中国散射光合有效辐射的估算及时空特征分析

第69卷第3期

2014年3月地理学报ACTAGEOGRAPHICASINICAVol.69,No.3March,2014

1981-2010年中国散射光合有效辐射的估算及时空特征分析

任小丽1,2,何洪林1,张黎1,于贵瑞1

(1.中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;

2.中国科学院大学,北京100049)

摘要：光合有效辐射(Photosyntheticallyactiveradiation,PAR)是植物光合作用的主要能量来

源，其散射组分能够增强植被冠层光能利用率，从而增加碳吸收。因此，散射PAR是生态系

统生产力模型的重要驱动因子。本文尝试估算我国1981-2010年的散射PAR，通过空间化得到

近30年月尺度10km分辨率的散射PAR空间数据集，并分析了其空间分布特征和时间变化趋

势。结果表明：(1)1981-2010年散射PAR多年平均值的空间分布具有明显的空间异质性，总

体上东北部较低，南部和西部较高。全国范围内的多年平均值在6.66~15.27molm-2d-1之间，且夏季散射PAR最大，冬季最小。(2)1981-2010年全国所有像素散射PAR年平均值表现出明

显的上升趋势，上升幅度为0.03molm-2d-1/10a；但前10年下降趋势明显，且1982、1983、1991和1992年存在明显异常。春季的散射PAR呈现微弱的下降趋势，其他季节均呈上升趋

势。(3)1981-2010年散射PAR时间变化率的空间分布具有明显的季节变化和区域差异，我国

大体呈现南部区域上升，北部区域下降。

关键词：光合有效辐射；散射比例；散射光合有效辐射；时空变化特征

DOI:10.11821/dlxb201403004

1引言

太阳辐射是地球表层能量交换的主要来源，是影响陆地生态系统生产力和碳水收支的重要环境因子[1-3]；其中波长在400~700nm之间的光合有效辐射(Photosyntheticallyactiveradiation,PAR)是植物光合作用的能量来源，是生态系统生产力模型的主要驱动因子[4-6]。在不受其他环境因子(如温度、水分等)限制的条件下，植被冠层的光合作用一般随着PAR的增加而增强，但由于两个叶片获取适当的光比一个叶片获取强光而令一个叶片在阴影中时光合作用更强，因此PAR在冠层中的均匀分布很重要[7-10]。晴天情况下，强光直射的冠层部分容易出现光饱和现象，光能利用率降低，而在阴影中的冠层部分虽然光能利用率较高，但得到的PAR较少，从而导致整个冠层光合作用减弱；阴天情况下，来自天空各个方向的散射PAR增加，其在冠层内能够穿透地更深，从而降低整个冠层的光合饱和点，增强冠层光能利用率，进而增强冠层碳吸收[8-11]。鉴于此，散射PAR对生态系统生产力的影响研究已成为近年来生态学家研究的焦点问题之一[3,5,8,10-14]。

研究散射(PAR)对生态系统生产力的影响，需要在模型驱动数据中显式地包含散射收稿日期：2013-09-18;修订日期：2014-01-10

基金项目：中国科学院先导专项(XDA05050600);国家科技部环保公益性行业科研专项(201109030);国家级自然保护

区保护成效评估与规范化建设关键技术研究(201209028-4)[Foundation:StrategicPriorityResearch

ProgramoftheChineseAcademyofSciences,No.XDA05050600;TheEnvironmentalProtectionPublic

WelfareIndustryTargetedResearchFund,No.201109030;Researchonthekeytechnologyofeffectiveness

evaluationandstandardizedconstructionofNationalNatureReserves,No.201209028-4]

作者简介：任小丽(1984-),女,河北人,博士研究生。E-mail:[email protected]

通讯作者：何洪林(1971-),男,湖南人,研究员。E-mail:[email protected]

