珠江三角洲近地层CO2通量模拟分析与评估验证

麦博儒,安兴琴,邓雪娇*,周凌晞,王春林,李 菲,黄建平,陈 玲,尹淑娴

(1.中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室,广东 广州510080；2.中国气象局大气化学重点实验室,中国气象科学研究院大气成分研究所,北京100081；3.广东省气候中心,广东 广州510080；4.南京信息工程大学,耶鲁-南京信息工程大学大气环境研究中心,江苏 南京210044；5.东莞市气象局,广东 东莞523086)

珠江三角洲近地层CO2通量模拟分析与评估验证

麦博儒1,安兴琴2,邓雪娇1*,周凌晞2,王春林3,李 菲1,黄建平4,陈 玲5,尹淑娴5

(1.中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室,广东 广州510080；2.中国气象局大气化学重点实验室,中国气象科学研究院大气成分研究所,北京100081；3.广东省气候中心,广东 广州510080；4.南京信息工程大学,耶鲁-南京信息工程大学大气环境研究中心,江苏 南京210044；5.东莞市气象局,广东 东莞523086)

利用能分别代表珠江三角洲草地、城市绿地及地带性森林植被生态系统的番禺站、东莞站和鼎湖山站CO2净通量资料对CT-2010碳源汇反演模式系统进行了验证,并利用该模式初步分析了区域净碳通量的时空分布及不同生态系统的碳汇特征.结果表明: CT-2010模式模拟的珠江三角洲城市绿地、地带性植被、以及草地生态系统碳通量与站点观测结果具有较好的一致性,其拟合相关系数(r)高于0.60(P<0.01),小时、逐日、日变化的残差均值低于2.0µmol/(m2·s);模式一定程度上能反映3种生态系统碳通量的季节分布特征,但各月的模拟值均高于观测值,其中对城市绿地生态系统的模拟最接近,残差年均值为0.964µmol/(m2·s),对草地和地带性森林植被生态系统的模拟效果相当,残差年均值分别为2.056,2.100µmol/(m2·s);2004～2005年期间珠江三角洲地区近地层净碳通量为3.43µmol/(m2·s),其中冬季最强,为1.4µmol/(m2·s),春季次之,为1.35µmol/(m2·s),秋季和夏季最低,分别为0.51和0.18µmol/(m2·s);在冬、春两季,珠江三角洲区域为强的碳源区,而在夏、秋季,粤北和粤东大部分地区为较弱碳汇区;2004～2005年期间珠江三角洲地区陆地生态系统的碳汇为-6.5×10-3PgC,其中农作物,草地/灌木,常绿针叶/阔叶混合林是吸收CO2的主要生态系统,其净通量占陆地生态系统的比率分别为42.01%,31.46%和26.53%.

Carbon Tracker碳源汇反演模式；珠江三角洲区域；近地层CO2通量；陆地生态系统

有效评估陆地生态系统净碳通量水平及其时空分布特征,将有助于深入了解区域大气温室气体增长量中CO2人为源和自然汇的相对贡献,同时也对预测未来 CO2增长率及其对气候变化的影响具有重要意义[1-2].研究发现,2001～2011年全球陆地生态系统吸收了大约2～4Pg C(1PgC =1015g C),抵消了将近30%的人类活动排碳量[3-5].1980～2000年,中国区域森林、草地和灌木等生态系统的碳汇分别为-0.075,-0.007,以及-0.014～-0.024PgC/a,相当于吸收了同时期全国工业生产排碳量的20.0%～26.8%[6].然而,目前有关陆地生态系统碳源、汇的强度、时空分布特征的定量评估仍存在很大的不确定性[7-9].

近年来,科学家们利用涡度相关技术对陆地生态系统与大气间的净碳交换开展了观测研究[10-11],初步探明了不同植物生态系统碳通量强度、通量的长时间序列分布特征及其影响因素[12-14],特别是2002年建立的中国通量观测网 ChinaFLUX,显著推动了我国地表碳通量研究[15-16].然而,由于传统的地面观测受到站点数量、分布及其所代表的空间尺度的限制[2],制约了陆地生态系统碳平衡及碳源汇分布特征的定量评估.

利用模式计算的方法评估近地层净碳交换,是揭示陆地生态系统碳平衡及其驱动机制的重要途径.这些方法包括:统计清单模型[9,17-18],生态系统模型[8,19],以及大气反演模型[2,20-21].上述方法都在逐步改善评估技术,以试图包含更多的碳循环信息、更好地分离出不同时空尺度上的碳通量[1].其中,大气反演方法能有效捕捉碳源汇的时空变化特征[22].该方法是利用大气传输模式和先验通量对大气 CO2浓度的分布和输送过程进行模拟,同时利用观测的CO2浓度资料优化模拟的陆地和海洋碳通量[21,23].一些学者基于嵌套技术发展大气反演模式系统,并分析了北美、中国等区域陆地生态系统碳源汇的时空分布[23-24]. Peters等[21]发展了第一个全球碳同化和反演模式系统—CarbonTracker(CT), 并评估、分析了北美区域陆地生态系统碳通量特征.基于CarbonTracker模式,科学家们开展了近地层碳通量的评估及验证研究[25-26],也有学者根据不同地区和国家的状况,引进、发展了该模式,形成具有区域特点的反演模式系统,如 CT(NOAA), CT-Europe[1,27],CT-Asia等.最近,我国一些学者开展了 CT模式在中国的移植和适用性验证,获取了2000～2009年中国代表性区域CO2浓度和通量的初步模拟结果[28].也有学者根据中国地域和生态系统的特征,对 CT模式系统进行了本地化改进,同时评估、分析了我国陆地生态系统的碳源汇分布[22,29].总体而言,目前我国温室气体的反演模型研究仍处于初步阶段,无法满足我国碳平衡的定量评估其与气候变化相互作用的研究需求.

