2019, Vol. 39文章信息
- 龚元, 郭智娟, 张凯迪, 徐良, 魏艳艳, 赵敏.
- GONG Yuan, GUO Zhijuan, ZHANG Kaidi, XU Liang, WEI Yanyan, ZHAO Min.
- 植被对亚热带城市生态系统CO2通量的影响
- Impact of vegetation on CO2 flux of a subtropical urban ecosystem
- 生态学报. 2019, 39(2): 530-541
- Acta Ecologica Sinica. 2019, 39(2): 530-541
- http://dx.doi.org/10.5846/stxb201801190152
-
文章历史
- 收稿日期: 2018-01-19
- 网络出版日期: 2018-10-18
2. 上海师范大学生命与环境科学学院, 上海 200234;
3. 上海师范大学旅游学院地理系, 上海 200234;
4. 南京林业大学生物与环境学院, 南京 210037;
5. 上海师范大学城市生态与环境研究中心, 上海 200234
2. College of Life and Environmental Sciences, Shanghai Normal University, Shanghai 200234, China;
3. Geography Department, Tourism College, Shanghai Normal University, Shanghai 200234, China;
4. College of Biology and the Environment, Nanjing Forestry University, Nanjing 210037, China;
5. Research Center of Urban Ecology and Environment, Shanghai Normal University, Shanghai 200234, China
城市地区是温室气体的主要来源[1-6], 为了更好地了解温室气体排放动态[1], 特别是陆地生态系统中的几个关键生态系统的CO2气体排放动态, 其中目前关于城市生态系统的二氧化碳排放和吸收动态的研究日益增多, 主要包括基于涡动相关技术的CO2通量[7-14], 通量足迹[15], CO2浓度[5], 基于生命周期的碳足迹研究[16], 以及基于遥感观测的大尺度CO2排放的研究[17-18]。
20世纪90年代以来, 涡动相关/涡动协方差观测系统(Eddy covariance, EC)[19-24]的应用和发展为观测和记录一定生态尺度上地表与大气之间的物质、热量及动量湍流交换提供了工具, 涡动相关通量观测系统最初应用于观测植物和大气的CO2交换并且迅速发展, 开始应用于城市, 湿地, 水域等其他关键陆地生态系统[1-2]。如今随着越来越多的涡动相关通量观测站的建立, 世界各国的涡动相关通量站点开始寻求合作和数据共享, 形成了例如：FLUXNET(http://fluxnet.fluxdata.org/), ChinaFLUX(http://www.chinaflux.org/index.aspx), EUROFLUX(http://www.euroflux.fr/>)等[5]的通量数据共享的网络系统, 如今将涡动相关观测系统用于人口稠密的城市地区观测二氧化碳排放的研究开始成为热点[23-28]。
基于涡动相关观测系统的城市生态系统碳循环的研究主要集中于CO2通量动态特征, CO2通量影响因子, 通量足迹等方面的研究[5]。由于城市生态系统受人类活动影响较大, 以及城市生态系统下垫面(土地利用)的复杂性, 研究涡动相关系统所观测的通量的来源即通量足迹是研究城市生态系统CO2通量交换的基础和前提[15, 25]。目前基于CO2通量动态特征, 通量足迹分析等的城市生态系统碳循环研究也有较多, 如下表 1所示。
| 参考文献 References |
国家 Country |
地区 Region |
所属气候带 Climate zone |
研究内容 Research content |
数据时间长度 Data length |
| [14] | 波兰 | 克拉科夫 | 温带 | 城市土壤CO2通量季节分异 | 2009年7月—2012年5月 |
| [8] | 新加坡 | 弗兰克尔区 | 热带 | 植被对热带城市CO2通量的影响 | 2010年10月—2012年6月 |
| [10] | 日本 | 东京 | 温带 | 人类活动对城市中心区CO2通量的影响 | 2012年11月—2013年10月 |
| [24] | 美国 | 明尼苏达州 | 寒温带 | 城市CO2通量特征及其与植物生理活动的关系 | 三年 |
| [26-27] | 中国 | 沈阳 | 温带 | 城市地区供暖期前后CO2通量差异及其通量足迹分析 | 2008年10月—2008年11月 |
| [12] | 芬兰 | 赫尔辛基 | 温带 | 城市地区不同土地利用对CO2通量的影响 | 2011年7月—2013年6月 |
| [28] | 美国 | 巴尔的摩 | 亚热带 | 城市地区水热通量，CO2通量特征 | 2001年6月—2001年11月 |
| [6] | 中国 | 上海 | 亚热带 | 车流量对城市CO2通量的影响 | 2011年12月—2012年1月 |
以上基于涡动相关技术的城市生态系统碳循环的研究主要集中于CO2通量动态特征, 通量足迹分析等方面且多集中在温带发达国家的城市[6], 亚热带城市的相关研究则较少。关于城市生态系统CO2通量动态特征的分析主要集中于不同季节, 供暖期前后等不同时间尺度的CO2通量差异的对比和原因解释, 对CO2通量差异的解释多从人类活动和植被生长状况的角度出发来解释CO2通量的变化。为分析植被对亚热带城市生态系统碳循环的影响, 因此使用2016年10月1日至2017年9月30日共计12个月的通量, 气象数据和遥感数据结合地理信息系统工具分析亚热带季风气候区的上海市奉贤大学城的CO2通量特征及其与叶面积指数的关系来研究植被在城市系统碳循环中的作用。该研究可以为处于亚热带气候区的其他发展中国家的城市系统碳循环研究和降低二氧化碳排放建设绿色生态城市提供服务和参考。
