黃可靜，王紀(jì)超，肖 俊，高學(xué)睿，趙西寧2，

（1.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，陜西 楊凌 712100；2.西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，陜西 楊凌 712100；3.中國(guó)水利水電科學(xué)研究院，北京 100038；4.西北農(nóng)林科技大學(xué) 水土保持研究所，陜西楊凌 712100）

0 引 言

黃土高原處于半干旱、半濕潤(rùn)地區(qū)，常年降雨量稀少，蒸發(fā)大，且是世界上最大的黃土堆積區(qū)，面臨水資源短缺和水土流失的生態(tài)問題[1]。中國(guó)政府在20世紀(jì)90年代大力推動(dòng)退耕還林（草）項(xiàng)目以緩解黃土高原的生態(tài)環(huán)境問題[2]。同時(shí)，為了保證當(dāng)?shù)剞r(nóng)民的經(jīng)濟(jì)收益，大力擴(kuò)大黃土高原地區(qū)紅棗，蘋果等經(jīng)濟(jì)作物的種植面積。在過去十幾年中，陜西省蘋果的產(chǎn)量和種植面積占到了全國(guó)的1∕4[3]。蘋果產(chǎn)業(yè)由于其較高的經(jīng)濟(jì)效益，已成為黃土高原地區(qū)應(yīng)對(duì)大規(guī)模減產(chǎn)和促進(jìn)區(qū)域經(jīng)濟(jì)有效發(fā)展的主要產(chǎn)業(yè)[4]。由此可見，蘋果產(chǎn)業(yè)的可持續(xù)發(fā)展對(duì)于農(nóng)民經(jīng)濟(jì)收入和區(qū)域生態(tài)可持續(xù)發(fā)展至關(guān)重要。黃土高原的部分蘋果樹種植區(qū)地形復(fù)雜、灌溉條件差，雨水是果樹生產(chǎn)最主要的水分來源，缺水狀態(tài)下的果樹產(chǎn)量不穩(wěn)定，品質(zhì)不高。缺水已成為限制果園蘋果產(chǎn)量和品質(zhì)的重要因素[5]。因此，及時(shí)、準(zhǔn)確的定量估算果樹的蒸騰量和土壤的蒸發(fā)量，提高農(nóng)業(yè)用水效率，對(duì)于果園的用水管理具有重要的生產(chǎn)意義。