珠江三角洲(以下简称珠江三角洲)地区是中国经济最发达,最具活力的都市群之一,同时也是温室气体排放高值区.研究发现,该区域温室气体有明显的地域特点[30].此外,区域碳通量和潜热通量的季节变化在陆−气能量平衡中具有非常重要的作用,是反映区域气候变化的强烈信号[31].然而,珠江三角洲地区近地层 CO2通量的分布特征及其影响机制如何,目前尚不清楚.本研究利用2010版本的CT模式系统对珠江三角洲区域近地层碳通量进行模式验证及模拟研究,初步分析净碳交换通量的区域、季节变化特征,估算陆地生态系统自然碳汇的相对贡献,以期为了解区域温室气体分布和相互影响,客观、准确地评估碳源汇的驱动机制提供理论支持.

1 CT模式计算过程及模拟参数设置

1.1 CO2通量的计算过程

在CT-2010中,地表净碳交换通量(NEE)考虑了4种来源,分别为:化石燃料燃烧、火灾灾情、陆地生物圈交换和海−气交换通量.其中,化石燃料燃烧通量和火灾灾情通量主要通过“自下而上”的方法,估算不同区域通量的分布和强度,而生物圈和海洋通量使用了数据同化技术进行重新调整,将模拟的碳通量信息与观测值进行匹配[21].模式中瞬时碳通量的计算过程如下:

式中:βιοF ,oceF ,ffF ,fireF 分别代表生物圈,海洋,化石燃料燃烧以及火灾灾情通量,rλ代表了一定时间内不同区域需要评估的线性标度因子.若时间分量不变,每个rλ 将由特定区域的碳通量分布特征决定.CT-2010将全球海洋圈分为30个区域,同时根据生态系统类型和地理位置的特点,将陆地圈分为11个区域,每个区域包含了19种植被生态系统[32].因此,理论上模式中的r应该为239,但实际上 r=156,主要是因为模式未考虑雪盖区、湖泊区和沙漠等的影响.当rλ 确定后,再参照 Peters 等[33]的方法,利用 Kalman 滤波器对rλ 数据集进行优化,从而降低模式模拟的碳通量与观测值的误差.

1.2 先验源、气象场及数据同化资料来源

CT-2010输入的资料包括源排放、观测数据和气象场资料.源排放资料包括海洋反演通量、火灾通量、生物圈通量、化石燃料燃烧通量.其中,海洋反演通量采用Takahashi PCO2方案[34]进行通量估算;火灾通量来源于GFEDv2数据库;生物圈通量来源于CASA模型的计算结果;化石燃料燃烧通量源于EDGAR数据库.此外,气象数据由每6h 时次的ECMWF数据驱动;数据同化系统中的 CO2观测数据主要来源于全球/区域航空测量和地基观测值,包括美国的Mauna Loa背景站、NOAA ESRL实验室的高塔站、高山站等.

1.3 模拟区域设置

本研究中,CT-2010模拟区域为110°E～118°E,20°N～26°N(图1).由于受到区域碳通量观测数据的限制,模式的模拟时间从2003年1月1日开始,至2009年12月31日结束,每3h输出一次模拟结果.CT-2010采用地形追随坐标,总共25层,第一层和最顶层高度分别离地面34.5m 和80.0km;采用TM5大气传输模式驱动CT-2010,设置了两重网格嵌套区域,全球空间分辨率为3°×2°,在中国和珠江三角洲区域均为1°×1°.

图1 CT-2010设置的模拟区域及地形海拔高度(m)分布Fig.1 Simulation area and its altitude distribution in CT-2010Black boxes are CO2flux sites of PYQXJ, DHS and DG, respectively

2 CT-2010在珠江三角洲区域的验证

珠江三角洲区域的植被是一个主要由草地、城市绿地、农田和南亚热带森林等组成的复杂生态系统.其中,番禺气象局站、东莞站以及鼎湖山站可以较好地反映区域草地、城市绿地以及南亚热带森林的碳通量.本研究利用上述观测站的通量资料,对CT-2010的模拟性能进行验证研究.

2.1 观测站点及观测数据介绍

番禺气象局观测站(图1)位于广州市番禺区的开阔草地上,可代表珠江三角洲地区草地生态系统特征[30].站点周围无高层建筑和高大山地,地势相对平坦,面积约为300m ×400m;下垫面草地植被的类型比较均匀,高度约30～80cm.观测从2004年6月开始,至2005年5月结束.开路涡动相关系统(Eddy covariance)安装在距地面3.5m高度.该系统由三维超声风温仪(CSAT3, Campbell Scientific,Inc.)和开路CO2/H2O分析仪(Li-7500, LiCor Inc., USA)组成,采样频率为10Hz.观测的参数包括 CO2通量(Fc)、潜热通量(LE)和显热通量(Hs)等.各种通量数据分别进行了虚温订正和空气密度变化订正以及质量控制[30-31],并转换为30min平均值.

