基于改進(jìn)S-W與結(jié)構(gòu)方程模型的干旱區(qū)棗園蒸散特征分析

喬 英 馬英杰 辛明亮

(1.新疆農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院， 烏魯木齊 830052； 2.新疆理工學(xué)院建筑工程學(xué)院， 阿克蘇 843100)

0 引言

干旱、半干旱區(qū)占全球陸地面積的15%左右[1-2]，我國干旱、半干旱區(qū)占國土面積的40%左右[3]。在干旱環(huán)境系統(tǒng)中能量和物質(zhì)平衡處于一種脆弱的平衡態(tài)[3]，該區(qū)域是氣候變化的敏感帶。干旱區(qū)農(nóng)業(yè)離不開灌溉，干旱區(qū)的農(nóng)業(yè)用水量約占總用水量的90%[4]，但是灌溉用水90%以上用于蒸散(Evapotranspiration，ET)[5]。因此，準(zhǔn)確測量及估算干旱區(qū)農(nóng)作物的蒸散量及其組分(土壤蒸發(fā)量和植株蒸騰量)對農(nóng)業(yè)節(jié)水、生態(tài)環(huán)境保護(hù)具有重要意義[6]。

蒸散量的測定需要較為昂貴的實驗設(shè)備及專業(yè)人員的長期維護(hù)，其人力、物力成本均較高[7-8]。數(shù)學(xué)模擬估算是很好的解決途徑[9-10]。SHUTTLEWORTH等[11]在Penman-Monteith模型(P-M)基礎(chǔ)上建立了雙源耦合Shuttleworth-Wallace(S-W)模型，相較于P-M模型，S-W模型可區(qū)分土壤蒸發(fā)量(Soil evaporation，E)和植株蒸騰量(Plant transpiration，T)[12]，而改進(jìn)的S-W模型可解決估算冠層氣孔導(dǎo)度的問題[13]，在站點或生態(tài)系統(tǒng)尺度上能很好地估算和分離E、T[13-14]。但改進(jìn)的S-W模型未在干旱區(qū)人工經(jīng)濟(jì)林應(yīng)用中得到驗證，而且模型各因子之間的關(guān)系有待進(jìn)一步研究。

以往研究大多是通過比較兩因子之間的決定系數(shù)[15-16]，或者利用多元回歸等傳統(tǒng)統(tǒng)計方法[14]來分析蒸散的主要影響因子，這些方法只能給出單個自變量對因變量的凈影響，而忽略了自變量之間的相關(guān)關(guān)系[17]，會導(dǎo)致研究結(jié)果不一致甚至完全相反[18]。結(jié)構(gòu)方程模型(SEM)是一種整合了因素分析與路徑分析的多變量統(tǒng)計方法[19]，可同時發(fā)掘研究系統(tǒng)中多個因子之間潛在的、相互影響的關(guān)系[20]。近些年，SEM被廣泛應(yīng)用于社會經(jīng)濟(jì)學(xué)和生態(tài)學(xué)領(lǐng)域中[21]，但是在農(nóng)業(yè)水土方面的應(yīng)用較少。渦度相關(guān)系統(tǒng)和莖流計測定的數(shù)據(jù)已成為檢驗各種模型模擬或估算精度的標(biāo)準(zhǔn)[22-23]。本文使用2年渦度相關(guān)系統(tǒng)與莖流計驗證S-W模型在干旱區(qū)棗園的適用性，并利用SEM分析土壤蒸發(fā)、植株蒸騰與測量因子之間的關(guān)系，以探討土壤蒸發(fā)、植株蒸騰的控制機(jī)制，以期為農(nóng)業(yè)節(jié)水提供參考依據(jù)。

1 材料與方法

1.1 S-W模型

1.1.1模型簡介

S-W模型將植被和土壤視為兩個獨立卻又相互作用的水汽源，總水汽源可用潛熱通量λET表示為[11]

λET=λT+λE=CCPC+CSPS

(1)

其中

(2)

(3)

(4)

(5)

(6)

(7)

(8)

式中ET——模擬蒸散量，mm/d

λ——水的汽化潛熱，MJ/kg

PC——模擬植株蒸騰量，mm/d

PS——模擬土壤蒸發(fā)量，mm/d

CC——植株蒸騰的比例系數(shù)

CS——土壤蒸發(fā)的比例系數(shù)

