Quantifying parameter sensitivity,interaction,and transferability in hydrologically enhanced versions of the Noah land surface model over transition zones during the warm season［J］.J Geophys Res Atmosph,2010,115（D3）:315 － 317.

［4］SHRESTHA P,SULIS M,MASBOU M,et al.A Scale-consistent terrestrial systems modeling platform based on COSMO,CLM,and ParFlow ［J］.Mon Weather Rev,2014,142（9）:3466 － 3483.

［5］ROERINK G J,SU Z,MENENTI M.S-SEBI:a simple remote sensing algorithm to estimate the surface energy balance［J］.Phys Chem Earth Part B Hydrol Oceans Atmosph,2000,25（2）:147 － 157.

［6］ZHANG Yulong,SONG Conghe,SUN Ge,et al.Development of a coupled carbon and water model for estimating global gross primary productivity and evapotranspiration based on eddy flux and remote sensing data ［J］.Agric For Meteorol,2016,223（4）:116 － 131.

［7］HE Lingli,IVANOV V Y,BOHRER G,et al.Effects of fine-scale soil moisture and canopy heterogeneity on energy and water fluxes in a northern temperate mixed forest［J］.Agric For Meteorol,2014,184（1）:243 － 256.

［8］PARKER G G,HARMON M E,LEFSKY M A,et al.Three-dimensional structure of an old-growth Pseudotsuga-Tsuga canopy and its implications for radiation balance,microclimate,and gas exchange ［J］.Ecosystems,2004,7（5）:440 －453.

［9］BALDOCCHI D D,LAW B E,ANTHONI P M.On measuring and modeling energy fluxes above the floor of a homogeneous and heterogeneous conifer forest［J］.Agric For Meteorol,2000,102（2/3）:187 － 206.

［10］詹慧娟，解濰嘉，孫浩，等.應用ENVI-met模型模擬三維植被場景溫度分布［J］.北京林業大學學報，2014， 36（4）： 64 － 74.ZHAN Huijuan,XIE Weijia,SUN Hao,et al.Using ENVI-met to simulate 3D temperature distribution in vegetated scenes ［J］.J Beijing For Univ,2014,36（4）:64 － 74.

［11］AMBROSINI D,GALLI G,MANCINI B,et al.Evaluating mitigation effects of urban heat islands in a historical small center with the ENVI-Met（R） climate model［J］.Sustainability,2014,6（10）:7013 － 7029.

［12］MAGGIOTTO G,BUCCOLIERI R,SANTO M A,et al.Study of the urban heat island in Lecce （Italy） by means of ADMS and ENVI-MET ［J］.Int J Environ Pollut,2014,55（1/4）:41 － 49.

［13］陳卓倫.綠化體系對濕熱地區建筑組團室外熱環境影響研究［D］.廣州：華南理工大學，2010.CHEN Zhuolun.Research of Vegetation System’s Effects on Outdoor Thermal Environment of Residential Communities in Hot-humid Climate ［D］.Guangzhou:South China University of Technology,2010.

［14］BRUSE M,FLEER H.Simulating surface-plant-air interactions inside urban environments with a three dimensional numerical model［J］.Environ Model Softw,1998,13（3/4）:373 － 384.

［15］SIMON H.Modeling Urban Microclimate:Development,Implementation and Evaluation of New and Improved Calculation Methods for the Urban Microclimate Model ENVI-met［D］.Mainz:Johannes Gutenberg-Universit?t,2016.

［16］張智慧，王維真，馬明國，等.黑河綜合遙感聯合試驗渦動相關通量數據處理及產品分析黑河綜合遙感聯合試驗渦動相關通量數據處理及產品分析［J］.遙感技術與應用，2010，25（6）：788－796.ZHANG Zhihui,WANG Weizhen,MA Mingguo,et al.Data processing and product analysis of eddy covariance flux data for WATER ［J］.Rem Sens Technol Appl,2010,25（6）:788 － 796.

［17］ROUJEAN J L.Shortwave radiation transfer of conifer boreal forests during BPREAS:results of measurement and modeling ［J］.J Rem Sens,1997,102（D10）:11201 － 11218.

［18］PRUITT W.Taiga biological station frequently answered questions ［EB/OL］.2001-01-27〔2010-03-23〕.http://www.wilds.mb.ca/taiga/tbsfaq.html.

