, 龚元2,4, 张凯迪1,3, 张立平2,3, 何毅2,3, 徐良2,3, 赵敏2
1. 上海师范大学生命与环境科学学院, 上海 200234;
2. 上海师范大学旅游学院, 上海 200234;
3. 上海师范大学城市生态与环境过程重点实验室, 上海 200234;
4. 南京林业大学生物与环境学院, 南京 210037
收稿日期: 2017-06-05; 修回日期: 2017-08-24; 录用日期: 2017-09-11
基金项目: 国家自然科学基金青年基金（No.31100354）；上海师范大学旅游学院/上海旅游高等专科学校科研项目（No.KY2017-BX）
作者简介: 郭智娟(1992—), 女, E-mail: 915226583@qq.com
通讯作者（责任作者）: 赵敏, 女, 博士, 副教授, 硕士生导师, 研究领域为城市生态. E-mail: zhaomin@shnu.edu.cn
摘要: 城市是重要的二氧化碳排放源，研究城市区域CO2通量与复杂城市下垫面之间的关系有助于深入了解城市碳循环特征.本文基于城市涡动相关系统的通量数据和气象数据，结合研究区CO2通量信息和土地覆被信息，依据ART（Agroscope Reckenholz Tanikon）Footprint Tool模型（基于Kormann Meixner（KM）模型计算足迹），探讨了城市复杂下垫面尤其是不透水层对于CO2通量足迹的影响.结果发现，研究区CO2通量变化范围在2015年5-8月为-6.44~4.62 μmol·m-2·s-1，其中，5月和6月均出现CO2通量最大值（4.62 μmol·m-2·s-1），8月出现CO2通量最小值，为-6.44 μmol·m-2·s-1.风向是影响CO2通量足迹的主要要素，5-8月CO2通量足迹的范围主要在距离观测塔600 m以内，集中于东南方向，这与此期间盛行东南风有关.研究表明，不透水层的类型会影响CO2通量的贡献率，距离观测站600 m以内的不透水层的CO2通量贡献率最大为46.9%，最小为1.5%；其中，建筑的CO2通量贡献率最大为70%，最小为0.08%，道路的CO2通量贡献率最大为23.7%，最小为2.92%；不透水层的面积也会影响CO2通量贡献率，道路的CO2通量贡献率会随着不透水层面积的增加而增加，呈正相关关系.
关键词:城市涡动相关系统通量源区
CO2 flux footprints of impervious layer on complex land surface: A case study at the Fengxian College Park, Shanghai
GUO Zhijuan1,3
, GONG Yuan2,4, ZHANG Kaidi1,3, ZHANG Liping2,3, HE Yi2,3, XU Liang2,3, ZHAO Min2 1. College of Life and Environment Sciences, Shanghai Normal University, Shanghai 200234;
2. College of Tourism, Shanghai Normal University, Shanghai 200234;
3. Key Laboratory of Urban Ecology and Environmental Processes, Shanghai Normal University, Shanghai 200234;
4. College of Biology and the Environment, Nanjing Forestry University, Nanjing 210037
Received 5 June 2017; received in revised from 24 August 2017; accepted 11 September 2017
Supported by the National Natural Science Foundation of China Youth Fund(No.31100354) and the Shanghai Normal University Tourism College/Shanghai Tourism College of Scientific Research Project(No.KY2017-BX)
Biography: GUO Zhijuan(1992—), female, E-mail: 915226583@qq.com
*Corresponding author: ZHAO Min, E-mail: zhaomin@shnu.edu.cn
Abstract: Urban area is a major carbon dioxide source. The studies on the relationship between carbon flux and the complex underlying surface are critical for improving our understanding of urban carbon cycle. In this study, we used the carbon flux data from eddy covariance (EC) systems, meteorological data from gradient meteorological monitoring system, and land use and land cover data to explore the influences of impervious layer on carbon footprints with the ART (Agroscope Reckenholz Tanikon) Footprint Tool, which provides an easy-to-use way for calculating footprints after the Kormann Meixner method. We found that:①The CO2 fluxes varied from-6.44 to 4.62 μmol·m-2·s-1, during May to August (2015). The minimum was in August, while the maximum was in May and June. ②Wind direction was the main factor that influences the carbon dioxide footprints. During the study period, the source area distributions of footprint were within 600 meters southeast of the EC tower, consistent with the wind direction. The results showed that the contributions of impervious layer types to footprints are different. For example, the maximum contribution rate of CO2 flux from buildings was 70%, and the minimum was 0.08%. The max contribution rate of CO2 flux from roads was 23.7%, while the minimum was 2.92%. Road area also affects the contribution rate of CO2 flux. The contribution rate of CO2 flux increased with road area.
