亚热带竹林挥发性有机物排放的模拟

白建辉，DUHL TIFFANY，余树全，王彬，郝楠

1. 中国科学院大气物理研究所中层大气与全球环境探测重点实验室，北京 100029；2. 美国美国国家大气研究中心，Boulder CO 80307，美国；3. 浙江农林大学，浙江 杭州 311300；4. 德国宇航中心，韦斯灵 82234，德国

亚热带竹林挥发性有机物排放的模拟

白建辉1*，DUHL TIFFANY2，余树全3，王彬3，郝楠4

1. 中国科学院大气物理研究所中层大气与全球环境探测重点实验室，北京 100029；2. 美国美国国家大气研究中心，Boulder CO 80307，美国；3. 浙江农林大学，浙江 杭州 311300；4. 德国宇航中心，韦斯灵 82234，德国

2012年7月至2013年1月，采用松弛涡度积累（Relaxed Eddy Accumulation）技术在我国浙江省亚热带竹林测量了挥发性有机物（BVOC）冠层尺度的排放通量，同步测量了气象参数、太阳辐射（总辐射、直接辐射、光合有效辐射PAR）。利用PAR能量平衡原理，建立了冠层尺度异戊二烯和单萜烯排放的经验模式，经验模式对于日变化、季节变化有较好的模拟。采用不同方法对经验模式进行检验，一般而言，BVOC的模拟值高于测量值。经验模式与MEGANv2.1全球生物排放模式对BVOC排放有比较一致的模拟结果，标准状况下（温度t=30 ℃、PAR=1 500 μmol·m-2·s-1）排放因子较接近（异戊二烯分别为4.00和3.60 mg·m-2·h-1，单萜烯分别为0.12和0.16 mg·m-2·h-1）。经验模式的计算结果表明：竹林BVOC排放主要集中于夏季（7─9月）且以异戊二烯为主（占BVOC排放的87.3%～95.8%）。利用经验模式计算了BVOC排放对各个因子（PAR、水汽、S/Q-散射因子，散射辐射/总辐射）变化的敏感性：当各个因子增加率大于40%时，异戊二烯对PAR的变化最敏感，其次是水汽因子，再次是S/Q；单萜烯对S/Q的变化最敏感，其次是水汽因子，再次是PAR；单萜烯比异戊二烯对S/Q的变化更敏感；异戊二烯和单萜烯对各因子变化的响应是非线性的。冠层尺度上 BVOC的排放量与卫星测量的 HCHO柱浓度（molec·cm-1）之间有良好的线性关系：异戊二烯排放量（mg·m-2·h-1）=3.93×10-16HCHO-2.81，单萜烯排放量（mg·m-2·h-1）=1.24×10-17HCHO-0.05。对比我国不同生态系统实测的排放通量、排放因子，异戊二烯排放以亚热带竹林最高，其次为温带森林，草地最低；单萜烯排放以温带森林最高，亚热带竹林次之，草地最低。

挥发性有机物；排放通量；光合有效辐射；经验模式；排放因子

BAI Jianhui, DUHL Tiffany, YU Shuquan, WANG Bin, HAO Nan. Simulation of BVOC Emissions in A Subtropical Bamboo Forest in China [J]. Ecology and Environmental Sciences, 2015, 24(12): 1923-1937.

全球尺度绝大多数挥发性有机物来源于植物排放，其中异戊二烯和单萜烯是植物挥发性有机物（BVOC）的主要成分、并占总排放的 50%以上。BVOC具有高度的化学活性，在大气化学和光化学、气候及其变化、碳平衡、辐射传输及辐射能量分配等方面有重要作用（Brasseur et al.，1999a，1999b；Bai，2009，2011，2013）。BVOC排放受温度、光合有效辐射（PAR）、树种、树龄、地域及其它参数（如水汽、CO2、O3等）影响而存在差别。本研究主要目标是准确测量不同地区代表性植物 BVOC排放（排放速率、排放通量），在分析实测数据的基础上建立模型，研究和评价区域及至全球BVOC的排放及变化趋势。

目前，对我国和全球不同地区BVOC排放的测量及估算已有大量研究（Fehsenfeld et al.，1992；Kesselmeier et al.，2002；Atkinson et al.，2003；张莉等，2003；白建辉等，2004a，2004b；Baker et al.，2005；谢旻等，2007；闫雁等，2005；Wang et al.，2007；司徒淑娉等，2010；白建辉等，2012a，2012b）。Guenther（1994）、Guenther et al.（1995，1999）、Guenther（2002）、Guenther et al.（2006）建立并发展了基于单一树种不同尺度的BVOC排放模型，并被国内外学者广泛运用。此外，还有基于能量和光合过程的模型被人们运用（Niinemets et al.，1999；Arneth et al.，2007；Grote et al.，2008；Pacifico et al.，2011）。我国学者通过测定我国多地代表性植物BVOC排放，利用国内外科学家测量的排放数据、Guenther的模型估算了多地及全国 BVOC排放（Klinger et al.，2002；Wang et al.，2003；白建辉等，2005；Bai et al.，2006；Tsui et al.，2009；司徒淑娉等，2009；Wang et al.，2011）。我国森林资源丰富，地跨多个气候带，在BVOC排放测量和模拟方面仍有大量工作要做。为获得大范围BVOC排放通量，减小封闭采样方法的测量误差，将松弛涡度积累（Relaxed Eddy Accumulation，REA）技术广泛应用于BVOC研究（Busingeret al.，1990；Guenther et al.，1998；Geron et al.，2002；Baker et al.，1999）。

我国现有竹林 5.38×106hm2，占世界竹林面积的1/5。亚热带竹林是我国代表性生态系统之一，准确了解竹林BVOC排放状况和变化规律，对研究典型区域大气化学和光化学过程、气候及气候变化等都具有重要的科学意义。

利用MEGAN模型计算特定区域BVOC排放需要确定该区域主要树种、草种的排放速率，而这些数据在我国大部分地区都很稀缺，如代之以其他地区相同树种、草种的排放数据，就将导致一定的计算误差，进而影响后续相关研究，如准确评价BVOC对O3和二次有机气溶胶（SOA）生成的贡献。基于PAR能量守恒原理建立的异戊二烯和单萜烯排放经验算法（白建辉等，2004a783-794；白建辉等，2004b197-203；白建辉等，2012b2237-2242），对内蒙古草原（箱方法）、云南热带森林（涡度相关方法）、长白山温带森林（REA方法）异戊二烯和单萜烯排放均有较好模拟。本文基于分析实测数据，发展和应用PAR能量方法，建立冠层尺度BVOC（包括异戊二烯和单萜烯）排放经验模式，并采用不同方法来检验，研究BVOC对其影响因子的敏感性，探讨地面测量 BVOC排放量与卫星测量甲醛（HCHO）柱浓度间的关系。

1　测量与模拟方法

实验样地选在浙江省临安市太湖源镇（30º18′N，119º34′E，185 m），位于我国亚热带地区。该样地雷竹林（Phyllostachys violascens）已建 10年左右，雷竹林群落高度4.5 m，平均胸径0.04 m，以2、3年生竹为主，总盖度80%，立竹密度每亩约800～1000株，竹林面积约5万亩。该实验样地周围竹林是优势植物，其他树种、林下灌木和草本都很少，有竹叶糠皮覆盖，为人工经营的笋用经济林。实验样地周围以红壤为主，坡度2～3°、样地周边村庄没有大型厂矿。全年降水量1600 mm，年平均气温16 ℃（陈云飞等，2013）。

BVOC通量测量仪器——REA系统安装于雷竹林内20 m观测塔的16 m高处。REA系统主要包括采样器、三维超声风速仪、数据采集器等。根据三维超声风速仪所测垂直风速的大小和方向，空气样品由数据采集器、采样泵控制分别抽入“上”、“下”两个不锈钢采样管内，采集的气体样品包括1对“上”、“下”样品、间或一些“中间”及空白样品。垂直风速＜±0.6 σw（垂直风速标准偏差）时，气体被抽入“中间”采集管；垂直风速>±0.6 σw时，气体将据垂直风速方向被分别抽入“上”或“下”采样管，每次采样时间为半小时。气体样品采集时间要求包括：（1）每日5次采样、间隔3 h；（2）每日中午前后为主、兼顾其他时段，以了解排放日变化、一日内不同时段的排放。采样一般选择在无雨时段。实验期间共采集气体样品115个，样品由美国国家大气研究中心分析，分析方法详见文献（Greenberg et al.，1999a，1999b；Bai et al.，2002；Duhl et al.，2013）。2012年7月7日至2013年1月 19日，测定了太阳辐射，包括总辐射、直接辐射、可见光辐射、PAR等太阳辐射（白建辉，2010；白建辉等，2012a546-548）及温湿度参数。辐射仪器安装于楼顶（高度8 m），周围无遮蔽，每日维护和检查系统。采样时段为：2012年7月7日-7月13日（A）、8月20日─8月26日（B）、9月25日─10月1日（C）、10月28日─11月5日（D）、2013年1月18日─19日（E）。

利用 REA系统测定 BVOC排放通量（mg·m-2·h-1）的算法为（Held et al.，2008）：

σw为垂直风速标准偏差，b为经验系数，Cup和Cdown分别为上、下采样管中某一成分的浓度。

雷竹林排放BVOC的主要成分包括异戊二烯、单萜烯-α蒎烯、倍半萜烯-长叶烯和柏木烯等。在A、B、C时段，异戊二烯排放占总排放的99.1%，范围为94.9%（9月）～99.5%（7月）；α蒎烯占总排放的 0.8%；倍半萜烯所占比例非常小（占总排放的0.1%）。

温度和PAR是控制异戊二烯排放的主要因素。对于单萜烯，某些成分的排放仅依赖于温度，另一些成分则同时依赖于温度和PAR（Greenberg et al.，2003）。另外，其他因素（CO2、O3、水分等）也会影响BVOC排放（Rosenstiel et al.，2003；白建辉等，2003）。虽然BVOC排放依赖于很多因子，但本质上，植物生理活动都需要可见光辐射或PAR。植物与大气及地表各种物质的相互作用还要吸收、利用水分和其他营养等。参考已有异戊二烯、单萜烯排放经验模型（白建辉等，2004a783-794；白建辉等，2004b197-203；白建辉等，2012b2237-2242），将PAR能量平衡方法应用于模拟竹林BVOC排放，本文单萜烯包括α蒎烯、长叶烯和柏木烯，因倍半萜烯排放通量非常小，为表述方便，将单萜烯和倍半萜烯合并考虑。

冠层界面接收的PAR能量（QPAR）主要包括，（1）异戊二烯或单萜烯对QPAR的利用或衰减（称为异戊二烯项或单萜烯项），用表示，k1是衰减系数，对于异戊二烯和单萜烯均假定为单位 1（m2·mg-1）；E为异戊二烯或单萜烯排放通量（mg·m-2·h-1）；计算时仅将异戊二烯项的指数部分乘以系数 0.1（以使异戊二烯项与单萜烯项、光化学项等为同一数量级）；采样时间t=0.5 h；m为大气质量（无量纲，下同）。异戊二烯和单萜烯在可见光波段没有吸收，但它们与·OH自由基及其他VOC成分、O3等在化学和光化学过程将利用PAR能量，或者说在它们被氧化为其他气液固（如SOA）物质的过程中，发生了能量利用和传递（Bai，2009211-228；Bai，20116931-6936）。关于可见光波段·OH自由基来源已有一些研究：NO2吸收可见光辐射（波长>420 nm）转为激发态 NO2*，NO2*与 H2O反应是对流层·OH自由基的一个重要来源（Li et al.，2008)；甲基过氧化氢（CH3OOH）吸收365～640 nm辐射可以产生·OH自由基（Matthews et al.，2005)。为描述异戊二烯（或单萜烯）在化学和光化学过程对PAR能量的利用或衰减，参照比尔定律来客观表达。其他气体如单萜烯（或异戊二烯）、O3等的能量作用可通过·OH的桥梁作用表达于光化学项之中（白建辉，2010304-310；白建辉，2013）。（2）大气中各种物质（气液固相）通过·OH自由基在化学和光化学反应中对QPAR的吸收与利用（称为光化学项；对异戊二烯而言，该项不包括异戊二烯的作用，因它已考虑于异戊二烯项；同理，对于单萜烯亦然），用 Ae-kWm表示，系数 A由分析实测数据确定，e-kWm=1-△S/Io，太阳常数Io=1367 W·m-2；Z为太阳天顶角（度）；△S=0.172（mW×0.1×30）0.303为整层大气吸收太阳辐射通量密度值（cal·cm-2·min-1，1 cal·cm-2·min-1=696.7 W·m-2），W为整层大气水汽含量（W=0.21ev），ev为地面水汽压（hPa），30为采样时间（min），0.1为经验系数（以使光化学项与异戊二烯等项为同一数量级）。关于光化学项意义和作用的讨论可参见文献（白建辉，2010）304-310。（3）大气中气液固相物质对QPAR的散射衰减、大气中物质和地表等对QPAR的多次反射和散射作用（称为散射项），用e-S/Q表示，S、Q分别为散射辐射和总辐射（W·m-2）。经验模式中辐射量及其他量均取采样时段的累计值，大气质量m取采样时段中间时刻之值。

BVOC排放经验模型建立应基于捕捉和描述大多数天气状况下的普遍规律，故暂不考虑测量误差较大、出现频率较小的情形。为建立较为合理和客观的异戊二烯排放经验模型，模型建立过程中尽量避免较低PAR和较小排放的情形，以降低较大实验误差对所建模型的影响。综上，剔除以下数据：（1）排放通量大于2σ（标准偏差）；（2）PAR半小时累计值＜1.33 mol·m-2（其光量子通量密度为 736.47 μmol·m-2·s-1）；3）S/Q>0.94（以减小云和大雾等对太阳辐射和排放的影响），得到各种天气（晴天和云天）数据n=12组（n为样本数）。

本文BVOC经验模型参照已有的一些算法：华北地区PAR算法（白建辉，2009）、草地和森林异戊二烯排放算法（白建辉等，2004a783-794；白建辉等，2004b197-203）、长白山单萜烯在光化学过程对PAR利用和衰减的描述（白建辉，2010304-310；白建辉等，2012b2237-2242），提出真实大气条件，冠层上水平面QPAR与异戊二烯、光化学、散射项间的定量关系为：

式中 A1′、A2′、A3′均为系数，A0′为常数，由分析实验数据确定。调整上式，计算冠层上异戊二烯排放的经验模型为：

分析异戊二烯和其他同步数据（12组），确定了公式中的系数A1=-0.050、A2=1.331、A3=0.298和常数A0=-0.226。异戊二烯项和其他3项间的可决系数r2=0.932。异戊二烯排放通量计算值与测量值相对偏差的平均值（）为20.27%，最大值为56.44%，均方差NMSE=为0.031（Chang et al， 2004）。排放通量计算与测量的平均值分别为3.345、3.359 mg·m-2·h-1，相对偏差为 0.42%。计算结果表明，大部分的计算值与测量值较为接近（图1）。

采用类似的PAR平衡原理和表达方法，建立了冠层尺度单萜烯排放经验模型。数据处理原则与异戊二烯类似，因排放通量上单萜烯远小于异戊二烯，如完全按照异戊二烯数据处理标准，其数据量将少于异戊二烯的，为得到尽量多的数据来反映实际天气与单萜烯排放相关的能量关系，将标准适当放宽，即剔除数据：（1）排放通量大于2σ；（2）PAR半小时累计值＜0.23 mol·m-2（光量子通量密度为130.28 μmol·m-2·s-1）；（3）S/Q=1.0。单萜烯与异戊二烯经验模式不同之处是将异戊二烯排放通量换为单萜烯排放通量。分析筛选后的数据（n=14），得到冠层上单萜烯项和QPAR、光化学、散射各项间r2=0.998，经验模型中各个系数分别为A1=-0.024、A2=1.294、A3=0.203，常数A0=-0.106。单萜烯计算值与测量值的为21.77%，最大值为55.78%，均方差为 2.02。排放通量计算与测量的平均值均为0.059 mg·m-2·h-1。计算值与测量值比较接近、变化规律也比较吻合（图2）。

图1　亚热带竹林异戊二烯排放通量的测量值与计算值Fig. 1 The measured and calculated emission fluxes of isoprene at a subtropical bamboo forest in China

图2　亚热带竹林单萜烯排放通量的测量值与计算值Fig. 2 The measured and calculated emission fluxes of monoterpenes at a subtropical bamboo forest in China

2　模拟结果

2.1不同实验时段BVOC排放的模拟

利用异戊二烯经验模式计算实验期间的排放量（半小时）并与实测值进行对比。首先，选择参与对比的实验数据：排放通量＜2σ，太阳高度角h>15°，S/Q＜1，得到74组数据。对于6:00─6:30、18:00─18:30时段的计算，采用m×2的算法（白建辉等，2012b）2240-2242，以修正较早和较晚时段大气质量变化对PAR传输带来的影响。异戊二烯计算值在8月21日之前与测量值比较接近、变化规律也大致相似，但8月21日之后，计算值明显大于测量值，表现出系统正偏差（图3）。为全面了解经验模型的模拟能力，也对比了排放的“平均日变化”（实验期间相同采样时段排放通量的平均）（图4），本文采用8月21日之前的数据，9:00、9:30、11:30的样本数分别为 4、2、2，其余样本数均为 1。对于“平均日变化”的模拟，计算值与测量值的变化规律大致相似，二者平均值分别为 3.44和 3.16 mg·m-2·h-1，相对偏差为8.9%。

图3　亚热带竹林异戊二烯排放通量的测量值与计算值（n=74）Fig. 3 The measured and calculated emission fluxes of isoprene at a subtropical bamboo forest in China (n=74)

8月底之后异戊二烯排放通量计算值普遍偏大，故尝试减小偏差：即将2012年9月及之后异戊二烯项的指数乘以一定倍数。当倍数为9时，计算值与测量值最为接近。采用这一方法重新计算了2012年7月─2013年1月竹林异戊二烯的排放通量（n=115），并与实测值进行对比（图5），经验模型的模拟准确度有了明显提高，计算值和测量值的平均值分别为1.46和0.95 mg·m-2·h-1，二者比值为1.53。因此，本研究对于2012年9月及之后异戊二烯排放的计算均采用此修正系数。

图4　亚热带竹林异戊二烯排放通量的日变化（n=15）Fig. 4 Diurnal variation of the measured and calculated emission fluxes of isoprene at a subtropical bamboo forest in China (n=15)

图5　亚热带竹林异戊二烯排放通量的测量值与计算值（n=115）Fig. 5 The measured and calculated emission fluxes of isoprene at a subtropical bamboo forest in China (n=115)

模拟2012年7月─2013年1月“平均日变化”分两种情况：（1）6:00─18:00（采样点为5）；（2）实验期间相同测量时段（采样点为20）。图6、7给出两种情况异戊二烯排放通量的计算值和测量值。对于5个采样点的模拟，计算值和测量值的平均值分别为2.35和1.71 mg·m-2·h-1，二者比值为1.38；对于 20个采样点的模拟，计算值和测量值的平均值分别为1.39和0.99 mg·m-2·h-1，二者比值为1.40。随样本数增加，日变化模拟结果（对比图4、6、7）有所改善；“平均日变化”的模拟效果也明显好于单次的。20个采样点“平均日变化”表现出类似的周期性变化：PAR表现出10:30的最大值和其余时段的低值，温度、水汽压、S/Q均表现出同步的周期性变化（图略）。因此，温度、水汽压、S/Q是控制异戊二烯（和单萜烯，图12）日变化的主要因子。

图6　亚热带竹林异戊二烯排放通量的日变化（n=15）Fig. 6 Diurnal variation of the measured and calculated emission fluxes of isoprene at a subtropical bamboo forest in China (n=15)

图7　亚热带竹林异戊二烯排放通量的日变化（n=115）Fig. 7 Diurnal variation of the measured and calculated emission fluxes of isoprene at a subtropical bamboo forest in China (n=115)

模拟单萜烯排放采用了类似异戊二烯的方法。首先给出对同样 74组数据模拟的对比，包括单次采样和“平均日变化”情形（图 8、9）。对于“平均日变化”，9:00、9:30、11:30的样本数也分别为4、2、2，其余样本数也均为 1。对于单萜烯排放通量的模拟（单次采样），其计算值与测量值的变化规律大致相似，二者平均值分别为 0.03和 0.01 mg·m-2·h-1，其比值为3.89。对于“平均日变化”的模拟，计算值与测量值的变化规律也大致类似，二者平均值分别为0.11和0.04 mg·m-2·h-1，其比值为2.60。对单萜烯排放的模拟在9月份及之后没有明显的系统偏差，故本研究不做修正。

图8　亚热带竹林单萜烯排放通量的测量值与计算值（n=74）Fig. 8 The measured and calculated emission fluxes of monoterpenes at a subtropical bamboo forest in China (n=74)

图9　亚热带竹林单萜烯排放通量的日变化（n=15）Fig. 9 Diurnal variation of the measured and calculated emission fluxes of monoterpenes at a subtropical bamboo forest in China (n=15)

最后，利用单萜烯排放经验模式计算了 2012年7月─2013年1月的排放通量（n=115），并与测量值进行对比（图 10）。大部分单萜烯排放的模拟值与测量值比较接近，变化规律基本相似，计算值与测量值的平均值分别为0.05和0.02 mg·m-2·h-1，二者之比为2.87。

图10　亚热带竹林单萜烯排放通量的测量值与计算值（n=115）Fig. 10 The measured and calculated emission fluxes of monoterpenes at a subtropical bamboo forest in China (n=115)

模拟“平均日变化”也分两种情形，采样点为5：计算值与测量值的平均值分别为 0.04和 0.02 mg·m-2·h-1，二者之比为1.92；采样点为20：计算值与测量值的平均值分别为0.03和0.01 mg·m-2·h-1，二者之比=2.49（图11、图12）。

图11　亚热带竹林单萜烯排放通量的日变化（n=15）Fig. 11 Diurnal variation of the measured and calculated emission fluxes of monoterpenes at a subtropical bamboo forest in China (n=15)

图12　亚热带竹林单萜烯排放通量的日变化（n=115）Fig. 12 Diurnal variation of the measured and calculated emission fluxes of monoterpenes at a subtropical bamboo forest in China (n=115)

2.2竹林2012年7月─2013年1月BVOC排放

根据BVOC经验模型，利用在竹林测量的太阳辐射、气象等数据计算实际天气BVOC排放量。鉴于我国气象和辐射台站测量数据一般为小时值，在计算上都把经验模式中的累计量由半小时推广到 1小时，m取半点时刻之值。计算时间段分别为：2012年7月7日─7月13日、8月19日─8月26日、9月24日─9月30日、10月1日─2013年1月22日，每日从日出至日落。在每日小时排放通量的基础上，得到每日排放量，然后得到月排放量。这里2012年7、8、9月和2013年1月的“月排放量”与整个月的平均值有差别，2012年10、11、12月的月平均为整月平均。图13、图14分别给出2012年7月7日─2013年1月22日异戊二烯和单萜烯排放量及其测量值，异戊二烯和单萜烯的模拟值与测量值大多比较接近，它们随季节的变化规律也基本相同。

图13　利用经验模式计算的竹林异戊二烯的排放量及其测量值Fig. 13 Isoprene simulations using an empirical model and measured emissions in a bamboo forest

图15给出2012年7月─2013年1月BVOC排放量的月平均值，图中还给出 PAR、温度、S/Q的月均值。夏季（7、8月）是异戊二烯和单萜烯高排放时段，异戊二烯7、8月排放量分别为3.35、2.51 mg·m-2·h-1，单萜烯分别为0.15、0.11 mg·m-2·h-1；秋冬季（9月─次年1月）为BVOC低排放时段，异戊二烯和单萜烯排放显著降低且变化幅度较小；2012年9─12月、2013年1月异戊二烯排放量分别为0.19、0.21、0.19、0.17、0.14 mg·m-2·h-1，变化范围为0.14～0.21 mg·m-2·h-1；同期单萜烯排放量分别为0.03、0.06、0.05、0.04、0.02 mg·m-2·h-1，变化范围为0.02～0.06 mg·m-2·h-1。异戊二烯、单萜烯、BVOC 7月和8月排放占7─12月排放总量的比例分别为88.5%、59.6%、86.7%。7、8、9月异戊二烯占BVOC的比例分别为95.7%、95.8%、87.3%，10─12月及2013年1月分别为78.6%、79.8%、79.5%、85.6%，即竹林 BVOC排放集中于夏季，异戊二烯对BVOC的贡献夏季最大、其他季节略降但仍具主导地位。2012年7─12月异戊二烯、单萜烯、BVOC排放量分别为6.62、0.44、7.06 mg·m-2·h-1。夏季到秋冬季，异戊二烯和单萜烯排放的快速下降明显受到温度、水汽含量（以地面水汽压表示）、PAR减小的共同影响。

图14　利用经验模式计算的竹林单萜烯的排放量及其测量值Fig. 14 Monoterpene simulations using an empirical model and measured emissions in a bamboo forest

图15　竹林BVOC排放量以及同步的温度θ（×10）、地面水汽压ev（×10）、S/Q的月平均（单萜烯排放量×10）Fig. 15 Monthly averages of BVOC emissions, temperature θ(×10), water vapor pressure ev (×10) at the ground and S/Q in a bamboo forest. Monoterpene emissions (×10)

2.3竹林BVOC排放因子

标准状况下（温度=30 ℃、PAR=1500 μmol⋅m-2⋅s-1），竹林BVOC的排放因子计算如下：（1）PAR取1500 μmol⋅m-2⋅s-1；（2）将2012年7月─2013年1月地面水汽压与温度、相对湿度之间建立定量关系（地面水汽压=1.05×温度+0.309×相对湿度-24.695，r2=0.972，n=115），由此关系获得温度在30 ℃、相对湿度为各月平均值的水汽压；（3）S/Q取各月平均值。为保证排放因子的可靠性，异戊二烯和单萜烯均采用 n=74的数据（数据标准参见3.1）。这样，获得了2012年7月─2013年1月的排放因子。BVOC采样一般选在夏季晴好天气，异戊二烯在7、8、9月的排放因子分别为4.00、4.53、3.95 mg·m-2·h-1，如取7、8月代表夏季，则其夏季的排放因子为4.26 mg·m-2·h-1。给出由74组数据计算的排放因子-4.28 mg·m-2·h-1做为参考。单萜烯在7、8、9月的排放因子分别为 0.12、0.16、0.10 mg·m-2·h-1，由74组数据计算的夏季（7、8月）排放因子分别为0.14、0.13 mg·m-2·h-1。利用建立排放经验模型时的数据，得到异戊二烯（n=12）和单萜烯（n=14）的排放因子分别为4.36、0.10 mg·m-2·h-1。利用G93模式（Guenther et al.，1993）计算了归一化的异戊二烯和单萜烯的排放通量，该模式计算结果与测量值具有类似的变化规律，与测量值也比较接近（图略）。为便于比较，使用建立异戊二烯和单萜烯经验模式时用数据[异戊二烯（n=12）和单萜烯（n=14）]，并利用G93模式计算了异戊二烯和单萜烯的排放通量，它们的平均值分别为 3.745、0.047 mg·m-2·h-1。对于异戊二烯和单萜烯而言，利用经验模式的计算值与利用 G93模式的比值分别为1.16、2.27。因为G93模式对于单萜烯的计算仅考虑温度变化（不考虑PAR影响），因而PAR使用原测量值，得到（温度为 30 ℃）单萜烯的排放因子为0.059 mg·m-2·h-1，此时，经验模式与G93模式单萜烯排放因子之比为1.79。G93模式得到的单萜烯排放因子远小于经验模式和MEGAN v2.1（见下面内容）的值，主要原因是单萜烯排放还受温度以外其他因子控制（如 PAR、水汽、散射因子）；另外，MEGAN v2.1模式还考虑了测量点外围其他植物单萜烯的排放。

利用MEGANv2.1模式和7月测量数据计算了标准状况的排放因子（叶面积指数 LAI=5.0；模式分辨率为1 km2，围绕实验竹林4 km2范围有4个点，取各点平均值）：异戊二烯为3.60 mg⋅m-2⋅h-1、α蒎烯为 0.16 mg·m-2·h-1。对比标准状况下异戊二烯 7月的排放因子，经验模式与MEGANv2.1模式的比值为4.00/3.60=1.11；因竹林倍半萜烯排放通量远小于α蒎烯的（例如，2012年7月7日─7月13日、8月20日─8月26日、9月25日─10月1日实测数据，异戊二烯占总排放的99.1%、α蒎烯占0.8%，倍半萜烯仅占0.1%），可认为经验模式计算的单萜烯排放因子与MEGANv2.1计算α蒎烯的排放因子近似，二者比值为0.12/0.16=0.75。利用REA测量BVOC排放通量的实验误差为 25%或 30%（Guenther et al.，1996；Bai et al.，2015a），因而，两种模式计算的排放因子在合理的实验误差内，其中以异戊二烯的计算偏差较小（11%）。

为更全面了解异戊二烯和单萜烯标准条件下排放因子的变化情况，扩展考虑更多的非晴好天气：取2012年7月─2013年1月时段，n=96，即除原来74组数据外，增加了2014年10月28日─11月5日、2015年1月18日─19日的数据。其中剔除了较早和较晚（6:00、18:00）之值，以确保排放因子的普遍代表性。因为这些时段太阳辐射很弱、雾霾较多、BVOC排放也很低，各个参数测量误差都比较大。2012年7、8、9、11和2013年1月各时段异戊二烯排放因子分别为4.22、4.60、4.01、4.49、4.20 mg·m-2·h-1，单萜烯排放因子分别为0.13、0.16、0.11、0.13、0.12 mg·m-2·h-1，即异戊二烯和单萜烯的排放因子都比较稳定。2012─2013年实验期间，异戊二烯和单萜烯排放因子的平均值分别为4.31、0.13 mg·m-2·h-1，与前面不同情形的排放因子均比较接近；同样，由7月数据和经验模型计算的排放因子与MEGAN v2.1模式的相应结果也比较一致。这从另一个侧面表明：（1）使用前面良好天气实验数据确定的排放因子有较好的代表性；（2）在对实验数据严格筛选后、样本数虽然相对较少，但是，由经验模型确定的异戊二烯（n=12）和单萜烯（n=14）的排放因子较为可靠；（3）经验模式能够给出标准状况下、时间跨度较大情形下异戊二烯和单萜烯较为稳定的排放因子，这也反映了该模型对实际大气条件下BVOC排放具有较好的模拟能力；4）经验模型与MEGAN模型一样均有描述冠层尺度BVOC排放的能力。

图16　某一因子变化（%）其他因子不变时，异戊二烯排放的变化率（%）Fig. 16 Isoprene emission changing rates (%) caused by the changes of one factor (%), and other factors keep at their original levels under realistic atmospheric conditions

2.4BVOC排放的敏感性试验

未来大气环境变化时，竹林BVOC的排放将如何响应？为解答这一问题，利用经验模型，计算了目前大气环境下，当某一因子发生变化而其他因子保持不变的情形下，异戊二烯和单萜烯排放的变化率（%）（图16、17）。当影响异戊二烯和单萜烯的某一因子增加或减少时，对应的排放将增加或减小，其变化率是非线性的，特别是某一因子变化率较大之时。单萜烯对各个因子变化的敏感性均大于异戊二烯。在某一因子增加时，（a）且每个因子增加率＜40%时，异戊二烯对 S/Q最为敏感，其次是PAR，最后是水汽因子；每个因子增加率>40%时，异戊二烯对PAR最为敏感，其次是S/Q，最后是水汽因子；当某一因子减小且减小率＜40%时，异戊二烯对PAR最为敏感，其次是水汽因子，最后是S/Q。相比异戊二烯，当各个因子增加或减小时，单萜烯对 S/Q最为敏感，水汽因子略微次之，最弱的是PAR。

图17　某一因子变化（%）其他因子不变时，单萜烯排放的变化率（%）Fig. 17 Monoterpene emission changing rates (%) caused by the changes of one factor (%), and other factors keep at their original levels under realistic atmospheric conditions

分析发现，未来实际大气或者气候变化之时，每个因子变化的初始值及变化率都将影响到异戊二烯和单萜烯的排放。因此，未来要根据各个因子的实际情况给出准确评价。

图18　竹林异戊二烯和单萜烯排放量与甲醛柱浓度之间的关系（单萜烯排放量×10）（n=602）Fig. 18 The relationships between isoprene and monoterpene emissions and HCHO vertical column densities (monoterpene emissions×10)(n=602)

2.5BVOC排放量与卫星测量甲醛（HCHO）之间的关系

异戊二烯和单萜烯氧化产物主要为甲醛（HCHO）（Orlando et al.，2000），它们之间通过化学和光化学过程而存在着联系，因此未来可利用卫星测量的甲醛柱浓度估算 BVOC排放量（例如，Palmer et al.，2006）。基于此，我们来研究BVOC排放量与甲醛柱浓度之间的关系。甲醛数据来自GOME-2的测量，并采用差分吸收光谱技术（DOAS）及辐射传输模式（Platt et al.，2008；De Smedt et al.，2012）获得。为与冠层尺度BVOC排放量匹配，选择距离通量塔100 km内与BVOC同步的甲醛数据，2012年7月─2013年1月甲醛数据样本数分别为32、71、50、146、136、111、56，总样本数为602，并采用“月均值”进行分析。BVOC数据为利用经验模式计算所得。异戊二烯和单萜烯排放量、甲醛柱浓度月均值的变化总体上比较类似，但甲醛柱浓度在2013年1月异常偏大、与其季节变化规律不太相符。分析2012年7月─2013年1月异戊二烯、单萜烯与甲醛柱浓度月均值间的关系，以7─11月BVOC排放量与柱浓度之间的关系最好，其定量关系分别为：异戊二烯排放量=3.93×10-16HCHO-2.81（r2=0.90）、单萜烯排放量=1.24×10-17HCHO-0.05（r2=0.81），这里HCHO为柱浓度（molec⋅cm-2）。长白山温带森林生长季异戊二烯、单萜烯排放量与HCHO柱浓度也有良好的线性关系（Bai et al.，2015b）。需要说明的是，竹林实验样地周围主要植物是竹林，其他树种和草本植物很少，周边乡村无大型工厂，可以认为BVOC、HCHO来源主要受自然源、BVOC光化学过程影响，受人为源影响较弱。关于BVOC排放量或浓度与甲醛之间的化学机制，还需依据化学模式深入研究。

3　讨论

从实测数据（n=115）筛选出12组用于建模，数据量虽少，但建立经验模型时数据质量重于数量，主要依据如下：（1）模拟云南橡胶林异戊二烯排放时，分别使用111、10组数据建立经验模型，它考虑了异戊二烯与PAR、光化学、散射项间的能量关系，这两种经验模型形式相同、均可较好模拟异戊二烯排放，计算误差＜50%的数据分别占64.9%、56.8%（白建辉等，2004b201-203；白建辉，2014）；（2）模拟长白山温带森林异戊二烯排放实验获得2010和2011年生长季60、87组排放数据，根据类似本文的标准分别得到13、21组数据，建立了同形式的异戊二烯排放经验模式：PAR、光化学、散射、常数等项的系数分别为-0.048、1.306、0.123、-0.084，-0.050、1.268、0.097、-0.039；r2分别为0.988、0.939，δ分别为20.2%、48.8%，NMSE分别为 0.070、0.165。合并两年数据确定经验模型各项的系数分别为：-0.049、1.292、0.112、-0.065，δ=39.3%，NMSE=0.133（Bai et al.，2015b1-31）。（3）本研究异戊二烯经验模型各对应项的系数为-0.050、1.331、0.298、-0.226，=20.27%， NMSE=0.031。综合来看，不同生态系统异戊二烯与PAR、光化学项之间的能量关系比较一致（虽然在散射项和常数项、δ、NMSE等有一些差别）。从本研究以及长白山森林研究（Bai et al.，2015b）1-31中对经验模型的检验，采用模型建立之外不同样本的数据、平均日变化，发现随样本数增加，模拟值更趋近于测量值。鉴于目前BVOC样品分析和模式误差较大，如均远大于太阳紫外辐射的10%和3.6%（Bai，2011）6932-6936，我们应首要做好BVOC排放总量、平均状况的测量和模拟；未来随着采样和分析技术各个环节精度的提高，相信测量和模式的精度也将逐步提高（特别是单次采样）。对于长白山温带森林和亚热带竹林单萜烯排放的模拟，经验模式也表现出与异戊二烯类似的结果（限于篇幅，不再赘述）。

简要讨论一下长白山森林和亚热带竹林BVOC排放的异同。长白山BVOC排放经验模型已由原型（白建辉等，2012b）2237-2243发展为本文形式，利用2年数据得到异戊二烯和单萜烯的系数和有关结果分别为：-0.049、1.292、0.112、-0.065（r2=0.964，=39.3%，n=34）；-0.054、1.371、0.184、-0.204（r2=0.973、=27.1%，n=37）。长白山森林和亚热带竹林BVOC采样均采用REA技术、同样的辐射和气象测量仪器，故经验模型具有可比性。对比竹林BVOC经验模型的系数，异戊二烯为：-0.050、1.331、0.298、-0.226，单萜烯为：-0.024、1.294、0.203、-0.106，亚热带竹林和温带森林异戊二烯和PAR、异戊二烯和光化学项的能量关系非常一致，这表明不同地区、不同类型森林异戊二烯排放与PAR、光化学项间的能量关系相同，这一点与G93模型中异戊二烯排放使用相同的光温函数有异曲同工之处。亚热带竹林和长白山森林异戊二烯与散射项之间的关系不同，表明异戊二烯排放与气柱中物质含量的关系存在地区差异，这可能在一定程度上反映了异戊二烯与其光氧化生成 SOA的产量具有地域特征，特别是我国目前 SOA在细颗粒物中比例越来越大的情况下显得尤为重要。亚热带竹林和温带森林单萜烯经验模式系数有明显不同，它反映了两地单萜烯成分及排放量（白建辉等，2012b）2237-2243的差别。

基于 PAR能量方法的经验模型可以较好地捕捉并模拟多数情形下BVOC的排放特征。对于建模情形，异戊二烯和单萜烯模拟与测量的平均值都比较接近，表明经验模型对于BVOC排放平均状况的模拟可以信赖；对于放宽天气、排放条件的模拟，异戊二烯和单萜烯的计算偏差增大，这是可以理解的，因为在这些状况下（多云、浓雾、较早和较晚时段），排放通量和太阳辐射较低，测量误差和模拟误差都将增大。对于115组异戊二烯单次采样、5点采样和20点采样“平均日变化”的模拟，其模拟值与测量值的比值分别为 1.53、1.38、1.40；类似地，单萜烯的相应值分别为 2.87、1.92、2.49。国外模型（如MEGAN）异戊二烯模拟值与测量值之比在2倍以内（Guenther et al.，2006）3182-3206。各种情形下异戊二烯的模拟均明显好于单萜烯的主要原因可能是二者量级上的差别。对比前面关于“平均日变化”和单次的模拟，对异戊二烯和单萜烯“平均日变化”的模拟均有一定改善。例如，对单萜烯的模拟（n=74），其单次和“平均日变化”的模拟值与测量值之比分别为 3.89和 2.60。REA测量及其后期分析误差也给准确模拟 BVOC排放带来一定难度。经验模型模拟异戊二烯和单萜烯“平均日变化”规律较好、模拟值普遍高于测量值，主要是因为实际天气多数 BVOC排放均较低或很低（包括一些负值）、而经验模型都是在天气条件普遍偏好的情况下建立的。BVOC经验模型对“平均日变化”的模拟随样本数增加而显著提高，表明这种方法可以减小测量过程中的随机误差及分析误差。

异戊二烯排放在8月底之后明显下降，这可能是因为温度的下降和降水的减少。对比实验A和B时段，C、D时段温度降低了20.7%、36.8%，水汽含量下降了42.3%、57.7%；而PAR基本稳持在同一水平上。竹叶6月开始生长、7月基本成熟。C、D时段竹叶生理活动减弱可能是导致异戊二烯排放下降的另一个原因；另外，根据对毛竹气孔导度的测量，发现其9月至次年1月各月平均值与8月比值的平均值为2.4（变化范围2.1～3.1）（施建敏等，2005），9月后气孔导度明显下降也可能是异戊二烯排放显著下降的另一个原因。基于以上分析，通过试验修正异戊二烯排放模型，以适应这些因素变化对排放带来的影响。未来模式中应考虑增加这些因素及更多的因素，以准确模拟异戊二烯在不同季节的排放。

冬季（如2012年12月─2013年1月期间），异戊二烯和单萜烯的排放表现出远低于夏季，变化幅度也远小于夏季的特征。相比其他月份，2013年1月的测量数据较少，未来应该加强1月份以及其他未测量月份的实验和模式研究。

大气中各种物质之间有复杂的化学和光化学反应，例如 BVOC与其他成分（O3、NO、NO2等）、·OH自由基反应，BVOC氧化产生大量的、多成分的二次有机气溶胶，在BVOC参与的光化学反应中，还涉及与紫外辐射、可见光辐射之间的相互作用（即能量利用与消耗），因而，BVOC排放不仅仅受温度、PAR控制，还涉及其他因子。以能量为基础、考虑大气中与BVOC排放有关的主要能量过程，对实测数据的统计分析确定实际大气各主要能量间的关系，这样所建立的模型才可能最大程度地符合自然界真实的规律。对经验模型不同方法的检验，表明 BVOC模型适合于大多数情形下对BVOC排放及其变化的模拟。基于目前研究，利用PAR能量方法建立的排放模型适用于模拟竹林BVOC的排放，并得到了与长白山森林、内蒙古草原、云南热带森林类似的模拟结果（白建辉等，2004a784-793，2004b198-202，2012b2237-2243）。BVOC经验模型基于冠层上能量之间的相互作用和动态关系，适用于模拟冠层尺度BVOC排放，其输入参数可由常规观测站获得且所需参数较少，可大幅度减少测量单一树种、草种排放速率的工作量，减小封闭式采样较大误差带来的影响，因而该方法值得进一步研究和推广。

敏感性分析表明，异戊二烯对 PAR比对水汽（一定程度上也是温度）更敏感；单萜烯对水汽远比对PAR更敏感，这与野外测量结果基本一致：（1）影响异戊二烯排放的主要因子是 PAR，其次是温度；（2）大部分植物单萜烯的排放受控于温度，某些植物也受控于PAR。由于单萜烯对于PAR的敏感性远弱于对水汽（或者温度），当PAR变化率较小时，单萜烯排放的变化也很小（图 17）。可见，BVOC经验模式可以解释实验中发现的某些现象及其内在规律。异戊二烯排放随水汽减少而非线性减小，这与8月底之后异戊二烯排放的快速下降比较一致。异戊二烯和单萜烯随散射因子增加或减少而非线性的增加或减少，揭示了异戊二烯和单萜烯在大气中光氧化形成SOA的机制，因为BVOC经验模型表达的是真实大气各能量过程间的相互作用和相互关系，而不是单一方向的控制关系。对比单萜烯和异戊二烯对S/Q的敏感性，单萜烯比异戊二烯对S/Q的变化更敏感，这可能意味着实际大气条件下单萜烯（α蒎烯）、倍半萜烯（长叶烯和柏木烯）比异戊二烯更易氧化为SOA。研究表明：倍半萜烯氧化为SOA的产率为17%～67%，单萜烯的氧化产率为2%～23%（Griffin et al.，1999）；相比之下，异戊二烯的氧化产率很小，仅为0.9%～3%（Kroll et al.，2005）。这些结果与本文经验模式对实际大气的计算结果都较为一致。

采用类似的能量方法和原理，建立了温带森林、内蒙古草原BVOC排放经验模式，并利用它们计算了标准状况下BVOC的排放因子：长白山温带森林异戊二烯和单萜烯分别为2.50、0.40 mg·m-2·h-1，内蒙古草原异戊二烯为 482.8（范围413.6～539.4）μg·m-2·h-1。利用MEGAN模型计算的内蒙古草原异戊二烯标准状况下的排放因子为 380（2002年9月）～520（2002年6月）μg·m-2·h-1（Bai et al.，20065755-5756；Guenther et al.，20063181-3210）。经验模型计算的草地异戊二烯排放因子与国际上广泛应用的MEGAN模型结果比较一致。对比上述不同生态系统实测的排放通量、排放因子，异戊二烯排放以亚热带竹林最高，其次为温带森林，草地最低；单萜烯排放以温带森林最高，亚热带竹林次之，草地最低。

4　结论

利用2012年7月─2013年1月对亚热带典型竹林BVOC排放的测量数据，依据PAR能量平衡方法，建立了异戊二烯和单萜烯排放的经验模型。经验模型考虑了与BVOC排放有关的主要能量，模拟值与测量值比较接近，对于BVOC排放日变化以及季节变化有较好的模拟。经验模式建立多面向晴好天气，故实际大气的模拟值多高于测量值。BVOC经验模型与MEGAN模型模拟BVOC排放、排放因子均比较接近，它们均适合模拟亚热带竹林BVOC排放。经验模式计算的标准状况BVOC排放因子在较大时间尺度上比较稳定。模式计算表明，竹林BVOC排放以夏季最高，各个季节均以异戊二烯为主。敏感性实验表明：异戊二烯和单萜烯对于各个因子变化的响应是非线性的；当各个因子增加率大于40%时，异戊二烯对PAR变化最敏感，其次是水汽因子及S/Q；单萜烯对S/Q变化最敏感，其次是水汽因子及PAR。单萜烯比异戊二烯对S/Q变化更敏感。随卫星测量技术和测量手段的提高，利用卫星数据估算生态系统BVOC排放值得研究。初步研究表明，卫星测量HCHO柱浓度与冠层尺度BVOC排放量之间有良好关系，它为估算冠层尺度BVOC排放、卫星数据广泛应用提供了参考。

致谢：美国华盛顿州立大学Alex Guenther博士、美国 2B科技公司 Andrew Turnipseed博士在竹林BVOC研究中做了大量工作，试验期间浙江临安太湖源镇李松良给予了很多帮助，作者谨此深表谢意！

ARNETH A, NIINEMETS U, PRESSLEY S, et al. 2007. Process-based estimates of terrestrial ecosystem isoprene emissions: incorporating the effects of a direct CO2-isoprene interaction [J]. Atmospheric Chemistry and Physics, 7(1): 31-53.

ATKINSON R, AREY J. 2003. Gas-phase tropospheric chemistry of biogenic volatile organic compounds a review [J]. Atmospheric Environment, 37(3): 197-219.

BAI J H, BAKER B, LIANG B S, et al. 2006. Isoprene and monoterpene emissions from an Inner Mongolia grassland [J]. Atmospheric Environment, 40(30): 5753-5758.

BAI J H, DUHL T, HAO N. 2015b. Biogenic volatile compound emissions from a temperate forest, China: model simulation [J]. Journal of Atmospheric Chemistry, 1-31. DOI 10.1007/s10874-015-9315-3.

BAI J H, WANG M X, HU F, et al. 2002. Analyzing method on biological volatile organic compounds [J]. Advances in Atmospheric Sciences, 19(1): 64-72.

BAI J H, GUENTHER A, TURNIPSEED A, et al. 2015a. Seasonal and interannual variations in whole-ecosystem isoprene and monoterpene emissions from a temperate mixed forest in Northern China [J]. Atmospheric Pollution Research, 6(4): 696-707.

BAI J H. 2009. UV attenuation in the cloudy atmosphere [J]. Journal of Atmospheric Chemistry, 62(3): 211-228.

BAI J H. 2011. Analysis of ultraviolet radiation in clear skies in Beijing and its affecting factors [J]. Atmospheric Environment, 45(38): 6930-6937.

BAI J H. 2013. Photosynthetically active radiation loss in the atmosphere in North China [J]. Atmospheric Pollution Research. 4(4): 411-419, doi: 10.5094/APR.2013.047.

BAKER B, BAI J H, JOHNSON C, et al. 2005.Wet and dry season ecosystem level fluxes of isoprene and monoterpenes from a Southeast Asian secondary forest and rubber tree plantation [J]. Atmospheric Environment, 39(2): 381-390.

BAKER B, GUENTHER A, GREENBERG J, et al. 1999. Canopy fluxes of 2-methyl-3-buten-2-ol over a ponderosa pine forest by relaxed eddy accumulation; Field data and model comparison [J]. Journal of Geophysical Research, 104(D21): 26107-26114.

BRASSEUR G P, ORLANDO J J, TYNDALL G S. 1999a. Atmospheric Chemistry and Globe Change [M]. New York: Oxford University Press: 325-347.

BRASSEUR G P, ORLANDO J J, TYNDALL G S. 1999b. Atmospheric Chemistry and Global Change [M]. New York: Oxford University Press: 167-174.

BUSINGER J A, ONCLEY S P. 1990. Flux measurement with conditional sampling [J]. Journal of Atmospheric and Oceanic Technology, 7(2): 349-352.

CHANG J C, HANNA S R. 2004. Air quality model performance evaluation [J]. Meteorol Atmos Phys, 87(1): 167-196.

DE SMEDT I, VAN ROOZENDAEL M,STAVRAKOU T, et al. 2012. Improved retrieval of global tropospheric formaldehyde columns from GOME-2/MetOp-A addressing noise reduction and instrumental degradation issues [J]. Atmospheric Measurement Techniques, 5(11): 2933-2949.

DUHL T R, GOCHIS D, GUENTHER A, et al. 2013. Emissions of BVOC from lodgepole pine in response to mountain pine beetle attack in high and low mortality forest stands [J]. Biogeosciences, 10(1): 483-499, doi: 10.5194/bg-10-483-2013.

FEHSENFELD F, CALLVERT J, FALL R, et al. 1992. Emissions of volatile of organic compounds from vegetation and the implications for atmospheric chemistry [J]. GlobalBiogeochemicalCycles, 6(4): 389-430.

GERON C D, GUENTHER A B, GREENBERG J, et al. 2002. Biogenic volatile organic compound emissions from a lowland tropical wet forest in Costa Rica [J]. Atmospheirc Environment, 36(23): 3793-3802.

GREENBERG J P, GUENTHER A B, MADRONICH S, et al. 1999b. Biogenic volatile organic compound emissions in central Africa during the Experiment for the Regional Sources and Sinks of Oxidants (EXPRESSO) biomass burning season [J]. Journal of Geophysical Research, 104(30): 659e30, 671.

GREENBERG J P, GUENTHER A, HARLEY P, et al. 2003. Eddy flux and leaf-level measurements of biogenic VOC emissions from mopane woodland of Botswana [J]. Journal of Geophysical Research, 108 (D13), doi: 10.1029/2002JD002317.

GREENBERG J P, GUENTHER A, ZIMMERMAN P R, et al. 1999a. Tethered balloon measurements of biogenic VOCs in the atmospheric boundary laye r [J]. Atmospheric Environment, 33: 855-867.

GRIFFIN R J, COCKER D R, FLAGAN R C, et al. 1999. Organic aerosol formation from the oxidation of biogenic hydrocarbons [J]. Journal of Geophysical Research, 104(D3): 3555-3567.

GROTE R, NIINEMETS U. 2008. Modeling volatile isoprenoid emissions–a story with split Ends [J]. Plant Biology, 10(1): 8-28.

GUENTHER A B, HILLS A J. 1998. Eddy covariance measurement of isoprene fluxes [J]. Journal of Geophysical Research, 103 (D11): 13145-13152

GUENTHER A B, ZIMMERMAN P R, HARLEY P. 1993. Isoprene and monoterpene emission rate variability: model evaluations and sensitivity analyses [J]. Journal of Geophysical Research, 98(D7):12609-12617.

GUENTHER A, BAUGH B, BRASSEUR G, et al. 1999. Isoprene emission estimates and uncertainties for the Central African EXPRESSO study domain [J]. Journal of Geophysical Research, 104(30): 30625-30639.

GUENTHER A, HEWITT C N, ERICKSON D, et al. 1995. A global model of natural volatile organic compound emissions [J]. Journal of Geophysical Research, 100(D5): 8873-8892.

GUENTHER A, KARL T, HARLEY P, et al. 2006. Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Nature) [J]. Atmospheric Chemistry and Physics, 6(11): 3181-3210.

GUENTHER A, OTTER L, ZIMMERMAN P, et al. 1996. Biogenic hydrocarbon emissions from southern African savanna [J]. Journal of Geophysical Research, 101(D20): 25859-25865.

GUENTHER A. 1994. Natural volatile organic compound emission rate estimates for U.S. woodland landscapes [J]. Atmospheric Enviroment, 28(6): 1197-1210.

GUENTHER A. 2002. The contribution of reactive carbon emissions from vegetation to the carbon balance of terrestrial ecosystems [J]. Chemosphere, 49(8): 837-844.

HELD A, PATTON E, RIZZO L, et al. 2008. Relaxed eddy accumulation simulations of aerosol number fluxes and potential proxy scalars [J]. Boundary-Layer Meteorology, DOI: 10.1007/s10546-008-9327-5.

KESSELMEIER J, CICCIOLI P, KUHN U, et al. 2002. Volatile organic compound emissions in relation to plant carbon fixation and the terrestrial carbon budget [J]. Global Biogeochemical Cycles, 16(4): 1126, doi:10.1029/2001GB001813.

KLINGER L F, LIQ J, GUENTHER A B, et al. 2002. Assessment of volatile organic compound emissions from ecosystems of China [J]. Journal of Geophysical Research, 107(D21), 4603, doi: 10.1029/2001JD001076.

KROLL J H, NG N L, MURPHY S M, et al. 2005. Secondary organic aerosol formation from isoprene photooxidation under high-NOx conditions [J]. Geophysical Research Letter, 32, L18808, doi: 10.1029/2005GL023637.

LI S P, MATTHEWS J, SINHA A. 2008. Atmospheric hydroxyl radical production from electronically excited NO2and H2O [J]. Science, 319(5870): 1657-1660.

MATTHEWS J, SINHA A, FRANCISCOJ S. 2005. The importance of weak absorption features in promoting tropospheric radical production [J]. Proceedings of the National Academy of Sciences of the United States of America, 102(21): 7449-7452.

NIINEMETS U, TENHUNEN J D, HARLEY P C, et al. 1999. A model of isoprene emission based on energetic requirements for isoprene synthesis and leaf photosynthetic properties for Liquidambar and Quercus [J]. Plant Cell Environ, 22(11): 1319-1335.

ORLANDO J J, NOZIERE B, TYNDALL G S, et al. 2000. Product studies of the OH- and ozone-initiated oxidation of some monoterpenes [J]. Journal of Geophysical Research, 105(D9): 11561-11572.

PACIFICO F, HARRISON S P, JONES C D, et al. 2011. Evaluation of a photosynthesis-based biogenic isoprene emission scheme in JULES and simulation of isoprene emissions under present-day climate conditions [J]. Atmospheric Chemistry and Physics, 11(9): 4371-4389.

PALMER P I, DORIAN S A, FU T M, et al. 2006. Quantifying the seasonal and interannual variability of North American isoprene emissions using satellite observations of formaldehyde column [J]. Journal of Geophysical Research, 111, D12315, doi: 10.1029/2005JD006689.

PLATT U, STUTZ J. 2008. Differential Optical Absorption Spectroscopy: Principles and Applications (Physics of Earth and Space Environments) [M]. Springer-Verlag, Berlin, Heidelberg, ISBN 978-3540211938.

ROSENSTIEL N, POTOSNAK M J, GRIFFIN K L, et al. 2003. Elevated CO2uncouples growth and isoprene emission in an agriforest ecosystem [J]. Nature, 421(6920): 256-259.

TSUI J K Y, GUENTHER A, YIP W K, et al. 2009. A biogenic volatile organic compound emission inventory for Hong Kong [J]. Atmospheric Environment, 43(40): 6442-6448.

WANG Q G, HAN Z W, WANG T J, et al. 2007. An Estimate of biogenic emissions of volatile organic compounds during summer time in China [J]. Environmental Science and Pollution Research, 14(1): 69-75.

WANG X M, SITU S P, GUENTHER A, et al. 2011. Spatiotemporal variability of biogenic terpenoid emissions in Pearl River Delta, China, with high-resolution land-cover and meteorological data [J]. Tellus, DOI: 10.1111/j. 1600-0889. 2010.00523.x.

WANG Z H, BAI Y H, ZHANG S Y. 2003. A biogenic volatile organic compounds emission inventory for Beijing [J]. Atmospheric Environment, 37(27): 3771-3782.

白建辉, BAKER B. 2004a. 草地异戊二烯排放通量影响因子的研究[J].大气科学, 28(5): 783-794.

白建辉, BAKER B. 2004b. 热带人工橡胶林异戊二烯排放通量的模式研究[J]. 环境科学学报, 24(2): 197-203.

白建辉, BAKER B. 2005. 内蒙古草原典型草地异戊二烯的排放特征[J].环境科学学报, 25(3): 285-292.

白建辉, GUENTHER A, TURNIPSEED A. 2012b. 长白山温带森林单萜烯排放模拟[J]. 环境科学学报, 32(9): 2236-2244.

白建辉, 林凤友, 万晓伟, 等. 2012a. 长白山温带森林挥发性有机物的排放通量[J]. 环境科学学报, 32(3): 545-554

白建辉, 王庚辰, 任丽新, 等. 2003. 内蒙古草原挥发性有机物排放通量的研究[J]. 环境科学, 24(6): 16-22.

白建辉. 2009. 华北地区光合有效辐射的计算方法研究[J]. 气象与环境学报, 25(2): 1-8.

白建辉. 2010. 光合有效辐射在大气中的衰减[J]. 环境科学学报, 30(2): 302-313.

白建辉. 2014. 异戊二烯在大气光化学过程中的能量作用[J]. 地球科学前沿, 4(5): 319-334.

白建辉..2013. 北京晴天紫外辐射的传输、损失及其长期变化[J]. 环境科学学报, 33(5): 1347-1354.

陈云飞, 江洪, 周国模, 等. 2013. 人工高效经营雷竹林CO2通量估算及季节变化特征[J]. 生态学报, 33(11): 3434-3444.

施建敏, 郭起荣一, 杨光耀. 2005. 毛竹光合动态研究[J]. 林业科学研究, 18(5): 551-555.

司徒淑娉, 王雪梅, GUENTHER A, 等. 2009. 典型夏季珠江三角洲地区植被的异戊二烯排放[J]. 环境科学学报, 29(4): 822- 829.

司徒淑娉, 王雪梅, GUENTHER A, 等. 2010. 气象模拟误差对异戊二烯排放估算的影响[J]. 环境科学学报, 30(12): 2383-2391.

谢旻, 王体健, 江飞, 等. 2007. NOx和VOC自然源排放及其对中国地区对流层光化学特性影响的数值模拟研究[J]. 环境科学, 28(1): 31-40.闫雁, 王志辉, 白郁华, 等. 2005. 中国植被VOC排放清单的建立[J]. 中国环境科学, 25(1): 110-114.

张莉, 王效科, 欧阳志云, 等. 2003. 中国森林生态系统的异戊二烯排放研究[J]. 环境科学, 24(1): 8-15.

Simulation of BVOC Emissions in A Subtropical Bamboo Forest in China

BAI Jianhui1*, DUHL Tiffany2, YU Shuquan3, WANG Bin3, HAO Nan4
1. LAGEO, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China; 2. National Center for Atmospheric Research, Boulder CO 80307, USA; 3. School of Forestry & Bio-technologyZhejiang Agriculture and Forestry University, Hangzhou 311300, China; 4. German Aerospace Center (DLR), 82234 Wessling, Germany.

Biogenic volatile organic compound (BVOC) emission fluxes were measured using the relaxed eddy accumulation (REA) technique on an above-canopy tower in a subtropical bamboo forest in Zhejiang province, China from July, 2012 to January, 2013. Meteorological parameters, solar global and direct radiation, and photosynthetically active radiation (PAR) were also measured during the same time period. Empirical models for calculating canopy-scale isoprene and monoterpene emission fluxes were developed based on PAR energy balance. The models were able to explain much of the observed diurnal and seasonal variations. Different methods were used to validate the BVOC empirical models which, on average, simulated fluxes that were higher than observed values. BVOC empirical models were in good agreement with MEGANv2.1 model simulations of isoprene and monoterpene emissions. The emission factors at standard conditions (t=30 ℃, PAR=1 500 μmol·m-2·s-1) estimated using empirical model and MEGANv2.1 model were 4.00 and 3.60 mg·m-2·h-1for isoprene, respectively, and 0.12 and 0.16 mg·m-2·h-1for monoterpenes, respectively. BVOC emissions estimated by the empirical model show that BVOC emissions are highest in summer (July to September), and isoprene is the dominant species, contributing 87.3% to 95.8% of BVOC emissions in summer. A sensitivity study of the response of BVOC emissions to changes in their controlling factors (i.e., PAR, water vapor and S/Q-scattering factor, ratio of solar scattering radiation to solar global radiation) showed that when each factor was increased by > 40%, isoprene emission was more sensitive to PAR than to water vapor or S/Q. Monoterpene emissions were most sensitive to S/Q and were more sensitive to this scattering factor than isoprene. Isoprene and monoterpene emissions exhibited nonlinear responses to changes in their controlling factors. Good linear relationships were found between isoprene and monoterpene emissions on the canopy scale and with satellite retrieved HCHO vertical column densities (molec·cm-1): isoprene emission (mg·m-2·h-1)=3.93×10-16HCHO-2.81, monoterpene emissions (mg·m-2·h-1)=1.24×10-17HCHO-0.05. Comparing measured BVOC emissions and BVOC emission factors at different ecosystems in China, isoprene emission is highest in subtropical bamboo forest, followed by temperate forest, and lowest in grassland. Monoterpene emissions are highest in temperate forest, followed by subtropical bamboo forest, and lowest in grassland.

biogenic volatile organic compounds; emissions flux; photosynthetically active radiation; empirical model; emission factor

10.16258/j.cnki.1674-5906.2015.12.001

Q945.79; X17

A

1674-5906（2015）12-1923-15

国家自然科学基金项目（40175031；41275137）；中华人民共和国科技部-欧洲空间局合作“龙计划”3期项目（ID10663）；欧盟第七科技框架计划（FP7）MarcoPolo项目（Grant NO. 606953）

白建辉（1964年生），男，研究员，博士，主要研究方向为植物挥发性有机物、太阳辐射、臭氧及其光化学等。E-mail: bjh@mail.iap.ac.cn *通信作者。

2015-09-06

引用格式：白建辉, DUHL TIFFANY, 余树全, 王彬, 郝楠. 亚热带竹林挥发性有机物排放的模拟[J]. 生态环境学报, 2015, 24(12): 1923-1937.