全 文 ：基于通量塔观测资料的北美温带植被
物候阈值提取方法*
赵晶晶摇 刘良云**
(中国科学院数字地球重点实验室 /中国科学院对地观测与数字地球科学中心, 北京 100094)
摘摇 要摇 通量塔方法可以有效监测植被的季节和物候变化过程.目前,不同物候提取方法间
的检验和定量化评估工作还有待加深. 本文选取 9 个北美森林通量塔站的总初级生产力
(GPP)和净生态系统生产力(NEP)数据,利用阈值法提取了生长季开始日期(SOS)和结束日
期(EOS),关联生态系统的碳源汇功能,分析了不同阈值标准对物候提取结果的影响.结果显
示: 不同阈值标准对落叶阔叶林(DBF)物候提取结果稳定性的影响较常绿针叶林(ENF)小;
GPP绝对阈值和相对阈值提取结果间,DBF站点阈值为 GPP=2 g C·m-2·d-1的物候提取结
果与 20%最大 GPP 值(GPPmax)最接近,阈值为 GPP = 4 g C·m-2·d-1物候提取结果介于
20% GPPmax和 50% GPPmax之间,生态系统碳汇功能开始日期介于 GPP = 4 g C·m-2·d-1和
20% GPPmax提取的 SOS之间;ENF站点与阈值为 GPP=2 g C·m-2·d-1和GPP=4 g C·m-2·d-1
物候提取结果最接近的分别是20% GPPmax和 50% GPPmax,生态系统碳汇功能开始日期介于
GPP=2 g C·m-2·d-1和 10% GPPmax提取的 SOS之间.
关键词摇 碳通量摇 阈值法摇 植被物候摇 总初级生产力摇 净生态系统生产力
*国家重点基础研究发展计划项目(2009CB723902)、国家自然科学基金项目(41222008)和中国科学院国际合作重点项目资助.
**通讯作者. E鄄mail: lyliu@ ceode. ac. cn
2012鄄06鄄20 收稿,2012鄄11鄄26 接受.
文章编号摇 1001-9332(2013)02-0311-08摇 中图分类号摇 Q948摇 文献标识码摇 A
Extraction of temperate vegetation phenology thresholds in North America based on flux
tower observation data. ZHAO Jing鄄jing, LIU Liang鄄yun (Key Laboratory of Digital Earth Sci鄄
ence, Center for Earth Observation and Digital Earth, Chinese Academy of Sciences, Beijing 100094,
China) . 鄄Chin. J. Appl. Ecol. ,2013,24(2): 311-318.
Abstract: Flux tower method can effectively monitor the vegetation seasonal and phenological varia鄄
tion processes. At present, the differences in the detection and quantitative evaluation of various
phenology extraction methods were not well validated and quantified. Based on the gross primary
productivity (GPP) and net ecosystem productivity (NEP) data of temperate forests from 9 forest
FLUXNET sites in North America, and by using the start dates (SOS) and end dates (EOS) of the
temperate forest growth seasons extracted by different phenology threshold extraction methods, in
combining with the forest ecosystem carbon source / sink functions, this paper analyzed the effects of
different threshold standards on the extraction results of the vegetations phenology. The results
showed that the effects of different threshold standards on the stability of the extracted results of de鄄
ciduous broadleaved forest (DBF) phenology were smaller than those on the stability of the extrac鄄
ted results of evergreen needleleaved forest (ENF) phenology. Among the extracted absolute and rel鄄
ative thresholds of the forests GPP, the extracted threshold of the DBF daily GPP=2 g C·m-2·d-1
had the best agreement with the DBF daily GPP=20% maximum GPP (GPPmax), the phenological
metrics with a threshold of daily GPP = 4 g C·m-2·d-1 was close to that between daily GPP =
20%GPPmax and daily GPP=50% GPPmax, and the start date of ecosystem carbon sink function was
close to the SOS metrics between daily GPP= 4 g C·m-2·d-1 and daily GPP = 20% GPPmax . For
ENF, the phenological metrics with a threshold of daily GPP = 2 g C·m-2·d-1 and daily GPP =
4 g C·m-2 ·d-1 had the best agreement with the daily GPP = 20% GPPmax and daily GPP =
50% GPPmax, respectively, and the start date of the ecosystem carbon sink function was close to the
应 用 生 态 学 报摇 2013 年 2 月摇 第 24 卷摇 第 2 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, Feb. 2013,24(2): 311-318
SOS metrics between daily GPP=2 g C·m-2·d-1 and daily GPP=10% GPPmax .
Key words: carbon flux; threshold method; vegetation phenology; gross primary productivity; net
ecosystem productivity.