鼎湖山站(图1)位于广东省肇庆市东北部的鼎湖山自然保护区内.受南亚热带季风湿润气候影响,该区域光照、水热资源丰富,太阳辐射约4665MJ/(m2·a),年均日照时数、气温分别为1433h和21.0 ,℃年均相对湿度和降水量分别为80%和1956mm.观测站海拔高度240m,坡度10° 度左右,坡向东偏南,周围森林是目前保存下来的最为典型,最为完整的南亚热带常绿针阔叶混交林生态系统[35],可代表地带性植被.

东莞站(图1)位于东莞市植物园内的气象台观测场中,亦处于南亚热带季风气候区内,年平均气温、日照时数和降水量分别为22.7℃ ,1873.7h和1819.9mm.植物园占地面积467hm2,属低丘地貌,区内植被丰富,是一个由乔灌草植物构成的典型公园绿地生态系统[36].

鼎湖山站和东莞站的碳通量观测时间分别为2003年5月～2004年4月和2008年10月～2009年11月,观测仪器与番禺气象局站的一致. 其中,东莞站的通量观测探头安装在20m 高度,而鼎湖山站的探头高度为27m(第5层平台),代表林冠层顶/大气界面的通量.两站的数据采集器自动存储10Hz的原始数据,同时进行了订正处理(如虚温订正、空气密度变化订正、坐标转换等)和严格的质量控制[35-36],筛选出符合条件的30min通量数据进行模式验证.

由于CT-2010模拟结果的输出频率为每3h1次,因此需要将以上站点每30min平均的观测数据转化为逐时次值,再进一步与模式输出结果进行匹配.在此基础上,利用观测数据对模式的反演结果进行比对验证.

2.2 模式验证

图2 CO2通量模拟值与观测值的1:1比较Fig.2 Comparisons of simulation values and observations

2.2.1 逐时的验证结果 由图2可以看,净通量的模拟值和观测值较一致,3个站的残差均值为1.81μmol/(m2·s),均方根误差在1.59～2.58μmol/ (m2·s)之间,相关系数(r)为0.67～0.71,通过了99%的显著性检验(P=0.000),说明CT-2010模式具有较强的模拟能力.从回归方程的拟合参数来看,番禺气象局站的斜率、截距均与东莞站的相当,但明显低于鼎湖山站,这可能与鼎湖山站较高的植被指数有关.总体来看,3个观测站的方程斜率为0.260～0.431,截距为0.43～1.29,表明模式模拟的净通量整体偏高.其原因一方面可能是由于观测站点所在的生态系统尺度较小,受局地水汽、气温、辐射等因素的影响较大[37],而 CT-2010模式的空间分辨率较低(1° ×1°),反映的是较大范围通量分布的平均状态,因此对较小尺度生态系统碳通量扰动的捕获能力不足.另一方面,珠江三角洲是我国乃至世界上最活跃的经济区之一.该区域下垫面河网交错,地表植被和土壤类型多样,温室气体来源复杂[38].复杂的地形和海-陆-气相互作用也给碳通量数值模拟带来很大难度.

图3 CT-2010反演的碳通量日均值与观测结果比较及其残差的时间序列Fig.3 Comparisons of simulation values of daily mean fluxes with observations and the time series of residuals

2.2.2 逐日的验证结果 由图3a,图3c,图3e可以看出, 模式反演值与观测值的一致性较好,在3个站点的拟合相关系数均高于0.60(P<0.001).从模拟值与观测值残差的时间序列来看(图3b,图3d,图3f),3个观测站残差的日均值为1.689 μmol/(m2·s),高于该模式系统在瓦里关、上甸子等背 景 站 (http://www.esrl.noaa.gov/gmd/ccgg/ carbontracker/co2timeseries.php),以及北美地区[21]的模拟结果.其主要原因在于本底站的人为扰动很低,碳通量可以反映较大范围的生态系统源汇过程,因此模式的干扰因素少、模拟精度较高.相比而言,珠江三角洲地区近地层碳排放源非常复杂,人为扰动大,给CO2通量的准确模拟带来很大困难.3个站的残差波动比较大,这主要与模式空间分辨率较粗有关.此外,观测仪器高度和模式底层所反映的近地层碳通量的差异也是导致这种波动的重要原因.本研究中,3个代表站的碳通量探头高度为3.5～27m,反映了不同植被生态系统白天光合作用和夜间呼吸排放的通量在气象条件影响下的情形,而模式的底层高度为35m,其碳通量同时受到了垂直输送和近地层区域传输的影响.相对而言,东莞站碳通量的模拟在冬、春季最好,残差均值分别为0.695和0.830μmol/(m2·s),在夏、秋季相当,残差分别为1.063和1.119μmol/ (m2·s);与东莞站相似,番禺气象局站碳通量的模拟在冬、春季最好,模拟与观测的残差分别为1.517和2.149μmol/(m2·s),在夏、秋季稍差,残差分别为2.274和2.461μmol/(m2·s).鼎湖山站则相反,为秋、夏季最好,春、冬季较差,残差均值分别为1.206,1.712,2.395和2.910μmol/(m2·s).

2.2.3 通量季节分布 由图4可以看出,CT-2010模式系统一定程度上能反映3种生态系统碳通量的季节分布特征,其中以草地生态系统的相关系数最高(r=0.94,P<0.01),城市绿地生态系统次之(r=0.78,P<0.01),地带性植被较差(r=0.50, P>0.05).从观测结果来看,3种生态系统均表现出较强的碳汇,净碳通量在7～10月份最低,这与夏秋季植被较强的光合能力有关[37];从模拟结果来看,鼎湖山站、番禺气象局站均在12月～次年4月表现为碳源区,5～11月为碳汇区,同时两站模拟值与观测值的差异相当,残差年均值分别为2.056和2.100μmol/(m2·s).相对而言,CT-2010对东莞站的模拟值与观测值最接近,残差年均值为0.964μmol/(m2·s),但各月的模拟值均表现为碳源,异于观测结果.

