Plateau Meteorology

Plateau Meteorology >

2025 , Vol. 44 >Issue 2: 435 - 444

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00072

The Impact of High Canopy Vegetation-Atmosphere Storage on Surface Energy Closure over the Eastern Slope of the Qinghai-Xizang Plateau

  • Yuchen LIU , 1 ,
  • Maoshan LI , 1 ,
  • Na CHANG 2 ,
  • Yonghao JIANG 1 ,
  • Ting WANG 1 ,
  • Pei XU 1
Expand
  • 1. School of Atmospheric Sciences/Plateau Atmosphere and Environment Key Laboratory of Sichuan Province/ Chengdu Plain Urban Meteorology and Environment Observation and Research Station of Sichuan Province，Chengdu University of Information Technology，Chengdu 610225，Sichuan，China
  • 2. Gansu Meteorological Service Center，Lanzhou 730020，Gansu，China

Received date: 2024-03-19

  Revised date: 2024-05-31

  Online published: 2024-11-25

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

Abstract

The phenomenon of near-surface energy budget imbalance is widespread， especially in the complex underlying surface such as mountain lakes.Due to the heterogeneity of the surface， the energy closure is poor， and the influence of the energy storage term between the atmosphere of the high canopy vegetation in the mountain on the energy closure is often ignored.This paper is based on the gradient tower meteorological data， radiation observation data and turbulence observation data of the eddy covariance system of Mount Emei Atmosphere and Environment Comprehensive Observation Experimental Station of Chengdu University of Information Technology （hereinafter referred to as "Mount Emei Station"） from June 2022 to October 2022.The Ogive function was used to analyze the average time suitable for the turbulent flux calculation at the forest station， and the soil heat flux and energy storage between vegetation and atmosphere were calculated， and the changes of near-surface energy balance after considering the storage terms between vegetation and atmosphere were analyzed.The results show that extending the average time to calculate turbulent flux to 60 minutes can capture larger turbulent vortices at some moments to a certain extent， but the energy balance ratio is lower than the average time of 30 minutes， so it is considered that the average time of 30 minutes is still suitable for the calculation of turbulent flux at Emei Mountain Station.The energy storage item of vegetation atmosphere improves the energy balance ratio by about 3.65%.Considering that this item has the effect of improving energy closure in most of the time， the energy storage item of photosynthesis contributes the most to improving energy closure， followed by the heat storage item of vegetation canopy， followed by the sensible heat storage item， and the latent heat storage item contributes the least.All the energy storage items in the atmosphere of high canopy vegetation have obvious single-peak diurnal variation characteristics.The peak value of heat storage items in vegetation canopy can reach up to 26 W·m-2， and the energy balance ratio can be increased by 1.57% when the heat storage items in vegetation canopy are considered.The peak value of the photosynthetic storage term can reach about 8 W·m-2， and the average daily storage capacity is about 141.6 W·m-2， which is the main energy storage term.Considering the photosynthetic storage term， the energy balance ratio can be improved by 1.65%， accounting for 45% of the overall effect.The peak value of sensible heat storage term is about 5 W·m-2， the magnitude of latent heat storage term is very small， and the effect on energy closure is also small.Vegetation-atmosphere storage terms cannot be ignored except latent heat storage terms which are very small.When considering the energy storage between vegetation and atmosphere， the energy closure problem still exists.Therefore， in addition to the energy storage term， the influence of large-scale vortices induced by the underlying mountain surface on the near-surface energy budget also needs to be further studied.

Key words： energy closure; energy storage component; eddy correlation method; photosynthesis; forest underlying surface

Cite this article

Yuchen LIU , Maoshan LI , Na CHANG , Yonghao JIANG , Ting WANG , Pei XU . The Impact of High Canopy Vegetation-Atmosphere Storage on Surface Energy Closure over the Eastern Slope of the Qinghai-Xizang Plateau[J]. Plateau Meteorology, 2025 , 44(2) : 435 -444 . DOI: 10.7522/j.issn.1000-0534.2024.00072

