2. 山西农业大学,030801,山西晋中;
3. 围场满族蒙古族自治县林业和草原局,067000,河北承德;
4. 重庆市林业科学研究院 重庆武陵山森林生态系统国家定位观测研究站,400700,重庆
中国水土保持科学 2024, Vol. 22 Issue (1): 77-85. DOI: 10.16843/j.sswc.2023024 |
太阳辐射是生态系统的能量来源,但总有一部分能量未被生态系统直接利用,而是以显热和潜热通量的形式返还大气下边界层,进入到地面和大气组成的能流循环中。生态系统的各通量决定边界层内湍流及扩散的强度和稳定度,进而与生态系统饱和水气压差、降水、温度、冠层导度、叶面积指数和相对湿度相关联[1]。地球陆地生态系统中有超过30%的面积是森林,而森林又具有调节大气碳浓度、涵养水源、减少地表侵蚀、调节区域小气候等重要的作用。森林通量研究中关于水热通量的部分对天气预报、水资源管理、全球气候变化等相关研究工作具有十分重要的意义[2]。因此,关于森林生态系统内水热通量的相关研究有助于更加充分地了解森林生态系统能流循环的过程,对天然林保护工程的发展、全球范围的气候研究工作有重要意义。
目前国内外普遍接受的测定水热通量的方法主要有空气动力学法(梯度法)、热平衡法和涡度相关法。涡度相关法是通过快速传感器测定大气中湍流运动产生的风速脉动和物理量脉动,直接计算风速脉动和某物理量脉动的协方差来计算能量和物质通量[3]。这种方法直接、简易,但必须使用高精度、响应速度极快的湍流脉动传感器。目前,涡动相关法已成为直接测定大气与群落水热通量的最可靠方法,也是公认的CO2测定的标准方法[4],被越来越广泛地应用于估算陆地生态系统中物质和能量的交换。截至2020年,Fluxnet形成的成品数据集Fluxnet 2015 Database (https://fluxnet.org/data/fluxnet2015-dataset/)包含来自各种生态系统类型的212个通量站点和超过1 500个站点年的数据[5]。
通量研究涉及的众多生态系统中,针阔混交林的研究广泛且重要,是研究生态系统能量变化和气候的重要场所。缙云山是三峡库区尾端重要的生态屏障,其针阔混交林的能量变化尚不明晰。笔者以重庆市缙云山内的针阔混交林系统为监测对象,对2020年的林内通量监测数据进行处理,对当地水热通量变化特征和影响因子展开研究。对基于涡度相关系统监测的半小时能量通量数据进行分析处理,得出四季变化趋势、环境因子年序日变化趋势、雾天与非雾天通量情况、研究区冠层导度的特征和环境因子,对其与水热通量相关性展开分析讨论,分析研究区内水热通量及各环境因子的变化过程,明确水热通量变化的外在驱动力因子,以期为该地区森林经营及林业可持续发展提供科学依据。
1 研究区概况重庆缙云山三峡库区森林生态系统国家定位观测研究站地处E 106°17′~106°24′,N 29°41′~29°52′(图 1),海拔200~952.5 m,属于亚热带季风湿润性气候,森林覆盖率高达96.6%。保护区内有大面积的针阔叶阔叶林,有多种具代表性的生态系统。年平均气温13.6 ℃,8月最热平均气温24.3 ℃,1月最冷平均气温3.1 ℃,最高温36.2 ℃,最低温-4.6 ℃;相对湿度87%,水汽压年平均14.9 mbar;年均降水1 611.8 mm,冬半年降水量368.0 mm,占全年的22.8%,夏半年降水量1 243.8 mm,占全年的77.2%;年平均89.8 d有雾,年平均日照时间低于1 293 h。主要树种有:马尾松(Pinus massoniana)、杉木(Cunninghamia lanceolata)、毛竹(Phyllostachys edulis)、杨桐(Adinandra millettii)和广东山胡椒(Lindera kwangtungensis)等。地质构造属川东褶皱带华蓥山帚状弧形构造,相对高差752.2 m。缙云山土壤主要为酸性黄壤土和水稻土2大类,黄壤土普遍具有黏或砂、酸、瘦、缺磷及抗冲蚀能力弱等特点;受到当地地质条件和煤矿开采,缙云山水系条件较为复杂,岩层为砂、泥页岩相间组合,上层为厚砂岩,下层为泥页岩,泥页岩积水。保护区地下水类型属平行岭谷裂隙水区的碎屑岩孔隙裂隙水,单井涌水量<100 m3/d。另外保护区范围内,有人工挖掘的堰塘,溪沟筑成的大小水库共计11个。
研究仪器主要被设置在针阔林地通量塔上,在25和35 m处分别根据实际情况合理地设置不同仪器,研究所使用仪器按工作原理不同主要分为2大系统,开路式涡度监测系统和微气象观测系统。
2.1.1 开路式涡度监测系统通量塔35 m高度处主要设置有开路式涡度监测系统,包括开路式气体分析仪Li7500(LiCor Inc)、三维超声风速仪CAST-3 (Campbell)、数据采集器CR3000 (Campbell)、均以10 Hz频率运行及监测。本次研究主要采用数据采集器Smartflux,获取并计算得出的30 min通量数据平均值。
2.1.2 微气象观测系统通量塔25和35 m处主要设有设置有气象观测系统,包括空气温湿度传感器HMP60 (Vaisala,FIN)、翻斗式雨量筒TR525M (Texas)、光合有效辐射传感器LI-190SB (LiCor Inc)、净辐射仪NR01 (Hukseflux,NED)、风速风向仪03002 (RM Young)。均以10 Hz频率运行及监测。
2.2 涡度观测原理 2.2.1 水热通量的计算涡度相关系统中的数据采集器采集并实时计算相关数据,每30 min计算1次均值,潜热、显热通量是用实时所测的水汽浓度和温度的斜方差所得。显热通量[6]
$ H=\rho C_{\mathrm{P}} \overline{W T^{\prime}}_{\text {sonic }} \text { 。} $ | (1) |
式中:H为大气中的显热通量,W/m2;ρ为干空气密度,kg/m3;CP为干空气热容,J/(kg·K);W为三维风速中的垂直风速,m/s;T′sonic为超声风速仪所观测并经过脉动处理的空气温度,K。潜热通量通过水汽通量换算得出。
2.2.2 其他数据的计算本研究中的冠层导度是通过Penman-Monteith公式反推计算VPD得到的, 具体公式[7]为
$ G_{\mathrm{s}}=\left(\frac{\Delta}{\gamma} \frac{H_{\mathrm{c}}}{L_{\mathrm{E}_{\mathrm{c}}}}-1\right) g_{\mathrm{a}}+\frac{\rho C_{\mathrm{p}}}{\gamma} \frac{V_{\mathrm{PD}}}{L_{\mathrm{E}_{\mathrm{c}}}} 。$ | (2) |
式中:Gs为冠层导度,mm/s;Δ为饱和水汽压随空气温度变化的斜率,Δ=0.067 kPa/K;γ为干湿表常数,r=0.067 kPa/K;Hc为校正显热通量,W/m2;LEc为校正潜热通量,W/m2;ga为空气动力学导度,m/s,在原文[7]中已有描述;ρ为空气密度,ρ=1.2 kg/m3;Cp为空气的定压比热,Cp=1 005 J/(kg·K);VPD为饱和水汽压差,kPa。
2.2.3 能量闭合为证明研究数据的可靠性,通常要使用能量闭合法。本研究首先对通量观测塔获取的原始数据通过线性回归方程进行能量闭合分析处理,具体公式[7]为
$ H+L_{\mathrm{E}}=k\left(R_{\mathrm{n}}-G\right)+b{。} $ | (3) |
式中:LE为潜热通量,W/m2;k的值为H+LE和Rn-G的拟合程度,在能量闭合方程中,k与1的相近程度表示能量闭合程度;Rn为净辐射,W/m2;G为土壤热通量,W/m2;b为截距可以表示储存在空气层中的显热储存和潜热储存通量。
2.3 数据处理1) 软件处理。本次研究采用Eddy Pro V 7.0.6软件对数据采集器计算获得的30 min平均值数据进行处理;MATLAB R 2018b (9.5.0)将数据转换处理为各月半小时均值、全年逐日均值、全年逐月均值;使用EXCEL 2018和Origin 2021对数据进行汇总并得出拟合方程及变化趋势图;使用SPSS进行线性回归分析。
2) 野点剔除。野点是某一段时间内突发的大的瞬时噪音。野点对方差和协方差值有显著影响,这会给通量计算带来误差。一般认为在30 min时间序列内,野点数若>100,则应删除这段时间序列的数据。
3) 摩擦风速修正。摩擦风速目前被视为判别低混合周期和良好混合周期的标准,通过确定摩擦风速临界值并剔除临界值以下的数据来舍弃低混合期数据,这种判别方法通常被称为“u*修正”。本研究按照该地区已有的研究[8],选取0.2 m/s为u*临界值,将u*<0.2 m/s的夜间通量数据进行u*修正剔除。
4) 异常值剔除。通量塔获得的数据中因各种原因导致数据错误,超过阈值4倍的以上的划分为异常值,使用Papale等[9]研究中异常值剔除的方法,或计算系统根据需要对这部分异常值的数据进行剔除。
5) 数据矫正。通量塔仪器因风或地形而导致倾斜的情况不可避免。为保证数据的可靠性,需进行倾斜校正。本次研究中,连续观测的时间较长,研究区地形不平整,二次坐标旋转和三次坐标旋转不能完全满足下垫面对垂直风速的需求。因此本次研究选择平面拟合法进行坐标校正。平面拟合方法被认为更适合复杂或倾斜的地形,以及平均垂直风分量或横向应力实际上可能不为零时的校正;湍流运动过程中,CO2摩尔密度因水热条件改变会发生很大变化,由此产生的异常需要WPL空气密度效应校正的方法来解决[10];对于风速测量中空气湿度的影响通过虚温校正解决。
6) 数据插补。在实际监测过程中,通量塔各仪器会因机器本身故障或者气象异常的情况而发生监测数据缺失的问题。在研究中需要对这一部分缺失的数据进行合理的插补。一般来说,短时间内(2 h内)的缺失采用线性内插法插补,较长时间(2 h外)的缺失采用非线性回归法插补。
3 结果和分析 3.1 能量闭合结果对通量塔数据进行处理,将得到的各通量全年日序均值汇总并置于线性回归方程中。如图 2显示,缙云山针阔混交林生态系统能量闭合率约为0.74,属于山区林地使用涡度相关法研究的合理能量闭合范围内(0.70~0.90)[11],缺失闭合仅为0.26。故研究区能量闭合率良好,原始监测数据可靠。
将通量塔观测的针阔叶混交林2020年全年获取的数据处理后得出水热通量各月日尺度30 min平均值,再将四季节数据分别汇总平均得到不同季节的日尺度变化趋势(图 3)。从日尺度来看,水热通量在1 d中基本符合单峰趋势变化,1 d中各通量基本在夜间处于稳定低值状态基本接近于零,07:30开始上升,19:00开始回落,13:00—13:30达到峰值。从季节尺度来看,水热通量峰值数值(净辐射Rn为例)顺序为:夏季(396.532 W/m2)>春季(388.972 W/m2)>秋季(169.353 W/m2)>冬季(163.749 W/m2)。其中夏季潜热辐射数据较以往研究中的变化特征,呈现特殊的偏高情况。这可能是因为夏季雾天比例明显增多,雾气和湿度情况对潜热通量施加了一定的影响。
图 4为缙云山针阔混交林的各种环境因子的全年日序变化趋势。其中如图 4a所示,空气温度Ta全年呈现多峰变化趋势,8月温度最高,最高值于8月5日到达16.05 ℃,此外在其他时间点(如2月13日、3月19日、5月3日、10月12日、11月10日)呈现出温度多峰趋势;对饱和水气压差VPD来说,全年基本呈现单峰变化趋势,4月值呈现较低水平,8月值较高。本次研究发现,如图 4b所示,相对湿度RH全年除8月稍有下降外保持较高水平,年平均86.05%,研究区RH>90%的时间占48.90%,>95%的时间占37.70%,8月水平偏低。这与降水量在相应时段的低值有较大相关。风速WS方面,全年维持在3 m/s左右,等级为轻风级。全年RH及WS的特征决定缙云山针阔混交林雾天情况频发。叶面积指数在生长季(4—10月)每月测量3次求月均值代表该月的平均水平,叶面积指数的变化如图 4c所示,在生长季呈单峰变化趋势,4—8月逐月增长,8—10月逐月降低,8月峰值达到3.31 m2/m2。降水量的分析在本研究采取每日降水求和再日序排列的处理方式。从图 4d可以看出降水量基本呈现单峰变化趋势,1—3月降水稀缺,4月开始降水逐渐增多,6—7月达到全年峰值61.976~77.978 mm,8月降水量稀缺研究区较干旱,符合气温和饱和水汽压差8月呈现较高水平的现象;研究区冠层导度Gs的变化如图 4e所示,1—6月初呈现下降趋势,从1月平均3.028 mm/s下降到6月初的0.831 mm/s后开始快速上涨,于7中旬达到最大值6.189 mm/s,经历8月低谷期后逐渐回落到初始水平,年平均Gs为2.468 mm/s。
在RH和雾气的关系中,RH>90%这一临界值已被广泛用于定义雾天情况并区分雾霾和轻雾。该生态系统雾天情况全年比例48.9%,且整体相对湿度偏高。本研究针对雾气与显热通量的关系展开分析,使用2020年显热通量的日序数据在雾天和非雾天情况下的分布制图(图 5a)。结果表明,非雾天情况下显热通量基本大于雾天情况,但在4月中旬—5月中旬的雾天情况下也表现出了高水平的显热通量特征。这一现象可能与相应时段空气温度出现的峰值现象相关。
对于显热通量的主要环境驱动因子的研究,参考王凯[12]使用的增强回归树方法(BRT)的数据,分别在雾天与非雾天情况下进行计算分析显热通量中环境因子的相对贡献率(图 5b)。结果显示,雾天和非雾天的显热通量H主要受到Rn的影响。雾天环境下,H受到VPD和土壤温度Tsoil的次要影响;非雾天环境下,H受到VPD和WS的次要影响。
潜热通量的主要环境驱动因子方面,笔者提取2020年研究区针阔混交林水热通量及环境因子变化的日序平均值,使用线性回归的方法分析,其中标准化系数的绝对值大小代表自变量对因变量的显著影响程度,最终结果如下:对于降水量Pr和风速WS,没有发现二者与潜热通量存在显著关系,研究区内相对湿度常年保持高水平使降水量Pr对于植物水分平衡的影响降低,WS在常年保持低风水平也对于研究区影响较小;其他环境因子Rn、Gs、Ta和VPD均对潜热通量LE产生显著影响,且按其分别的标准化系数的绝对值排序,可以得出以上各因子对LE的影响程度从大到小依次为Rn(0.402)>Gs(-0.318)>Ta (0.258)>VPD(0.182)。因此,除净辐射对潜热通量的直接影响外,在众多环境要素中,植物的影响最大,植物水分平衡的调节机制即冠层导度的变化显著地影响着潜热通量(标准化系数为-0.318)。
在Gs与LE的关系方面,对二者的全年各月均值汇总分析制图(图 6),1—5月Gs呈现下降趋势从平均3.028 mm/s下降到平均1.547 mm/s,5—7月迅速升高至平均3.707 mm/s,随后逐步下降至12月的2.662 mm/s。值得注意的是Gs于8月还出现明显低谷情况,结合Ta、VPD和Pr的全年变化趋势(图 4a,b和d)来看,8月的持续高温使饱和水气压差维持较高水平,加以8月的降水稀少导致了研究区树种根系的水分吸收无法满足蒸腾需要,植物通过降低冠层导度的方式来缓解水分运输的压力[13];1—5月LE从22.142 W/m2增长至95.289 W/m2,在7月经历一个谷值61.489 W/m2后从8月的99.203 W/m2逐渐下降至15.450 W/m2。对于LE的变化,从(图 6)可以发现Gs与LE的变化呈现负相关关系。原因是Rn随季节更替而增大导致LE在1—5月的上涨,但也使VPD持续增长,植物为维持体内水分运输而降低了Gs,这段时间Gs的受限因子主要为VPD。7月的持续高水平降水量由于抑制了植物的蒸发散使LE在7月出现低谷,但是降水导致的高湿度环境又迫使植物增大Gs来维持水分平衡。8—12月LE随Rn的变化降低,同时段VPD也基本呈现降低趋势,植物为维持体内水分运输而增大Gs。
本研究中,各水热通量在日尺度上的变化基本均呈单峰趋势分布,夜间均处于零值及以下,春夏季夜间的蒸发量致使LE出现小范围正值,一天中基本呈现单峰变化趋势,于13:00—14:00之间达到最大值。这一趋势秋冬季相对于春夏季存在滞后现象。日变化趋势和滞后现象与王维真等[14]在黑河流域3大观测站得出的结果一致;从各季节特征横向对比来看,各季节通量水平(除H外)夏季>春季>秋季>冬季,和其他研究中通量的四季差异变现一致,但H的变化趋势存在差异;对于水热通量的大小关系,可以将不同环境下的研究对比分析,朱永泰等[15]于西北荒漠绿洲中的观测显示,LE始终是水热通量中大小次于Rn的因子,而本研究发现缙云山针阔混交林春季和冬季H>LE。笔者分析认为这是由叶面积指数的差异所导致的,西北荒漠中绿洲表现出了较强的环境异质性,周围非绿化地区存在的高温对绿洲内部的蒸发散起到促进作用,进而使LE始终占据水热通量主流,即“绿洲效应”或近似原因[14]。而在本研究区上述的“环境异质性”很小,且春季对比夏季以及冬季对比秋季,叶面积指数越小,下垫面与大气间的直接热量传输受植物的影响越小,导致LE的所占能量的相对低值;笔者发现Ta和VPD呈现多峰变化趋势,这与窦军霞等[16]在热带季雨林中的研究结果一致。窦军霞等[16]认为Pr和Ta的不规则分布导致VPD的多峰变化。针对缙云山针阔混交林,本研究在这一观点上进行补充,生长季LAI的变化也是两因子多峰变化的原因之一;Pr受限于小地区气象条件,但基本符合研究基本规律,即降水集中于7、8月,但在4月初左右与入秋9、10月也有小范围增加,与落叶阔叶林地区[7],热带季雨林地区[16]的降水分布情况类似;LAI是植物生长的重要指标,随生长季植物的生长而增大,本研究中出现的生长季LAI单峰变化符合规律,也与其他研究[15]的变化趋势一致。
4.2 水热通量与环境因子关系研究区RH全年保持较高水平,雾天占全年的48.90%,显热通量在非雾天下明显大于雾天。Ye等[17]在天津进行雾层研究中发现,H在雾层下明显减少,这与本研究观测结果吻合。Ye等[17]认为雾气湍流结构和输移会对显热通量产生影响,雾气中的水分会吸收土壤的能量使土壤的热量主要流向潜热通量,造成显热通量分配的能量较少。但在4月中旬—5月中旬的雾天情况下也表现出了高水平的显热通量特征。对于这一现象,结合空气温度的日序变化,发现相应时段空气温度出现的峰值现象与之相关。高气温导致了大气与下垫面之间湍流形式的热流显著增加而使显热通量上涨。关于水热通量在雾天与非雾天的影响因子,Ye等[17]的雾层研究中,得出了雾天水蒸气对H和LE均产生一定影响的结论。李鑫豪等[7]在北京落叶阔叶林的研究中得出,日尺度上水热通量与VPD间有显著的小波相关(WTC)结果和较短的滞后时间,其次受Gs的控制以及季节尺度上光合有效辐射(PAR)是水热通量的主要调控因子的结论,又因北京松山气温低,湿度高,雾天情况频发,因此,京津冀地区雾天水热通量的影响因子主要是VPD、Gs和PAR。本研究中缙云山环境因子对H的相对贡献率分析中发现雾天H主要受到Rn的影响,和VPD和Tsoil的次要影响,非雾天H主要受到Rn的影响和VPD和WS的次要影响。关于2种研究中Gs的差异,与降水量(松山平均年降水450 mm,缙云山平均年降水1 611.8 mm)有关,降水量低会导致植物Gs降低来维持水分平衡,这使Gs在京津冀成为水热通量的一个限制因素。
1—6月初研究区Gs呈现下降趋势,从1月平均3.028 mm/s下降到6月初的0.831 mm/s后开始快速上升于7月中旬达到最大值6.189 mm/s, 经历8月低谷期后逐渐回落到初始水平,年平均Gs为2.469 mm/s。本研究Gs变化特征与李峥等[13]对杨树冠层导度特征的研究中所取得的Gs在生长季内呈缓慢下降趋势结果不一致;因此,不同光照和水分条件下,植物冠层导度的变化会受很大影响。Quentin等[18]对桉树的研究中发现的9月—翌年4月,Gs呈逐渐下降趋势的现象与本研究基本吻合。这表明即使在不同生态系统和气候区,树木在生理生态学方面具有相同特征。关于影响Gs变化的影响因子,Pataki等[19]提出Gs变化的影响因子有Rn和VPD(驱动Gs变化的主要因子)以及Ta、VWC、Pr的观点;其他许多Gs研究中还得出过Gs与光合有效辐射呈线性正相关的观点。因此,可以验证前面3.3中关于Gs的多种影响因子(Rn、VPD、Ta、VWC、Pr等)的分析正确。缙云山针阔混交林环境因子对水热通量的相关性分析中,Rn、Gs、Ta、VPD均对LE产生了显著影响,没有发现Pr和WS与潜热通量存在显著关系。这与朱永泰等[15]的研究中LE的影响因子结论一致,但与刘凤山等[20]研究中关于不同降水条件植被对农田和草地能量平衡的影响所得出的Pr对H和LE产生显著影响的结论不一致。这与降水量相关。与缙云山丰富的降水量相比,该地区降水稀少,才使Pr成为一大限制因素。
5 结论1) 缙云山针阔混交林生态系统水热通量在日尺度上基本呈现单峰变化趋势。夜间除LE外趋于零值,随太阳的升降而上涨回落,于13:00—14:00达到最大值。在季节尺度上除H因LAI变化所导致的下垫面与大气间的直接热量传输不稳定以及频发的雾气天气对于水热通量的影响而呈现多峰分布外,均呈现因太阳高度角变化导致净辐射差异造成的夏季>春季>秋季>冬季的现象。环境因子中全年降水的不规则分布及生长季LAI的变化导致Ta和VPD呈现多峰变化趋势;Pr集中于一年的4月,7、8月,9、10月;LAI在生长季(4—10月)呈现单峰变化。
2) 缙云山针阔混交林H在非雾天情况下显著大于雾天情况,较高的空气温度会导致H上涨;H主要受到Rn的影响;雾天环境下,H受到VPD和Tsoil的次要影响,非雾天环境下,H受到VPD和WS的次要影响;Pr、WS与H不存在显著关系。Rn、Gs、Ta、VPD之间没有明显线性关系,均对LE产生了显著影响,对LE的影响程度从大到小依次为Rn>Gs>Ta>VPD。除净辐射对潜热通量的直接影响外,在众多环境要素中,植物水分平衡的调节机制的影响最大。
3) Gs受多种因素(Rn、VPD、Ta、VWC、Pr等)共同影响而表现出多维度的复杂变化特征,其中Rn、VPD因子最为关键。研究Gs的变化时应综合考虑多种因素,尤其是光照和水分条件且按不同地区生态系统环境因子对Gs影响程度的大小依次分析。
[1] |
WILSON K B, BALDOCCHI D D, AUBINET M, et al. Energy partitioning between latent and sensible heat flux during the warm season at FLUXNET sites[J]. Water Resources Research, 2002, 38(12): 30. |
[2] |
马虹, 陈亚宁, 李卫红. 陆地生态系统CO2与水热通量的研究进展[J]. 新疆环境保护, 2012, 34(2): 1. MA Hong, CHEN Yaning, LI Weihong. The research progress on CO2, water and heat fluxes of the terrestrial ecosystem[J]. Environmental Protection of Xinjiang, 2012, 34(2): 1. |
[3] |
STULL R B. An introduction to boundary layer meteorology[M]. Berlin, Germany: Springer Science & Business Media, Berlin, 1988: 88.
|
[4] |
沈艳, 刘允芬, 王堰. 应用涡动相关法计算水热、CO2通量的国内外进展概况[J]. 大气科学学报, 2005, 28(4): 559. SHEN Yan, LIU Yunfen, WANG Yan. Advances in applying the eddy-covariance technique to calculate heat moisture and CO2 flux[J]. Transactions of Atmospheric Sciences, 2005, 28(4): 559. |
[5] |
PASTORELLO G, TROTTA C, CANFORA E, et al. The FLUXNET2015 dataset and the ONEFlux processing pipeline for eddy covariance data[J]. Scientific Data, 2020, 7(1): 225. DOI:10.1038/s41597-020-0534-3 |
[6] |
宋霞, 刘允芬, 徐小锋, 等. 红壤丘陵区人工林冬春时段碳、水、热通量的观测与分析[J]. 资源科学, 2004(3): 96. SONG Xia, LIU Yunfen, XU Xiaofeng, et al. Comparison study on carbon dioxide, water and heat fulxes of the forest ecosystem in red earth hilly zone over winter and spring[J]. Resources Science, 2004(3): 96. |
[7] |
李鑫豪, 田文东, 李润东, 等. 北京松山落叶阔叶林生态系统水热通量对环境因子的响应[J]. 植物生态学报, 2021, 45(11): 1191. LI Xinhao, TIAN Wendong, LI Rundong, et al. Responses of water vapor and heat fluxes to environmental factors in a deciduous broad-leaved forest ecosystem in Beijing[J]. Chinese Journal of Plant Ecology, 2021, 45(11): 1191. |
[8] |
王倩, 王云琦, 马超, 等. 缙云山针阔混交林碳通量变化特征及影响因子研究[J]. 长江流域资源与环境, 2019, 28(3): 565. WANG Qian, WANG Yunqi, MA Chao, et al. Characteristics of carbon fluxes and their response to environmental factors in ecosystems of mixed coniferous and broad-leaved forests in Jinyun Mountain[J]. Resources and Environment in the Yangtze Basin, 2019, 28(3): 565. |
[9] |
PAPALE D, REICHSTEIN M, AUBINET M, et al. Towards a standardized processing of net ecosystem exchange measured with eddy covariance technique: Algorithms and uncertainty estimation[J]. Biogeosciences, 2006, 3(4): 571. DOI:10.5194/bg-3-571-2006 |
[10] |
WEBB E K, PEARMAN G I, LEUNING R. Correction of flux measurements for density effects due to heat and water vapour transfer[J]. Quarterly Journal of the Royal Meteorological Society, 1980, 106(47): 85. |
[11] |
WILSON K, GOLDSTEIN A, FALGE E, et al. Energy balance closure at FLUXNET sites[J]. Agricultural and Forest Meteorology, 2002, 113(1/4): 223. |
[12] |
王凯. 重庆缙云山针阔混交林碳水通量变化规律研究[D]. 北京: 北京林业大学, 2022: 36. WANG Kai. Study on carbon and water flux of coniferous and broad-leaved mixed forest in Jinyun Mountain, Chongqing[D]. Beijing: Beijing Forestry University, 2022: 36. |
[13] |
李峥, 牛丽华, 袁凤辉, 等. 辽西农林复合系统中杨树冠层导度特征[J]. 应用生态学报, 2012, 23(11): 2975. LI Zheng, NIU Lihua, YUAN Fenghui, et al. Canopy conductance characteristics of poplar in agroforestry system in west Liaoning province of Northeast China[J]. Chinese Journal of Applied Ecology, 2012, 23(11): 2975. |
[14] |
王维真, 徐自为, 刘绍民, 等. 黑河流域不同下垫面水热通量特征分析[J]. 地球科学进展, 2009, 24(7): 714. WANG Weizhen, XU Ziwei, LIU Shaomin, et al. The characteristics of heat and moisture fluxes over different surfaces in the Heihe River Basin[J]. Advances in Earth Science, 2009, 24(7): 714. |
[15] |
朱永泰, 陈惠玲, 徐聪, 等. 西北干旱荒漠绿洲区葡萄园水热通量特征及其主要影响因素[J/OL]. 广西植物, 2023, 43(5): 900. ZHU Yongtai, CHEN Huiling, XU Cong, et al. Characteristics and influencing factors of water and heat fluxes over an vineyard in arid desert oasis region in the Northwest China[J/OL]. GUIHAIA, 2023, 43(5): 900. |
[16] |
窦军霞, 张一平, 于贵瑞, 等. 西双版纳热带季节雨林水热通量[J]. 生态学报, 2007, 27(8): 3099. DOU Junxia, ZHANG Yiping, YU Guirui, et al. Inter-annual and seasonal variations of energy and water vapour fluxes above a tropical seasonal rain forest in Xishuangbanna, SW China[J]. Acta Ecologica Sinica, 2007, 27(8): 3099. |
[17] |
YE Xinxin, WU Bingui, ZHANG Hongsheng. The turbulent structure and transport in fog layers observed over the Tianjin area[J]. Atmospheric Research, 2015(153): 217. |
[18] |
QUENTIN A G, O'GRADY A P, BEADLE C L, et al. Responses of transpiration and canopy conductance to partial defoliation of Eucalyptus globulus trees[J]. Agricultural and Forest Meteorology, 2011, 151(3): 356. DOI:10.1016/j.agrformet.2010.11.008 |
[19] |
PATAKI D E, OREN R, KATUL G, et al. Canopy conductance of Pinus taeda, Liquidambar styraciflua and Quercus phellos under varying atmospheric and soil water conditions[J]. Tree Physiology, 1998, 18(5): 307. DOI:10.1093/treephys/18.5.307 |
[20] |
刘凤山, 陶福禄, 肖登攀, 等. 土地覆被变化过程中叶面积指数与降水量对地表能量平衡的贡献: 基于SiB2的模拟结果[J]. 地理研究, 2014, 33(7): 1264. LIU Fengshan, TAO Fulu, XIAO Dengpan, et al. The contributions of leaf area index and precipitation to surface energy balance in the process of land cover change[J]. Geographical Research, 2014, 33(7): 1264. |