近些年，基于遙感數(shù)據(jù)的蒸散發(fā)估算已經(jīng)越來越成熟，在利用遙感數(shù)據(jù)來重建、估算作物蒸散發(fā)時(shí)會(huì)使用到各種方法以及模型，例如：水量平衡法[6]、趨勢(shì)分析法[7]、以及利用機(jī)器學(xué)習(xí)方法進(jìn)行估算等[8,9]。SW模型由于其參數(shù)較少，模擬結(jié)果較好已被廣泛的應(yīng)用[10]。值得一提的是，研究者們?cè)谶x擇SW模型時(shí)多是由于它可以單獨(dú)模擬蒸發(fā)和蒸騰過程，并且對(duì)于不同區(qū)域、不同種類的樹木等方面都得到了驗(yàn)證與實(shí)際運(yùn)用[11,12]。同時(shí)，SW模型也在被不斷地進(jìn)行改進(jìn)，Hu等人[13]在SW模型中引入Ball-Berry氣孔導(dǎo)度模型[14]以及GPP模型[15]形成了新的SWH模型，以期更加準(zhǔn)確的估算植物冠層阻力及蒸散發(fā)，新的SWH模型在實(shí)際運(yùn)用中也得到了良好的模擬結(jié)果[16]。然而，SW模型在實(shí)際的應(yīng)用過程中是將土壤水視為一個(gè)輸入變量，土壤水?dāng)?shù)據(jù)較難獲取的特點(diǎn)會(huì)使得模型的應(yīng)用也受到限制；同時(shí)，由于SW模型并未對(duì)土壤水進(jìn)行分層，對(duì)于水文過程的刻畫上不夠細(xì)致，沒有考慮不同根深處的土壤水分變化，這會(huì)在一定程度上影響模型的準(zhǔn)確性和可靠性。因此，本研究改進(jìn)了SW模型，在SW模型中加入了土壤水分層模塊，以降雨作為輸入數(shù)據(jù)，通過模擬水文過程將土壤水進(jìn)行分層計(jì)算，以更準(zhǔn)確、及時(shí)的估算田塊尺度蒸散發(fā)；并利用增加了土壤水分層模塊的SW模型對(duì)黃土高原臺(tái)塬區(qū)田塊尺度的果樹蒸騰量（T）和土壤蒸發(fā)量（E）模擬，探索其對(duì)蘋果樹蒸散發(fā)模擬的適用性，為果園的用水管理提供理論支撐。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)域位于陜西省咸陽市淳化縣馬家鎮(zhèn)，該位置居于陜西省中部偏西，咸陽市北部，渭北黃土高原溝壑區(qū)南緣。該研究區(qū)屬溫帶大陸性季風(fēng)氣候，2019年平均氣溫11.6 ℃，年降水量545.8 mm，降雨日數(shù)為97 d，降雨集中在每年7-10月。該區(qū)域光照時(shí)間長(zhǎng)，降雨適中，晝夜溫差大，是黃土高原中南部地區(qū)蘋果樹栽培的理想位置。作為黃土高原地區(qū)蘋果園的典型代表，對(duì)該區(qū)域果樹蒸散發(fā)及土壤含水量的研究可以為黃土高原地區(qū)蘋果的種植提供有效的參考。

1.2 數(shù)據(jù)來源

氣象數(shù)據(jù)：本研究在研究區(qū)域內(nèi)安裝了氣象站，自動(dòng)記錄的氣象數(shù)據(jù)包括溫度、濕度、風(fēng)速、降雨、輻射強(qiáng)度，數(shù)據(jù)時(shí)間分辨率為1 h。

遙感數(shù)據(jù)：本研究主要使用了下載于歐空局?jǐn)?shù)據(jù)中心（https:∕∕scihub.copernicus.eu∕）的Sentinel-2A遙 感 影像數(shù)據(jù)。選取了研究區(qū)域從2019年1-12月的24景遙感影像，對(duì)哨兵2A L1C級(jí)數(shù)據(jù)進(jìn)行輻射校正、幾何校正和大氣校正，重采樣為10m分辨率，并基于ENVI對(duì)數(shù)據(jù)進(jìn)行波段融合和剪裁。

莖流計(jì)數(shù)據(jù)：本研究在馬家研究區(qū)內(nèi)選取了3棵直徑在20 cm的蘋果樹，采用熱擴(kuò)散式莖流計(jì)（TDP）測(cè)量果樹的蒸騰，頻率為5 min 1次。

土壤水分?jǐn)?shù)據(jù)：本研究在選取的樣本樹下不同深處分別埋設(shè)TDR315土壤水分探頭，監(jiān)測(cè)土壤水分變化。

1.3 遙感數(shù)據(jù)處理

歸一化植被指數(shù)NDVI（Normalized Difference Vegetation Index）是一種遙感中常用的植被指數(shù)，它可以反應(yīng)植物的生長(zhǎng)情況和營(yíng)養(yǎng)參數(shù)。NDVI定義為近紅外波段（NIR）與可見光紅波段（Red）反射率之差與反射率之和的比值[17,18]，本研究基于Sentinel-2A波段融合后的數(shù)據(jù)計(jì)算，其表達(dá)式如下：

式中：NIR代表近紅外波段的反射率；Red代表紅波段的反射率。

葉面積指數(shù)LAI決定植被冠層對(duì)凈輻射的截獲量，也是SW模型重要的輸入?yún)?shù)，本研究基于NDVI和LAI的關(guān)系反演LAI[12,17]，反演公式為：

式中：Kpar為消光系數(shù)，取值為0.3；Fcanopy=NDVI+0.05。

1.4 熱擴(kuò)散式莖流計(jì)

本研究采用熱擴(kuò)散式莖流計(jì)（TDP）測(cè)定蘋果樹的蒸騰量，該研究區(qū)域的蘋果樹樹齡在12年及以上，本實(shí)驗(yàn)選取3棵生長(zhǎng)狀況良好的蘋果樹，并測(cè)得樹干面積為207.03 cm2，296.97 cm2，246.42 cm2。該熱擴(kuò)散式莖流計(jì)（TDP）記錄了樹木的樹干邊材每5 min的平均液流速率，通過下式求出果樹蒸騰量。

式中：T為蒸騰量，mm∕d；A為樹干面積，m2；V為液流速率，mm∕d；n為研究區(qū)域內(nèi)蘋果樹棵數(shù)；S為研究區(qū)果園面積，m2。

本研究區(qū)域面積44 470 m2，果樹間距3.5 m×4 m，除去田埂、道路，大約估算3 000棵樹，由此估算研究區(qū)域單位面積的果樹蒸騰量（T）。

1.5 模型構(gòu)建

1.5.1 模型原理

本研究基于改進(jìn)的SW模型，將研究區(qū)域劃分為10m×10m的網(wǎng)格，利用氣象數(shù)據(jù)和遙感數(shù)據(jù)模擬研究區(qū)蘋果樹逐日的植被蒸騰量（T）和土壤蒸發(fā)量（E）。該模型所需要輸入的氣象數(shù)據(jù)包括降水（Pre）、風(fēng)速（WS）、水汽壓差（VPD）、溫度（Ta）和光合有效輻射（PAR），遙感數(shù)據(jù)主要是葉面積指數(shù)（LAI）和歸一化植被指數(shù)（NDVI），模型模擬的流程圖如圖1所示。對(duì)SW模型的改進(jìn)部分主要體現(xiàn)在土壤水分層模塊，公式（13）～（16）對(duì)其原理進(jìn)行了說明。

圖1 模型模擬的流程圖Fig.1 Flow chart of model simulation

SW模型基本水平衡原理如下：

式中：i為天數(shù)；ΔSWi表示土壤水分變化量，mm；TRi表示降雨量，mm；SFi表示地表徑流，mm；Ti表示植被蒸騰量，mm；Ei表示土壤蒸發(fā)量，mm；SEPi表示深層滲漏量，mm。

其中，TRi為模型的輸入降雨數(shù)據(jù)，SFi基于SCS曲線法計(jì)算，主要公式如下：

式中：S為潛在最大保留量，mm；NRi為第i天的降雨量，mm；CN為曲線數(shù)，該曲線數(shù)通過蒙特卡洛模擬優(yōu)化。

T和E分別為模型的植被蒸騰量和土壤蒸發(fā)量，主要基于SW雙源蒸散發(fā)原理計(jì)算，具體公式如下：

式中：λ表示為水的汽化潛熱，J∕kg；PMc和PMs分別表示植被蒸騰和土壤蒸發(fā)，mm；Cc和Cs分別表示植被阻力系數(shù)和土壤表層阻力系數(shù)；R和Rs分別表示冠層以上和土壤表面以上的可用能量輸入，w∕m2；raa、rac和ras分別表示冠層與參考高度之間的空氣動(dòng)力阻力、冠層植被要素的整體邊界層阻力和冠層與地表之間的空氣動(dòng)力阻力，s∕m；Δ表示飽和水汽壓隨溫度變化的斜率，kPa∕K；ρ表示空氣密度，kg∕m3；cp表示定壓比熱，J∕(kg·K)；D表示參考高度上的水汽壓虧缺，kPa；γ表示干濕球常數(shù)，kPa∕K。

