英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

土壤热通量两种计算方法的比较分析

Claudia Liebethal , Bernd Huwe , Thomas Foken

摘要

土壤热通量（地表土壤热通量），可以用几种不同的方式对在原位土壤测量的数据进行计算，所有这些方法所得出的结果，受到测量的输入数据集的误差的影响。在这项研究中，我们分析确定地面热通量时所运用的两种方法测量时所带来误差的影响：Plate Cal法，梯度法。为此，敏感性分析LITFASS-2003实验的土壤数据集：地面热通量的结果在对所测量的输入数据集进行重新计算和修改（10000次）后得到。随后，将原始数据和重新计算的结果进行比较，通过计算一个质量标志的评估。从这个分析中，我们得出这样的结论：参考深度（分别带入两种方法）是影响变量数据集最重要的项，它应该尽可能深。此外，其中修改的变量，温度对结果有最大的影响。最后，Plate Cal法比梯度法更好得到结果，但是，更推荐使用梯度法，因为它误差较小。

关键词：地表热通量 灵敏度分析 Plate Cal 温度梯度 Calorimetry

1.概述

地表的能量收支(EBS)是气象学和相关学科基础研究的中心领域。EBS由净辐射、湍流热通量 (潜热和显热通量)和地表热通量(,进入底层土壤的热量)。近年来，许多研究投入了大量的精力到净辐射和湍流热通量的测定中(总结, 举例, in Halldin,2004; Lee et al., 2004; Moncrieff, 2004),为湍流热通量的测量计算带来了长足的进步。然而, 在EBS研究中却被忽视了（设为0）, 参数化气象参数(例如作为一个固定百分比的净辐射)或使用简单的测量技术(例如采用未修正的热通量板法(HFP) )。在某些情况下, 当不占据EBS的很大比重时这是合理的,但是更多情况下, 在能量转换中也扮演着重要角色。在某些条件下(例如在裸露的干燥的土壤中, 夜间或日出后湍流活动开始剧烈), 在EBS的三个热通量中甚至最为重要 (这点可以在Verhoef,2004和in Ogeacute;e et al.,2001所呈现的数据中发现)。

还有一个问题揭示了 在EBS失衡中的重要性。EBS组成部分的总和经常不是0并且这种不平衡可以弥补10–40%的净辐射 (Foken and Oncley, 1995; Culf et al., 2004)。EBS失衡的发生有以下几个原因, 其中一些已经被讨论和确定。仍在讨论的问题之一是的定义，至少对有些数据集来说这应该是解决方案中误差的一个关键因素。最新的关于这方面的研究: Heusinkveld et al. (2004) 证明在一个干旱地区，潜热通量较低和不计算HPF和地表间的储能时，可以几乎实现完全用来用来简单的表示HFP。 Meyers and Hollinger (2004) 发现蓄热(包括土壤蓄热) 会提高 EBS 封闭率高达10%。因此，有正确可靠的数据对于正确评在失衡问题中的作用很重要。和失衡问题的重要性是为何定义该投入更多精力的两个关键原因。 但正确测量的意愿不足以使方法简单明了。有很多方法去计算，通过一些变量比如土壤温度(T),土壤水分(u)和HFP 测量方法。不幸的是，这些方法都容易收到传感器放置深度和土壤不均匀性的影响而产生误差。已经有许多关于HFP测量的正确性研究(比如 Philip, 1961; Watts et al., 1990; Massman, 1992; Van Loon et al., 1998) 和一些论文比较不同的方法计算G0的结果(比如Hanks and Jacobs, 1971; Pikul and Allmaras, 1984; De Vries and Philip, 1986; Braud et al., 1993; Robin et al., 1997)。但仍然不清楚不同的方法存在何种程度的误差。因此, 我们打算找出误差较小的方法。这是我们仔细观察灵敏性分析计算方法的误差并找出检测过程中重要因子的动机。

命名

cHFP HFP的校准因子 (V W-1 m2) cv 容积热通量 (J m-3 K-1)

d 土壤阻尼深度(m) EBS 地表能量预期

f m 土壤中矿物质的体积分数 fP HFP测量中的菲利普校正因子

G0 地表热通量 (W m-2) Grad Cal/GC 梯度法定义G0

HFP 热通量板 L GLUE法的关键因子

nr 灵敏度分析的随机数 Plate Cal/PC定义G0的Plate Cal法

S 土壤层蓄热 (J m-2) t 时间 (s)

T 土壤温度(K) TDR 时域反射计

UHFP HFP 的输出电压(V) z 土壤表面以下深度 (m)

zr 参考深度 (m)

希腊字母

HFP热导率 (W m-1 K-1) 土壤导热系数 (W m-1 K-1)

土壤容积含水量 原始结果数据集的方差

s2

更正后数据集悬殊大数据方差

2.材料与方法

2.1实验装置

Table 1

田间试验的LITFASS-2003过程的土壤仪器实验装置

仪器类型 传感器数量 地下深度 (m)

Pt-100 thermometers, Geratherm 14 0.01, 0.02, 0.035,

(Geschwenda, Germany) 0.05, 0.075 (2),

0.10 (2), 0.15 (2),

0.20 (2), 0.50 (2)

KTY16-6 thermistors, Infineon 15 0.01 (4), 0.02 (3),

(Technologies AG (Munich, 0.035 (3), 0.05 (3),

Germany) 0.075, 0.10

TRIME-EZ TDR sensors, 3 0.05, 0.10, 0.20

(IMKO (Ettlingen, Germany)

