典型湿润山丘区异质下垫面下生态水文过程耦合机理与模拟

There is large spatial variability in topography, geomorphology, and land cover in the humid hilly regions of China. The spatial heterogeneity of these land surface conditions largely influence the ecohydrological processes in these regions. Knowledge on the mechanisms controlling the coupled ecohydrological processes in these regions is still insufficient. To gain additional knowledge, this research project will first conduct comprehensive field observations in a three-level nested experimental sub-basin of the Xinanjiang River, a typical humid hilly region of China. Second, a synergistic remote sensing retrieval algorithm will be developed to retrieve the vegetation composition and structure using multi-platform, multi-source remote sensing imageries and help understand the spatial heterogeneity of vegetation. Third, the regulation of fine-scale landscape heterogeneity on the ecohydrological processes in the study region will be studied. Furthermore, methods to represent these landscape and vegetation heterogeneities and to model their effects on ecohydrological processes will be developed and implemented into the Ecosystem Demography 2.1 (ED2.1) to build a new distributed ecohydrological model. Finally, the developed method will be applied in this region to simulate the ecohydroloigcal processes and to show the spatiotemporal characteristics of these processes. This project aims to provide new insight and knowledge on ecohydrological mechanisms, landscape simplification and development of echydrological model.

我国湿润山丘区的下垫面地形地貌和植被空间异质性显著，极大地影响着生态水文过程，目前对该地区精细尺度下的生态水文耦合机理的认识仍然不足。本项目拟选新安江“大-中-小”三级嵌套流域开展野外立体观测实验和机理分析，建立基于多源、多平台遥感手段的植被组成与结构协同反演方法，探明植被的空间异质性，揭示精细尺度下流域下垫面空间异质性对生态水文过程的影响机制，构建流域下垫面物理条件空间异质性对生态水文过程影响的非均化概化、精细化模拟和尺度转换方法，发展基于哈佛大学Ecosystem Demography-2.1动态植被模型的生态水文模型，阐明典型湿润山丘区生态水文过程的时空分布规律。本项目将在研究湿润山丘区的生态水文耦合机理、下垫面概化方法和模型模拟技术等方面取得创新。

我国湿润山丘区的下垫面地形地貌和植被空间异质性显著，极大地影响着生态水文过程，厘清该地区精细尺度下的生态水文耦合机理对提升生态水文过程模拟精度和准确预测环境变化下的碳水循环过程至关重要。本项目在新安江流域构建了五级嵌套流域观测网，开展了野外立体观测实验、遥感探测、机理分析和数值建模。揭示了生态水文要素的空间分布规律及其影响因素，研究表明坡向和地形遮挡对植被类型和土壤湿度空间分布有显著的影响；高程和地形遮挡对气温有显著的影响。基于多光谱遥感技术，建立了植被组成与结构的机器学习协同反演方法。提出了基于微地形信息的辐射、气温和土壤湿度降尺度方法，并揭示了精细尺度下流域下垫面空间异质性对生态水文过程的影响机制。构建了流域下垫面物理条件空间异质性对生态水文过程影响的非均化概化方法，提出基于植株个体密度的尺度转换方法，并与Ecosystem Demography-2.1动态植被模型进行整合，进行生态水文过程的模拟并揭示生态水文要素的时空分布规律。模型对比分析表明，相比传统的流域下垫面均化概化方法，采用流域下垫面空间异质性的非均化概化方法可以显著提升模型对生态水文过程的模拟精度。本研究为陆面生态水文模型的改进与发展提供了理论和技术支撑，具有较好的推广应用价值。. 通过本项目的资助，产生了系列成果，包括：出版专著2部；发表论文36篇（其中，SCI检索论文25篇，EI检索论文6篇，中文核心论文5篇）；授权发明专利16项；登记软件著作权6项；培养博士4名、硕士12名；研究成果支撑获得3项省部级科技奖励。