龚元，赵敏*，姚鑫，郭智娟，何毅，张立平

1.上海师范大学城市生态与环境研究中心，上海 200234 2.上海师范大学生命与环境科学学院，上海 200234

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

龚元1，赵敏1*，姚鑫2，郭智娟2，何毅1，张立平1

1.上海师范大学城市生态与环境研究中心，上海 200234 2.上海师范大学生命与环境科学学院，上海 200234

利用上海市奉贤大学城内的涡动相关通量观测站点，基于Hsieh和Kljun模型对研究区内的碳通量贡献区进行了分析。结果表明：1)随着大气稳定度的增加，各风向上的碳通量贡献区范围有增加的趋势；2)当大气处于稳定条件下时，非主风向上的碳通量贡献区范围要大于主风向；3)当大气处于不稳定状态时，主风向和非主风向上的碳通量贡献区范围相差不大；4)在各风向和各大气稳定度上Hsieh和Kljun模型所输出的碳通量贡献区范围数值不同，但无显著差异，碳通量贡献区范围形态近似椭圆；5)Hsieh和Kljun模型输出的垂直于主风向和非主风向上的碳通量贡献区的长度无显著差异；6)在迎风向上Hsieh和Kljun模型的碳通量贡献峰值所处的位置有显著差异。

涡动相关；城市系统；通量贡献区；碳通量；地理信息系统；T检验

随着人类社会的快速发展，在经济飞速增长的背后所带来的全球性的环境问题引起了专家学者们的关注，其中温室效应(green house effect)更是世界关注的焦点，所谓温室效应是指大气层使地球变暖的效应，然而造成温室效应的主要原因是二氧化碳和甲烷的大量排放，在这样的气候背景下人们开始关注全球环境下各种生态系统碳循环的研究[1]，随着涡动相关系统(eddy covariance，EC)的发展和使用，为测定大气中的物质和通量信息提供了测量工具[2]，城市作为人类影响最为深刻及最大的碳源(carbon source)地区，其碳循环的研究(碳通量[3-13]、碳浓度[14]、碳通量贡献区[15-19]、碳足迹[14])成为热点；碳通量和碳浓度主要集中于不同季节[14]、不同年代等时间尺度和不同土地利用等空间尺度[5]的研究、碳通量贡献区主要集中于不同风向、不同大气稳定度等[14]对其影响的研究。如袁庄鹏[14]基于涡动相关系统和FSAM模型分析了研究区内不同大气和季节条件下碳通量贡献区的分布，结果表明，碳通量贡献区有明显的季节分异特征；刘郁珏等[19]基于涡动相关数据和Hsieh模型分析了不同EC监测高度下北京市碳通量贡献区的分布特征，结果表明，观测高度是影响碳通量贡献区分布的重要因素；顾永剑等[16]基于崇明东滩通量观测塔的通量数据和FSAM模型，对研究区内不同风向和不同大气条件下碳通量贡献区的分布进行了分析，结果表明，碳通量贡献区在不同的大气稳定度下有不同的分布特征；Kordowski等[3]用14个月的EC数据基于FSAM模型分析了德国西部埃森市的碳通量特征和碳通量贡献区分布特征，结果表明，城市绿地具有明显的碳汇作用；Kurppa等[5]利用位于芬兰的赫尔辛基市中心和郊区的通量数据分析了不同季节、不同土地利用下碳通量的差异，并且运用Kormann与Meixner模型分析二者的碳通量贡献区分布特征，结果表明，土地利用方式的不同是影响碳通量的重要因素。以上关于碳通量的研究均涉及到碳通量贡献区和不同碳通量贡献区模型的研究，可以看出碳通量贡献区的研究是城市系统碳循环研究的重要环节。碳通量贡献区的研究有助更好地了解城市中碳排放的主要来源，并可为降低城市碳排放优化大气环境提供服务。但是碳通量贡献区模型众多，如FSAM，Hsieh，Kormann与Meixne等，选取合适的碳通量贡献区模型是开展碳通量贡献区研究的关键，FSAM和Kormann与Meixne模型是目前使用较多的模型，但是由于其要求输入的参数较为复杂不适宜城市的复杂环境[19]。Hsieh模型由于要求输入参数的局限性较小，较适合城市环境的碳通量贡献区研究[19]。Kljun模型在城市方面的研究和应用较少[20]。为深入了解碳通量贡献区模型受环境影响的机制，以及更好地开展城市系统碳循环的研究，可通过Hsieh和Kljun模型的对比选取适合城市系统碳通量贡献区的模型。

综上，笔者使用2015年6—8月上海市奉贤大学城通量观测点的通量数据和气象数据，基于Hsieh和Kljun模型分析了上海市奉贤大学城不同风向和不同大气稳定度下碳通量贡献区的分布情况，并进行了模型对比。

1 研究方法

1.1 涡动观测系统原理

涡动相关通量观测系统一般以10～20 Hz的采样频率采集传感器一定高度上的超声虚温、水汽含量、空气密度、风速等信息，取平均值(30 min)计算通量信息。二氧化碳的湍流输送通量可由下式计算[21]：

(1)

式中：w′为垂直风速脉动量，m/s；ρc′为二氧化碳密度脉动量，g/m3；FC即二氧化碳通量，μmol/(m2·s)。

1.2 研究区概况

图1 研究区示意(红色三角为观测系统)Fig.1 Map for the study area

研究区域位于上海市奉贤大学城，地处中温带，亚热带季风气候，夏季盛行东南风，冬季盛行西北风，地形为平原，一年中的降水集中于夏季，年总降水量约2 100 mm。搭载微气象梯度观测系统和涡动相关系统的观测塔的地理坐标为121°30′38.96″E，30°50′32.26″N(图1)；观测塔高20 m。植被类型中木本是以香樟(Cinnamomumcamphora)为优势种的亚热带常绿阔叶林，冠层高度8 m[14]，及以菖蒲(AcoruscalamusL)、芦苇(Phragmitesaustralis)、麦冬(Ophiopogonjaponicus)为优势种的草本植物。其他用地包括道路和校园建筑如教学楼、图书馆、食堂、宿舍楼等[14]。年平均气温15.7 ℃，年均相对湿度80%。

1.3 通量观测系统

通量观测系统包括Cr3000(Campbell.Scientific Instruments,USA)通量数据采集和存储设备；Li7500(LICOR,Inc.,USA)开路式二氧化碳和水汽分析设备，安装高度20 m；Gill三维超声风速仪(Gill. Instruments,UK)，安装高度20 m[14]。

1.4 通量数据质量控制

选取2015年6—8月的通量观测数据和气象数据，用Eddypro(eddy covariance software)软件对10 Hz的原始数据进行倾斜修正、频率响应修正、WPL校正等，将原始数据输出为30 min，每次的数据包括各类通量信息和数据质量控制标识(0-1-2)等[16]。

考虑仪器、天气等因素的影响，通过Eddypro数据预处理后，对输出的碳通量信息进行筛选：1)剔除缺失的数据；2)剔除质量控制标注为2的数据；3)剔除降水时段的数据；4)剔除10 Hz原始数据每30 min缺失率大于3%的数据；5)剔除夜间摩擦风速小于0.15 m/s的数据[16]。2015年6—8月的碳通量数据缺失和拒绝率为36%，一般情况下数据的缺失和拒绝率小于50%则具有代表性[18]。在数据插补方面采用平均每日变异法(MDV)，即用相邻天的同一时刻的数据平均值进行插补，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[16]。

2 通量贡献区模型

2.1 Hsieh模型

Hsieh模型[19]是在拉格朗日随机扩散模式(Lagrangian)和维度分析的理论基础上发展的解析模式(analytical)，其要求输入的参数均可在Eddypro的数据结果中获得，Hsieh模型要求输入的参数主要包括观测高度、零平面位移值、大气粗糙度等。输出参数为上风向10%～90%通量贡献率的区域距离至EC点距离，及通量贡献峰值所处的位置等。Hsieh模型计算式如下：

