Evaluating the convergence between eddy-covariance and biometric methods for assessing carbon budgets of forests.
Evaluating the convergence between eddy-covariance and biometric methods for assessing carbon budgets of forests.
复制标题
DOI：
10.1038/ncomms13717
复制
发表时间：
2016-12-14
影响因子：
16.6
通讯作者：
中科院分区：
文献类型：
--
作者：
涡旋协方差(EC)微气象技术和基于生态的生物计量方法(BM)是定量研究陆地生态系统与大气之间二氧化碳交换(净生态系统生产量，NEP)及其两个组成部分--生态系统呼吸和总初级生产量的主要方法。在这里，我们表明，EC和BM提供了不同的NEP估计，但可比较的是全球森林生态系统的生态系统呼吸和总初级生产力。方法之间的差异与环境或林分变量无关，但对于碳通量较小的北方森林来说，差异始终更明显。BM估计容易低估净初级生产力和高估叶片呼吸。EC偏差在不同地点并不明显，这表明标准的后处理程序是有效的。我们的结果增加了对EC的信心，表明在哪些条件下EC和BM估计可以整合，以及哪些方法论方面可以改善EC和BM之间的收敛。生态系统净生产量(NEP)及其相关组成部分的立地一级量化依赖于涡旋协方差和生物统计学方法。这里比较了这些技术在全球森林碳通量上的差异，揭示了净现值的差异，但对生态系统呼吸和总初级生产力的估计相似。
The eddy-covariance (EC) micro-meteorological technique and the ecology-based biometric methods (BM) are the primary methodologies to quantify CO2 exchange between terrestrial ecosystems and the atmosphere (net ecosystem production, NEP) and its two components, ecosystem respiration and gross primary production. Here we show that EC and BM provide different estimates of NEP, but comparable ecosystem respiration and gross primary production for forest ecosystems globally. Discrepancies between methods are not related to environmental or stand variables, but are consistently more pronounced for boreal forests where carbon fluxes are smaller. BM estimates are prone to underestimation of net primary production and overestimation of leaf respiration. EC biases are not apparent across sites, suggesting the effectiveness of standard post-processing procedures. Our results increase confidence in EC, show in which conditions EC and BM estimates can be integrated, and which methodological aspects can improve the convergence between EC and BM. Site-level quantification of Net Ecosystem Production (NEP) and associated components rely on eddy covariance and biometric methods. Here these techniques are compared for global forest carbon fluxes, revealing differences in NEP, but similar estimates of ecosystem respiration and gross primary production.
登录
查看更多内容
影响因子：
11.6
作者：
Baldocchi, Dennis
通讯作者：
Baldocchi, Dennis
影响因子：
8.9
作者：
Finnigan, JJ;Belcher, SE
通讯作者：
Belcher, SE
影响因子：
3.7
作者：
Chapin, F. S., III;Woodwell, G. M.;Schulze, E. -D.
通讯作者：
Schulze, E. -D.
影响因子：
6.2
作者：
Bain, WG;Hutyra, L;Wofsy, SC
通讯作者：
Wofsy, SC
影响因子：
18.3
作者：
Campioli, M.;Vicca, S.;Janssens, I. A.
通讯作者：
Janssens, I. A.