1 引言

地表能量平衡特征是陆面过程研究的重点之一， 物质和能量平衡基本原理是绝大部分地气耦合模式的基石， 研究地表能量收支情况， 阐明其内部机理， 对进一步理解区域气候特点， 发展数值模式， 进行遥感等应用性的研究具有重要作用。地表能量平衡是指近地面可利用能量一般即净辐射与土壤热通量之差， 应当与湍流通量即所分配的感热通量和潜热通量之和相等。从20世纪80年代至今， 全世界不同地区开展了诸多针对不同下垫面的大型陆面过程实验， 对草原、 戈壁、 高原、 农田等区域进行了大量的地气交换研究观测实验（Li et al， 2015； Li et al， 2008； Ma et al， 2023）； 从获得的数据集研究分析， 湍流通量常常比可利用能量小10%~30%（王介民等， 2009）。近年来的研究从各个方面分析影响能量不闭合的因素， 其中主要涉及仪器测量时产生的误差、 观测源区的尺度不匹配、 复杂下垫面的涡旋和平流影响、 能量平衡方程的某些能量分量被忽略等方面（周彦昭和李新， 2018）。 同时也提出了一系列解决能量闭合问题的方法， Finnigan et al （2003）将Amazon站的通量数据计算通量的平均时间周期从15 min延长到4 h后发现， 该地区的能量闭合度可以从70%上升到100%， Foken （2008）提出可以通过协谱（Cospectrum）或者协谱的累计频率（Ogive）分析合适的涡动相关通量计算的平均时间以获取更多的低频湍涡信息。从能量储存项的角度来看， McCaughey （1985）和Moore （1986）认为在具有高大植被的下垫面如森林地表能量交换的研究中， 考虑植被与大气间的能量储存是有必要的； Kutikoff et al （2019）研究发现， 在考虑储能的情况下， 白天的能量闭合度能够提高25%。陆宣承等（2022）在对若尔盖高寒湿地的分析中引入热储存项， 研究发现空气与植物光合作用热储存对能量闭合度的贡献为1.0%。Moderow et al （2009）研究了欧洲森林下垫面， 考虑植被大气间能量储存能改善能量闭合情况。Li et al （2005）在对森林站点的研究中发现在将林冠储热计入后， 能量闭合度增加了6.6%。
峨眉山地区位于四川盆地与青藏高原东南缘的交接处， 地表被大量森林覆盖， 属于山地森林下垫面， 地处青藏高原的边坡， 是东移的高原天气系统的必经之地， 同时也是一些影响我国天气的中尺度天气系统如西南涡的源地之一， 这些系统的发生发展强烈影响着下游地区的天气和气候（李跃清， 2021）， 其对气候的重要性和复杂性不言而喻。也有部分研究在此地区开展， 常娜等（2022）估算了该地区的空气动力学和热力学参数， 同时在忽略地表能量储存项的情况下得到的能量闭合度仅为48% （Chang et al， 2022）。
因此， 本研究利用峨眉山森林下垫面涡动相关观测数据， 自动站气象数据以及生物量采集试验数据进行分析， 首先分析适合该站点合适的涡动相关计算的平均时间， 然后估算地表能量储存项， 比较分析各能量储存分项对能量闭合的影响， 深刻理解山地森林下垫面地气相互作用规律， 为提高复杂下垫面天气气候预报提供重要的理论依据。

2 数据来源与方法介绍

2.1　观测场地及研究数据

本文所用的观测资料均来自成都信息工程大学峨眉山大气与环境综合观测试验站， 该站架设于四峨山（29.26°N， 103.59°E）， 站点海拔970 m， 以下简称为“峨眉山站”。图1给出了峨眉山站的地理位置， 站点观测塔以及站点地形图， 峨眉山站位于青藏高原与四川盆地的过渡带上， 邛崃山脉四峨山峰背风坡处， 西侧是高大山区， 东侧则是平缓的盆地， 山下被大渡河环绕。站点下垫面为典型的山地森林， 植被类型为冷杉， 站点周围1 km以内的林冠高度为14~16 m。
图1 峨眉山站地理位置 （a）、 峨眉山站气象观测塔（b）和峨眉山站地形（c）

Fig.1 Location of Emei Mountain Station （a）， Meteorological Observation Tower of Emei Mountain Station （b） and Topographic map of Emei Mountain Station （c）

本文具体应用数据包括20 m涡度协方差观测数据、 林冠以内2 m、 10 m和16 m高度， 林冠以上18 m、 20 m的气象梯度数据（常娜等， 2022）、 6层土壤温湿度数据、 25 m的辐射数据以及采集的生物质数据。研究时间段为2022年6月4日至10月22日， 文中所用时间均为北京时。

