基于多层叶面积指数优化的温室黄瓜冠层阻力模型改进研究

为解决Jarvis模型在估算冠层阻力(rc)时存在的作物种间差异和生长阶段适应性不足问题，研究人员通过分层测量温室黄瓜气孔阻力(rs)和叶面积指数(LAI)，创新性提出有效叶面积指数(LAIe)的多层计算方法。改进后模型使rc估算的R2提升至0.68，尤其在LAI≤1 m2 m-2时蒸散发(ETc)估算精度显著提高，为作物生理多样性研究提供新思路。

　　在精准农业领域，冠层阻力(r_c)是估算作物蒸散发(ET_c)的关键参数。传统Jarvis模型虽广泛应用，但其环境参数优化策略难以解释不同作物品种间的巨大拟合差异。这项突破性研究另辟蹊径，通过分层测量技术（0-200cm植株高度区间分四层）获取气孔阻力(r_s)和叶面积指数(LAI)数据，创新构建了考虑叶片空间分布和光合效率的有效叶面积指数(LAI_e)多层计算模型。

改进后的Jarvis模型展现出显著优势：冠层阻力估算的确定系数(R²)提升至0.68，均方根误差(RMSE)降至163 s m^-1。特别值得注意的是，当叶面积指数较低(LAI≤1 m² m^-2)时，模型性能提升尤为明显，ET_c估算的R²达到0.81，较原模型提高5%。这些发现为理解作物生理多样性提供了新视角，通过整合叶片垂直分布特征，显著增强了模型对不同生长阶段的适应性，为设施农业精准灌溉决策提供了更可靠的理论工具。