摇 摇 以气候变暖为标志的全球变化已经成为一个客
观存在的事实,植被物候的年际变化对气候变化有
着重要的指示意义[1-2] . 物候指植物在一年的生长
中,随着气候的季节性变化而发生萌芽、抽枝、展叶、
开花、结果及落叶、休眠等规律性变化的现象,与之
相适应的树木器官的动态时期称为生物气候学时
期,简称物候期.陆地生态系统中常用的两种物候描
述模型为:基于气候(温度或积温)的经验方法、基
于碳吸收的物候参数化方法. 后者假定碳是光合吸
收和呼吸消耗的平衡,在有利的环境中植物吸收足
够的碳来产生叶片,预示生长季开始,否则环境不利
时,吸收的碳减少到一定程度便开始落叶[3],预示
生长季结束.根据观测平台的不同,物候观测可分为
4 类,包括气象站观测、卫星遥感观测、通量塔观测
和数字相机观测[4-7] . 气象台站观测虽然精准度较
高,但不同植被类型的物候界定标准多样化[8-9],且
空间覆盖范围有限,除欧洲少数几个国家外,地球上
大部分地区缺乏覆盖范围广、时间序列长的植物物
候观测数据,难以对大尺度区域的物候进行时空分
析[10] .遥感技术的成熟,使区域乃至全球范围的植
被物候研究成为可能[11-13],但不同遥感平台空间尺
度的不统一,导致物候提取结果对应的生理生态意
义不确定,降低了物候提取结果的可靠性[14-15] . 数
字相机观测是最近发展的一种手段,精准度高,但照
片选取和处理过程繁琐,历史记录时间短,应用领域
远不如通量塔观测. 通量塔观测网迄今已有超过
250 多个站点,覆盖全球主要植被类型,具有统一的
观测平台、百米至千米级空间尺度代表性,为卫星遥
感反演植被物候的校验提供了有效的工具,受到众
多生态研究者的关注 [16-17] .
通量塔利用涡度相关技术连续探测近地面地表
与大气间 CO2、水分和能量的交换,通过每 30 min 步
长的 CO2通量观测数据实时记录植被光合作用和植
被生长动态[18],在物候观测方面具有突出的技术优
势[19-20] .通量观测数据库(FLUXNET) [21-22]收集了 13
个通量网涵盖 253个站点共 960个年站数据(http: / /
www. fluxdata. org / SitePages / AboutFLUXNET. aspx),
数据产品包含总初级生产力( gross primary produc鄄
tivity, GPP)和净生态系统交换量 ( net ecosystem
exchange, NEE). GPP指单位时间内生物(主要是绿
色植物)通过光合作用途径所固定的有机碳量,又
称总第一性生产力. NEE 指总初级生产力减去自养
和异养生物呼吸消耗(土壤呼吸)光合产物之后剩
余的有机碳量,负值代表陆地生态系统释放 CO2到
表层大气中,为碳源功能,正值代表陆地生态系统吸
收表层大气中的 CO2,为碳汇功能.
基于通量观测的植被光合作用和植被生长动态
曲线提取的物候对于各植被类型不仅有较好的一致
性,而且观测尺度标准统一. 然而,如何从通量观测
数据中提取植被物候研究还刚起步[23-26],不同参数
标准定义的物候存在较大差异[27-29] .有人以净生态
系统生产力(net ecosystem productivity, NEP)为植
被物候提取参数,利用 NEP = 0 为阈值提取了多个
站点碳汇开始日期,分析与植被指数提取的物候期
的相关性,认为适用于植被物候期提取[30-33] . 有研
究认为,GPP 最大值的 10%相对阈值法较 NEP = 0
为阈值标准更符合生物学对生长的定义,对加拿大
中南部马尼托巴湖植被的通量物候提取结果表明,
随着生长季长度增加而增加的 GPP 与 NEP 之间并
无十分确定的关系[34] . 随后,各种以通量 GPP 资料
提取物候的研究表明,参量的不同或阈值选择的不
同对提取结果的影响显著[25-26] .由于通量观测是最
近 20 年建立起来的一种新兴工具,没有具体统一的
阈值评判标准,通量物候对应的生态生理意义始终
不太明了.
本文选取美洲通量网提供的填充质量最好的 4
级通量 GPP和 NEP数据,以阈值法为主对不同参数
阈值物候提取的植被生长季开始日期(start of grow鄄
ing season, SOS)和生长季结束日期(end of growing
season, EOS)进行比较,分析了通量数据提取物候
的可行性和存在的问题,并通过建立物候与 GPP 和
NEP的响应,进一步明确各通量提取物候参数对应
的生理意义,为建立适于植被生态系统气候变化研
究的物候提取方法提供参考.