［19］HALL F G,HUEMMRICH K,MASSHEDER J M,et al.BOREAS TF-09 SSA-OBS Tower Flux,Meteorological,and Soil Temperature Data ［R］.Greenbelt:NASA Goddard Space Flight Center,2000:1 － 30.

［20］PATTEY E,DESJARDINS R L,St-AMOUR G.Mass and energy exchanges over a black spruce forest during key periods of BOREAS 1994 ［J］.J Geophys Res Atmos,1997,102（D24）:28967 － 28975.

［21］黃廣輝，馬明國，譚俊磊，等.黑河綜合遙感聯合試驗自動氣象站數據質量控制與產品生成［J］.遙感技術與應用， 2010， 25（6）： 814 － 820.HUANG Guanghui,MA Mingguo,TAN Junlei,et al.Data quality control and products of automatic weather stations for watershed allied telemetry experimental research ［J］.Rem Sens Technol Appl,2010,25（6）:814 － 820.

［22］FALGE E,BALDOCCHI D,OLSON R,et al.Gap filling strategies for defensible annual sums of net ecosystem exchange ［J］.Agric For Meteorol,2001,107（1）:43 － 69.

［23］WILSON K,GOLDSTEIN A,FALGE E,et al.Energy balance closure at FLUXNET sites ［J］.Agric For Meteorol,2002,113（1）:223 － 243.

［24］徐崇剛，胡遠滿，姜艷，等.空間直觀景觀模型的驗證方法［J］.生態學雜志，2003，22（6）：127－131.XU Chonggang,HU Yuanman,JIANG Yan,et al.Validation of spatially explicit landscape model ［J］.Chin J Ecol,2003,22（6）:127 － 131.

［25］GORDON W S.Climate Change,Hydrology,and Ecological Models:Intercomparison and Validation ［D］.Austin:U-niversity of Texas,2003.

［26］井長青，安沙舟.CoLM陸面模式對中亞干旱荒漠草地生態系統陸面過程的數值模擬［J］.草業學報，2017， 26（3）： 13 － 32.JING Changqing,AN Shazhou.Simulation analysis of land surface processes in central Asian desert grassland ecosystems using CoLM ［J］.Acta Pratac Sin,2017,26（3）:13 － 32.

［27］蔡福，明惠青，李榮平，等.動態空氣動力學參數對玉米田陸-氣通量模擬的影響：以BATSle模型為例［J］.應用生態學報， 2013， 24（8）： 2265－2273.CAI Fu,MING Huiqing,LI Rongping,et al.Effects of dynamic aerodynamic parameters on simulating the land-atmosphere flux ex-change in maize field:a case study of BATSle model ［J］.Chin J Appl Ecol,2013,24（8）:2265 －2273.

［28］賀有為，王秋兵，溫學發，等.季節性干旱對中亞熱帶人工林顯熱和潛熱通量日變化的影響［J］.生態學報，2011， 31（11）： 3069 － 3081.HE Youwei,WANG Qiubin,WEN Xuefa,et al.The diurnal trends of sensible and latent heat fluxes of a subtropical evergreen coniferous plantation subjected to seasonal drought［J］.Acta Ecol Sin,2011,31（11）:3069 － 3081.

［29］賀俊杰.典型草原區草地潛熱通量特征［J］.中國農學通報，2014，30（26）：195－199.HE Junjie.Characteristic of latent heat flux in typical steppe ［J］.Chin Agric Sci Bull,2014,30（6）:195 － 199.

［30］LIU Shaomin,XU Ziwei,WANG Weizhen,et al.Measurements of energy and water vapor fluxes over different surfaces in the Heihe River Basin,China ［J］.Hydrol Earth Syst Sci Dis,2010,7（6）:8741 － 8780.

［31］LARSEN M A D,REFSGAARD J C,JENSEN K H,et al.Calibration of a distributed hydrology and land surface model using energy flux measurements ［J］.Agric For Meteorol,2016,217（11）:74 － 88.

［32］COLAIZZI P D,EVETT S R,AGAM N,et al.Soil heat flux calculation for sunlit and shaded surfaces under row crops:2.model test［J］.Agric For Meteorol,2016,216（1）:129 － 140.