全 文 ：基于不同浓度变量的温带落叶阔叶林
CO2储存通量的误差分析
*
王摇 静摇 王兴昌摇 王传宽**
(东北林业大学生态研究中心, 哈尔滨 150040)
摘摇 要摇 利用帽儿山温带落叶阔叶林通量塔 8 层 CO2 / H2O 浓度廓线的测定数据,比较分析
了基于不同浓度变量[密度(籽c)、摩尔分数(cc)和混合比(字c)]计算 CO2储存通量(Fs)的误
差.结果表明: 通量观测的控制体积内部干空气储存量不为常数,其波动可引起 CO2分子进出
控制体积,即干空气储存通量调整项(Fsd)的变化.在夜间以及昼夜转换期,Fsd相对于涡动通
量而言较大,忽略 Fsd将为森林与大气之间净 CO2交换量的计算带来误差.大气水热过程对 Fs
计算引起的误差包括 3 方面:空气温度变化引起的误差最大,比大气压强(P)的影响高 1 个数
量级;水蒸气的影响在温暖湿润的夏季大于 P的影响,但在寒冷干燥的冬季则相反; P的效应
在全年均较低.基于 籽c、cc和 字c计算 Fs分别平均高估 CO2有效储存通量(Fs_E)8. 5% 、0郾 6%和
0. 1% .在通量计算过程中,建议选择对大气水热过程守恒的 字c计算 Fs .
关键词摇 CO2储存通量摇 有效储存通量摇 摩尔混合比摇 空气温度摇 水蒸气摇 大气压强
文章编号摇 1001-9332(2013)04-0975-08摇 中图分类号摇 P401, P412; S718. 51摇 文献标识码摇 A
Error analysis of CO2 storage flux in a temperate deciduous broadleaved forest based on dif鄄
ferent scalar variables. WANG Jing, WANG Xing鄄chang, WANG Chuan鄄kuan (Center for Eco鄄
logical Research, Northeast Forestry University, Harbin 150040, China) . 鄄Chin. J. Appl. Ecol. ,
2013,24(4): 975-982.
Abstract: Using the measurement data from an 8鄄level vertical profile of CO2 / H2O in a temperate
deciduous broadleaved forest at the Maoershan Forest Ecosystem Research Station, Northeast Chi鄄
na, this paper quantified the errors of CO2 storage flux (Fs) calculated with three scalar variables,
i. e. , CO2 density (籽c), molar fraction (cc), and molar mixing ratio relative to dry air (字c). The
dry air storage in the control volume of flux measurement was not a constant, and thus, the fluctua鄄
tion of the dry air storage could cause the CO2 molecules transporting out of or into the control vol鄄
ume, i. e. , the variation of the dry air storage adjustment term (Fsd). During nighttime and day鄄
night transition periods, the relative magnitude of Fsd to eddy flux was larger, and ignoring the Fsd
could introduce errors in calculating the net CO2 exchange between the forest ecosystem and the at鄄
mosphere. Three error sources in the Fs calculation could be introduced from the atmospheric hydro鄄
thermal processes, i. e. , 1) air temperature fluctuation, which could cause the largest error, with
one order of magnitude larger than that caused by atmospheric pressure (P), 2) water vapor, its
effect being larger than that of P in warm and moist summer but smaller in cold and dry winter, and
3) P, whose effect was generally smaller throughout the year. In estimating the effective CO2 stor鄄
age (Fs_E), the Fs value calculated with 籽c, cc, and 字c was overestimated averagely by 8. 5% ,
0郾 6% , and 0. 1% , respectively. It was suggested that in the calculation of Fs, adopting the 字c con鄄
servative to atmospheric hydrothermal processes could be more appropriate to minimize the potential
errors.
Key words: CO2 storage flux; effective storage flux; molar mixing ratio; air temperature; water va鄄
por; atmospheric pressure.
*林业公益性行业专项(201104009鄄05)、长江学者和创新团队发展计划项目(IRT1054)、国家“十二五冶科技支撑计划项目(2011BAD37B01)和
国家林业局重点项目(2006鄄77)资助.
**通讯作者. E鄄mail: wangck鄄cf@ nefu. edu. cn
2012鄄09鄄14 收稿,2013鄄01鄄27 接受.