土壤表層阻力rss和冠層氣孔阻力rsc是該模型中的關(guān)鍵參數(shù)，通過引入土壤表面阻抗方程和Ball-Berry氣孔導(dǎo)度模型實(shí)現(xiàn)對(duì)這兩個(gè)參數(shù)的估算[14]，具體方法如下：

土壤表面阻抗rss估算方法：

式中，SW和SWs分別為土壤表層含水量和土壤表層的飽和含水量，m3∕m3；b1、b2和b3為經(jīng)驗(yàn)參數(shù)，s∕m。

估算冠層阻抗是結(jié)合氣孔阻抗模型Ball-Berry模型求得：

式中：g0為最小氣孔導(dǎo)度，m∕s；a1為經(jīng)驗(yàn)參數(shù)；pn為光合速率，μmol∕(m2·s)；hs為冠層表面空氣相對(duì)濕度；cs為氣孔胞間的CO2濃度，本研究取值500×10-6；此處使用光能利用率模型估算的GPP代替pn。

式中：PAR為光合有效輻射，μmol∕(m2·s)；FPAR為植物冠層吸收的PAR占總射入PAR的比例；ε為根據(jù)氣溫、土壤表層含水量、飽和水氣壓差標(biāo)準(zhǔn)化后的光能利用率。

土壤分層計(jì)算模塊原理如下：

如果NRi-SFi-FC(1)+SW(1)i-1≤0

如果NRi-SFi-FC(1)+SW(1)i-1＞0

如果SEP(i1)-FC(2)+＞0

式中：(1)、(2)分別為第一層和第二層土層；SFi為第i天的地表徑流，mm；SEP(1)i、SEP(2)i為當(dāng)前土層到下一土層的滲水量，mm；FC(1)，F(xiàn)C(2)為該土層土壤的田間持水量，mm；，為第i-1天該土層實(shí)際土壤含水量，g∕kg；K(1)、K(2)為該土層的土壤導(dǎo)水率，mm∕s；DP(1)、DP(2)為該土層的深度，mm。

本研究使用蒙特卡洛算法[19]估算表1中列出的6個(gè)經(jīng)驗(yàn)參數(shù)。在確定6個(gè)參數(shù)的可能范圍時(shí)，采用以下3個(gè)步驟進(jìn)行參數(shù)校準(zhǔn)，以最小化建模的不確定性：①在前人研究成果的基礎(chǔ)上，為每個(gè)參數(shù)指定一個(gè)大致范圍，并在給定范圍內(nèi)隨機(jī)抽樣參數(shù)集進(jìn)行500萬次蒙特卡洛模擬[20]； ②利用線性回歸函數(shù)對(duì)模擬ET和實(shí)測(cè)數(shù)據(jù)進(jìn)行比較，得到?jīng)Q定系數(shù)R2和斜率k。③選取R2值最高的20個(gè)模擬值，k值在0.95～1.05之間為最佳模擬。取20個(gè)參數(shù)集的平均值，用最優(yōu)參數(shù)驅(qū)動(dòng)模型，得到最終的仿真數(shù)據(jù)，確定最優(yōu)參數(shù)集。

表1 6個(gè)關(guān)鍵參數(shù)的最終取值Tab.1 Final values of the six key parameters

1.5.2 模型驗(yàn)證

本研究通過計(jì)算模擬值和觀測(cè)值的相關(guān)系數(shù)（R2）和均方根誤差（RMSE）對(duì)模型結(jié)果的準(zhǔn)確性進(jìn)行驗(yàn)證。計(jì)算公式如下所示：

式中：Qsimi表示模擬值；Qobsi表示實(shí)測(cè)值；上劃線表示平均值；n是總的實(shí)測(cè)數(shù)量。

R2表示模型模擬值與實(shí)測(cè)值的相關(guān)程度；一般地，R2=0.5被認(rèn)為是可接受的閾值。RMSE表示模擬值與實(shí)測(cè)值的偏差程度。

2 結(jié)果與分析

2.1 模型驗(yàn)證

本研究測(cè)量了研究區(qū)域2019年5月17日到2019年8月4日的80 d蘋果樹液流速率，并基于此計(jì)算了果園單位面積的果樹蒸騰量T作為實(shí)測(cè)值，選取前40 d數(shù)據(jù)利用蒙特卡洛的方法來校準(zhǔn)模型，后40 d數(shù)據(jù)驗(yàn)證模型模擬結(jié)果。模型模擬的果樹蒸騰量與果園實(shí)測(cè)值的驗(yàn)證結(jié)果如圖2所示。

圖2 果樹蒸騰量模擬結(jié)果與實(shí)測(cè)值的比較Fig.2 Comparison between simulated and measured transpiration of fruit trees

本研究基于5月17到6月25日的實(shí)測(cè)果樹蒸騰量數(shù)據(jù)對(duì)模型進(jìn)行校準(zhǔn)，在校準(zhǔn)期，模擬值與實(shí)測(cè)值的R2為0.83，RMSE為0.39 mm。同時(shí)，通過6月26日到8月4日的數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，在驗(yàn)證期間，相關(guān)系數(shù)R2=0.76（大于0.5），RMSE=0.50 mm。

由于蘋果樹根系主要分布在土壤表面下80cm處，因此本研究分別對(duì)根深20 cm處（表層）和80 cm（深層）的土壤水進(jìn)行了模擬，并通過實(shí)測(cè)數(shù)據(jù)對(duì)模擬的土壤含水量進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果如圖3所示。

圖3 土壤含水量模擬結(jié)果與實(shí)測(cè)值的比較Fig.3 Comparison between simulated and measured soil water content

本研究基于5月17到8月4日的實(shí)測(cè)土壤含水量數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，結(jié)果顯示20 cm和80 cm處模擬值與實(shí)測(cè)值的R2與RMSE分別為0.820、0.016和0.840、0.005。該模型模擬結(jié)果較好，模擬精度較高，可以準(zhǔn)確的量化田塊上日尺度的果樹蒸騰量及土壤含水量。

2.2 LAI和NDVI的時(shí)間變化特征分析

本研究基于研究區(qū)域24景的Sentinel-2A數(shù)據(jù)計(jì)算了果園日尺度的NDVI和LAI，結(jié)合該研究區(qū)域的果樹物候信息對(duì)遙感輸入數(shù)據(jù)進(jìn)行評(píng)價(jià)，物候表見表2。

表2 研究區(qū)域果樹的物候表Tab.2 Phenology of fruit trees in the study area

由圖4遙感數(shù)據(jù)的時(shí)間變化特征來看，NDVI和LAI在4月到8月底持續(xù)增長(zhǎng)，該研究區(qū)域的果樹在3月20日進(jìn)入萌芽期后，果樹逐漸經(jīng)歷萌芽期-開花期-幼果期，葉面積指數(shù)和植被覆蓋度均在逐漸增加，8月下旬果樹的NDVI和LAI均達(dá)到最大，此時(shí)果樹已經(jīng)處于果實(shí)的膨大期。10月上旬果實(shí)成熟，采摘后果樹樹葉開始掉落，葉面積指數(shù)和植被覆蓋度大幅降低，果樹也逐漸進(jìn)入休眠期?？偟膩碚f，該研究區(qū)域的NDVI和LAI變化與果樹的物候信息基本一致，基于Sentinel-2A遙感影像計(jì)算的NDVI和LAI日尺度數(shù)據(jù)能正確的反映果樹的生長(zhǎng)變化，也能滿足模型的輸入要求。

