4404138.pdf [Levina Tatyana Borisovna]

,

-

Figure 1-1: An example of extreme spatial differentiation

in the vegetation

cover:

the north-facing slopes are covered with needle-leaf woody vegetation,

the slopes of

southerly aspect feature herbaceous species and patches of bare soil, and the conver-

gent areas of the terrain exhibit a mixture of broadleaf shrubs and grasses. The site

is located in the Columbia River basin (photo is courtesy of Dr. Enrique R. Vivoni).

rainfall-runoff process, subject to stochastic climatic forcing. In this spatially explicit

scheme, vegetation will grow and die, which will reflect its biophysical and biochemi-

cal characteristics,

seasonal and interannual climate forcing, and the competition

for

vital resources. Such a framework offers a variety of opportunities

to explore the bi-

directional interactions between vegetation and hydrological mechanisms and repre-

sents an important advance toward integrated ecohydrological modeling. Ecosystems

of arid and semi-arid areas represent a particularly

interesting

object for study, as

they comprise some of the major biomes of the world, often exhibiting a delicate equi-

librium between their essential constituents.

In these systems, soil water is generally

considered to be the key resource affecting vegetation structure and organization.

The

mechanisms through which water limitation affects ecosystems are related to carbon

assimilation via the control of photosynthesis and stomatal closure as well as nitrogen

assimilation through the control of the nitrogen mineralization rate. Many important

issues depend on the quantitative

understanding

of dynamics inherent to these ecosys-

tems, including human interference, climate change, environmental preservation, and

proper management of resources.

The aim of this work, therefore, is: 1) to develop a modeling system that incor-

53

v

=

f(t)

tv

a,

R {

a

=

f(t)

tv

v,

R

Ie,

T,

sl

R*= f(t)

tv

v, a

Figure 1-2: A conceptual

diagraln of the adopted

approach,

illustrating

the relation-

ship alnong key cOlnponents contributing

to the cycles of energy, water, and elell1ents

in natural

systelns.

The arrows indicate the direction of influence.

T is topography,

C is clilnate,

5

is soil, V is vegetation,

R is incident

solar radiation,

R* is net ra-

diation

at the canopy and ground levels,

e

is soil lnoisture,

and

t

is tilne.

As can

be seen, clinlate, topography,

and soil affect the te111poral change in vegetation,

soil

lnoisture,

and net canopy/ground

radiation

at any given location; all latter variables

are inter-related

through

a variety of coupling Inechanis111s.

to have topography-controlled

properties

(Beven and Kirkby, 1979). In addition,

one

of the largest problelns

of linking point lnodels to explain ecosystem

functioning

is

the spatial

scaling issue (Peng,

2000).

Nlodeling vegetation

at the catchment

scale,

however, should account for interaction

aInong the stochastic

fluctuations

in precipi-

tation and soillnoisture,

the basin ge0111etry,and the vegetation structure.

Therefore,

a spatia-telTIporal

approach that can resolve both the variation of hydrological

fluctu-

ations occurring at the hillslope scale and the diurnal variations of plant physiological

processes is needed (Figure 1-2).

1.3

Hydrology-vegetation

studies background

Hydrologic

lllodeling has generally ignored the ilnportance

of vegetation

as an im-

portant

spatio-telnporal

dynalnic

component

in the land-surface

hydrological

cycle

and the existence of topographic

controls on plant spatial distribution.

Past simpli-

fications are due to the overall extrelTIe complexity

of the problelTI and differences in

opinion alllong ecologists and hydrologists

about what simplifications

are necessary.

58

...

1

1

1,/",

Isotropic Diffuse

I

Figure 2-1: Conceptual

diagrmn of the shortwave radiative

fluxes.

ratio of the actual Earth-Sun

to the lnean Earth-Sun

Distance,

r [-],

is introduced

so that:

S'

-

o

r

So

2 '

r

1.0

+

0.017

cos [

27r (186 -

J

Day)]

365

(2.1)

(2.2)

where

J

Day is the Julian day

[1, ... ,365].

For further discussion, several variables need to be introduced

that define the Sun's

position with respect to a location on Earth.

The declination

of the Sun,

b

EB

[radian],

or the angular distance

between the celestial equator

plane and the Sun, measured

froln the forn1er (and positive when the Sun lies north of the Earth's

equator)

and

along the hour circle (Eagleson,

2002)

is defined as (Curtis and Eagleson,

1982)

23.457r

[ 27r

]

180

cos

365 (172 -

J

Day)

76

(2.3)

Globallrradiance

900

-

South facing

800

-

North facing

700

.....

600

...........

NOOO

I

E

~OO

300

200

100

.....

0

2

4

6

8

10

12

14

Hour

16

18

20

22

24

Figure 2-2: The daily cycle of the global irradiance

on a 30° slope that

has either

southerly

or northerly

aspect (August, Albuquerque,

NM).

Globallrradiance

-

East facing

800

-.

West facing

700

.....

900

600

N~500

IE

~400

300

200

100

o

2

4

6

8

10

12

14

Hour

16

18

20

22

24

Figure 2-3: The daily cycle of the global irradiance

on a 30° slope that has easterly

or westerly aspect (August,

Albuquerque,

NM).

85

January

February

60

40

June

....................

20

..

.

. . . . . . . . . . . . . . . . . . . . . . . . . .

.

.

. . .

.

.

.

o

0.4

0.4 --:-:-..

'~::S70~~

0.1

:

:

:

.

I~::~~

0.1

-:

:-

:

.

o

20

40

60

Aoril

60

40

May

20

40

60

March

20

...

.

.

.

. . .

. . . . . . . . .

.

.

.

. . .

.

. . . . . .

.

. .

.

.

.

.

o

0.4

I

0.3

0.2

0.1

o

0.4

,0.3

0.2

0.1

0.4~""':""""':-"""":""

,0.3 ~:-\~. '.'

:

:

......02

~

:

.

.

:

\---../

~~~

_-

/\:

0.1

-:

:-

-:-:".. \.--.-

o

20

40

60

August

60

40

July

20

o

0.4

...,

I

~::

..

s;'t__

..

;.~<:.:•:.::

0.1

'.'

'.'

: .

03

.

...!....

.

-"J\

':"

'.'

:

.

0.2

. ~,"/:'~:-\

..~~

.:-"r'\

:"" :.../\"

.......~~-'"

--~~

0.1

'

:

.

0.4

:

:-

:

.

.

.

..

:::c

0.3

:

~Qt

J

02 ~--.~~~

Iv

.

....

0.4

o

20

40

September

60

0.1

o

.

.

.

. . . .

.

.

. . . . . . . .

.

. . .

.

.

. . . . . .

. . . . . .

.

..

.

20

40

60

October

~ ~::~"-.i'C-0/\~\.

:..:

0.1

'

\~:-:-:-.

0.4

..

.

.

.

.

. . .

. . . . . . . . .

.

.

.

.

0.4 ""

-:

:-

:

.

,0.31~1"" .:..

/1

:

:

.

......

'-J

;:----...........J

..

~:~.::::~. :U-----------~

60

o

o

20

40

60

Transition

period, Hour

20

40

December

o

4 --:\

: -

Mean cloudiness

.

~

.."

: -

Std of mean value

I~::..

::~"qT~

0.1

:-

;

.

60

20

40

November

20

40

60

Transition

period, Hour

'\

.

..

\\

"

'

:

.

\-.\~...:...:)L

:--:-~(t-,~ ..~------"':':-~-:\..-.

o

0.4

...

I

0.3

0.2

0.1

o

Figure 2-11: The estilnated

lnean cloud cover value and standard

deviation

of the

estinlate

as a function of the length of transition

period (Albuquerque,

NM).

102

January

...

0.5

:

.

I~:~~£

.

.

.

.

0.1

'.'

:

'.'

'

.

o

20

40

60

80

100

March

February

0.4 ~....

":'

.....

: .....

': .....

I~:~~

~

0.1

-:

:

:-

:

.

o

20

40

60

80

100

April

04

.

.

'.'

:

'.'

'

.

I

O.3

0.2

0.1

...

................................

.

.

.

0.4

:-

;

:-

.

I ~:;

I~~_,-- ;

o

20

40

60

May

80

100

o

20

40

60

June

80

100

100

20

40

60

80

Transition period, Hour

o

0.4

......

:......

: ......

:

..

"

IO.3~

.. :

:

:

.

0.2

~

\----i--.-.--:~'\.

0.1

-:

:

-:

:

.

o

20

40

60

80

100

August

0.5

:

;

:

.

0.4

.

IO.3

~:

;~

:

.

0.2

:

:

.

.

.

.

0.1

:.

;

.:

:

.

o

20

40

60

80

100

October

0.5

.:

;

:

.

.

.

.

.

0.4~

:

'

:

:

.

I~:;~~< ••••••••

C

o

20

40

60

80

100

December

0.5

:

.

-

Mean cloudiness

0.4 ):\ ....

:

-

Std of mean value

I

0.3 ~

.. :

,

:

:

.

0.2

.. ~

:

:

.

0.1

:

;

:

~

100

80

40

60

July

20

o

0.5

0.4

0.4

-:

:

-:

.

0"----'-----'------'-----'------'

o

20

40

60

80

100

November

103

:

,

.

..........

•

"",-,""~---.......-v",",,-

0.2

:

:

:

.

.

.

.

.

0.1

.:

;

:.

:

.

o

20

40

60

80

100

0.4 ~:

SePtemb~r

:

.

.

.

.

.

.

.

.

10.2~"":""";"""

...........

~v~~~

0.5

:

;

:

;

.

....

I ~::

~:::

:::

:::::

~:::::

::::

::::::::::::

0.2

..

_'--

...

~:.----

0.1

.....

'.' .....

: .....

'.' .....

'.' .....

o

20

40

60

80

100

Transition period, Hour

Figure 2-12: The estimated mean cloud cover value and standard

deviation

of the

estimate as a function of the length of transition

period (Tucson, AZ).

103

February

0.4

IO.3

0.2

0.1

0

20

40

60

80

100

April

0.4

"'"

.

100

80

40

60

March

20

0.1

o

0.4 .....

0.4

,

'.'

.

:::c

0.3

.'\.._<~

~

:

:

.

0.2

:.~~~~~

January

100

80

40

60

June

20

0.1

o

0.4 .

10.3

~

:

;

:

:

.

.......

'-~

•

/'~~

.-~

0.2

-:.. "':':-.. ~

:.. --:-~ . "\.~"

10.3

:

:

:

,

.

.......

~~.

:

..

0.2

:.~~~0'v:~-\~:_

100.

80

40

60

May

20

:::c

0.3

".,<,-~~~:"""""",

.

......

>~./.~~"'."'~~---:-~':'-.-<:.-.v:-V~~'\",~

0.2

0.1

o

0.4

IO.3

'~~~'~"':"'"

.:

'A'~

0.2

:.~.

-:->"'<'~"':':~\\

/\..../.: .\-

.

0.1

o

20

40

60

July

80

100

0.1

o

20

40

60

August

80

100

0.4

04

.

.....

10.3

\ ..

.......0.2

.

'~"'''''--:'"~'-..:..r~~_~~,\

...:.-''-~~-~

0.1

o

20

40

60

September

80

100

0.1

o

20

40

60

October

80

100

\

...

~::::>-~:-v'-~~/~

0.4

...

...............................

.

.

.

0.4~::::;""":"""':"""

I::: :.~

••_~~_

100

100

80

40

60

December

20

20

40

60

80

Transition period, Hour

0.1

o

0.1

o

0.4

,

.

:I

0.3 ~

:

~

~

.

0.2

.....

-:...

~ -

Mean cloudiness

.

-'

Std of mean value

100

100

80

40

60

November

20

20

40

60

80

Transition period, Hour

0.1

o