应 用 生 态 学 报摇 2013 年 4 月摇 第 24 卷摇 第 4 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Apr. 2013,24(4): 975-982
摇 摇 长期精确观测大气与森林之间净 CO2 交换量
(NEE)是评价陆地生态系统碳源 /汇功能的基础和
前提[1] .由于涡动相关技术可以在不同时间尺度
(从小时到年际)上直接测量 NEE,因而在全球通量
观测网络中得到了广泛应用[2-5] . 在湍流交换充分
时,涡动通量(Fc)是 NEE 的主体. 虽然在长时间尺
度上 CO2 储存通量(Fs)可忽略不计,但在短时间
(30 min)尺度上 Fs 对 NEE 贡献显著,尤其是在对
流混合层和稳定边界层过渡时期,Fs 甚至可以超过
Fc 而占主导地位[6-10] .因此,忽略 Fs 将为 NEE的精
确评价带来误差,而这一误差可能会通过数据插补
传递到 NEE年通量的估算.如张弥等[10]报道,忽略
Fs 导致 30 min尺度上夜间和白天的 NEE 分别低估
25%和 19% ,在日和年尺度上分别低估 10% 和
25% .精确评价 NEE 需要综合考虑林冠上方的 Fc
及涡动相关系统观测高度以下的 Fs [8,10-11] .
目前,计算通量时表示 CO2 浓度的变量并不统
一[12],最常见的有 3 种:密度(籽c)、摩尔分数( cc)和
混合比(字c).由于不同浓度变量对大气水热过程的
守恒性不同(表 1),为减小 NEE 计算过程中大气水
热过程引起的误差,计算通量时需要考虑大气水热
过程对不同浓度变量的影响[12] . 籽c 对大气水热过程
均不守恒,因此利用 籽c 计算 Fc 需要同时剔除水热
变化而引起的 CO2 通量变化[12-18];cc 对空气温度
(T)和大气压强(P)变化过程守恒,因此利用 cc 计
算 Fc 只需要剔除水蒸气(V)变化所引起的 CO2 通
量变化[13];字c 对大气水热过程均守恒,可直接用于
Fc 计算而无需进行密度校正[12-13,19] . 然而,大部分
通量站点使用的红外气体分析仪( IRGA)并不能直
接输出 字c(表 1).尽管 Webb等[13]早在 1980 年就强
调了 字c 在通量计算中的优势,后来的研究也一再重
申这一观点[12,17-18],但 字c 在 Fs 计算中并未引起足
够的重视.如有研究利用 籽c 计算 Fs [6,9,20-21];也有研
究利用 cc 计算 Fs [22-23] . 这将在一定程度上为 NEE
的精确估算带来误差[15,18] .迄今尚没有关于基于不
同浓度变量计算 Fs 时引起误差的研究报道. 鉴于
CO2 通量的重要性[2,4-5],而且表示 CO2 浓度的变量
目前还不统一[12],亟需量化和阐明基于不同浓度变
量计算 Fs 的误差.为此,本文以温带阔叶落叶林为
例,利用帽儿山通量塔 8 层 CO2 / H2O 廓线数据,计
算通量观测控制体积内部的 CO2 有效储存通量
(Fs _E),以 Fs _E为标准计算基于不同浓度变量计算
Fs 的误差,并分析产生误差的原因.
1摇 研究地区与研究方法
1郾 1摇 研究地概况
研究地位于黑龙江省帽儿山森林生态系统研究
站(45郾 40毅 N,127郾 66毅 E). 该地属于大陆性季风气
候,夏季温暖湿润,冬季寒冷干燥. 年均降水量
629郾 0 mm, 年 均 蒸 发 量 864 mm; 年 均 气 温
3郾 1 益 [24] .现有植被为阔叶红松林经多次人为干扰
后演替成的天然次生林和人工林.帽儿山通量观测
塔建于 2007年,位于西北坡向的下坡位,海拔 400 m,
平均坡度约 15毅,山谷呈东南鄄西北走向,具有明显的
山谷风局地环流 (东南鄄西北) [24] . 通量塔周围植
被为天然落叶阔叶林,主林层高约18 m,林龄约
表 1摇 表示大气 CO2 浓度的变量、常用红外气体分析仪及其对大气扩散过程的守恒性
Table 1摇 Scalar variables describing atmospheric CO2, common infrared gas analyzers ( IRGAs), and their conservation
properties as a function of atmospheric diffusion processes
浓度变量
Scalar
variable
定义
Definition
单位
Unit
红外气体分析
仪类型
IRGA type
分析仪(供应商)
Analyzer
(Supplier)
对大气过程的守恒性
Conservation properties
of atmospheric processes
热量传输、
膨胀和压缩
Heat conduction,
expansion,
compression
蒸发、水气扩散
Evaporation,
water vapor
diffusion
密度(CO2)
Density
(籽c)
单位体积空气中 CO2 的质量
(分子数 ) CO2 mass ( mole鄄
cules) per unit air volume
mol·m-3
(kg·m-3)
开路
Open path
Li鄄7500A (Li鄄Cor)
Li鄄7500 (Li鄄Cor)
EC150 (CSI)
不守恒
Non鄄conservative
不守恒
Non鄄conservative
摩尔分数
Molar fraction
(cc)
CO2 与空气分子数的比值
Molar ratio: CO2 to total mole鄄
cules
mol·mol-1 闭路
Closed path
Li鄄7000 (Li鄄Cor)
Li鄄6262 (Li鄄Cor)
Li鄄840 (Li鄄Cor)
Li鄄820 (Li鄄Cor)
不守恒
Non鄄conservative
守恒
Conservative
混合比
Mixing ratio
(字c)
CO2 与干空气质量(分子数)的
比值Mass (Molar) ratio: CO2 to
dry air mass (molecules)
kg·kg-1
(mol·mol-1)
新式闭路
Novel closed
path
Li鄄7200 (Li鄄Cor)
EC155 (CSI)
守恒
Conservative
守恒
Conservative
679 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
60 年.林分为复层结构,下层灌木发育良好.
