全 文 ：
摇 摇 摇 摇 摇 生 态 学 报
摇 摇 摇 摇 摇 摇 摇 (SHENGTAI XUEBAO)
摇 摇 第 32 卷 第 23 期摇 摇 2012 年 12 月摇 (半月刊)
目摇 摇 次
中国石龙子母体孕期调温诱导幼体表型:母体操纵假说的实验检测 李摇 宏,周宗师,吴延庆,等 (7255)……
同种或异种干扰对花鼠分散贮藏点选择的影响 申摇 圳,董摇 钟,曹令立,等 (7264)……………………………
曝气充氧条件下污染河道氨挥发特性模拟 刘摇 波,王文林,凌摇 芬,等 (7270)…………………………………
贵州草海越冬斑头雁日间行为模式及环境因素对行为的影响 杨延峰,张国钢,陆摇 军,等 (7280)……………
青藏高原多年冻土区积雪对沼泽、草甸浅层土壤水热过程的影响 常摇 娟,王根绪,高永恒,等 (7289)………
长沙城市斑块湿地资源的时空演变 恭映璧,靖摇 磊,彭摇 磊,等 (7302)…………………………………………
基于模型数据融合的千烟洲亚热带人工林碳水通量模拟 任小丽,何洪林,刘摇 敏,等 (7313)…………………
农田氮素非点源污染控制的生态补偿标准———以江苏省宜兴市为例 张摇 印,周羽辰,孙摇 华 (7327)………
用 PFU微型生物群落监测技术评价化工废水的静态毒性 李朝霞,张玉国,梁慧星 (7336)……………………
京郊农业生物循环系统生态经济能值评估———以密云尖岩村为例 周连第,胡艳霞,王亚芝,等 (7346)………
基于遥感的夏季西安城市公园“冷效应冶研究 冯晓刚,石摇 辉 (7355)…………………………………………
海南岛主要森林类型时空动态及关键驱动因子 王树东,欧阳志云,张翠萍,等 (7364)…………………………
不同播种时间对吉林省西部玉米绿水足迹的影响 秦丽杰,靳英华,段佩利 (7375)……………………………
黄土塬区不同品种玉米间作群体生长特征的动态变化 王小林,张岁岐,王淑庆,等 (7383)……………………
密植条件下种植方式对夏玉米群体根冠特性及产量的影响 李宗新,陈源泉,王庆成,等 (7391)………………
沙地不同发育阶段的人工生物结皮对重金属的富集作用 徐摇 杰,敖艳青,张璟霞,等 (7402)…………………
增强 UV鄄B辐射和氮对谷子叶光合色素及非酶促保护物质的影响 方摇 兴,钟章成 (7411)……………………
不同产地披针叶茴香光合特性对水分胁迫和复水的响应 曹永慧,周本智,陈双林,等 (7421)…………………
芦芽山林线华北落叶松径向变化季节特征 董满宇,江摇 源,王明昌,等 (7430)…………………………………
地形对植被生物量遥感反演的影响———以广州市为例 宋巍巍,管东生, 王摇 刚 (7440)………………………
指数施肥对楸树无性系生物量分配和根系形态的影响 王力朋,晏紫伊,李吉跃,等 (7452)……………………
火烧伤害对兴安落叶松树干径向生长的影响 王晓春,鲁永现 (7463)……………………………………………
山地梨枣树耗水特征及模型 辛小桂,吴普特,汪有科,等 (7473)…………………………………………………
两种常绿阔叶植物越冬光系统功能转变的特异性 钟传飞,张运涛,武晓颖,等 (7483)…………………………
干旱胁迫对银杏叶片光合系统域荧光特性的影响 魏晓东,陈国祥,施大伟,等 (7492)…………………………
神农架川金丝猴栖息地森林群落的数量分类与排序 李广良,丛摇 静,卢摇 慧,等 (7501)………………………
碱性土壤盐化过程中阴离子对土壤中镉有效态和植物吸收镉的影响 王祖伟,弋良朋,高文燕,等 (7512)……
两种绣线菊耐弱光能力的光合适应性 刘慧民,马艳丽,王柏臣,等 (7519)………………………………………
闽楠人工林细根寿命及其影响因素 郑金兴,黄锦学,王珍珍,等 (7532)…………………………………………
旅游交通碳排放的空间结构与情景分析 肖摇 潇,张摇 捷,卢俊宇,等 (7540)……………………………………
北京市妫水河流域人类活动的水文响应 刘玉明,张摇 静,武鹏飞,等 (7549)……………………………………
膜下滴灌技术生态鄄经济与可持续性分析———以新疆玛纳斯河流域棉花为例
范文波,吴普特,马枫梅 (7559)
…………………………………
…………………………………………………………………………………
高温胁迫及其持续时间对棉蚜死亡和繁殖的影响 高桂珍,吕昭智,夏德萍,等 (7568)…………………………
桉树枝瘿姬小蜂虫瘿解剖特征与寄主叶片生理指标的变化 吴耀军,常明山,盛摇 双,等 (7576)………………
西南桦纯林与西南桦伊红椎混交林碳贮量比较 何友均,覃摇 林,李智勇,等 (7586)……………………………
长沙城市森林土壤 7 种重金属含量特征及其潜在生态风险 方摇 晰,唐志娟,田大伦,等 (7595)………………
专论与综述
城乡结合部人鄄环境系统关系研究综述 黄宝荣,张慧智 (7607)…………………………………………………
陆地生态系统碳水通量贡献区评价综述 张摇 慧,申双和,温学发,等 (7622)……………………………………
期刊基本参数:CN 11鄄2031 / Q*1981*m*16*380*zh*P* ￥ 70郾 00*1510*38*
室室室室室室室室室室室室室室
2012鄄12
封面图说: 麋鹿群在过河———麋鹿属于鹿科,是中国的特有动物。 历史上麋鹿曾经广布于东亚地区,到 19 世纪时,只剩下在北
京南海子皇家猎苑内一群。 1900 年,八国联军攻陷北京,麋鹿被抢劫一空。 1901 年,英国的贝福特公爵用重金从
法、德、荷、比四国收买了世界上仅有的 18 头麋鹿,以半野生的方式集中放养在乌邦寺庄园内,麋鹿这才免于绝灭。
在世界动物保护组织的协调下,1985 年起麋鹿从英国分批回归家乡,放养到北京大兴南海子、江苏省大丰等地。 这
是在江苏省大丰麋鹿国家级自然保护区放养的麋鹿群正在过河。
彩图提供: 陈建伟教授摇 北京林业大学摇 E鄄mail: cites. chenjw@ 163. com
第 32 卷第 23 期
2012 年 12 月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol. 32,No. 23
Dec. ,2012
http: / / www. ecologica. cn
基金项目:中国科学院先导专项(XDA05050600); 国家重点基础研究发展计划项目(2010CB833500); 国家自然科学基金项目(41071251)
收稿日期:2012鄄03鄄23; 摇 摇 修订日期:2012鄄07鄄23
*通讯作者 Corresponding author. E鄄mail: hehl@ igsnrr. ac. cn
DOI: 10. 5846 / stxb201203230397
任小丽, 何洪林, 刘敏, 张黎, 周磊, 于贵瑞, 王辉民. 基于模型数据融合的千烟洲亚热带人工林碳水通量模拟. 生态学报,2012,32 (23):
7313鄄7326.
Ren X L, He H L, Liu M, Zhang L, Zhou L, Yu G R, Wang H M. Modeling of carbon and water fluxes of Qianyanzhou subtropical coniferous plantation
using model鄄data fusion approach. Acta Ecologica Sinica,2012,32(23):7313鄄7326.
基于模型数据融合的千烟洲亚热带人工林
碳水通量模拟
任小丽1,2, 何洪林1,*, 刘摇 敏3, 张摇 黎1, 周摇 磊1,2, 于贵瑞1, 王辉民1
(1. 中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京摇 100101;
2. 中国科学院研究生院,北京摇 100049; 3. 华东师范大学,上海市城市化生态过程与生态恢复重点实验室,上海摇 200062)
摘要:人工林生态系统是我国森林生态系统的重要组成部分,在全球碳平衡中的作用越来越受到重视。 利用千烟洲亚热带人工
针叶林通量观测站的碳水通量和气象观测数据,通过模型数据融合方法对碳水循环过程模型———SIPNET模型关键参数进行反
演,模拟了 2004—2009 年千烟洲人工林生态系统的碳水通量。 结果表明:仅用碳通量观测数据优化模型参数时,净生态系统碳
交换量(NEE)模拟效果较好(R2 =0. 934),而生态系统蒸散(ET)模拟效果较差(R2 =0. 188);同时用碳水通量观测数据优化时,
NEE模拟效果稍差(R2 =0. 929),但 ET模拟效果显著提升(R2 =0. 824),说明利用碳水通量观测数据同时优化,SIPNET模型才
能较好地模拟试验站点碳水通量。 在此基础上,开展了人工林生态系统碳通量对降水变化响应的敏感性分析,发现降水量减少
对光合作用的影响比对呼吸作用的影响更为强烈,且碳水通量同时参与优化时模型才能较好地模拟碳通量随降水减少而快速
降低的趋势,表明如果不能同时利用碳水通量进行参数优化,模型无法正确揭示生态系统碳循环对降水变异的响应。
关键词:人工林;碳水通量;模型数据融合;SIPNET模型
Modeling of carbon and water fluxes of Qianyanzhou subtropical coniferous
plantation using model鄄data fusion approach
REN Xiaoli1, 2, HE Honglin1,*, LIU Min3, ZHANG Li1, ZHOU Lei1, 2, YU Guirui1, WANG Huimin1
1 Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of
Sciences, Beijing 100101, China
2 Graduate University of Chinese Academy of Sciences, Beijing 100049, China
3 Shanghai Key Laboratory for Urban Ecology and Sustainability, East China Normal University, Shanghai 200062, China
Abstract: As one of the most widespread forest types, China忆s plantation plays an important role in global carbon balance.