Δ——飽和水氣壓與溫度關(guān)系曲線的斜率，kPa/K

cp——空氣定壓比熱容，取1.013×10-3J/(kg·K)

R——冠層以上可用輸入能量，MJ/(m2·d)

RS——土壤表面以上可用輸入能量，MJ/(m2·d)

D——飽和水氣壓差，kPa

ρ——空氣密度，kg/m3

γ——濕度計常數(shù)，kPa/K

ρc、ρa(bǔ)、ρs——中間變量

(9)

式中Pn——凈光合速率，μmol/(m2·s)

hs——葉表面相對濕度，%

Cs——葉片表面CO2質(zhì)量濃度，mg/m3

a1、g0——需要率定和驗證的經(jīng)驗參數(shù)

(10)

式中θs——土壤飽和含水率，m3/m3

θ——土壤實際含水率，m3/m3

b1——經(jīng)驗參數(shù)，取3.5

b2、b3——需要率定和驗證的經(jīng)驗參數(shù)

綜上，S-W模型中需要率定的參數(shù)為a1、g0、b2、b3。

1.1.2模型參數(shù)率定

使用蒙特卡洛方法率定S-W模型參數(shù)，具體參照文獻(xiàn)[13]，計算步驟為：①根據(jù)前人研究結(jié)果，每個參數(shù)選定一個大致區(qū)間。②將給定的參數(shù)區(qū)間等步長分成10 000份并設(shè)置成均勻分布，從參數(shù)集中隨機(jī)抽樣10 000次進(jìn)行模擬。③用線性回歸函數(shù)y=kx及決定系數(shù)R2比較所有模擬結(jié)果和實測值。④根據(jù)k及R2縮小參數(shù)范圍，重復(fù)步驟②、③，選出20個最優(yōu)參數(shù)(k及R2最接近1的參數(shù))，假設(shè)這20個參數(shù)的建模性能相同，求其平均值作為最佳擬合參數(shù)。

1.1.3模型模擬評價指標(biāo)

采用均方根誤差(Root mean square error，RMSE)、平均絕對誤差(Mean absolute error，MAE)、回歸系數(shù)(Regression coefficient，b)、決定系數(shù)(Determination coefficient，R2)、一致性指數(shù)(Index of agreement，d)[26]、模型效率納什系數(shù)(Efficiency of simulation，EF)和均方根誤差與觀測值標(biāo)準(zhǔn)差比率(RMSE-observations standard deviation ratio，RSR)評價S-W模型模擬效果。其中EF、RSR為標(biāo)準(zhǔn)化的誤差統(tǒng)計量，RSR是均方根誤差對觀測值標(biāo)準(zhǔn)差的標(biāo)準(zhǔn)化形式，消除了因數(shù)據(jù)類型不同對誤差判斷的影響[27]。EF范圍為(-∞，1]，負(fù)值表示觀測值的平均值高于模擬值的平均值，當(dāng)EF在[0.75，1]時，模擬效果極好；當(dāng)EF在[0.65，0.75)時，模擬效果較好；當(dāng)EF在[0.5，0.65)時，模擬效果一般；當(dāng)EF小于0.5時，模擬結(jié)果不可接受。當(dāng)RSR在[0，0.5]時，模擬效果極好；當(dāng)RSR在(0.5，0.6]時，模擬效果較好；當(dāng)RSR在(0.6，0.7]時，模擬效果一般；當(dāng)RSR大于0.7時，模擬結(jié)果不可接受[27]。綜上，RMSE、MAE、RSR越接近0表示模型模擬效果越好，而b、R2、d、EF越接近1表示模型模擬效果越好。