2.3 模型模擬結(jié)果分析

2.3.1 果樹蒸騰量的時(shí)間變化特征

本研究基于改進(jìn)的SW模型模擬了2019年馬家研究區(qū)域田塊尺度的蘋果樹蒸騰量，結(jié)果如圖5所示。

模型模擬的果樹蒸騰量的時(shí)間變化特征和實(shí)測(cè)果樹蒸騰數(shù)據(jù)如圖5所示，實(shí)測(cè)值與模型模擬結(jié)果耦合較好，蘋果樹的生育期主要集中在4-10月份，模擬的果樹蒸騰從3月下旬開始逐漸增加，在7、8月份達(dá)到頂峰，主要是由于果樹在3月底進(jìn)入萌芽期，植被耗水逐漸增大，7月份和8月份果樹進(jìn)入果實(shí)膨大期，同時(shí)，隨著降雨量的增加，耗水達(dá)到了最大值。果樹蒸騰在10月中旬之后逐漸降低，主要是由于蘋果采摘后，隨著氣溫降低，果樹逐漸進(jìn)入休眠期，果樹的耗水逐漸降低?？偟膩碚f，該模型的模擬結(jié)果與實(shí)測(cè)耦合良好，也能正確的反映果樹的生理過程。

圖5 蘋果樹蒸騰量的時(shí)間變化特征Fig.5 Temporal variation characteristics of apple tree transpiration

2.3.2 研究區(qū)域果樹蒸散分布特征

SW模型可以分離土壤蒸發(fā)和植被蒸騰量，馬家研究區(qū)域的蒸散組分分布特征如圖6所示。結(jié)果表明，果樹從4-10月份蒸騰量T先增大后減少，7月蒸騰量最大為46.64 mm。7-9月份是果樹蒸騰量的高峰期，果樹正經(jīng)歷膨大期和成熟期。該模擬結(jié)果與李青華[21]實(shí)測(cè)數(shù)據(jù)一致。果園總蒸散發(fā)ET也是在4-10月份呈現(xiàn)先增大后減少的趨勢(shì)，ET在7月份最大，為77.22 mm。該區(qū)域降雨主要發(fā)生在5-10月份，10月份的降雨達(dá)到最大150.8 mm，但10月份的果樹蒸騰量T仍在減少，主要是由于10月上旬蘋果采摘后，果樹葉子也逐漸凋落，果樹逐漸進(jìn)入休眠期，果樹蒸騰耗水逐漸減少?？偟膩碚f，該研究區(qū)果樹在發(fā)育期4-10月，蒸騰量T呈現(xiàn)先增加后減少的趨勢(shì)。2019年總蒸散發(fā)ET為478.43 mm，果樹蒸騰量T為265.17 mm，土壤蒸發(fā)E為213.26 mm，果樹蒸騰T占總蒸發(fā)的55.4%。

圖6 蒸散發(fā)組分分布特征Fig.6 Distribution characteristics of evapotranspiration components

2.4 水分利用效率計(jì)算與評(píng)價(jià)

用水效率（WUE）是指單位用水量所產(chǎn)生的同化物質(zhì)的量，基本上反映了用水量與干物質(zhì)生產(chǎn)之間的關(guān)系，是評(píng)價(jià)生長(zhǎng)適宜性的綜合生理生態(tài)指標(biāo)。在干旱和半干旱地區(qū)的極端環(huán)境中，植物是否能夠適應(yīng)當(dāng)?shù)氐臉O端環(huán)境條件，最重要的是看它們是否能夠很好地協(xié)調(diào)碳同化和水耗散之間的關(guān)系，即植物用水效率（WUE）是其生存的關(guān)鍵因素之一。對(duì)于果樹，水分利用效率（WUE）是每單位水蒸騰和蒸發(fā)產(chǎn)生的干物質(zhì)質(zhì)量（GPP）。

本研究利用加入了土壤水分層模塊的SW模型模擬了研究區(qū)域果樹的蒸散發(fā)ET和干物質(zhì)質(zhì)量GPP，進(jìn)而計(jì)算了WUE，如圖7所示，GPP從3月到10月份呈現(xiàn)先增大后減少的趨勢(shì)，在9月達(dá)到最大值32.11 g∕m2，7-9月的GPP值較大，占全年的36.58%。與GPP相比，WUE的年內(nèi)分布在4月份達(dá)到最大，水分利用效率為0.56 g∕(m2·mm)，果樹關(guān)鍵生育期為4-9月，除4月用水效率較高外，其他月份用水效率低于0.5 g∕(m2·mm)，用水效率較低。該果樹種植地位于黃土高原臺(tái)塬區(qū)，屬于干旱半干旱地區(qū)，該地區(qū)降雨較少，為了保證果實(shí)的品質(zhì)，應(yīng)在關(guān)鍵生育期保證果樹水分的供應(yīng)，提高用水效率。

圖7 蘋果樹GPP和WUE的時(shí)間變化圖Fig.7 Time changes of GPP and WUE in apple trees

3 討 論

蘋果樹的植被蒸騰量在整個(gè)生育期內(nèi)變化規(guī)律明顯，呈現(xiàn)出先增加后減少的趨勢(shì)，從3月份開始逐漸增加，7月份達(dá)到最高值，然后開始下降直到休眠期，這與徐巧等人[22]的研究基本吻合。植被蒸騰量與植物葉片密切相關(guān)，原因在于其蒸騰主要依靠葉片氣孔進(jìn)行，而其氣孔的開閉主要受太陽輻射和氣溫的影響[23]，本研究使用莖流計(jì)估算果樹蒸騰量，而影響莖流的主要?dú)庀笠蛩厥禽椛淞縖24]，植被蒸騰量必然與葉面積指數(shù)LAI相關(guān)。果樹在3月底進(jìn)入萌芽期，葉面積指數(shù)LAI也從這個(gè)時(shí)間開始增加，植被蒸騰量T也隨之增加；從6月份開始進(jìn)入果實(shí)膨大期，耗水量急劇上升，在成熟期之前的7、8月份達(dá)到最大值；隨后，植被蒸騰量在9、10月份蘋果成熟期間快速下降。與植被蒸騰量不同的是，LAI的最大值并非出現(xiàn)在7、8月份，而是在9月份。兩者峰值錯(cuò)開的原因可能是葉片在蒸騰量最高峰時(shí)便開始逐漸老化以及受輻射條件影響，植被蒸騰能力減弱，所以在LAI略有增長(zhǎng)的情況下植被蒸騰量卻有所下降。

蘋果樹的植被蒸騰量T在生育期內(nèi)的絕大部分時(shí)間要大于土壤蒸發(fā)量E，10月下旬之后才轉(zhuǎn)變?yōu)镋大于T，轉(zhuǎn)變?cè)蚴?0月下旬蘋果樹葉片開始脫落，極大降低了植被蒸騰量T。生育期內(nèi)大部分時(shí)間T大于E的結(jié)論與李青華等人的研究結(jié)果一致，但值得注意的是，也有學(xué)者的研究出現(xiàn)了不同的結(jié)果，Wang等人[25]的研究中出現(xiàn)了蘋果樹絕大部分生長(zhǎng)期內(nèi)E大于T的情況，其主要原因可能在于樹齡，隨著樹木的年齡增長(zhǎng)，莖流也會(huì)隨之增加[26,27]。本研究中蘋果樹的樹齡在12年以上，前文提到E大于T的情況出現(xiàn)在樹齡為7年的蘋果樹上，所以，蘋果樹的年齡較小時(shí)可能會(huì)有E大于T的情況出現(xiàn)。

SW模型在ET建模方面具有良好的性能[28]，本文的的驗(yàn)證結(jié)果也表明該模型可以用來量化田塊尺度的果樹蒸發(fā)量。通過蒙特卡羅方法模擬校準(zhǔn)模型的關(guān)鍵參數(shù)，并將土壤水分納入氣孔導(dǎo)度的計(jì)算可以使SW模型的可靠性大大提高[29,30]。本研究中模型模擬的ET結(jié)果略低于實(shí)際觀測(cè)值?？赡艿囊粋€(gè)原因是模型沒有考慮冠層截獲水分的蒸發(fā)，這也是模型不確定性的來源之一，可能導(dǎo)致的結(jié)果是在降雨較多的時(shí)期降低模型對(duì)ET模擬的精度。但也有研究在對(duì)冠層蒸發(fā)單獨(dú)計(jì)算之后，認(rèn)為冠層截流對(duì)模型模擬精度的影響比較有限[20]。此外，由于模型是固定參數(shù)運(yùn)行，這也可能導(dǎo)致模型對(duì)ET的模擬結(jié)果偏低[31]。多項(xiàng)研究表明，植被和氣象條件的季節(jié)性變化會(huì)使得模型一些參數(shù)產(chǎn)生相應(yīng)的改變[13,23]，因此，可以通過使用動(dòng)態(tài)參數(shù)建立模型，以實(shí)現(xiàn)參數(shù)隨植被和氣象條件的變化，從而進(jìn)一步提高模型的準(zhǔn)確性。土壤水分層模塊的SW模型對(duì)于果樹的蒸散發(fā)及土壤含水量的模擬結(jié)果較好，可以較為準(zhǔn)確的量化田塊上日尺度的果樹蒸騰量，同時(shí)果樹蒸騰隨時(shí)間的變化特征也正確的反應(yīng)了果樹的生理過程。本研究選取了典型的黃土高原蘋果種植區(qū)作為研究區(qū)域，改進(jìn)的SW模型在該區(qū)域得到了良好的驗(yàn)證，可以認(rèn)為改進(jìn)的SW模型在黃土高原蘋果種植區(qū)具有一定的適用性。

本研究在實(shí)驗(yàn)設(shè)計(jì)階段主要考慮了果樹的蒸騰量，關(guān)于土壤蒸發(fā)的考慮不夠充分并未布設(shè)相關(guān)的測(cè)量?jī)x器，這可能會(huì)增加本研究的不確定性，在后續(xù)的實(shí)驗(yàn)中將會(huì)進(jìn)一步增加試驗(yàn)站點(diǎn)；此外，由于側(cè)重點(diǎn)在于對(duì)模型進(jìn)行改進(jìn)，并驗(yàn)證其適用性，因此，未來的研究可以通過網(wǎng)格化模擬等手段，將研究區(qū)從田塊尺度擴(kuò)大，進(jìn)一步將SW模型應(yīng)用于灌區(qū)尺度、流域尺度等更大的區(qū)域，實(shí)現(xiàn)更大面積的果樹蒸騰及土壤蒸發(fā)的預(yù)測(cè)，為黃土高原蘋果種植區(qū)提供更加行之有效的參考。

4 結(jié) 論

（1）改進(jìn)的SW模型對(duì)于蘋果樹蒸散發(fā)的模擬結(jié)果和實(shí)測(cè)值的相關(guān)系數(shù)R2為0.78，RMSE為0.62 mm，模擬結(jié)果較好，該模型可用于黃土高原地區(qū)田塊尺度的果園蒸散發(fā)模擬計(jì)算。

（2）模擬結(jié)果表明，果樹蒸騰T和果園蒸散發(fā)ET在4-10月份呈現(xiàn)先增大后減小的趨勢(shì)，7月份T達(dá)到最大值58.14 mm。

（3）綜合考慮蘋果樹生長(zhǎng)期內(nèi)水分利用效率WUE和干物質(zhì)質(zhì)量GPP的變化，應(yīng)當(dāng)在果實(shí)膨大期6-8月份保證水分供應(yīng)，并提高水分的利用效率。