It is crucial to reduce the uncertainties in the estimation of carbon and water fluxes of plantation ecosystems, and model鄄data
fusion technique provides an effective way. The purpose of this research is to improve the modeling accuracy of SIPNET
model, the simplified Photosynthesis and Evapo鄄Transpiration(ET) model through two experiments, namely NEE alone and
NEE & ET multi鄄constraints. The model鄄data fusion method used here is a combination of Metropolis鄄Hastings algorithm
and Simulated Annealing algorithm. Based on eddy fluxes and meteorological observation data of Qianyanzhou subtropical
coniferous plantation during 2004—2009 in ChinaFLUX ( Chinese Terrestrial Ecosystem Flux Research Network), we
estimated the key parameters of SIPNET model and simulated the corresponding carbon and water fluxes. Comparisons
http: / / www. ecologica. cn
between the measured and modeled net ecosystem exchange of carbon dioxide (NEE) showed that the SIPNET model had
approximately equivalent fits to the observed NEE under two optimization procedures (R2 decreased from 0. 934 to 0. 929,
and RMSE increased from 0. 736 g C / m2 to 0. 763 g C / m2). In the case of ET, the NEE and ET parameterization produced
a markedly better fit to the observed ET than the NEE parameterization (R2 increased from 0. 188 to 0. 824, and RMSE
decreased from 0. 152 cm to 0. 053 cm). As for transpiration, when optimized by observed NEE alone, SIPNET largely
underestimated annual accumulated transpiration in 2004 compared with the measurements of sap flow technique. In
comparison, while optimization based on NEE and ET, SIPNET led to a better fit of annual cumulative estimation of
transpiration in 2004 to the sap flow measurement. These results indicated that the SIPNET model parameterized using NEE
and ET observed fluxes could well reproduce the characteristics of carbon and water fluxes. In other words, more
information can be extracted from simultaneous optimization, since there is additional process information in water flux
observation data. Furthermore, we conducted a sensitivity test of precipitation on carbon fluxes through reduction of
precipitation. We found that photosynthesis was more sensitive to precipitation reduction than respiration, and the model
optimized using NEE and ET reproduced the response of NEE to precipitation reduction better than that optimized using
NEE alone. In addition, we detected that the difference of NEE response to precipitation reduction in two optimizations of
the SIPNET model was caused by gross ecosystem production rather than ecosystem respiration. Therefore, parameter
estimation using NEE and ET altogether improved the performance of SIPNET model. And without optimization using both
NEE and ET, the response of ecosystem carbon cycle to precipitation variation may be misrepresented.
Key Words: plantation; carbon and water flux; model鄄data fusion; SIPNET model
森林生态系统是陆地生态系统的主体,在调节全球碳平衡、减缓全球气候变化等方面具有不可替代的作
用[1鄄2]。 森林生态系统碳水循环及其驱动机制研究已成为气候变化研究的热点问题之一[3鄄4]。 我国自 20 世
纪 70 年代以来,人工林生态系统面积逐渐增加且居世界首位,已成为我国森林生态系统的重要组成部分,了
解其碳水收支状况对评价我国森林生态系统固碳速率和潜力具有重要意义[5鄄6]。
生态系统机理模型是模拟和分析生态系统关键过程,研究生态系统与气候之间相互作用的重要手
段[7鄄9]。 但由于人们对生态系统关键过程及其控制机制的理解不足,以及模型参数和输入数据的限制,导致
模型模拟结果存在不确定性[10鄄11]。 近年来逐渐发展起来的模型数据融合方法利用观测数据优化生态模型过
程参数,完善模型结构,提高模型模拟精度,为降低生态系统碳水收支模拟和预测的不确定性提供了一种有效
途径[12鄄14]。
模型数据融合是通过模型和数据的有机整合,充分利用获取的观测数据,运用数学方法优化模型参数,使
模拟结果与观测值达到最佳匹配,以更准确地认识、模拟和预测生态系统变化的方法[12,15]。 由于大多生态模
型都包含难以准确估计的关键参数,因此目前生态系统模型数据融合研究主要集中在模型的参数估计方面,
利用观测数据优化模型关键参数。 大多研究或侧重于利用碳通量观测数据优化碳循环过程参数[16鄄18],或侧
重于使用生物计量数据获取碳库周转参数[19鄄20],也开展了结合碳通量和生物计量数据优化碳循环模型关键
参数的研究[21鄄25],但同时充分利用碳水通量观测数据耦合碳水循环机理过程,进行参数反演进而探讨碳水通
量及其关系的研究较少[26鄄28]。 其中 Moore 等基于模型数据融合方法,同时使用碳水通量观测数据在美国
Niwot Ridge针叶林反演了 SIPNET模型的关键参数,并分析了降水变化对亚高山森林生态系统碳收支的影
响,揭示了碳水通量同时优化模型参数对深入了解森林生态系统碳循环过程机理具有重要意义。
我国亚热带人工林在江西、湖南、湖北、浙江、广东、福建与广西等地均有分布,面积广阔[29]。 千烟洲人工
针叶林是我国典型的亚热带人工林生态系统,雨热不同季,存在季节性干旱[30],相关学者已开展了千烟洲人
工林的碳、水通量及其干旱响应的模型模拟研究[31鄄35],但模型参数率定多人工完成,导致参数具有一定主观
性,且缺少碳水通量同时优化模型参数的研究,难以深入了解碳水循环过程机理。 本文将 SIPNET 模型应用
4137 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
于千烟洲亚热带人工林生态系统,基于 2004—2009 年气象和碳水通量观测数据,对 SIPNET模型进行敏感性
分析以确定关键参数;并利用模型数据融合技术,优化模型关键参数,进而模拟分析千烟洲 2004—2009 年碳
水通量状况。 在此基础上,设置了降水减少实验,探讨了降水变化对碳吸收的影响,为深入开展亚热带人工林
生态系统碳水循环机理研究提供支持。
1摇 数据和方法
1. 1摇 站点概况和研究数据
千烟洲亚热带常绿人工针叶林通量观测站(26毅44忆52义 N,115毅03忆47义 E,110. 8 m)位于中国生态系统研究
网络(CERN)的千烟洲试验站内,地处江西省泰和县境内赣江中游典型红壤丘陵区。 试验区年均气温 17. 9
益,年均降水量 1485. 1 mm,平均相对湿度 84% ,温暖湿润,夏热冬凉,具有典型的亚热带季风气候特征[36鄄38]。
通量塔周围近 1 km2 范围内森林覆盖率高达 90% ,近 100 km2 范围内森林覆盖近 70% ,林分为 1985 年前后开
始营造的人工林。 塔周围主要树种有马尾松 (Pinus massoniana)、湿地松 (Pinus elliottii Engelm)和杉木
(Cunninghamia lanceolata) [39],植被冠层高度大约为 12 m。 由于林分基本郁闭,林下植被很少[40]。
研究数据包括模型驱动、反演及验证数据。 模型驱动数据为 2004—2009 年的 30 min 气象观测数据,主
要包括气温、土壤温度、光合有效辐射、降水、水汽压、风速,均由千烟洲站通量塔常规自动气象观测系统测定。
模型反演和验证数据为经过质量控制、缺失数据插补后的 30 min涡度相关碳水通量观测数据,具体处理流程
参见李春等[41]。 其中,2004—2006 年通量数据用于模型关键参数优化;2007—2009 年通量数据用于模型
验证。
1. 2摇 研究方法
1. 2. 1摇 模型描述
SIPNET模型(Simplified Photosynthesis and Evapo鄄Transpiration model) [16鄄18,28,42鄄43]是美国新罕布什尔大学