1郾 2摇 仪器配置和相关测量
涡动相关系统安装在通量塔 36郾 0 m高处,由三
维超声风速仪(CSAT3,Campbell Scientific,USA)、开
路式 CO2 / H2O 红外气体分析仪 ( Li鄄7500, Li鄄Cor
Inc. ,Lincoln, NE, USA) 和数据采集器 ( CR3000,
Campbell Scientific Inc. , Logan,UT,USA)组成.原始
采样频率为 10 Hz,同时输出 30 min的平均值.
通量塔上的 8 层 CO2 / H2O 浓度廓线系统采样
高度分别为 0郾 5、2郾 0、4郾 0、8郾 0、16郾 0、20郾 0、28郾 0 和
36郾 0 m.利用闭路式 CO2 / H2O 红外气体分析仪(Li鄄
840,Li鄄Cor Inc. ,Lincoln,NE,USA)测定各层的 CO2
浓度.每层采样时间为 15 s,前 7 s 为管道的清洗时
间,后 8 s为采样气体的测定时间;一个采样周期为
2 min[24] . 原始测量频率为 2 Hz,利用数据采集器
(CR1000,Campbell Scientific Inc郾 ,Logan,UT,USA)
记录 30 min的 CO2 浓度平均值.每天 10:00 在线自
动校准 IRGA一次.
空气温度 /湿度传感器(HMP45C,Vaisala Inc郾 ,
Finland)分别在 2郾 0、16郾 0、28郾 0、36郾 0 和 48郾 0 m 观
测温 /湿度廓线.大气压强(P)传感器(CS100,Vais鄄
ala Inc郾 ,Finland)安装在 28郾 0 m高处.
1郾 3摇 数据质量控制
数据插补会给 Fs 的计算带来不确定性[25] . 为
减小数据缺失导致的不连续性和不确定性,本研究
不做任何数据插补处理,而是选取连续性最好的
2009 年夏季(7 月 27 日至 8 月 5 日)和冬季(12 月
10 日至 12 月 19 日)各 10 d数据来分析基于不同浓
度变量计算 Fs 产生误差及其来源.由于 CO2 浓度观
测与温 /湿度传感器高度并不完全对应,各层 CO2
对应的温度(T)利用温 /湿度廓线数据线性内插得
到;各层的 P 则根据 28郾 0 m 高度处实测 P 值利用
梯度公式推导得到[15] .
1郾 4摇 数据分析
1郾 4郾 1 基于不同浓度变量计算 Fs 的方法 摇 本研究
利用 T和 P等辅助气象数据,将 Li鄄840 输出的 CO2
摩尔分数转换为不同浓度变量计算 Fs .
基于 籽c 计算 Fs(Fs_d,mg CO2·m-2·s-1),公式
如下[26]:
Fs_d = 乙h
0
鄣籽c
鄣t dz (1)
式中:h 为涡动相关仪器高度,为 36郾 0 m;z 为廓线
系统 各 层 采 样 高 度; 籽c 为 各 层 CO2 密 度
(mg·m-3);t为时间间隔,本文取 30 min.