1摇 数据来源与处理方法
1郾 1摇 通量数据选取和预处理
美洲通量网(AmeriFlux)提供的 4 级通量数据
产品,是根据站点区域特点、利用不同方法对 3 级通
量数据产品进行过滤、间隙填充后所得[35-37] .包括
213 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
表 1摇 用于物候提取的涡度相关通量站点信息
Table 1摇 Information of available eddy covariance flux sites for phenology extraction
代码
Code
站点名称
Name
纬度
Latitude
(毅)
经度*
Longitude
(毅)
海拔
Elevation
(m)
平台高度
Plat
height
(m)
植被类型
Vegetation
type
年份 Year
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
合计
Total
US鄄Ho1 Howland(Main) 45郾 2 -68郾 7 60 20 MIX A A A A A A A A A 9
US鄄Ho2 Howland(West Tower) 45郾 2 -68郾 8 91 20 ENF C C C C C C 6
US鄄MIP Metolius_Intermediate_Pine 44郾 5 -121郾 6 1253 14 ENF A A A A A 5
US鄄NR Niwot_Ridge 40郾 0 -105郾 5 3050 11 ENF C C C C C C C C 8
US鄄Ha1 Harvard Forest(EMS) 42郾 5 -72郾 2 340 23 MIX D D D D D D D D D D D D 12
US鄄WBr Walker Branch 40 -84郾 3 343 25 DBF C C C C C 5
US鄄WC Willow_Creek 45郾 8 -90郾 1 515 24 DBF C C C C C C C 7
US鄄MMS Morgan Monroe State 39郾 3 -86郾 4 275 27 DBF A A A A A A A C 8
US鄄UMBS U Michigan Biological Station 45郾 6 -84郾 7 234 21 DBF C C C C C A A A 8
A、B、C、D代表 4 种数据填充方法 A, B, C, D stood for 4 different gap鄄filed methods郾 A: st_MDS; B: st_ANN; C: or_MDS; D: or_ANN. *东经为
正,西经为负 Positive value stood for east longitude, negative value stood for west longitude郾 MIX: 混交林 Mixed forest; ENF: 常绿针叶林 Evergreen
needleleaved forest; DBF: 落叶阔叶林 Deciduous broadleaved forest郾
原始数据(30 min 一次)技术处理后每小时、每天、
每周、每月一次的汇总数据,并添加了与原始数据相
关的填充数据质量信息标识. NEE 的记录方式有两
种,一种是原始信息(original,以下简写为 or),一种
是标准化后 (standard,以下简写为 st)的信息.采用
人工神经网络 (artificial neural network, ANN)和边
际分布采样(marginal distribution sampling, MDS)两
种方法对缺失数据进行填充生成了 4 套 NEE 产品
(NEE_or_fMDS、 NEE_or_fANN、NEE_st_fMDS、NEE
_st_fANN). NEE 与 NEP 值相等但符号相反(NEP =
-NEE),根据关系式 NEP = GPP-RE,对应得到 4 套
GPP产品(GPP_or_fMDS、GPP_or_fANN、GPP _st_
fMDS、GPP_st_fANN) [35] .
基于两个前提(站点历史记录不低于 5 年、植
被冠层季节性明显),选取 9 个北美温带森林观测
站点(共 68 个年站数据记录)作为研究对象. 植被
类型包括以 “国际地圈生物圈计划 ( International
Geosphere鄄Biosphere Program,IGBP)冶定标划分的落
叶阔叶林 ( DBF)、常绿针叶林 ( ENF)和混交林
(MIX)3 种(http: / / public郾 ornl郾 gov / ameriflux). 4 级
通量 GPP 和 NEE 产品虽已经过对缺失数据的填
充,但不同填充方法获得的数据质量间存在差别,个
别站点间的差异较大,需要对比选择可用的产品.利
用样条插值函数对 NEE 和 GPP 的各 4 套产品进行
质量检查和优选,去除因严重缺少数据或拟合效果
较差的不适用产品. 本研究选取站点所用产品数据
的填充方法见表 1.
1郾 2摇 阈值法
植被生长季开始日期(SOS)和生长季结束日期
(EOS)是与植被生长发育最密切的两个日期,又分
别称为春季返青期和秋季枯黄期. 有研究表
明[38-39],SOS和 EOS是影响植被生长发育时间长度
和光合作用强度的 2 个重要参量,且二者的年际变
化与气候变化关系密切.
阈值法是常用的物候提取方法之一,指按照一
定原则选取物候期转变的临界值(也叫阈值),阈值
对应的日期即生物某个物候阶段开始或结束日期.
该方法因简单易行而被广泛应用[40-42] .根据所选阈
值是否为固定值,分为绝对阈值和相对阈值[43-44],
如 GPP值在春季达到 0 时定义为生长季开始日期,
即为绝对阈值;以 GPP值在春季达到生长季最大值
的 10%为阈值判定生长季开始日期,即为相对阈
值.根据文献[17],本文分别对绝对阈值和相对阈
值设定阈值参量(表 2).在 GPP和 NEP的年变化曲
线中,第一个达到阈值的儒略日(day of year,DOY)
定义为当年 SOS,最后一个达到阈值的儒略日定义
为当年 EOS.
摇 摇 由于通量塔架设在野外,难免受天气紊乱现象
的影响而产生噪声信号,利用 MATLAB 函数库提供
的修匀样条函数(CSAPS)对通量噪声数据做滤波预
表 2摇 通量观测物候提取阈值指标
Table 2摇 Thresholds for eddy covariance flux phenology de鄄
viation
绝对阈值
Absolute threshold
(g C·m-2·d-1)
相对阈值
Relative threshold
(g C·m-2·d-1)
NEP=0
NEP=1
GPP=2
GPP=4
10% GPPmax
20% GPPmax
50% GPPmax
NEP:净生态系统生产力 Net ecosystem productivity; GPP:总初级生产
力 Gross primary productivity; GPPmax: GPP 最大值 摇 Maximum GPP郾
下同 The same below郾
3132 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 赵晶晶等: 基于通量塔观测资料的北美温带植被物候阈值提取方法摇 摇 摇 摇 摇
图 1摇 Harvard Forest 2000 年物候(生长季开始日期 SOS、生
长季结束日期 EOS)提取
Fig. 1 摇 Phenology ( SOS and EOS) extraction from Harvard
Forest Flux site in 2000郾
a1 )通量总初级生产力数据修匀样条函数拟合 Flux gross primary pro鄄
ductivity (GPP) data smoothing spline regression; a2)基于平滑后通量
总初级生产力数据的生长季开始日期和生长季结束日期提取 Phe鄄
nology extraction including SOS and EOS based on smoothing flux GPP;
b1)通量净生态系统生产力数据修匀样条函数拟合 Flux net ecosys鄄
tem productivity (NEP) data smoothing spline regression; b2)基于平滑
后通量净生态系统生产力数据的生长季开始日期和生长季结束日期
提取 Phenology extraction including SOS and EOS based on smoothing
flux NEP郾 GPPmax: GPP最大值 Maximum GPP郾
处理.修匀样条函数应用立方卷积计算方法估算出
定步长原始数据加权平均值,然后用样条插值加权
平均值拟合原本离散、非均匀分布数据的连续平滑
曲线(图 1).