RIMCO HP3 heat flux plates, 4 0.10 (2), 0.15 (2)

(McVan Instruments (Australia)

(distributed by: Thies Clima

(GmbH amp; Co. KG (Gouml; ttingen,

(Germany)

HFP01SC self-calibrating HFP, 1 0.10

( Hukseflux (Delft, The

(Netherlands)

最后一列中括号中的数字表示相应深度的传感器数。

从LITFASS-2003活动获得的数据分析。这场实验集中在蒸散量较高并且位于登贝塔气象台(德国) 一片20 km x 20 km的区域（从May 19 到June 17,2003）。更多的信息来自于Beyrich (2004)。

这些数据来自于微气象观测点（52°10rsquo;N,14°07rsquo;E,73a.s.l.,crope:maize)。实验的开始，选择约0.10高的玉米地。在试验过程中，玉米作物生长，并在六月底达到0.75米的高度。在试验过程中，叶面积指数从接近0增加到约1。在现场，测量净辐射，湍流热通量和土壤参数。

现场的仪器有29个土壤温度计和热敏电阻，5个HFP和3个时域反射（TDR）传感器（Table 1）。九个Pt-100土壤电阻温度计（每一个深度在0.01和0.50米之间）形成了土壤温度分布，其中八个（那些介于0.01和0.20米）被固定以确保它们之间的正确距离。作为输入数据集，这九个土壤温度计，三个TDR传感器和四个HFP（HP型）都被使用。剩下的21个温度计和热敏电阻主要用于估计潜在的所有的深度测量误差。自校准的HFP01S仅用于测试目的。所有的温度计和热敏电阻在被放入土壤之前都进行了测试和验证。从TDR传感器得到数据在实验过程中采取土样通过重量和体积进行检查。

2.2地表热通量计算

一个概述的方法从原位测量计算出是由 Fuchs (1987)提出。在我们的研究中只采取两种方法来计算第一种是Plate Cal法，第二种是Grad Cal法。Plate Cal法定义了在任意一个参考深度使用一个HFP的输出电压决定土壤热通量（UHFP）除以板的校正因子（cHFP）和菲利普因子来矫正土壤导热系数（）不同于HFP的热导率（；Philip，1961）。菲利普校正取决于和之间的差异和对HFP的尺寸。RIMCO的范围在1.12和0.62间，范围在0.2到1.5。可得

（1）

t是时间。

Grad Cal法也开始在参考深度和确定土壤热通量在这个深度的垂直梯度T和。外推到表面是以同样的方式进行：

（2）

z是在土壤表面以下的深度。对于这两种方法，对储热S的变化是从一个简化的方程计算假设土壤容积热容量短周期常数

（3）

是容积热容量。之间的集成的表面和在式（3）是通过将土壤分成几个子层，根据T测量深度。参数化土壤的组成如下De Vries (1963)：

（4）

其中f m 是土壤中矿物的体积分数，U是土壤体积水分。有机化合物在这个计算中被忽略。

Fig.1. 灵敏度分析方案 Beven and Binley (1992). 过程重复10000次.

2.3敏感性分析

Table 2

用于灵敏度分析的不同土壤参数的最大修改

土壤参数 最大的修改

土壤温度 土0.01 m placement depth

土壤水分 土30% of original value

土壤热通量 土20% of original value

土壤导热率 土50% of original value

土壤温度计的放置深度的修改被转换为振幅阻尼和相移使用的阻尼深度为0.25米。

Beven 和 Binley (1992)开发敏感性分析方法，广义似然不确定性估计方法(GLUE)。这种方法已被用于模型的预测不确定性的评估，以下是该方法在这项研究中的应用（参见fig. 1）：原始数据集包含的T形、形和HFP的数据。此外，为每个参考深度且已给出。通过这些数据，是由同时使用上面介绍的这两种方法计算得。Plate Cal法运用时，深度为参考深度（= 0.10和0.15米），而每个参考深度表示两次（在每一个深度有两个HFP）。Grad Cal法是使用温度计的深度为参考深度计算（ = 0.02、0.035、0.05、0.075、0.10、0.15、0.20和0.50米）。因此，该结果原来的数据集包括12个不同的时间序列为的计算，包括4个Plate Cal估计和8 个Grad Cal估计。

接下来，原始输入数据集被修改。这是通过产生一个随机数（）分别为三个的测量和四个HFP以及一个和一个T测量共计九个。我们选择同时修改所有九个变量，以确定修改的相互作用。每个均匀分布的随机数范围从0到1，即= 0.5意味着，没有修改，=0对应于一个最大的减少而= 1对应原始值的最大增加。每个变量的整个时间序列被修改相同的程度，假设在现场实验中，传感器的定位或校准误差保持不变。

当考虑到各个变量的最大修改范围时，转化成有效的修改 (Table 2)。例如，如果随机数用于修改测量0.746，最大的修改是土30%(Table 2), 时间序列的所有值均由原值增长14.8%。T的测量是在一个稍微不同的方式改变：T波在各自阶段变化的幅度，假设在测量的最可能的误差T的传感器和周围土壤造成的振幅变化及T波的相位代表性不足。因此，T的随机数被转化为对于有效的错位最大的修改范围（Table 2），然后将其转换成一个阻尼的振幅和

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25413]，资料为PDF文档或Word文档，PDF文档可免费转换为Word