323-333页

324地理学报69卷

图1散射PAR估算及时空特征分析的技术路线图

Fig.1Theflowchartoftheestimationandspatiotemporalvariationanalysisofdiffuse

PAR(PAR)[8-10]，因此散射PAR数据的获取及其时空变化特征对于正确模拟其对生态系统生产力的影响，进而准确估计生态系统碳水收支具有重要意义。目前，国内有PAR和散射辐射的观测站点，但几乎没有散射PAR的观测站点，因此散射PAR数据的获取需要借助于估算模型。散射PAR的估算一般通过PAR乘以散射比例直接得到，但这只是一种粗略估计，因为总辐射的散射比例并不等价于PAR的散射比例；晴天情况下PAR的散射比例要明显大于总辐射的散射比例，阴天情况下两者差距较小[15]。较精确的散射PAR模型包括气溶胶光学厚度模型[16]、波谱模型[17]等，但这些模型所需输入数据较难获取，不适用于大尺度扩展。Spitters等[15]提出了一种简单的散射PAR计算方法，只需要PAR和散射比例作为输入，并在全球多个站点得到验证和应用[6,18]，表明Spitters模型具有一定的普适性。

本研究组已系统研究了PAR和散射辐射的估算方法及其时空变化特征[4,19]。朱旭东等[4]计算了全国近50年的PAR，但没有给出PAR估算的精度验证；Ren等[19]计算了我国近30年的散射比例和散射辐射，并对其估算精度做了交叉验证，结果表明估算精度较高。本文基于已有研究，利用全国气象站、辐射站以及中国生态系统研究网络(ChineseEcosystemResearchNetwork,CERN)的观测数据，首先验证PAR的估算精度，从而实现Spitters模型所有输入数据的精度验证；进而利用得到的PAR和散射辐射数据，以及Spitters模型估计散射PAR，进而分析散射PAR的时空变化特征(图1)，为进一步分析散射PAR的变化对我国陆地生态系统生产力的影响奠定基础。

2数据和方法

2.1研究基础数据

本文使用的基础数据包括中国气象局提供的1981-2010年日尺度日照时数、总辐射和散射辐射数据(http://cdc.cma.gov.cn/home.do)，CERN综合中心提供的全国39个野外台站2004-2010年逐日太阳总辐射和PAR数据(http://www.cerndata.ac.cn/)，以及中国科学院地理科学与资源研究所提供的全国500m分辨率的DEM数据。全国观测日照时数的气象站点有756个，观测总辐射的辐射站点为122个，由于1993年全国辐射站的调整，散射辐射观测站点从70多个降为17个，1981-2010年间至少有一年散射辐射观测数据的站点有81个(图2)。

2.2散射PAR的估算方法

我国目前几乎没有散射PAR的观测站点，因此需利用Spitters模型基于PAR和散射辐

3期任小丽等：1981-2010年中国散射光合有效辐射的估算及时空特征分析325

图2中国气象站、辐射站及CERN台站的空间分布(I:西北区;II:内蒙区;III:东北区;IV:华北区;

V:华中区;VI:华南区;VII:西南区;VIII:青藏区)

Fig.2Distributionofmeteorologicalstations,radiationstationsandCERNstations

(I.NorthwestChina;II.InnerMongolia;III.NortheastChina;IV:NorthChina;V.CentralChina;

VI.SouthChina;VII.SouthwestChina;VIII.Qinghai-Tibet

Plateau)射来估算。但是PAR和散射辐射的观测站点也较为有限，我们分别利用总辐射与日照时数之间、散射辐射与总辐射之间、以及PAR与总辐射之间的经验关系扩展总辐射、散射辐射和PAR数据。因此，散射PAR的估算包括下面四个步骤(图1)。

(1)总辐射的扩展我们使用Angstrom模型[20](式1)来扩展总辐射。首先利用122个辐射站的总辐射和日照时数数据估计模型参数，然后利用756个气象站的日照时数数据和参数化后的Angstrom模型计算756个站的总辐射[19]。Qkt='=a+b(1)Q

式中：kt为晴空指数，Q为总辐射，Q'为天文辐射，n为实际日照时数，N为可能日照时数，系数a和b的取值参考Ren等[19]。

(2)散射辐射的扩展利用Boland模型[21-22](式2)来计算散射辐射。首先利用同时观测总辐射和散射辐射的辐射站观测数据估计Boland模型参数，然后利用上一步得到的总辐射数据以及参数化后的Boland模型估计756个站的散射辐射[19]。Q1kd=d=(2)t式中：Kd为散射比例，Qd为散射辐射，系数c和d的取值参考Ren等[19]。