(2)

10%～90%通量贡献比率(足迹)函数为式(2)的导数：

(3)

通量贡献峰值出现在上风向的距离(xmax)可由下式计算：

(4)

式中：S0为源强，g/(m2·s)；k为冯卡门常数，取值为0.4；D和P为作者设定的模型特定常数；Zm为观测高度与零平面位移值的差，m；L为莫宁-奥布霍夫稳定度长度，m。依据式(3)可计算上风向10%～90%通量贡献率的区域至EC点的距离。以上参数均可以在Eddypro的输出结果中获得。

2.2 Kljun模型

Kljun通量贡献区模型，是由Kljun等[20]基于尺度(量纲)分析衍生的新颖算法，主要用来计算通量足迹的侧风积分函数，其要求输入的参数包括观测高度、边界层高度、摩擦速度、垂直风速脉动的标准差等(以上参数均可以在Eddypro的输出结果中获得)，输出参数为10%～90%通量贡献率的区域至EC点距离，及上风向通量贡献峰值所处的位置等。该模型通过以上输入参数由量纲分析(π定理)构成无量纲参数组，并进行重构得到一个无量纲上风距离(X*)函数的无量纲侧风积分足迹函数(F*)，可以由下式组成：

(5)

(6)

(7)

式中：α1和α2为优化参数，利用试验(实际上是较可靠的复杂三维Lagrangian足迹模式LPDM-B的结果)检验，并确定优化参数；按式(7)计算各拟合参数a，b，c，d〔与粗糙度(z0)有关〕;Zm为高度，m；h为边界层高度，m；u*为摩擦速度，m/s；σw为垂直风速脉动的标准差，m/s。利用此模式除可计算随上风距离(x)变化的侧风积分的足迹函数(fiy)外，还可按应用需要输出fiy峰值出现的xmax，以及fiy的不同占比(R)出现的距离(xR)。该模型还提供了利用该方法计算足迹分布的在线工具(http://footprint.kljun.net/index.php)，可以较方便地使用。

2.3 通量贡献区坐标转换

将获得10%～90%通量贡献率的区域至EC点距离设为A，风向角度设为B的情况下，为了方便其在ArcGIS(地理信息软件)[22]确定通量贡献区的大致范围，需要将距离和风向信息转换为笛卡尔二维坐标信息(x，y)，因此在ArcGIS中建立以EC点为原点的笛卡尔二维坐标系，(x，y)可通过三角函数进行计算。

当B在0°～90°时：

x=AsinB

(8)

y=AcosB

(9)

当B在90°～180°时：

x=Acos(B-90)

(10)

y=-Asin(B-90)

(11)

当B在180°～270°时：

x=-Asin(B-180)

(12)

y=-Acos(B-180)

(13)

当B在270°～360°时：

x=-Acos(B-270)

(14)

y=Asin(B-270)

(15)

将式(8)～(15)中的(x，y)在ArcGIS中实现准确定位，并用ArcGIS的地图要素(点、线、面)的转换功能来获得碳通量贡献区的大致范围。

3 结果和讨论

3.1 风向特征

2015年6—8月研究区内风玫瑰图如图2所示。由图2可知，2015年6—8月期间，90°(E)～180°(S)的风向定义为主风向(东南风)，270°(W)～360°(0°/N)的风向定义为非主风向(西北风)。

图2 研究区风玫瑰图Fig.2 Wind rose for the study area

3.2 碳通量贡献区分析

基于Hsieh和Kljun模型，提取出当通量贡献率为90%的各风向上碳通量贡献区范围及分布如表1和图3所示。100、250、500和800 m代表至EC点的距离，90°(E)、180°(S)、270°(W)和360°(N)代表风向。表1中大气稳定度与莫宁-奥布霍夫稳定度长度(L)有关[23]，该值可在Eddypro的输出结果中获得。当L大于0时，表示大气处于稳定状态；当L小于0时，表示大气处于不稳定状态。

表1 研究区碳通量贡献区特征

图3 研究区碳通量贡献区特征Fig.3 The range of carbon footprint for the study area

3.2.1 基于Hsieh模型的碳通量贡献区特征

由表1和图3可知，主风向上，在大气稳定和不稳定的状态下碳通量贡献区范围最大分别可达420和210 m，碳通量贡献区范围在大气稳定状态下的碳通量贡献区范围要远大于大气非稳定状态，其与顾永剑等[16]在崇明湿地生态系统利用FSAM模型分析的碳通量贡献区范围的分析结果一致。当大气处于稳定和不稳定状态时，Hsieh模型主风向上的通量贡献峰值分别在287和152 m处，垂直于主风向上的碳通量贡献区长度在稳定和不稳定状态下分别为315和162 m。

非主风向上，在大气稳定和不稳定的状态下碳通量贡献区范围最大分别可达784和240 m，与主风向上的碳通量贡献区分布特征一致，非主风向上的碳通量贡献区范围也随着大气稳定的增加而扩大，但当大气稳定时非主风向上的碳通量贡献区范围大于主风向，当大气处于不稳定状态时二者相差不大，其与顾永剑等[16-17，19]的研究结果一致。当大气处于稳定和不稳定状态时，Hsieh模型非主风向上的通量贡献峰值分别在465和220 m处，垂直于非主风向上的碳通量贡献区长度在稳定和不稳定状态下分别为530和192 m。

与同类碳通量贡献区的研究相比，龚笑飞等[18]在利用FSAM模型分析安吉毛竹林生态系统的碳通量贡献区分布特征的研究中得出，碳通量贡献区范围最大可达2 175 m，大于本文的范围，其主要原因是观测高度和生态系统的差异。王江涛[15]运用FSAM模型在生长季下研究崇明湿地的碳通量贡献区特征表明，碳通量贡献区范围可达378 m，其与本文主风向上的碳通量贡献区范围较接近，但小于420 m，原因可能受观测高度的影响。

3.2.2 基于Kljun模型的碳通量贡献区特征

由表1和图3可知，主风向上，在大气稳定和不稳定的状态下碳通量贡献区范围最大分别可达424和219 m，稳定状态下的碳通量贡献区范围要远大于非稳定状态下。当大气处于稳定和不稳定状态时，Kljun模型主风向上的通量贡献峰值分别在246和122 m处，垂直于主风向上的碳通量贡献区长度在稳定和不稳定状态下分别为295和176 m。

非主风向上，在大气稳定和不稳定的状态下碳通量贡献区范围最大分别可达786和244 m，与主风向上的碳通量贡献区分布特征一致，非主风向上的碳通量贡献区范围也随着大气稳定的增加而扩大，但当大气稳定时非主风向上的碳通量贡献区范围大于主风向，当大气处于不稳定状态时二者相差不大。当大气处于稳定和不稳定状态时，Kljun模型非主风向上的碳通量贡献峰值分别在412和182 m处，垂直于非主风向上的碳通量贡献区长度在稳定和不稳定状态下分别为512和182 m。

3.3 Hsieh和Kljun模型的输出参数对比

在主风向上，Hsieh和Kljun模型输出的碳通量贡献区范围值不同(差值为1～9 m)，当大气处于稳定和不稳定状态时，Hsieh和Kljun模型的碳通量贡献峰值所处的位置分别差41和30 m。在垂直于主风向上的碳通量贡献区长度方面，Hsieh和Kljun模型在大气稳定和大气不稳定状态下分别相差20和14 m。

在非主风向上，Hsieh和Kljun模型输出的碳通量贡献区范围值不同(差值为2～4 m)，当大气处于稳定和不稳定状态时，Hsieh和Kljun模型的通量贡献峰值所处的位置分别差53和38 m。在垂直于非主风向上的碳通量贡献区长度方面，Hsieh和Kljun模型的大气稳定和大气不稳定状态下分别相差18和10 m。

为了对比Hsieh和Kljun模型的输出参数是否有显著差异，使用SPSS统计软件中的T检验(T-test)[24]对各风向和各大气稳定度下的碳通量贡献区范围、长度、碳通量贡献峰值进行检验，结果如表2所示。

表2 碳通量贡献区模型输出参数T检验结果

根据T检验的结果，Hsieh和Kljun模型在迎风方向碳通量贡献峰值所处位置的输出结果上有显著差异，其他无显著差异。

本文着重讨论了碳通量贡献区的分布特征，但没有涉及到碳通量特征[25-29]和不同土地利用类型对碳通量的影响[30]，需在以后的工作中开展该方面研究。Hsieh和Kljun模型在碳通量贡献区范围输出结果相似性的原因可能是由于2个模型均是基于拉格朗日随机足迹模型(Lagrangian stochastic model)[30]建立的。由于城市环境下垫面的复杂性和特定场景的不同，对碳通量贡献区的研究一般多是进行定性的分析[31-37]，对Hsieh和Kljun模型的分析与模型验证[30]需在未来使用更长时间尺度的碳通量数据进行完善。

4 结论

(1)研究区内Hsieh和Kljun模型在主风向和非主风向上的碳通量贡献区范围都随大气稳定度的增加而扩大，且迎风方向碳通量贡献峰值的位置也随大气稳定度的增加而变大。当大气处于不稳定状态时，Hsieh和Kljun模型在主风向和非主风向上的碳通量贡献区范围相差不大(包括垂直于该风向上的碳通量贡献区)，当大气处于稳定状态时，非主风向上的碳通量贡献区范围大于主风向(包括垂直于该风向上的碳通量贡献区)。

(2)在所选取的模型方面，Hsieh和Kljun模型的输出信息一致(输出参数为10%～90%碳通量贡献率的区域至EC点的距离，及碳通量贡献峰值所处的位置等)。在各风向和各大气稳定度上，Hsieh和Kljun模型所输出的碳通量贡献区范围参数不同(差值为1～9 m)，且无显著差异；碳通量贡献区范围形态近似椭圆；在垂直于非主风向和主风向上的碳通量贡献区长度上，Hsieh和Kljun模型的输出结果无显著差异，但在Hsieh和Kljun模型的迎风方向碳通量贡献峰值所处的位置上有显著的差异。

本文着重讨论了碳通量贡献区的分布特征，但没有涉及到碳通量特征和不同土地利用类型对碳通量的影响，在以后的工作中需开展该方面。

志谢：感谢中国科学院西北生态环境资源研究院的王介民教授在通量观测塔日常维护以及碳通量数据处理方面的指导。

[1] 赵荣钦,黄贤金.城市系统碳循环:特征、机理与理论框架[J].生态学报,2013,33(2):358-366. ZHAO R Q,HUANG X J.Carbon cycle of urban system:characteristics,mechanism and theoretical framework[J].Acta Ecologica Sinica,2013,33(2):358-366.

[2] MILANOLO S,GABROVEK F.Estimation of carbon dioxide flux degassing from percolating waters in a karst cave:case study from Bijambare cave,Bosnia and Herzegovina[J].Chemie der Erde-Geochemistry,2015,75(4):465-474.

[3] KORDOWSKI K,KUTTLER W.Carbon dioxide fluxes over an urban park area[J].Atmospheric Environment,2010,44(23):2722-2730.

[4] KISHORE K M,SHIVA N S M.Characteristics of ground level CO2concentrations over contrasting land uses in a tropical urban environment[J].Atmospheric Environment,2015,115:286-294.

[5] KURPPA M,NORDBO A,HAAPANALA S,et al.Effect of seasonal variability and land use on particle number and CO2exchange in Helsinki,Finland[J].Urban Climate,2015(13):94-109.

[6] GIOLI B,GUALTIERI G,BUSILLO C,et al.Improving high resolution emission inventories with local proxies and urban eddy covariance flux measurements[J].Atmospheric Environment,2015,115:246-256.

[7] VELASCO E,PERRUSQUIA R,JIMÉNEZ E,et al.Sources and sinks of carbon dioxide in a neighborhood of Mexico City[J].Atmospheric Environment,2014,97:226-238.