Key words: urban areaeddy covariance systemsource area
1 引言(Introduction)城市化进程的加快使城市温室效应增强, 二氧化碳、甲烷等温室气体排放也越来越多, 碳循环监测越来越复杂.CO2通量足迹作为评估CO2通量源/汇范围的重要指标, 是碳循环研究中不可或缺的一部分(贾庆宇等, 2010a), 愈加受到各界人士的关注.涡动相关观测系统(Eddy Covariance, EC)是目前唯一能直接测定城市生态系统与大气间CO2通量交换的标准实测方法(于贵瑞等, 2006), 已获得微气象学家和生态学家的广泛认可(Masahito et al., 2016), 并成为国际间通量观测网络(FLUXNET)、美洲地区(America Flux)、亚洲地区(Asia Flux)等的主要技术.到2017年为止, 已有844个在FLUXNET注册的通量站, 其中567个通量站已应用涡动相关技术进行研究, 观测获得的数据也已被广泛应用于模型的参数化和验证等工作之中(https://fluxnet.ornl.gov).早期的涡动相关技术主要针对森林、草地、农田等“均一”下垫面的自然生态系统(贾庆宇等, 2011a), 在城市生态系统的观测和研究还较少, 尤其在中国, 相关研究仅在上海(潘成等, 2015)、北京(刘郁珏等, 2014)、咸宁(Liu et al., 2011)等经济发展较快的城市中出现, 如今还处于起步阶段.由于城市下垫面不均一且较复杂, 当前的城市通量观测站点较少, 国外城市的涡动相关通量观测站有芝加哥(Grimmond et al., 2002)、巴尔的摩(Walsh et al., 2004)、巴塞尔(Vogt et al., 2006)等建立的城市居民区通量塔, 赫尔辛基(Vesala et al., 2008)建立的城市商业区通量塔, 日本建立的城市农田通量塔(Awal et al., 2010)及德国建立的城市公园通量塔(Kordowski et al., 2010)等.但对于国内来说, 城市通量塔的建立较稀疏, 目前, 有上海(龚元等, 2017b；袁庄鹏等, 2012)和天津(龚洪, 2013)建立的城市校园通量塔, 北京(刘郁珏等, 2014；孙建卫等, 2010；董会娟等, 2012)、沈阳(贾庆宇等, 2010)等建立的城市居民区通量塔, 上海崇明建立的城市岛屿通量塔(顾永剑等, 2008), 北京小汤山建立的城市郊区通量塔(Dou et al., 2011)等.
CO2通量足迹作为量化涡动相关系统有效监测区域的重要指标, 已成为研究热点之一.近年来, 国内关于通量足迹分析的研究主要涉及北京、沈阳、天津、上海等城市(贾庆宇等, 2011b；刘郁珏等, 2014；龚洪, 2013；龚元等, 2017c；袁庄鹏等, 2012).通量足迹(Footprint)模型是进行通量足迹分析的重要方法, 主要有拉格朗日模式、一维模式、FSAM模型、大涡模型和Kormann and Meixner (KM)模型等(Schmid et al., 1999; Mathisa et al., 2004;Chen et al., 2009).其中, 拉格朗日模型和大涡模型计算较为繁琐, 不适宜于长期通量观测下的计算(Kljun et al., 2004)；FSAM模型要求近中性层条件和下垫面平坦, 且对输入参数有诸多限制(楚良海等, 2009)；KM模型是基于平流扩散模型的解析式足迹模型, 其算出的通量源区最远点较FSAM模型大(Kormann et al., 2001).FSAM和KM模型等是目前应用比较广泛的模型(龚元等, 2017a；楚良海等, 2009；米娜等, 2006；双喜等, 2009).
有关CO2通量的研究多集中在对通量足迹的定量评估上, 即基于日、月、季节、年等的CO2通量动态特征的基本研究(Wlodzimierz et al., 2009;Liu et al., 2011;Bo et al., 2011;Ono et al., 2007;Park et al., 2014;Coutts et al., 2007;Zhang et al., 2015;Jie et al., 2015;Zhao et al., 2014), 基于不同城市土地利用的研究较少, 如Bergeron等(2011)认为城市中心和郊区的CO2通量不同, Ramamurthy等(2011)认为郊区表现为碳汇, 城市表现为碳源；然而将时间和空间等多尺度相结合的分析更少, 即缺少将CO2通量足迹与其他环境影响因子相结合的共同分析.