(3)PAR的扩展采用朱旭东等[4]描述的方法(式3)进行PAR的站点扩展。利用CERN39个野外台站的PAR和太阳总辐射数据估计模型参数，然后利用扩展后的总辐射数据以及参数化的模型估计756个站的PAR数据，将PAR数据从39个站扩展到756个站。

η=PAR=e+fln(kt)(3)

326地理学报69卷

式中：η为光合有效系数，PAR为光合有效辐射，e和f为待定系数。

(4)散射PAR的估算采用Spitters等[15]提出的散射PAR计算方法估算我国700多个站点的散射PAR。晴天下PAR的散射比例(下文统称为散射PAR比例)大于总辐射的散射比例(下文统称为散射比例)，如式4所示。PARd=[1+0.3⋅(1-kd)2]⋅kdkPAR_d=(4)式中：kPAR_d为散射PAR比例，PARd为散射PAR。

由于我国的地形和气候具有高度的空间异质性，因此我们分区估计模型参数，从而分区扩展站点数据[4,19]。综合考虑区域差异和站点分布情况，本研究根据中国自然地理区划，将全国分为8个区：西北区、内蒙区、东北区、华北区、华中区、华南区、西南区和青藏区[23]，保证每个区中均有一定数量的观测站点(每个分区PAR至少有2个站点，散射辐射至少有5个站点，总辐射至少有7个站点)。2.3散射PAR的空间化

采用ANUSPLIN软件

包[24]进行1981-2010年10

km×10km空间分辨率月

尺度散射PAR的空间化。

首先，将日尺度散射PAR

计算到月尺度，并利用

ArcGIS将DEM数据重采

样为10km×10km分辨

率；然后，将经纬度作为

自变量，高程作为协变

量，利用3次样条函数进

图3利用ANUSPLIN进行散射PAR空间化的流程行月尺度散射PAR的空间

插值(图3)；最后，利用Fig.3TheflowchartofthespatializationofdiffusePARusingANUSPLINsoftwareArcGIS的地图代数计算散射PAR的年均值空间数据。

2.4散射PAR的时空变化分析方法

散射PAR的空间分布情况利用ArcGIS的专题地图功能来分析；1981-2010年散射PAR长时间序列的时间变异从全国平均和空间分布两个角度分析：全国平均的年际变化趋势利用线性回归来分析，空间上的年际变化率利用Mann-Kendall趋势分析方法[25-26]，具体方法描述参见朱旭东等[4]和Ren等[19]。

3结果分析

3.1散射PAR估算的参数化与验证

本文使用实测数据对Angstrom模型、Boland模型和PAR模型进行了分区参数化和验证，为了将参数化后的模型用于更多站点和更长年份，采用交叉验证方法验证模型的站点扩展和年份扩展效果[19]。Angstrom和Boland模型的参数估计值及验证精度已在Ren等[19]中给出，两个模型在全国所有区模拟效果均较好，只有青藏区稍差，因为青藏区的气象站和辐射站分布较为稀少。朱旭东等[4]虽给出了PAR模型的参数估计值，但其没有给出精度验证结果，况且其使用的PAR数据为CERN36个站点2004-2007年数据，本文在其基础上收集了更多数据，包括CERN39个站点2004-2010年的PAR数据，所以本文给出了PAR模型的重新参数化和验证结果。

3期任小丽等：1981-2010年中国散射光合有效辐射的估算及时空特征分析

表1PAR模型在全国不同分区的参数化及交叉验证结果

Tab.1TheresultsofthecalibrationandvalidationofPARmodelindifferentregionsacross

China327

参数估计值及模型验证I西北区II内蒙古区III东北区IV华北区V华中区VI华南区VII西南区VIII青藏区

0.39e0.380.350.350.360.380.360.40

-0.06f-0.06-0.06-0.07-0.07-0.02-0.04-0.03

0.99站点扩展验证-R0.990.970.980.980.980.920.98

站点扩展验证-RMSE2.292.493.412.962.893.294.152.58(molm-2d-1)

年份扩展验证-R

年份扩展验证-RMSE

(molm-2d-1)0.992.150.992.310.973.170.982.830.982.850.992.760.973.540.992.40

从PAR模型参数估计值及站点扩展和年份扩展的相关系数(R)及均方根误差(RMSE)看(表1)，模型在全国所有分区模拟效果均较好，R几乎均超过0.97，RMSE几乎均小于

3.5molm-2d-1；只有西南区的效果稍差，这是因为该区CERN观测站点相对较少(图2)。各个分区的参数估计值接近于朱旭东等[4]的计算结果，数值上的微小差异可能是由于所用数据站点数目及年限不同所致。3.2散射PAR及其空间插值误差的空间分布

中国区域散射PAR1981-2010年的多年平均值空间分布差异明显，总体呈现东北部低，南部和西部高的特点(图4)。散射PAR多年平均值在6.66~15.27molm-2d-1之间，全国所有像素平均值为12.85molm-2d-1。东北区和内蒙区的值相对较低，在6.66~12molm-2d-1之间；而西南区、华南区和华北区的值相对较高，在12~15.27molm-2d-1之间。西北区、青藏区和华中区的异质性较强，西北区的西部较东部高，青藏区的北部和西部存在相对低值区，华中区的四川盆地是一个低值中心。散射PAR的空间分布特征与散射辐射的空间分布[19]极为相似。

图5是季节散射PAR多年平均值的空间分布，采用4月份、7月份、10月份和1月份分

图4中国区域散射PAR1981-2010年多年平均值的空间分布(molm-2d-1)

Fig.4SpatialdistributionofperennialaverageofdiffusePARinChinaduring1981-2010(molm-2d-1)

328地理学报69卷

(a)春季(b)夏季

(c)秋季(d)冬季

图5中国区域季节散射PAR1981-2010年多年平均值的空间分布(molm-2d-1)

Fig.5SpatialdistributionofperennialaverageofseasonaldiffusePARinChinaduring1981-2010(molm-2d-1)别代表春季、夏季、秋季和冬季[19]。夏季的散射PAR最大，全国平均值为18.09molm-2d-1；春季次之，全国平均值为15.48molm-2d-1；秋冬季节最小，全国平均值分别为10.41molm-2d-1和7.39molm-2d-1。秋季和冬季的空间分布格局较为相似，均与年均值空间分布基本一致；春季和夏季的空间分布格局相似，但与年均值空间分布差异较为明显。

ANUSPLIN软件除了能够进行气象要素的空间化，还可以同时计算出空间化数据的空间插值误差[24]。从近30年全国散射PAR空间插值误差多年平均值的空间分布(图6)看，误差范围在0.43molm-2d-1~1.81molm-2d-1之间，均值为0.47molm-2d-1，平均相对误差为

3.66%。青藏区西北部误差相对较大，可能因为此处气象站点分布较少(图2)。

3.3散射PAR的年际变化趋势

在ArcGIS中对1981-2010年散射PAR的空间数据进行地图代数运算，得到全国区域逐年的所有栅格散射PAR年均值和各季节平均值，从而计算得到长时间序列的年、季节平均散射PAR的年际距平序列，并用线性回归方法分析其变化趋势(图7，表2)。1981-2010年全国散射PAR平均值呈缓慢上升趋势，平均上升幅度为0.03molm-2d-1/10a，但是在1981-1990年有一个明显的下降趋势，且1982和1983年存在异常高值，在1991和1992年出现剧烈增长，并且在1992年达到30年的最高值，之后快速降低，1997年之后保持波动上升(图7)。

除了春季，其他季节的散射PAR均呈上升趋势，并且只有夏季和秋季的变化趋势是显著的(表2)。夏季的上升趋势最明显，升幅达到0.09molm-2d-1/10a，秋季上升趋势也较为明显，升幅为0.08molm-2d-1/10a。这两个季节的散射PAR变化在散射PAR年变化中的贡献最大。冬季的散射PAR呈现微弱的上升趋势，升幅只有0.02molm-2d-1/10a；而春季与其他季节不同，呈现微弱的下降趋势，降幅仅为0.01molm-2d-1/10a。

3期任小丽等：1981-2010年中国散射光合有效辐射的估算及时空特征分析329

图6中国区域散射PAR空间插值误差1981-2010年多年平均值的空间分布(molm-2d-1)

Fig.6SpatialdistributionofperennialaveragepredictionstandarderrorsofdiffusePARinChina

during1981-2010(molm-2d-1)