本研究中廓线系统 IRGA直接输出测量气体的
cc(滋mol·mol-1),因此需要先将其转换为 籽c . 首先
根据理想气体状态方程,利用各层空气温度(T,益)
和大气压强(P,kPa),计算各层湿空气摩尔密度
(籽a,mol·m-3) [13]:
籽a =
P伊103
R(T+273郾 15) (2)
籽c =Mccc籽a伊10-3 (3)
式 中: R 为 普 适 气 体 常 数, 其 值 为 8郾 315
J·K-1·mol-1;Mc 为 CO2 的摩尔质量,其值为
44郾 01 g · mol-1; cc 为 CO2 的 摩 尔 分 数
(滋mol·mol-1) [20] .
基于 cc 计算 Fs(Fs_ c,mg CO2·m-2·s-1),公式
如下[23]:
Fs_c = Mc軃籽a(h)乙h
0
鄣cc
鄣t dz 伊 10
-3 (4)
基于 字c 计算 Fs(Fs_字,mg CO2·m-2·s-1):由于
Li鄄840 能够同步测量 CO2 和水蒸气的摩尔分数,因
此可将 cc 点对点转换为 CO2 相对于干空气的混合
比(字c,mol·mol-1),剔除水蒸气的稀释作用[12,17]:
字c =
cc伊10-6
(1-cv伊10-3)
(5)
式中:cv为水蒸气的摩尔分数(mmol·mol-1)郾
采用下式[15]计算 Fs_字(mg CO2·m-2·s-1):
Fs_字 = Mc軃籽d(h)乙h
0
鄣字c
鄣t dz 伊 10
3 (6)
式中:籽d为各层干空气摩尔密度(mol·m-3). 籽a为 籽d
与水蒸气的摩尔密度(籽v,mol·m-3)之和[13]:
籽d = 籽a-籽v (7)
籽d =
(P-e)伊103
R(T+273郾 15) (8)
式中:e为水气压(kPa),e= cv伊P伊10-3 .
CO2 有效储存通量(Fs_E,mg CO2·m-2·s-1)指
通量观测控制体积内部由生物过程引起的 CO2 储
存通量[15] .基于 籽c 计算通量观测控制体积内 Fs 的
同时,剔除大气水热过程引起的干空气储存通量调
整项(Fsd,mg CO2·m-2·s-1),然后计算 Fs_E [15,27]:
Fs_E = Fs_d + Fsd = 乙h
0
鄣籽c
鄣t dz - Mc
軃字c(h)·Fd
(9)
Fd = 乙h
0
鄣籽d
鄣t dz 伊 10
3 (10)
式中:Fd 为干空气储存通量(mmol·m-2·s-1).
7794 期摇 摇 摇 摇 摇 摇 摇 摇 摇 王摇 静等: 基于不同浓度变量的温带落叶阔叶林 CO2储存通量的误差分析摇 摇 摇
1郾 4郾 2 误差分析摇 假定各层 P 不变,则 籽c 只受 T 和
V的影响,加之 cc 只受 V 的影响,则 T 变化引起的
误差(FsT,mg CO2·m-2·s-1)公式如下:
FsT =Fs_c-Fs_dP (11)
式中:Fs_dP为假定各层 P恒定情况下基于 籽c 计算的
Fs(mg CO2·m-2·s-1).
由于 cc 只受 V 的影响,而 字c 对水热过程均守
恒,因此,水蒸气变化引起的误差(FsV,mg CO2 ·
m-2·s-1)公式为:
FsV =Fs_E-Fs_c (12)
大气压强变化引起的误差(FsP,mg CO2·m-2·
s-1)公式为:
FsP =Fs_dP-Fs_d (13)
理论上,忽略高阶项,由 T、V 和 P 日变化引起
的误差之和与 Fsd相等,即:
Fsd =FsT+FsV+FsP (14)
基于 籽c 计算 Fs 的误差包括 FsT、FsV和 FsP 3 项;
基于 cc 计算 Fs 的误差为 FsV;而基于 字c 计算 Fs 的
误差主要为测量误差,是由 CO2 / H2O浓度和 T廓线
系统的配置情况所引起[15,27] .
利用 2009 年全年数据建立的线性回归方程斜
率表示基于不同浓度变量计算 Fs 的平均相对误差,
并分别计算 Fs _d、Fs_c和 Fs_字相对于 Fs_E的相对误差
及其概率密度分布[15]:
REd =
Fs_d - Fs_E
Fs_E
伊 100% (15)
REc =
Fs_c - Fs_E
Fs_E
伊 100% (16)
RE字 =
Fs_字 - Fs_E
Fs_E
伊 100% (17)
式中:REd、REc 和 RE字 分别为 Fs_d、Fs_c和 Fs_字相对于
Fs_E的相对误差(% ).