1 材料与方法 1.1 研究区概况该研究区域位于中国长江中下游平原、上海市最南端海湾旅游区的上海市奉贤大学城总面积456.42 hm2(图 1)。研究区地形平坦, 毗邻杭州湾。上海市奉贤大学城所属温度带为亚热带, 气候属亚热带季风气候。全年水热同期, 夏季高温多雨, 冬季寒冷少雨。由于夏季的东南季风来自海洋带来了较多的水汽导致研究区内一年中的降水主要集中在夏季, 年总降水量约1200 mm, 年均相对湿度82%, 无霜期约200 d[5], 年均空气温度约15℃(最低月均温出现在1月约2℃, 最高月均温出现在8月约34℃), 10 cm处土壤温度与空气温度类似最低月均温出现在1月约3℃, 最高月均温出现在7月约26℃, 月均光合有效辐射最大值出现在8月约510 μmol m-2 s-1[5], 年能量闭合度为0.82。由于该研究区靠近海洋(图 1), 导致其气候特点具有较明显的海洋性(海陆风)。城市生态环境长期定位研究站位于上海师范大学奉贤校区内, 地理坐标为30°50′44.73″ N, 121°31′18.01″ E, 通量观测塔安装有微气象梯度观测系统和开路涡动协方差通量观测系统, 塔高20 m, 涡动相关系统负责观测和记录CO2/H2O通量、风向、风速等数据[5]。微气象梯度观测系统负责观测和记录降水、光合有效辐射、土壤温度、净辐射等微气象数据[5]。通量观测塔(定位站)的西北侧和南侧有以香樟(Cinnamomum camphora)为优势种的亚热带常绿阔叶林(平均冠层高度8 m)[5], 以及麦冬(Ophiopogon japonicus)、菖蒲(Acorus calamus L)、芦苇(Phragmites australis)等草本植物[4]。东侧有教学楼, 宿舍楼, 食堂等校园建筑(平均高度10m), 北侧约150m有交通主干道[3]。
|
| 图 1 2017年上海市奉贤大学城土地利用与通量塔位置 Fig. 1 Land use map of Shanghai Fengxian University City in 2017 and the location of the EC 红色三角为通量观测塔 |
从图 1可以看出该研究区(上海市奉贤大学城)属于城市(郊区)生态系统[4-6], 研究区内分布有木本, 草本植物为主的自然生态系统[2], 湖泊和河流组成的水域生态系统, 由温室大棚组成的农田生态系统, 以及道路和建筑物等组成的社会系统[2]。该研究区属于由多个不同生态系统组成的混合生态系统, 各个不同的生态系统共同影响了研究区整体的碳循环过程[2-3]。
1.2 涡动相关通量观测系统的组成研究区的整体CO2/H2O通量采用涡动相关系统进行观测和记录。该系统由一个三维超声温度/风速测量仪器(Windmaster, Gill, United Kingdom)[4]和一个开路式CO2/H2O红外气体分析仪器(Li-7500, Licor, Lincoln, NE, USA)组成, 其安装高度为距离地面20 m[2-3](图 1), 安装在研究区的中心位置(30°50′44.73″ N, 121°31′18.01″ E)。通量和气象数据采集和存储设备为CR3000(Campbell Scientific Instruments, USA)10Hz高频数据采集仪器[2-3]。
1.3 CO2通量数据质量控制该研究选取2016年10月1日至2017年9月30日共计12个月的通量和气象数据, 使用EddyPro 5.1.1软件(Li-COR, NE, USA, https://www.licor.com)[4]以30 min的时间间隔计算CO2通量, 并且使用EddyPro 5.1.1软件进行坐标轴旋转[2], 频率响应修正[3], WPL密度修正[28-31], 野点去除[5], 建立通量数据质量指标(0—1—2, 0代表最好, 1代表较好, 2代表较差)等[2-3]处理。之后我们对降雨前后1小时内或摩擦速度(u star, u*)小于0.15 m/s时产生的通量进行删除[5], 以及删除通量数据指标标注为“2”的通量数据[2]。在应用数据质量控制后, 12个月的通量数据合格率为63%, 一般通量数据合格率大于50%则具有代表性[3-5]。当CO2通量为负值时代表整个生态系统处于吸收二氧化碳的状态, 反之则代表整个生态系统处于排放二氧化碳的状态[5]。
在CO2通量数据插补方面(Gap-fill), 采用MDV法即用相邻天的同一时刻的数据的平均值进行插补[5]。白天通量数据的插补周期为7 d, 夜晚通量数据的插补周期为14 d[5]。针对较长时间断内丢失的数据, 根据白天或夜间使用以下方法：在白天使用了基于净生态系统交换和光合有效辐射关系的Landsberg模型[20], 而在夜间则使用基于土壤温度的Van, t Hoff模型进行相关的计算和插补[5]。
1.4 CO2通量增长率的计算为分析该区全年日CO2通量交换量(μmol m-2 d-1)的变化特征即CO2通量增长率[32], 这里参考Gu等[32]发展的基于生态系统总初级生产力(GPP)的植物群落光合作用的物候模型(Phenology model)如下公式1和公式2所示。该模型原作者Gu等[32]使用年际尺度的每天每半小时最大GPP(μmol m-2 s-1 d-1)来量化植物群落光合能力的季节变化(CPC)[32]。由于该物候模型同样适用于同类型具有一定时间(天/季节)变化特征的其他CO2通量数据的增长率分析, 因此将该物候模型应用于该研究区日CO2通量交换量的增长率(μmol m-2 d-1)分析。
|
(1) |
|
(2) |
公式1中A(t)函数代表该研究区的日CO2通量交换量(μmol m-2 d-1), t代表日序(d)。该模型所用到的参数：y0, a1, a2, b1, b2, c1, c2, t01, t02均为拟合参数[32], 且在计算拟合参数时可以依据经验和实际情况对所计算的参数进行调整[32]。公式2中k(t)即为该研究区的CO2通量增长率函数[32](μmol m-2 d-1), 在使用该物候模型时只要将年际尺度的(1—365 d)的日CO2通量交换量带入公式1中计算出所需拟合参数, 再将计算出的拟合参数带入k(t)函数即可计算出CO2通量增长率(主要包括最大点, 最小点, 0点等)[32]。