表21981-2010年中国年、季节散射PAR距平线性3.4散射PAR的年际变化率空间分布回归系数采用Mann-Kendall趋势分析方法对Tab.2Linearregressioncoefficientsoftheanomaliesof1981-2010年的年、季节散射PAR空间数

annualandseasonalaveragediffusePARfrom1981to2010据进行逐像元时间趋势变化分析，得到冬季秋季夏季春季年尺度年、季节散射PAR年际变化率的空间分0.0020.0080.009-0.0010.003斜率布(图8、图9)。年散射PAR变化率的空截距7.36310.28717.96115.49612.797间分布具有明显的空间异质性，总体上呈相关系数R0.413*0.0660.570*0.478*0.158

现南部上升北部下降的趋势(图8)。在我*显著水平α=0.05

国东部地区，除了东北均呈现上升趋势。天山山脉有明显上升趋势，而其北部的准噶尔盆地和南部的塔里木盆地均表现出明显的下降趋势。河西走廊的北部地区，具有明显的下降趋势。青藏区除了其东南麓和柴达木盆地，均呈现明显的上升趋势。华北地区、华中地区和华南地区呈现上升趋势，在山东半岛、长江中下游地区和广东省尤为明显。内蒙区中间呈上升趋势，两边呈下降趋势。

我国1981-2010年的散射PAR时间变化趋势除了具有地区差异外(图8)，还具有明显的季节差异(图9)。春季，下降趋势占主导；而夏季和秋季上升趋势面积超过下降趋势面积，表明我国大部地区夏季和秋季散射PAR呈上升趋势。冬季，上升趋势的面积略大于下降趋势，表明冬季存在一个微弱的上升趋势。这与第3.3节描述的全国区域所有像元平均的散射PAR年际变化趋势结果一致。

4讨论

大气中的散射质点分为两种：一种是空气分子，其直径小于太阳辐射的波长，遵循瑞利散射定律，散射能力与波长的四次方成反比，主要发生在可见光谱区，对蓝、紫光的散射能力最强；另一种是云滴、雾滴、灰尘微粒等，其直径大于太阳辐射的波长，对太阳辐

330地理学报69卷射不同波长的散射能力大致相同[15,27]。

因此，阴天情况下太阳辐射主要被云滴

等粗粒所散射，PAR(400~700nm)的

散射比例与总辐射(300~3000nm)的散

(a)射比例相当；而在晴天条件下太阳辐射

主要被气体分子所散射，PAR的散射比

例大于总辐射的散射比例[15,28]。这正是

Spitters模型构建的理论基础，表明使

(b)用Spitters模型进行散射PAR的估算较

为合理[18]。

影响散射PAR时空变化特征的因

素很多，主要包括天文辐射、云量和气

(c)溶胶等[9]，这些因素对散射PAR的净影

响体现在PAR减少和散射PAR比例增

强之间的平衡。因此，探讨散射PAR

空间分布和时间变异的原因，离不开

(d)PAR和散射比例时空变化特征的分析。

无论是空间分布，年际变化趋势还是年

际变化率的空间分布，散射PAR均与

Ren等[19]描述的散射辐射较为相似。这

(e)可能是由于散射PAR是由PAR和散射

比例决定的，散射辐射是由总辐射和散

射比例决定的，而总辐射与PAR之间

的关系由光合有效系数来体现，光合有图71981-2010年中国年、季节平均散射PAR距平曲线(a效系数的时空变异较小，有些研究为了代表年平均散射PAR距平曲线，b-e分别代表春、夏、

秋、冬季散射PAR距平曲线；molm-2d-1)计算方便甚至将其设定为固定值。

由Spitters模型可以看出，散射Fig.7AnomaliesofannualandseasonalaveragediffusePAR

averagedalloverChinafrom1981to2010(adenotesannualPAR的空间分布是由PAR空间分布和averagediffusePAR;b,c,dandedenoteseasonalaveragediffuse

散射比例空间分布所共同决定的。PARPARofspring,summer,autumnandwinterrespectively;molmd)的空间分布呈现东南低、西部高的特