2摇 结果与分析
2郾 1摇 基于不同浓度变量计算 CO2 储存通量的误差
基于不同浓度变量计算的 Fs 是不一致的,其
中:基于 籽c 计算 Fs 的误差最大,平均高估 Fs_E
8郾 5% ;基于 cc 计算的 Fs 平均高估 Fs_E 0郾 6% ;而基
于 字c 计算的 Fs 的误差最小,平均高估 Fs_E 0郾 1%
(图 1).基于不同浓度变量计算 Fs 相对误差的概率
密度分布明显不同(图 2). REd、REc 和 RE字 在依5%
以内的概率密度分别为 7郾 7% 、56郾 9%和 99郾 7% .此
外,REc 和 REd 概率密度峰均偏右,即基于 籽c 或 cc
计算时倾向于放大 Fs .
图 1摇 基于不同浓度变量计算 CO2 储存通量(Fs)的误差
Fig. 1摇 Errors in CO2 storage flux estimated from different CO2
concentration scalars郾
Fs_d、Fs_c和 Fs_字分别为基于密度、摩尔分数和混合比计算的 CO2 储
存通量,Fs_E为有效储存通量. Fs_d, Fs_c and Fs_字 were CO2 storage flux
calculated by density, molar fraction and mixing ratio, respectively郾 Fs_E
was the effective change in CO2 storage郾
2郾 2摇 误差来源
2郾 2郾 1 干空气密度日变化摇 干空气摩尔密度(籽d)与
气温(T)的日变化趋势大体相反(图 3).夏季,日出
后 T逐渐升高,干空气体积膨胀而 籽d逐渐减小;下
午 T达到最高 2 h后(17:00 左右)籽d达到最低值;之
后随 T迅速下降,干空气体积收缩而 籽d逐渐变大,
日出前 T最低时(4:00 左右)达到最大值. 冬季,籽d
日变化基本与 T日变化同步.夏季和冬季的 籽d平均
日变幅接近,分别为 1郾 6 和 1郾 7 mol·m-3 .
2郾 2郾 2 干空气储存通量摇 干空气储存通量(Fd)日变
化格局明显(图 4):上午 T升高时,Fd为负值,下午和
夜间 T降低时为正值,低谷和高峰分别出现在 T变化
最剧烈的上午(夏季和冬季分别为 7:00 和9:30)和下
午(夏季和冬季分别为 18:00 和 16:30).夏季和冬季
Fd平均日变幅分别为 10郾 3和 12郾 5 mmol·m-2·s-1 .
2郾 2郾 3 干空气储存通量调整项 摇 Fsd与 Fd的日变化
趋势相反. 夏季, Fsd 变化范围为 - 0郾 08 ~ 0郾 09
mg CO2·m-2·s-1,冬季变化范围略大 ( - 0郾 07 ~
0郾 14 mg CO2·m-2·s-1 ) . 夏季正午前后Fc较大
879 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
图 2摇 基于不同浓度变量计算 CO2 储存通量(Fs)的相对误差概率密度分布
Fig. 2摇 Probability density distributions for the relative error in the effective change in CO2 storage calculated with different scalar variables郾
REd、REc 和 RE字 分别为 Fs_d、Fs_c和 Fs_字的相对误差(% ) REd, REcand RE字 were relative errors of Fs_d, Fs_c and Fs_字, respectively (% )郾
图 3摇 2009 年夏季(a)和冬季(b)28郾 0 m高处干空气摩尔密度(籽d)和空气温度(T)的时间变化
Fig. 3摇 Temporal variations in the molar density of dry air (籽d) and air temperature (T) at 28郾 0 m height in summer (a) and winter
(b) of 2009郾
图 4摇 2009 年夏季(a)和冬季(b)干空气储存通量(Fd)的时
间变化
Fig. 4摇 Temporal variations in the rate of change in CO2 storage
of dry air (Fd) in summer (a) and winter (b) of 2009郾
图 5摇 2009 年夏季( a)和冬季(b)干空气储存通量调整项
(Fsd)的时间变化序列及相对于涡动通量(Fc)的大小
Fig. 5 摇 Temporal variation of dry air storage adjustment term
(Fsd) and its relative magnitude to the eddy flux (Fc) in sum鄄
mer (a) and winter (b) of 2009郾
9794 期摇 摇 摇 摇 摇 摇 摇 摇 摇 王摇 静等: 基于不同浓度变量的温带落叶阔叶林 CO2储存通量的误差分析摇 摇 摇
图 6摇 2009 年夏季(a)和冬季(b)空气温度(T)、水蒸气相对于干空气的混合比( 字v)和大气压强(P)变化引起的误差的时间
动态
Fig. 6摇 Temporal dynamics in the errors introduced by the changes in air temperature (T), mixing ratio of water vapor ( 字v) and at鄄
mospheric pressure (P) in summer (a) and winter (b) of 2009郾
FsT:T变化引起的误差项 The error introduced by the change in T; FsV:字v变化引起的误差项 The error introduced by the change in 字v; FsP:P变化
引起的误差项 The error introduced by the change in P郾 为了清楚地展示日变化,将冬季 FsV和 FsP放大 10 倍 For clarity, FsV and FsP in the winter
were multiplied by 10郾
时,Fsd只有 Fc 的依5%左右.而在夜间以及昼夜转换
期,Fsd相对于 Fc 而言较大,尤其是在昼夜转换期经
常会出现 Fsd大于 Fc 的情况.冬季,Fsd相对于 Fc 全
天都比较大,甚至在夜间及昼夜转换期超过 Fc 占据
NEE的主导地位(图 5).