本研究采用由瑞士联邦农业研究中心以KM模型为基础研发的ART(Agroscope Reckenholz Tanikon) Footprint Tool(2007-03-13, 1.0版)通量足迹模型(Neftel et al., 2008), 目前国内应用此模型的研究主要包括沈阳供暖前后CO2通量的足迹分析(贾庆宇等, 2010b)、天津CO2通量的足迹拆分(龚洪, 2013)、上海城市复杂下垫面下自然系统和社会系统的CO2通量特征研究(龚元等, 2017a), 但结合土地利用信息, 对某一土地利用类型的CO2通量足迹进行的研究还不多, 本文以城市生态系统不透水层下垫面为切入点, 分析其CO2通量足迹贡献率, 以期为今后CO2通量足迹模型应用提供参考.
2 研究区域概况及研究方法(Research area overview and research methods)2.1 研究区域概况本研究区域位于上海奉贤大学城(121°30'E, 30°84'N), 海拔4 m, 地形较为平坦, 夏季盛行东南风, 高温多雨, 冬季盛行西北风, 低温少雨(袁庄鹏等, 2013)；一年之中阴雨天气占大多数, 年平均降水量为1160 mm, 年均相对湿度为80%, 年平均气温为12~20 ℃.搭载开路涡动相关测量系统和微气象梯度观测系统的通量观测站位于校区的东南方向(植物园)(121°30'38.96"E, 30°50'32.26"N), 距地高度20 m.在距离通量观测站500 m范围内, 西南侧和东南侧是以建筑为主的不透水层, 面积占比23.44%, 建筑类型主要包括实验楼、图书馆、餐厅、校内篮球馆、教学楼、宿舍楼和科技楼等, 平均高度10 m；西北侧是以道路为主的不透水层, 面积占比11.53%；其余为以乔木香樟(Cinnamomum camphora (Linn.)Presl)、草本麦冬(Liriope platyphylla Wang et Tang)、芦苇(Phragmites Australis)等为主的植被、水域、操场、大棚、裸地等透水层类型(图 1).
图 1(Fig. 1)
 |
| 图 1 上海市奉贤大学城土地利用现状 Fig. 1Land use map of Fengxian university city in Shanghai |
2.2 涡动相关通量观测系统涡动相关通量观测系统主要由三维超声风速温度仪(Gill, Gill Instrument, UK)、开路式CO2/H2O红外气体分析仪(Li-7500, Li-COR, Inc, USA)和数据采集器(CR3000, CSI, USA)组成, 数据采集器CR3000为昼夜连续自动采集, 记录频率10 Hz的实时数据和30 min的在线平均数据.
2.3 通量数据质量控制选取经过Loggernet(CSI, USA)将.dat格式转换为.TOB格式的2015年5、6、7、8月的通量和微气象数据, 再经过Eddypro-5.1.1 (Li-COR, USA)软件进行传感器异常值剔除、野点剔除、两次坐标旋转、频率响应修正、WPL修正、数据质量控制指标(0-1-2)等(Foken et al., 1996)得到0.5 h的数据集, 此时需对获得的数据集进行筛选: ①去除10 Hz原始数据中每0.5 h缺失率大于10%的数据；②去除质量控制标注为“2”的数据；③去除换卡前后的错误数据；④去除降水前后1 h数据；⑤去除夜间摩擦风速小于0.15 m·s-1的数据(龚元等, 2017c).通过以上数据处理, 发现2015年5—8月的CO2通量数据缺失和拒绝率为18%, 通常情况下数据的缺失和拒绝率小于50%则具有代表性(龚笑飞等, 2015).然后采用平均日变异法(MDV)进行数据的插补, 即以需插补数据天数为基准, 插补前后一周同一时刻的平均值(袁庄鹏等, 2012).此时的数据经质量控制去除异常值并插补缺失值, 为以下的研究提供了可靠的数据支撑.
2.4 ART Footprint Tool通量足迹计算模型ART Footprint Tool软件是由瑞士联邦农业研究中心基于KM模型原理开发的, 在Visual Basic系统中实现, 并结合土地利用信息对研究区下垫面的CO2通量贡献率进行计算, 此模型在夜间湍流间歇性频发状况下会导致足迹计算的不确定性.