点[4]，而散射比例东南部较高，其他地

区相对较低[19]，两者的分布特征及相对

大小共同决定了散射PAR东北部低，

南部和西部高的特点。PAR的年际变

化近30年呈下降趋势，下降幅度为

0.13%/10a，Ren等[19]报道散射比例近

30年呈上升趋势，上升幅度为0.21%/

10a，可以看出散射比例的上升趋势明

显大于PAR的下降趋势，所以散射

PAR近30年呈现上升趋势。图81981-2010年中国散射PAR年均值的年际变化率空间1982、1983、1991和1992年散射分布(白色区域代表变化趋势在α=0.05的显著水平下不显

著；%/年)PAR的异常(图7)可能是由1982年4

月的ElChinchon火山爆发和1991年6Fig.8Spatialdistributionofthevariationratesofannualaverage

diffusePARinChinafrom1981to2010(Whiteareasdenotethat月的Pinatubo火山爆发，大气中气溶胶therearenostatisticallysignificanttrends，α=0.05;%peryear)-2-1

3期

(a)春季任小丽等：1981-2010年中国散射光合有效辐射的估算及时空特征分析(b)夏季331

(c)秋季(d)冬季

图91981-2010年中国季节散射PAR年际变化率空间分布

(白色区域代表变化趋势在α=0.05的显著水平下不显著；%/年)

Fig.9SpatialdistributionofvariationratesofseasonalaveragediffusePARinChinafrom1981to2010

(Whiteareasdenotethattherearenostatisticallysignificanttrends，α=0.05;%peryear)

明显增多所致。Pinatubo火山爆发是近百年来最强的一次火山爆发，释放了大约20Tg硫酸盐进入平流层，极大地增加了随后两年的全球散射辐射量[10]，因此1991年和1992年散射PAR呈现前所未有的迅猛增长态势，并在1992达到近30年的最高值。

由于国内目前几乎没有散射PAR的观测数据，导致目前散射PAR只能利用模型估算得到。一般直接使用PAR乘以散射比例，这样得到的散射PAR只是个较为粗略的估计。本文尝试提供更加可靠的散射PAR数据，但最大的缺憾是没有实测散射PAR数据做验证。在散射PAR估算技术路线(图1)的四个步骤中，前三个步骤都做了验证，并且效果很好，第四步Spitters模型虽然没有做验证，但模型已在全球多个站点得到验证和应用，证明模型具有一定的普适性。因此，我们认为虽然没有实测散射PAR做验证，但本文是对精确散射PAR数据获取的一次有益尝试。本文得到的散射PAR数据不可避免地存在一定的不确定性，但其仍然可以反映我国散射PAR的空间分布格局和时间变化趋势。

5结论

本研究生成了国内首套近30年月尺度10km分辨率的散射PAR空间数据集，并且分析了其时空变化特征，为定量分析散射PAR对生态系统碳水循环的影响奠定了基础，使得区域尺度的生态系统过程模拟更加精确。主要研究结论如下：

(1)利用Spitters模型估算得到的散射PAR虽没有实测散射PAR进行验证，但其两个输入数据PAR和散射比例均得到了验证，间接验证了散射PAR数据的精度。无论是空间分布还是时间变化，散射PAR均与散射辐射较为相似，这是由PAR与总辐射的时空分布较为相似所致。

332地理学报69卷

(2)1981-2010年散射PAR多年平均值的空间格局存在明显的异质性，总体上东北部较低，南部和西部较高。全国范围内的多年平均值在6.66~15.27molm-2d-1之间，所有像素平均值为12.85molm-2d-1。而且夏季散射PAR最大，冬季最小。

(3)1981-2010年全国所有像素散射PAR年平均值表现出明显的上升趋势，上升幅度为0.03molm-2d-1/10a。但是前10年下降趋势明显，且1982、1983、1991和1992年存在明显异常。对于季节散射PAR，除了春季外，其他季节都与年散射PAR一样呈现上升趋势。1981-2010年散射PAR时间变化率的空间分布具有明显的区域差异，我国大体呈现南部区域上升，北部区域下降。

参考文献(References)

[1]WildM.Globaldimmingandbrightening.JournalofGeophysicalResearch-Atmospheres,2009,114(21):D00D16.

[2]WildM,GilgenH,RoeschAetal.Fromdimmingtobrightening:DecadalchangesinsolarradiationatEarth'ssurface.Science,2005,308(5723):847-850.