摇 摇 Fsd各组分差异很大,夏季大小顺序为:FsT>FsV>
FsP,冬季为:FsT >FsP >FsV(图 6). 无论是夏季或冬
季,FsT均比 FsP大 1 个数量级. FsV因季节而异:夏季
FsV略小于 FsT,冬季 FsV略小于 FsP,比 FsT小 1 个数
量级.
3摇 讨摇 摇 论
通量观测的控制体积内部 Fd的日变化明显(图
4),这是由大气水热过程作用下 籽d的波动引起的
(图 3):T升高(或降低)以及 P 降低(或升高)引起
干空气体积的热力和机械膨胀(或压缩) [14],使一部
分干空气分子离开(或进入)控制体积[15];如果 P
不变,字v增大(或减小),V 稀释(或浓缩)干空气组
分[14] .夏季和冬季的 Fd平均日变幅分别为 10郾 3 和
12郾 5 mmol·m-2·s-1,与 Gu 等[15]的研究结果基本
一致.
CO2 分子作为干空气组分随 Fd的变化进出控
制体积,这部分由大气水热过程引起的 CO2 通量
(Fsd)不是 NEE 的真正组分[12,15,18] . 夏季湍流活动
较强的正午前后,Fsd不明显,但其他时刻相对于 Fc
而言较大;冬季夜间及昼夜转换期 Fsd常常大于或等
于 Fc(图 5).这与 Gu等[15]的研究结果基本一致.表
明计算 Fs 时忽略由大气水热过程引起的 Fsd将为
NEE的精确评价带来误差[14] .
Fsd各组分在夏季大小顺序为:FsT >FsV >FsP;冬
季为:FsT>FsP >FsV(图 6). Finnigan[14]认为,在理论
上,FsT>FsV>FsP,与本研究夏季结果一致.但在寒冷
干燥的冬季,字v数量级和日变化均很小的情况下,
FsV大大减弱,甚至小于 FsP(图 6).总之,T变化是影
响 Fsd大小的主要因子,V 和 P 变化的影响相对
较小.
基于不同浓度变量计算 Fs 的误差不同(图 1、
图 2).这是因为不同浓度变量对大气水热过程的守
恒性不同(表 1). 籽c 对大气水热过程均不守恒,T 和
P变化引起的空气体积膨胀(或压缩)以及 V 变化
089 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
对干空气组分的稀释(或浓缩)作用均能引起 籽c 的
波动[12,14,28] .基于 籽c 计算 Fs 时,忽略了大气水热过
程引起的 Fsd . cc 虽然对空气体积的热力和机械膨胀
(或压缩)过程守恒,但 V变化对干空气组分的稀释
(或浓缩)作用仍会引起 cc 的波动[12] . 基于 cc 计算
Fs 时,忽略了 V变化引起的 FsV .而 字c 对大气水热过
程均守恒,只有存在 CO2 生物学源 /汇的情况下才
发生改变[12] .基于 字c 计算 Fs 的误差主要是来源于
籽d和 CO2 廓线配置状况,而合理的廓线配置可减小
这种误差[15,18] .因此,基于 籽c 计算 Fs 的误差>基于
cc 计算 Fs 的误差>基于 字c 计算 Fs 的误差(图 1、2).