摇 摇 从平滑插值前后对比可以看出:平滑插值前
GPP时间序列的波动幅度很严重,直接用于时间序
列分析比较困难;平滑插值后重构的曲线基本上保
持了原有散点图变化趋势的基本形状,而且去除一
些干扰值后,对曲线特征的刻画更突出(图 1a1,图
1b1).为确定各阈值横线与曲线的两个交点日期,分
别计算各阈值与平滑插值后通量 GPP / NEP 值的差
值.以 10%GPPmax和 NEP=0 g C·m-2·d-1为例,差
值为 0 的点落在 x 轴 181 (DOY)左侧的日期为
SOS,落在 x 轴 181 ( DOY) 右侧的日期为 EOS
(图 1a2,图 1b2).
1郾 3摇 数据分析
利用阈值方法,分别获取通量站点 4 个绝对阈
值(GPP分别为 2、4 g C·m-2·d-1,NEP 分别为 0、
1 g C·m-2 ·d-1 )、 3 个相对阈值 ( 10% 、20% 和
50% 的 GPPmax)的年际生长季开始日期和生长季结
束日期.在 2 个 MIX 站点(US_Ha1、US鄄Ho1),根据
比例占主导地位的植被类型分别归于 ENF、DBF,分
析光合作用与碳汇之间的关联.
2摇 结果与讨论
2郾 1摇 落叶阔叶林物候提取结果一致性分析
由表 3 可以看出,GPP=2 g C·m-2·d-1提取的
落叶阔叶林站点多年平均 SOS集中在 4 月中旬至 5
月中上旬,EOS主要集中在 10 月上旬至 11 月上旬;
GPP=4 g C·m-2·d-1提取的 SOS 集中在 4 月下旬
至 5 月下旬,EOS 集中在 10 月上旬至 10 月下旬;
NEP=0 g C·m-2·d-1提取的 SOS 集中在 4 月中旬
至 5 月中下旬,EOS 集中在 9 月下旬至 11 月中上
旬;NEP=1 g C·m-2·d-1提取的 SOS 集中在 4 月
下旬至 5 月下旬,EOS 集中在 9 月下旬至 11 月上
旬. 10% GPPmax提取的 SOS 集中在 4 月上旬至 5 月
上旬, EOS 集中在 10 月上旬至 11 月中上旬;
20%GPPmax提取的 SOS集中在 4 月下旬至 5 月中上
旬,EOS集中在 10 月上旬至 11 月上旬;50% GPPmax
提取的 SOS 集中在 5 月上旬至 5 月下旬,EOS 集中
在 9 月中下旬至 10 月上旬.
对比各 GPP阈值提取物候与两个 NEP 碳源碳
汇转换期结果的一致性,不同站点表现不一(图 2).
对于站点 US鄄MMS,春季光合作用增加到 GPP =
4 g C·m-2·d-1时,森林对陆地生态系统的功能
作用由碳源转为碳汇 ,至秋季光合作用减弱到
413 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
表 3摇 落叶阔叶林站点多年平均物候
Table 3摇 Mean phenology metrics of deciduous broadleaved forest sites
站点
Site
纬度
Latitude
(毅)
NEP=0
g C·m-2·d-1
SOS EOS
NEP=1
g C·m-2·d-1
SOS EOS
GPP=2
g C·m-2·d-1
SOS EOS
GPP=4
g C·m-2·d-1
SOS EOS
10% GPPmax
SOS EOS
20% GPPmax
SOS EOS
50% GPPmax
SOS EOS
US鄄MMS 39郾 3 116依4 285依6 122依4 277依6 110依3 291依5 119依3 277依7 106依3 296依4 112依3 287依4 127依4 260依11
US鄄WBr 40郾 0 104依6 314依7 110依6 300依11 101依13 305依13 112依12 291依12 96依12 316依10 103依10 303依11 119依8 271依11
US鄄Ha1 42郾 5 139依6 279依6 144依5 272依7 123依8 287依6 136依7 274依5 113依9 289依15 127依9 284依5 144依7 265依16
US鄄UMBS 45郾 6 139依7 275依5 145依8 267依6 130依7 283依6 140依6 272依5 122依8 291依5 131依7 282依6 146依7 264依4
US鄄WC 45郾 8 135依4 269依4 141依4 263依6 130依5 273依3 139依5 262依5 125依5 277依5 133依5 270依2 147依5 249依12
SOS:生长季开始日期 Start of growing season; EOS:生长季结束日期 End of growing season. 下同 The same below.