[3]SunJingsong,ZhouGuangsheng.Reviewofadvancesinmeasurementsandeffectsofdiffuseradiationonterrestrialecosystemproductivity.ChineseJournalofPlantEcology,2010,34(4):452-461.[孙敬松,周广胜.散射辐射测量及其对陆地生态系统生产力影响的研究进展.植物生态学报,2010,34(4):452-461.]

[4]ZhuXudong,HeHonglin,LiuMinetal.Spatio-temporalvariationofphotosyntheticallyactiveradiationinChinainrecent50years.JournalofGeographicalSciences,2010,20(6):803-817.

[5]HeXuezhao,ZhouTao,JiaGensuoetal.ModeledeffectsofchangesintheamountanddiffusefractionofPARonforestGPP.JournalofNatrualResources,2011,26(4):619-634.[何学兆,周涛,贾根锁等.光合有效辐射总量及其散射辐射比例变化对森林GPP影响的模拟.自然资源学报,2011,26(4):619-634.]

[6]JacovidesCP,TymviosFS,AssimakopoulosVDetal.ThedependenceofglobalanddiffusePARradiationcomponentsonskyconditionsatAthens,Greece.AgriculturalandForestMeteorology,2007,143(3/4):277-287.

[7]FarquharGD,RoderickML.Atmosphericscience:Pinatubo,diffuselight,andthecarboncycle.Science,2003,299(5615):1997-1998.

[8]GuLH,BaldocchiDD,WofsySCetal.ResponseofadeciduousforesttotheMountPinatuboeruption:Enhancedphotosynthesis.Science,2003,299(5615):2035-2038.

[9]KanniahKD,BeringerJ,NorthPetal.Controlofatmosphericparticlesondiffuseradiationandterrestrialplantproductivity:Areview.ProgressinPhysicalGeography,2012,36(2):209-237.

[10]MercadoLM,BellouinN,SitchSetal.Impactofchangesindiffuseradiationonthegloballandcarbonsink.Nature,

2009,458(7241):1014-1017.

[11]GuLH,BaldocchiD,VermaSBetal.Advantagesofdiffuseradiationforterrestrialecosystemproductivity.Journal

ofGeophysicalResearch-Atmospheres,2002,107(D6):ACL2-1-ACL2-23.

[12]GuLH,FuentesJD,ShugartHHetal.Responsesofnetecosystemexchangesofcarbondioxidetochangesin

cloudiness.JournalofGeophysicalResearch-Atmospheres,1999,104(D24):31421-31434.

[13]ZhangM,YuGR,ZhangLMetal.Impactofcloudinessonnetecosystemexchangeofcarbondioxideindifferent

typesofforestecosystemsinChina.Biogeosciences,2010,7(2):711-722.

[14]ZhangM,YuGR,ZhuangJetal.Effectsofcloudinesschangeonnetecosystemexchange,lightuseefficiency,and

wateruseefficiencyintypicalecosystemsofChina.AgriculturalandForestMeteorology,2011,151(7):803-816.

[15]SpittersCJT,ToussaintHAJM,GoudriaanJ.Separatingthediffuseanddirectcomponentofglobalradiationand

itsimplicationsformodelingcanopyphotosynthesis:1.AgriculturalandForestMeteorology,1986,38(1-3):217-229.

[16]ChoHK,JeongMJ,KimJetal.Dependenceofdiffusephotosyntheticallyactivesolarirradianceontotaloptical

depth.JournalofGeophysicalResearch-Atmospheres,2003,108(D9)

[17]WangXP,GuoY,WangXYetal.Estimatingphotosyntheticallyactiveradiationdistributioninmaizecanopiesbya

three-dimensionalincidentradiationmodel.FunctionalPlantBiology,2008,35(9/10):867-875.

[18]TsuboM,WalkerS.RelationshipsbetweenphotosyntheticallyactiveradiationandclearnessindexatBloemfontein,

SouthAfrica.TheoreticalandAppliedClimatology,2005,80(1):17-25.

[19]RenXL,HeHL,ZhangLetal.SpatiotemporalvariabilityanalysisofdiffuseradiationinChinaduring1981-2010.

AnnGeophys,2013,31(2):277-289.

