全 文 ：中国生态农业学报 2015年 12月 第 23卷 第 12期
Chinese Journal of Eco-Agriculture, Dec. 2015, 23(12): 15711579


* 国家自然科学基金项目(41471023, 41202174)资助
** 通讯作者: 魏国孝, 主要研究方向为干旱区水资源与环境。E-mail: gxwei@lzu.edu.cn
董军, 主要从事干旱半干旱区生态水文学方面的学习和研究。E-mail: dongj14@lzu.edu.cn
收稿日期: 20150311 接受日期: 20150825
* The work was supported by the National Natural Sciences Foundation of China (No. 41471023, 41202174).
** Corresponding author, E-mail: gxwei@lzu.edu.cn
Received Mar. 11, 2015; accepted Aug. 25, 2015
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.150285
半干旱区农田生态系统通量贡献区分析*
董 军1 党慧慧1 孔凡亮2 岳 宁1 王 刚3 郭 映1 魏国孝1**
(1. 兰州大学资源环境学院/西部环境教育部重点实验室 兰州 730000; 2. 山东水利职业学院 日照 276826;
3. 山东农业大学水利土木工程学院 泰安 271000)
摘 要 通量贡献区是指对湍流交换过程有贡献的有效源(汇)区域, 它与生态系统和大气间的通量交换密切
相关。在实际观测中复杂的下垫面增加了通量观测的难度和不确定性, 对通量贡献区评价能有效解决通量空
间代表性的问题。为了研究半干旱区农田生态系统在完整的作物生育期通量贡献区的变化特点, 该文根据位
于黄土高原丘陵沟壑区的兰州大学半干旱区农业生态系统试验站的通量观测塔 2014 年 12 个月连续的玉米农
田通量观测资料, 应用 Schmid的 FSAM模型对半干旱区玉米农田的通量贡献区进行了分析。结果表明: 本研
究区的主风向是 90°~180°(东南方向), 次主风方向是 270°~360°(西北方向); 在主风向上, 迎风方向非生长季的
通量信息最远点大于生长季, 而在垂直于迎风方向上则相反; 生长季内迎风向通量信息最远距离呈现出先减
小后变大的趋势, 其中在抽雄期最小, 垂直于迎风方向最大宽度变化无明显规律。大气稳定条件下通量贡献区
面积比不稳定条件下大, 且大气稳定条件下 90%的通量信息来源于迎风向 8~92 m, 垂直于迎风向35~35 m;
不稳定条件下则分别为 7~83 m和25~25 m。白天 90%的通量源区分布在离观测塔 9~86 m, 夜晚源区分布在
离观测塔 10~100 m, 垂直于迎风向由白天的21~21 m增加到夜晚的35~35 m。由 FSAM模型测得的通量贡
献区可以较准确地反映农田生态系统的通量信息。
关键词 FSAM模型 农田生态系统 通量贡献区 半干旱区 玉米农田
中图分类号: P404 文献标识码: A 文章编号: 1671-3990(2015)12-1571-09
Analysis of agro-ecosystem footprint of flux in semi-arid areas*
DONG Jun1, DANG Huihui1, KONG Fanliang2, YUE Ning1, WANG Gang3, GUO Ying1, WEI Guoxiao1**
(1. College of Earth and Environmental Sciences, Lanzhou University / Key Laboratory of Western Chinas Environmental Systems,
Ministry of Education, Lanzhou 730000, China; 2. Shandong Vocational Institute of Water Resources, Rizhao 276826, China;
3. College of Water Conservancy & Civil Engineering, Shandong Agricultural University, Tai’an 271000, China)
Abstract The footprint of flux is effective for observation of the contribution of turbulent exchange to the atmosphere. It is
closely related to the exchange of flux between the atmosphere and ecosystem. However, in practice, the complexity of the
underlying surface increases the difficulty and uncertainty in calculating flux. Evaluation of flux footprint can solve the
problem of spatial representativeness of flux, which makes it easy to calculate flux exchange. In order to study the variation in
flux footprint for complete growth seasons of maize in semiarid area, flux footprint and source area functions were calculated
from continuous flux measurements for the period from 1st January 2014 to 31st December 2014 using the eddy covariance
system driven by FSAM model. The eddy covariance system was in the maize field in the Experiment Station of
Agro-ecosystem in Semiarid Area (ESASA) of Lanzhou University, which is in a hilly area of the Loess Plateau. The flux
measurement in the agro-ecosystem in semiarid area was spatially representative. The results showed that the prevailing wind
direction in the research area was 90°180°. Wind frequencies in that direction during active growth and non-growing seasons
1572 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
of maize were respectively 59.11% and 55.28% of the total wind frequency. The second main wing direction was 270°360°.
In the prevailing wind direction, the upwind footprint tail of the growing season was longer than that of non-growing season.
However, the reverse was the case for the vertical upwind direction. The comparison between non-growing season 1 (January 1
to March 31) and non-growing season 2 (November 1 to December 31) showed a stable area of flux footprint for the
non-growing season. In the prevailing wind direction, flux footprint decreased from seedling stage to tasseling stage while it
increased from tasseling stage to maturity stage of maize. The farthest point of flux source area was significantly affected by
aerodynamic roughness. Under stable stratification, source areas were larger than those under unstable conditions. The
horizontal upwind range of source areas was 892 m and vertical upwind range of source areas was 35+35 m at 0.9 level
under stable stratification. Then under unstable stratification, source area upwind range was 783 m and source area vertical
upwind range was 25+25 m. There was no obvious difference between the areas of flux footprint between 90°180°
direction and 270°360° direction, suggesting that flux footprint was not closely related with wind direction. Daytime flux
source area was smaller than that of night-time, which was caused by different atmospheric stabilities for day-time and
night-time. Comparison with other research results suggested that aerodynamic roughness and atmospheric stability influenced
agro-ecosystem flux footprint by changing flux source length. Also δv/u* was the main factor driving flux source width. This
study suggested that the flux footprint measured with FSAM adequately revealed the characteristics of surface flux in
agro-ecosystems in semiarid areas.
Keywords FSAM model; Agro-ecosystem; Flux footprint; Semiarid area; Maize field
涡度相关是一种通过测定和计算温度、CO2、
H2O 和风速的脉动, 并通过其协方差计算湍流输送
通量的方法, 作为一种非破坏性的微气象通量技术,
是公认的最准确、可以直接测量植被与大气间通量
的观测方法[14]。近年来, 涡度相关越来越多地应用
到生态系统与大气间 CO2和水汽通量的观测[57]。应
用涡度相关方法测量的理想条件是下垫面面积足够
大且均一, 此情况下冠层上方的湍流通量可以较好
地反映真实的地气交换情况, 涡度相关的观测值可
以反映下垫面生态系统真实的净交换量[89]。但是实
际观测中理想条件很难达到, 下垫面的复杂地形和
不均一的生态系统增加了涡度相关观测的难度和不
确定性。
通量贡献区是指近地面层某一点所观测到的对
湍流交换过程有贡献的有效源(汇)区域, 即对观测
点的通量大小产生主要影响的地表区域。对通量贡
献区评价能有效解决通量空间代表性的问题[1011]。
目前, 通量贡献区的评价模型已经比较完善, 主要
包括解析模型、拉格朗日随机模型、大涡模型和闭
合模型[1215]。FSAM 模型是解析模型的一种, 定义
为在倒置烟羽假设前提下运用梯度扩散理论、二维
平流扩散方程和相似理论计算通量贡献区, 其要求
湍流在水平方向上是均匀的。FSAM 模型以其明确
的物理机制和简单的数学形式得到了广泛的应用。
已有不少学者应用 FSAM 模型对森林 [16]、湿
地 [17]和荒漠 [18]等生态系统进行了通量贡献区评价,
结果表明 FSAM模型的评价结果可以较好地反映研
究者关心的生态系统通量贡献区分布。作为与人类
关系最密切的农田生态系统, 抵御外界环境的干扰
功能要弱于其他生态系统, 且农田生态系统的通量
贡献区分析对半干旱区碳水循环及全球气候变化的
研究有关键意义。而关于农田生态系统的通量贡献
区研究较少, 且缺少对整个生育期的农田生态系统
通量源区动态变化探讨。为此, 本研究运用 FSAM
模型 , 对兰州大学半干旱区农业生态系统试验站
2014 年全年的通量观测数据进行分析, 研究在完整
的玉米生长周期内通量贡献区变化特点, 为半干旱
区农田生态系统碳水通量研究提供依据。
1 研究区概况与方法
1.1 研究区概况
试验田位于兰州大学半干旱区农业生态系统试
验站(35.42°N, 105.24°E, 海拔 1 951 m), 属黄土高
原丘陵沟壑区。气候类型为典型暖温带半干旱季风
气候, 年平均气温 7.9 ℃, 年平均降水量 340 mm,
主要集中在 7—9月, 年平均蒸发量 1 800 mm, 无霜
期约为 136~186 d, 昼夜温差大, 光照充足[19]; 冬季
干旱多风, 夏季炎热, 地表水稀少, 地下水位深。研
究区内主要包括内山旱地、塬旱地及川旱地, 耕地
严重缺水, 粮食作物以玉米(Zea mays L.)为主, 主要
气象灾害是干旱。试验田为常规种植农田, 玉米行
距和株距分别为 0.5 m和 0.4 m。
1.2 观测方法及数据处理
在长势较好的玉米农田中央架设通量观测塔 ,
开路涡度相关系统安装在塔上 3 m 高度, 包括三维
超声风速仪(CAST3, Campbell, USA)和 CO2/H2O红
外气体分析仪(Li-7500, LiCor Inc., USA)。取样频率
第 12期 董 军等: 半干旱区农田生态系统通量贡献区分析 1573


http://www.ecoagri.ac.cn
为 10 Hz, 通过数据采集器(CR5000, Campbell, USA)
采集并按 30 min计算平均值进行存储。另外, 净辐
射仪 CNR1(Kipp&Zonen, Netherlands)也安装在塔上
3 m高度; 4个土壤热通量板 HFT3(Radiation Energy
Balance Systems , USA)埋设在塔附近地下 5 cm处。
通量观测塔附近还有小型自动气象站, 对空气温湿
度、降雨等数据进行同步监测。每 5 d 测 1 次玉米
株高(6月 10日—8月 22日)。本研究采用 2014年全
年观测数据。
通量数据利用 Eddypro 软件处理后使用, 主要
包括二次坐标旋转校正、WPL校正、超声虚温校正
等。对处理过的数据进行以下质量控制:
1)剔除降雨时间段所对应的数据, 以消除降雨
时仪器响应问题造成测量值的不准确或不合理。
2)剔除 L>5 000(L为奥布霍夫长度)或 L<2 000
的值; 当 zm/L>0(zm 为有效观测高度)时为稳定条件,
zm/L<0 时为不稳定条件 , 因为模型的适用范围有
要求 , 强稳定条件和强不稳定条件下的数据都不
可用。
3)由于风速较小时湍流混合发展不充分, 依据
朱治林等 [20]的平均值检验法(AVT), 剔除摩擦风速
u*<0.15 m·s1值。
4)对于 2 h之内的缺失数据段, 采用线性内插法
进行填补。
1.3 FSAM模型
FSAM模型是由 Schmid[21]在 1994年提出的, 用
以计算涡度相关观测的通量贡献区分布。选定空间
中某一基准点(0, 0, zm), 迎风方向作为 x轴的负方向,
通量观测塔测量的通量 η可表示为:
m( , ) ( , , )Q x y f x y z dx dy     (1)
式中 : Q(x, y)是表面源强分布函数 ; f(x, y, zm)为
footprint函数, 它是表征地面某一点对(0, 0, zm)处的
通量观测值的贡献大小的量。Footprint 函数值在某
一点达到最大, 然后沿各个方向减小直至为 0。式(1)
也可以写为:
m , s s m 0(0,0, ) ( , , )uz Q f x y z z      (2)
式中: Qη,u是为保证空间一致性的恒定单位源强。依
据 K理论, 垂直通量 F可以表达为:
c( , , ) ( ) ( , ) ( , )
y
y
CF x y z K z D x y F x z
z
     (3)
式中 : Kc(z)为湍流扩散速率 , C 为浓度分布函数 ,
yF 为横向积分通量, Dy(x, y)为横向浓度分布函数。
把横向积分通量 yF 和横向积分浓度 yC 和平均风速
廓线 u (z)联系起来, 得到如下方程:
( ) y yu z C F
x z
     (4)
式(4)积分, 则 zm高度的垂直通量可表达为:
m
0
m 0( , ) ( , ) ( ) ( , )
zy y y
z
F x z F x z u z C x z dz
x
    (5)
应用边界层条件 , 当 x>0 时 , footprint 函数
f(x, y, zmz0)为:
m
0
m( 0, ) ( ) ( , )
zy y
z
F x z u z C x z dz
x
     (6)
联立式(2)、(3)、(5)、(6), 二维通量贡献区函数
f(x, y, zmz0)变成:
m
m 0
u
0 m
u
( , , )
( , , )
1 ( , ) ( 0, ) ( , )y y y
F x y zf x y z z
F
F x z F x z D x y
F
  
      
(7)
式中: Fu为表面源强。定义无量纲数 P, P水平的通
量源区Ωp可以由 f(x, y, zmz0)=FP的等值线所包含的
区域来表示, 则 P可以表示为:
m
tot m0
( , , )
( , , )
PP
F x y z dx dy
P
F x y z dx dy



 

 
 
 
 
 
(8)
式中: p为在 Ωp贡献区函数的积分, tot为贡献区函
数的总积分。把式(5)、(7)代入式(8), 得到:
m
0u
1 ( ) ( , ) ( , )
P
z y
yz
P u z C x z dz D x y dx dy
F x
            
(9)
由于应用了 K 理论, 通量贡献区模型的关键在
于求解通量贡献区函数, 通量贡献区函数主要依赖
于以下几个参数: 有效高度(zm)、奥布霍夫长度(L)、
空气动力学粗糙度(z0)、摩擦风速(u*)和横向风速的
标准差(δv)。输入满足条件的参数, FSAM 模型能输
出不同 P 水平的通量源区位置和长度, 进而绘出通
量贡献区图形。
1.4 模型输入和输出参数
1)zm/z0: zm=zd, z为涡度相关通量观测高度, 本
研究中为 3 m; d为零平面位移, 根据 Grimmond等[1]
提出的 d与冠层高度 h的经验公式 d=2h/3计算得到;
z0为空气动力学粗糙度, 生长季的 z0根据前人[22]提
出的 z0=0.025h1.1(玉米)来计算, 非生长季的 z0 取值
0.01 m[23]。
2)zm/L:
3
v
v( )
L
kg w
 



, θv 为虚位温 , 根据公式
θv=θ(1+0.61r)计算得到, 其中 r为未饱和空气混合比
(gg1),  为位温; k为卡曼常数, 一般情况下取值为
0.4; g是重力加速度, 取 9.8 kgms2; w   为涡度
1574 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
热通量(垂直运动下)。u*和 w   可以计算得到, 算
出 30 min的 L值, 再算出各条件下的 zm/L。
3)δv/u*: 横向风速 v和摩擦风速 u*由 Eddypro处
理后的数据计算, 得到不同条件下的横向风速的标
准差 δv及摩擦风速的平均值, 即得到 δv/u*。
4)输出参数 a/z0、d/z0、e/z0、xm/z0、xd/z0: xm为
footprint 函数取得最大值的位置, 与水平 P无关; a
为等值线上近点距传感器的距离; e 为等值线上远
点距传感器的距离; d 为等值线上横向最大宽度的
一半; xd为等值线最大宽度位置对应的 x 值。利用
这 5 个参数便可以绘出某一水平通量测量的源区
(图 1)。
1.5 玉米生育期划分
根据 2014年的整年观测数据, 对玉米生育期进
行划分, 其中生长季为 2014 年 5 月 1 日到 2014 年
10月 5日。生长季内根据玉米的生长划分为幼苗期、
拔节期、抽雄期、灌浆期和成熟期, 具体时间如表 1
所示。非生长季 1 和非生长季 2 分别指玉米播种前
和收获后的时间段。

图 1 通量源区输出参数图解
Fig. 1 Diagram of parameters of characteristic dimensions of
the flux source area
2 结果与分析
2.1 风向分析及模型输入参数
2014年 1月 1日—2014年 12月 31日风向风速
分布如图 2 所示。生长季及非生长季在 90°~180°方
向的数据分别占全部的 59.11%和 55.28%, 在 0°~
90°、180°~270°和 270°~360°方向的数据分别占全部
的 5.72%、4.81%、30.36%和 9.36%、3.82%、31.54%。
故本试验的主风向为 90°~180°(东南方向), 次主风
向为 270°~360°(西北方向)。

图 2 研究区玉米生长季和非生长季风向及其频率分布图
Fig. 2 Distribution of wind direction and frequency during growing season and dormant season of maize in the study area
玉米生长季和非生长季划分见表 1。Dates of maize growing season and dormant seasons are shown in the table 1.

FSAM 模型在理想条件下对输入参数的要求如
下: 大气稳定状态(zm/L>0)下 , 2.0×10≤zm/z0≤5.0×
102, 2.0×104≤zm/L≤1.0×0.1, 1.0≤δv/u*≤6.0; 大气
不稳定状态 (zm/L<0)下 , 4.0×10≤ zm/z0≤ 1.0×103,
4.0×104≤zm/L≤1.0, 1.0≤δv/u*≤6.0。
不同玉米生育期的模型参数 zm/z0、zm/L和 δv/u*
的数值如表 1 所示。不同大气稳定度和白天夜晚的
模型输入参数如表 2 所示。因本试验通量观测塔安
装高度较低, 玉米高度高, 使得灌浆期和成熟期的
zm/z0比理想中的 zm/z0>20 要小, 但根据赵晓松等[16]
的研究结果, zm/z0<20 时仍可以较好地计算源区大
小。本试验的其他参数均在理想条件下。
2.2 不同生育期通量源区变化特征
为了研究玉米整个生长周期的通量源区变化 ,
将 2014年分 7个阶段, 生长季内 h为每个阶段玉米
的平均高度, 生长季和非生长季的 z0 分别按两种方
第 12期 董 军等: 半干旱区农田生态系统通量贡献区分析 1575


http://www.ecoagri.ac.cn
法得到 , 最终得到整个生育期的输入参数。根据
FSAM 模型的输出结果(表 3), 做出不同玉米生育期
在大气稳定条件下 90%通量信息的贡献区域, 如图
3所示。
表 1 玉米生长季各生育期及非生长季的模型输入参数
Table 1 Input parameters of FSAM during dormant season and different growth stages of growing season of maize
玉米生长季 Maize growing season
参数
Parameter
非生长季 1
Dormant season1 幼苗期
Seedling stage
拔节期
Jointing stage
抽雄期
Tasseling stage
灌浆期
Filling stage
成熟期
Mature stage
非生长季 2
Dormant season 2
日期(月-日) Date
(month-day)
01-01—03-31 05-01—06-20 06-21—07-17 07-18—07-26 07-27—08-30 08-31—10-05 11-01—12-31
z0 0.010 0.012 0.034 0.064 0.078 0.079 0.010
zm/z0 270.827 217.895 61.366 22.741 14.444 13.869 270.827
zm/L 0.019 0.010 0.011 0.004 0.005 0.003 0.005
δv/u* 2.823 3.807 4.236 3.137 3.597 3.262 3.682
表 2 不同大气稳定度和时间的模型输入参数
Table 2 Input parameters of FSAM under different atmospheric conditions and at different times
风向 Wind direction
90°~180° 270°~360° 90°~180°
参数
Parameter
稳定 Stable 不稳定 Unstable 稳定 Stable 不稳定 Unstable 白天 Daytime 夜晚 Nighttime
zm/z0 23.035 23.035 23.035 23.035 32.002 32.002
zm/L 0.005 0.007 0.004 0.010 0.011 0.010
δv/u* 3.509 2.694 3.753 3.516 2.424 3.553
表 3 玉米生长季各生育期及非生长季的模型输出参数
Table 3 Output parameters of FSAM during dormant season and different growth stages of growing season of maize
玉米生长季 Maize growing season
参数
Parameter
非生长季 1
Dormant season 1 幼苗期
Seedling stage
拔节期
Jointing stage
抽雄期
Tasseling stage
灌浆期
Filling stage
成熟期
Mature stage
非生长季 2
Dormant season 2
a (m) 20.713 19.849 13.750 7.747 5.362 5.116 20.713
e (m) 155.099 146.734 116.877 91.700 104.661 102.112 150.596
d (m) 25.616 34.461 40.907 31.625 43.802 39.913 32.721
xd (m) 87.956 83.291 65.313 49.723 54.012 53.614 85.655
xm (m) 45.829 45.229 43.472 31.179 18.734 14.029 45.229
输出参数的意义见图 1。Meanings of parameters are shown in the figure 1.

图 3 玉米生长季各生育期和非生长季通量源区变化
Fig. 3 Changes of flux source areas at dormant season and different growth stages of growing season of maize
1576 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
从图 3 可知, 在非生长季 1 和非生长季 2, 90%
的通量信息分别来源于迎风向 21~155 m和 21~151 m,
垂直于迎风向26~26 m和33~33 m, 通量贡献最大
点分别在距塔 46 m和 45 m。两个非生长季的通量
源区形状和面积相差不大, 说明在非生长季通量源
区比较稳定。在生长季, 幼苗期 90%的通量信息来
源于迎风向 20~147 m, 垂直于迎风向34~34 m, 在
5 个生育期中最大; 抽雄期 90%的通量信息来源于
迎风向 8~92 m, 垂直于迎风向32~32 m, 在 5个生
育期中最小; 灌浆期和成熟期的通量源区面积基本
相等, 90%的通量信息来源于迎风向 5~102 m, 垂直
于迎风向44~44 m。
通过比较图 3 的左右两图发现, 在迎风方向上,
非生长季的通量信息最远点大于生长季, 而在垂直
于迎风方向上则相反。在生长季, 玉米的迎风向通
量信息最远点距离整体上呈现出先减小后增大的趋
势, 从幼苗期到抽雄期, 空气动力学粗糙度随着玉
米的增高而变大, 迎风向通量信息最远点逐渐减小;
从抽雄期到灌浆期, 空气动力学粗糙度有小幅增加,
而迎风向通量信息最远点也变大, 这可能与玉米叶
片变黄、叶面积指数下降等因素有关; 灌浆期和成
熟期的通量信息最远点相差不大, 通过表 1 发现灌
浆期和成熟期的空气动力学粗糙度基本相同; 而玉
米收获后, 地表变为裸地, 空气动力学粗糙度变小,
通量信息最远点增大到玉米播种前的状态。垂直于
迎风方向最大宽度变化无明显规律。通过上述发现
迎风向的通量源区最远点主要受空气动力学粗糙度
的影响。
2.3 不同大气稳定度下通量源区分布
为了分析大气稳定度对通量源区的影响, 本文
选取不同风向在大气稳定和不稳定条件下的源区分
布进行研究, 因主风向和次主风向的风频率占生长
季全部的 89.47%, 故本试验只考虑这两个风向的通
量源区。本研究选取玉米生长比较旺盛的 7、8、9
月的通量数据进行研究, 主风向和次主风向在不同
大气稳定度条件下的模型输入参数如表 2 所示, 根
据 FSAM 模型的输出结果, 绘出这两个风向在不同
大气稳定度条件下的通量源区, 如图 4a所示。

图 4 玉米田不同大气稳定度下(a)和不同时间(b)的通量源区变化
Fig. 4 Changes of the flux source areas of maize field under different atmospheric conditions (a) and at different times (b)
在 90°~180°方向上, 大气稳定和不稳定条件下,
90%的通量信息分别来源于迎风向 8~92 m 和 7~83
m, 垂直于迎风向35~35 m和25~25 m; 270°~360°
方向上, 大气稳定和不稳定条件下, 90%的通量信息
分别来源于迎风向 8~91 m 和 7~81 m, 垂直于迎风
向37~37 m和32~32 m。对比发现大气稳定条件下
通量源区比不稳定条件下大, 这是因为在大气稳定
条件下, 湍流发展的不充分, 气体在垂直方向上扩
散比较慢, 远处的通量信息可以来到观测塔, 使得
通量源区大; 而在大气不稳定条件下, 湍流活动强,
大气垂直运动也很激烈 , 物质的垂直扩散速度快 ,
通量信息来源于比较近的地方[24]。两个风向在大气
稳定度相同时, 通量源区范围大小相似, 说明通量
源区大小与风向无关。
另外, 本研究选取了 7月份的典型晴天(无降水,
太阳净辐射呈单峰型曲线)通量数据对白天和夜晚
通量源区的变化进行了分析 , 研究时定义 7:00—
19:00为白天, h取 7月份玉米的平均高度, 结果如图
第 12期 董 军等: 半干旱区农田生态系统通量贡献区分析 1577


http://www.ecoagri.ac.cn
4b所示。可以发现白天和夜晚的通量贡献区差异很
大, 白天源区分布在离观测塔 9~86 m, 夜晚源区范
围在离观测塔 10~100 m。垂直于主风向由白天的
21~21 m增加到夜晚的35~35 m。通量贡献最大点
白天为距塔 21 m, 在夜晚为 23 m。经分析发现造成
昼夜通量源区差异的最大因素是白天和夜晚大气稳
定度的不同, 白天大气湍流比较活跃而夜晚大气层
比较稳定。
3 讨论
已有研究表明通量贡献区范围主要受仪器的观
测高度、空气动力学粗糙度以及大气稳定度等特征
参数的影响。通量贡献区随大气稳定度和观测高度
的增加而变大, 随着空气动力学粗糙度的增加而减
小[2527]。本文研究还发现空气动力学粗糙度和大气
稳定度是通过影响迎风向源区长度来影响源区面积
的, 而 δv/u*是通过影响垂直于迎风向源区宽度来影
响源区面积的。
根据金莹等[25]的研究结果, FSAM 模型的输出
参数都依赖于 zm/z0和 zm/L, 只有侧风向距离最大点
同时依赖 δv/u*, 即影响迎风向源区长度的参数是
zm/z0和 zm/L。在研究中 zm一般变化较小, 故影响迎
风向源区长度的主要是空气动力学粗糙度 z0和奥布
霍夫长度 L。z0表征的是下垫面光滑程度, zm/L表征
的是大气稳定度状况, 故空气动力学粗糙度 z0 和稳
定度都是通过影响迎风向源区长度而引起通量源区
变化的, 这与本文的结果相一致。在本研究中因非
生长季的 δv/u*较小, 且非生长季在侧风向上最大距
离小于生长季, 因此认为影响垂直迎风向最大宽度
的是 δv/u*, 且垂直迎风向最大宽度随着 δv/u*的增加
而变大。王江涛等[29]的研究是在非生长季主风向的
垂直迎风向范围比其他风向都大, 通过对比输入参
数发现主风向的 δv/u*比其他风向都大, 周琪等[18]的
研究也有相同结果。故 δv/u*是通过影响垂直于迎风
向源区宽度来影响源区面积的。
从研究结果看, 本试验的通量贡献区可以较好
地反映农田生态系统的通量信息, 但是与相同 P 水
平的其他生态系统的通量贡献区(表 4)相比, 本研究
的通量贡献区范围较小, 原因是本研究的通量观测
塔位置较低; 另外, FSAM模型输入参数为 3个复合参
数, 各参数的计算方法不相同, 尤其是空气动力学粗
糙度和零平面位移的计算方法, 有很多经验公式, 计
算方法选择的正确与否对模型输出结果的影响较大。
数据处理过程也会有误差, 筛选数据的标准差别对数
据的影响很大。因此在数据处理过程中应针对不同的
下垫面和生态系统选取不同的参数计算方法。
表 4 不同生态系统在大气稳定条件下的通量源区大小
Table 4 Flux source area under stable atmospheric condition for different ecosystems
生态系统
Ecosystem
下垫面代表植被
Representative vegetation
观测高度
Measure height (m)
P水平
P level (%)
E (m) Xm (m)
参考文献
Reference
湿地荒漠系统 Wetland ecosystem 互花米草 Spartina alterniflora 4.8 90 380.2 62.4 [17]
荒漠生态系统 Desert ecosystem 梭梭 Haloxylon ammodendron 11 90 670.8 151.06 [18]
森林生态系统 Forest ecosystem 美洲黑杨 Populus dettoides 25 90 3 613.4 316.68 [24]
农田生态系统 Agro-ecosystem 冬小麦 Triticum aestivum 12 90 1 555.2 425 [25]
农田生态系统 Agro-ecosystem 小麦 Triticum aestivum 20 50 283 135 [26]
森林生态系统 Forest ecosystem 杨树 Populus spp. 20 80 488.74 141.98 [28]
森林生态系统 Forest ecosystem 橡胶树 Hevea brasiliensis 25 80 1 858 413 [30]
城市生态系统 Urban Ecosystem 香樟树 Cinnamonum campora 18 90 1 047 295 [31]
农田生态系统 Agro-ecosystem 玉米 Zea mays 3 90 155 46 本研究
The present research

4 结论
本文利用 FSAM 模型, 结合兰州大学半干旱区
农业生态系统试验站涡度相关系统的通量观测数据,
分析了黄土高原半干旱区的玉米农田生态系统通量
贡献区, 得出的结论如下:
1)该试验站的主风方向是 90°~180°(东南方向),
生长季及非生长在 90°~180°方向的数据分别占全部
的 59.11%和 55.28%。
2)在迎风方向非生长季的通量信息最远点
(151~155 m)大于生长季(92~147 m), 而在垂直于迎
风方向上非生长季的通量信息最远点(26~33 m)则小
于生长季(32~44 m)。生长季通量信息最远点距离随
着玉米的生长呈现先减小后变大的趋势。从幼苗期
到抽雄期, 迎风向最大距离随着空气动力学粗糙度
的变大而减小 , 抽雄期到成熟期 , 则有小幅增加 ,
玉米收获后又增加到播种前的状态。
1578 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
3)在主风方向, 大气稳定条件下通量源区比不
稳定条件下大, 90%的通量源区分别来源于迎风向
8~92 m 和 7~83 m, 垂直于迎风向35~35 m 和
25~25 m。白天的通量源区比夜晚小, 90%的通量源
区分别来源于迎风向 9~86 m 和 10~100 m, 垂直于
迎风向21~21 m和35~35 m, 这是由昼夜大气稳定
度不同引起的。
参考文献
[1] Grimmond C S B, King T S, Cropley F D, et al. Local-scale
fluxes of carbon dioxide in urban environments: Methodo-
logical challenges and results from Chicago[J]. Environ-
mental Pollution, 2002, 116(S1): S243S254
[2] 于贵瑞, 伏玉玲, 孙晓敏, 等. 中国陆地生态系统通量观测
研究网络(ChinaFLUX)的研究进展及其发展思路[J]. 中国
科学 D辑: 地球科学, 2006, 36(S1): 1–21
Yu G R, Fu Y L, Sun X M, et al. Research and development
ideas of Fluxes Research Network in Chinese Terrestrial
Ecosystem[J]. Science in China Series D: Earth Sciences,
2006, 36(A01): 1–21
[3] Twisk J W R. Applied Longitudinal Data Analysis for
Epidemiology: A Practical Guide[M]. Cambridge, UK:
Cambridge University Press, 2013
[4] Goulden M L, Munger J W, Fan S M, et al. Measurements of
carbon sequestration by long-term eddy covariance: Methods
and a critical evaluation of accuracy[J]. Global Change
Biology, 1996, 2(3): 169–182
[5] 郭家选, 李玉中, 梅旭荣. 冬小麦农田尺度瞬态 CO2 通量
与水分利用效率日变化及影响因素分析[J]. 中国生态农业
学报, 2006, 14(3): 78–81
Guo J X, Li Y Z, Mei X R. Diurnal variation of instantaneous
carbon dioxide flux and water use efficiency of winter wheat
at field scale and analysis of influencing factors[J]. Chinese
Journal of Eco-Agriculture, 2006, 14(3): 78–81
[6] 林同保, 王志强, 宋雪雷, 等. 冬小麦农田二氧化碳通量及
其影响因素分析 [J]. 中国生态农业学报 , 2008, 16(6):
1458–1463
Lin T B, Wang Z Q, Song X L, et al. CO2 flux and impact
factors in winter wheat field ecosystem[J]. Chinese Journal of
Eco-Agriculture, 2008, 16(6): 1458–1463
[7] 李正泉, 于贵瑞, 赵风华, 等. 通量贡献区叶面积指数空间
分布的测定[J]. 中国生态农业学报, 2007, 15(6): 131–134
Li Z Q, Yu G R, Zhao F H, et al. Spatial distribution
measurement of leaf area index in flux contributing source of
eddy covariance flux tower[J]. Chinese Journal of Eco-
Agriculture, 2007, 15(6): 131–134
[8] Rannik Ü, Aubinet M, Kurbanmuradov O, et al. Footprint
analysis for measurements over a heterogeneous forest[J].
Boundary-Layer Meteorology, 2000, 97(1): 137–166
[9] Kljun N, Rotach M W, Schmid H P. A three-dimensional
backward Lagrangian footprint model for a wide range of
boundary-layer stratifications[J]. Boundary-Layer Meteorology,
2002, 103(2): 205–226
[10] Liu S M, Xu Z W, Zhu Z L, et al. Measurements of
evapotranspiration from eddy-covariance systems and large
aperture scintillometers in the Hai River Basin, China[J].
Journal of Hydrology, 2013, 487: 24–38
[11] Liu S M, Xu Z W, Wang W Z, et al. A comparison of eddy-
covariance and large aperture scintillometer measurements
with respect to the energy balance closure problem[J].
Hydrology and Earth System Sciences, 2011, 15(4):
1291–1306
[12] Schuepp P H, Leclerc M Y, MacPherson J I, et al. Footprint
prediction of scalar fluxes from analytical solutions of the
diffusion equation[J]. Boundary-Layer Meteorology, 1990,
50(1/4): 355–373
[13] Leclerc M Y, Thurtell G W. Footprint prediction of scalar
fluxes using a Markovian analysis[J]. Boundary-Layer
Meteorology, 1990, 52(3): 247–258
[14] Hadfield M G. Passive scalar diffusion from surface sources in
the convective boundary layer[J]. Boundary-Layer Meteorology,
1994, 69(4): 417–448
[15] Sogachev A, Menzhulin G V, Heimann M, et al. A simple
three-dimensional canopy-planetary boundary layer simulation
model for scalar concentrations and fluxes[J]. Tellus B, 2002,
54(5): 784–819
[16] 赵晓松, 关德新, 吴家兵, 等. 长白山阔叶红松林通量观测
的 footprint及源区分布[J]. 北京林业大学学报, 2005, 27(3):
17–23
Zhao X S, Guan D X, Wu J B, et al. Distribution of footprint
and flux source area of the mixed forest of broad-leaved and
Korean pine in Changbai Mountain[J]. Journal of Beijing
Forestry University, 2005, 27(3): 17–23
[17] 顾永剑 , 高宇 , 郭海强 , 等 . 崇明东滩湿地生态系统碳
通量贡献区分析[J]. 复旦学报: 自然科学版 , 2008, 47(3):
374–379
Gu Y J, Gao Y, Guo H Q, et al. Footprint analysis for carbon
flux in the wetland ecosystem of Chongming Dongtan[J].
Journal of Fudan University: Natural Science, 2008, 47(3):
374–379
[18] 周琪, 李平衡, 王权, 等. 西北干旱区荒漠生态系统通量贡
献区模型研究[J]. 中国沙漠, 2014, 34(1): 98–107
Zhou Q, Li P H, Wang Q, et al. A footprint analysis on a
desert ecosystem in West China[J]. Journal of Desert
Research, 2014, 34(1): 98–107
[19] 郭映, 董阳, 党慧慧, 等. 基于不同时间尺度玉米蒸散蒸腾
量及其影响因素[J]. 资源科学, 2014, 36(7): 1501–1508
Guo Y, Dong Y, Dang H H, et al. Evapotranspiration and
transpiration of maize in two time scales and the
environmental effects[J]. Resources Science, 2014, 36(7):
1501–1508
[20] 朱治林, 孙晓敏 , 温学发, 等 . 中国通量网(ChinaFLUX)夜
间 CO2涡度相关通量数据处理方法研究[J]. 中国科学 D辑:
地球科学, 2006, 36(S1): 34–44
Zhu Z L, Sun X M, Wen X F, et al. Study on the processing
method of nighttime CO2 eddy covariance flux data in China
FLUX[J]. Science in China Series D: Earth Sciences, 2006,
36(S1): 34–44
第 12期 董 军等: 半干旱区农田生态系统通量贡献区分析 1579


http://www.ecoagri.ac.cn
[21] Schmid H P. Source areas for scalars and scalar fluxes[J].
Boundary-Layer Meteorology, 1994, 67(3): 293–318
[22] 董治宝, Fryrear D W, 高尚玉. 直立植物防沙措施粗糙特征
的模拟实验[J]. 中国沙漠, 2000, 20(3): 260–263
Dong Z B, Fryrear D W, Gao S Y, et al. Modeling the
roughness effect of blown-sand-controlling standing vegetation in
wind tunnel[J]. Journal of Desert Research, 2000, 20(3):
260–263
[23] Oleson K W, Lawrence D M, Gordon B, et al. Technical
Description of Version 4.0 of the Community Land Model
(CLM)[R]. NCAR Technical Note NCAR/TN-478+STR.
Colorado: National Center for Atmospheric Research, 2010
[24] 魏远, 高升华, 张旭东, 等. 基于 FSAM模型的岳阳地区美
洲黑杨人工林通量观测源区分布[J]. 林业科学, 2012, 48(2):
16–22
Wei Y, Gao S H, Zhang X D, et al. Source area in-FLUX
measurements by FSAM model over the Populus deltoids
plantation in Yueyang[J]. Scientia Silvae Sinicae, 2012, 48(2):
16–22
[25] 金莹, 张志强, 方显瑞, 等. 杨树人工林生态系统通量贡献
区分析[J]. 生态学报, 2012, 32(12): 3966–3974
Jin Y, Zhang Z Q, Fang X R, et al. Footprint analysis of
turbulent flux over a poplar plantation in Northern China[J].
Acta Ecologica Sinica, 2012, 32(12): 3966–3974
[26] 楚良海, 刘文兆, 朱元骏, 等. 黄土高原沟壑区通量数据空
间代表性研究[J]. 地球科学进展, 2009, 24(2): 211–218
Chu L H, Liu W Z, Zhu Y J, et al. Spatial representation of
flux data in gully region on the Loess Plateau[J]. Advances in
Earth Science, 2009, 24(2): 211–218
[27] 马迪, 吕世华, 陈世强, 等. 夏季金塔绿洲近地层通量足迹
及源区分布特征分析[J]. 高原气象, 2009, 28(1): 28–35
Ma D, Lü S H, Chen S Q, et al. Distribution of source area
and footprint of Jinta Oasis in summer[J]. Plateau Meteoro-
logy, 2009, 28(1): 28–35
[28] 米娜, 于贵瑞, 温学发, 等. 中国通量观测网络(ChinaFLUX)通
量观测空间代表性初步研究[J]. 中国科学 D 辑: 地球科学,
2006, 36(S1): 22–33
Mi N, Yu G R, Wen X F, et al. A preliminary study for spatial
representativeness of flux observation at ChinaFLUX sites[J].
Science in China Series D: Earth Sciences, 2006, 36(S1):
22–33
[29] 王江涛, 周剑虹, 欧强, 等. 崇明东滩滨海围垦湿地 CO2通
量贡献区分析[J]. 生态与农村环境学报, 2014, 30(5): 588–594
Wang J T, Zhou J H, Ou Q, et al. CO2 flux footprint analysis
of coastal polder wetlands in Dongtan of Chongming[J].
Journal of Ecology and Rural Environment, 2014, 30(5):
588–594
[30] 吴志祥, 陈帮乾, 杨川, 等. 海南岛橡胶林通量足迹与源区
分布研究[J]. 热带生物学报, 2012, 3(1): 42–50
Wu Z X, Chen B Q, Yang C, et al. Distribution of footprint
and fluxes source area of rubber plantation in Hainan
Island[J]. Journal of Tropical Organisms, 2012, 3(1): 42–50
[31] 袁庄鹏, 赵敏. 基于 FSAM 模型的城市碳通量观测贡献区
研究 [J]. 上海师范大学学报 : 自然科学版 , 2012, 41(5):
533–539
Yuan Z P, Zhao M. Research of flux footprint of city based on
the FSAM model[J]. Journal of Shanghai Normal University:
Natural Sciences, 2012, 41(5): 533–539