1.2 SEM模型

SEM模型基于研究者的先驗知識預(yù)先設(shè)定因子間的依賴關(guān)系，能夠判別各因子之間的關(guān)系強(qiáng)度，可獲得自變量對因變量影響的直接效果、間接效果和總效果[28]，還能對整體模型進(jìn)行擬合和判斷，可更全面地了解研究系統(tǒng)[29]。本文使用SEM模型研究土壤蒸發(fā)、植株蒸騰與測量因子之間的直接影響和間接影響，運(yùn)用Amos 22.0軟件構(gòu)建結(jié)構(gòu)方程模型，采用極大似然估計。根據(jù)文獻(xiàn)[16,18,30]的研究，在S-W模型的輸入變量中選取氣溫(Air temperature，Ta)、相對濕度(Relative humidity，RH)、凈輻射(Net radiation，Rn)、參考高度的風(fēng)速(Wind speed at reference height，u)、土壤表層含水率(Soil surface water content，SW)、葉面積指數(shù)(Leaf area index，L)構(gòu)建初始模型。在初始模型中，假設(shè)所有因子之間都相互影響，包括土壤蒸發(fā)量與植株蒸騰量(即飽和模型)；然后對飽和模型進(jìn)行違規(guī)估計檢驗、擬合優(yōu)劣指標(biāo)檢驗及模型修訂指標(biāo)檢驗，將沒有達(dá)到顯著水平的影響路徑刪除(P>0.005的路徑)，或者基于不同變量之間的殘差協(xié)方差來增加變量關(guān)系，選出有顯著作用的因子和路徑，不斷地修改初始模型直至模型擬合符合標(biāo)準(zhǔn)。利用卡方χ2(當(dāng)P>0.05時說明模型擬合較好)、擬合指數(shù)(Comparative fit index，CFI，當(dāng)CFI大于0.95時模型擬合較好)、漸進(jìn)殘差均方和平方根(Root mean square error of approximation，RMSEA，當(dāng)RMSEA小于0.05時模型擬合較好)評估整體模型[28]，并增加模型絕對適配度、增值適配度、簡約適配度指標(biāo)評價修正模型。

1.3 研究區(qū)概況

研究區(qū)(圖1)位于新疆維吾爾自治區(qū)阿克蘇市農(nóng)業(yè)示范園(東經(jīng)80°22′，北緯41°8′，海拔1 198 m)，試驗區(qū)面積約160 hm2，屬于典型的溫帶大陸性氣候。多年平均太陽總輻射490.01 MJ/(m2·d)，多年平均降水量68.4 mm，多年平均氣溫11.2℃，年均蒸發(fā)量1 993 mm[31]，地下水埋深大于10 m，土壤質(zhì)地為砂土。

試驗作物為18年生灰棗樹，株行距2 m×4 m，人工修剪控制冠層高度為(4±0.12)m。采用井水滴灌，沿棗樹行間方向布設(shè)3根滴灌帶(圖1)。使用滴灌專用肥隨水施肥(氮、磷、鉀質(zhì)量比為2∶1∶2)，單次施肥量37 kg/hm2，施肥時間為第1次灌水至8月下旬。棗樹生育期內(nèi)灌溉制度及施肥制度見表1。

表1 棗樹生育期內(nèi)灌溉制度及施肥制度

1.4 觀測項目

氣象數(shù)據(jù)：采用Watchdog小型自動氣象站(Watchdog，Spectrum，美國)連續(xù)監(jiān)測降水量、相對濕度、太陽輻射、氣溫、風(fēng)速等，每30 min輸出1組數(shù)據(jù)。

蒸散量、土壤熱通量：采用渦度協(xié)方差觀測系統(tǒng)觀測蒸散量、土壤熱通量，主要觀測儀器包括：開路渦度協(xié)方差監(jiān)測系統(tǒng)(IRGASON型，Campbell Scientific，美國)測量水汽濃度、三維風(fēng)速，采樣頻率10 Hz，觀測高度6 m；HFP 01型土壤熱通量板(Campbell Scientific，美國)測量土壤熱通量，埋于地表以下8 cm；利用CR 3000型數(shù)據(jù)采集器(Campbell Scientific，美國)采集渦度系統(tǒng)的所有數(shù)據(jù)，每30 min輸出一組數(shù)據(jù)。渦度數(shù)據(jù)使用Loggernet 4.5軟件處理，缺失數(shù)據(jù)使用R語言REddyProc包插補(bǔ)，插補(bǔ)數(shù)據(jù)進(jìn)行交叉驗證。

植株蒸騰量：選擇5棵長勢均一的樣樹安裝針式莖流計(SF-G型，Dynamax Inc.，美國)，利用CR 1000型數(shù)據(jù)采集器自動監(jiān)測，每30 min記錄一組數(shù)據(jù)。2018年植株蒸騰量數(shù)據(jù)采集時間為5月7日—9月23日，2019年為4月10日—10月20日。因儀器出現(xiàn)故障，2019年7月27日—8月19日的數(shù)據(jù)缺失。