2.4.1 足迹密度函数软件首先需要计算二维足迹密度函数, 输入的主要参数包括:观测时间(t)、摩擦风速(u*)、莫宁-奥布霍夫长度(L)、风向(DIR)和有效动力学高度(Zm)等.以上参数除了有效动力学高度(Zm)这一参数外, 其余参数均可通过Eddypro处理得到.Zm可通过以下公式计算得到(Neftel et al., 2008):
 | (1) |
 | (2) |
二维足迹密度函数φ(x, y)为(Neftel et al., 2008):
 | (3) |
 | (4) |
2.4.2 通量足迹与土地利用结合软件第二步会结合足迹与土地利用信息.土地利用数据需要提供大量的四边形区域坐标, 这些四边形区域不需要是矩形, 在定位四边形区域坐标时, 需以通量观测站坐标为原点(0, 0), 且坐标输入为逆时针方向(Neftel et al., 2008).目前, 该模型的四边形区域数量限制在30个.
通量贡献率的计算采用公式(3), 其选取顺风点200个、侧风点100个的网格点进行估算, 并将每一个网格点的碳通量贡献信息旋转至来风方向, 然后用规定的网格点进行覆盖, 接着将四边形内的所有网格点的CO2通量贡献数据叠加而得.
通过以上计算, ART Footprint Tool的输出参数有:零平面位移、足迹分析所覆盖的范围、区域足迹贡献率等(Neftel et al., 2008).
2.5 不透水层下垫面选取不透水层是城市主要的土地覆被类型, 也是城市碳源的主要来源.对于属于不透水层的建筑和道路而言, 其贡献较大, 但距离观测站越远, 其对研究区域CO2通量的贡献越小.因此, 本次研究区域主要是以观测站为圆心、360 m为半径的圆形区域(图 2).选取四边形在400 m范围内东南方向的不透水层下垫面作为样方, 得到400 m范围内5—8月的不透水层通量贡献率为89%, 可知仪器观测得到的90%以上的通量都来自于400 m范围内.其中, 东南方向不透水层主要有道路和建筑两种类型, 道路面积在选定的不透水层中占比21.5%, 建筑面积在选定的不透水层中占比78.5%, 主要类型有实验楼、图书馆、餐厅、宿舍楼、室内篮球馆、教学楼和科技楼等.
图 2(Fig. 2)
 |
| 图 2 观测站400 m范围内不透水层下垫面选取 Fig. 2Impervious layer selected within 400 m range |
3 结果(Results)3.1 CO2通量变化特征2015年5—8月的CO2通量变化范围为-6.44~4.62 μmol·m-2·s-1(图 3), 平均值为0.37 μmol·m-2·s-1.5月CO2通量变化范围为-5.33~4.62 μmol·m-2·s-1, 平均值为0.55 μmol·m-2·s-1；6月CO2通量变化范围为-5.29~4.62 μmol·m-2·s-1, 平均值为0.74 μmol·m-2·s-1, 这两个月都是上午9: 30之后表现为碳汇, 下午3: 00之后表现为碳源；7月CO2通量变化范围为-6.22~4.46 μmol·m-2·s-1, 平均值为0.27 μmol·m-2·s-1, 上午9: 30之后表现为碳汇, 下午4: 00之后表现为碳源；8月CO2通量变化范围为-6.44~4.25 μmol·m-2·s-1, 平均值为-0.1 μmol·m-2·s-1, 上午9: 00之后表现为碳汇, 下午6: 00之后表现为碳源.8月CO2通量碳汇出现时间较早、碳源出现时间较晚的主要原因是8月为学校假期, 人类活动较少.与瑞士巴塞尔(Coutts et al., 2007)城区CO2通量(3~16 μmol·m-2·s-1)、德国明斯特(Kordowski et al., 2010)城区CO2通量(4~11 μmol·m-2·s-1)、爱丁堡(Nemitz et al., 2002)市中心CO2通量(10~38 μmol·m-2·s-1)相比, 碳源最大值较小, 但碳汇最大值要大, 原因可能是校园绿化相对于城市中心绿化较多, 占地56%, 且校园交通流量较少.
图 3(Fig. 3)
 |
| 图 3 研究区域2015年5—8月CO2通量变化特征 Fig. 3The dynamics of CO2 flux in the study area from May to August, 2015 |
3.2 风向分布特征从风向风速玫瑰图(图 4)的统计结果可以看出2015年5、6、7、8月的通量观测塔周边风向和风速.研究期间, 观测塔周边盛行东南风和南风, 为主风向, 其它风向频率较少, 为非主风向.南风、东南风、北风和西风的频率分别为18%、19%、2%和3%；且不同风向的风速有一定差异, 研究时段内平均风速为4 m·s-1, 南风风速为0~9 m·s-1, 东南风风速为0~12 m·s-1, 北风风速为0~6 m·s-1.