2.2.4 通量日变化 从图5可以看出,3个站中碳通量日变化的反演值与观测值均在20:00至次日06:00基本稳定,且处于一天中的高值区,这主要与夜间植物生态系统停止了光合作用、大气混合层的稳定度加强、湍流扩散的CO2减弱有关.日出后植物光合作用固定了大量 CO2,同时空气对流增强(图5b,d,f),使得大气中 CO2下降,在正午前后达到最低值[39].总体而言,在3个观测站中,CT-2010反演的碳通量日变化比观测值平均高估了1.84μmol/(m2·s),其中在夜间的模拟效果较好,两者仅相差-0.66μmol/(m2·s),白天的效果较差,残差为4.33μmol/(m2·s),在14:00残差高达7.65μmol/(m2·s).从风场的日变化来看,正午前后植物的光合作用在一天中最强、空气对流剧烈,同时局地风向出现了明显的转变(图5b,d,f),这可能是CT-2010未能有效捕获生态系统碳通量,导致模拟的碳通量出现系统性偏高的重要原因.风场是影响区域 CO2输送的主要因素之一[40],对其准确模拟能显著提高温室气体的评估能力.国外相关研究也表明,由于对风场(风向、风速)评估不足,WRFVPRM、TM3和LMDZ等模式模拟的CO2浓度日变化均出现了较大的偏差[41].

图4 CT-2010反演的碳通量与观测值的季节变化Fig.4 Seasonal variations of simulation fluxes of CT-2010and observations

图5 CT-2010反演的碳通量日变化与观测值比较,以及风场的日变化Fig.5 Comparisons of simulation values of diurnal fluxes with observations and wind field distributions

综上所述:CT-2010模拟的珠江三角洲城市绿地、地带性植被、以及草地生态系统碳通量与地面观测结果具有较好的一致性,其拟合相关系数(r)整体高于0.6(P<0.01),小时、逐日、逐月以及日变化的残差均低于2.0μmol/(m2·s),可以捕捉到通量的季节波动特征.Peters等[21]的结果也表明:CT-2010模式具备了反映陆地生态系统碳通量分布和变化的能力.然而,由于模式的网格分辨率较粗,再加上观测仪器高度和模式底层所反映的近地层碳通量的差异,限制了模式系统对较小尺度生态系统的模拟性能.此外,在正午期间,由于近地层的风场会出现剧烈变化,导致CT-2010捕获生态系统碳通量的能力下降,是模拟结果出现系统性偏高的重要原因.

3 珠江三角洲区域CO2通量的时空分布特征

3.1 CO2净通量季节变化特征

卫星反演结果显示,中国区域对流层中层CO2分布总体呈北高南低的分布特征,高值区集中在35°～45°N,在20°～30°N为CO2低值区,然而卫星监测并不能够很好地揭示人类或者自然CO2源排放的特征[42].相对而言,利用模式手段能及时捕捉近地层源排放及其输送的动态变化.由图6可以看出,2004～2005年期间珠江三角洲近地层净碳通量为3.43μmol/(m2·s),其中冬季(12月～来年2月)最强,为1.4μmol/(m2·s),春季(3～5月)次之,为1.35μmol/(m2·s),秋季(9～11月)和夏季(6～8月)最低,分别为0.51 和0.18μmol/(m2·s).整个区域在冬、春两季均为强的碳源区,但在夏、秋季,粤北和粤东大部分地区为较弱的碳汇区.深圳、东莞、广州、佛山以及中山等珠江口外围区域在四季中均为CO2通量高值中心,此外,潮州、汕头、揭阳等粤东区域也存在另一个净通量高值区.

图6 珠江三角洲地区CO2通量[µmol/(m2·s)]及风场(NCEP1.0×1.0资料,975hPa)的季节分布特征Fig.6 Seasonal distributions of CO2fluxes[µmol/(m2·s)] and wind fields (NCEP1.0×1.0data,975hPa) over PRD

珠江三角洲属南亚热带海洋季风气候区.该区域日照充足、温湿多雨,植被四季常青,植物的光合作用活跃.独特的气候特点显著影响通量的季节变化.冬季的气温最低,植物的生理活性弱直接影响了大气CO2吸收,同时冬季近地层(975hPa)盛行东北风,风速较强,有利于内陆CO2向低纬度地区输送,成为 CO2通量最高的季节.春季,植物和土壤的呼吸作用强烈而植物光合作用相对较弱,同时近地层盛行偏南风,海洋清洁气团促进了高污染地区CO2向高纬度地区输送,因此通量相对较低.夏季的植物枝叶茂密,光照充足,气温高,降水充沛,植物光合作用强烈,可快速固定大气中的CO2[43],再加上夏季盛行东南风,空气水平输送和垂直交换剧烈,有利于近地层CO2向高纬和对流层中高层扩散,因而夏季近地层净通量在全年最低.此外,粤北及广西、湖南、江西等邻省交界区域为较强碳汇区,说明这些区域的植被对大气CO2的吸收量远高于人类活动排碳量.秋季,植被进入成熟衰弱期,光合碳汇弱于夏季,但仍然表现出较强的碳吸收能力,在肇庆西北部、河源以及广西、江西等邻省交界区域出现较强的碳汇区.此外,整个珠江三角洲区域的净通量呈现出由东北向西南分布的趋势,这可能是近地层风场输送造成的.