2.2　数据处理

一般的地表能量平衡表达式净辐射和土壤热通量之差等于湍流通量， 在森林下垫面中植被和大气的储存能量是不可忽视的， 因此地表能量平衡表达式为
R n - G 0 - J = H s + L E
式中： Rn 为地表净辐射； G 0为土壤热通量； J为空气、 植物光合作用以及生物量的储热变化； Hs和LE分别是感热通量和潜热通量（单位： W·m-2）。
能量平衡比率（Energy Balance Ratio， EBR）是指一定时间内累积的湍流通量与可利用能量的比值， 它能表征一段时间的能量闭合度。
E B R = ∑ H s + L E ∑ R n - G 0 - J
将湍流通量与可利用能量用最小二乘法（Ordinary Least Squares， OLS）做线性回归得到两者的线性相关关系， 拟合直线的斜率也可以表征一段时间的能量闭合度。这种方式对瞬时能量平衡状况比较敏感， 结果通常小于EBR （李宏宇等， 2012）。
Hs和LE是通过涡动协方差技术运用观测得到的气象要素， 计算这些气象要素的脉动量与垂直风速的协方差， 进而计算湍流输送得到的热通量。本文利用德国Bayreuth大学研发的TK3.1软件包（Mauder et al， 2013）， 对原始湍流高频观测资料进行了预处理（剔除异常值、 块平均、 坐标旋转）、 校正（空气密度脉动订正、 超声虚温校正和频率响应订正等）和质量控制（稳态测试和整体湍流特性测试）。
本文选用的湍流通量数据是数据质量较高的20 m处通量观测数据（范德民等， 2024）。由Spoleto agreement标准（Mauder et al， 2013）规定的数据质量级为0级的Hs和LE数据作为地表湍流热通量。Rn 通过自动气象站观测的向下长、 短波辐射减去向上长、 短波辐射得到； 依据（Yang and Wang， 2008）提出的土壤的热扩散方程+校正方法（Thermal Diffusion Equation+Correction， TDEC）计算土壤热通量G 0。J为空气、 植物光合作用以及生物量的储热变化项， 该项的计算方法如下（Bernhofer et al， 2003）：
J = J H + J E + J v e g + J C
式中： J H为空气感热储存项； J E为空气潜热储存项； J veg为生物质蓄热变化项； J c为光合作用能量储存项。其中， J H为干空气感热储存项， 表示因空气温度变化储存在干空气中的热量。由于森林站点植被具有较高冠层， 冠层内和冠层上气象要素有差异， 因此考虑分层计算（Moderow et al， 2009）， 其计算式如下：
J H ≅ ∑ i = 1 i = n ρ a , i C p , i Δ T a , i Δ t Δ z i
式中： ΔT a， i 是某一空气层的温度变化； ρ a， i 是空气层密度； Cp， i 是干空气定压比热， i代表不同层； Δ z i为各空气层的厚度， 本文所使用的湍流热通量的观测高度为20 m， 在此高度下有5层气象观测数据， 分别为0~2 m高度层， 2~10 m高度层， 10~16 m高度层， 16~18 m高度层， 18~20 m高度层， 故n取5。
J E是指空气中的水汽密度及温度变化所引起的储存热量的变化。其计算式如下：
J E ≅ ∑ i = 1 i = n L T a , i Δ ρ v , i Δ t Δ z i
式中： Δρv， i 表示为空气层的水汽密度变化； L（T a， i ）表示为温度为T a时的汽化潜热， 可由基尔霍夫方程得出：
L T a = 2.5 × 10 6 - 2323 ⋅ T a
式（5）中： T a的单位为℃， 由此求得温度为T a时的汽化潜热， 最终计算得出结果。
J veg为生物质蓄热变化项， 指因温度变化而储存在冠层植被内的热量， 由下式计算得出。
J v e g = m v e g c v e g Δ T v e g ¯ Δ t
式中： m veg表示地表单位面积植被冠层的湿生物量（单位： kg·m-2）； c veg表示植被冠层比热容， 本文取2978 KJ·kg-1·k-1， Thom （1972）认为森林湿生物量的比热容约占水的比热容的70%。诸多文章引用此值计算（McCaughey， 1985； McCaughey and Saxton， 1988； Moderow et al， 2009； Oliphant et al， 2004）。 Δ T v e g ¯表示的是平均生物量温度变化（单位： K）， 本文用线性插值方法计算得到14 m的空气温度代表生物量温度。其中湿生物量m veg是通过中华人民共和国林业行业标准（2016） 《LY/T 2656-2016立木生物量模型及碳计量参数-冷杉》规定的冷杉立木生物量模型以及实验得到的样本含水量结合计算得到的。具体方法如下：
M A = 0.0684 D 2.05753 H 0.50839 M 3 = g 2 1 + g 1 + g 2 + g 3 × M A M 4 = g 3 1 + g 1 + g 2 + g 3 × M A g i = b i 0 D b i 1 H b i 2
式（8）为中华人民共和国林业行业标准（2016） 《LY/T 2656-2016立木生物量模型及碳计量参数-冷杉》立木生物量模型， 其中MA、 M 3 、 M 4表征为地上生物总量及树枝与树叶的有机质总干重（单位： kg）； D为林木胸径（单位： cm）。通过对观测点附近范围10 m×10 m的植被进行样方调查， 经过实地估算得本样地每棵立木占地约为1.25 m2， 由于本站点下垫面植株是同一时间栽种的同一类冷杉树苗， 植株生长周期和生长环境相似， 样地立木的树枝和树叶均在距地面7 m以上构成样地植被冠层， 植株生长周期和生长环境相似， 抽取样地内10棵冷杉为样本， 测得样本立木胸径平均值为16.31 cm。 H为立木高度（单位： m）， 测得样本立木高度为14.64 m； g 1， g 2， g 3依次对应着树干生物量中树皮、 树枝、 树叶的份额比例； b i 0， b i 1， b i 2是双参数模型中的系数， 其中 i=1、 2、 3分别代表树皮、 树枝、 树叶。以此估算得地表单位面积植被冠层的干生物量M 3 +M 4（单位： kg·m-2）。
表1 生物量模型参数取值情况