1.5 叶面积指数(LAI)的计算为研究整个生态系统CO2通量交换的影响因子, 通过提取和计算2016年10月1日至2017年9月30日以观测站点(EC)为中心范围1 km(500 m×4)的叶面积指数(LAI)[33]分析LAI的变化对CO2通量的影响, 所使用和计算的遥感数据为MODIS遥感数据(https://modis.gsfc.nasa.gov/)的MOD15A2H产品(MODIS/Terra Leaf Area Index/FPAR 8-Day L4 Global 500m SIN Grid V006)[34]的LAI数据(https://ladsweb.modaps.eosdis.nasa.gov/)所提取的LAI数据周期为8 d(图 2)。
|
| 图 2 以观测站点为中心范围1 km的叶面积指数特征(2016-10-01—2017-09-30) Fig. 2 LAI characteristics of the study area (2016-10-01—2017-09-30) |
基于通量观测塔所搭载的Windmaster三维超声风速/温度仪器所观测的风速, 风向数据, 统计出从2016年10月1日至2017年9月30日的研究区气象信息如图 3所示, 遥感影像来自谷歌地图(https://maps.google.com/)。
|
| 图 3 研究区风玫瑰图与主风向上通量足迹(2016-10-01—2017-09-30) Fig. 3 Wind rose map of the study area and flux footprint on the main wind direction (2016-10-01—2017-09-30) a为风玫瑰图，b为大气不稳定状态下通量足迹，c为大气稳定条件下通量足迹，通量足迹等值线由内到外依次为10%—90%，(0, 0)点为观测点, x轴指向来风方向 |
根据图 3, 2016年10月1日至2017年9月30日研究区中风向在西北方向的占总风频的13.42%, 风向在西南方向的占总风频的25.04%, 风向在东南方向的占总风频的40.63%, 风向在东北方向的占总风频的20.91%。其中瞬时最大水平风速为20.61 m/s出现在东南方向, 平均最大水平风速为7.49 m/s出现在东南方向(图 3a)。该研究区全年东南风为主风向, 西北风为非主风向。
同样依据Windmaster超声风速仪器观测的水平风速(m/s), 垂直风速(m/s), 风向(°)等[2-5, 15]微气象信息使用Kljun通量足迹模型(http://geography.swansea.ac.uk/nkljun/ffp/www/index.php)计算通量源区(Source area)[15], 结果表明该研究区的通量足迹可延伸至上风向约1 km处(图 3b, 图 3c)。
2.2 CO2通量增长率分析为使用该物候模型来帮助分析研究区的CO2通量的变化特征, 我们将2016年10月1日至2017年9月30日研究区CO2通量数据代入公式1中, 计算出所有拟合参数后使用公式2计算出CO2通量增长率[32]如下图 4所示。
|
| 图 4 生态系统CO2通量增长率特征S Fig. 4 CO2 flux growth rate characteristics of the study area |
依据图 4, 整个生态系统在2017-05-06(春季中期)这一天的CO2通量增长率达到最低为-4.48 μmol m-2 d-1, 即CO2通量的下降速率达到最大[32], 其原因可能是该天为5月初即从冬季步入春季, 植物开始生长光合作用增强吸收了一部分人类活动产生的二氧化碳[32], 在2017-07-30这一天的CO2通量增长率为0代表在这天的CO2通量交换量达到最低[32]。并且从2017-07-31开始CO2通量增长率开始出现正值一直到2017-08-30(夏季即将结束)到达CO2通量增长率峰值为2.24 μmol m-2 d-1, 即CO2通量的上升速率达到最大[32]。因此我们推断研究区整个生态系统碳汇能力最强出现春夏季节, 研究区内的绿色植物在春季中期开始一直到夏季结束开始恢复生长和吸收二氧化碳的功能, 约从夏末秋初开始植物的光合作用开始减弱。该结果与王江涛[19]在崇明东滩湿地的CO2通量特征研究较一致, 同样表现为春夏季节CO2通量处于下降趋势。袁庄鹏等[5]研究的城市生态系统CO2通量也表现为同样的特征。Grimmond等[28]研究的郊区城市生态系统CO2通量交换也证明在绿色植物影响下的生态系统多在春夏季节吸收大量的二氧化碳(CO2通量下降)。据此我们推测植物的生长状况和生理活动是影响该研究区CO2通量交换和碳平衡的重要因素。
2.3 生长季与非生长季CO2通量特征由图 1所知, 研究区整个生态系统碳循环受到多个子生态系统影响, 且由草本和木本组成的自然生态系统面积占整个研究区面积较大比重[5]。为进一步研究由木本和草本植物组成的森林, 草地生态系统对整个生态系统碳交换的潜在影响, 选取生长季与非生长季[35-39]的CO2通量数据来对比两者的通量差异。考虑到整个研究区下垫面分布有大量的常绿植物(香樟)和2.2章节的分析结果, 且该研究区位于北半球的亚热带季风气候区[28]。因此选取3, 4, 5, 6, 7, 8月作为生长季代表, 10, 11, 12, 1, 2, 9月作为非生长季代表[28]。如下图 5所示。
|
| 图 5 生态系统生长季与非生长季CO2通量特征 Fig. 5 CO2 flux characteristics in growing season and non-growing season of the study area |
依据图 5, 研究区整个生态系统全年CO2通量总交换量为9664.06 μmol m-2 a-1, 全年角度来说研究区表现为碳源。但生长季和非生长季的CO2通量特征不同。
研究区整个生态系统在生长季的5月, 6月以及8月的月CO2通量交换量为负值分别为-176.75, -308.01, -402.02 μmol m-2月-1即在以上月份研究区表现为碳汇。研究区整个生态系统在生长季的CO2通量交换量为2169.58 μmol m-2月-1, 在生长季研究区每月CO2通量交换量平均值为361.59 μmol m-2月-1, 整个生态系统在生长季表现为碳源。而整个生态系统在非生长季的月CO2通量交换量的均值为1249.08 μmol m-2月-1, 且每月的CO2通量交换量交换均在0 μmol m-2月-1以上, 整个非生长季的CO2通量交换量为7494.48 μmol m-2月-1, 即整个生态系统在非生长季表现为碳源。总体来说生长季的CO2通量总值低于非生长季的CO2通量总值。Kordowski等[7]研究的城市公园的CO2通量特征中发现了城市绿地对大气中的二氧化碳的吸收作用虽然其研究没有将生长季和非生长季的CO2通量进行对比, 但依然证实了城市绿地的碳汇作用。Velasco等[1]对城市生态系统CO2通量特征的研究也证实了城市绿地吸收二氧化碳的作用。