3.2 珠江三角洲区域陆地生态系统碳汇估算

陆地生态系统碳通量主要包括植物光合、呼吸作用通量,以及土壤呼吸排放的CO2总量.CO2的肥效作用、土地利用和植被覆盖的变化、氮沉降、森林大火及区域水汽循环等均能影响植物生态系统的碳源汇[44].研究显示[21],在2001～2005年期间,北美陆地生态系统碳通量为-0.65PgC/a,化石燃料燃烧通量为 1.85PgC/a,净通量为1.20PgC/a,模拟的误差在-0.4～1.0PgC/a之间.本研究发现,2004～2005年期间珠江三角洲区域陆地生态系统碳通量为-6.5×10-3PgC(图7),与匡耀求等[38]利用清单调查方法得到的结果相当.其中,5～10月份的碳通量平均值为-3.55×10-3PgC,特别是在8月份,生态系统的碳吸收能力最强,净通量为-5.89×10-3PgC,这与我国瓦里关、上甸子、临安、龙凤山等本底站[45],以及北京地区CO2浓度的变化趋势一致[46];11月～次年4月的通量平均值为2.50×10-3PgC,其中在3月份最高,为3.55×10-3PgC,表明珠江三角洲区域植被在冬、春季的呼吸作用强于光合作用,因此排放了大量的CO2.尽管如此,在一年中植被仍能保持较高的碳吸收能力,有利于植物光合产物积累和生长发育.

前人研究显示[6],1981～2000年间,中国陆地生态系统碳汇为0.096～0.106PgC/a,相当于同期中国工业碳排碳量的14.6%～16.1%.也有研究认为,2002～2008年期间,中国陆地生态系统汇为-0.28PgC/a,相当于抵消了同时期化石燃料燃烧排碳量的17.07%[24].本研究表明(表1),2004～2005年珠江三角洲地区陆地生态系统碳汇相当于抵消了同时期化石燃料燃烧排碳量的9.76%,明显低于中国地区的计算结果,可能与珠江三角洲地区陆地生态系统相对较低的碳汇[22],同时较高的工业生产排碳量有关.由表1可见,不同文献之间计算得到的中国区域植物生态系统碳汇值差异很大,但是总体表现出森林最高,农作物次之,草地最低的分布特征.本研究中,农作物是珠江三角洲地区最大的碳汇生态系统(-2.7×10-3PgC/a),而草地/灌木次之,森林最小.3种生态系统的碳汇占陆地生态系统的比率分别为42.01%,31.46%和26.53%.农作物较高的碳汇可能与农田管理方式(包括翻土、施肥、灌溉以及除草等)有关[47].此外,我国南方的大部分作物都会种植两季或者三季,显著提高了作物的光合固碳量[18].总体而言,本研究可能高估了农作物的碳汇,原因是 CT模式主要关注作物生长季所吸收的 CO2,而未考虑非生长季作物呼吸消耗的排碳量[1,21].

图7 2004～2005年珠江三角洲地区陆地生态系统净通量估算Fig.7 Estimations of terrestrial fluxes in2004～2005over PRD

近年来,由于我国加强了森林保护以及退耕、退牧还林、植树造林等工程,森林覆盖面积逐年增长[48],其碳汇约为-0.075～-0.120PgC/ a[22,24,49].珠江三角洲地区温湿多雨的南亚热带气候条件以及较高的太阳辐射量非常适合植物生长发育和光合作用.区域常绿针阔叶混交林生态系统即使在相对缓慢生长季节(冬季)仍然具有较强的碳汇功能[35].然而,近年来由于经济社会发展所引起的土地利用方式以及森林结构的改变,导致森林生态系统的固碳能力呈下降趋势[38],在2004～2005年期间的碳汇约为-1.7×10-3PgC.

到目前为止,有关灌木生态系统碳储量的观测资料非常缺乏[50].近年来,由于气温上升以及干旱、放牧等的影响,我国草地生态系统的生物量呈下降趋势[51-52].在珠江三角洲地区,2005～2008年期间区域灌木/草地生态系统(包括园地、草地、城市绿地等)的碳汇整体上升[38],其中在2004～2005年期间的净通量为-2.0×10-3PgC.这可能与农村地区灶炉改造、城镇化减少了柴薪采集[18],以及城市园地面积增加有关.

表1 本研究的生态系统碳汇和前人研究的比较(PgC/a)Table1 Comparison of the estimated carbon sinks in this study with previous studies(PgC/a)

4 结论

4.1 CT-2010模式模拟的珠江三角洲城市绿地、地带性植被、以及草地生态系统碳通量与地面观测结果具有较好的一致性,其拟合相关系数(r)整体高于0.6(P<0.01),小时、逐日以及日变化的残差均值均低于2.0μmol/(m2·s).

4.2 模式系统一定程度上能捕捉到3种生态系统碳通量的季节分布特征,但各月的模拟值均高于观测值,其中对城市绿地生态系统的模拟最接近,残差年均值为0.964μmol/(m2·s),对草地和地带性植被森林生态系统的模拟效果相当,残差年均值分别为2.056,2.100μmol/(m2·s)

4.3 2004～2005年期间珠江三角洲地区近地层净碳通量为3.43μmol/(m2·s),其中冬季最强,为1.4μmol/(m2·s),春季次之,为1.35μmol/(m2·s),秋季和夏季最低,分别为0.51和0.18μmol/(m2·s);冬、春两季均为强的碳源区,而夏季、秋季的粤北和粤东大部分地区为较弱碳汇区.

4.4 2004～2005年期间珠江三角洲地区陆地生态系统的碳汇为-6.5×10-3PgC,其中农作物,草地/灌木,常绿针叶/阔叶混合林是吸收CO2的主要生态系统,其净通量占陆地生态系统的比率分别为42.01%,31.46%和26.53%.

[1] Peters W , Krol M C, Vander Werf G R, et al. Seven years of recent European net terrestrial carbon dioxide exchange constrained by atmospheric observations [J]. Global Change Biology,2010,16:1317—1337.

[2] Meesters A G C A, Tolk L F, Peters W, et al. Inverse carbon dioxide flux estimates for the Netherlands [J]. Journal of Geophysical Research,2012,117(D20306):1—13.

[3] Houghton R. Balancing the global carbon budget [J]. Annu. Rev. Earth Planet. Sci.,2007,35:313—347.

[4] Le Quéré C, Raupach M R, Canadell J G, et al. Trends in the sources and sinks of carbon dioxide [J]. Nat. Geosci.,2009,2(12):831—836.

[5] Le Quéré C, Peters G P, Andres R J, et al. Global carbon budget2013 [J]. Earth Syst. Sci. Data Discuss.,2013,6(2):689—760.

[6] 方精云,郭兆迪,朴世龙,等.1981～2000年中国陆地植被碳汇的估算 [J]. 中国科学D辑:地球科学,2007,37(6):804—812.

[7] Cao M, Prince S D, Li K, et al. Response of terrestrial carbon uptake to climate interannual variability inChina [J]. Global Change Biol.,2003,9(4):536—546.

[8] Tian H, Melillo J M, Lu C, et al. China’s terrestrial carbon balance: Contributions from multiple global change factors [J].Global Biogeochemical Cycles,2011,25(GB1007):1—16.

[9] Chen Z H, Zhu J, Zeng N. Improved simulation of regional CO2surface concentrations using GEOS-Chem and fluxes from VEGAS [J]. Atmos. Chem. Phys.,2013,13:7607—7618.

[10] De Araújo A C, Kruijt B, Nobre A D, et al. Nocturnal accumulation of CO2underneath a tropical forest canopy along a topographical gradient [J]. Ecological Applications,2008,18:1406—1419.

[11] 焦 振,王传宽,王兴昌.温带落叶阔叶林冠层 CO2浓度的时空变异 [J]. 植物生态学报,2011,35(5):512—522.

[12] Xiao J F, Sun G, Chen J, et al. Carbon fluxes, evapotranspiration, and water use efficiency of terrestrial ecosystems in China [J]. Agricultural and Forest Meteorology,2013,(182/183):76—90.

[13] 王 斌,李 洁,姜微微,等.草地退化对三江源区高寒草甸生态系统 CO2通量的影响及其原因 [J]. 中国环境科学,2012,32(10):1764—1771.

[14] 王兴昌,王传宽,于贵瑞.基于全球涡度相关的森林碳交换的时空格局 [J]. 中国科学D辑:地球科学,2008,38(9):1092—1102.

[15] 于贵瑞,伏玉玲,孙晓敏,等.中国陆地生态系统通量观测研究网络的研究进展及其发展思路 [J]. 中国科学 D 辑:地球科学,2006.,36(增刊I):1—21.

[16] 周凌晞,张晓春,郝庆菊,等.温室气体本地观测研究 [J]. 气候变化研究进展,2006,2(2):63—66.

[17] Ciais P, Schelhaas M J, Zaehle S, et al. Carbon accumulation in European forests [J]. Nature Geoscience,2008,1:425—429.

[18] Piao S, Fang J, Ciais P, et al. The carbon balance of terrestrial ecosystems in China [J]. Nature,2009,458:1009—1014.

[19] Vetter M, Churkina G, Jung M, et al. Analyzing the causes and spatial pattern of the European2003 carbon flux anomaly using seven models [J]. Biogeosciences,2008,5:561—583.

[20] Baker D F, Law R M, Gurney K R, et al TransCom3inversion intercomparison: Impact of transport model errors on the interannual variability of regional CO2fluxes,1988—2003 [J]. Global Biogeochem Cycles,2006,20(GB1002):1—17.

[21] Peters W, Jacobson A R, Sweeney C, et al. An atmospheric perspective on North American carbon dioxide exchange: CarbonTracker [J]. Proc. Natl. Acad. Sci. U S A,2007,104(48):18925—18930.

[22] Zhang H B, Chen B Z, Van der Laan-Luijkx I T, et al. Net terrestrial CO2exchange over China during2001—2010 estimated with an ensemble data assimilation system for atmospheric CO2[J]. J. Geophys. Res. Atmos.,2014,119:3500—3515.

[23] Deng F, Chen J M, Yuen C W, et al. Global monthly CO2flux inversion with focus over North America [J]. Tellus,2007,59B:179—190.

[24] Jiang F, Wang H W, Chen J M, et al. Nested atmospheric inversion for the terrestrial carbon sources and sinks in China [J]. Biogeosciences,2013,10:5311—5324.

[25] Keppel-Aleks G, Wennberg P O, Washenfelder R A, et al. The imprint of surface fluxes and transport on variations in total column carbon dioxide [J]. Biogeosciences Discuss,2011,8:7475—7524.

[26] Masarie K A, Pétron G, Andrews A, et al. Impact of CO2measurement bias on CarbonTracker surface flux estimates [J]. J. Geophys. Res.,2011116(D17),doi:10.1029/2011JD016270.

[27] Peylin P, Law R. M, Gurney K R, et al. Global atmospheric carbon budget: results from an ensemble of atmospheric CO2inversions [J]. Biogeosciences,2013,10:6699—6720.

[28] Cheng Y L, An X Q, Yun F H, et al. Simulation of CO2variations at Chinese background atmospheric monitoring stations between2000 and2009: Applying a CarbonTracker model [J].Chinese Science Bulletin,2013,58(32):3986-3993.

[29] Zhang H B, Chen B Z, Van der Laan-Luijkx I T, et al. Estimating Asian terrestrial carbon fluxes from CONTRAIL aircraft and surface CO2observations for the period2006 to2010 [J]. Atmos. Chem. Phys. Discuss.,2013,13:27597—27639.

[30] 邓雪娇,毕雪岩,吴 兑,等.广州番禺地区草地陆气相互作用观测研究 [J]. 应用气象学报,2006,17(1):59—66.

[31] Bi X, Gao Z, Deng X, et al. Seasonal and diurnal variations in moisture, heat, and CO2fluxes over grassland in the tropical monsoon region of southern China [J]. J. Geophys. Res.,2007,112(D10106):1—14.

[32] Gurney K R, Law R M, Denning A S, et al. Towards robust regional estimates of CO2sources and sinks using atmospheric transport models [J]. Nature,415,2002:626—630.

[33] Peters W, Miller J B, Whitaker J, et al. An ensemble data assimilation system to estimate CO2surface fluxes from atmospheric trace gas observations. [J]. J. Geophys. Res.,110(D24),2005, D24304, doi:10.1029/2005JD006157.

[34] Takahashi T, Sutherland S C, Sweeney C, et al. Global air-sea CO2flux based on climatological surface ocean pCO2, and seasonal biological and temperature effects [J]. Deep-Sea Research II,2002,49:1601—1622.

[35] 王春林,于贵瑞,周国逸,等.鼎湖山常绿针阔混交林 CO2通量估算 [J]. 中国科学D辑:地球科学,2006,36(增刊I):119—129.

[36] 孙春健,王春林,申双和,等.珠江三角洲城市绿地 CO2通量的季节特征 [J]. 生态学报,2012,32(4):1273—1282.

[37] 范玉枝,张宪洲,石培礼.散射辐射对西藏高原高寒草甸净生态系统CO2交换的影响 [J]. 地理研究,2009,28(6):1673—1681.

[38] 匡耀求,欧阳婷萍,邹 毅,等.广东省碳源碳汇现状评估及增加碳汇潜力分析 [J]. 中国人口•资源与环境,2010,(20):12,56—61.

[39] Dettinger M D, Ghil M. Seasonal and interannual variations of atmospheric CO2and climate [J]. Tellus,1998,50B(1):1—24.

[40] 浦静姣,徐宏辉,顾骏强,等.长江三角洲背景地区 CO2浓度变化特征研究 [J]. 中国环境科学,2012,32(6):973—979.

[41] Ahmadov R, Gerbig C, Kretschmer R, et al. Comparing high resolution WRF-VPRM simulations and two global CO2transport models with coastal tower measurements of CO2[J]. Biogeosciences,2009,6:807—817.

[42] 白文广,张兴赢,张 鹏.卫星遥感监测中国地区对流层二氧化碳时空变化特征分析 [J]. 科学通报,2010,55(30):2953-2960.

[43] 王跃思,王长科,郭雪清,等.北京大气 CO2浓度日变化、季变化及长期趋势 [J]. 科学通报,2002,47(14):1108—1112.

[44] Nemani R, White M, Thornton P, et al.2002. Recent trends in hydrologic balance have enhanced the terrestrial carbon sink in the United States [J]. Geophys. Res. Lett.,29(10):1—4.

[45] 刘立新,周凌晞,张晓春,等.2009.我国4个国家级本底站大气CO2浓度变化特征 [J]. 中国科学 D 辑:地球科学,39(2):222—228.

[46] 刘 强,王跃思,王明星.北京地区大气主要温室气体的季节变化 [J]. 地球科学进展,2004,19(5):817—823.

[47] Chen Z,Yu G, Ge J, et al. Temperature and precipitation control of the spatial variation of terrestrial ecosystem carbon exchange in the Asian region [J]. Agric. Forest Meteorol.,2013,(182/183):266—276.

[48] Food and Agriculture Organization of the United Nations (FAO).Global forest resources assessment,2010 [R]. Rome : FAO,2010.

[49] Fang J Y, Guo Z D, Piao S L, et al. Terrestrial vegetation carbon sinks in China,1981—2000 [J]. Science in China Series D: Earth Sciences,2007,50(9):1341—1350.

[50] Piao S, Ito A, Li S, et al. The carbon budget of terrestrial ecosystems in East Asia over the last two decades [J]. Biogeosciences Discuss,2012,9:4025—4066.

[51] Piao S L, Ciais P, Lomas M, et al. Contribution of climate change and rising CO2to terrestrial carbon balance in East Asia: A multi-model analysis [J]. Global Planet Change,2011,75(3/4):133—142.