复杂研究中心在 PnET模型(Photosynthesis鄄EvapoTranspiration) [44鄄47]的基础上,为避免由参数过多导致的“过
参数化冶,进行适当简化而得到的生态系统碳水循环过程模型。 该模型已成功应用于美国 Harvard 落叶林和
Niwot Ridge针叶林的碳水循环过程模拟。
SIPNET模型包含 2 个植被碳库(木质碳库和叶片碳库)、1 个土壤碳库以及 1 个水循环子模型,以半日
(昼和夜)为时间尺度模拟森林生态系统的碳水动态过程,主要包括生态系统光合作用、呼吸作用、蒸腾作用、
碳分配等过程。 本文仅简要阐述 SIPNET模型的碳库和土壤水分变化、光合作用与蒸腾作用耦合过程的模拟
方法以及模型参数。
(1)碳库及土壤水分变化
SIPNET模型中生态系统各碳库及土壤水分变化由一系列常微分方程来表达:
dCW
dt
= GPP - Ra - Lw - L (1)
dCL
dt
= L - LL (2)
dCs
dt
= LW + LL - Rh (3)
dW
dt
= P - ET - D (4)
式中,CW 为木质碳库大小(g C / m2),CL 为叶片碳库大小(g C / m2),CS 为土壤碳库大小(g C / m2),W为土壤含
水量(cm),t为时间(d);GPP 是总初级生产力,Ra 是自养呼吸,LW 是木质凋落物,L 是叶生长量,LL 是叶凋落
物,Rh 是异养呼吸;P是降水量,ET是蒸发散,D是径流(包括地表径流和渗漏)。 模型中碳通量单位均为 g C
m-2 d-1,水通量单位为 cm / d。
(2)光合作用与蒸腾作用及其耦合过程
5137摇 23 期 摇 摇 摇 任小丽摇 等:基于模型数据融合的千烟洲亚热带人工林碳水通量模拟 摇
http: / / www. ecologica. cn
SIPNET模型中光合作用的表达与 PnET 模型一致,是植物最大同化速率与 4 个环境因子(温度因子
Dtemp、饱和水汽压差因子 DVPD、光因子 Dlight 和水分因子 Dwater)影响权重的乘积。 模型首先计算无水分胁迫情
况下的植被潜在光合速率(GPP pot),即只考虑温度、VPD和光对光合作用的影响:
GPP pot =GPPmax·Dtemp·DVPD·Dlight (5)
模型中生态系统蒸发散(ET)包括植被蒸腾(T)、冠层截留蒸发(E i)和土壤蒸发(Es)三部分(如果地面有
雪,也包括雪的升华)。 潜在蒸腾(Tpot)是土壤水分饱和情况下的植被蒸腾,取决于无水分胁迫下植物光合能
力(GPP pot)与实际水分利用效率(WUE,mg CO2 g
-1H2O)两者之间的关系,其中 WUE与 VPD呈倒数关系:
Tpot =
GPP pot
WUE
(6)
WUE=
KWUE
VPD
(7)
模型中植被潜在蒸腾和植物实际可利用水分两者的较小者决定了植被蒸腾大小(式 8),其中植物可利用
水分(Wa)受土壤含水量(W)影响(式 9,f为植物可利用水占土壤含水量的比例)。 植被光合作用的水分限制
因子 Dwater 表达为实际蒸腾与潜在蒸腾的比例(式 10),结合式 5 即可得到生态系统 GPP:
T = Min Tpot,W( )a (8)
Wa = W·f (9)
Dwater =
T
Tpot
(10)
GPP =GPP pot·Dwater (11)
(3)SIPNET模型参数
SIPNET模型共有 42 个参数,包括 5 个初始状态变量(如初始植被木质碳库、初始土壤碳库等)、9 个光合
作用相关参数(如最大净同化速率、冠层消光系数等)、7 个呼吸作用相关参数(如土壤和植被基础维持呼吸
等)、10 个水分相关参数(如冠层截留蒸发占降水比例、土壤田间持水量等)、8 个物候相关参数(如植物长叶
积温阈值等)以及 3 个植物生理相关参数(如叶片面积含碳量、质量含碳量等)(表 1)。
表 1摇 SIPNET模型参数和初始状态变量
Table 1摇 SIPNET parameters and initial conditions
参数 Parameters 说明 Description 单位 Units
初始状态相关参数 Initial state values
Cw,0 初始植被木质碳库大小 gC / m2
LAIi 初始叶面积指数大小(LAI, Leaf Area Index) m2(leaf) / m2
CS,0 初始土壤碳库大小 gC / m2
WS,0 初始土壤水分占土壤田间持水量的比例
WP,0 初始雪盖的雪量 cm H2O equiv / m2
光合作用相关参数 Photosynthesis parameters
Amax 最大净 CO2 同化速率 nmol CO2 g-1(leaf)s-1
Ad 平均日最大光合作用占 Amax 的比重
KF 叶片基础呼吸占 Amax 的比例
Tmin 光合作用最低温度 益
Topt 光合作用最适温度 益
KVPD DVPD 计算中的斜率(DVPD =1-KVPD·VPDEVPD) kPa-1
EVPD DVPD 计算中的指数(DVPD =1-KVPD·VPDEVPD)
PAR1 / 2 光合作用半饱和 PAR值 mol m-2 d-1
k 冠层 PAR消光系数
6137 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
摇 摇 续表
参数 Parameters 说明 Description 单位 Units
物候相关参数 Phenology parameters
Don 植物长叶日期 Day of year(DOY)
GDDon 植物长叶积温阈值 益·d
Ton 植物长叶土壤温度阈值 益
Doff 植物落叶日期 Day of year(DOY)
Lg 生长初期叶片生长的碳量 g C / m2
Lf 生长末期凋落叶的碳占叶片碳库的比例
AL NPP 分配至叶片的比例
KL 植物叶碳周转速率 gC g-1C a-1
自养呼吸相关参数 Autotrophic respiration parameters
KA 0益参考温度下植物基础维持呼吸 gC g-1C a-1
Q10v 温度每上升 10益植物呼吸增加的倍数
Sfa 土壤冻结时叶片呼吸的减弱程度
Sft 土壤冻结时的土壤温度 益
土壤呼吸相关参数 Soil respiration parameters
Ks 0益参考温度下无水分胁迫的土壤基础呼吸 gC g-1C a-1
Q10,S 土壤温度上升 10益土壤呼吸增加的倍数
Rsm 土壤水分对土壤呼吸的影响指数
水分相关参数 Moisture parameters
fi 降雨中冠层截留蒸发所占比例
fd 到达地面的降水产生地表径流的比例
Vs 雪的融化速率 cm H2O equiv 益 -1d-1
f 土壤水分中植物可利用水分的比例
ff 土壤冻结时可用水分占未冻结时可用水的比例
KWUE WUE计算中的 1 个常量(VPD与 WUE的乘积) mg CO2 kPa g-1 H2O
Wc 土壤田间持水量 cm
Rd 空气动力学阻力( rd)计算中的 1 个常量( rd =Rd / u)
Rsoil,1 土壤表面阻力( rsoil)计算中的第 1 个常量( rsoil = eRsoil,1-Rsoil,2·(W/ Wc) )
Rsoil,2 土壤表面阻力( rsoil)计算中的第 2 个常量( rsoil = eRsoil,1-Rsoil,2·(W/ Wc) )
植物生理相关参数 Tree physiological parameters
SLW 叶片面积含碳量 g C / m2
Cfrac 叶片质量含碳量 g C / g
Kw 植物木质碳周转率 g C g-1 C a-1
1. 2. 2摇 参数优化方法
SIPNET模型中参数优化算法为 Metropolis模拟退火算法,是结合了模拟退火和马尔可夫链鄄蒙特卡罗方
法(Markov Chain Monte Carlo, MCMC)中 Metropolis鄄Hastings 算法的一种启发式全局搜索算法[48鄄49]。 其思想
是根据贝叶斯公式,结合参数先验知识,运用 Metropolis准则融合观测数据信息,从而得到参数后验分布。 该
算法优点在于可较快搜索到全局最优解,避免局部最优;并提供参数后验分布信息,量化参数不确定性。 算法
具体流程为:
(1)确定优化参数集 P的初值和范围,以及控制参数变化范围变量 t的初值;
(2)从当前参数集 P中随机选取参数 兹,根据当前 兹值 兹i,current、兹的先验取值范围 range以及 t值生成候选
参数值 兹i,new(式 12),构成候选参数集;
兹i,new 沂 (兹i,current - 0. 5·t·range,兹i,current + 0. 5·t·range) (12)
(3)计算当前参数集和候选参数集对应的后验概率密度 p(兹current | D)和 p( 兹new | D);如果 p( 兹new | D) >p
7137摇 23 期 摇 摇 摇 任小丽摇 等:基于模型数据融合的千烟洲亚热带人工林碳水通量模拟 摇
http: / / www. ecologica. cn
(兹current |D),则接受候选参数集,作为下次迭代中的当前参数集,并减小 t 值。 否则计算候选参数集和当前参
数集后验概率密度的比率 R,并从(0,1)均匀分布中随机选取 U,如果 R逸U 则接受候选参数集,否则拒绝候
选参数集。 如果候选参数集被拒绝,仍然使用本次迭代的当前参数集作为下次迭代的当前参数集,并增大
t值;
(4)重复 2—3步,直到参数接受概率收敛于指定阈值(40% )为止;之后固定 t值再重复 2—3步 50 万次,
取最后 70%—80%参数集作为后验分布的样本进行统计分析。
1. 2. 3摇 参数敏感性分析方法
参数敏感性分析有助于明确 SIPNET模型各参数对碳水循环过程的影响程度,从而确定对模型模拟具有
重要影响的关键参数。 模型模拟值对参数的敏感性一般用敏感度系数表示[50]:
茁 = 驻Run
驻P
(13)
式中,茁为模型模拟值(Run)对参数 P的敏感度系数;驻P为参数 P的变化率(% ),驻Run为参数 P 发生 驻P 变
化率时模型模拟值的相应变化率(% )。
本文通过计算 SIPNET模型各参数增加和减少 10%时模型模拟值的变化百分率,从而计算对应的敏感性
(式 14 和 15),利用二者中的较大值计算模型模拟值对参数的敏感度系数:
VR+10% =100伊
run+10% -runref
runref
(14)
VR-10% =100伊
run-10% -runref
runref
(15)
式中,runref 为参数 P不变时对应的模拟值,run+10%和 run-10%分别为参数 P增加和减少 10%时对应的模拟值;
VR+10%和 VR-10%分别为参数 P增加和减少 10%时模拟值变化的百分率。
2摇 结果和讨论
2. 1摇 参数敏感性分析
通过对 SIPNET模型的 42 个参数进行敏感性分析,确定对模拟结果影响较大的参数,明确模型的关键参
数。 计算 SIPNET模型碳水通量模拟结果(NEE、ET 、GPP、RE、T)对各参数的敏感度系数(茁_NEE, 茁_ET, 茁_
GPP, 茁_RE, 茁_T),茁_NEE超过 0. 1 的参数视为对模型影响较大的关键参数,如表 2 所示。
从表 2 可以看出,对 NEE影响较大的参数有 Ad、Q10,S、C frac 和 Amax,其中 Ad 和 Amax 对 GPP 影响显著,是影
响光合作用的关键参数;Q10,S 对 RE影响占首位,是呼吸作用的关键参数;C frac 为植物生理相关参数,GPP 对
其敏感度系数明显高于 RE。 表中 茁_NEE、茁_GPP 和 茁_RE的最大值分别为 3. 53、1. 16 和 1. 36,表明参数变化