图 2摇 涡度相关碳通量观测的落叶阔叶林阈值提取 SOS 和
EOS
Fig. 2摇 SOS and EOS threshold detection of DBF from eddy co鄄
variance carbon flux measurment郾
20%GPPmax,森林对陆地生态系统的功能作用由碳
汇转为碳源.对于站点 US鄄WBr,春季光合作用增加
到 20%GPPmax时,森林对陆地生态系统的功能作用
由碳源转为碳汇,至秋季光合作用减弱到 10%GPPmax
时,森林对陆地生态系统的功能作用由碳汇转为碳
源.对于站点 US鄄Ha1,春季光合作用增加到 GPP =
4 g C·m-2·d-1时,森林对陆地生态系统的功能作用
由碳源转为碳汇,至秋季光合作用减弱到 GPP =
4 g C·m-2·d-1时,森林对陆地生态系统的功能作
用由碳汇转为碳源. 对于站点 US鄄UMBS,春季光合
作用增加到 GPP=4 g C·m-2·d-1时,森林对陆地
生态系统的功能作用由碳源转为碳汇,至秋季光合
作用减弱到 GPP=4 g C·m-2·d-1时,森林对陆地
生态系统的功能作用由碳汇转为碳源. 对于站点
US鄄WC,春季光合作用增加到 20%GPPmax时,森林对
陆地生态系统的功能作用由碳源转为碳汇,至秋季
光合作用减弱到 20% GPPmax时,森林对陆地生态系
统的功能作用由碳汇转为碳源.
不同 GPP阈值标准提取的春季生长季开始日期
和秋季生长季结束日期中,GPP =2 g C·m-2·d-1与
20%GPPmax物候提取结果最接近,前者较后者的 SOS
约提前 3 d,EOS约延后 3 d;GPP=4 g C·m-2·d-1提
取的物候介于 20% GPPmax和 50% GPPmax之间,前后
相差 10 ~ 15 d.不同 NEP阈值标准提取的春季生长
季开始日期时差与秋季生长季结束日期时差相近,
相差天数均约 7 d.纬度高于 40毅 N的落叶阔叶林站
点物候纬度特征明显,SOS 随着纬度增加而延后,
EOS日期则提前(图 2),纬度差异超过 5毅站点的表
现更显著:US鄄UMBS(45郾 6毅 N)和US鄄WC(45郾 8毅 N)
站点较 US鄄WBr(40毅 N)站点的 SOS 约延后 30 d,
EOS约提前 21 d.纬度较低的 US鄄MMS(39郾 3毅 N)站
点 SOS延后于 US鄄WBr 的原因可能在于,前者所用
数据年份(1995—1999 年)落后于后者所用数据年
份(1999—2006 年)的缘故,符合北半球增温的变化
趋势.落叶阔叶林生态系统碳汇功能开始日期在
GPP=4 g C·m-2·d-1和 20% GPPmax提取的 SOS日
期范围内,落叶阔叶林生态系统碳汇功能增加到
NEP = 1 g C · m-2 · d-1 水平的日期在 GPP =
4 g C·m-2·d-1和50%GPPmax提取的 SOS日期范围内.
2郾 2摇 常绿针叶林物候提取结果一致性分析
由表 4 可以看出,GPP=2 g C·m-2·d-1提取的
各常绿针叶林站点多年平均 SOS 集中在 3 月上旬
至 4 月下旬,EOS 集中在 10 月上旬至 11 月上旬;
GPP=4 g C·m-2·d-1提取的 SOS 集中在 4 月上旬
至 5 月下旬,EOS 集中在 9 月上旬至 10 月中旬;
NEP=0 g C·m-2·d-1提取的 SOS 集中在 2 月中下
旬至 4 月中下旬,EOS 集中在 10 月上旬至 11 月中
旬 ;NEP = 1 gC·m-2 ·d-1提取的SOS集中在3月
5132 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 赵晶晶等: 基于通量塔观测资料的北美温带植被物候阈值提取方法摇 摇 摇 摇 摇
表 4摇 常绿针叶林站点多年平均物候统计
Table 4摇 Mean phenology metrics of evergreen needleleaved forest sites
站点
Site
纬度
Latitude
(毅)
NEP=0
g C·m-2·d-1
SOS EOS
NEP=1
g C·m-2·d-1
SOS EOS
GPP=2
g C·m-2·d-1
SOS EOS
GPP=4
g C·m-2·d-1
SOS EOS
10% GPPmax
SOS EOS
20% GPPmax
SOS EOS
50%GPPmax
SOS EOS
US鄄NR 40郾 0 118依8 299依4 131依7 283依6 121依6 271依30 141依5 241依18 103依8 309依6 111依8 299依4 126依7 270依19
US鄄MIP 44郾 5 64依10 311依7 75依11 299依6 67依13 316依5 99依9 259依26 60依7 336依9 77依7 317依16 104依8 261依26
US鄄Ho2 45郾 2 86依6 312依6 97依5 296依4 96依5 308依8 113依4 286依7 84依6 329依5 93依4 312依7 116依6 278依7
US鄄Ho1 45郾 2 82依6 308依9 97依5 297依3 96依6 306依8 114依6 283依5 85依6 322依9 96依5 307依8 122依4 275依6
上旬至 5 月上旬,EOS 集中在 7 月中下旬至 8 月下
旬. 10% GPPmax提取的 SOS 集中在 2 月下旬至 4 月
下旬, EOS 集中在 11 月上旬至 12 月上旬;
20%GPPmax提取的 SOS集中在 3 月中上旬至 4 月中
旬,EOS集中在 10 月下旬至 11 月下旬. 50% GPPmax
提取的 SOS 集中在 4 月上旬至 5 月上旬,EOS 集中
在 9 月下旬至 10 月中旬.