[52] Peng S, Chen A, Xu L, et al. Recent change of vegetation growth trend in China [J]. Environ. Res. Lett.,2011,6(044027):1—13.

致谢：感谢美国国家大气海洋局(NOAA)NOAA/ESRL/GMD提供的 CarbonTracker-2010 模式(http://www.esrl.noaa.gov/gmd/ccgg/ carbontracker/);感谢荷兰海洋和大气研究所(IMAU)、荷兰皇家气象研究所(KNMI)提供的 TM5模式;感谢各个全球背景站/区域站及高塔站的工作人员参与观测.

李克强向生态文明贵阳国际论坛2014年年会致贺信

生态文明贵阳国际论坛2014年年会7月11日在贵阳开幕.国务院总理李克强向论坛发来贺信.

李克强代表中国政府对年会召开表示祝贺.他表示,生态文明源于对发展的反思,也是对发展的提升,事关当代人的民生福祉和后代人的发展空间.中国把生态文明建设放在国家现代化建设更加突出的位置,坚持在发展中保护、在保护中发展,健全生态文明体制机制,下大力气防治空气雾霾和水、土壤污染,推进能源资源生产和消费方式变革,继续实施重大生态工程,把良好生态环境作为公共产品向全民提供,努力建设一个生态文明的现代化中国.

李克强强调,人类只有一个地球.保护生态环境、促进绿色发展是各国利益的汇合点.中国把生态环保作为对外开放的重要领域,将继续加强同世界各国、国际组织的环境合作,深入推进国际环境公约的履约,携手应对气候变化,共同推动人类环境与发展事业.

李克强表示,本次论坛年会以“改革驱动,全球携手,走向生态文明新时代”为主题,体现了结构改革推动结构调整,体现了各方面对生态文明建设的共同责任.相信年会将凝聚新的共识,为全球可持续发展作出新的探索.

摘自《中国环境报》

2014-07-14

Simulation analysis and verification of surface CO2flux over Pearl River Delta, China.

MAI Bo-Ru1, AN Xing-Qin2, DENG Xue-Jiao1*, ZHOU Ling-Xi2, WANG Chun-Lin3, LI Fei1, HUANG Jian-Ping4, CHEN Ling5, YIN Shu-Xian5
(1.Institute of Tropical and Marine Meteorology/Guangdong Provincial Key Laboratory of Regional Numerical Weather Prediction, China Meteorological Administration, Guangzhou510080, China；2.Key Laboratory for Atmospheric Chemistry of China Meteorological Administration, Research Institute of Atmospheric Composition of Chinese Academy of Meteorological Sciences, Beijing100081, China；3.Climate Center of Guangdong Province, Guangzhou510080, China;4.Yale-NUIST Center on Atmospheric Environment, Nanjing University of Information Science and Technology, Nanjing210044, China；5.Dongguan Meteorology Bureau, Dongguan,523086, China). China Environmental Science,2014,34(8)：1960～1971

Carbon dioxide is the primary greenhouse gas involved in climate change. This gas is responsible for85% of the increase in radiative forcing over the past decade and81% over the last five years. Accurate estimations of strength and spatiotemporal distributions of surface sources and sinks of CO2are thus of great interest to the scientific community and policy makers. The CO2measurement and modeling system developed by the National Oceanic and Atmospheric Administration and called the Carbon Tracker-2010 (CT-2010) was used to analyze the seasonal and spatial distributions of net CO2flux and CO2sink characteristics of terrestrial ecosystems in the Pearl River Delta (PRD) region. Prior to doing simulations, the CT-2010 model was validated using in situ observations from the Panyu meteorological site (PYQXJ), the Dongguan site (DG), and the Ding Hushan site (DHS), which are representative of grassland, urban green space, and forest ecosystems in the PRD region, respectively. Net fluxes from the CT-2010model compared with observations fromthe three sites well. Hourly, daily, and diurnal residuals were less than2.0 µmol/(m2·s) and correlation coefficients were greater than0.60 (P<0.01). The CT-2010 model captured well the seasonal patterns of CO2fluxes over the PRD region. However, the magnitude of the simulated fluxes was generally greater than that of the observed fluxes. Annual residuals were2.056,0.964, and2.100µmol/(m2·s) at the PYQXJ, DG, and DHS sites, respectively. From June2004to May2005, the mean surface net flux over the PRD region was3.43µmol/(m2·s). In summer, fall, winter, and spring, mean surface net fluxes were0.18,0.51,1.4, and1.35 µmol/(m2·s), respectively. The mean terrestrial flux in the PRD was -6.5×10-3PgC. The region during this time was dominated by crops (42.01%), grassland/shrubs (31.46%), and mixed (coniferous/broadleaf) forest (26.53%).

t：Carbon Tracker-2010；Pearl River Delta；surface CO2flux；terrestrial ecosystems

X511

：A

：1000-6923(2014)08-1960-12

麦博儒(1982-),男,海南儋州人,博士,主要从事区域温室气体的观测与模式评估.发表论文7篇.

2014-02-17

资金项目：广东省自然科学基金项目(S2012040007057,S2011010004771);国家重点基础研究发展计划(2010CB950601);中国气象局气候变化基础能力建设项目(CCSF201306;CCSF201405);广东省气象局科学技术研究项目(2012B10,2011B02);广东科技计划项目(2012A061400012;2011A032100006)

* 责任作者, 研究员, xjd@grmc.gov.cn