[20]AngstromA.Solarandterrestrialradiation.Reporttotheinternationalcommissionforsolarresearchonactinometric

investigationsofsolarandatmosphericradiation.QuarterlyJournaloftheRoyalMeteorologicalSociety,1924,50

3期任小丽等：1981-2010年中国散射光合有效辐射的估算及时空特征分析333

[21]

[22]

[23]

[24]

[25]

[26]

[27]

[28](210):121-126.BolandJ,RidleyB,BrownB.Modelsofdiffusesolarradiation.RenewableEnergy,2008,33(4):575-584.BolandJ,ScottL,LutherM.Modellingthediffusefractionofglobalsolarradiationonahorizontalsurface.Environmetrics,2001,12(2):103-116.ZhaoJi.AtlasforPhysicalGeographyofChina.Beijing:HigherEducationPress,1997.[赵济.中国自然地理图集.北京:高等教育出版社,1997.]HutchinsonMF.ANUSPLINVersion4.2UserGuide.Canberra:CenterforResourceandEnvironmentalStudies,theAustralianNationalUniversity,2001.WeiFengying.ModernStatisticalDiagnosisandForecastingTechniquesforClimate.Beijing:ChinaMeteorologicalPress,1999.[魏凤英.现代气候学统计诊断与预测技术.北京:气象出版社,1999.]WangJinglong,LiangXiaojun.NonparametricStatisticalAnalysis.Beijing:HigherEducationPress,2006.[王静龙,梁小筠.非参数统计分析.北京:高等教育出版社,2006.]HeQingtang.Meteorology.Beijing:ChinaForestryPublishingHouse,1988.[贺庆棠.气象学.北京:中国林业出版社,1988.]JacovidesCP,BolandJ,AsimakopoulosDNetal.Comparingdiffuseradiationmodelswithonepredictorfor

partitioningincidentPARradiationintoitsdiffusecomponentintheeasternMediterraneanbasin.RenewEnergy,2010,35(8):1820-1827.

AssessmentofthespatiotemporalvariationsofdiffusephotosyntheticactiveradiationinChinafrom1981to2010

RENXiaoli1,2,HEHonglin1,ZHANGLi1,YUGuirui1

(1.KeyLaboratoryofEcosystemNetworkObservationandModeling,InstituteofGeographicSciencesand

NaturalResourcesResearch,CAS,Beijing100101,China;

2.UniversityofChineseAcademyofSciences,Beijing100049,China)

Abstract:Photosyntheticallyactiveradiationistheenergysourceofplantphotosynthesis,andthediffusecomponentcanenhancecanopylightuseefficiency,therebyincreasingthecarbonuptake.Therefore,diffusePARisanimportantdrivingfactorofecosystemproductivitymodels.Inthisstudy,weestimatedthediffusePARofover700meteorologicalsitesinChinafrom1981to2010usinganempiricalmodelbasedonobservationaldatafromChineseEcosystemResearchNetwork(CERN)andChinaMeteorologicalAdministration.Thenwederivedthespatialdatasetof10kmmonthlydiffusePARusingANUSPLINsoftware,andanalyzedthespatiotemporalvariationofdiffusePARthroughGISandtrendanalysis.Theresultsshowedthat:(1)thespatialpatternsofannualaveragediffusePARduring1981-2010areheterogeneousacrossChina,lowerinthenortheastandhigherinthewestandsouth.Thenationwideaveragevalueforthe30yearsrangesfrom6.66molm-2d-1to15.27molm-2d-1,andthevalueinsummeristhebiggestwhilethevalueinwinteristhesmallest.(2)ThereisanevidentincreasingtrendofannualdiffusePARduringrecent30years,withincreasingamplitudeat0.03molm-2d-1/10a.Butasignificantdecliningtrendisobservedinthefirst10years,andobviousanomaliescanbeseenin1982,1983,1991and1992.Andthereisadownwardtrendinspringandanupwardoneinallotherseasons.(3)ThespatialdistributionoftemporalvariationratesofdiffusePARisinhomogeneousacrossthewholecountry,generallydecreasinginthenorthandincreasinginthesouth.

Keywords:photosyntheticallyactiveradiation;diffusefraction;diffusePAR;spatiotemporalvariations