为进一步分析生长季与非生长季的CO2通量特征和差异, 统计出生长季与非生长季的一天中每半小时CO2通量(μmol m-2 s-1)特征, 如下图 6所示。
|
| 图 6 生态系统生长季与非生长季CO2通量时间变化特征 Fig. 6 Characteristics of CO2 flux at the time of day in growing season and non-growing season of the study area 误差线为标准差 |
依据图 6, 研究区整个生态系统在生长季的CO2通量均值为0.2 μmol m-2 s-1, 总体范围是-10.85—5.25 μmol m-2 s-1。在非生长季的CO2通量均值为0.8 μmol m-2 s-1, 总体范围是-5.41—3.63 μmol m-2 s-1。同样表现为生长季的CO2通量小于非生长季的CO2通量。在生长季夜间通量比较平稳, 约在8:30左右CO2通量开始进入负值为-2.45 μmol m-2 s-1, 一直到12:30左右到达负值的顶峰为-10.85 μmol m-2 s-1, 且约在16:30分左右CO2通量重新进入正值为3.35 μmol m-2 s-1, 整体趋势表现为“V”字形状。在非生长季夜间CO2通量同样表现的较为平稳, 但是与生长季不同非生长季CO2通量约在10:00左右开始进入负值为-2.7 μmol m-2 s-1, 并且在13:00左右CO2通量到达负值的顶峰为-5.41 μmol m-2 s-1, 整体趋势也表现为“V”字形状。关于有植被分布的城市生态系统CO2通量特征, Grimmond等[28]认为在春夏季节正午时间段CO2通量可接近-30 μmol m-2 s-1与本研究区相比表现为更强的碳汇, 其原因可能是受植被种类差异和通量足迹的影响, Guidolotti等[39]所研究的城市公园的下垫面情况与本文较接近, 且其春夏季节正午时间段的CO2通量约为-10 μmol m-2 s-1与本文一致。
导致生长季与非生长季CO2通量差异的原因可能是绿色植物的影响, 依据图 1研究区的下垫面分布有大量的草本, 木本植物。在生长季植物的光合作用吸收了较多的二氧化碳导致CO2通量的降低。在非生长季植物凋零, 但是由于下垫面分布有一定数量的常绿植物(香樟), 导致其在白天的稍晚些时段依然可以起到吸收二氧化碳的作用。王江涛等[19]在崇明东滩湿地的CO2通量研究中同样发现了CO2通量的“V”字形特征, 并且碳汇的能力同样表现为夏季的中午时间段最强, 且夜间CO2通量表现比较平稳。生长季与非生长季的CO2通量差异证明了绿色植物是较明显的碳汇与Velasco等[1], Grimmond等[28]以及郭智娟等[25]的研究结果一致。
2.4 生长季不同风区CO2通量特征不同风向导致涡动相关系统所观测的通量不同[11], 为讨论在生长季植被对生态系统碳交换的潜在影响, 将研究区基于风向定义为不同的风区[11], 即当风向在0°—90°定义为东北风区, 风向在90°—180°定义为东南风区, 风向在180°—270°定义为西南风区, 风向在270°—360°/0°定义为西北风区。不同的风区下垫面情况不同, 依据图 1和Kljun通量足迹模型[3, 15]统计出不同风区通量足迹内植被面积所占源区面积百分比, 以及依据风向统计出不同风区在生长季的CO2通量特征(μmol m-2 s-1)如下图 7所示。
|
| 图 7 生态系统不同风区生长季CO2通量特征 Fig. 7 CO2 flux of different wind sector in growing season of the study area |
依据图 7, 研究区在生长季不同风区CO2通量特征不同但均表现为碳源, 其中西北风区在生长季的CO2通量均值为0.09 μmol m-2 s-1, 西南风区CO2通量均值为0.11 μmol m-2 s-1, 东北风区CO2通量均值为0.47 μmol m-2 s-1, 东南风区CO2通量均值为0.46 μmol m-2 s-1。不同风区植被面积占比不同西北风区为55%, 西南风区为51%, 东北风区为46%, 东南风区为45%。不同风区植被面积占比和CO2通量均值有较好的一致性, 表现为随着植被面积上升CO2通量有下降趋势, CO2通量均值最低值和植被面积占比最高均出现在西北风区。各个风区日最低CO2通量均值的最低值出现在西北风区为-13.21 μmol m-2 s-1出现时间为正午, 其最高值出现在东南风区为-8.36 μmol m-2 s-1出现时间同样为正午, 同样与植被面积占比有较好的一致性。形成该现象的原因可能是西北方向分布较多的绿色植物在生长季吸收了更多的二氧化碳导致CO2通量水平最低。据此我们建议在城市建设规划的过程中为降低碳排放和保持碳平衡, 应在城市中多种植绿色植物且建议植被面积的占总规划面积的百分比应在50%以上, 如果气候和降水条件满足的情况下应多种植常绿植物来保证在非生长季吸收二氧化碳的能力[5]。
Burri等[38]在城市生态系统CO2通量特征的研究中同样使用了基于不同风区的方法, 其结果表明在植被占主导的地区(占比＞50%)的CO2通量要小于道路等占主导的地区。Vesala等[11]基于风区对城市生态系统的CO2通量进行了分析, 同样也认为在植被占主导的地区的CO2通量较低。袁庄鹏等[5]基于不同的风向对城市生态系统CO2通量分析中同样发现在植被较多的区域CO2通量低于其他区域。他们的研究结果和该研究较一致, 由于CO2通量受到多种因素的影响(风向, 风速, 下垫面等)[5, 15], 基于风区的CO2通量研究由于各个风向上数据量和气象条件的差异可能会对分析结果产生影响, 关于下垫面对CO2通量变化的影响机制需在以后使用更长时间序列的CO2通量和气象数据进行分析和解释。
2.5 叶面积指数对CO2通量的影响叶面积指数(LAI)是代表草本, 木本等绿色植物生长状况的重要指标[40], 而植被是影响生态系统碳循环的重要因素[40-46], 因此统计出2016年10月1日至2017年9月30日研究区整个生态系统每个月的LAI均值(m2/m2)和月CO2通量交换量(μmol m-2月-1), 分析叶面积指数和CO2通量的关系, 如下图 8所示。