对 NEE的影响明显大于对 GPP 和 RE的影响,这是由于 NEE是 GPP 和 RE这两个方向相反且量级相近的较
大通量平衡的结果,GPP 和 RE各自较小波动就可能引起 NEE较大变化。
生态系统蒸腾是蒸散的主要组分,它们关键参数基本一致,包括 C frac、Amax、Ad、KWUE 和 SLW;由于蒸散包
括土壤蒸发,因此 Rsoil,1 也是其关键参数。 其中光合作用关键参数 Amax、Ad 和生态系统水分利用效率计算中
的常数 KWUE 对蒸散和蒸腾有较大影响,体现了生态系统碳水过程耦合关系。
2. 2摇 参数优化结果分析
在模型参数敏感性分析的基础上,结合参数初值可获得性和精度,选取了 17 个参数作为待优化参数(表
3)。 本研究利用千烟洲 2004—2006 年气象和碳水通量观测数据反演参数,获取最优参数集和参数后验分布。
为分析不同类型反演数据对参数约束作用的差异,采用 2 种方式优化参数:淤仅利用 NEE 观测数据反演参数
(实验 1,参数后验分布如图 1);于同时使用 NEE和 ET观测数据反演参数(实验 2,参数后验分布见图 2)。
根据参数后验分布,参数优化结果通常可归为 3 类:良约束、差约束和击边约束[16]。 淤良约束:参数为正
态分布,标准差相对较小,表明参数能够被观测数据较好约束,其后验均值可近似反映真实参数值。 实验 1 有
9 个,实验 2 有 11 个。 于差约束:参数分布较分散,标准差较大,主要因为反演数据中不包含其相关信息,对
8137 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
其无约束作用。 实验 1 和实验 2 均没有差约束参数,表明碳水通量能较好约束 SIPNET 模型参数。 盂击边约
束:参数值聚集在先验范围的一边,通常由于参数先验范围选取不合理所致,通过修改参数先验范围可能转变
为良约束。 实验 1 有 8 个,实验 2 有 6 个。 结果表明,实验 2 碳水通量同时参与优化显著降低了模型待优化
参数的不确定性。 其中实验 2 较实验 1 明显改善的参数有 Rd、 fi 和 KWUE,均为水通量相关参数,表明 ET数据
中隐含其相关信息。
表 2摇 SIPNET模型关键参数对模拟结果的影响
Table 2摇 Sensitivity of SIPNET model key parameters
参数
Parameters
NEE对各参数
的敏感度系数
茁_NEE
ET对各参数
的敏感度系数
茁_ET
GPP 对各参数
的敏感度系数
茁_GPP
RE对各参数
的敏感度系数
茁_RE
T对各参数
的敏感度系数
茁_T
Ad 3. 53 0. 60 1. 04 0. 07 1. 04
Q10,S 3. 47 0. 00 0. 00 1. 36 0. 00
Cfrac 3. 12 0. 64 1. 16 0. 39 1. 12
Amax 3. 09 0. 64 1. 12 0. 35 1. 12
SLW 2. 75 0. 56 0. 98 0. 28 0. 97
CS,0 1. 73 0. 00 0. 00 0. 68 0. 00
KS 1. 65 0. 00 0. 00 0. 65 0. 00
k 1. 47 0. 22 0. 43 0. 03 0. 39
LAIi 1. 37 0. 35 0. 57 0. 26 0. 60
PAR1 / 2 1. 22 0. 17 0. 36 0. 02 0. 30
Q10,v 0. 80 0. 02 0. 04 0. 26 0. 04
KF 0. 47 0. 04 0. 07 0. 28 0. 07
AL 0. 34 0. 09 0. 15 0. 07 0. 15
WC 0. 32 0. 16 0. 10 0. 02 0. 15
KL 0. 27 0. 07 0. 11 0. 05 0. 12
KWUE 0. 25 0. 56 0. 09 0. 02 0. 97
KVPD 0. 20 0. 05 0. 06 0. 00 0. 08
Topt 0. 18 0. 12 0. 29 0. 37 0. 22
EVPD 0. 17 0. 05 0. 05 0. 00 0. 09
Rsoil,1 0. 15 0. 65 0. 06 0. 03 0. 09
Tmin 0. 13 0. 01 0. 04 0. 00 0. 02
表 3摇 待优化参数及其取值说明
Table 3摇 SIPNET parameters allowed varying during optimization procedure
参数
Parameters
参数初值和范围
Initial guess and range
来源
Source
参数
Parameters
参数初值和范围
Initial guess and range
来源
Source
WS,0 0. 098(0—1) CERN数据 Amax 8. 3(0—34) Sacks等[17]
KF 0. 1(0. 05—0. 3) Sacks等[17] Tmin 2(-8—8) Sacks等[17]
Topt 24(5—30) Sacks等[17] KVPD 0. 05(0. 01—0. 25) Sacks等[17]
PAR1 / 2 17(4—27) Sacks等[17] AL 0. 225(0—1) 杨风亭[36]
KA 0. 006(0. 0006—0. 06) Sacks等[17] Q10,v 1. 66(1. 4—2. 6) 于贵瑞等[51]
Ks 0. 06(0. 003—0. 6) Sacks等[17] Q10,s 1. 99(1. 4—5) 郑泽梅[52]
Rsm 1(0—2) Sacks等[17] fi 0. 22(0—0. 25) 魏焕奇等[35]
f 0. 088(0. 001—0. 16) Sacks等[17] KWUE 23. 6(0. 01—109) ChinaFLUX数据估算
Rd 36. 5(1—1500) Sacks等[17]
2. 3摇 碳水通量模拟
基于千烟洲 2004—2009 年气象观测数据,利用实验 1 和实验 2 的优化参数对千烟洲人工林生态系统的
9137摇 23 期 摇 摇 摇 任小丽摇 等:基于模型数据融合的千烟洲亚热带人工林碳水通量模拟 摇
http: / / www. ecologica. cn
图 1摇 实验 1 参数后验分布图(只使用 NEE数据约束)
Fig. 1摇 Parameter posterior distribution of experiment 1
图 2摇 实验 2 参数后验分布图(同时使用 NEE&ET约束)
Fig. 2摇 Parameter posterior distribution of experiment 2
碳水通量进行模拟,并对其模拟性能进行了对比评价。 图 3 为实验 1 和实验 2 NEE、ET半日尺度模拟值与实
测值的散点图,实验 1 能较好地模拟 NEE,R2 达到 0. 934,但 ET模拟效果较差,R2 仅有 0. 188;实验 2 也能较
好模拟 NEE,R2 为 0. 929,且 ET模拟效果较实验 1 有明显改善,R2 提升到 0. 824。 从图 3 (A)和(C)可看出,
在 NEE较大和较小处散点图较平缓,说明在极值附近模拟效果稍差,中值附近模拟效果较好。 这可能与
SIPNET模型中误差协方差矩阵设置有关,目前模型中假设所有数据点误差的方差相同,而已有研究发现
NEE的方差并不是均质的,而是与其大小呈线性关系[53鄄54],进而导致模型在 NEE 较大和较小处模拟效果相
对较差。
0237 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
图 3　 实验 1 和实验 2 半日尺度 NEE和 ET模拟值与实测值散点图
Fig. 3　 Half-daily estimates of NEE and ET estimated from experiment 1&2 compared to measured quantities
图 4 为实验 1 和实验 2 半日尺度 NEE、ET模拟值与观测值的 RMSE对比图,实验 2 NEE模拟效果除 2004
年和 2008 年以外其余年份都较实验 1 稍差;实验 1 的 NEE 平均 RMSE 为 0. 736 g C / m2,实验 2 为 0. 763
g C / m2;由于增加了 ET观测数据参与优化,实验 2 所有年份 ET模拟效果均优于实验 1,ET的平均 RMSE 由
0． 152 cm降到 0. 053 cm,降低了 65% 。 说明同时利用碳水通量优化参数可显著提升模型的综合模拟精度。
图 4　 实验 1 和实验 2 半日尺度 NEE、ET模拟值与实测值的 RMSE对比图
Fig. 4　 RMSE of half-daily estimates of NEE and ET estimated from experiment 1&2 and measured quantities
本研究使用树干液流数据进行蒸腾模拟的验证。 刘琪璟等对千烟洲站 2004 年树干液流测定结果显示林
地通过树木蒸腾耗散的水分为 4769. 643 t hm-2 a-1,相当于 477 mm降水量[55]。 本文实验 1 模拟的 2004 年蒸
腾总量为 223. 209 mm,显著低于树干液流实测值;实验 2 模拟值为 455. 472 mm,与实测值较为接近。 由此可
见只用碳通量约束 SIPNET模型参数会明显低估蒸腾量,而同时利用碳水通量约束模型参数可显著改善蒸腾
模拟效果。
生态系统蒸腾与蒸发散的比值(T / ET)对研究植被水分运移的生态机理以及碳水循环关系具有重要意
1237　 23 期 　 　 　 任小丽　 等:基于模型数据融合的千烟洲亚热带人工林碳水通量模拟 　
http: / / www. ecologica. cn
图 5摇 月尺度 T / ET年际变异
摇 Fig. 5摇 The ratio of monthly modeled transpiration to
evapotranspiration摇
义。 实验 2 模拟的年均 T / ET 为 63% ,略高于宋霞[56]
基于涡度相关和树干液流数据估计的 57% ,略低于魏
焕 奇[35] 利 用 Priestley鄄Taylor 方 程 模 拟 的 65% 。
Wang[57]采用激光同位素分析仪对生物圈 2 号 25%—
100%覆盖度植被的 T / ET 观测结果为 61%—83% ,本
研究结果在其范围内。 图 5 是实验 2 T / ET月尺度年际
变异情况,1—2 月、11—12 月年际变异较大,可能与
1—2月早春低温[58]、11—12 月凋落物量较多[59]、11
月—翌年 2 月降雪等有关。
图 6摇 碳通量模拟值对降水变化的响应
Fig. 6摇 The sensitivity of modeled annual cumulative carbon fluxes to reductions in precipitation of experiment 1&2
2. 4摇 降水条件对碳通量影响的模拟分析
千烟洲人工林虽然降水充沛,但降水量季节分配不
均,水热不同步;降水多集中于春季和初夏(3—6 月),
温度则在 7—8月达到最高,这种雨热不同季的现象,易
导致季节性干旱[37],对生态系统碳水循环过程影响较
为强烈。 本研究将降水数据减少 10%—70% ,分别利用实验 1 和实验 2 的优化参数进行模型正演,进一步分
析千烟洲人工林净碳吸收对水分供应的敏感性。 图 6 展示的是实验 1、2 模拟的 2004—2009 年碳通量各组分
