亚热带森林植物挥发性有机物（BVOCs）排放通量与大气甲醛之间的关系

白建辉，郝楠

生物挥发性有机物（biogenic volatile organic compounds，BVOCs）在大气化学、气候变化、碳平衡、辐射传输及辐射能量分配等方面均具有重要作用（Brasseur et al.，1999；Bai，2009，2011，2013）。植物是BVOCs最大的排放源（包括树木、草地、农作物、灌木等），目前有关BVOCs的研究亦大多集中于植物排放方面，故习惯上将BVOCs称为植物挥发性有机物。BVOCs排放受温度、光合有效辐射（PAR）、水汽、树种以及其他因素（CO2、O3等）的影响，具有显著的区域特征。根据对中国一些典型生态系统BVOCs排放测量和模拟的研究，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（白建辉等，2015a；Bai et al.，2016a）。

基于不同地区代表性植物BVOCs排放测量数据及实验室BVOCs排放模拟结果，国内外学者建立了BVOCs排放模型，并将其应用于BVOCs排放估算。例如，Guenther（1994，2002），Guenther et al.（1995，1999，2006）建立并发展了基于单一树种不同尺度的BVOCs排放模型，该模型被国内外学者广泛使用。也有基于 PAR能量平衡的经验模型（白建辉等，2004a；白建辉等，2004b；白建辉等，2015a；Bai et al.，2016b），对中国内蒙古草原、云南热带森林、长白山温带森林、亚热带竹林BVOCs排放均有较好的模拟效果。另外，还有基于能量和光合过程的 BVOCs估算模型（Niinemets et al.，1999；Arneth et al.，2007；Grote et al.，2008；Pacifico et al.，2011）等。这些模型大多基于BVOCs排放与温度、PAR、植物类型等因子之间的依赖关系。随着卫星测量技术的发展，其测量的甲醛（HCHO）柱浓度为我们提供了另一种获得大范围的 BVOCs排放量的估算方法，因为BVOCs（包括异戊二烯、单萜烯的主要成分等）的氧化产物主要为 HCHO（Orlando et al.，2000；Palmer et al.，2006），即它们之间存在化学和光化学过程的密切联系。

热带和亚热带森林是BVOCs较大的排放源。中亚热带人工林作为中国的代表性森林之一，对于其BVOCs排放缺乏长期、系统的研究和认识。中国人工林发展迅速，根据《中国森林资源报告》（1999—2003年），中国人工林面积达5325.73×104hm2，占林地面积的1/3，已经跃居世界第一位。大面积的人工林已成为我国和全球森林的重要组成部分（雷加富，2005；周霆等，2008）。因此，准确获得中国中亚热带人工林BVOCs的排放量将具有重要价值，其结果可为准确评价BVOCs对于区域二次有机气溶胶（SOA）、O3形成的贡献提供重要的科学依据。

本文基于亚热带人工林BVOCs排放的测量和模拟结果、卫星测量的HCHO柱浓度，探讨地面获取BVOCs排放通量与卫星测量甲醛柱浓度间之间的相互关系，为多方法估算BVOCs排放通量研究、卫星数据广泛应用提供借鉴。

1 BVOCs测量与模拟方法

实验样地设在江西省泰和县中国生态研究网络千烟洲红壤丘陵农业综合开发实验站（26°44′48″N，115°04′13″E，110.8 m）。通量塔周边下垫面坡度为 2.8°～13.5°，四周森林覆盖率达 90%以上，主要树种有湿地松（Pinus elliottii）、马尾松（Pinus massoniana）等，周边（目视距离20 km内）无大型工厂。实验期间，通量塔周围冠层平均高度约为18 m（Bai et al.，2017）。BVOCs测量系统REA（Relaxed Eddy Accumulation，松弛涡度积累）安装于人工针叶林通量塔23 m处。REA系统主要组成包括采样器、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，空气样品由采样泵控制分别抽入“上”、“下”两个不锈钢采样管内。每次采样时长为半小时，每隔3 h采集1次，每日包括5次日变化采样和其他时段的随机采样。2013年5月22日—2013年9月11日，采用REA方法采集BVOCs；REA系统使用到期后，2014年1月18日—2016年1月6日，采用梯度方法进行采样，上下两层采样高度分别为20、28 m，采样时间为半小时（Bai et al.，2017）。研究表明，REA和梯度技术用于BVOCs排放通量测量具有较好的一致性（Guenther et al.，1996；Zemmelink et al.，2002），气体样品的分析采用同一套色谱、色谱-质谱联用系统，可以保证BVOCs成分分析的准确性和一致性。关于 REA系统、不锈钢采样管使用等详细介绍可参见文献（Businger et al.，1990；Bai et al.，2015）。BVOCs样品分析分析方法详见文献（Greenberg et al.，1999）。

实验期间，同步测量了总太阳辐射、直接辐射、可见光辐射、PAR等指标（白建辉，2010；白建辉等，2012a）及温湿度参数。散射辐射=总辐射-直接辐射。辐射仪器安装于楼顶，每日维护和检查该系统。BVOCs采样时段为：2013年5月22日—5月28日（A）、6月29日—7月 6日（B）、8月6日—8月13日（C）、9月7日—9月11日（D），2014年1月18日—19日（E）、7月23日—27日（F），2015年1月14日—19日（G）、4月22日—30日（H）、6月6日—16日（I）、8月23日—9月4日（J）、9月2日—9月7日（K），2015年12月31日—2016年1月4日（L）。气体样品采样原则为：一般选择在无雨天气，兼顾干湿两季不同的天气状况，以全面了解亚热带人工林BVOCs不同时间尺度（日、月、年、年际等）的排放规律。

利用REA系统测量BVOCs通量Fi（mg·m-2·h-1）的计算方法为（Held et al.，2008）：

式中，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。

利用梯度方法测量 BVOCs 通量（mg·m-2·h-1）的计算方法为：

式中，Kdiff为涡度扩散系数；ΔZ为采样高度差；ΔC为上下两层采样高度处 BVOCs的浓度差；k=0.4；u为摩擦速度（m·s-1）；z为 BVOCs采样高度；d为冠层高度的2/3（m）。

亚热带人工林BVOCs主要成分包括异戊二烯、单萜烯-α蒎烯、β蒎烯、莰烯、柠檬烯、倍半萜烯等。以2013年为例，异戊二烯排放占BVOCs总排放的21.2%，α蒎烯、β蒎烯、莰烯、柠檬烯分别占BVOCs总排放的51.5%、9.1%、2.4%、13.0%。即亚热带人工针叶林主要排放单萜烯，占BVOCs总排放的71.6%（Bai et al.，2017）。

2 BVOCs排放模型和模拟

温度和 PAR是控制异戊二烯排放的主要控制因子。对于单萜烯而言，多数成分仅仅依赖于温度，但也有一些成分同时依赖于温度和PAR（Greenberg et al.，2003）。其他因素，如水分、O3、生物质燃烧、树木开花、CO2等也会影响 BVOCs排放（Rosenstiel et al.，2003；白建辉等，2003；Bai et al.，2017）。基于已有草地和森林BVOCs排放经验模式（白建辉等，2004a；白建辉等，2004b；白建辉等，2012b；Bai et al.，2016b；白建辉等，2015a），建立了亚热带人工林冠层尺度BVOCs排放模型（Bai et al.，2017）（冠层尺度为遥感和BVOCs排放等领域普遍采用的尺度，介于叶面尺度和区域尺度）：

冠层界面PAR（QPAR）主要有如下作用，（1）异戊二烯或单萜烯对PAR的利用，用e-k1Etm表示，称为异戊二烯项或单萜烯项。其中，k1为衰减系数，异戊二烯和单萜烯 k1均假定为 1（m2·mg-1）；E为异戊二烯或单萜烯排放通量（mg·m-2·h-1）；计算时将异戊二烯项指数部分乘以0.1，采样时间t=0.5 h；m 为大气质量（无量纲，下同）。（2）大气中各种物质对QPAR的吸收与利用，用Ae-kWm表示，称为光化学项，其中，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；△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=0.21 EV），EV为地面水汽压（hPa）；30为采样时间（min）；0.1为经验系数。（3）大气中物质对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，用 e-S/Q表示，称为散射项，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，m取采样时段中间时刻之值，经验模式的详细介绍可参见文献（白建辉等，2015a）。

为探明大多数天气异戊二烯排放的普遍规律，经验模型建立过程中剔除了某些数据：（1）排放通量大于2σ（标准偏差）；（2）太阳高度角小于15o；（3）S/Q＞0.5。最后，得到各种天气下的18组数据。

参考华北地区PAR算法（白建辉，2009），实际大气冠层界面QPAR与异戊二烯、光化学、散射项之间的关系为：

式中，A1′、A2′、A3′为系数，A0′为常数；Z 为太阳天顶角（度）。异戊二烯排放的经验模型为：

利用异戊二烯和其他同步数据（n=18），确定了式（4）中的系数A1=-0.052、A2=1.408、A3=0.106、A0=-0.036，可决系数r2=0.999。异戊二烯排放通量计算值与测量值相对偏差（）的平均值（δ、）为 32.8%，最大值为 115.3%，均方差[NMSE=al.，2004）为 0.092。排放通量计算与测量的平均值分别为 0.360、0.360 mg·m-2·h-1，相对偏差为0.03%。由此表明，该模型对BVOCs排放的模拟效果较好（为节省篇幅，图略）。

同理，建立了冠层尺度单萜烯排放经验模型（n=8），r2=0.997，经验模型中各个系数分别为A1=-0.175、A2=1.584、A3=0.091、A0=-0.236。单萜烯计算值与测量值的δ为2.6%，最大值为4.5%，NMSE=0.001。排放通量计算值与测量值的平均值分别为 0.440 mg·m-2·h-1和 0.412 mg·m-2·h-1，相对偏差为6.9%。计算值与测量值相近，变化规律比较吻合（图略）。为了检验BVOCs（异戊二烯、单萜烯）经验模型，采用了2σ排放数据以及“平均日变化”两种情形，检验本研究结果与前人关于长白山温带森林、亚热带竹林等的研究结果的相似性，结果表明本研究与其他研究结果类似（白建辉等，2015a；Bai et al.，2016b）。

考虑到一些台站缺乏散射辐射测量值，所以，去掉BVOCs三因子排放模型中的散射项，利用原有数据重新建立两因子BVOCs排放模型。异戊二烯经验模型的系数分别为：A1=-0.035、A2=1.339、A0=0.038，r2=0.998，其计算值与测量值的δ为37.3%，最大值为 109.7%，NMSE=0.120。同理，单萜烯经验模型的系数分别为：A1=-0.155、A2=1.511、A0=-0.179，r2=0.996，其计算值与测量值的δ为2.6%，最大值为4.9%，NMSE=0.001。

如此，便建立了基于亚热带人工林冠层尺度的BVOCs排放经验模型（Bai et al.，2017)。

2.1 2013年1月—2016年12月BVOCs排放模拟

利用BVOCs排放经验模式以及亚热带人工林2013年1月1日—2016年12月31日太阳辐射、气象参数等测量数据，计算了亚热带人工林4年间BVOCs的排放通量。2013年1月1日—5月22日期间，PAR、气象参数等为千烟洲试验站的测量数据，使用2因子BVOCs经验模型进行模拟。2013年5月22日之后BVOCs排放估算使用3因子经验模式和本项目测量的太阳辐射、气象参数等数据。鉴于中国气象和辐射台站测量数据均为小时值，因此，在计算时把经验模式中的累计量由半小时都延长至1小时，m取半点时刻之值（Bai et al.，2016b）。每日计算时间段为从日出至日落。在每日小时排放通量的基础上，得到日、月、年排放通量的平均值。图1所示为BVOCs排放通量的月平均值。

图1 利用BVOCs排放经验模型计算2013年1月—2016年12月BVOCs排放通量的月均值Fig. 1 Monthly mean BVOC emissions calculated by empirical model of BVOC emissions from January 2013 to December 2016

亚热带人工针叶林2013—2016年BVOCs（包括异戊二烯、单萜烯）排放有明显的季节变化规律，夏季排放（多在7月、8月）为一年的最大值，冬季（12月、1月、2月）最小。2013—2016年，异戊二烯月排放通量的最大值分别为1.63、1.67、1.37、1.24 mg·m-2·h-1，单萜烯月排放通量的最大值分别为1.99、1.90、1.48、1.59 mg·m-2·h-1。2013—2016 年，异戊二烯排放通量的年均值分别为0.59、0.69、0.59、0.48 mg·m-2·h-1，4 年平均值为 0.59 mg·m-2·h-1；单萜烯排放通量的年均值分别为1.00、0.97、0.81、0.77 mg·m-2·h-1，4 年平均值为 0.79 mg·m-2·h-1。总体而言，2013—2016年，单萜烯排放显著高于异戊二烯排放。进一步分析得到了人工针叶林 2013—2016年排放通量，异戊二烯分别为 1.6、3.1、2.7、2.0 kg·m-2，单萜烯分别为2.7、2.7、2.5、2.6 kg·m-2。按照通量塔周边森林覆盖率90%、100 km内森林覆盖率70%（刘允芬等，2006），估算通量塔100 km内森林2013—2016年 BVOCs的年排放量，异戊二烯分别为1.2×105、2.4×105、2.1×105、1.6×105kg，单萜烯分别为 2.1×105、2.1×105、1.9×105、2.0×105kg。

图2 2013年1月—2016年12月PAR、温度（t）的月均值Fig. 2 Monthly averages of PAR and temperature (t) from January 2013 to December 2016

2013—2016年，异戊二烯、单萜烯、BVOCs排放通量年平均值均表现出略微下降的趋势，这主要是由于控制因子PAR和温度下降所致（图2）。2013—2016年，白天（日出-日落）PAR年平均值分别为 482.1、461.0、398.5、375.1 μmol·m-2·s-1，白天温度年平均值分别为20.8、20.8、20.4、20.5 ℃。

2.2 BVOCs排放通量与卫星测量甲醛（HCHO）柱浓度之间的关系

异戊二烯和单萜烯与大气中其他成分进行化学和光化学反应，它们之间的氧化反应产物主要为甲醛（HCHO）（Orlando et al.，2000），因而，它们之间应该密切相关。通量塔周围100 km范围内森林覆盖率为 70%（刘允芬等，2006），本研究测量和模拟的冠层尺度BVOCs排放通量可以较好地代表研究区域大范围森林BVOCs的排放状况。大面积人工林排放的BVOCs发生光化学反应后在局地产生HCHO，并汇集于对流层底部。这为探寻和建立卫星测量HCHO柱浓度和地面获取BVOCs排放通量之间的关系提供了有利条件。甲醛柱浓度来自GOME-2B测量数据，咳可利用差分吸收光谱技术（DOAS）和辐射传输模式（Platt et al.，2008；De Smedt et al.，2012）获取得到。为了与冠层尺度BVOCs排放数据相匹配，选取通量塔100 km之内与BVOCs同步的甲醛数据，2013年、2014年、2015年、2016年每月甲醛日平均样本数见图3，每年日平均样本数分别为155、141、133、136，总样本数为554。2014年11月、12月无HCHO数据。4年间，亚热带森林甲醛柱浓度表现出显著的季节变化，一般夏季高、冬季低，表现出与BVOCs排放较一致的变化特征。但个别月份HCHO表现出与其季节变化规律显著的异常变化，例如2013年2月、3月、5月，2014年3月、4月、6月出现了异常高值。需特别注意的是，有一些月份（如 2013年和2014年的2月、3月）HCHO的样本数很少，可能会导致较大的计算误差。

首先，统计分析了2016年1—12月异戊二烯、单萜烯、BVOCs排放通量与 HCHO柱浓度（molec·cm-2）的月均值，发现异戊二烯、单萜烯、BVOCs排放通量与HCHO柱浓度（cHCHO）之间存在较好的线性关系：异戊二烯排放通量F1=1.29×10-16cHCHO-0.77（r2=0.86）、单萜烯排放通量 F2=1.02×10-16cHCHO-0.21（r2=0.69），BVOCs排放通量 F=2.31×10-16cHCHO-0.98（r2=0.80）。异戊二烯、单萜烯、BVOCs排放通量的计算偏差分别为74.5%、27.9%、34.3%。其中异戊二烯计算偏差较大的原因是其冬季1月、2月、12月排放较低，分别为-0.04、0.14、0.08 mg·m-2·h-1，这与实际测量结果较一致（Bai et al.，2017）。如剔除这3个月低排放的数据，异戊二烯、单萜烯、BVOCs排放通量的计算偏差分别下降为40.2%、25.4%、26.9%。单萜烯排放不存在此问题，所以计算偏差较小。与此类似，在长白山温带森林、亚热带竹林地区，同样发现了异戊二烯、单萜烯与 cHCHO之间具有良好的线性关系（Bai et al.，2015；白建辉等，2015a）。

利用上述异戊二烯、单萜烯、BVOCs排放通量与cHCHO之间的定量关系，计算了2013年1月—2016年12月异戊二烯、单萜烯、BVOCs的月排放通量，并与之前利用BVOCs排放经验模型计算的异戊二烯、单萜烯、BVOCs月排放通量进行对比（图4）。可以发现，利用卫星测量HCHO柱浓度计算的2016年异戊二烯、单萜烯、BVOCs月排放通量与利用经验模型的计算值大多比较接近，变化规律也比较一致；2013—2015年的季节变化规律也大体一致，但有一些月份表现出明显的差异，即利用BVOCs-HCHO关系的计算值明显高于利用排放经验模式的计算值，例如2013年2月、3月、5月，2014年3月、4月、6月，2015年2月、3月、4月等。检查 HCHO柱浓度数据，发现这些月份HCHO柱浓度明显偏大、与季节变化规律明显不符，这是造成利用BVOCs-HCHO关系估算BVOCs排放较高的主要原因。剔除HCHO柱浓度明显不合理以及样本数较少的数据，对所剩数据（n=27）进行分析（仅求和），得到利用BVOCs-HCHO关系与利用BVOCs排放经验模型计算偏差分别为：27.4%（异戊二烯）、27.2%（单萜烯）、24.9%（BVOCs）；相应的 2016年的计算偏差分别为 25.0%（异戊二烯）、25.7%（单萜烯）、22.7%（BVOCs）。这与 BVOCs排放通量测量误差（25%）比较一致（Bai et al.，2015）。因此，利用BVOCs-HCHO关系可以较好地给出基于合理的HCHO数据（约占测量数据的60%）之上的BVOCs排放通量的估算值。

图3 2013年1月—2016年12月HCHO柱浓度、样本数（n）的月均值Fig. 3 Monthly averages of HCHO and sampling number(n) from January 2013 to December 2016

图4 利用BVOCs-HCHO关系和BVOCs排放经验模型计算的2013年1月—2016年12月BVOCs排放通量（分别用Iso'、MTs'、BVOCs'和Iso、MTs、BVOCs表达）Fig. 4 Monthly mean BVOC emissions calculated by the relationships of BVOC emissions and HCHO and empirical model of BVOC emissions from January 2013 to December 2016, expressed by Iso', MTs', BVOCs', Iso, MTs and BVOCs, respectively

对上述 27组数据进行重新统计分析，得到异戊二烯、单萜烯、BVOCs排放通量与cHCHO之间具有较好的线性关系，其r2分别为0.701、0.443、0.601。利用BVOCs-HCHO关系新的系数，计算27组数据的相对偏差分别为：32.3%（异戊二烯）、28.1%（单萜烯）、26.3%（BVOCs）。此计算结果略差，可能是由于 2013—2015年 HCHO数据反演误差大于2016年。

总体上，BVOCs来源主要为植物（包含农作物）释放。HCHO主要来源于大气中BVOCs的光化学氧化，而来源于植物残体的释放很小。

3 讨论

基于冠层界面PAR能量平衡原理，逐步发展了长白山温带森林、亚热带竹林、亚热带人工林BVOCs排放经验模型。它可以较好地描述BVOCs的变化特征，与MEGAN模型对BVOCs排放有较为一致的模拟和相近的排放因子（例如，白建辉等，2012b；白建辉等，2015a；Bai et al.，2016b；Bai et al.，2017）。未来，应该在模型的普适性方面做更加深入的研究。

以往的研究在分析长白山温带森林 BVOCs-HCHO关系时，对HCHO柱浓度采用了不同分类的选取：通量塔100 km内所有正值、所有值（包括正、负值），50 km内所有正值、所有值，发现100 km内HCHO所有正值与BVOCs排放之间存在最优的线性关系（Bai et al.，2016b)。因此，在处理亚热带竹林（白建辉等，2015a）和亚热带人工林BVOCs-HCHO关系时，都采用了通量塔100 km内HCHO所有值，并发现了BVOCs-HCHO月平均值之间存在良好的定量关系。这表明，100 km尺度是卫星测量HCHO数据与地面获取BVOCs排放较好的空间匹配距离。

本研究以及以往关于中国长白山温带森林、亚热带竹林地区BVOCs的研究均发现并分别确定了森林BVOCs-HCHO的线性关系。根据目前的研究结果，可以分别利用其定量关系来估算这些代表性森林BVOCs的排放通量。这些研究均提示我们需对BVOCs与HCHO以及其他成分之间的化学和光化学机制进行深入研究，以提高我们对BVOCs相关的化学和光化学机制的认识。一些月份HCHO柱浓度与其季节变化规律、与BVOCs排放季节变化规律都表现出显著异常，这可能是HCHO测量和反演误差（如偶然误差等）引起的。因此，根据HCHO与异戊二烯、单萜烯排放规律的显著差异，可以简单判定 HCHO数据的合理性，或者说可为 HCHO柱浓度数据提供一种约束条件。

2016年，亚热带人工林HCHO与异戊二烯、单萜烯、BVOCs均表现出比其他年份较好且一致的季节变化规律。夏季HCHO柱浓度与异戊二烯、单萜烯、BVOCs排放通量的髙值充分表明BVOCs成分夏季的高排放和大气较高的氧化能力促使了高浓度HCHO的产生。Stavrakou et al.（2016）对中国华北地区的研究也发现类似结果。这表明，在远离人类活动的森林地区和人类活动地区，夏季BVOCs的高排放，都导致了污染物甲醛的产生，其产生机制是 BVOCs与大气中 OH自由基、NO2、SO2等的化学和光化学反应，BVOCs+OH+NO2+SO2+…→HCHO+其他气液固相物质（包括PM2.5、O3等）。因此，加大力度降低大气中其他污染性或化学活性气体的排放，如NO2、SO2等，对于控制大气污染将具有重要的指导意义（白建辉等，2015b）。近些年来，中国各地植树造林和绿化面积逐渐扩大（Bai，2011），因此，植物 BVOCs排放将同步且快速增长，由于BVOCs的化学活性远远大于人为源挥发性有机物（AVOCs）的化学活性，伴之而来的是由光化学过程产生的各类污染物的大幅度增加，特别是小颗粒PM2.5或SOA的生成。仅从这个方面来看，必须加强控制NO2、SO2等一次污染物的排放，保持之前的减排力度是远远达不到污染物控制目的的，特别是光化学产生的二次污染物。这是由于大幅增长的BVOCs将经过化学和光化学反应大量且快速地消耗掉大气中的 NO2、SO2等，进而产生更多的二次污染物。这是目前京津冀夏季高浓度臭氧和 PM2.5污染治理中需要重视的一个方面。为此，必须加倍严控源头污染（NO2、SO2等）。基于不同地区的研究结果，我们意识到新环境下空气污染防控中 BVOCs的作用（如其排放量及其氧化而生成的 PM2.5、O3）已越来越重要，如何科学地对待BVOCs及其相关问题已是不可忽视的一个挑战。因此，对森林排放挥发性有机物的大气化学和光化学规律和机理的研究至关重要，它将有利于人们理解和模拟自然源和人为源共同作用下大气成分的化学和光化学规律，为目前中国普遍存在的空气污染提供科学的治理依据和治理方法。

4 结论

利用BVOCs排放经验模型，估算了中国亚热带人工林2013年1月—2016年12月BVOCs的排放通量。亚热带针叶林BVOCs排放和甲醛柱浓度表现出类似的季节变化规律，夏季高、冬季低。综合分析2013—2016年间BVOCs排放通量和卫星测量HCHO柱浓度的月均值，发现并确定了异戊二烯、单萜烯、BVOCs与HCHO之间存在的良好的线性关系。在长白山温带森林、亚热带竹林地区也发现类似的线性关系。利用BVOCs-HCHO之间的定量关系，可用于估算亚热带人工林异戊二烯、单萜烯、BVOCs的排放通量。本研究为应用卫星数据计算典型森林地区大范围 BVOCs排放提供了一种新方法，也为卫星数据的广泛使用提供了借鉴。

致谢：感谢中国科学院千烟洲试验站王辉民、杨风亭站长和李庆康、黄亮、王业共、刘国忠、邹敬东、尹善元、张建中、黄远芬、朱根兰等同仁给予的多方面支持和帮助。美国华盛顿州立大学Guenther A博士、2B科技公司Turnipseed A、Tufts大学Tiffany D、国家大气研究中心（NCAR）Greenberg J等在BVOCs研究中做了大量工作，中国科学院大气物理研究所万晓伟、吴翼美参与了部分工作，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: 31-53.

BAI J H GUENTHER A, TURNIPSEED A, et al. 2017. Seasonal and interannual variations in whole-ecosystem BVOC emissions from a subtropical plantation in China [J]. Atmospheric Environment, 161:176-190.

BAI J H, GUENTHER A, TURNIPSEED A, et al. 2016a. Seasonal variations in whole-ecosystem BVOC emissions from a subtropical bamboo plantation in China [J]. Atmospheric Environment, 124(Part A): 12-21

BAI J H, DUHL T, HAO N. 2016b. Biogenic volatile compound emissions from a temperate forest, China: model simulation [J]. Journal of Atmospheric Chemistry, 73: 29-59.

BAI J H, GUENTHER A, TURNIPSEED A, et al. 2015. 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, 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. 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.

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

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

CHANG J C AND HANNA S R, 2004. Air quality model performance evaluation [J]. Meteorology & Atmospheric Physics, 87(1-3):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, 5:2933-2949.

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 Atmospheres, DOI: 10.1029/2002JD002317.

GREENBERG J P, GUENTHER A, ZIMMERMAN P R, et al. 1999.Tethered balloon measurements of biogenic VOCs in the atmospheric boundary layer. Atmos [J]. Atmospheric Environment, 33(6): 855-867.

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

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, 98:12609-12617.

GUENTHER A, B, AUGH 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, BAUGH W, DAVIS K, et al. 1996. Isoprene fluxes measured by enclosure, relaxed eddy accumulation, surface layer gradient, mixed layer gradient, and mixed layer mass balance techniques [J]. Journal of Geophysical Research Atmospheres,101(D13): 18555-18567.

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: 3181-3210.

GUENTHER A. 1994. Natural volatile organic compound emission rate estimates for U.S. woodland landscapes [J]. Atmospheric Environment,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, 129(3): 451-468.

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 & Environment, 22: 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: 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, DOI: 10.1029/2005JD006689.

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

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.

STAVRAKOU, T, MÜLLER J F, BAUWENS M, et al. 2016. Substantial Underestimation of Post-Harvest Burning Emissions in the North China Plain Revealed by Multi-Species Space Observations [J].Scientific Reports, DOI: 10.1038/srep32307.

ZEMMELINK H J, GIESKES W W C, KLAASSEN W, et al. 2002.Simultaneous use of relaxed eddy accumulation and gradient flux techniques for the measurement of sea-to-air exchange of dimethyl sulphide [J]. Atmospheric Environment, 36(36-37): 5709-5717.

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

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, 吴翼美, 柴文海, 等. 2015b. 华北大气本底微量气体与颗粒物的长期变化[J]. 地球科学前沿, 5(3): 248-263.

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. 2017. 亚热带竹林地区的臭氧及其影响因子[J]. 地球科学前沿,7(4): 536-551.

雷加富. 2005. 中国森林资源报告[M]. 北京: 中国林业出版社: 171.

刘允芬, 于贵瑞, 孙晓敏, 等. 2006. 千烟洲中亚热带人工林生态系统CO2通量的季节变异特征[J]. 中国科学D辑: 地球科学, 36(增刊I):91-102.

周霆, 盛炜彤. 2008. 关于我国人工林可持续问题[J]. 世界林业研究,21(3): 49-53.