|
| 图 8 生态系统LAI和CO2通量特征(2016-10-01—2017-09-30) Fig. 8 LAI and CO2 flux characteristics of the ecosystem in the study area (2016-10-01—2017-09-30) |
依据图 8, 2016年10月1日至2017年9月30日研究区整个生态系统的年CO2通量总交换量为9664.06 μmol m-2 a-1, 即表现为碳源。其中在8月份的月CO2通量交换量最低为-402.02 μmol m-2月-1, 在1月份的月CO2通量交换量最高为1689.36 μmol m-2月-1。叶面积指数月均值在8月份到达峰值为1.03 m2/m2, 在11月份到达最低均值为0.24 m2/m2。叶面积指数与CO2通量具有较好的一致性, CO2通量水平最低的月份与叶面积指数均值最高的月份均在8月份。为进一步分析叶面积指数与CO2通量的关系我们对其进行回归分析, 如下图 9所示。
|
| 图 9 生态系统LAI和CO2通量的关系(2016-10-01—2017-09-30) Fig. 9 The relationship between LAI and CO2 flux in the study area (2016-10-01—2017-09-30) |
依据图 9, 研究区整个生态系统CO2通量和叶面积指数进行回归分析的相关系数(R2)为0.66, 代表CO2通量和叶面积指数具有较好的相关性[40-41]。具体表现为随着叶面积指数的上升CO2通量有下降的趋势, 其原因可能是当叶面积指数处于较高水平时代表下垫面中的草本, 木本等绿色植物长势良好, 在白天具有较强的光合作用吸收了部分二氧化碳导致CO2通量的下降。马小红等[40]对胡杨林CO2通量和叶面积指数的关系研究区也证实了叶面积指数与CO2通量的负相关关系。Bracho等[41]对松树林生态系统碳循环的研究中也发现了较相似的规律。
研究区在7月的叶面积指数均值为0.93 m2/m2(LAI处于较高水平), 但是7月的CO2通量的交换量为256.81 μmol m-2月-1(碳源)。其原因可能是研究区为上海市奉贤大学城, 7月学生和教职工还未全部离校, 人为活动导致了一部分的二氧化碳排放导致CO2通量处于正值。关于该现象产生的实际原因和CO2通量的影响机制需在以后使用更长时间序列的CO2通量数据, 叶面积指数数据以及配合车流量调查进行分析和解释。
3 结论该研究使用了位于上海市奉贤大学城的涡动相关通量观测系统(EC)所观测和记录的2016年10月1日至2017年9月30日的CO2通量, 气象数据, 配合叶面积指数数据分析了整个生态系统CO2通量变化特征和CO2通量的影响因子。该研究可以为处于亚热带气候区的其他发展中国家的城市系统碳循环研究和合理城市布局建设绿色生态城市提供服务和参考, 主要结论如下。
(1) 研究区整个生态系统全年CO2通量总交换量为9664.06 μmol m-2 a-1, 即整个研究区表现为碳源。月CO2通量交换量最小值出现在8月份为-402.02 μmol m-2月-1, 最大值出现在1月份为1689.36 μmol m-2月-1。且生长季的总体CO2通量低于非生长季的总体CO2通量, 其中CO2通量增长率在春季中期达到最低, 在夏末秋初达到最高, 其原因可能是在春季中期绿色植物恢复生长并且开始进行光合作用导致了CO2通量的下降, 当在夏末秋初时植物开始凋零导致光合作用减弱导致CO2通量的上升。
(2) 在基于风区的生长季CO2通量特征研究中发现在植被占主导地区的整体CO2通量水平较低。生长季CO2通量均值的最低值出现在西北风区, 且西北风区植被面积所占通量源区百分比最多为55%。导致该现象的原因可能是生长季植物生长状况良好, 其在白天的光合作用起到了较好的碳汇作用。
(3) CO2通量与叶面积指数(LAI)的关系呈现负相关关系, 即随着叶面积指数的升高CO2通量有下降的趋势, 其原因可能是研究区下垫面分布有相当数量的绿色植物, 在春夏季节LAI值较高时植物由于光合作用吸收了大量的二氧化碳导致CO2通量的下降。植被的生长情况和植物生理活动是该研究区整个生态系统碳循环的重要影响因子。
致谢: 中国科学院西北生态环境资源研究院王介民研究员在通量数据处理和通量足迹计算方面给予帮助, 英国Swansea大学地理系Kljun教授提供通量足迹计算模型，上海师范大学姚鑫、牛明星帮助图表绘制。| [1] | Velasco E, Perrusquia R, Jiménez E, Hernández F, Camacho P, Rodríguez S, Retama A, Molina L T. Sources and sinks of carbon dioxide in a neighborhood of Mexico City. Atmospheric Environment, 2014, 97: 226–238. DOI:10.1016/j.atmosenv.2014.08.018 |
| [2] | 龚元, 赵敏, 姚鑫, 郭智娟, 何毅, 张立平, 林文鹏. 城市生态系统复合下垫面碳通量特征——以上海市奉贤大学城为例. 长江流域资源与环境, 2017, 26(1): 91–99. DOI:10.11870/cjlyzyyhj201701011 |
| [3] | 龚元, 赵敏, 姚鑫, 郭智娟, 何毅, 张立平. 基于Hsieh和Kljun模型的城市生态系统碳通量贡献区分析与对比. 环境工程技术学报, 2017, 7(2): 225–231. DOI:10.3969/j.issn.1674-991X.2017.02.033 |
| [4] | 龚元, 赵敏, 郭智娟, 姚鑫, 何毅, 张立平. 复杂下垫面碳通量足迹分析——以上海市奉贤大学城为例. 上海师范大学学报:自然科学版, 2017, 46(2): 284–291. |
| [5] | 袁庄鹏.碳通量变化特征及影响因子研究[D].上海: 上海师范大学, 2013. |
| [6] | 袁庄鹏, 赵敏, 黄辞海, 高峻, 林文鹏, 柳云龙, 刘冬燕. 城市节假日前后碳通量特征及其与车流量关系. 环境工程学报, 2013, 7(9): 3501–3506. |