选择对大气水热过程守恒的 字c 计算 Fs,可有效
地减少大气水热过程引起的误差[12,15,18],这一点与
Fc 是一致的[19] . 为精确评价 NEE,我们建议:如果
CO2 浓度廓线系统的 IRGA 输出的浓度变量是 字c,
可直接用于计算 Fs;如果 IRGA 输出的浓度变量是
籽c(或 cc),且能同步测量或计算得到 T、字v和 P,应该
考虑水热变化引起的 Fsd(或 FsV),或者先将其点对
点转换为 字c 再计算 Fs;如果 IRGA输出的浓度变量
是 cc,且不能同步观测或计算得到 字v (如为 Li鄄
820IRGA且没有常规空气湿度梯度观测时),则直
接利用 cc 计算 Fs .将 cc 点对点转换为 籽c 后再计算
Fs 的做法可能会增大误差.
有研究表明,即便是在地形起伏较小的地区,夜
间大气层结具有很强的稳定性时近地层常出现平
流 /泄流现象[29-30] . 在平流 /泄流的作用下,夜间生
态系统呼吸作用释放的 CO2 还未达到观测高度便
被运送出生态系统[31],输送出去的 CO2 在 Fs 的变
化上并没有体现出来.忽略平流 /泄流对 Fs 的影响,
将低估夜间生态系统的呼吸作用,从而为 NEE 的精
确评价带来误差[2] . 然而由于技术条件限制,本研
究尚不能估算平流 /泄流对 Fs 的影响.
致谢摇 衷心感谢张全智、全先奎、焦振在仪器安装和维护方面
提供的帮助.感谢帽儿山森林生态站提供的野外基础支持.
参考文献
[1]摇 Yu GR, Zhang LM, Sun XM, et al. Advances in car鄄
bon flux observation and research in Asia. Science in
China Series D: Earth Sciences, 2005, 48: 1-16
[2]摇 Baldocchi DD. Assessing the eddy covariance technique
for evaluating carbon dioxide exchange rates of ecosys鄄
tems: Past, present and future. Global Change Biology,
2003, 9: 479-492
[3]摇 Aubinet M, Berbigier P, Bernhofer C, et al. Comparing
CO2 storage and advection conditions at night at different
carboeuroflux sites. Boundary鄄Layer Meteorology, 2005,
116: 63-93
[4]摇 Wang XC, Wang CK, Yu GY. Spatio鄄temporal patterns
of forest carbon dioxide exchange based on global eddy
covariance measurements. Science in China Series D:
Earth Sciences, 2008, 51: 1129-1143
[5]摇 Yu GR, Fu YL, Sun XM, et al. Recent progress and
future directions of ChinaFLUX. Science in China Series
D: Earth Sciences, 2006, 49: 1-23
[6]摇 Ohkubo S, Kosugi Y. Amplitude and seasonality of stor鄄
age fluxes for CO2, heat and water vapour in a temperate
Japanese cypress forest. Tellus B, 2008, 60: 11-20
[7]摇 Ohkubo S, Kosugi Y, Takanashi S, et al. Vertical pro鄄
files and storage fluxes of CO2, heat and water in a trop鄄
ical rainforest at Pasoh, Peninsular Malaysia. Tellus B,
2008, 60: 569-582
[8]摇 Yang P, Black TA, Neumann HH, et al. Spatial and
temporal variability of CO2 concentration and flux in a
boreal aspen forest. Journal of Geophysical Research,
1999, 104: 27653-27661
[9]摇 Yao Y鄄G (姚玉刚), Zhang Y鄄P (张一平), Yu G鄄R
(于贵瑞), et al. Estimation of CO2 storage flux be鄄
tween forest and atmosphere in a tropical forest. Journal
of Beijing Forestry University (北京林业大学学报),
2011, 33(1): 23-29 (in Chinese)
[10]摇 Zhang M (张 摇 弥), Wen X鄄F (温学发), Yu G鄄R
(于贵瑞), et al. Effects of CO2 storage flux on carbon
budget of forest ecosystem. Chinese Journal of Applied
Ecology (应用生态学报), 2010, 21(5): 1201-1209
(in Chinese)
[11]摇 Aubinet M, Grelle A, Ibrom A, et al. Estimates of the
annual net carbon and water exchange of forests: The
EUROFLUX methodology. Advances in Ecological Re鄄
search, 2000, 30: 113-175
[12] 摇 Kowalski AS, Serrano鄄Ortiz P. On the relationship be鄄
tween the eddy covariance, the turbulent flux, and sur鄄
face exchange for a trace gas such as CO2 . Boundary鄄
Layer Meteorology, 2007, 124: 129-141
[13]摇 Webb EK, Pearman GI, Leuning R. Correction of flux
measurements for density effects due to heat and water
vapour transfer. Quarterly Journal of the Royal Meteoro鄄
logical Society, 1980, 106: 85-100
[14]摇 Finnigan JJ. Response to comment by Dr. A. S. Kowal鄄
ski on “The storage term in eddy flux calculations冶. Ag鄄
ricultural and Forest Meteorology, 2009, 149: 725-729
[15]摇 Gu L, Massman WJ, Leuning R, et al. The fundamen鄄
tal equation of eddy covariance and its application in flux
measurements. Agricultural and Forest Meteorology,
2012, 152: 135-148
[16]摇 Kowalski AS. Comment on “ the storage term in eddy
flux calculations冶. Agricultural and Forest Meteorology,
2008, 148: 691-692
[17]摇 Leuning R. Measurements of trace gas fluxes in the at鄄
1894 期摇 摇 摇 摇 摇 摇 摇 摇 摇 王摇 静等: 基于不同浓度变量的温带落叶阔叶林 CO2储存通量的误差分析摇 摇 摇
mosphere using eddy covariance: WPL corrections revis鄄
ited / / Lee X, Massman W, Law B, eds. Handbook of
Micrometeorology: A Guide for Surface Flux Measure鄄
ments and Analysis. Dordrecht: Kluwer Academic Pub鄄
lishers, 2004: 119-132
[18]摇 Lee X, Massman WJ. A perspective on thirty years of
the webb, pearman and leuning density corrections.
