基于中国陆地生态系统通量观测研究网络(ChinaFLUX)4个站点(2个森林站和2个草地站)的涡度相关通量观测资料,分析了CO2通量数据处理过程中异常值剔除参数设置、夜间摩擦风速(u*)临界值(u*c)确定及数据插补模型选择对CO2通量组分估算的影响.结果表明:3种数据处理方法均对净生态系统碳交换量(NEE)年总量估算有显著影响,其中u*c确定是影响NEE估算的重要因子;异常值剔除、u*c确定及数据插补模型选择导致NEE年总量估算偏差分别为0.62~21.31 g C.m-2.a-1(0.84%~65.31%)、4.06~30.28 g C.m-2.a-1(3.76%~21.58%)和0.69~27.73 g C.m-2.a-1(0.23%~55.62%),草地生态系统NEE估算对数据处理方法参数设置更敏感;数据处理方法不确定性引起的总生态系统碳交换量和生态系统呼吸年总量估算相对偏差分别为3.88%~11.41%和6.45%~24.91%.
光能利用效率(light use efficiency,LUE)是指初级生产力与植被冠层所吸收的光合有效辐射(absorbed pho-tosynthetically active radiation,APAR)之比,它反映了植被利用光能的能力。定量化生产力的时空变化是定量化全球碳循环的重要研究内容,而LUE作为光能生产力模型中的一个重要参数,是定量化生产力时空变化的基础。因此,定量化全球植被的LUE是定量化全球碳循环的重要组成部分。基于MODIS光能利用效率算法,本研究模拟了2004-2005年藏北高寒草甸生态系统的光能利用效率(LUEMODIS),并用观测的光能利用效率(LUEEC)对模型进行了验证。在MODIS算法中,日最低气温(Tamin)和饱和水汽压亏缺(VPD)分别被用来计算温度胁迫因子(Tscalar)和水分胁迫因子(Wscalar)。相关分析和多重逐步回归分析结果表明,相对于Wscalar,Tscalar更能够解释观测的LUE的季节变化。2004和2005年的模拟值分别高估了约14.97%和16.57%的观测值,但配对T检验显示模拟值和观测值差异不显著,即基于MODIS的LUE算法在模拟藏北高寒草甸LUE方面具有较高的精度。相关分析表明,观测的LUE与Tamin的相关性好于观测的LUE与平均气温的相关性,这表明在反应藏北高寒草甸生态系统LUE的季节变异方面,Tamin优于平均气温。总之,基于MODIS算法的LUE模型能够比较准确地定量化藏北高寒草甸生态系统的LUE。
干旱对草地生态系统NEE有深刻影响。基于涡度相关技术提供的碳通量及小气候数据,研究了2009年当雄高寒草地生态系统的碳交换特征及其主控因子,同时分析了干旱的可能影响。5-7月初及9月发生的干旱导致草地GLAI、ALB和GPP较低,6月中旬到7月初碳吸收一度下降。干旱使6、7月份NEE日变化进程发生改变。同时,NEE和GPP的季节变化也受到干旱影响。由于干旱导致生态系统吸收能力降低,7月3日出现NEE日净碳排放最高值(0.9 g C m-2d-1)。5-7月的NEE月总量均大于0,且逐月增加。该草地2009年的GPP和NEE分别为-158.1和52.4 g C m-2。日均θ<0.1时,θ成为影响白天NEE变化的主控因子。GLAI、Ta和θ是3个对NEE季节变异影响最大的指标,且其影响程度依次降低。GPP季节变化的主控因子是GLAI、θ、PPT、VPD和Ta,生态系统水分状况(θ、PPT或VPD)对GPP的影响大于Ta。Reco主要受控于Ta、GLAI、PAR和PPT,且其影响力依次降低。GLAI的季节变化可解释NEE和GPP变异的60.7%和76.1%。当雄高寒草地生态系统水分条件的年际变化可能是影响NEE年际变异的主要因子。