| [7] | Kordowski K, Kuttler W. Carbon dioxide fluxes over an urban park area. Atmospheric Environment, 2010, 44(23): 2722–2730. DOI:10.1016/j.atmosenv.2010.04.039 |
| [8] | Velasco E, Roth M, Tan S H, Quak M, Nabarro S D A, Norford L. The role of vegetation in the CO2 flux from a tropical urban neighbourhood. Atmospheric Chemistry and Physics, 2013, 13(20): 10185–10202. DOI:10.5194/acp-13-10185-2013 |
| [9] | Stone J P, Steinberg D K. Influence of top-down control in the plankton food web on vertical carbon flux:a case study in the Chesapeake Bay. Journal of Experimental Marine Biology and Ecology, 2018, 498: 16–24. DOI:10.1016/j.jembe.2017.10.008 |
| [10] | Hirano T, Sugawara H, Murayama S, Kondo H. Diurnal variation of CO2 flux in an urban area of Tokyo. SOLA, 2015, 11: 100–103. DOI:10.2151/sola.2015-024 |
| [11] | Vesala T, Järvi L, Launiainen S, Sogachev A, Rannik V, Mammarella I, Ivola E S, Keronen P, Rinne J, Riikonen A, Nikinmaa E. Surface-atmosphere interactions over complex urban terrain in Helsinki, Finland. Tellus B:Chemical and Physical Meteorology, 2008, 60(2): 188–199. DOI:10.1111/j.1600-0889.2007.00312.x |
| [12] | Kurppa M, Nordbo A, Haapanala S, Järvi L. Effect of seasonal variability and land use on particle number and CO2 exchange in Helsinki, Finland. Urban Climate, 2015, 13: 94–109. DOI:10.1016/j.uclim.2015.07.006 |
| [13] | Pita G, Gielen B, Zona D, Rodrigues A, Rambal S, Janssens I A, Ceulemans R. Carbon and water vapor fluxes over four forests in two contrasting climatic zones. Agricultural and Forest Meteorology, 2013, 180: 211–224. DOI:10.1016/j.agrformet.2013.06.003 |
| [14] | Jasek A, Zimnoch M, Gorczyca Z, Smula E, Rozanski K. Seasonal variability of soil CO2 flux and its carbon isotope composition in Krakow urban area, Southern Poland. Isotopes in Environmental and Health Studies, 2014, 50(2): 143–155. DOI:10.1080/10256016.2014.868455 |
| [15] | Kljun N, Calanca P, Rotach M W, Schmid H P. A simple parameterisation for flux footprint predictions. Boundary-Layer Meteorology, 2004, 112(3): 503–523. DOI:10.1023/B:BOUN.0000030653.71031.96 |
| [16] | Gill B, Moeller S. GHG emissions and the rural-urban divide. a carbon footprint analysis based on the German official income and expenditure survey. Ecological Economics, 2018, 145: 160–169. DOI:10.1016/j.ecolecon.2017.09.004 |
| [17] | Feng L, Palmer P I, Parker R J, Deutscher N M, Feist D G, Kivi R, Morino I, Sussmann R. Estimates of European uptake of CO2 inferred from GOSAT XCO2 retrievals:sensitivity to measurement bias inside and outside Europe. Atmospheric Chemistry and Physics, 2016, 16(3): 1289–1302. DOI:10.5194/acp-16-1289-2016 |
| [18] | Guo M, Li J, Xu J W, Wang X F, He H S, Wu L. CO2 emissions from the 2010 Russian wildfires using GOSAT data. Environmental Pollution, 2017, 226: 60–68. DOI:10.1016/j.envpol.2017.04.014 |