葉面積指數(shù)：使用HemiView型數(shù)字植物冠層分析儀(Delta-T，英國)測量葉面積指數(shù)L(m2/m2)，對5棵樣樹拍照并用HemiView 2.1 SR 4軟件計算葉面積指數(shù)。2018年從5月28日開始每月測量一次，2019年從5月8日開始每半個月測量一次，利用實測葉面積指數(shù)做擬合曲線得到每日葉面積指數(shù)，結(jié)果見圖2。

土壤含水率：使用智墑(ET100型，Insentek，中國)監(jiān)測土壤含水率。在棗樹行間布置1個智墑，株間布置2個智墑(圖1)，測量地表下10 cm的土壤含水率，每30 min輸出一組數(shù)據(jù)。

2 結(jié)果與分析

2.1 S-W模型參數(shù)率定與驗證

使用2018年實測蒸散量數(shù)據(jù)率定S-W模型參數(shù)，最佳擬合參數(shù)為:a1為6.944 5，g0為0.043 9，b2為4.604 1，b3為957.110 6。將S-W模型模擬蒸散量與實測值作圖(圖3a)，評價2018年蒸散量模擬效果，RMSE為0.62 mm/d，MAE為0.52 mm/d，b為0.77，R2為0.97，d為0.94，EF為0.81(模擬效果極好)，RSR為0.44(模擬效果極好)，所有評價指標(biāo)均在可接受范圍內(nèi)。

將率定參數(shù)代入S-W模型，使用2019年的實測蒸散量數(shù)據(jù)驗證，同時將模擬值與實測值作圖(圖3b)，并評價模擬效果，RMSE為0.76 mm/d，b為0.88，R2為0.95，d為0.92，EF為0.70(模擬效果較好)，RSR為0.55(模擬效果較好)，所有評價指標(biāo)均在合理范圍內(nèi)。故S-W模型在干旱區(qū)模擬滴灌棗園蒸散量精度高，可用來估算干旱區(qū)滴灌棗園蒸散量。

2.2 S-W模型模擬的植株蒸騰量

使用針式莖流計實測值驗證S-W模型模擬植株蒸騰量的精度。使用2.1節(jié)得到的參數(shù)代入S-W模型進(jìn)行植株蒸騰量模擬，并與2年實測數(shù)據(jù)對比(圖4)，模擬精度評價指標(biāo)分別為：RMSE為0.46、0.51 mm/d，MAE為0.36、0.41 mm/d，b為1.08、1.04，R2為0.97、0.95，d為0.90、0.94，EF為0.50(模擬效果一般)、0.71(模擬效果較好)，RSR為0.70(模擬效果一般)、0.54(模擬效果較好)，所有評價指標(biāo)均在合理范圍內(nèi)。這說明S-W模型可在干旱區(qū)滴灌棗園模擬植株蒸騰量。

2.3 土壤蒸發(fā)、植株蒸騰控制機(jī)制分析

2.3.1生育期環(huán)境因子分析

根據(jù)試驗觀測數(shù)據(jù)，對2年棗樹生育期內(nèi)環(huán)境因子(氣溫、相對濕度、凈輻射、參考高度的風(fēng)速、土壤表層含水率和葉面積指數(shù))進(jìn)行統(tǒng)計分析，各個因子的統(tǒng)計參數(shù)見表2。在觀測期間，日平均氣溫在5.61～29.81℃間變化，其中10月的月平均氣溫最低(13.01℃)，7月的月平均氣溫最高(24.63℃)，6—8月的月平均氣溫在20℃以上。日平均相對濕度在6.01%～87.40%間波動。凈輻射在0.08～20.26 MJ/(m2·d)間變化，生育期內(nèi)呈單峰曲線變動，峰值在7月。參考高度的風(fēng)速在生育期內(nèi)呈下降趨勢，月平均最大值為4月(0.99 m/s)，月平均最小值為9月(0.69 m/s)。棗園10 cm深度的土壤含水率在0.05～0.30 m3/m3之間變化，平均值為0.17 m3/m3。在棗樹生育后期控水，9月平均土壤表層含水率為0.10 m3/m3,10月平均土壤表層含水率為0.07 m3/m3，其他生育期為充分灌溉。