图 4(Fig. 4)
 |
| 图 4 研究区域2015年5—8月风向风速玫瑰图 Fig. 4The wind rose map in the study area from May to August, 2015 |
3.3 通量源区的估算在研究初期, 首先使用KM模型分别对2015年5、6、7、8四个月的通量数据进行足迹分析, 从而确定本次研究区域范围；接着通过KM模型计算出每隔0.5 h的90%通量贡献率的足迹, 并绘出最远点分布图(图 5a), 进而统计最远点数据频率, 得到最远点概率图(图 5b).
图 5(Fig. 5)
 |
| 图 5 CO2通量足迹最远点分布图(a)及CO2通量足迹最远点概率图(b)(“距离”表示上风处到观测站的距离) Fig. 5The distribution of CO2 flux footprint furthest point(a) and the probability chart of CO2 flux footprint furthest point(b) (Distance represents the distance from the observation station) |
由图可知, CO2通量足迹最远点分布集中, 距离观测点最远为1400 m, 大部分CO2通量来自于仪器东南侧.结合图 4可知, 足迹范围主要受风向影响, 这与贾庆宇等(2010)认为风向对CO2通量有协同作用相一致；研究时期内的CO2通量足迹分布基本在距离观测点600 m范围内, 这与龚洪(2013)在天津大学观测站的足迹范围相近.
3.4 主风向上不透水层CO2通量贡献率3.4.1 建筑物的CO2通量贡献率在距离通量观测塔400 m范围内, 建筑面积占比78.5%.由图 6可以看出, 不同的建筑类型所产生的CO2通量足迹有所差异, 不同建筑类型的单位面积CO2通量贡献率也不同.餐厅的CO2通量贡献率明显高于其它建筑, 为70%, 这与锅炉燃煤燃烧有关；宿舍楼的CO2通量贡献率为47%, 科技楼的CO2通量贡献率最少, 仅为1.5%, 这与科技楼较多对外校人员开放有关；建筑的最大CO2通量贡献率是最小CO2通量贡献率的46.6倍.餐厅CO2通量贡献率标准偏差较大, 这与通量数据采集时间有关, 7月和8月为学校暑假时间, 此期间餐厅并不运作；实验楼和科技楼的CO2通量贡献率在研究时段内差异较小.
图 6(Fig. 6)
 |
| 图 6 主风向上不同建筑物类型CO2通量贡献率和单位面积CO2通量贡献率 Fig. 6The CO2 flux contribution rate and per unit area CO2 flux contribution rate of the different building types |
单位面积CO2通量贡献率大小依次为:餐厅＞宿舍楼＞室内篮球馆＞实验楼＞教学楼＞图书馆＞科技楼.在学校研究区, 餐厅为人类活动性最强的区域, 实验楼、宿舍楼和教学楼次之, 而科技楼的活动性最弱, 这使得标准偏差依次降低.由图可知, 单位面积的最大CO2通量贡献率为7.4%, 最小CO2通量贡献率为0.3%, 最大单位面积CO2通量贡献率是最小单位面积CO2通量贡献率的24.7倍.这与龚洪(2013)认为的教学区CO2通量贡献率＞居住区CO2通量贡献率的结果相一致, 但与其认为的教学区单位面积CO2通量贡献率大于居住区单位面积CO2通量贡献率的结果相反(表 1)的原因是不同学校的学生活动情况不同、建筑面积也不同；上海师范大学宿舍楼的CO2通量贡献率与单位面积CO2通量贡献率明显高于天津大学是由风向造成的, 上海师范大学的宿舍楼是基于主风向进行的研究, 而天津大学(龚洪, 2013)的宿舍楼是基于主风向和非主风向上平均CO2通量的研究.
表 1(Table 1)
| 表 1 上海师范大学和天津大学同类下垫面的CO2通量贡献率和单位面积CO2通量贡献率对比 Table 1 The contribution rate of CO2 flux and the per unit area CO2 flux contribution rate of Shanghai Normal University and Tianjin University | |||||||||||||||||||||||
表 1 上海师范大学和天津大学同类下垫面的CO2通量贡献率和单位面积CO2通量贡献率对比 Table 1 The contribution rate of CO2 flux and the per unit area CO2 flux contribution rate of Shanghai Normal University and Tianjin University
| |||||||||||||||||||||||
 | |||||||||||||||||||||||
3.4.2 道路的CO2通量贡献率在距离通量观测塔400 m范围内, 道路面积占不透水层的21.5%.研究区内主风向上共有R1、R2、R3、R4、R5 5条道路, 其中, R1和R2主要为自行车和人行要道, R3、R4和R5为机动车道(图 7).R4为环形道路, R4和R5在工作日是校车必经道路, 车流量较R1、R2、R3多.