年总量均值对降水减少的响应。 从图 6 (A)可看出实验 1、2 对降水减少 10%—30%响应均较为迟缓,NEE
年总量均值平均降低速率为 1%和 2% ,这可能与水分胁迫不严重情况下,水循环过程对生态系统净碳吸收影
响较弱有关;当降水减少 40%—70%时,水分胁迫较严重,实验 1、2 NEE 年总量均值平均降低速率为 19%和
37% ,实验 2 的响应敏感性明显大于实验 1,较好地表现出净碳吸收年总量随降水减少而快速降低的趋势。
2237 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
表明如果不能同时利用碳水通量进行参数优化,SIPNET 模型无法正确揭示生态系统碳循环对降水变异的
响应。
从图 6 (B)和(C)可看出,GPP 和 RE均随降水减少呈降低趋势,但实验 2 由于考虑了 ET观测数据对模
型的约束,GPP 年总量均值平均减小速率为 7% ,显著大于实验 1 的 4% ,而 RE 减小速率均约为 2% ,GPP 减
小速度明显大于 RE,即水分亏缺对光合能力的影响比对呼吸影响更为强烈。 表明干旱胁迫对千烟洲人工林
生态系统光合作用的影响大于呼吸作用,即对 GPP 总量的削弱大于对 RE 总量的削弱,从而导致生态系统净
碳吸收减少。 已有研究表明 GPP 和 RE都会受到干旱胁迫的影响,但响应程度有所不同[30],光合作用响应更
为强烈[32],本研究与其结论基本一致。 实验 2 加入 ET约束后 GPP 随降水减小的降低速率从实验 1 的 4%增
大到 7% ,而 RE的减小速率保持在 2% ,由此可见两个实验 NEE 对降水减少的响应差异主要源于 GPP,而
非 RE。
3摇 结论
本文结合千烟洲人工林碳水通量观测数据和 SIPNET生态系统过程模型,探讨了应用模型数据融合方法
优化模型关键参数,进而模拟分析我国亚热带人工林碳水通量的可行性,为利用模型数据融合方法开展我国
人工林生态系统碳水循环过程研究提供了参考。 主要结论如下:
(1)用碳通量观测数据约束模型时,NEE模拟值与实测值较为一致,但水通量模拟效果较差;碳水通量同
时约束时,虽然 NEE模拟精度略有下降,但 ET和 T模拟精度显著提升。 表明模型数据融合方法的应用能够
改善模型模拟效果,且同时使用碳水通量观测数据约束的模型更适用于千烟洲站点碳水循环过程模拟,为相
关定量研究和机制探讨提供了基础。
(2)开展了降水条件对碳通量影响的模拟分析,结果表明千烟洲人工林降水量减少对光合作用和呼吸作
用影响较大,且光合作用的响应更为强烈。 说明在预测未来气候变化条件下的陆地生态系统碳循环动态时,
必须重视对降水变化的预测,及其对生态系统光合作用和呼吸作用的可能影响。
(3)模型能够较好地模拟千烟洲人工林的碳水通量,但在 NEE 高值和低值区存在不可忽视的误差,分析
认为与参数优化算法中误差协方差矩阵设定有关,今后需考虑观测数据误差的方差异质性以进一步提高模型
模拟精度,为模型改进提供了依据。
References:
[ 1 ]摇 Dixon R K, Brown S, Houghton R A, Solomon A M, Trexler M C, Wisniewski J. Carbon pools and flux of global forest ecosystems. Science,
1994, 263(5144): 185鄄190.
[ 2 ] 摇 Pan Y D, Birdsey R A, Fang J Y, Houghton R, Kauppi P E, Kurz W A, Phillips O L, Shvidenko A, Lewis S L, Canadell J G, Ciais P, Jackson
R B, Pacala S W, McGuire A D, Piao S L, Rautiainen A, Sitch S, Hayes D. A large and persistent carbon sink in the world忆s forests. Science,
2011, 333(6045): 988鄄993.
[ 3 ] 摇 Bonan G B. Forests and climate change: forcings, feedbacks, and the climate benefits of forests. Science, 2008, 320(5882): 1444鄄1449.
[ 4 ] 摇 O忆Grady A P, Tissue D T, Beadle C L. Canopy processes in a changing climate. Tree Physiology, 2011, 31(9): 887鄄892.
[ 5 ] 摇 Fang J Y, Chen A P, Peng C H, Zhao S Q, Ci L J. Changes in forest biomass carbon storage in China between 1949 and 1998. Science, 2001,
292(5525): 2320鄄2322.
[ 6 ] 摇 Piao S L, Fang J Y, Ciais P, Peylin P, Huang Y, Sitch S, Wang T. The carbon balance of terrestrial ecosystems in China. Nature, 2009, 458
(7241): 1009鄄1013.
[ 7 ] 摇 Cao M K, Woodward F I. Dynamic responses of terrestrial ecosystem carbon cycling to global climate change. Nature, 1998, 393 (6682):
249鄄252.
[ 8 ] 摇 Cao M K, Yu G R, Liu J Y, Li K R. Multi鄄scale observation and cross鄄scale mechanistic modeling on terrestrial ecosystem carbon cycle. Science
in China Series D鄄Earth Sciences, 2005, 48(Suppl 玉): 17鄄32.
[ 9 ] 摇 Bonan G B. Ecological Climatology: Concepts and Applications. 2nd ed. New York: Cambridge University Press, 2008: 379鄄386.
[10] 摇 Luo Y Q, Weng E S, Wu X W, Gao C, Zhou X H, Zhang L. Parameter identifiability, constraint, and equifinality in data assimilation with
ecosystem models. Ecological Applications, 2009, 19(3): 571鄄574.
3237摇 23 期 摇 摇 摇 任小丽摇 等:基于模型数据融合的千烟洲亚热带人工林碳水通量模拟 摇
http: / / www. ecologica. cn
[11]摇 Lin J C, Pejam M R, Chan E, Wofsy S C, Gottlieb E W, Margolis H A, McCaughey J H. Attributing uncertainties in simulated biospheric carbon
fluxes to different error sources. Global Biogeochemical Cycles, 2011, 25(2): GB2018, doi: 10. 1029 / 2010GB003884.
[12] 摇 Raupach M R, Rayner P J, Barrett D J, DeFries R S, Heimann M, Ojima D S, Quegan S, Schmullius C C. Model鄄data synthesis in terrestrial
carbon observation: methods, data requirements and data uncertainty specifications. Global Change Biology, 2005, 11(3): 378鄄397.
[13] 摇 Wang Y P, Trudinger C M, Enting I G. A review of applications of model鄄data fusion to studies of terrestrial carbon fluxes at different scales.
Agricultural and Forest Meteorology, 2009, 149(11): 1829鄄1842.
[14] 摇 Peng C H, Guiot J, Wu H B, Jiang H, Luo Y Q. Integrating models with data in ecology and palaeoecology: advances towards a model鄄data fusion
approach. Ecology Letters, 2011, 14(5): 522鄄536.
[15] 摇 Williams M, Richardson A D, Reichstein M, Stoy P C, Peylin P, Verbeeck H, Carvalhais N, Jung M, Hollinger D Y, Kattge J, Leuning R, Luo
Y, Tomelleri E, Trudinger C M, Wang Y P. Improving land surface models with FLUXNET data. Biogeosciences, 2009, 6(7): 1341鄄1359.
[16] 摇 Braswell B H, Sacks W J, Linder E, Schimel D S. Estimating diurnal to annual ecosystem parameters by synthesis of a carbon flux model with eddy
covariance net ecosystem exchange observations. Global Change Biology, 2005, 11(2): 335鄄355.
[17] 摇 Sacks W J, Schimel D S, Monson R K, Braswell B H. Model鄄data synthesis of diurnal and seasonal CO2 fluxes at Niwot Ridge, Colorado. Global
Change Biology, 2006, 12(2): 240鄄259.
[18] 摇 Sacks W J, Schimel D S, Monson R K. Coupling between carbon cycling and climate in a high鄄elevation, subalpine forest: a model鄄data fusion
analysis. Oecologia, 2007, 151(1): 54鄄68.
[19] 摇 Luo Y Q, White L W, Canadell J G, DeLucia E H, Ellsworth D S, Finzi A C, Lichter J, Schlesinger W H. Sustainability of terrestrial carbon
sequestration: a case study in Duke Forest with inversion approach. Global Biogeochemical Cycles, 2003, 17 ( 1 ): 1021, doi: 10.
1029 / 2002GB001923.
[20] 摇 Xu T, White L, Hui D F, Luo Y Q. Probabilistic inversion of a terrestrial ecosystem model: analysis of uncertainty in parameter estimation and
model prediction. Global Biogeochemical Cycles, 2006, 20(2): GB2007, doi: 10. 1029 / 2005GB002468.
[21] 摇 Williams M, Schwarz P A, Law B E, Irvine J, Kurpius M R. An improved analysis of forest carbon dynamics using data assimilation. Global
Change Biology, 2005, 11(1): 89鄄105.
[22] 摇 Zhang L, Yu G R, He H L, Zhang L M. Carbon cycle modeling of a broad鄄leaved korean pine forest in Changbai Mountain of China using the
model鄄data fusion approach. Chinese Journal of Plant Ecology, 2009, 33(6): 1044鄄1055.
[23] 摇 Carvalhais N, Reichstein M, Ciais P, Collatz G J, Mahecha M D, Montagnani L, Papale D, Rambal S, Seixas J. Identification of vegetation and
soil carbon pools out of equilibrium in a process model via eddy covariance and biometric constraints. Global Change Biology, 2010, 16(10):
2813鄄2829.
[24] 摇 Richardson A D, Williams M, Hollinger D Y, Moore D J P, Dail D B, Davidson E A, Scott N A, Evans R S, Hughes H, Lee J T, Rodrigues C,
Savage K. Estimating parameters of a forest ecosystem C model with measurements of stocks and fluxes as joint constraints. Oecologia, 2010, 164
(1): 25鄄40.
[25] 摇 Zhang L, Luo Y, Yu G. Estimated carbon residence times in three forest ecosystems of eastern China: applications of probabilistic inversion.
Journal of Geophysical Research, 2010, 115: G01010, doi: 10. 1029 / 2009JG001004.
[26] 摇 Wang Y P, Leuning R, Cleugh H A, Coppin P A. Parameter estimation in surface exchange models using nonlinear inversion: how many
parameters can we estimate and which measurements are most useful? Global Change Biology, 2001, 7(5): 495鄄510.
[27] 摇 Santaren D, Peylin P, Viovy N, Ciais P. Optimizing a process鄄based ecosystem model with eddy鄄covariance flux measurements: a pine forest in
Southern France. Global Biogeochemical Cycles, 2007, 21(2): GB2013, doi: 10. 1029 / 2006GB002834.
[28] 摇 Moore D J P, Hu J, Sacks W J, Schimel D S, Monson R K. Estimating transpiration and the sensitivity of carbon uptake to water availability in a
subalpine forest using a simple ecosystem process model informed by measured net CO2 and H2O fluxes. Agricultural and Forest Meteorology,
2008, 148(10): 1467鄄1477.
[29] 摇 Liu Y F, Song X, Yu G R, Sun X M, Wen X F, Chen Y R. Seasonal variation of CO2 flux and its environmental factors in evergreen coniferous
plantation. Science in China Series D鄄Earth Sciences, 2005, 48(Suppl玉): 123鄄132.
[30] 摇 Sun X M, Wen X F, Yu G R, Liu Y F, Liu Q J. Seasonal drought effects on carbon sequestration of a mid鄄subtropical planted forest of
southeastern China. Science in China Series D鄄Earth Sciences, 2006, 49(Suppl 域): 110鄄118.
[31] 摇 Gu F X, Cao M K, Wen X F, Liu Y F, Tao B. A comparison between simulated and measured CO2 and water flux in a subtropical coniferous
forest. Science in China Series D鄄Earth Sciences, 2006, 49(Suppl 域): 241鄄251.
[32] 摇 Mi N, Yu G R, Wang P X, Wen X F, Sun X M, Zhang L M, Song X, Wang S S. Modeling seasonal variation of CO2 flux in a subtropical
coniferous forest using the EALCO model. Chinese Journal of Plant Ecology, 2007, 31(6): 1119鄄1131.
[33] 摇 Mi N, Yu G R, Wen X F, Zhang Y S. Use a simulation model to study the difference response of water and heat flux to drought in mid鄄subtropical
4237 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
planted forest. Ecology and Environmental Sciences, 2011, 20(8 / 9): 1196鄄1203.
[34] 摇 Wang Y, Zhang N, Yu G R. Simulation of carbon cycle in Qianyanzhou artificial masson pine forest ecosystem and sensitivity analysis of model
parameters. Chinese Journal of Applied Ecology, 2010, 21(7): 1656鄄1666.
[35] 摇 Wei H Q, He H L, Liu M, Zhang L, Yu G R, Min C C, Wang H M, Liu Y. Modeling evapotranspiration and its components in Qianyanzhou
plantation based on remote sensing data. Journal of Natural Resources, 2012, (5): 778鄄789.
[36] 摇 Yang F T. The Impact of Land Use of Red Soil Hilly Area in Southern China to Terrestrial Carbon Cycle鄄Qianyanzhou Experimental Station As A
Case Study [D]. Beijing: Institute of Geographic Sciences and Natural Resources Research, CAS, 2005.
[37] 摇 Zhang L M. Ecophysiological Controls on Seasonal Variations of Ecosystem Carbon Exchange of Typical Forest Ecosystems along NSTEC [D].
Beijing: Institute of Geographic Sciences and Natural Resources Research, CAS, 2006.
[38] 摇 Li J, Liu Y F, Yang X G, Li J. Studies on water vapor flux characteristic and the relationship with environment factors over a planted coniferous
forest in Qianyanzhou station. Acta Ecologica Sinica, 2006, 26(8): 2449鄄2456.
[39] 摇 Liu Y F, Yu G R, Wen X F, Wang Y H, Song X, Li J, Sun X M, Yang F T, Chen Y R, Liu Q J. Seasonal dynamics of CO2 fluxes from
subtropical plantation coniferous ecosystem. Science in China Series D鄄Earth Sciences, 2006, 49(Suppl 域): 99鄄109.
[40] 摇 Wen X F. Measurements of Carbon Sequestration by Long鄄Term Eddy Covariance in A Mid鄄subtropical Pinus Plantation of Southeastern China
[D]. Beijing: Institute of Geographic Sciences and Natural Resources Research, CAS, 2005.
[41] 摇 Li C, He H L, Liu M, Su W, Fu Y L, Zhang L M, Wen X F, Yu G R. The design and application of CO2 flux data processing system at
ChinaFLUX. Geo鄄Information Science, 2008, 10(5): 557鄄565.
[42] 摇 Zobitz J M, Moore D J P, Sacks W J, Monson R K, Bowling D R, Schimel D S. Integration of process鄄based soil respiration models with whole鄄
ecosystem CO2 measurements. Ecosystems, 2008, 11(2): 250鄄269.
[43] 摇 Hu J, Moore D J P, Burns S P, Monson R K. Longer growing seasons lead to less carbon sequestration by a subalpine forest. Global Change
Biology, 2010, 16(2): 771鄄783.
[44] 摇 Aber J D, Federer C A. A generalized, lumped鄄parameter model of photosynthesis, evapotranspiration and net primary production in temperate and
boreal forest ecosystems. Oecologia, 1992, 92(4): 463鄄474.
[45] 摇 Aber J D, Ollinger S V, Federer C A, Reich P B, Goulden M L, Kicklighter D W, Melillo J M, Lathrop R G Jr. Predicting the effects of climate
change on water yield and forest production in the northeastern United States. Climate Research, 1995, 5(3): 207鄄222.
[46] 摇 Aber J D, Reich P B, Goulden M L. Extrapolating leaf CO2 exchange to the canopy: a generalized model of forest photosynthesis compared with
measurements by eddy correlation. Oecologia, 1996, 106(2): 257鄄265.
[47] 摇 Aber J D, Ollinger S V, Driscoll C T. Modeling nitrogen saturation in forest ecosystems in response to land use and atmospheric deposition.
Ecological Modelling, 1997, 101(1): 61鄄78.
[48] 摇 Metropolis N, Rosenbluth A W, Rosenbluth M N, Teller A H, Teller E. Equation of state calculations by fast computing machines. The Journal of
Chemical Physics, 1953, 21(6): 1087鄄1092.
[49] 摇 Hurtt G C, Armstrong R A. A pelagic ecosystem model calibrated with BATS data. Deep鄄Sea Research Part II: Topical Studies in Oceanography,
1996, 43(2 / 3): 653鄄683.
[50] 摇 Churkina G, Tenhunen J, Thornton P, Falge E M, Elbers J A, Erhard M, Grunwald T, Kowalski A S, Rannik U, Sprinz D. Analyzing the
ecosystem carbon dynamics of four European coniferous forests using a biogeochemistry model. Ecosystems, 2003, 6(2): 168鄄184.
[51] 摇 Yu G R, Wen X F, Li Q K, Zhang L M, Ren C Y, Liu Y F, Guan D X. Seasonal patterns and environmental control of ecosystem respiration in
subtropical and temperate forests in China. Science in China Series D鄄Earth Sciences, 2005, 48(Suppl 玉): 93鄄105.
[52] 摇 Zheng Z M. The Controlling Factors and Evaluation of The Spatio鄄Temporal of Variability of Soil Respiration of Terrestrial Ecosystems in China
[D]. Beijing: Institute of Geographic Sciences and Natural Resources Research, CAS, 2009.
[53] 摇 Richardson A D, Hollinger D Y, Burba G G, Davis K J, Flanagan L B, Katul G G, Munger J W, Ricciuto D M, Stoy P C, Suyker A E, Verma S
B, Wofsy S C. A multi鄄site analysis of random error in tower鄄based measurements of carbon and energy fluxes. Agricultural and Forest Meteorology,
2006, 136(1 / 2): 1鄄18.
[54] 摇 He H L, Liu M, Sun X M, Zhang L, Luo Y Q, Wang H M, Han S J, Zhao X Q, Shi P L, Wang Y F, Ouyang Z, Yu G R. Uncertainty analysis
of eddy flux measurements in typical ecosystems of ChinaFLUX. Ecological Informatics, 2010, 5(6): 492鄄502.
[55] 摇 Liu Q J, Zeng H Q, Ma Z Q. Carbon sequestration of Pinus elliottii plantation in relation with water consumption in subtropical China. Acta
Ecologica Sinica, 2008, 28(11): 5322鄄5330.
[56] 摇 Song X. The Seasonal Variations and Controlling Mechanisms of Ecosystem Water Use Efficiency for Subtropical Plantation Conifer in Qianyanzhou
[D]. Beijing: Institute of Geographic Sciences and Natural Resources Research, CAS, 2007.
[57] 摇 Wang L X, Caylor K K, Villegas J C, Barron鄄Gafford G A, Breshears D D, Huxman T E. Partitioning evapotranspiration across gradients of woody
5237摇 23 期 摇 摇 摇 任小丽摇 等:基于模型数据融合的千烟洲亚热带人工林碳水通量模拟 摇
http: / / www. ecologica. cn
plant cover: assessment of a stable isotope technique. Geophysical Research Letters, 2010, 37: L09401, doi: 10. 1029 / 2010GL043228.
[58] 摇 Zhang W J, Wang H M, Yang F T, Yi Y H, Wen X F, Sun X M, Yu G R, Wang Y D, Ning J C. Underestimated effects of low temperature
during early growing season on carbon sequestration of a subtropical coniferous plantation. Biogeosciences, 2011, 8(6): 1667鄄1678.
[59] 摇 Chen Y R. Nutrient element dynamic analysis of withered leaves from artificial forest of masson pine on the experimental plot in Qianyanzhou.
Jiangxi Science, 2000, 18(1): 19鄄23.
参考文献:
[ 8 ]摇 曹明奎, 于贵瑞, 刘纪远, 李克让. 陆地生态系统碳循环的多尺度试验观测和跨尺度机理模拟. 中国科学 D辑: 地球科学, 2004, 34(增
刊域): 1鄄14.
[22] 摇 张黎, 于贵瑞, 何洪林, 张雷明. 基于模型数据融合的长白山阔叶红松林碳循环模拟. 植物生态学报, 2009, 33(6): 1044鄄1055.
[29] 摇 刘允芬, 宋霞, 孙晓敏, 温学发, 陈永瑞. 千烟洲人工针叶林 CO2 通量季节变化及其环境因子的影响. 中国科学 D辑: 地球科学, 2004,
34(增刊域): 109鄄117.
[30] 摇 孙晓敏, 温学发, 于贵瑞, 刘允芬, 刘琪璟. 中亚热带季节性干旱对千烟洲人工林生态系统碳吸收的影响. 中国科学 D 辑: 地球科学,
2006, 36(增刊玉): 103鄄110.
[31] 摇 顾峰雪, 曹明奎, 温学发, 刘允芬, 陶波. 亚热带针叶林水碳通量的模拟及其与观测的对比研究. 中国科学 D 辑: 地球科学, 2006, 36
(增刊玉): 224鄄233.
[32] 摇 米娜, 于贵瑞, 王盘兴, 温学发, 孙晓敏, 张雷明, 宋霞, 王树森. 基于 EALCO模型对中亚热带人工针叶林 CO2 通量季节变异的模拟.
植物生态学报, 2007, 31(6): 1119鄄1131.
[33] 摇 米娜, 于贵瑞, 温学发, 张玉书. 我国中亚热带人工林水热通量对干旱差异响应的模拟研究. 生态环境学报, 2011, 20 (8 / 9 ):
1196鄄1203.
[34] 摇 王媛, 张娜, 于贵瑞. 千烟洲马尾松人工林生态系统的碳循环模拟及模型参数的敏感性分析. 应用生态学报, 2010, 21(7): 1656鄄1666.
[35] 摇 魏焕奇, 何洪林, 刘敏, 张黎, 于贵瑞, 闵程程, 王辉民, 刘影. 基于遥感的千烟洲人工林蒸散及其组分模拟研究. 自然资源学报,
2012, (5): 778鄄789.
[36] 摇 杨风亭. 中国南方红壤丘陵区土地利用对陆地碳循环的影响: 以千烟洲试验站为例 [D]. 北京: 中国科学院地理科学与资源研究
所, 2005.
[37] 摇 张雷明. 中国东部南北森林样带典型生态系统碳收支特征及其生理生态学机制 [D]. 北京: 中国科学院地理科学与资源研究所, 2006.
[38] 摇 李菊, 刘允芬, 杨晓光, 李俊. 千烟洲人工林水汽通量特征及其与环境因子的关系. 生态学报, 2006, 26(8): 2449鄄2456.
[39] 摇 刘允芬, 于贵瑞, 温学发, 王迎红, 宋霞, 李菊, 孙晓敏, 杨风亭, 陈永瑞, 刘琪璟. 千烟洲中亚热带人工林生态系统 CO2 通量的季节变
异特征. 中国科学 D辑: 地球科学, 2006, 36(增刊玉): 91鄄102.
[40] 摇 温学发. 中亚热带红壤丘陵人工林生态系统 CO2通量观测及其季节动态特征 [D]. 北京: 中国科学院地理科学与资源研究所, 2005.
[41] 摇 李春, 何洪林, 刘敏, 苏文, 伏玉玲, 张雷明, 温学发, 于贵瑞. ChinaFLUX CO2 通量数据处理系统与应用. 地球信息科学, 2008(5):
557鄄565.
[51] 摇 于贵瑞, 温学发, 李庆康, 张雷明, 任传友, 刘允芬, 关德新. 中国亚热带和温带典型森林生态系统呼吸的季节模式及环境响应特征.
中国科学 D辑: 地球科学, 2004, 34(增刊域): 84鄄94.
[52] 摇 郑泽梅. 中国陆地生态系统土壤呼吸时空变异的影响因素及其定量评价 [D]. 北京: 中国科学院地理科学与资源研究所, 2009.
[55] 摇 刘琪璟, 曾慧卿, 马泽清. 江西千烟洲湿地松人工林碳蓄积及其与水分的关系. 生态学报, 2008, 28(11): 5322鄄5330.
[56] 摇 宋霞. 中亚热带人工针叶林生态系统水分利用效率的季节动态及其环境控制机制研究 [D]. 北京: 中国科学院地理科学与资源研究
所, 2007.
[59] 摇 陈永瑞. 千烟洲试验区马尾松人工林凋落叶及其营养元素的数量动态. 江西科学, 2000, 18(1): 19鄄23.
6237 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
ACTA ECOLOGICA SINICA Vol. 32,No. 23 December,2012(Semimonthly)
CONTENTS
Maternal thermoregulation during gestation affects the phenotype of hatchling Chinese skinks (Eumeces chinensis): testing the
maternal manipulation hypothesis LI Hong, ZHOU Zongshi, WU Yanqing, et al (7255)…………………………………………
Effects of conspecific and interspecific interference competitions on cache site selection of Siberian chipmunks (Tamias sibiricus)
SHEN Zhen,DONG Zhong, CAO Lingli,et al (7264)
…
………………………………………………………………………………
Characterization of ammonia volatilization from polluted river under aeration conditons: a simulation study
LIU Bo, WANG Wenlin, LING Fen, et al (7270)
……………………………
…………………………………………………………………………………
Diurnal activity patterns and environmental factors on behaviors of Bar鄄headed Geese Anser indicus wintering at Caohai Lake of
Guizhou, China YANG Yanfeng,ZHANG Guogang,LU Jun,et al (7280)…………………………………………………………
Impacts of snow cover change on soil water鄄heat processes of swamp and meadow in Permafrost Region, Qinghai鄄Tibetan Plateau
CHANG Juan,WANG Gengxu,GAO Yongheng,et al (7289)
……
………………………………………………………………………
Spatial鄄temporal changes of urban patch wetlands in Changsha, China GONG Yingbi, JING Lei, PENG Lei, et al (7302)…………
Modeling of carbon and water fluxes of Qianyanzhou subtropical coniferous plantation using model鄄data fusion approach
REN Xiaoli, HE Honglin, LIU Min, et al (7313)
……………
…………………………………………………………………………………
Ecological compensation standard for controlling nitrogen non鄄point pollution from farmland: a case study of Yixing City in Jiang
Su Province ZHANG Yin, ZHOU Yuchen, SUN Hua (7327)……………………………………………………………………
Static toxicity evaluation of chemical wastewater by PFU microbial communities method
LI Zhaoxia, ZHANG Yuguo, LIANG Huixing (7336)
………………………………………………
………………………………………………………………………………
Emergy evaluation of an agro鄄circulation system in Beijing suburb: take Jianyan village as a case study
ZHOU Liandi, HU Yanxia, WANG Yazhi, et al (7346)
………………………………
……………………………………………………………………………
Research on the cooling effect of Xi忆an parks in summer based on remote sensing FENG Xiaogang, SHI Hui (7355)………………
The dynamics of spatial and temporal changes to forested land and key factors driving change on Hainan Island
WANG Shudong, OUYANG Zhiyun,ZHANG Cuiping, et al (7364)
………………………
………………………………………………………………
Impact of different sowing dates on green water footprint of maize in western Jilin Province
QIN Lijie, JIN Yinghua, DUAN Peili (7375)
……………………………………………
………………………………………………………………………………………
The dynamic variation of maize (Sea mays L. ) population growth characteristics under cultivars鄄intercropped on the Loess Plateau
WANG Xiaolin, ZHANG Suiqi, WANG Shuqing, et al (7383)
…
……………………………………………………………………
Effect of different planting methods on root鄄shoot characteristics and grain yield of summer maize under high densities
LI Zongxin, CHEN Yuanquan, WANG Qingcheng, et al (7391)
………………
…………………………………………………………………
Heavy metal contaminant in development process of artificial biological Soil Crusts in sand鄄land
XU Jie, AO Yanqing, ZHANG Jingxia,et al (7402)
………………………………………
………………………………………………………………………………
Effects of enhanced UV鄄B radiation and nitrogen on photosynthetic pigments and non鄄enzymatic protection system in leaves of
foxtail millet (Setaria italica (L. ) Beauv. ) FANG Xing, ZHONG Zhangcheng (7411)…………………………………………
Photosynthetic response of different ecotype of Illicium lanceolatum seedlings to drought stress and rewatering
CAO Yonghui, ZHOU Benzhi, CHEN Shuanglin,et al (7421)
………………………
……………………………………………………………………
Seasonal variations in the stems of Larix principis鄄rupprechtii at the treeline of the Luya Mountains
DONG Manyu, JIANG Yuan, WANG Mingchang, et al (7430)
……………………………………
……………………………………………………………………
Influence of terrain on plant biomass estimates by remote sensing: a case study of Guangzhou City, China
SONG Weiwei,GUAN Dongsheng, WANG Gang (7440)
……………………………
……………………………………………………………………………
Effects of exponential fertilization on biomass allocation and root morphology of Catalpa bungei clones
WANG Lipeng, YAN Ziyi, LI Jiyue, et al (7452)
………………………………
…………………………………………………………………………………
Effects of fire damages on Larix gmelinii radial growth at Tahe in Daxing忆an Mountains, China
WANG Xiaochun, LU Yongxian (7463)
………………………………………
……………………………………………………………………………………………
A model for water consumption by mountain jujube pear鄄like XIN Xiaogui,WU Pute, WANG Youke, et al (7473)…………………
Specificity of photosystems function change of two kinds of overwintering broadleaf evergreen plants
ZHONG Chuanfei, ZHANG Yuntao, WU Xiaoying, et al (7483)
…………………………………
…………………………………………………………………
Effects of drought on fluorescence characteristics of photosystem 域 in leaves of Ginkgo biloba
WEI Xiaodong,CHEN Guoxiang,SHI Dawei,et al (7492)
…………………………………………
…………………………………………………………………………
Numerical classification and ordination of forest communities in habitat of Sichuan Snub鄄nosed Monkey in Hubei Shennongjia
National Nature Reserve LI Guangliang, CONG Jing, LU Hui, et al (7501)……………………………………………………
Impact of inorganic anions on the cadmium effective fraction in soil and its phytoavailability during salinization in alkaline soils
WANG Zuwei, YI Liangpeng, GAO Wenyan, et al (7512)
……
…………………………………………………………………………
Photosynthetic adaptability of the resistance ability to weak light of 2 species Spiraea L.
LIU Huimin,MA Yanli, WANG Baichen,et al (7519)
………………………………………………
………………………………………………………………………………
Fine root longevity and controlling factors in a Phoebe Bournei plantation
ZHENG Jinxing,HUANG Jinxue,WANG Zhenzhen,et al (7532)
………………………………………………………………
……………………………………………………………………
Analysis on spatial structure and scenarios of carbon dioxide emissions from tourism transportation
XIAO Xiao, ZHANG Jie, LU Junyu, et al (7540)
……………………………………
…………………………………………………………………………………
The hydrological response to human activities in Guishui River Basin, Beijing
LIU Yuming, ZHANG Jing, WU Pengfei, et al (7549)
…………………………………………………………
……………………………………………………………………………
Socio鄄economic impacts of under鄄film drip irrigation technology and sustainable assessment: a case in the Manas River Basin,
Xinjiang, China FAN Wenbo, WU Pute,MA Fengmei (7559)……………………………………………………………………
Effects of pattern and timing of high temperature exposure on the mortality and fecundity of Aphis gossypii Glover on cotton
GAO Guizhen, L譈 Zhaozhi, XIA Deping, et al (7568)
…………
……………………………………………………………………………
Physiological responses of Eucalyptus trees to infestation of Leptocybe invasa Fisher & La Salle
WU Yaojun, CHANG Mingshan, SHENG Shuang, et al (7576)
………………………………………
……………………………………………………………………
Carbon storage capacity of a Betula alnoides stand and a mixed Betula alnoides 伊 Castanopsis hystrix stand in Southern Subtropical
China: a comparison study HE Youjun, QIN Lin, LI Zhiyong,et al (7586)………………………………………………………
Distribution and ecological risk assessment of 7 heavy metals in urban forest soils in Changsha City
FANG Xi, TANG Zhijuan, TIAN Dalun, et al (7595)
…………………………………
……………………………………………………………………………
Review and Monograph
The relationship between humans and the environment at the urban鄄rural interface:research progress and prospects
HUANG Baorong, ZHANG Huizhi (7607)
…………………
…………………………………………………………………………………………
Flux footprint of carbon dioxide and vapor exchange over the terrestrial ecosystem: a review
ZHANG Hui, SHEN Shuanghe, WEN Xuefa,et al (7622)
…………………………………………
…………………………………………………………………………
4367 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
《生态学报》2013 年征订启事
《生态学报》是中国生态学学会主办的生态学专业性高级学术期刊,创刊于 1981 年。 主要报道生态学研
究原始创新性科研成果,特别欢迎能反映现代生态学发展方向的优秀综述性文章;研究简报;生态学新理论、
新方法、新技术介绍;新书评介和学术、科研动态及开放实验室介绍等。
《生态学报》为半月刊,大 16 开本,300 页,国内定价 90 元 /册,全年定价 2160 元。
国内邮发代号:82鄄7,国外邮发代号:M670
标准刊号:ISSN 1000鄄0933摇 摇 CN 11鄄2031 / Q
全国各地邮局均可订阅,也可直接与编辑部联系购买。 欢迎广大科技工作者、科研单位、高等院校、图书
馆等订阅。
通讯地址: 100085 北京海淀区双清路 18 号摇 电摇 摇 话: (010)62941099; 62843362
E鄄mail: shengtaixuebao@ rcees. ac. cn摇 网摇 摇 址: www. ecologica. cn
摇 摇 编辑部主任摇 孔红梅摇 摇 摇 执行编辑摇 刘天星摇 段摇 靖
生摇 态摇 学摇 报
(SHENGTAI摇 XUEBAO)
(半月刊摇 1981 年 3 月创刊)
第 32 卷摇 第 23 期摇 (2012 年 12 月)
ACTA ECOLOGICA SINICA
摇
(Semimonthly,Started in 1981)
摇
Vol郾 32摇 No郾 23 (December, 2012)
编摇 摇 辑摇 《生态学报》编辑部
地址:北京海淀区双清路 18 号
邮政编码:100085
电话:(010)62941099
www. ecologica. cn
shengtaixuebao@ rcees. ac. cn
主摇 摇 编摇 冯宗炜
主摇 摇 管摇 中国科学技术协会
主摇 摇 办摇 中国生态学学会
中国科学院生态环境研究中心
地址:北京海淀区双清路 18 号
邮政编码:100085
出摇 摇 版摇
摇 摇 摇 摇 摇 地址:北京东黄城根北街 16 号
邮政编码:1R00717
印摇 摇 刷摇 北京北林印刷厂
发 行摇
地址:东黄城根北街 16 号
邮政编码:100717
电话:(010)64034563
E鄄mail:journal@ cspg. net
订摇 摇 购摇 全国各地邮局
国外发行摇 中国国际图书贸易总公司
地址:北京 399 信箱
邮政编码:100044
广告经营
许 可 证摇 京海工商广字第 8013 号
Edited by摇 Editorial board of
ACTA ECOLOGICA SINICA
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Tel:(010)62941099
www. ecologica. cn
Shengtaixuebao@ rcees. ac. cn
Editor鄄in鄄chief摇 FENG Zong鄄Wei
Supervised by摇 China Association for Science and Technology
Sponsored by摇 Ecological Society of China
Research Center for Eco鄄environmental Sciences, CAS
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Published by摇 Science Press
Add:16 Donghuangchenggen North Street,
Beijing摇 100717,China
Printed by摇 Beijing Bei Lin Printing House,
Beijing 100083,China
Distributed by摇 Science Press
Add:16 Donghuangchenggen North
Street,Beijing 100717,China
Tel:(010)64034563
E鄄mail:journal@ cspg. net
Domestic 摇 摇 All Local Post Offices in China
Foreign 摇 摇 China International Book Trading
Corporation
Add:P. O. Box 399 Beijing 100044,China
摇 ISSN 1000鄄0933
CN 11鄄2031 / Q
国内外公开发行 国内邮发代号 82鄄7 国外发行代号 M670 定价 70郾 00 元摇