表2 棗樹生育期各環(huán)境因子統(tǒng)計分析

2.3.2初始模型的修正及參數(shù)估計

對初始模型進(jìn)行分析得到各因子之間的路徑系數(shù)(圖5a、表3)。圖5中單向箭頭由自變量指向因變量；雙向箭頭表示兩因子之間的相關(guān)關(guān)系。線上的數(shù)值為標(biāo)準(zhǔn)化路徑系數(shù)，表示自變量對因變量影響的大小；數(shù)值的正負(fù)表示相關(guān)關(guān)系的正負(fù)。e表示誤差變量；方框下數(shù)字表示自變量對因變量的總解釋率[28]。初始模型中虛線表示該路徑不顯著，在模型修正時刪除；修正模型中虛線表示該路徑不顯著，實線表示該路徑顯著。初始模型的正態(tài)檢驗臨界比率(Critical ratio，CR)為5.89，大于1.96，說明初始模型數(shù)據(jù)中存在異常值。初始模型數(shù)據(jù)為386組(2018年192組，2019年194組)，通過計算每組數(shù)據(jù)遠(yuǎn)離群體重心的距離來判別異常值，刪除17組異常值后CR為1.70，小于1.96，符合正態(tài)分布假設(shè)。初始模型的違犯估計標(biāo)準(zhǔn)化誤差(Standard error, SE)均為正值，符合要求。將沒有達(dá)到顯著水平的影響路徑刪除，或者將不合理的影響路徑刪除。參考高度的風(fēng)速對植株蒸騰量的標(biāo)準(zhǔn)化系數(shù)為0.005，且顯著性概率P為0.809，大于0.05(未達(dá)到0.05顯著水平)；參考高度的風(fēng)速對土壤蒸發(fā)量的標(biāo)準(zhǔn)化系數(shù)為-0.010，且P為0.660，大于0.05(未達(dá)到0.05顯著水平)；參考高度的風(fēng)速對植株蒸騰量、土壤蒸發(fā)量的影響均較小，故刪除參考高度的風(fēng)速到植株蒸騰量、土壤蒸發(fā)量的路徑。同時篩選因子中的相關(guān)關(guān)系，將標(biāo)準(zhǔn)化系數(shù)中較小、未達(dá)到顯著水平的路徑刪除，刪除P>0.005的相關(guān)關(guān)系，得到修正模型(圖5b)。

修正后模型各因子之間的路徑系數(shù)和顯著性見表3，可見顯著性除了葉面積指數(shù)對土壤蒸發(fā)量(P=0.002)、葉面積指數(shù)與相對濕度(P=0.002)，其他均小于0.001；標(biāo)準(zhǔn)化路徑系數(shù)的絕對值均大于0.1。修正模型卡方χ2為12.342，自由度(Degree of freedom，DF)為7，P為0.089 8，大于0.05，表示該模型與數(shù)據(jù)擬合適度；χ2與自由度比值為1.763(此數(shù)值介于(1, 2)間，表示假設(shè)模型與樣本數(shù)據(jù)的契合度可接受，符合模型簡約適配程度)；近似誤差均方根(RMSEA)為0.046，小于0.05，表示模型適配度非常好；且模型絕對適配度統(tǒng)計量、增值適配度統(tǒng)計量、簡約適配統(tǒng)計量的各項檢驗指標(biāo)均達(dá)到標(biāo)準(zhǔn)(表4)，故修正模型與數(shù)據(jù)適配良好。

表3 因子之間標(biāo)準(zhǔn)化系數(shù)及顯著性

表4 土壤蒸發(fā)量、植物蒸騰量與測量因子的結(jié)構(gòu)方程模型擬合參數(shù)