图 7(Fig. 7)
 |
| 图 7 道路下垫面提取图 Fig. 7Road elected under the surface |
通过研究道路面积与CO2通量贡献率的关系发现, 基于主风向下的道路面积与CO2通量贡献率成正相关, 相关系数为0.49(图 8), 在车流量随道路面积增加的情况下, 得到以下拟合关系式:
 | (5) |
 |
| 图 8 道路面积与CO2通量贡献率的关系 Fig. 8Relationship between road area and contribution rate of CO2 flux |
式中, y为通量贡献率, x为道路面积.
道路CO2通量贡献率的标准偏差是因假期校车停运造成的.车流量随道路面积的增加而增加, CO2通量贡献率也随道路面积的增加而增大, 平均增长率为0.7%.Shannon等(2014)、Vesala等(2008)、Rebecca等(2010)都认为CO2通量与车流量呈正相关, 本文结果与之相似.
下垫面类型不同, CO2通量贡献率不同(龚洪, 2013), 且CO2通量足迹也不同(图 6和图 8).本文结果为建筑物的CO2通量贡献率比道路的CO2通量贡献率大, 主要原因是校园内的交通工具稀疏且单一.贾庆宇等(2011a)认为交通是城市最大的碳排放源, 原因是其研究区针对整个城市生态系统而言；Yedla等(2005)认为交通是城市主要的碳排放源, 是因为其观测站足迹内有2条高速公路, 车流量及车速都很大.
4 结论(Conclusions)1) 基于KM模型原理开发的ART Footprint Tool模型模拟发现, 本次城市生态系统研究区90%以上的CO2通量来自于距观测站400 m的范围.
2) 建筑和道路在城市生态系统中是两个重要的不透水层指标.不同的建筑类型对于CO2通量的贡献率不同, 不同的道路面积对于CO2通量的贡献率也不同, 且CO2通量贡献率随着道路面积的增大而增加, 呈正相关.
致谢:感谢中国科学院西北生态环境资源研究院王介民教授在足迹模型应用和通量数据处理方面给予的指导与解答, 同时, 感谢翁恩生教授在文章修改方面提供的帮助与指导.
参考文献
| Awal M A, Takeshi O, Matsumoto K, et al. 2010. Comparing the carbon sequestration capacity of temperate deciduous forests between urban and rural landscape in central Japan[J]. Urban Forestry and Urban Greening, 9(3): 261–270.DOI:10.1016/j.ufug.2010.01.007 |
| Bai J, Wang J, Chen X, et al. 2015. Seasonal and inter-annual variations in carbon fluxes and evapotranspiration over cotton field under drip irrigation with plastic mulch in an arid region of Northwest China[J]. J Arid Land, 7(2): 272–284.DOI:10.1007/s40333-014-0012-x |
| Chen B, Ge D, Fu D, et al. 2009. Upscaling of gross ecosystem production to the landscape scale using multi-temporal landsat images, eddy covariance measurements and a footprint model[J]. Biogeosciences Discussions, 6(6): 11317–11345.DOI:10.5194/bgd-6-11317-2009 |
| 楚良海, 刘兆文, 朱元骏. 2009. 黄土高原沟壑区通量数据空间代表性研究[J]. 地球科学进展, 2009, 24(2): 211–218. |
| Coutts A M, Beringer J, Tapper N J. 2007. Characteristics influencing the variability of urban CO2 fluxes in Melbourne, Australia[J]. Atmospheric Environment, 41(26): 51–62. |
| 董会娟, 耿涌. 2012. 基于投入产出分析的北京市居民消费碳足迹研究[J]. 资源科学, 2012, 34(3): 494–501. |
| Dou J, Liu W. 2011. Suburban-rural contrasts of carbon dioxide fluxes in Beijing[C]. 5th International Conference on Bioinformatics and Biomedical Engineering. Granada, Spain |
| Foken T, Wichura B. 1996. Tools for quality assessment of surface-based flux measurements[J]. Agriculture and Forest Meteorology, 78(1): 83–105. |
| Fortuniak K, Siedlecki M. 2009. Carbon dioxide flux in the center of lodz, poland-analysis of two years eddy covariance measurements data set[C]. The Seventh International Conference on Urban Climate. Yokohama, Japan |
| 龚洪. 2013. 足迹内城市CO2通量拆分[D]. 天津: 天津大学 |
| 龚笑飞, 陈丽萍, 莫路锋. 2015. 基于FSAM模型的毛竹林碳通量贡献区研究[J]. 西南林业大学学报, 2015, 35(6): 37–44. |
| 龚元, 赵敏, 姚鑫, 等. 2017a. 城市生态系统复合下垫面碳通量特征-以上海市奉贤大学城为例[J]. 长江流域资源与环境, 2017a, 26(1): 91–99. |
| 龚元, 赵敏, 姚鑫, 等. 2017b. 基于Hsieh和Kljun模型的城市生态系统碳通量贡献区分析与对比[J]. 环境工程技术学报, 2017b, 7(2): 225–231. |
| 龚元, 赵敏, 郭智娟, 等. 2017c. 复杂下垫面碳通量足迹分析-以上海市奉贤大学城为例[J]. 上海师范大学学报(自然科学版), 2017c, 46(2): 284–291. |
| Grimmond C S, Offerle B D, Hom J, et al. 2002. Observations of local-scale heat, water, momentum and CO2 fluxes at Cub Hill, Baltimore[C]. Am Meteorol Soc Fourth Symposium on Urban Environments. Norfork, VA |
| 顾永剑, 高宇, 郭海强, 等. 2008. 崇明东滩湿地生态系统碳通量贡献区分析[J]. 复旦学报(自然科学版), 2008, 47(3): 374–379, 386. |
| Hiller R V, McFadden J P, Kljun N. 2011. Interpreting CO2 fluxes over a suburban LAwn:The influence of traffic emissions[J]. Boundary Layer Meteorology, 138(2): 215–230.DOI:10.1007/s10546-010-9558-0 |
| 贾庆宇, 周广胜, 王宇. 2010a. 沈阳城市CO2通量的足迹分析[J]. 环境科学学报, 2010a, 30(8): 1682–1687. |
| 贾庆宇, 周广胜, 王宇. 2010b. 城市复杂下垫面供暖前后CO2通量特征分析[J]. 环境科学, 2010b, 31(4): 843–849. |
| 贾庆宇, 王宇, 李丽光. 2011. 城市生态系统-大气间的碳通量研究进展[J]. 生态环境学报, 2011, 20(10): 1569–1574.DOI:10.3969/j.issn.1674-5906.2011.10.031 |
| Kordowski K, Kuttler W. 2010. Carbon dioxide fluxes over an urban park area[J]. Atmospheric Environment, 44(23): 2722–2730.DOI:10.1016/j.atmosenv.2010.04.039 |
| Kljun N, Calanca P, Rotach M W, et al. 2004. A simple parameterisation for flux footprint predictions[J]. Boundary Layer Meteorology, 112(3): 503–523.DOI:10.1023/B:BOUN.0000030653.71031.96 |
| Kormann R, Meixner F X. 2001. An analytical footprint for nonneutral stratification[J]. Boundary Layer Meteor, 52: 247–2258. |
| Liu M, Qi S H, Wu R H, et al. 2011. Temporal variation analysis of carbon flux of urban ecosystem in Xianning[C]. International Conference on Electrical and Control Engineering. Yichang, China |
| 刘郁珏, 胡非, 程雪玲, 等. 2014. 北京城市通量足迹及源区分布特征分析[J]. 大气科学, 2014, 38(6): 1044–1054. |
| Mathisa G, Corinna R, Thormas F, et al. 2004. A combination of quality assessment tools for eddy covariance measurements with footprint modeling for the characterization of complex sites, agriculture and forest meteorology for the characterization of complex sites[J]. Agriculture and Forest Meteorology, 127: 175–188.DOI:10.1016/j.agrformet.2004.07.012 |
| 米娜, 于贵瑞, 温学发, 等. 2006. 中国通量观测网(ChinaFLUX)通量观测空间代表性初步研究[J]. 中国科学.D辑:地球科学, 2006, 36(S1): 22–23. |
| Neftel A, Spirig C, Ammann C. 2008. Application and test of a simple tool for operational footprint evaluations[J]. Environmental Pollution, 152(3): 644–652.DOI:10.1016/j.envpol.2007.06.062 |
| Nemitz E, Hargreaves K J, Mcdonald A G, et al. 2002. Micrometeorological measurements of the urban heat budget and CO2 emissions on a city scale[J]. Environmental Science & Technology, 36(14): 3139–3146. |
| Onil B O, Strachan I B. 2011. CO2 sources and sinks in urban and suburban areas of a northern mid-latitude city[J]. Atmospheric Environment, 45(8): 1564–1573.DOI:10.1016/j.atmosenv.2010.12.043 |
| Ono K, Miyata A, Yamada T. 2007. Apparent downward CO2 flux observed with open-path eddy covariance over a non-vagetated surface[J]. Theoretical and Applied Climatology, 92: 195–208. |
| 潘晨, 朱希扬, 贾文晓, 等. 2015. 上海市近地面CO2浓度及其与下垫面特征的定量关系[J]. 应用生态学报, 2015, 26(7): 2123–2130. |
| Park M S, Joo S J, Park S U. 2014. Carbon dioxide concentration and flux in an urban residential area in Seoul, Korea[J]. Advances in Atmosphere Sciences, 31(5): 1101–1112.DOI:10.1007/s00376-013-3168-y |