Boundary鄄Layer Meteorology, 2011, 139: 37-59
[19]摇 Burba G, Schmidt A, Scott RL, et al. Calculating CO2
and H2O eddy covariance fluxes from an enclosed gas
analyzer using an instantaneous mixing ratio. Global
Change Biology, 2012, 18: 385-399
[20] 摇 Yang B, Hanson PJ, Riggs JS, et al. Biases of CO2
storage in eddy flux measurements in a forest pertinent to
vertical configurations of a profile system and CO2 densi鄄
ty averaging. Journal of Geophysical Research, 2007,
112: D20123, doi: 10. 1029 / 2006JD008243
[21]摇 Hollinger D, Kelliher F, Byers J, et al. Carbon dioxide
exchange between an undisturbed old鄄growth temperate
forest and the atmosphere. Ecology, 1994, 75: 134 -
150
[22]摇 de Ara俨jo A, Dolman A, Waterloo M, et al. The spatial
variability of CO2 storage and the interpretation of eddy
covariance fluxes in central Amazonia. Agricultural and
Forest Meteorology, 2010, 150: 226-237
[23]摇 Aubinet M, Chermanne B, Vandenhaute M, et al. Long
term carbon dioxide exchange above a mixed forest in the
Belgian Ardennes. Agricultural and Forest Meteorology,
2001, 108: 293-315
[24]摇 Jiao Z (焦 摇 振), Wang C鄄K (王传宽), Wang X鄄C
(王兴昌). Spatio鄄temporal variations of CO2 concentra鄄
tion within the canopy in a temperate deciduous forest,
Northeast China. Chinese Journal of Plant Ecology (植
物生态学报), 2011, 35(5): 512-522 (in Chinese)
[25]摇 Iwata H, Malhi Y, von Randow C. Gap鄄filling measure鄄
ments of carbon dioxide storage in tropical rainforest
canopy airspace. Agricultural and Forest Meteorology,
2005, 132: 305-314
[26]摇 Finnigan JJ. The storage term in eddy flux calculations.
Agricultural and Forest Meteorology, 2006, 136: 108-
113
[27]摇 Leuning R. The correct form of the Webb, Pearman and
Leuning equation for eddy fluxes of trace gases in steady
and non鄄steady state, horizontally homogeneous flows.
Boundary鄄Layer Meteorology, 2007, 123: 263-267
[28]摇 Liu YF, Song X, Yu GY, et al. Seasonal variation of
CO2 flux and its environmental factors in evergreen co鄄
niferous plantation. Science in China Series D: Earth
Sciences, 2005, 48: 123-132
[29]摇 Sun J, Burns SP, Delany AC, et al. CO2 transport over
complex terrain. Agricultural and Forest Meteorology,
2007, 145: 1-21
[30]摇 Lee X. On micrometeorological observations of surface鄄
air exchange over tall vegetation. Agricultural and Forest
Meteorology, 1998, 91: 39-49
[31]摇 Sun J, Desjardins R, Mahrt L, et al. Transport of car鄄
bon dioxide, water vapor, and ozone by turbulence and
local circulations. Journal of Geophysical Research,
1998, 103: 873-925
作者简介摇 王摇 静,女,1986 年生,硕士研究生.主要从事森
林生态系统碳循环和涡度相关技术研究. E鄄mail: wangjing_
ecology@ 163. com
责任编辑摇 杨摇 弘
289 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