[8] GAHAGAN A,GIARDINA C P,KING J S,et al.Carbon fluxes,storage and harvest removals through 60 years of stand development in red pine plantations and mixed hardwood stands in Northern Michigan,USA[J].Forest Ecology and Management,2015,337:88-97.

[9] SHAH M V,BADLE S S,RAMACHANDRAN K B.Hyaluronic acid production and molecular weight improvement by redirection of carbon flux towards its biosynthesis pathway[J].Biochemical Engineering Journal,2013,80:53-60.

[10] HAGAN O A.Probabilistic uncertainty specification:overview,elaboration techniques and their application to a mechanistic model of carbon flux[J].Environmental Modelling & Software,2012,36:35-48.

[11] GREGG W W,CASEY N W,ROUSSEAUX C S.Sensitivity of simulated global ocean carbon flux estimates to forcing by reanalysis products[J].Ocean Modelling,2014,80:24-35.

[12] BORCHARD N,SCHIRRMANN M,HEBEL C V,et al.Spatio-temporal drivers of soil and ecosystem carbon fluxes at field scale in an upland grassland in Germany[J].Agriculture,Ecosystems & Environment,2015,211:84-93.

[13] HARRIS A,DASH J.The potential of the MERIS terrestrial chlorophyll index for carbon flux estimation[J].Remote Sensing of Environment,2010,114(8):1856-1862.

[14] 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.

[15] 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.

[16] 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.

[17] 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.

[18] 龚笑飞,陈丽萍,莫路锋.基于FSAM模型的毛竹林碳通量贡献区研究[J].西南林业大学学报,2015,35(6):37-43. GONG X F,CHEN L P,MO L F.Research of flux footprint of anji bamboo forest ecosystems based on the FSAM model[J].Journal of Southwest Forestry University,2015,35(6):37-43.

[19] 刘郁珏,胡非,程雪玲,等.北京城市通量足迹及源区分布特征分析[J].大气科学,2014,38(6):1044-1054. LIU Y J,HU F,CHENG X L,et al.Distribution of the source area and footprint of Beijing[J].Chinese Journal of Atmospheric Sciences,2014,38(6):1044-1054.

[20] KLJUN N,CALANCE P,ROTACH M W,et al.A simple parameterization for flux footprint predictions[J].Boundary Layer Meteorogy,2004,112:503-523.

[21] 袁庄鹏,赵敏,黄辞海,等.城市节假日前后碳通量特征及其与车流量关系[J].环境工程学报,2013,7(9):3501-3506. YUAN Z P,ZHAO M,HUANG C H,et al.Characteristics of CO2flux before and after holidays and its relationship with traffic volume in urban area[J].Chinese Journal of Environmental Engineering,2013,7(9):3501-3506.

[22] 鲍文东.基于GIS的土地利用动态变化研究[D].青岛:山东科技大学,2007.

[23] NEFTEL A,SPIRIG C,AMMANN C.Application and test of a simple tool for operational footprint evaluations[J].Environmental Pollution,2008,152(3):644-652.

[24] 范琳琳,王红瑞,宋乃琦,等.基于T检验的水文时间序列HHT分析方法及应用[J].系统工程理论与实践,2015,35(5):1324-1331 FAN L L,WANG H R,SONG N Q,et al.Hilbert-Huang transform based on T-test for hydrological time series and its application[J].Systems Engineering:Theory and Practice,2015,35(5):1324-1331.

[25] CATLING D C,ZAHNLE K J,MCKAY C.Biogenic methane,hydrogen escape,and the irreversible oxidation of early earth[J].Science,2001,293:839-843.

[26] HASHIMOTO S,MORISHITA T,SAKATA T,et al.Increasing trends of soil greenhouse gas fluxes in Japanese forests from 1980 to 2009[J].Scientific Reports,2011,1(1):116.

[27] PORADA P,LENTON T M,POHL A,et al.High potential for weathering and climate effects of non-vascular vegetation in the Late Ordovician[J].Nature Communications,2016,7:12113.