Table 1 Parameter values of the biomass model

参数 i=1 i=2 i=3
b i 0 0.24245 0.85705 2.39267
b i 1 -0.08629 0.68884 0.2792
b i 2 0 -1.20825 -1.16748
M c = F W - D W F W ⋅ 100 %
式中： Mc表示组织含水率（单位： %）； FW和DW分别表示鲜重和干重（单位： kg）。通过对带叶枝干树枝采取分级标准枝法抽取样本枝条， 称取枝条和树叶的得到样本的鲜重， 烘干后称重得到样本干重， 代入式（8）计算得到样本树叶、 树枝的含水率， 以样本的含水率代表地表单位面积植被冠层的含水率， 结合模型计算得到的地表单位面积植被冠层的干生物量， 最终计算得到地表单位面积植被冠层的湿生物量m veg。
光合作用储存项J C计算方法如下：
白天植物在光合作用过程中会吸收辐射能， 光合作用储存项是指植物吸收二氧化碳并借助辐射能量来进行光合作用， 以合成营养成分和释放氧气， 表达式如下：
6 C O 2 + 12 H 2 O →   l i g h t   C 6 H 12 O 6 + 6 H 2 O + 6 O 2
因此， 同化一摩尔分子的CO2所吸收的辐射能为478 KJ（潘瑞炽， 2008）， 据此CO2与辐射能的消耗存在一定的比例定量关系。通过监测CO2的通量反推出植被净光合作用吸收的能量， 即利用总初级生产力（GPP）按照（Laubach and Teichmann， 1996）的方法计算J C：
J C = - μ G P P
式中： μ为光合作用的转化比能， 净同化1 μmol CO2∙m-2∙s-1相当于吸收0.478 W∙m-2能量。生态系统CO2的净交换量（NEE）可以用下列方程描述：
N E E = - G P P + R
式中： NEE表示CO2的净交换量， 涡动相关系统可以直接观测CO2通量再由TK3.1软件计算得到NEE。GPP表示植被CO2的净光合作用固定量； R表示植物和土壤的呼吸产生的CO2通量。本文将观测得到的NEE运用样本边缘分布采样法（Marginal distribution sampling， MDS法）（Reichstein et al， 2005）插补后， 使用白天净生态系统碳交换量（NEE）数据拆分方法（Falge et al， 2001）， 该方法对NEE进行建模将白天的NEE数据拆分为植被呼吸通量和GPP（Lasslop et al， 2010）：
N E E = α β R g α R g + β + γ
其中： R g为太阳总辐射即短波辐射（单位： W∙m-2）， 由站点测量可得； α是冠层的光利用效率（单位： µmolCO2∙J-1）， 表示光响应曲线的初始斜率； β为最大冠层二氧化碳吸收率（单位： µmolCO2∙m-2∙s-1）； 式（13）的第一部分表示对植被GPP的估算， 第二部分 γ表示植被呼吸通量（单位： µmolCO2∙m-2∙s-1）； α， β， γ和温度、 饱和水汽压差、 NEE、 R g有关， 由REddyProc软件包 （Wutzler et al， 2018）计算， 由式（13）估算得GPP， 代入式（11）计算得光合作用储存项。

3 结果分析

3.1　平均时间对低频涡旋贡献的截断影响分析

通量计算采用涡度协方差技术时， 常规的平均时长定为30 min， 当判断合适的平均时间对低频涡旋贡献的截断影响时可以通过计算协谱的累积频率（Ogive）。遵循以下方式， 从高频脉动探测器获取的垂直风速w与温度T（或者水汽密度、 CO2浓度）的共谱函数CowT （f ）按频率分布进行积分计算：
O g w T f = ∫ f h i g h f l o w C o w T f d   f
式中： f high表示为高频端（由采样频率决定）； f low表示为低频端（由取平均时间决定）。为选择合适的平均时间本文选取2022年6月18日20 m高度层 24 h高频湍流数据进行Ogive分析， 结合气象资料来看， 该天无降水。
图2给出了峨眉山站2022年6月18日， 对近地层感热通量、 潜热通量、 碳通量的Ogive分析， 最长平均时间为3 h， 分为8次（00:00 -03:00、 03:00 -06:00、 06:00 -09:00、 09:00 -12:00、 12:00 -15:00、 15:00 - 18:00、 18:00 -21:00、 21:00 -24:00）。图2（a）为感热通量的Ogive曲线， 变幅较大且收敛情况较好的三条Ogive函数曲线（09:00 -18:00）对应着该地区白天湍流发展较好， 感热通量为正的情况， Ogive函数曲线变幅变小对应着夜间变为负的感热通量。图2（b）绘制的是潜热通量的Ogive曲线， 变化较为明显的曲线也与白天（09:00 -15:00）潜热交换强烈的时段相对应， 夜间潜热通量的Ogive函数曲线变幅也是较小的， 由图2（c）可以看出， CO2通量也呈现着白天Ogive函数曲线变幅大， 夏季森林属于碳汇， 二氧化碳向下输送， 因此为负值。由图2可见， 大部分曲线尤其是潜热通量的Ogive曲线在30 min后依旧可以看到不收敛的情况， 特别是时间长于90 min曲线出现明显的突变， 而且在昼夜交替时段（06:00 -09:00）即大气稳定度转化的时段， 三种Ogive函数曲线均也表现有明显的突变， 这有可能是受到山地下垫面诱发的大尺度涡旋的影响。
图2 峨眉山站2022年6月18日取平均时间为180 min时感热通量（a）、 潜热通量（b）、 二氧化碳通量（c）的每日8次Ogive分析

Fig.2 Ogive analyses of sensible heat flux （a）， latent heat flux （b）， and carbon dioxide flux （c） at Emei Mountain Station on 18 June 2022 when the average time is 180 min

图3给出了没有考虑空气和生物质储存能量时， 平均时间为30 min计算感热通量和潜热通量后的能量闭合情况散点图（a）和平均时间为60 min计算感热通量和潜热通量后的能量闭合情况散点图（b）， 其中横轴表示可利用能量， 纵轴表示湍流通量之和， （Hs为感热通量， LE为潜热通量， R n为净辐射， G 0为土壤热通量）， 黑线表示以能量平衡比率（EBR）作为斜率后绘制的直线， 红线表示最小二乘法（OLS）线性回归方程的直线。当平均时间为30 min时， 由OLS的斜率表征的能量闭合度为53.9%， 能量平衡比率为65%； 当平均时间为60 min时， 由OLS得到的能量闭合度为54.1%， 能量平衡比率为64%。由OLS得到的能量闭合度对瞬时能量平衡情况比较敏感， 因此延长平均时间至60 min一定程度能够捕捉到某些时刻更大的湍涡， 使得由OLS表征的能量闭合度有所增加， 但对于能量平衡比率（EBR）的影响不大， 一味地延长平均时间而不管大气定长性变化也是不可取的， 因此下文仍用30 min计算感热通量和潜热通量， 分析能量储存项的对能量闭合度的影响情况。
图3 峨眉山站2022年6月4日至10月22日不同湍流通量计算平均时间下的能量闭合度

（a） 30 min湍流计算平均时间， （b） 60 min湍流计算平均时间

Fig.3 Energy closure of Mount Emei Station under the different calculated average time of turbulent fluxes from June 4 to October 22， 2022.（a） under 30 min calculated average time of turbulent fluxes， （b） under 60 min calculated average time of turbulent fluxes

3.2　能量储存项的影响效果总体分析

图4所示是在考虑能量储存项的影响前、 后的能量闭合度散点拟合， 考虑植被大气间能量储存项后无论从最小二乘法（OLS）还是能量平衡比率（EBR）角度上看， 能量闭合度均有提升， 考虑植被大气能量储存项后的能量平衡比率（EBR）为68.3%， OLS斜率表征的能量闭合度为54%， 能量平衡比率（EBR）提升了3.65%。图5表示考虑植被大气储存项前后， 地表能量闭合差值（可利用能量-湍流通量）的日平均变化， 柱状图是用考虑植被大气储存项前后残差的绝对值相减表示储存项的贡献情况， 正值表示对地表能量平衡有正贡献， 负值表示对地表能量平衡有负贡献。从图5可以看出， 在考虑植被大气储存项前， 观测区域10:00 -19:00表现为可利用能量超额即可利用能量大于湍流通量， 其余时间表现为湍流通量超额即湍流通量大于可利用能量， 这主要是由于6 -10月该地区以潜热通量向大气输送； 且在19:00 -24:00的湍流通量超额量大于00:00 -06:00的湍流通量超额量， 在08:00出现湍流通量超额量出现极值。结合柱状图和日出日落时间可知考虑植被大气储存项对地表能量平衡的影响大部分时间均表现为正贡献， 只有在昼夜交替时表现为负贡献。对比可知， 白天时， 植被间吸收一定的可利用能量， 夜间又向大气输送一定的能量， 考虑估算的植被大气储存项， 能够在一定程度上解释能量的收支和流向， 提高能量闭合度。
图4 峨眉山站2022年6月4日至2022年10月22日不同条件下近地面能量闭合度

（a） 未考虑植被大气间能量储存项， （b） 考虑植被大气间能量储存项

Fig.4 Near-surface energy closure of Mount Emei Station under different conditions from June 4 to October 22， 2022.（a） The vegetation-atmosphere energy storage term is not calculated， （b） The vegetation-atmosphere energy storage term is calculated

图5 考虑植被大气储存项前后， 地表热量闭合差额（可利用能量-湍流通量）的日变化

Fig.5 The diurnal variation of surface heat closure gap （available energy-turbulent flux） before and after vegetation atmospheric storage term is calculated

3.3　各能量分项影响效果分析

表2分析了峨眉山不同能量分项对地表能量分配的影响效果。从表2可以看出， 植物光合作用储存对最终能量闭合有较大影响， 而该项却常常被相关能量平衡研究忽略， 对于森林生态系统， 光合作用储存项对最终能量平衡比率的提升作用达到1.65%， 占总体影响效果的45%。植被冠层热储存项（J veg）对能量闭合的影响效果略低于光合作用能量储存项， J veg对能量平衡比率的提升作用为1.57%， 占总体影响效果的43%。空气感热存储项（J h）对能量平衡比率的提升效果相对较弱， 能量平衡比率的提升幅度在0.34%左右， 空气潜热储存项量级过小， 对能量闭合平衡比率的影响效果完全可以忽略不计。
表2 各能量分项对地表能量分配的影响效果

Table 2 Effects of energy sub-components on surface energy distribution

G 0 J H J E J veg J C All
能量平衡比率（EBR）/% 64.68 65.02 64.66 66.25 66.33 68.33
白天能量储存情况/（W·m-2） 29.71 10.11 164 141.26
夜间能量储存情况/（W·m-2） -29.88 -10.68 -166

注：第一行表示在考虑各能量分项后的能量平衡比率。 “All”表示将所有能量分项综合考虑后得出的能量闭合平衡比率。

图6（a）为峨眉山站2022年6月4日至10月22日的净辐射、 感热通量、 潜热通量的日变化曲线， 净辐射、 感热通量， 潜热通量均呈现单峰变化的趋势， 在白天中午时段达到峰值。该地区该时段内呈现潜热通量大于感热通量， 且相较于净辐射和感热通量的日变化趋势， 潜热通量的日变化趋势较为平缓， 潜热最大值为156 W·m-2， 最小值为50 W·m-2， 日平均为94 W·m-2， 感热最大值为135 W·m-2； 该研究时段主要的能量输送是地表向大气的潜热输送， 这主要是因为6 -10月该地区受东亚南亚季风影响降水丰富， 水汽资源充沛。
图6 峨眉山站2022年6月4日至10月22日的热通量日变化曲线（a）和热储存项的日变化曲线（b）

Fig.6 Diurnal variation curve of heat flux （a） and diurnal variation curve of heat storage item （b） of Mount Emei Station from June 4 to October 22， 2022

图6（b）为6月4日至10月22日感热储存项， 潜热储存项， 植被冠层热储存项， 光合作用储存项和土壤热通量日变化曲线。土壤热通量较净辐射通量有滞后性， 且量级小， 在14:00 -24:00取得正值， 表现为土壤向大气输送能量， 其余时间取得负值， 为大气向土壤输送能量， 在此实验时间内以大气向土壤传输能量为主。其余能量储存项均呈现单峰型日变化趋势， 感热储存项和植被冠层储存项与温度的变化率有关， 受太阳辐射强度变化的影响， 在日出日落前后温度变率大， 因此出现极大峰值和极小值。潜热储存项的量级较小， 基本重合在0值附近。光合作用储存项峰值可达8 W·m-2左右， 出现时间在正午时段， 此时日照正处于一天中最强的时段， 在白天光合作用的日平均能量储存为141.26 W·m-2。植被冠层储存项峰值为26 W·m-2， 白天日平均能量储存为164 W·m-2， 夜间又将其释放。空气感热储存项量级较植被冠层储存项的量级小， 峰值在5 W·m-2， 白天日平均能量储存为29.71 W·m-2， 夜间又全部释放。空气潜热储存项量级最小， 峰值只有2 W·m-2左右， 白天的能量储存项也只有10.11 W·m-2， 同样的也在夜间全部释放。据此可知， 植被的光合作用储存项不仅会影响近地面能量闭合度而且会以更长的时间尺度对地表能量收支产生影响。

4 结论

利用峨眉山站点20 m湍流观测资料， 首先分析了涡动协方差技术平均时间对于能量闭合度的影响， 估算了植被大气间能量储存各个分项， 并分析了植被大气之间能量储存项对能量闭合的影响。主要结论如下：
（1） 考虑到低频损失以及大气定常性的影响， 本文延长计算湍流通量平均时间至60 min， 这一定程度能够捕捉到某些时刻更大的湍涡， 使得由最小二乘法线性回归表征的能量闭合度和30 min计算湍流平均时间相比有所增长， 但涨幅不明显， 因此认为30 min的平均时间仍然适用于峨眉山站点。
（2） 考虑植被大气间能量储存项， 能够提高山地森林下垫面的地表能量闭合度。综合考虑各能量储存项时， 对能量平衡比率的提升可以达到3.65%。储存项对地表能量平衡的影响大部分时间均为正贡献， 只有在昼夜交替时表现为负贡献， 因此在相关地表能量平衡研究中需要考虑植被大气间能量储存项。
（3） 峨眉山2022年6 -10月以潜热输送为主， 潜热最大值为156 W·m-2， 平均为94 W·m-2。植被大气间的能量储存项各项均具有明显的单峰日变化特征， 规律性明显， 植被冠层储热峰值最高， 但植被冠层储热以及感热储存项的变化幅度和变温有关， 植被冠层储热上升下降变化早于光合作用储存项， 光合作用储存项峰值可达8 W·m-2， 出现时间在正午时段， 在白天光合作用的日平均能量储存为141.26 W·m-2。
（4） 各能量储存分项对能量闭合的提升幅度大小各不相同， 提升幅度从大到小为光合作用储存项的贡献最大， 植被冠层储存项次之， 然后是感热储存项， 潜热储存项贡献最小。其中光合作用的对能量平衡比率的提升为1.65%， 占总体影响效果的45%； 感热储存项量级较小， 对能量平衡比率的提升0.34%， 潜热储存项对能量闭合度的影响最小， 可以忽略不计。植被的光合作用储存项不仅会影响地表能量平衡而且会以更长的时间尺度对地表能量收支产生影响。
在本研究中， 讨论与分析了复杂山地森林站点的植被大气间能量储存项， 但分析结果表明， 在考虑了各能量储存项的影响下， 峨眉山森林站点仍然存在能量不闭合的情况， 除了估算误差外， 还存在着其他许多影响复杂下垫面能量闭合的因素如山地下垫面诱发的大尺度涡旋的对近地面的能量收支等的影响还需要深入讨论。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Bernhofer C， Aubinet M， Clement R， et al， 2003.Spruce forests （Norway and Sitka spruce， including Douglas fir）： carbon and water fluxes and balances， ecological and ecophysiological determinants.In fluxes of carbon， water and energy of European forests［M］.Berlin， Heidelberg： Springer Berlin Heidelberg.

Chang N， LI M S， Gong M， et al， 2022.Study on surface characteristic parameters and surface energy exchange in eastern edge of the Tibetan Plateau［J］.Atmosphere， 13： 1749.DOI： 10.3390/atmos13111749 .

Falge E， Baldocchi D， Olson R， et al， 2001.Gap filling strategies for defensible annual sums of net ecosystem exchange［J］.Agricultural and Forest Meteorology， 107： 43-69.DOI： 10.1016/S0168-1923（00）00225-2 .

Finnigan J J， Clement R， Malhi Y， et al， 2003.A re-evaluation of long-term flux measurement techniques Part I： averaging and coordinate rotation［J］.Boundary-Layer Meteorology， 107： 1-48.DOI： 10.1023/A： 1021554900225 .

Foken T， 2008.The energy balance closure problem： An overview［J］.Ecological Applications， 18： 1351-1367.DOI： 10.1890/06-0922.1 .

Kutikoff S， Lin X， Evett S， et al， 2019.Heat storage and its effect on the surface energy balance closure under advective conditions［J］.Agricultural and Forest Meteorology， 265： 56-69.DOI： 10. 1016/j.agrformet.2018.10.018 .

Lasslop G， Reichstein M， Papale D， et al， 2010.Separation of net ecosystem exchange into assimilation and respiration using a light response curve approach： critical issues and global evaluation［J］.Global change biology， 16： 187-208.DOI： 10.1111/j.1365-2486.2009.02041.x .

Laubach J， Teichmann U， 1996.Measuring energy budget components by eddy correlation： Data corrections and application over low vegetation［J］.Contributions to Atmospheric Physics， 69： 307-320.

Li M S， Babel W， Chen X L， et al， 2015.A 3-year dataset of sensible and latent heat fluxes from the Tibetan Plateau， derived using eddy covariance measurements［J］.Theoretical and Applied Climatology， 122： 457-469.DOI： 10.1007/s00704-014-1302-0 .

Li X， Ma M G， Wang J， et al， 2008.Simultaneous remote sensing and ground-based experiment in the Heihe River Basin： Scientific objectives and experiment design［J］.Advances in Earth Science， 23： 897.DOI： 10.11867/j.issn.1001-8166.2008.09.0897 .

Li Z Q， Yu G R， Wen X F， et al， 2005.Energy balance closure ChinaFLUX sites［J］.Science in China Series D： Earth Sciences， 48： 51-62.DOI： 10.1360/05zd0005 .

Ma Y M， Yao T D， Zhong L， et al， 2023.Comprehensive study of energy and water exchange over the Tibetan Plateau： a review and perspective： from GAME/Tibet and CAMP/Tibet to TORP， TPEORP， and TPEITORP［J］.Earth-Science Reviews， 237： 104312.DOI： 10.1016/j.earscirev.2023.104312 .

Mauder M， Cuntz M， Drüe C， et al， 2013.A strategy for quality and uncertainty assessment of long-term eddy-covariance measurements［J］.Agricultural and Forest Meteorology， 169： 122-135.DOI： 10.1016/j.agrformet.2012.09.006 .

McCaughey J H， 1985.Energy balance storage terms in a mature mixed forest at Petawawa， Ontario-a case study［J］.Boundary-Layer Meteorology， 31： 89-101.

McCaughey J H， Saxton W L， 1988.Energy balance storage terms in a mixed forest［J］.Agricultural and Forest Meteorology， 44： 1-18.DOI： 10.1007/BF00120036 .

Moderow U， Aubinet M， Feigenwinter C， et al， 2009.Available energy and energy balance closure at four coniferous forest sites across Europe［J］.Theoretical and Applied Climatology， 98： 397-412.DOI： 10.1007/s00704-009-0175-0 .

Moore C J， 1986.Frequency response corrections for eddy correlation systems［J］.Boundary-Layer Meteorology， 37： 17-35.DOI： 10. 1007/BF00122754 .

