北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 13910499761 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

日期: 2017-05-22
浏览次数: 104

一、研究背景—研究现状
随着世界范围内越来越多的涡度协方差塔的建立,净生态系统CO2交换(NEE)的测量在多尺度气候变化科学中变得越来越重要。
但由于NEE是与光合作用和呼吸相关过程中抵消通量之间的净信号,从而使利用这些数据建立的模型具有一定的争论性。

 

研究方法

目前使用最广泛使用的NEE划分方法是Reichstein方法,其使用夜间NEE的温度敏感度来预测白天的Reco,然后通过从NEE中减去Reco来计算GPP。然而由于夜间叶呼吸通常高于日间叶呼吸(也称为Kok效应),从而导致高估了日间Reco和GPP。
工神经网络方法(ANN)已成为划分通量建模的另一重要方法,它使用多个可变变量来预测夜间测量的白天Reco。 ANN采用非线性回归模型来估计独立变量和从属变量之间的互连,建立类似神经通路的关系网络,但由于其计算费用昂贵,因此在多个年份内难以跨多个站点运行。

 

研究目的
      由于上述调查的通量分配方法存在多种局限性,因此需要同时进行评估和比较。 并需要大力评估和比较与其相关的不确定性。
本研究在理想的气象条件下,采用多重分割方法(即Reichstein、ANN、连续的测量、同位素分析),从而最大限度地减少与夜间湍流、复杂盖度和异质景观有关的误差。 由于数据和模型的不确定性,我们评估了每种方法的不确定性。 最后,我们通过采用生物物理模型CANVEG来预测冠层尺度的参数,改进了以前的同位素分配方法。
二、研究方法—Reco与GPP区分理论

 

 

 同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

 

 同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

冠层尺度:

 同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

 

 同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

观测对象

      涡度协方差和气象测量:净辐射、光合有效辐射、冠层上方的空气温度、土壤热通量、相对湿度、叶面积指数、CO2、H2O、13CO2
      土壤呼吸测量:3套连续观测系统同步观测;

 同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

 同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

不确定性分析

      使用三种同位素分割方法中每一种方法对NEE进行分割,以获得每个时间点(n = 1000)的GPP和Reco范围。通过 GPP和Reco值的差异计算90%置信区间。
 同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配
                                                 

三、研究结果

      总体而言,CANVEG在模拟和观察NEE中表现出良好的一致性。其中,累积CANVEG NEE高估观测到的5%、累积H高估30%、累积LE高估9%之间。

 

 同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

 


 

      基于分区的分割方法,每个分割法90%置信区间的数据和模型不确定性与Rsoil测量允许识别的时段是不一致的;

      晚上CANVEG-Gs-Ci、CANVEG-Gs、PM-Gc、ANN、Reichstein的Reco重叠,平均高于Rsoil测量值;

      白天CANVEG-Gs-Ci,CANVEG-Gs 、 PM-Gc分割的GPP的量级较低;

 

 

 


 同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

 

      使用普通最小二乘回归法评估分割对LUE和APAR之间关系的影响。 结果表明,所有同位素分割方法在LUE和APAR之间显示出显着的负相关,而标准分割方法 LUE和APAR之间没有关系。
  同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配  
                                  

白天CANVEG-Gs-Ci,CANVEG-Gs 、 PM-Gc分割的GPP的量级较低;

长期数据分析表明,在收获期间,Reco和Rsoil的估计存在差异;

ANN和Reichstein方法都预测在收获后的Reco相对较高;

Rsoil测量结果显示,在收获期间,Rsoil减少;

 

 


  同步测量13CO2和CO2实现净生态系统CO2交换中光合作用和呼吸的重新分配

 

结论

      在理想条件下,我们采用了一种分割方法的集合来更好地约束NEE通量中GPP和Reco分配的不确定性。

      CCIA-48二氧化碳同位素分析仪为生态系统通量的测量提供了强大优势,并估计了13C的上游冠层入口。

      同位素分配的GPP和Reco小于ANN、Reichstein分配的GPP和Reco,这与之前的研究结果相一致,

 

      将夜间Reco关系推广到当天的标准分割方法(ANN和Reichstein)中可能高估了白天Reco,因为建模过程中忽略了植物呼吸的日间减少(Kok效应)。

 

【理加联合】

      北京理加联合科技有限公司(简称:理加联合)成立于2005年,是一家专业的生态环境仪器供应商和技术服务商,主要产品涵盖稳定性同位素测定、痕量气体测量、地物光谱测量、水化学分析、野外便携和长期监测分析仪器。

 主要代理产品

美国LGR公司激光痕量气体和稳定同位素分析仪

美国ASD公司地物光谱仪

意大利AMS集团全自动化学分析仪和流动分析仪

美国CSI公司闭路涡度相关和大气廓线测量系统

美国Resonon公司高光谱成像仪

美国ThermoFisher Scientific公司气体分析及颗粒物监测产品系列

美国Agilent公司傅里叶红外光谱仪

加拿大Itres公司高光谱成像仪

美国Labsphere公司积分球

获取最新消息,请关注:

理加联合微信公众平台:理加联合


News / 相关新闻 More
2024 - 03 - 04
有机蔬菜,是指在蔬菜生产过程中严格按照有机生产规程,禁止使用任何化学合成的农药、化肥、生长调节剂等化学物质,以及基因工程生物及其产物,而是遵循自然规律和生态学原理,采取一系列可持续发展的农业技术,协调种植平衡,维持农业生态系统持续稳定,且经过有机食品认证机构鉴定认证,并颁发有机食品证书的蔬菜产品。关于如何快速鉴别有机蔬菜与非有机蔬菜,光谱仪器的应用提供了新的思路。一起来了解一下今日推荐的文章。使用 VIS-NIR 光谱仪通过特征波长和线性判别分析法快速区分有机和非有机叶菜(空心菜、苋菜、生菜和小白菜)当前有机叶类蔬菜面临着可能被非有机产品替代以及容易脱水和变质的挑战。为了解决这些问题,本研究采用ASD FieldSpec 4 便携式地物光谱仪 结合线性判别分析 (LDA) 来快速区分有机和非有机叶菜。有机类包括有机空心菜 (Ipomoea Aquatica Forsskal)、苋菜 (Am...
2024 - 02 - 28
微塑料是指直径小于5毫米的塑料颗粒,它们主要来源于塑料制品的磨损、降解和破碎,对环境和生态系统产生了不容忽视的影响。微塑料广泛分布在河流、湖泊、海洋等水体中,对水环境会造成污染,也可被水生生物摄取,进而在食物链中传递,最终影响到人类健康。此外,微塑料还可能影响浮游动物的摄食、生长和繁殖,从而影响整个生态系统的功能。针对微塑料是否会影响生物扰动活动,国外的一组团队展开了研究。淡水沉积物中的微塑料影响主要生物扰动者在生态系统功能中的作用 微塑料(粒径≤5mm)是塑料废物中的一部分,会通过沿海径流和河流进入到海洋。根据其密度差异,或漂浮在水中或进入沉积物中。沉积物-水界面是水中生物主要活动区,通过生物地球化学过程在生态系统功能中发挥着重要作用。这些生物地球化学过程主要由微生物活动驱动,而底栖无脊椎动物生物扰动作用明显,可凭借进食、排泄、推土、掘穴以及建造洞穴、土堆和坑等行为影响各界面间...
2024 - 02 - 26
在青藏高原的腹地,巍峨的唐古拉山脉伫立于世界之巅,其冰川如同大自然的年轮,默默记录着地球气候的每一次微妙变化。冰川之中,那些被冰封的气泡,就像是时间的容器,保存着过去气候的密码。冰芯气泡,是冰川积累过程中空气被困于冰层之中形成的。它们不仅仅是简单的空气囊泡,而是携带着过去气候信息的宝贵资源。当雪花飘落并逐渐积累成冰时,其中的空气被封存,形成了气泡。这些气泡中的空气成分,包括温室气体如二氧化碳和甲烷,以及它们的浓度,都是反映当时大气成分的重要指标。科学家们通过分析这些冰芯中的气泡,揭示了气候变化的历史,而冰芯中的δ18O值更是成为了解这一历史的关键线索。青藏高原中部冰芯气泡δ18O指示晚全新世冰川变化 冰芯中的气泡是冰初形成时的地球大气,蕴含了关于过去的无穷讯息,是研究古大气环境最直接的方法,且已广泛用于区域或全球气候重建。极地和高山冰川冰芯中空气含量的变化除了与积雪速率和气温变化...
2024 - 02 - 21
肉类富含丰富的蛋白质和营养物质,不仅能够满足我们的味蕾,还能够提供我们身体所需的能量和营养。随着肉类需求的增加,大规模的肉类生产和运输过程中,肉类的速冻可以一定程度保持食物的新鲜度和口感。然而,关于速冻解冻的肉类,和新鲜肉类的混淆,让人难以分辨。首尔大学的研究人员利用高光谱成像技术,做了相关的研究。使用高光谱成像仪和机器学习对新鲜和冻融牛肉进行分类由于对安全、可食用肉类的需求的不断增加,冷冻储存技术得到了不断改进。然而目前存在解冻肉在处理和销售过程中被进行了错误的标记,宣称为新鲜肉类,这可能导致消费者受到误导或产生安全隐患。在这项研究中,使用高光谱图像数据构建了一个机器学习(ML)模型,用于区分新鲜冷藏、长期冷藏和解冻的牛肉样本。通过四种预处理方法,共准备了五个数据集来构建ML模型。使用PLS-DA和SVM技术构建了模型,其中应用散点校正和RBF核函数的SVM模型性能最佳。结果表明,利用高...
关闭窗口】【打印
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(生产研发)
          光华创业园科研楼四层
电话:13910499761 13910499762 010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

 

地址:深圳市宝安区创业二路玖悦雅轩商业裙楼3层瑞思BEEPLUS 3029室 手机:13910499772

 


 


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开