[28] HELLEVANG H,AAGAARD P.Constraints on natural global atmospheric CO2fluxes from 1860 to 2010 using a simplified explicit forward model[J].Scientific Reports,2015,5:17352.

[29] KORNER C,ASSHOFF R,BIGNUCOLO O,et al.Carbon flux and growth in mature deciduous forest trees exposed to elevated CO2[J].Science,2005,309:1360-1362.

[30] 郭海强,邵长亮,董刚.涡度协方差技术:测量及数据分析的实践指导[M].1版.北京:高等教育出版社,2016:171-214.

[31] FINN D,LAMB B,LECLERC M Y,et al.Experimental evaluation of analytical and Lagrangian surface-layer flux footprint models[J].Boundary-Layer Meteorology,1996,80(3):283-308.

[32] FLESCH T K,WILSON J D,YEE E.Backward-time Lagrangian stochastic dispersion models and their application to estimate gaseous emissions[J].Journal of Applied Meteorology,1995,34(6):1320-1332.

[33] SCHMID H P.Experimental design for flux measurements:matching observations and fluxes[J].agricultural and Forest Meteorology,1997,87:179-200.

[34] SCHMID H P.Footprint modeling for vegetation atmosphere exchange studies:a review and perspective[J].Agricultural and Forest Meteorology,2002,113(1/2/3/4):159-183.

[35] KORMANN R,MEIXNER F X.An analytical footprint model for non-neutral stratification[J].Boundary-Layer Meteorology,2001,99(2):207-224.

[36] AMIRO B D.Footprint climatologies for evapotranspiration in a boreal catchment[J].Agricultural and Forest Meteorology,1998,90(3):195-201.

[37] BALDOCCHI D.Flux footprints within and over forest canopies[J].Boundary-Layer Meteorology,1997,85(2):273-292. ○

Analysis and comparison of carbon flux contribution zones in urban ecological system based on Hsieh and Kljun models

GONG Yuan1, ZHAO Min1, YAO Xin2, GUO Zhijuan2, HE Yi1, ZHANG Liping1

1.Research Center of Urban Ecology and Environment, Shanghai Normal University, Shanghai 200234, China 2.College of Life and Environmental Sciences, Shanghai Normal University, Shanghai 200234, China

The carbon flux contribution zones (CFCZs) in the research area were analyzed by using related flux observation sites of eddy turbulence in Shanghai Fengxian University and basing on Hsieh and Kljun model. The result shows that with the increase of atmospheric stability, the scope of CFCZs in all wind directions has an increasing tendency. Under stable conditions, the scope of CFCZs in non-prevailing wind directions is larger than that in the prevailing wind direction, while under unstable state, there is no big difference in the carbon flux contribution scope in the two kinds of wind directions. In all wind directions and atmospheric stability, the CFCZs scope output by Hsieh model is different from that output by Kljun model but with no significant difference, and the CFCZs are like oval. In CFCZ lengths which are vertical to prevailing wind directions and non-prevailing wind direction, the output result by Hsieh model has no significant differences with that by Kljun model. There is a great difference in the locations of Hsieh’ and Kljun’s flux contribution peak numbers in all wind directions.

eddy covariance; urban system; flux contribution zone; carbon flux; GIS; T-test

2016-06-12

国家自然科学基金青年基金项目(31100354)

龚元(1992—)，男，硕士研究生，研究方向为大气环境与GIS应用，1072363740@qq.com

*责任作者：赵敏(1973—)，女，副教授，研究方向为城市生态，zhaomin@shnu.edu.cn

X51

1674-991X(2017)02-0225-07

10.3969/j.issn.1674-991X.2017.02.033

龚元，赵敏，姚鑫,等.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[J].环境工程技术学报,2017,7(2):225-231.

GONG Y,ZHAO M,YAO X,et al.Analysis and comparison of carbon flux contribution zones in urban ecological system based on Hsieh and Kljun models[J].Journal of Environmental Engineering Technology,2017,7(2):225-231.