| Ramamurthy P, Pardyjak E R. 2011. Toward understanding the behavior of carbon dioxide and surface energy fluxes in the urbanized semi-arid Salt Lake Valley, Utah, USA[J]. Atmosphere Environment, 45(1): 73–84.DOI:10.1016/j.atmosenv.2010.09.049 |
| Schmidt A, Wrzesinsky T, Klemm O. 2008. Gap filling and quality assessment of CO2 and water vapour fluxes above an urban area with radial basis function neural networks[J]. Boundary-Layer Meteorology, 126(3): 389–413.DOI:10.1007/s10546-007-9249-7 |
| Shannon M, Buckley M J, Mitchell P J. 2014. Variations in carbon dioxide fluxes within a city landscape:Identifying a vehicular influence[J]. Urban Ecosystems, 19(4): 1479–1498. |
| Schmid H, Lloyd C. 1999. Spatial representativeness and the location bias of flux footprints over inhomogeneous areas[J]. Agricultural and Forest Meteorology, 93(3): 195–209.DOI:10.1016/S0168-1923(98)00119-1 |
| 双喜, 刘绍民, 徐自为, 等. 2009. 黑河流域观测通量的空间代表性研究[J]. 地球科学进展, 2009, 24(7): 724–733. |
| 双喜. 2009. 观测通量空间代表性的研究-以涡动相关仪和大孔径闪烁仪为例[D]. 北京: 北京师范大学 |
| 孙建卫, 陈志刚. 2010. 基于投入产出分析的北京市居民消费碳足迹研究[J]. 中国人口·资源与环境, 2010, 20(5): 28–34. |
| Ueyama M, Ando T. 2016. Diurnal, weekly, seasonal, and spatial variabilities in carbon dioxide flux in different urban landscape in Sakai, Japan[J]. Atmospheric Chemistry and Physics, 16(22): 14727–14740.DOI:10.5194/acp-16-14727-2016 |
| Vesala T, Jrvi L, Launiainen S, et al. 2008. Surface atmosphere interactions over complex urban terrain in Helsinki, Finland[J]. Chemical and Physical Meteorology, 60(2): 188–199. |
| Vogt R, Christen A, Rotach M W, et al. 2006. Temporal dynamics of CO2, fluxes and profiles over a Central European city[J]. Theoretical and Applied Climatology, 84(1): 117–126. |
| Walsh C J, Oke T R, Grimmond C, et al. 2004. Fluxes of atmosphere carbon dioxide over a suburban area of Vancouver[C]. Fifth Symposium on the Urban Environment. Seattle, WA |
| Wu B, Zeng W H. 2011. A Study on low-carbon city proper planning based on carbon footprint[C]. International Conferencr on Electric Technology and Civil Engineering (ICTEC). Lushan, China |
| Yedla S, Shrestha R M, Anandarajah G. 2005. Environmentally sustainable urban transportation-comparative analysis of local emission mitigation strategies vis-a-vis GHG mitigation strategies[J]. Transport Policy, 12(3): 245–254.DOI:10.1016/j.tranpol.2005.02.003 |
| 于贵瑞, 孙晓敏. 2006. 陆地生态系统通量观测的原理与方法[M]. 北京: 高等教育出版社. |
| 袁庄鹏. 2013. 碳通量变化特征及影响因子研究[D]. 上海: 上海师范大学 |
| 袁庄鹏, 赵敏. 2012. 基于FSAM模型的城市碳通量观测贡献区研究[J]. 上海师范大学学报(自然科学版), 2012, 41(5): 533–539. |
| Zhang H, Wen X F. 2015. Flux footprint climatology estimated by three analysis models over a subtropical coniferous plantation in Southeast China[J]. Journal of Meteorological Research, 29(4): 654–666.DOI:10.1007/s13351-014-4090-7 |
| Zhao R Q, Huang X J, Liu Y, et al. 2014. Urban carbon footprint and carbon cycle pressure:The case study of Nanjing[J]. Journal of Geographical Sciences, 24(1): 159–176.DOI:10.1007/s11442-014-1079-1 |