| [19] | 王江涛.崇明东滩滨海围垦区芦苇湿地CO2通量特征[D].上海: 华东师范大学, 2015. |
| [20] | 顾永剑, 高宇, 郭海强, 赵斌. 崇明东滩湿地生态系统碳通量贡献区分析. 复旦学报:自然科学版, 2008, 47(3): 374–379. |
| [21] | Leuning R, Denmead O T, Lang A R G, Ohtaki E. Effects of heat and water vapor transport on eddy covariance measurement of CO2 fluxes. Boundary-Layer Meteorology, 1982, 23(2): 209–222. DOI:10.1007/BF00123298 |
| [22] | Dyer A J, Hicks B B, King K M. The Fluxatron——A revised approach to the measurement of Eddy fluxes in the lower atmosphere. Journal of Applied Meteorology, 1967, 6(2): 408–413. DOI:10.1175/1520-0450(1967)006<0408:TFRATT>2.0.CO;2 |
| [23] | Bakan S. Note on the Eddy correlation method for CO2 flux measurements. Boundary-Layer Meteorology, 1978, 14(4): 597–600. DOI:10.1007/BF00121898 |
| [24] | Menzer O, McFadden J P. Statistical partitioning of a three-year time series of direct urban net CO2 flux measurements into biogenic and anthropogenic components. Atmospheric Environment, 2017, 170: 319–333. DOI:10.1016/j.atmosenv.2017.09.049 |
| [25] | 郭智娟, 龚元, 张凯迪, 张立平, 何毅, 徐良, 赵敏. 复杂下垫面下不透水层的CO2通量足迹分析——以上海市奉贤大学城为例. 环境科学学报, 2018, 38(2): 772–779. |
| [26] | 贾庆宇, 周广胜, 王宇, 刘晓梅. 城市复杂下垫面供暖前后CO2通量特征分析. 环境科学, 2010, 31(4): 843–849. |
| [27] | 贾庆宇, 周广胜, 王宇. 沈阳城市CO2通量的足迹分析. 环境科学学报, 2010, 30(8): 1682–1687. |
| [28] | Grimmond C S B, Offerle B D, Hom J, Golub D. Observations of local-scale heat, water, momentum and CO2 fluxes at Cub Hill, Baltimore//Proceedings of the 4th Symposium on Urban Environments. Norfork, VA: America Meteorology Society, 2002. |
| [29] | Vote C, Hall A, Charlton P. Carbon dioxide, water and energy fluxes of irrigated broad-acre crops in an Australian semi-arid climate zone. Environmental Earth Sciences, 2015, 73(1): 449–465. DOI:10.1007/s12665-014-3547-4 |
| [30] | Wu J B, Zhou X Y, Wang A Z, Yuan F H. Comparative measurements of water vapor fluxes over a tall forest using open-and closed-path eddy covariance system. Atmospheric Measurement Techniques Discussions, 2015, 8(5): 4711–4736. DOI:10.5194/amtd-8-4711-2015 |
| [31] | Euskirchen E S, Edgar C W, Turetsky M R, Waldrop M P, Harden J W. Differential response of carbon fluxes to climate in three peatland ecosystems that vary in the presence and stability of permafrost. Journal of Geophysical Research:Biogeosciences, 2014, 119(8): 1576–1595. DOI:10.1002/2014JG002683 |
| [32] | Gu L H, Post W M, Baldocchi D D, Black T A, Suyker A E, Verma S, Vesala T, Wofsy S C. Characterizing the seasonal dynamics of plant community photosynthesis across a range of vegetation types//Noormets A, ed. Phenology of Ecosystem Processes: Applications in Global Change Research. New York: Springer, 2009: 35-58. |
| [33] | Carlson T N, Ripley D A. On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sensing of Environment, 1997, 62(3): 241–252. DOI:10.1016/S0034-4257(97)00104-1 |
| [34] | Kang S, Running S W, Lim J H, Zhao M S, Park C R, Loehman R. A regional phenology model for detecting onset of greenness in temperate mixed forests, Korea:an application of MODIS leaf area index. Remote Sensing of Environment, 2003, 86(2): 232–242. DOI:10.1016/S0034-4257(03)00103-2 |
| [35] | Razar R M, Missaoui A. Phenotyping winter dormancy in switchgrass to extend the growing season and improve biomass yield. Journal of Sustainable Bioenergy Systems, 2018, 8(1): 1–22. DOI:10.4236/jsbs.2018.81001 |
| [36] | Menzel A, Fabian P. Growing season extended in Europe. Nature, 1999, 397(6721): 659–659. DOI:10.1038/17709 |
| [37] | Sadeghi S M M, Attarod P, Pypker T G. Differences in rainfall interception during the growing and non-growing seasons in a Fraxinus rotundifolia mill. plantation located in a semiarid climate. Journal of Agricultural Science and Technology, 2018, 17(1): 145–156. |
| [38] | Burri S, Frey C, Parlow E, Vogt R. CO2 fluxes and concentrations over an urban surface in Cairo/Egypt//Proceedings of the 7th International Conference on Urban Climate. Yokohama, Japan: International Association for Urban Climate (IAUC), 2009. |
| [39] | Guidolotti G, Calfapietra C, Pallozzi E, De Simoni G, Esposito R, Mattioni M, Nicolini G, Matteucci G, Brugnoli E. Promoting the potential of flux-measuring stations in urban parks:An innovative case study in Naples, Italy. Agricultural and Forest Meteorology, 2017, 233: 153–162. DOI:10.1016/j.agrformet.2016.11.004 |
| [40] | 马小红, 冯起, 苏永红, 鱼腾飞, 金华. 胡杨林净生态系统CO2交换特征. 干旱区资源与环境, 2017, 31(9): 108–115. |
| [41] | Bracho R, Starr G, Gholz H L, Martin T A, Cropper W P, Loescher H W. Controls on carbon dynamics by ecosystem structure and climate for southeastern U.S. slash pine plantations. Ecological Monographs, 2012, 82(1): 101–128. DOI:10.1890/11-0587.1 |
| [42] | Milne R, Brown T A. Carbon in the vegetation and soils of Great Britain. Journal of Environmental Management, 1997, 49(4): 413–433. DOI:10.1006/jema.1995.0118 |
| [43] | Ward H C, Kotthaus S, Grimmond C S B, Bjorkegren A, Wilkinson M, Morrison W T J, Evans J G, Morison J I L, Iamarino, M. Effects of urban density on carbon dioxide exchanges:Observations of dense urban, suburban and woodland areas of southern England. Environmental Pollution, 2015, 198: 186–200. DOI:10.1016/j.envpol.2014.12.031 |
| [44] | Yao X, Zhao M, Escobedo F J. What causal drivers influence carbon storage in Shanghai, China's urban and peri-urban forests?. Sustainability, 2017, 9(4): 577. DOI:10.3390/su9040577 |
| [45] | 姚鑫. "城-郊"绿地木本植被群落碳储量影响因素的差异性分析[D].上海: 上海师范大学, 2017. |
| [46] | 龚元.基于足迹模型的碳通量空间分异性研究——以上海市奉贤大学城为例[D].上海: 上海师范大学, 2017. |