摇 摇 对比各 GPP阈值提取物候与两个 NEP 碳源碳
汇转换期结果的一致性,不同站点表现不一(图 3).
对于站点 US鄄NR 和 US鄄MIP,春季光合作用增加到
GPP=2 g C·m-2·d-1时,森林对陆地生态系统的功
能作用由碳源转为碳汇,至秋季光合作用减弱到
20% GPPmax时,森林对陆地生态系统的功能作用由
碳汇转为碳源.对于站点 US鄄Ho1 和 US鄄Ho2,春季光
合作用增加到10% GPPmax时,森林对陆地生态系统
图 3摇 涡度相关碳通量观测的常绿针叶林阈值提取 SOS 和
EOS
Fig. 3摇 SOS and EOS threshold detection of ENF from eddy co鄄
variance carbon flux measurment郾
的功能作用由碳源转为碳汇,至秋季光合作用减弱
到 20% GPPmax时,森林对陆地生态系统的功能作用
由碳汇转为碳源.
不同 GPP阈值标准提取的春季生长季开始日
期和秋季生长季结束日期中,与 GPP 分别为 2、
4 g C·m-2·d提取结果最接近的分别是 20%
GPPmax和 50% GPPmax,相差天数随着纬度的增加而
减少,最小变化幅度约 3 ~ 5 d(45毅 N附近),最大变
化幅度约 7 ~ 10 d(41毅 N 附近). 不同 NEP 阈值标
准提取的春季生长季开始日期相差约 10 d,秋季生
长季结束日期相差约 20 d.纬度在 40毅 N附近的 US鄄
NR站点春季生长季开始日期较其他 3 个纬度在
44毅 ~ 45毅 N范围的 ENF站点有所延后,原因可能是
海拔较高(超过其他 ENF 站点 1700 ~ 2700 m)导致
春季平均气温过低的缘故. 除 US鄄NR 外,其他 3 个
常绿针叶林生态系统碳汇功能开始日期介于 GPP =
2 g C·m-2·d-1和 10% GPPmax提取的 SOS 之间,碳
汇功能增加到 NEP=1 g C·m-2·d-1水平的日期较
接近 20%GPPmax提取的 SOS.
3摇 结论与展望
通量法定义的物候不仅从生理意义上完整记录
了植被生长过程,而且能灵敏监测不同物候期的转化
过渡,有突出优势和价值.本文以阈值方法为物候提
取手段,分别选取了 3 个相对阈值(10%GPPmax、20%
GPPmax和 50%GPPmax)、4个绝对阈值(GPP分别为 2、
4 g C·m-2·d-1,NEP分别为0、1 g C·m-2·d-1),研
究了北美温带两种主要植被类型(落叶阔叶林和常
绿针叶林)的不同阈值提取物候差异,结果显示不
同方法、不同阈值确定的物候参数的差异较大.
不同阈值标准对落叶阔叶林(DBF)物候提取结
果稳定性的影响较常绿针叶林( ENF)小:DBF 的
SOS 在 4 月上旬至 5 月下旬,EOS在 10 月上旬至 11
月中旬;ENF 的 SOS 在 3 月上旬至 5 月下旬,EOS
在 9 月中旬至 12 月上旬.除地势和年份较同类站点
差异显著的 US鄄MMS、US鄄NR 站点外,DBF 和 ENF
613 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
的 SOS、EOS具有一致的纬度地带性规律:SOS 随着
纬度的增加而延后,EOS随着纬度的增加而提前.碳
汇功能开始日期变化较复杂,在纬度差异不突出的
范围,并不具有明显的纬度地带性规律,应该与具体
植被物种的呼吸能力有关.
所选 DBF 站点在 GPP = 2 g C·m-2 ·d-1与
20% GPPmax 的 物 候 提 取 结 果 最 接 近, GPP =
4 g C·m-2·d-1提取的物候介于 20% GPPmax 和
50%GPPmax之间,生态系统碳汇功能开始日期介于
GPP= 4 g C·m-2·d-1和 20% GPPmax提取的 SOS 之
间,碳汇功能增加到 NEP=1 g C·m-2·d-1水平的日
期介于 GPP=4 g C·m-2·d-1和 50% GPPmax提取的
SOS之间.所选 ENF站点与 GPP=2 g C·m-2·d-1和
GPP=4 g C·m-2·d-1提取结果最接近的分别是
20%GPPmax和 50%GPPmax,生态系统碳汇功能开始日
期介于 GPP=2 g C·m-2·d-1和 10% GPPmax提取的
SOS之间,碳汇功能增加到 NEP=1 g C·m-2·d-1水
平的日期较接近 20%GPPmax提取的 SOS.
由于资料有限,本研究数据的纬度跨度未达到
全球尺度,该结论只代表北半球温带森林的某些特
征.研究区分布空间存在很大的扩展性,后续工作应
收集更多区域、更多植被类型的数据来对比和优化
基于通量观测数据的植被物候提取方法.
参考文献
[1]摇 Zhou G鄄S (周广胜), Zhang X鄄S (张新时), Gao S鄄H
(高素华), et al. Experiment and modeling on the re鄄
sponses of Chinese terrestrial ecosystems to global
change. Acta Botanica Sinica (植物学报), 1997, 39
(9): 879-888 (in Chinese)
[2]摇 Li R鄄P (李荣平), Zhou G鄄S (周广胜), Zhang H鄄L
(张慧玲). Research advances in plant phenology. Chi鄄
nese Journal of Applied Ecology (应用生态学报),
2006, 17(3): 541-544 (in Chinese)
[3]摇 Arora VK, Boer GJ. A parameterization of leaf phenolo鄄
gy for the terrestrial ecosystem component of climate
models. Global Change Biology, 2005, 11: 39-59
[4]摇 Leith HL. Phenology and Seasonality Modeling. New
York: Springer鄄Verlag, 1974
[5]摇 White MA, Nemani RR, Thornton PE, et al. Satellite
evidence of phenological differences between urbanized
and rural areas of the eastern United States deciduous
broadleaved forest. Ecosystems, 2002, 5: 260-277
[6]摇 Churkina G, Schimel D, Braswell BH, et al. Spatial
analysis of growing season length control over net ecosys鄄
tem exchange. Global Change Biology, 2005, 11:
1777-1787
[7]摇 Houghton JT. The Scientific Basis: Contribution of
Working Group I to the Third Assessment Report of the
Intergovernmental Panel on Climate Change. Cam鄄
bridge: Cambridge University Press, 2001
[8]摇 Zhao H鄄Y (赵海英), Li X鄄L (栗锡龄), Lu C鄄H (陆
春花), et al. On climate survey by phenological index.
Chinese Agricultural Science Bulletin (中国农学通报),
2009, 25(24): 480-483 (in Chinese)
[9]摇 Li X鄄L (栗锡龄), Wang Y鄄M (王月梅), Wang Y鄄G
(王有根), et al. Brief analysis of the application of
phenology index in agriculture. Shanxi Meteorological
Quarterly (山西气象), 2006 (4): 23 - 25 ( in Chi鄄
nese)
[10]摇 Chen X鄄Q (陈效逑), Wang L鄄H (王林海). Progress
in remote sensing phenological research. Progress in Ge鄄
ography (地理科学进展), 2009, 28(1): 33-40 ( in
Chinese)
[11]摇 Zhang XY, Friedl MA, Schaaf CB. Global vegetation
phenology from moderate resolution imaging spectroradi鄄
ometer ( MODIS): Evaluation of global patterns and
comparison with in situ measurements. Journal of Geo鄄
physical Research, 2006, 111: G04017, doi:10. 1029 /
2006JG000217
[12]摇 Zhang X鄄X (张学霞), Ge Q鄄S (葛全胜), Zheng J鄄Y
(郑景云). Relationships between climate change and
vegetation in Beijing using remote sensed data and pho鄄
nological data. Acta Phytoecologica Sinica (植物生态学
报), 2004, 28(4): 499-506 (in Chinese)
[13]摇 Yu X鄄F (于信芳), Zhuang D鄄F (庄大方). Monitoring
forest phenophases of Northeast China based on MODIS
NDVI data. Resources Science (资源科学), 2006, 28
(4): 111-117 (in Chinese)
[14]摇 Lloyd DA. Phenological classification of terrestrial vege鄄
tation cover using shortwave vegetation index imagery.
International Journal of Remote Sensing, 1990, 11:
2269-2279
[15]摇 Reed BC, Brown JF, Vanderzee D, et al. Measuring
phenological variability from satellite imagery. Journal of
Vegetation Science, 1994, 5: 703-714
[16]摇 Xiao X, Zhang J, Yan H, et al. Land surface phenolo鄄
gy: Convergence of satellite and CO2 eddy flux observa鄄
tions / / Noormets A, ed. Phenology of Ecosystem
Processes. New York: Springer, 2009: 247-270
[17]摇 Richardson AD, Black TA, Ciais P, et al. Influence of
spring and autumn phenological transitions on forest eco鄄
system productivity. Philosophical Transactions of the
Royal Society B: Biological Sciences, 2010, 365: 3227-
3246
[18]摇 Zhai S鄄Y (翟石艳),Wang Z (王摇 铮), Ma X鄄Z (马
晓哲), et al. Calculation of regional carbon emission:
A case of Guangdong Province. Chinese Journal of
Applied Ecology (应用生态学报), 2011, 22 (6):
1543-1551 (in Chinese)
[19]摇 Piao SL, Ciais P, Friedlingstein P, et al. Net carbon
dioxide losses of northern ecosystems in response to
autumn warming. Nature, 2008, 451: 49-52
[20]摇 Hu J, Moore DJP, Burns SP, et al. Longer growing sea鄄
sons lead to less carbon sequestration by a subalpine
forest. Global Change Biology, 2010, 16: 771-783
[21]摇 Baldocchi D, Wilson KB. Modeling CO2 and water
vapor exchange of a temperate broadleaved forest across
hourly to decadal time scales. Ecological Modelling,
2004, 142: 155-184
[22]摇 Baldocchi D. Breathing of the terrestrial biosphere: Les鄄
sons learned from a global network of carbon dioxide flux
7132 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 赵晶晶等: 基于通量塔观测资料的北美温带植被物候阈值提取方法摇 摇 摇 摇 摇
measurement systems. Australian Journal of Botany,
2008, 56: 1-26
[23]摇 Gu LH, Post WM, Baldocchi DD, et al. Characterizing
the Seasonal Dynamics of Plant Community Photosynthe鄄
sis across a Range of Vegetation Types. New York:
Springer, 2009
[24]摇 Richardson AD, O爷 Keefe J. Phenological Differences
between Understory and Overstory: A Case Study Using
the Long鄄term Harvard Forest Records. New York:
Springer, 2009
[25]摇 Richardson AD, Hollinger DY, Dail DB, et al. Influ鄄
ence of spring phenology on seasonal and annual carbon
balance in two contrasting New England forests. Tree
Physiology, 2009, 29: 321-331
[26]摇 Richardson AD, Black TA, Philippe C. Influence of
spring and autumn phenological transitions on forest eco鄄
system productivity. Philosophical Transactions of the
Royal Society B: Biological Sciences, 2010, 365: 3227-
3246
[27]摇 Malingreau JP. Global vegetation in dynamics, satellite
observations over Asia. International Journal of Remote
Sensing, 1986, 7: 1121-1146
[28]摇 Moulin S, Kergoat L, Viovy N, et al. Global鄄scale as鄄
sessment of vegetation phenology using NOAA / AVHRR
satellite measurements. Journal of Climate, 1997, 10:
1154-1170
[29]摇 Piao SL, Friedlingstein P, Ciais P, et al. Growing sea鄄
son extension and its impact on terrestrial carbon cycle
in the Northern Hemisphere over the past 2 decades.
Global Biogeochemical Cycles, 2007, 21: 1-11
[30]摇 Baldocchi D, Falge E, Gu LH, et al. FLUXNET: A
new tool to study the temporal and spatial variability of
ecosystem鄄scale carbon dioxide, water vapor, and ener鄄
gy flux densities. Bulletin of the American Meteorological
Society, 2001, 82: 2415-2434
[31]摇 Black TA, Chen WJ, Barr AG, et al. Increased carbon
sequestration by a boreal deciduous forest in years with a
warm spring. Geophysical Research Letters, 2000, 27:
1271-1274
[32]摇 Carrara A, Kowalski AS, Neirynck J, et al. Net ecosys鄄
tem CO2 exchange of mixed forest in Belgium over 5
years. Agricultural and Forest Meteorology, 2003, 119:
209-227
[33]摇 Barr AG, Black TA, Hogg EH, et al. Inter鄄annual vari鄄
ability in the leaf area index of a boreal aspen鄄hazelnut
forest in relation to net ecosystem production. Agricultur鄄
al and Forest Meteorology, 2004, 126: 237-255
[34]摇 Dunn AL, Barford CC, Wofsy SC, et al. A long鄄term
record of carbon exchange in a boreal black spruce
forest: Means, responses to interannual variability, and
decadal trends. Global Change Biology, 2007, 13:
577-590
[35]摇 Reichstein M, Falge E, Baldocchi D, et al. On the sep鄄
aration of net ecosystem exchange into assimilation and
ecosystem respiration: Review and improved algorithm.
Global Change Biology, 2005, 11: 1424-1439
[36]摇 Papale D, Reichstein M, Aubinet M, et al. Towards a
standardized processing of net ecosystem exchange meas鄄
ured with eddy covariance technique: Algorithms and
uncertainty estimation. Biogeosciences, 2006, 3: 571 -
583
[37]摇 Moffat AM, Papale D, Reichstein M, et al. Compre鄄
hensive comparison of gap鄄filling techniques for eddy co鄄
variance net carbon fluxes. Agricultural and Forest Mete鄄
orology, 2007, 147: 209-232
[38]摇 Churkina G, Schimel D, Braswell BH, et al. Spatial
analysis of growing season length control over net ecosys鄄
tem exchange. Global Change Biology, 2005, 11:
1777-1787
[39]摇 Barr AG, Black TA, Hogg EH, et al. Climatic controls
on the carbon and water balances of a boreal aspen
forest, 1994-2003. Global Change Biology, 2007, 13:
561-576
[40]摇 Lloyd D. A phenological classification of terrestrial vege鄄
tation cover using shortwave vegetation index imagery.
International Journal of Remote Sensing, 1990, 11:
2269-2279
[41]摇 Kaduk J, Heimann M. A prognostic phenology model for
global terrestrial carbon cycle models. Climate Research,
1996, 6: 1-19
[42]摇 Kang SK, Running SW, Lim JH,et al. A regional phe鄄
nology model for detecting onset of greenness in temper鄄
ate mixed forests, Korea: An application of MODIS leaf
area index. Remote Sensing of Environment, 2003, 86:
232-242
[43]摇 Kaduk J, Heimann M. A prognostic phenology scheme
for global terrestrial carbon cycle models. Climate Re鄄
search, 1996, 6: 1-19
[44]摇 White MA, Thornton PE, Running SW. A continental
phenology model for monitoring vegetation responses to
interannual climatic variability. Global Biogeochemical
Cycles, 1997, 11: 217-234
作者简介摇 赵晶晶,女,1982 年生,博士研究生.主要从事陆
地生态系统气候变化响应敏感因子分析研究. E鄄mail:
starcrazyabout@ 163. com
责任编辑摇 杨摇 弘
813 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