2.3.3土壤蒸發(fā)量、植株蒸騰量與影響因子的耦合分析

為了更好地對模型中各影響因子的重要性進(jìn)行比較，將修正后的模擬結(jié)果整理得到表5，標(biāo)準(zhǔn)化總影響系數(shù)是標(biāo)準(zhǔn)化直接影響系數(shù)與標(biāo)準(zhǔn)化間接影響系數(shù)之和[20]。SEM模型顯示，6個測量因子對植株蒸騰量的總解釋率為89%，對土壤蒸發(fā)量的總解釋率為84%；植株蒸騰量對土壤蒸發(fā)量的總影響系數(shù)為-0.70，呈負(fù)相關(guān)關(guān)系。測量因子對植株蒸騰量的影響由大到小順序為:葉面積指數(shù)、氣溫、土壤表層含水率、凈輻射、相對濕度，葉面積指數(shù)、氣溫是影響植株蒸騰量的重要因子(標(biāo)準(zhǔn)化總影響系數(shù)分別為0.52、0.44)；相對濕度與植株蒸騰量呈負(fù)相關(guān)關(guān)系(標(biāo)準(zhǔn)化總影響系數(shù)為-0.18)，其余均為正相關(guān)關(guān)系；參考高度的風(fēng)速對植株蒸騰量無直接影響，而是通過葉面積指數(shù)、土壤表層含水率對植株蒸騰量間接影響。測量因子對土壤蒸發(fā)量的影響由大到小順序為:凈輻射、土壤表層含水率、相對濕度、氣溫、葉面積指數(shù)，凈輻射和土壤表層含水率是影響土壤蒸發(fā)量的重要因子(標(biāo)準(zhǔn)化總影響系數(shù)分別為0.50、0.49)；相對濕度、葉面積指數(shù)與土壤蒸發(fā)量呈負(fù)相關(guān)關(guān)系(標(biāo)準(zhǔn)化總影響系數(shù)分別為-0.43、-0.23)，其余均為正相關(guān)關(guān)系；參考高度的風(fēng)速對土壤蒸發(fā)量無直接影響，也是通過葉面積指數(shù)、土壤表層含水率對土壤蒸發(fā)量間接影響。

表5 基于結(jié)構(gòu)方程模型的土壤蒸發(fā)量、植物蒸騰量及影響因子標(biāo)準(zhǔn)化影響系數(shù)

SEM模型同時也顯示了6個測量因子之間的相關(guān)關(guān)系。測量因子中，相關(guān)性最高的是相對濕度與土壤表層含水率(相關(guān)系數(shù)0.65)，其次是凈輻射與氣溫(相關(guān)系數(shù)0.62)，再次是氣溫與葉面積指數(shù)(相關(guān)系數(shù)0.36)，均為正相關(guān)。負(fù)相關(guān)關(guān)系中，參考高度的風(fēng)速與葉面積指數(shù)的相關(guān)系數(shù)為-0.30，氣溫與相對濕度的相關(guān)系數(shù)為-0.23，土壤表層含水率與葉面積指數(shù)的相關(guān)系數(shù)為-0.19，以上測量因子間的相關(guān)關(guān)系均符合常理。

3 討論

3.1 S-W模型模擬精度

S-W模型在2年生育期內(nèi)對干旱區(qū)滴灌棗園的蒸散量及植株蒸騰量都能準(zhǔn)確地估算，驗證了S-W模型在干旱區(qū)滴灌棗園的適用性。S-W模型的良好性能在其他生態(tài)系統(tǒng)中(草地[13]、森林[14]、葡萄園[32]等)也得到了驗證。本文對棗園蒸散量、植株蒸騰量模擬精度與前人研究結(jié)果相似:本文S-W模型估算干旱區(qū)棗園蒸散量的RMSE為0.62～0.76 mm/d，MAE為0.52～0.63 mm/d，d為0.92～0.94；ZHAO等[32]使用S-W模型估算西北干旱區(qū)葡萄園蒸散量的RMSE為0.68 mm/d，MAE為0.52 mm/d；ORTEGA等[33]使用S-W模型估算葡萄園蒸散量的RMSE為0.51 mm/d，MAE為0.41 mm/d，d為0.88。本文S-W模型估算棗園植株蒸騰量的RMSE為0.46～0.51 mm/d，MAE為0.36～0.41 mm/d，R2為0.95～0.97。ZHAO等[32]使用S-W模型估算西北干旱區(qū)葡萄園植株蒸騰的RMSE為0.76 mm/d，MAE為0.62 mm/d，R2為0.70。

3.2 S-W模型的不確定性

S-W模型中假設(shè)土壤均質(zhì)化，該假設(shè)較適合土壤全部濕潤的灌溉方式，例如雨養(yǎng)灌溉[34]，但本文棗園采用滴灌，滴灌土壤濕潤比為75%，S-W模型中未考慮特殊灌溉方式帶來的部分土壤表面濕潤對蒸散量估算的影響。模型中土壤均質(zhì)化假設(shè)與實際情況有差別，可針對不同灌溉方式對土壤蒸發(fā)部分進(jìn)行改進(jìn)，以提高S-W模型的模擬精度。

3.3 基于SEM模型的蒸散特征分析

本文建立的結(jié)構(gòu)方程模型與實測數(shù)據(jù)適配良好，不僅得到測量因子(氣溫、相對濕度、凈輻射、土壤表層含水率、參考高度的風(fēng)速、葉面積指數(shù))對土壤蒸發(fā)量、植株蒸騰量的直接影響和間接影響，還反映了測量因子之間的相關(guān)關(guān)系。本文構(gòu)建的SEM模型顯示，葉面積指數(shù)對植株蒸騰量的影響最大，相關(guān)系數(shù)為0.52，且是正相關(guān)，同時葉面積指數(shù)對土壤蒸發(fā)量的總影響是負(fù)相關(guān)，相關(guān)系數(shù)-0.23，也驗證了HU等[14]的結(jié)論：在S-W模型中，葉面積指數(shù)通過3種機(jī)制改變蒸散:促進(jìn)冠層氣孔阻力、促進(jìn)土壤表面到冠層高度的空氣動力學(xué)阻力、減少土壤表面的能量輸入。土壤表層含水率對土壤蒸發(fā)量的直接影響最大(路徑系數(shù)0.69)，且是正相關(guān)，這與吉喜斌等[35]在黑河流域春小麥模擬的結(jié)論一致，但與其研究方法不同。SEM模型在前人定性分析研究的基礎(chǔ)上給出了測量因子影響植株蒸騰量、土壤蒸發(fā)量具體的影響系數(shù)。

葉面積指數(shù)(標(biāo)準(zhǔn)化總影響系數(shù)0.52)、氣溫(標(biāo)準(zhǔn)化總影響系數(shù)0.44)對植株蒸騰量的總影響最大，凈輻射(標(biāo)準(zhǔn)化總影響系數(shù)0.50)、地表土壤含水率(標(biāo)準(zhǔn)化總影響系數(shù)0.49)對土壤蒸發(fā)量的總影響最大，且都是正相關(guān)，即對蒸散量影響最重要的因子是葉面積指數(shù)、氣溫、凈輻射、土壤表層含水率，這與前人研究結(jié)果一致[5,16,36]。

構(gòu)建的結(jié)構(gòu)方程模型對土壤蒸發(fā)量、植株蒸騰量的總解釋率為84%、89%，說明該模型結(jié)構(gòu)合理，且結(jié)構(gòu)方程模型已包含影響土壤蒸發(fā)、植株蒸騰的大部分因子。傳統(tǒng)統(tǒng)計方法往往忽略了測量因子之間的相關(guān)關(guān)系，而結(jié)構(gòu)方程模型解決了傳統(tǒng)研究方法的缺憾[29]，得到了測量因子之間的相關(guān)關(guān)系。SEM模型為土壤蒸發(fā)、植株蒸騰與測量因子之間的耦合關(guān)系提供了另一個視角，為農(nóng)業(yè)水資源的高效利用提供了參考依據(jù)。

4 結(jié)論

(1)驗證了S-W模型在干旱區(qū)滴灌棗園模擬蒸散量、植株蒸騰量的精度，蒸散量模擬精度為：RMSE為0.62～0.76 mm/d，b為0.77～0.88，R2為0.95～0.97，d為0.92～0.94，EF為0.70～0.81，RSR為0.44～0.55；植株蒸騰量模擬精度為：RMSE為0.46～0.51 mm/d，b為1.08～1.04，R2為0.95～0.97，d為0.90～0.94，EF為0.50～0.71，RSR為0.54～0.70。

(2)S-W模型在干旱區(qū)滴灌棗園的適合模型參數(shù)為:a1為6.944 5，g0為0.043 9，b2為4.604 1，b3為957.110 6。

(3)結(jié)構(gòu)方程模型得到6個測量因子對土壤蒸發(fā)量、植株蒸騰量的直接影響、間接影響和總影響，植株蒸騰量對土壤蒸發(fā)量的總影響系數(shù)為-0.70；測量因子能夠解釋土壤蒸發(fā)量的84%，凈輻射對土壤蒸發(fā)影響最大，標(biāo)準(zhǔn)化總影響系數(shù)為0.51；測量因子能夠解釋植株蒸騰量的89%，葉面積指數(shù)對植株蒸騰影響最大，標(biāo)準(zhǔn)化總影響系數(shù)為0.52。