Модельная оценка пространственного распределения устьичной проводимости у кормовых трав

Модельная оценка пространственного распределения устьичной проводимости у кормовых трав

Автор: Доброхотов А.В., Максенкова И.Л., Козырева Л.В., Шандор Р.

Журнал: Сельскохозяйственная биология @agrobiology

Рубрика: Агрофизический институт: от физических исследований к практике растениеводства (1932-2017)

Статья в выпуске: 3 т.52, 2017 года.

Бесплатный доступ

Устьичная проводимость (УП) - важный регулятор углеродного и водного обмена растений. Ее расчет используется в моделях фотосинтез-транспирация, а также для оценки роста и развития растений в экосистемах. Если рассматривать посев как «большой лист», то с учетом устойчивости приземного слоя воздуха УП определяется факторами окружающей среды. Внешние условия не только регулируют степень открытости устьиц, но и непосредственно влияют на транспирацию. Нами апробирована предложенная J.M. Blonquist с соавт. (2009) модель оценки УП на основе радиометрических показателей (температура растительного покрова, скрытый и явный потоки тепла как составляющие энергетического баланса посевов) и впервые показана ее применимость при использовании автоматизированных наземных измерений с помощью разработанного агрометеорологического комплекса в сочетании с дистанционным зондированием. Наблюдения проводили 15 и 31 мая 2016 года на поле с кормовыми травами (пос. Бугры, Ленинградская обл., географические координаты соответственно 60°5¢6²N, 30°25¢27²E и 60°5¢16²N, 30°24¢32²E). Входные агрометеорологические параметры (температура и влажность воздуха, атмосферное давление, скорость ветрового потока, радиометрическая температура и радиационный баланс растительного покрова) фиксировали с помощью автоматизированного мобильного полевого агрометеорологического комплекса АМПАК (Агрофизический научно-исследовательский институт) с интервалом 90 с. Наземные измерения выполняли синхронно с дистанционным зондированием со спутника LandSat-8 (США; данные с LandSat-8 размещаются в свободном доступе на портале Геологической службы США - U.S. Geological Survey, https://www.usgs.gov/). Спутник оснащен целевой аппаратурой: OLI (Operational Land Imager), получает изображения в видимом (5 каналов) и ближнем инфракрасном (4 канала) диапазонах, TIRS (Thermal InfraRed Sensor) - в дальнем инфракрасном (тепловом) диапазоне (2 канала). Атмосферную коррекцию спутниковых снимков выполняли с помощью модели с открытым исходным кодом 6S (Second simulation of the satellite signal in the solar spectrum), разработанной группой исследователей из разных стран. Для расчета в ней используются данные об аэрозольной оптической толщине атмосферы для l = 550 нм (доступны в системе MODIS) и глобальная цифровая модель рельефа ASTER GDEM (доступна на портале Геологической службы США). Составляющие энергетического баланса (радиационный баланс, поток тепла в почву, скрытый и явный потоки тепла) вычисляли по модели SEBAL (Surface Energy Balance Algorithm for Land) (W.G.M. Bastiaanssen, 1998). При обработке спутниковых снимков проводили расчеты для значения пикселей с NDVI (Normalized Difference Vegetation Index) > 0,7, что интерпретируется как густая растительность с сомкнутым покровом. Построенные тематические карты радиационного баланса, скрытого и явного потоков тепла использовали для оценки УП. В результате исследований получены тематические карты пространственного распределения устьичной проводимости в экосистеме (поле с кормовыми травами) в зависимости от температуры поверхности растительного покрова и составляющих теплового баланса с учетом стратификации приземного слоя воздуха

Еще

Устьичная проводимость, устьичное сопротивление, транспирация, уравнение энергетического баланса, температура поверхности растительного покрова, дистанционное зондирование, автоматизированный мобильный полевой агрометеорологический комплекс ампак

Еще

Короткий адрес: https://sciup.org/142214043

IDR: 142214043   |   DOI: 10.15389/agrobiology.2017.3.446rus

Список литературы Модельная оценка пространственного распределения устьичной проводимости у кормовых трав

  • Damour G., Simonneau T., Cochard H., Urban L. An overview of models of stomatal conductance at leaf level. Plant, Cell & Environment, 2010, 33: 1419-1438 ( ) DOI: 10.1111/j.1365-3040.2010.02181.x
  • Gao Q., Zhao P., Zeng X., Cai X., Shen W. A model of stomatal conductance to quantify the relationship between leaf transpiration, microclimate and soil water stress. Plant, Cell & Environment, 2002, 25(11): 1373-1381 ( ) DOI: 10.1046/j.1365-3040.2002.00926.x
  • Lu P., Yunusa I.A., Walker R.R., Müller W.J. Regulation of canopy conductance and transpiration and their modelling in irrigated grapevines. Funct. Plant Biol., 2003, 30(6): 689-698 ( ) DOI: 10.1071/FP02181
  • Liu F., Andersen M.N., Jensen C.R. Capability of the ‘Ball-Berry' model for predicting stomatal conductance and water use efficiency of potato leaves under different irrigation regimes. Scientia Horticulturae, 2009, 122(3): 346-354 ( ) DOI: 10.1016/j.scienta.2009.05.026
  • Козырева Л.В., Доброхотов А.В., Ситдикова Ю.Р., Ефимов А.Е. Методика оценки составляющих водного и теплового балансов в системе «почва-растение-призем-ный слой воздуха» с учетом стратификации приземного слоя, неоднородности подстилающей поверхности с использованием данных дистанционного зондирования земли и наземной калибровки автоматизированным мобильным полевым комплексом (АМПАК). СПб, 2016.
  • Allen R.G., Tasumi M., Trezza R. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)-Model. J. Irrig. Drain. E-ASCE, 2007, 133(4): 380-394 ( )) DOI: 10.1061/(ASCE)0733-9437(2007)133:4(380
  • Сиротенко О.Д. Основы сельскохозяйственной метеорологии. Том II. Методы расчетов и прогнозов в агрометеорологии. Кн. 1. Математические модели в агрометеорологии. Обнинск, 2012.
  • Steduto P., Hsiao T.C., Raes D., Fereres E. AquaCrop -The FAO crop model to simulate yield response to water: I. Concepts and underlying principles. Agronomy Journal, 2009, 101(3): 426-437 ( ) DOI: 10.2134/agronj2008.0139s
  • Raes D., Steduto P., Hsiao T. C., Fereres E. AquaCrop the FAO crop model to simulate yield response to water: II. Main algorithms and software description. Agronomy Journal, 2009, 101(3): 438-447 ( ) DOI: 10.2134/agronj2008.0140s
  • Полуэктов Р.А., Опарина И.В., Терлеев В.В. Три способа расчета динамики почвенной влаги. Метеорология и гидрология, 2003, 11: 90-98.
  • Perez P.J., Lecina S., Castellvi F., Martínez-Cob A., Villalobos F.J. A simple parameterization of bulk canopy resistance from climatic variables for estimating hourly evapotranspiration. Hydrol. Process., 2006, 20(3): 515-532 ( ) DOI: 10.1002/hyp.5919
  • Campbell G.S., Norman J.M. An introduction to environmental biophysics. Springer-Verlag, NY, 1998 ( ) DOI: 10.1007/978-1-4612-1626-1
  • Blonquist J.M., Norman J.M., Bugbee B. Automated measurement of canopy stomatal conductance based on infrared temperature. Agr. Forest Meteorol., 2009, 149(12): 2183-2197 ( ) DOI: 10.1016/j.agrformet.2009.10.003
  • Roy D.P., Wulder M.A., Loveland T.R., Woodcock C.E., Allen R.G. Landsat-8: Science and product vision for terrestrial global change research. Remote Sens. Environ., 2014, 145: 154-172 ( ) DOI: 10.1016/j.rse.2014.02.001
  • Du C., Ren H., Qin Q., Meng J., Zhao S. A practical split-window algorithm for estimating land surface temperature from Landsat 8 data. Remote Sens., 2015, 7(1): 647-665 ( ) DOI: 10.3390/rs70100647
  • Bastiaanssen W.G.M., Noordman E.J.M., Pelgrum H., Davids G., Thoreson B.P., Allen R.G. SEBAL model with remotely sensed data to improve water-resources management under actual field conditions. J. Irrig. Drain. E-ASCE, 2005, 131(1): 85-93 ( )) DOI: 10.1061/(ASCE)0733-9437(2005)131:1(85
  • Allen R.G., Tasumi M., Trezza R., Waters R., Bastiaanssen W. SEBAL (Surface Energy Balance Algorithms for Land). Advance Training and Users Manual. Idaho Implementation, 2002, V. 1.
  • Vermote E.F., Tanré D., Deuze J.L., Herman M., Morcette J.J. Second simulation of the satellite signal in the solar spectrum, 6S: An overview. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(3): 675-686 ( ) DOI: 10.1109/36.581987
  • Kotchenova S.Y., Vermote E.F., Matarrese R., Klemm F.J., Jr. Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data. Part I: Path radiance. Appl. Optics, 2006, 45(26): 6762-6774 ( ) DOI: 10.1364/AO.45.006762
  • Kotchenova S.Y., Vermote E.F. Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data. Part II. Homogeneous Lambertian and anisotropic surfaces. Appl. Optics, 2007, 46(20): 4455-4464 ( ) DOI: 10.1364/AO.46.004455
  • Remer L.A., Kaufman Y.J., Tanré D., Mattoo S., Chu D.A., Martins J.V., Li R.R., Ichoku C., Levy R.C., Kleidman R.G., Eck T.F., Vermote E., Holben B.N. The MODIS aerosol algorithm, products, and validation. J. Atmos. Sci., 2005, 62(4): 947-973 ( ) DOI: 10.1175/JAS3385.1
  • Tachikawa T., Hato M., Kaku M., Iwasaki A. Characteristics of ASTER GDEM version 2. Proc. 2011 IEEE International Geoscience and Remote Sensing Symposium. Vancouver, BC, 2011: 3657-3660 ( ) DOI: 10.1109/IGARSS.2011.6050017
  • Allen R.G., Pruitt W.O., Wright J.L., Howell T.A., Ventura F., Snyder R., Smith M. A recommendation on standardized surface resistance for hourly calculation of reference ETo by the FAO56 Penman-Monteith method. Agr. Water Manage., 2006, 81(1): 1-22 ( ) DOI: 10.1016/j.agwat.2005.03.007
  • Зилитинкевич С.C. Атмосферная турбулентность и планетарные пограничные слои. М., 2013.
  • Pagowski M. An iterative solution of flux-profile relationships in the surface layer for regional model applications. Atmos. Environ., 2006, 40(35): 6892-6897 ( ) DOI: 10.1016/j.atmosenv.2006.07.027
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp