高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

北京城市森林生态系统能量分配的季节动态研究

崔万晶 侯巍 杨睿智 赵云杰

崔万晶, 侯巍, 杨睿智, 赵云杰. 北京城市森林生态系统能量分配的季节动态研究[J]. 北京林业大学学报, 2021, 43(1): 27-36. doi: 10.12171/j.1000-1522.20190392
引用本文: 崔万晶, 侯巍, 杨睿智, 赵云杰. 北京城市森林生态系统能量分配的季节动态研究[J]. 北京林业大学学报, 2021, 43(1): 27-36. doi: 10.12171/j.1000-1522.20190392
Cui Wanjing, Hou Wei, Yang Ruizhi, Zhao Yunjie. Seasonal dynamics of energy distribution in urban forest ecosystem of Beijing[J]. Journal of Beijing Forestry University, 2021, 43(1): 27-36. doi: 10.12171/j.1000-1522.20190392
Citation: Cui Wanjing, Hou Wei, Yang Ruizhi, Zhao Yunjie. Seasonal dynamics of energy distribution in urban forest ecosystem of Beijing[J]. Journal of Beijing Forestry University, 2021, 43(1): 27-36. doi: 10.12171/j.1000-1522.20190392

北京城市森林生态系统能量分配的季节动态研究

doi: 10.12171/j.1000-1522.20190392
基金项目: 国家自然科学基金项目(31670710、31670708)
详细信息
    作者简介:

    崔万晶,高级工程师。主要研究方向:水土保持。Email:cuiwanjing@163.com 地址:100083 北京市海淀区学院路5号768创意园

    通讯作者:

    赵云杰,高级实验师。主要研究方向:水土保持。Email:lfycw8@163.com 地址:100083 北京市海淀区学清路35号北京林业大学水土保持学院

Seasonal dynamics of energy distribution in urban forest ecosystem of Beijing

  • 摘要:   目的  森林是陆地生态系统的主要组成部分,对全球碳水循环和能量交换过程有重大影响,然而对城市森林生态系统能量交换过程的了解仍很有限,本文在北方城市森林开展生态系统水热通量的机理研究,对制定科学合理的人工林水分管理策略具有重要意义。  方法  本研究利用涡度协方差观测法,探讨了2018年北京奥林匹克森林公园各表面能量组分的日变化和季节变化,以及控制能量分配的主要生物物理因子。  结果  全年日均净辐射通量(Rn)为133 W/m2,日均感热通量(H)为23.6 W/m2,日均潜热通量(LE)为26.9 W/m2。波文比(β = H/LE)为0.88。在非生长季,感热通量大于潜热通量,在生长季开始,潜热通量逐渐超过感热通量,占据主导地位。Priestley-Taylor系数(α系数)、冠层导度(gs)和解耦系数(Ω)都与土壤含水量(VWC)和归一化植被指数(NDVI)呈正相关的关系,与饱和水汽压差(VPD)则呈现先上升后下降的关系。β与VWC、VPD和NDVI都呈现负相关的关系。VWC和VPD通过影响冠层导度,控制潜热通量及能量分配。  结论  本研究结果表明:干旱条件能显著降低生态系统冠层导度,从而降低潜热通量,影响能量分配。此外,为提高潜热通量比例,最大化城市绿地的降温功能及其价值,在冠层构建期和生长季干旱期进行一定程度的灌溉是一项合理的用水管理措施。
  • 图  1  研究区环境因子的日均变化(2018)

    Ta_Avg. 日均温度;Ta_max. 最高温度;Ta_min. 最低温度;Rs. 日均短波辐射;VPD. 饱和水汽压差;VWC. 土壤体积含水量;P. 降雨量;NDVI. 归一化植被指数;Albedo. 反照率的季节动态。下同。Ta_Avg, daily mean air temperature; Ta_max, daily maximum temperature; Ta_min, daily minimum temperature; Rs, shortwave global solar radiation; VPD, vapor pressure deficit; P, daily precipitation; VWC, soil volumetric water content; NDVI, normalized difference vegetation index; Albedo, daily mean albedo. The same below.

    Figure  1.  Average daily changing patterns of environmental factors in 2018 in the study area

    图  2  研究区日均冠层导度(gs)、解耦系数(Ω)、Priestley-Taylor系数(α)的季节动态(2018)

    Figure  2.  Seasonal patterns of mean daily surface conductance (gs), mean daily decoupling coefficient (Ω) and mean daily daytime Priestley-Taylor coefficient (α) in 2018 in the study area

    图  3  研究区日均净辐射(Rn)、土壤热通量(G)、感热通量(H)和潜热通量(LE)、波文比(β)的季节动态(2018)

    Figure  3.  Seasonal patterns in daily mean net radiation (Rn), soil heat flux (G), and sensible heat flux (H) andlatent heat flux (LE) and Bowen ratio (β) at the study site in 2018 in the study area

    图  4  研究区生长季(5—10月)能量参数的日动态(2018)

    Figure  4.  Daily dynamics of energy parameters in growing season (May−October) of study area in 2018

    图  5  研究区生长季(5—10月)各环境因子间的关系(2018)

    对于日NDVI、VWC、VPD分别以0.02、0.06和0.10 kPa为间隔求平均值。实线线性和非线性回归表示 P < 0.05。Half-hourly values are bin-averaged for every 0.02, 0.06 and 0.10 kPa-interval of NDVI, VWC and VPD, respectively. Dashed lines are fitted linear and nonlinear relationships (P < 0.05).

    Figure  5.  Relationship between environmental factors during the growing season (May−October) in 2018 in the study area

    图  6  基于半小时尺度数据所得到的2018年北京城市森林生态系统能量闭合状况

    Figure  6.  Energy balance closure of the urban forest ecosystem based on the half-hour scale data of 2018

    图  7  时间尺度为1个月的北京市SPEI序列值(2018)

    Figure  7.  SPEI series in the time scales of 1 month in Beijing in 2018

    表  1  研究区净辐射(Rn)、土壤热通量(G)、感热通量(H)、潜热通量(LE)和波文比(β)的月均值(5—10月)、生长季平均值和年日均值(2018)

    Table  1.   Monthly means (May−October), growing season mean and annual mean of Rn, G, H, LE and β in the study area in 2018

    变量
    Variable
    生长季 Growing season年日均值
    Annual daily mean
    5月 May6月 June7月 July8月 August9月 September10月 October平均值 Mean value
    Rs/(W·m−2) 337.2 362.7 268.9 296.6 341.9 319.5 321.1 293.6
    Rn/(W·m−2) 111.5 141.7 163.2 135.6 132.9 113.1 133.0 88.2
    LE/(W·m−2) 39.4 62.0 55.1 62.5 60.2 24.7 50.7 26.9
    H/(W·m−2) 27.1 23.2 5.9 2.8 17.2 33.9 18.4 23.6
    G/(W·m−2) 3.6 4.8 3.9 1.4 −3.2 −4.4 1.0 −0.9
    β 0.69 0.37 0.11 0.05 0.29 1.38 0.48 0.88
    下载: 导出CSV
  • [1] IPCC. Summary for policymakers[M]//Climate change 2014: impacts, adaptation, and vulnerability. Cambridge: Cambridge University Press, 2014.
    [2] Food and Agricultural Organization of the United Nations (FAO). State of the world’s forests[Z/OL]. [2019−10−11]. http://www.fao.org. 2009.
    [3] 范玉龙, 胡楠, 丁圣彦, 等. 陆地生态系统服务与生物多样性研究进展[J]. 生态学报, 2016, 36(15):4583−4593.

    Fan Y L, Hu N, Ding S Y, et al. Progress in terrestrial ecosystem services and biodiversity[J]. Acta Ecologica Sinica, 2016, 36(15): 4583−4593.
    [4] Teuling A J, Seneviratne S I, Stöckli R, et al. Contrasting response of european forest and grassland energy exchange to heatwaves[J]. Nature Geoscience, 2010, 3(10): 722−727. doi:  10.1038/ngeo950.
    [5] 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/OL]. Water Resources Research, 2002, 38(12): 1294 [2019−10−12]. https://doi.org/10.1029/2001WR000989.
    [6] Keenan T F, Hollinger D Y, Bohrer G, et al. Increase in forest water-use efficiency as atmospheric carbon dioxide concentrations rise[J]. Nature, 2013, 499: 324−327. doi:  10.1038/nature12291.
    [7] 王兵, 刘世荣, 崔向慧, 等. 全球陆地生态系统水热平衡规律研究进展[J]. 世界林业研究, 2002, 15(1):19−28. doi:  10.3969/j.issn.1001-4241.2002.01.003.

    Wang B, Liu S R, Cui X H, et al. Advances in the research on water and heat balance laws of the global terrestrial ecosystem[J]. World Forestry Research, 2002, 15(1): 19−28. doi:  10.3969/j.issn.1001-4241.2002.01.003.
    [8] Wilson K B, Baldocchi D D. Seasonal and interannual variability of energy fluxes over a broadleaved temperate deciduous forest in North America[J]. Agricultural and Forest Meteorology, 2000, 100: 1−18. doi:  10.1016/S0168-1923(99)00088-X.
    [9] Mao J, Fu W, Shi X, et al. Disentangling climatic and anthropogenic controls on global terrestrial evapotranspiration trends[J/OL]. Environmental Research Letters, 2015, 10(9), 094008 [2019−09−13]. https://iopscience.iop.org/article/10.1088/1748-9326/10/9/094008.
    [10] Chen Y, Xue Y, Hu Y, et al. How multiple factors control evapotranspiration in North America evergreen needleleaf forests[J]. Science of the Total Environment, 2018, 622–623: 1217−1224.
    [11] Li Y, Zhou L, Xu Z, et al. Comparison of water vapor, heat and energy exchanges over agricultural and wetland ecosystems[J]. Hydrological Processes, 2009, 23: 2069−2080. doi:  10.1002/hyp.7339.
    [12] 张燕. 北京地区杨树人工林能量平衡和水量平衡[D]. 北京: 北京林业大学, 2010.

    Zhang Y. Energy and water balances of poplar plantation in Beijing[D]. Beijing: Beijing Forestry Univiersity, 2010.
    [13] Li S G, Eugster W, Asanuma J, et al. Energy partitioning and its biophysical controls above a grazing steppe in central Mongolia[J]. Agricultural and Forest Meteorology, 2006, 137: 89−106. doi:  10.1016/j.agrformet.2006.03.010.
    [14] Chen C, Park T, Wang X, et al. China and India lead in greening of the world through land-use management[J]. Nature Sustainability, 2019, 2: 122−129. doi:  10.1038/s41893-019-0220-7.
    [15] 于贵瑞, 孙晓敏. 陆地生态系统通量观测的原理与方法[M]. 北京: 高等教育出版社, 2006.

    Yu G R, Sun X M. Principles and methods of flux observation in terrestrial ecosystem[M]. Beijing: Higher Education Press, 2006.
    [16] Xie J, Zha T S, Zhou C, et al. Seasonal variation in ecosystem water use efficiency in an urban-forest reserve affected by periodic drought[J]. Agricultural and Forest Meteorology, 2016, 221: 142−151. doi:  10.1016/j.agrformet.2016.02.013.
    [17] Burba G. Eddy covariance method for scientific, industrial, agricultural and regulatory applications: a field book on measuring ecosystem gas exchange and areal emission rates[M]. Lincoln: LI-COR Biosciences, 2013.
    [18] Zha T, Li C, Kellomäki S, et al. Controls of evapotranspiration and CO2 fluxes from scots pine by surface conductance and abiotic factors[J/OL]. PLoS ONE, 2013, 8 [2019−09−16]. https://doi.org/10.1371/journal.pone.0069027.
    [19] Monteith J L, Unsworth M H. Principles of environmental physics: plants, animals, and the atmosphere[M]. 4th ed. Amsterdam: Academic Press, 2013.
    [20] Jarvis P G, Mcnaughton K G. Stomatal control of transpiration: scaling up from leaf to region[J]. Advances in Ecological Research, 1986, 15(15): 1−49.
    [21] Priestley C H B, Taylor R J. On the assessment of surface heat flux and evaporation using large- scale parameters[J]. Monthly Weather Review, 1972, 100(2): 81−92. doi:  10.1175/1520-0493(1972)100<0081:OTAOSH>2.3.CO;2.
    [22] Yue P, Zhang Q, Yang Y, et al. Seasonal and inter-annual variability of the Bowen smith ratio over a semi-arid grassland in the Chinese Loess Plateau[J]. Agricultural and Forest Meteorology, 2018, 252: 99−108. doi:  10.1016/j.agrformet.2018.01.006.
    [23] Vicente-Serrano S M, Beguería S, López-Moreno J I. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index[J]. Journal of Climate, 2010, 23(7): 1696−1718. doi:  10.1175/2009JCLI2909.1.
    [24] Thornthwaite C W. An approach toward a rational classification of climate[J]. Geographical Review, 1948, 38: 55−94. doi:  10.2307/210739.
    [25] Wilson K B, Goldstein A, Falge E, et al. Energy balance closure at flux net sites[J]. Agricultural and Forest Meteorology, 2002, 113(1−4): 223−243. doi:  10.1016/S0168-1923(02)00109-0.
    [26] 李正泉, 于贵瑞, 温学发, 等. 中国通量观测网络(China FLUX)能量平衡闭合状况的评价[J]. 中国科学: 地球科学, 2004, 34(增刊 2):46−56.

    Li Z Q, Yu G R, Wen X F, et al. Evaluation of energy balance conditions of ChinaFLUX[J]. Science in China (Series D), 2004, 34(Suppl. 2): 46−56.
    [27] Chen S, Chen J, Lin G, et al. Energy balance and partition in Inner Mongolia steppe ecosystems with different land use types[J]. Agricultural and Forest Meteorology, 2009, 149(11): 1800−1809. doi:  10.1016/j.agrformet.2009.06.009.
    [28] Tang Y, Wen X, Sun X, et al. Interannual variation of the bowen ratio in a subtropical coniferous plantation in southeast China, 2003−2012[J/OL]. PLoS ONE, 2014, 9(2) [2019−06−11]. https://doi.org/10.1371/journal.pone.0088267.
    [29] Ma J Y, Zha T S, Jia X, et al. Energy and water vapor exchange over a young plantation in northern China[J]. Agricultural and Forest Meteorology, 2018, 263: 334−345. doi:  10.1016/j.agrformet.2018.09.004.
    [30] Jia X, Zha T S, Gong J N, et al. Energy partitioning over a semi-arid shrubland in northern China[J]. Hydrological Processes, 2016, 30(6): 972−985. doi:  10.1002/hyp.10685.
    [31] Bracho R, Powell T L, Dore S, et al. Environmental and biological controls on water and energy exchange in Florida scrub oak and pine flatwoods ecosystems[J/OL]. Journal of Geophysical Research: Biogeosciences, 2008, 113: G02004 [2019−05−12]. https://doi.org/10.1029/2007JG000469.
  • [1] 葛韵宇, 辛泊雨, 李雄.  基于生态系统服务功能提升的暖温带半湿润地区城市森林营建研究 . 北京林业大学学报, 2020, 42(1): 127-141. doi: 10.12171/j.1000-1522.20180433
    [2] 魏巍, 王百田, 张克斌.  基于SPEI的中亚地区1901—2015年干旱时空趋势分析 . 北京林业大学学报, 2020, 42(4): 113-121. doi: 10.12171/j.1000-1522.20190055
    [3] 靳川, 查天山, 贾昕, 田赟, 周文君, 杨双宝, 郭子繁.  干旱环境3种荒漠灌木叶绿素荧光参数动态 . 北京林业大学学报, 2020, 42(8): 72-80. doi: 10.12171/j.1000-1522.20190316
    [4] 张勇, 胡晓晴, 李豆, 刘雪梅.  白桦BpSPL8启动子的克隆及异源过表达BpSPL8对拟南芥耐旱性的影响 . 北京林业大学学报, 2019, 41(8): 67-75. doi: 10.13332/j.1000-1522.20190137
    [5] 李双, 苏艳艳, 王厚领, 李惠广, 刘超, 夏新莉, 尹伟伦.  胡杨miR1444b在拟南芥中正调控植物抗旱性 . 北京林业大学学报, 2018, 40(4): 1-9. doi: 10.13332/j.1000-1522.20180043
    [6] 刘家霖, 满秀玲.  生态系统尺度水汽通量分配——以寒温带兴安落叶松林为例 . 北京林业大学学报, 2018, 40(1): 46-56. doi: 10.13332/j.1000-1522.20170202
    [7] 韦惠兰, 祁应军.  森林生态系统服务功能价值评估与分析 . 北京林业大学学报, 2016, 38(2): 74-82. doi: 10.13332/j.1000-1522.20150300
    [8] 韩士杰, 王庆贵.  北方森林生态系统对全球气候变化的响应研究进展 . 北京林业大学学报, 2016, 38(4): 1-20. doi: 10.13332/j.1000-1522.20160046
    [9] 师贺雄, 王兵, 牛香.  基于森林生态连清体系的中国森林生态系统服务特征分析 . 北京林业大学学报, 2016, 38(6): 42-50. doi: 10.13332/j.1000-1522.20150455
    [10] 黄小辉, 冯大兰, 刘芸, 朱恒星, 陈道静, 耿养会.  模拟石漠化异质生境中桑树的生长和叶绿素荧光特性 . 北京林业大学学报, 2016, 38(10): 50-58. doi: 10.13332/j.1000-1522.20150324
    [11] 王丛鹏, 贾伏丽, 刘沙, 刘超, 夏新莉, 尹伟伦.  干旱对欧美杨气孔发育的影响 . 北京林业大学学报, 2016, 38(6): 28-34. doi: 10.13332/j.1000-1522.20160050
    [12] 夏延国, 董芳宇, 吕爽, 王键铭, 井家林, 李景文.  极端干旱区胡杨细根的垂直分布和季节动态 . 北京林业大学学报, 2015, 37(7): 37-44. doi: 10.13332/j.1000-1522.20150082
    [13] 李小梅, 张秋良.  环境因子对兴安落叶松林生态系统CO2通量的影响 . 北京林业大学学报, 2015, 37(8): 31-39. doi: 10.13332/j.1000-1522.20150020
    [14] 韩朝, 董慧, 常智慧.  污泥对干旱条件下高羊茅氮素利用的影响 . 北京林业大学学报, 2014, 36(4): 82-87. doi: 10.13332/j.cnki.jbfu.2014.04.016
    [15] 施征, 史胜青, 张志翔, 高荣孚, 肖文发.  干旱与高盐对梭梭叶绿素荧光特性的影响 . 北京林业大学学报, 2012, 34(3): 20-25.
    [16] 陈明涛, 赵忠.  干旱对4种苗木根系特征及各部分物质分配的影响 . 北京林业大学学报, 2011, 33(1): 16-22.
    [17] 高程达, 孙向阳, 张林, 李志刚, 阿拉塔.  北温带干旱地区土壤剖面CO 2 通量的变化特征 . 北京林业大学学报, 2010, 32(2): 6-13.
    [18] 高程达, 孙向阳, 张林, 李志刚, 阿拉塔, .  北温带干旱地区土壤-大气界面CO2通量的变化特征 . 北京林业大学学报, 2009, 31(6): 32-38.
    [19] 李瑞, 张克斌, 刘云芳, 王百田, 杨晓晖, 侯瑞萍.  西北半干旱区湿地生态系统植物群落空间分布特征研究 . 北京林业大学学报, 2008, 30(1): 6-13.
    [20] 钟健, 史军辉, 姜春宁, 赵广亮, 于格, 李长洪, 张亚利, 王华, 贾彩凤, 王勇, 郭小平, 吕兆林, 张力平, 张春雨, 马履一, 林峰, 许月卿, 杨永福, 曹金珍, 何恒斌, 李笑吟, 李秀芬, 王献溥, 于占源, 何利娟, 赖巧玲, D.PascalKamdem, 尚晓倩, 王希群, 郝玉光, 杨培岭, 赵秀海, 黄忠良, 于顺利, 赵博光, 习宝田, 曾德慧, 李悦, 孙长霞, 毕华兴, 贾桂霞, 朱清科, 郑彩霞, 胥辉, 鲁春霞, 王继兴, 邵晓梅, 王骏, 杨明嘉, 朱教君, 李鸿琦, 郭惠红, 丁琼, 王秀珍, 郑景明, 陈宏伟, 谢高地, 任树梅, 丁琼, 包仁艳, 费孛, 欧阳学军, 王庆礼, 崔小鹏, 姜凤岐, 周金池, 尚宇, 甘敬, 朱金兆, 杨为民, 刘燕, 李黎, 张志2, 张榕, , 沈应柏, 张池, 贾桂霞, 蔡宝军, 何晓青, 刘鑫, 刘足根, , 张中南, 范志平, 贾昆锋, 刘艳, 沈应柏, 唐小明, 陈伏生, 毛志宏, 周金池, 李凤兰, 李林, 纳磊, 张方秋, 鹿振友, 周小勇, , 申世杰, 马玲, 赵琼, .  半干旱区沙质草地生态系统碳循环关键过程对水肥添加的响应 . 北京林业大学学报, 2006, 28(4): 45-50.
  • 加载中
图(7) / 表 (1)
计量
  • 文章访问数:  123
  • HTML全文浏览量:  40
  • PDF下载量:  24
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-14
  • 修回日期:  2020-01-24
  • 网络出版日期:  2021-01-11
  • 刊出日期:  2021-02-05

北京城市森林生态系统能量分配的季节动态研究

doi: 10.12171/j.1000-1522.20190392
    基金项目:  国家自然科学基金项目(31670710、31670708)
    作者简介:

    崔万晶,高级工程师。主要研究方向:水土保持。Email:cuiwanjing@163.com 地址:100083 北京市海淀区学院路5号768创意园

    通讯作者: 赵云杰,高级实验师。主要研究方向:水土保持。Email:lfycw8@163.com 地址:100083 北京市海淀区学清路35号北京林业大学水土保持学院

摘要:   目的  森林是陆地生态系统的主要组成部分,对全球碳水循环和能量交换过程有重大影响,然而对城市森林生态系统能量交换过程的了解仍很有限,本文在北方城市森林开展生态系统水热通量的机理研究,对制定科学合理的人工林水分管理策略具有重要意义。  方法  本研究利用涡度协方差观测法,探讨了2018年北京奥林匹克森林公园各表面能量组分的日变化和季节变化,以及控制能量分配的主要生物物理因子。  结果  全年日均净辐射通量(Rn)为133 W/m2,日均感热通量(H)为23.6 W/m2,日均潜热通量(LE)为26.9 W/m2。波文比(β = H/LE)为0.88。在非生长季,感热通量大于潜热通量,在生长季开始,潜热通量逐渐超过感热通量,占据主导地位。Priestley-Taylor系数(α系数)、冠层导度(gs)和解耦系数(Ω)都与土壤含水量(VWC)和归一化植被指数(NDVI)呈正相关的关系,与饱和水汽压差(VPD)则呈现先上升后下降的关系。β与VWC、VPD和NDVI都呈现负相关的关系。VWC和VPD通过影响冠层导度,控制潜热通量及能量分配。  结论  本研究结果表明:干旱条件能显著降低生态系统冠层导度,从而降低潜热通量,影响能量分配。此外,为提高潜热通量比例,最大化城市绿地的降温功能及其价值,在冠层构建期和生长季干旱期进行一定程度的灌溉是一项合理的用水管理措施。

English Abstract

崔万晶, 侯巍, 杨睿智, 赵云杰. 北京城市森林生态系统能量分配的季节动态研究[J]. 北京林业大学学报, 2021, 43(1): 27-36. doi: 10.12171/j.1000-1522.20190392
引用本文: 崔万晶, 侯巍, 杨睿智, 赵云杰. 北京城市森林生态系统能量分配的季节动态研究[J]. 北京林业大学学报, 2021, 43(1): 27-36. doi: 10.12171/j.1000-1522.20190392
Cui Wanjing, Hou Wei, Yang Ruizhi, Zhao Yunjie. Seasonal dynamics of energy distribution in urban forest ecosystem of Beijing[J]. Journal of Beijing Forestry University, 2021, 43(1): 27-36. doi: 10.12171/j.1000-1522.20190392
Citation: Cui Wanjing, Hou Wei, Yang Ruizhi, Zhao Yunjie. Seasonal dynamics of energy distribution in urban forest ecosystem of Beijing[J]. Journal of Beijing Forestry University, 2021, 43(1): 27-36. doi: 10.12171/j.1000-1522.20190392
  • 全球气候变暖、CO2浓度升高将引发降水格局的变化,造成暴雨、干旱等极端事件频率和强度的增加,进而影响陆地生态系统的结构和功能[1]。森林生态系统占据陆地生态系统面积的30%以上,是陆地生态系统的重要组成部分,对全球碳水循环和能量交换过程有着重大的影响[2-3]。森林生态系统能量分配对气候变化的响应,因其对局部和区域气候的影响而被广泛研究,而气候的变化反过来又影响生态系统的碳和水文循环[4]。不同下垫面条件下感热通量(H)和潜热通量(LE)的分配表现了生态系统的能量交换过程。长时间尺度上,森林生态系统感热通量和潜热通量的分配可能主导当地水文循环,影响气候和天气;在较短时间尺度上,能量的分配则反映了植被生理与大气边界层的相互作用,影响热量,水汽,污染物的运输和扩散[5]。因此,了解森林能量交换的基本特征,仍然是我国北方造林地区生态系统服务评价、水资源管理的中心研究课题,也是正确评价和预测气候变化下区域和全球碳预算的需要[6]

    地表与大气之间的能量交换受环境和生物因素,如土地覆盖特征、气候、植物物候和生理相互作用的影响[7-8],这些变量在控制生态系统能量分配中的相对作用仍然是不确定的[9]。许多研究都致力于了解驱动因素如何在季节尺度上影响生态系统能量分配[10],并且表明在不同的生态系统中,能量和水汽交换差异很大,各驱动因素对能量分配的影响也有明显差异[11]。气候变化、植被生长和土壤是大部分生态系统能量和水汽交换在空间和时间尺度上变异的最主要调控因素[12]。例如,在湿度适中的,北方或高山森林和草甸,辐射和温度控制着春季植被物候和生长,影响蒸腾、表面反照率和表面粗糙度,进而控制能量分配季节性变化。相比之下,干旱和半干旱地区水分条件的时空变异极大地控制着地表生态系统能量交换[13]

    近年来,中国的再造林水平迅速提高,在世界绿化中处于领先地位,人工林占中国林地面积的三分之一[14]。我们研究的人工林生态系统位于城市,其物种搭配主要以华北地区平原植物为主要树种,并结合北京北部的低山植物。因此,在北方城市森林开展生态系统水热通量的机理研究,不仅有利于探讨气候变化条件下中国北方森林生态系统能量分配的响应机制,也将为进一步了解城市绿地蒸腾降温效应和区域环境的关系,对制定科学合理的人工林水分管理策略具有重要意义。

    涡旋协方差技术[15]可以在时间和空间尺度上直接测量通量,被广泛用于研究生态系统尺度的生物和气候学相关变异机制,并能为相关研究模型提供验证数据。本研究的目的为:描述具有代表性的温带城市林分地表能量平衡和相关表面体积参数的季节变化特征;分析探讨控制能量分配和表面体积参数季节性变化的气候和生物因素。

    • 研究场地位于中国北京特大城市北京奥林匹克森林公园(40°01′N、116°23′E)。它是亚洲最大的城市森林公园,面积680 hm2,植被覆盖率约96%。通量塔建于森林保护区,该区域位于公园东北片区中部,致力于生态保护和围垦。为了尽量减少人为干扰,禁止游客进入该地区。地势平坦而均匀。土壤主要为湿壤土,孔隙度为40.3%,pH值为7.8,测得田间持水量为26%,永久萎蔫点为10%。该地区属温带大陆性季风气候。50年(1961—2010年)年平均气温为12.5 ℃,年降水量为592 mm。降水季节分布极不均匀,6—8月降水量占全年降水量的80%。森林保护区(人工林)以油松(Pinus tabuliformis)为主。其他树种包括侧柏(Platycladus orientalis)、槐花(Sophora japonica)。以及白蜡(Fraxinus chinensis)。下层主要由鸢尾(Iris tectorum)和石竹(Dianthus chinensis)组成。2015年林分密度约为210株/hm2,平均树高7.7 m,平均胸径20 cm。乔灌木覆盖度约为7∶3。灌木包括山桃(Prunus davidiana)、榆叶梅(Amygdalus triloba)、红瑞木(Swida alba)和丁香(Syzygium aromaticum),平均高度2.8 m。

    • 采用涡度相关(EC)系统,包括三维超声风速仪(CSAT3A;Campbell Scientific,Inc. Logan,UT,USA(CSI)和近程红外气体分析仪(model EC155;CSI),进行水汽通量的监测,监测仪器安装于冠层上方,距地面12 m高处。收集到的连续的高频数据(10 Hz),每隔30 min自动处理并计算出对应的通量,存储于数据记录仪(CR3000;CSI)中。测量仪器每月定期校正一次。同时测定30 min频率的空气和土壤温度(TaTs,℃)、相对湿度(RH,%)、净辐射(Rn,W/m2)、降水量(P,mm)等微气象要素。其中,空气温湿度传感器(HMP45C),长波和短波辐射传感器(CNR-4,Kipp and Zonen,Delft,the Netherlands)安装高度为12 m。降雨量由安装于观测塔附近的开阔地面的雨量筒(TE-525 MM,Campbell Scientific,Inc,Logan,UT,USA)进行监测。此外,在EC塔附近的10 m范围内,在10 cm深度,利用4个热通量板(HFP01,Campbell Scientific,Inc,Logan,UT,USA)和4套水分(CS-616,Campbell Scientific,Inc,Logan,UT,USA)传感器分别测量土壤热通量(G,W/m2)和土壤体积含水量(VWC,%)。所有水文气象变量观测的数据都存储在一个数据记录仪(CR3000;CSI)中。

    • 为了描述研究区植被冠层构建对环境变化的响应,从地球观测数据网(https://earthdata.nasa.gov)获取通量塔的贡献区内归一化植被指数(NDVI)数据产品(MOD13Q1)。根据之前的相关研究[16],将生长季期间(5—10月)10 cm深处土壤体积含水量低于12.5%的时期定义为干旱期。同时,利用1970—2019年公园附近气象站(39°48′N、116°28′E)的逐月降水量和平均气温资料,引入一个新的干旱指数−标准化降水蒸散指数(SPEI),作为指标进一步对表征气候的干湿状况。

    • 数据前期处理使用EddyPro 4.0.0软件(LI-COR Inc.,USA),包括异常值去除、双坐标旋转、时延校正、频率响应校正、去趋势和通量计算[17]。在湍流能量通量中,没有采用摩擦风速(u*)滤波,因为一些研究认为u*修正可能导致系统性偏差[18]。能量闭合校正调整LE和H也不应用在这里,因为不清楚能量不平衡的原因。2018年,由于仪器故障、系统维护和异常值剔除导致数据缺失占比情况为:LE为4.5%,H为1.8%,Rn为2.7%,G为0.2%。

    • 为了研究城市森林生态系统能量分配的特征,我们引入了4个主要相关参数,主要包括冠层导度(gs)、解耦系数(Ω)、Priestley-Taylor系数(α)和波文比(β)。

      (1)冠层导度(gs

      在下垫面干燥的情况下,参数gs的值反映了植被气孔对蒸散发的调控,由转换的Penman-Monteith公式计算而来[19],半小时时间尺度的计算公式如下:

      $${g_{\rm{s}}} = \frac{{\gamma {\rm{LE}}{g_{\rm{a}}}}}{{\varDelta \left( {{R_{\rm{n}}} - G} \right) + \rho {C_{\rm{p}}}{\rm{VPD}}{g_{\rm{a}}} - \lambda E\left( {\varDelta + \gamma } \right)}}$$ (1)

      式中:γ为干湿表常数(kPa/K),$\varDelta $为温度饱和水汽压斜率(kPa/K),ρ为空气密度(1.2 kg/m3),Cp为空气的定压比热(J/(kg·K)),LE为潜热通量(W/m2),Rn为净辐射(W/m2),G为土壤热通量(W/m2),VPD为饱和水汽压差(kPa),λ 为水汽化潜热(kJ/kg),ga为空气动力学导度(mm/s),ga的计算公式为:

      $${g_{\rm{a}}} = {\left(\frac{u}{{{u_{^ * }}^2}} + 6.2{u_{^ * }}^{ - 0.67}\right)^{ - 1}}$$ (2)

      式中:u为风速(mm/s),u*为摩擦速率(mm/s)。

      (2)解耦系数(Ω

      解耦系数是分析植被与冠层以上大气间边界层空气动力耦合程度的关键指标。解耦系数的值位于0 ~ 1之间,Ω接近于0时,表示植被冠层和大气边界层完全耦合,冠层导度和大气饱和水汽压差是潜热通量的主要控制因子;Ω接近于1时,表示植被冠层和大气边界层之间完全解耦,净辐射是潜热通量的主要控制。解耦系数的计算公式[20]为:

      $$\varOmega = \frac{{\varDelta + \gamma }}{{\varDelta + \gamma \left( {1 + \dfrac{{{{g}_{\rm{a}}}}}{{{g_{\rm{s}}}}}} \right)}}$$ (3)

      (3)Priestley-Taylor系数(α

      Priestley-Taylor系数(α)为实测潜热通量(LE)和平衡时的潜热通量之间的比值。当α < 1时表示大气表面干燥,水分条件限制生态系统潜热通量;当α > 1时表示大气表面湿润,可利用的能量限制生态系统潜热通量。解耦系数的计算公式[21]为:

      $$\alpha = \frac{{\varDelta + \gamma }}{\varDelta } \cdot \frac{{\lambda E}}{{({R_{\rm{n}}} - G)}}$$ (4)

      (4)波文比(β

      波文比(β)通常被用于描述下垫面条件对能量的分配的影响[22]。波文比的计算公式为:

      $$ \beta = H/{\rm{LE}} $$ (5)

      式中:H为潜热通量(W/m2)。

    • 标准化降水蒸散指数的计算程序软件来自西班牙CSIC机构(http://digital.csic.es/[23]。本研究通过调用R包中的“SPEI”包进行SPEI的计算。其中,潜在蒸散发量(PET)是计算SPEI干旱指数的关键变量。本数据集采用Thornthwaite方法[24]计算PET。

    • 采用分段平均、线性和非线性回归法,分析生物和非生物因子对生态系统能量分配季节变异的调控机制。针对不同的影响因子分段方式为:半小时时间尺度上的归一化植被指数、土壤体积含水量、饱和水汽压差分别以0.02、0.06、0.10 kPa为间隔对波文比、α系数、冠层导度和解耦系数求平均值。数据处理与分析使用软件Matlab(The MathWorks,Natick,MA,USA)和R语言。

    • 图1描述了2018年主要环境因子的季节变异情况。日均空气温度呈现单峰型的变异趋势。最低温度出现在冬季,为−13.1 ℃,最高温度出现在夏季约38.9 ℃,年平均温度为13.2 ℃。日均短波辐射(Rs)呈现出双峰型的变异趋势,从1月份的200 W/m2上升到5月的530 W/m2,随着7月份雨季的到来,呈现下降的趋势,随后上升,于8月底达到另一个峰值。VPD呈现单峰型趋势,在5、6月份达到最大值。年降雨总量为426 mm,比多年平均降雨量低166 mm。10 cm土壤含水量随降雨变化而变化。伴随着早春土壤的解冻和7月雨季的来临,土壤含水量呈现突然上升趋势,在生长季中期达到最大值。植被冠层发育与太阳辐射同步,NDVI生长季初期开始逐渐上升,在生长季中期达到最大值,随后开始降低直到生长季结束。反照率的变化则基本与NDVI相反,在生长中期处于较低水平。

      图  1  研究区环境因子的日均变化(2018)

      Figure 1.  Average daily changing patterns of environmental factors in 2018 in the study area

    • 图2显示了体积表面参数的季节变化特征。α系数、冠层导度gs和解耦系数Ω变化特征都为双峰型的变化。冬季各参数的日均值都接近于0,随后逐渐上升,在6月份有一段下降的趋势。6—9月份又呈上升的趋势,于9月初达到最大值。之后,随着生长季的结束逐渐降低趋近于0。

      图  2  研究区日均冠层导度(gs)、解耦系数(Ω)、Priestley-Taylor系数(α)的季节动态(2018)

      Figure 2.  Seasonal patterns of mean daily surface conductance (gs), mean daily decoupling coefficient (Ω) and mean daily daytime Priestley-Taylor coefficient (α) in 2018 in the study area

    • 图3显示了2018年研究站点净辐射、感热通量、潜热通量和土壤热通量4个主要的能量组分的季节变化特征。伴随着太阳短波辐射的变异,日均净辐射在生长季中期达到最大值289.2 W/m2。日潜热通量LE呈现出双峰型趋势,在冬季趋近于0,春季伴随着土壤的解冻和植被生长逐渐增加,但在6月份出现突然降低的趋势。随后伴随着雨季的来临,恢复到较高的水平并在7月底达到最大值128.8 W/m2。在9月份后,随着生长季的结束,日潜热通量LE降低到较低的水平。日感热通量H显示为双峰型的季节变化模式,最大值出现在春季约为82.4 W/m2,在夏季降到较低的水平,随后在秋季有一定程度的上升,并保持在一定水平上,之后,伴随着冬季太阳辐射的下降而降低。土壤热通量显示为单峰型的季节变化模式,在冬季为负值,随后逐渐上升,在春季达到最大值约为11.1 W/m2表1定量描述了各能量通量生长季月变化特征。可以看出日均潜热通量在8月份达到最大值62.5 W/m2,同时日均感热通量在8月达到最小值2.8 W/m2

      表 1  研究区净辐射(Rn)、土壤热通量(G)、感热通量(H)、潜热通量(LE)和波文比(β)的月均值(5—10月)、生长季平均值和年日均值(2018)

      Table 1.  Monthly means (May−October), growing season mean and annual mean of Rn, G, H, LE and β in the study area in 2018

      变量
      Variable
      生长季 Growing season年日均值
      Annual daily mean
      5月 May6月 June7月 July8月 August9月 September10月 October平均值 Mean value
      Rs/(W·m−2) 337.2 362.7 268.9 296.6 341.9 319.5 321.1 293.6
      Rn/(W·m−2) 111.5 141.7 163.2 135.6 132.9 113.1 133.0 88.2
      LE/(W·m−2) 39.4 62.0 55.1 62.5 60.2 24.7 50.7 26.9
      H/(W·m−2) 27.1 23.2 5.9 2.8 17.2 33.9 18.4 23.6
      G/(W·m−2) 3.6 4.8 3.9 1.4 −3.2 −4.4 1.0 −0.9
      β 0.69 0.37 0.11 0.05 0.29 1.38 0.48 0.88

      图  3  研究区日均净辐射(Rn)、土壤热通量(G)、感热通量(H)和潜热通量(LE)、波文比(β)的季节动态(2018)

      Figure 3.  Seasonal patterns in daily mean net radiation (Rn), soil heat flux (G), and sensible heat flux (H) andlatent heat flux (LE) and Bowen ratio (β) at the study site in 2018 in the study area

    • 图4显示了生态系统净辐射(Rn)、感热通量(H)、潜热通量(LE)和土壤热通量(G)的日变化动态。在昼夜时间尺度上,净辐射、感热通量和潜热通量呈现单峰型的模式,日出之后逐渐增加,在正午时分达到峰值,之后降低。7月份以后,潜热通量(LE)到达峰值的时间比生态系统净辐射(Rn)晚约1 h。对比之下,H则提前约1 h。土壤热通量的日变化相对平缓,随着净辐射的增强而逐渐增大,整个生长季土壤热通量的峰值明显滞后于其他能量通量。夜间,潜热通量(LE)、感热通量(H)和土壤热通量(G)均存在微小的负值(约10 W/m2)。

      图  4  研究区生长季(5—10月)能量参数的日动态(2018)

      Figure 4.  Daily dynamics of energy parameters in growing season (May−October) of study area in 2018

    • 在研究城市森林生态系统中,净辐射能量主要分配到感热通量和潜热通量,只有少部分能量分配到土壤热通量的部分(表1)。在非生长季期间,感热通量远大于潜热通量,波文比大于1,5月份感热通量与感热通量几乎相等,波文比的值趋近于1。在6—9月份期间,潜热通量逐渐增加成为消耗净辐射的主要能量参数,波文比远小于1,在8月份达到最小值0.05。在生长季末期感热通量又超越潜热通量,波文比大于1(图34表1)。

      图5显示了波文比(β)和体积表面参数(α系数、冠层导度gs、解耦系数Ω)与影响其季节变异的生物物理因素(土壤体积含水量VWC、饱和水汽压差VPD、归一化植被指数NDVI)之间的关系。NDVI对波文比季节变异的解释度达到了75%,对各体积表面参数的季节变异解释度在49% ~ 77%之间。β随着NDVI的升高呈现下降的趋势,在NDVI大于0.7之后,β小于1。各体积表面参数则与NDVI呈正相关关系。土壤含水量对β的解释度为0.91,随着土壤含水量的上升β呈指数型下降。冠层导度gsα系数和解耦系数Ω都受到土壤含水量的影响,随着土壤含水量的升高而升高。β随VPD的上升呈指数型下降的趋势。VPD对冠层导度gsαΩ的影响都呈现出先促进后抑制的趋势。α系数在VPD小于2.9 kPa之前随VPD上升而上升,之后随VPD上升呈下降趋势。而gsΩ则是在VPD小于2.35 kPa之前,随VPD的上升而上升,之后随VPD上升而下降。

      图  5  研究区生长季(5—10月)各环境因子间的关系(2018)

      Figure 5.  Relationship between environmental factors during the growing season (May−October) in 2018 in the study area

    • 表面能量平衡闭合的原因虽然复杂并且仍有争议,但可以反映涡度协方差数据的质量[25]。如果能量平衡闭合状况达不到一定标准,就会影响能量分配的分析。在我们的研究中,半小时时间尺度上的可提供能量(RnG)与感热通量和潜热通量之和(H + LE)的能量线性相关斜率是0.54(图6),处于中国通量监测站点闭合标准范围(0.49 ~ 0.81)中[26]

      图  6  基于半小时尺度数据所得到的2018年北京城市森林生态系统能量闭合状况

      Figure 6.  Energy balance closure of the urban forest ecosystem based on the half-hour scale data of 2018

      为了分析人工林与大气之间的水汽和能量交换,有必要考察能量通量分配的特征。许多研究表明β的季节性变化呈现为U型曲线,最小值出现在夏季,尤其是在温带森林地区[27],这与我们的结果类似。从能量分配季节变异尺度上看,在生长季,β的值在大部分时期处于0 ~ 1之间,表明潜热是消耗净辐射能量的主要组分。但是当遭遇到严重干旱时,由于植被蒸腾和蒸发作用的降低,导致潜热下降,波文比会上升甚至超过1[28]。能量分配的季节转换特征与北京八达岭油松人工幼林生态系统类似[29]。在非生长季,土壤热通量对能量分配的影响显著高于生长季,这也反映了植被的遮阴作用。从年尺度上看,日均感热通量与潜热通量比为0.88,表明潜热通量为能量分配的主要组分。对比之下,一些人工幼林生态系统和半干旱地区的生态系统[29-30],由于缺乏降雨,土壤干旱,植被覆盖度较低导致感热通量为能量分配的主要组分,波文比大于1。年总土壤热通量只占年总净辐射通量总量的0.7%,因此对于年总能量平衡的影响非常小。

    • 研究结果表明了土壤可利用水和冠层发育对能量分配季节变化的影响。在生长季期间,β与随土壤含水量上升呈指数型下降,与之前的一些研究结果一致[31]α系数可以被视为一个标准化的LE,α系数与VWC存在线性的正相关关系(图5),与之前在北京八达岭油松人工幼林生态系统的研究结果一致[27]。在我们的研究样地,α系数总是小于1,表明可利用水是控制人工林LE的主要影响因素,其控制作用明显大于辐射。进一步表明水分条件通过控制着潜热通量,影响该城市森林生态系统的能量分配。此外,大气饱和水汽压差(VPD)上升促进了α系数的上升,但是其促进效果随着VPD诱导叶片气孔关闭逐渐降低(图5)。

      植被冠层的生长显著的降低了波文比(图5)。因为随着冠层的构建,地表粗糙度升高,反照率降低,冠层导度增大,影响生态系统的能量输入(Rn),地表风速和植被蒸腾,进而影响生态系统能量的分配。α系数、gsΩ与NDVI的正相关关系表明了随着冠层的生长,生物因素主导控制着潜热通量,影响着能量分配的季节变异。

    • 干旱会对城市森林生态系统蒸散发的季节波动产生一定的影响,从而影响能量分配。在我们研究地点,2018年6月份出现了较严重的干旱胁迫,期间潜热通量显著降低(图1d2c7)。干旱导致蒸散发下降的原因如下:首先,冠层构建时期土壤水分亏缺可能会阻碍冠层的发育,导致归一化植被指数(NDVI)降低(图1e)。其次,干旱通常伴随着高温和高的饱和水汽压差(图1c),导致植被通过气孔调节,降低叶片气孔导度和蒸腾失水。叶面积指数和植被叶片气孔导度的下降导致生态系统冠层导度降低(图2a)。此外,干旱期土壤水分的亏缺也会降低土壤表面的水分蒸发。以上因素共同作用,降低了该城市森林生态系统的蒸散发,导致输入生态系统的能量更多的分配给感热通量,波文比上升。

      图  7  时间尺度为1个月的北京市SPEI序列值(2018)

      Figure 7.  SPEI series in the time scales of 1 month in Beijing in 2018

    • (1)日均潜热通量LE呈现出双峰型趋势,日均感热通量显示为双峰型的季节变化模式,最大值出现在春季约为82.4 W/m2,日均土壤热通量显示为单峰型的季节变化模式,在冬季为负值,随后逐渐上升,在春季达到最大值约为11.1 W/m2。(2)能量分配从全年尺度上看,LE占据主导地位,H位居其次。但是存在明显的季节变异,在非生长季,感热通量消耗了大部分的辐射能;在生长季,潜热通量超过感热通量,占据主导地位。(3)土壤可利用水和冠层发育是城市森林生态系统能量分配季节变化的主要影响因素。干旱能显著降低生态系统冠层导度,从而影响潜热通量和能量分配。因此,在冠层构建期和生长季干旱期进行一定程度的灌溉,有利于植被冠层的发育和维持可利用的土壤水分,使得辐射能较多的分配于潜热,降低感热通量。能有效提升绿地蒸腾降温效应,缓解城市热岛效应,改善人居住环境质量。

参考文献 (31)

目录

    /

    返回文章
    返回