Oliphant A J， Grimmond C S B， Zutter H N， et al， 2004.Heat storage and energy balance fluxes for a temperate deciduous forest［J］.Agricultural and Forest Meteorology， 126： 185-201.DOI： 10.1016/j.agrformet.2004.07.003 .

Reichstein M， Falge E， Baldocchi D， et al， 2005.On the separation of net ecosystem exchange into assimilation and ecosystem respiration： review and improved algorithm［J］.Global Change Biology， 11： 1424-1439.DOI： 10.1111/j.1365-2486.2005.001002.x .

Thom A S， 1972.Momentum， mass and heat exchange of vegetation［J］.Quarterly Journal of the Royal Meteorological Society， 98： 124-134.DOI： 10.1002/qj.49709841510 .

Wutzler T， Lucas-Moffat A， Migliavacca M， et al， 2018.Basic and extensible post-processing of eddy covariance flux data with REddyProc［J］.Biogeosciences， 15： 5015-5030.DOI： 10.5194/bg-15-5015-2018 .

Yang K， Wang J M， 2008.A temperature prediction-correction method for estimating surface soil heat flux from soil temperature and moisture data［J］.Science in China （Earth Sciences）， 51： 721-729.DOI： 10.1007/s11430-008-0036-1 .

常娜， 李茂善， 王灵芝， 等， 2022.峨眉山地区近地层微气象特征研究［J］.高原气象， 41（1）： 226-240.DOI： 10.7522 /j.issn.1000 -0534.2021.00111.Chang N ，

Li M S， Wang L Z， et al， 2022.Study on micrometeorological characteristics of near surface layer in Emeishan Area［J］.Plateau Meteorology， 41（1）： 226-240.DOI： 10.7522 /j.issn.1000 -0534.2021.00111 .

范德民， 张宇， 苏有琦， 等， 2024.川南森林湍流通量质量评价及贡献区分析［J］.高原气象， 43： 227-240.DOI： 10.7522/j.issn.1000-0534.2023.00027.Fan D M ，

Zhang Y， Su Y Q， et al， 2024.Turbulent flux mass evaluation and contribution region analysis of the underlying surface in southern Sichuan forest［J］.Plateau Meteorology， 43（1）： 227-240.DOI： 10.7522/j.issn.1000-0534.2023.00027 .

李宏宇， 张强， 赵建华， 2012.论地表能量不平衡的原因及其解决办法［J］.干旱区研究， 29： 222-232.Li H Y， Zhang Q， Zhao J H， 2012.Causes of surface energy imbalance and its possible solutions［J］.Arid Zone Research， 2012， 29（2）： 222-232.

李跃清， 2021.西南涡涡源研究的有关新进展［J］.高原气象， 40： 1394-1406.DOI： 10.7522/j.issn.1000-0534.2021.zk005.Li Y Q ， 2021.New related progress on researches of the vortex source of Southwest China Vortex［J］.Plateau Meteorology， 40： 1394-1406.DOI： 10.7522/j.issn.1000-0534.2021.zk005 .

潘瑞炽， 2008.植物生理学［M］.北京： 高等教育出版社， 99-104.

Pan R C， 2008.Plant physiology［M］.Beijing： Higher Education Press， 99-104.

陆宣承， 文军， 杨越， 等， 2022.若尔盖高寒湿地夏季近地面水平热平流 对地表能量闭合度的影响研究［J］.高原气象， 41（1）： 122-131.DOI： 10.7522/j.issn.1000-0534.2020.00059.Lu X C ，

Wen J， Yang Y， et al， 2022.Research on the Influence of Horizontal Thermal Advection on Surface Energy Balance in Zoige Alpine Wetland［J］.Plateau Meteorology， 41（1）： 122-131.DOI： 10.7522/j.issn.1000-0534.2020.00059 .

王介民， 王维真， 刘绍民， 等， 2009.近地层能量平衡闭合问题-综述及个例分析［J］.地球科学进展， 24： 705.DOI： 10.11867/j.issn.1001-8166.2009.07.0705.Wang J M ，

Wang W Z， Liu S M， et al， 2009.The problems of surface energy balance closure-an overview and case study［J］.Advance in Earth Sciences， 24： 705.DOI： 10.11867/j.issn.1001-8166.2009.07.0705 .

周彦昭， 李新， 2018.涡动相关能量闭合问题的研究进展［J］.地球科学进展，33（9）： 898-913.DOI： 10.11867./j.issn.1001-8166. 2018. 09.0898.Zhou Y Z ，

Li X， 2018.Progress in the energy closure of eddy covariance systems［J］.Advances in Earth Science， 33（9）： 898-913.DOI： 10.11867./j.issn.1001-8166. 2018.09. 0898 .

中华人民共和国林业行业标准， 2016. LY / T 2656-2016 立木生物量模型及碳计量参数-冷杉 ［S］.北京： 国家林业局.Forestry Industry Standard of the People's Republic of China， 2016. LY/T 2656-2016 Tree biomass models and related parameters to carbon accounting for Abies［S］.Beijing： The State Forestry Administration of the People's Republic of China.

Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn