Un Modelo Empírico de Productividad Primaria Bruta (PPB) y Relaciones entre la PPB y Sus Factores Impulsores, Compuestos Orgánicos Volátiles Biogénicos en una Plantación de Coníferas Subtropical en China
Autores: Bai, Jianhui; Yang, Fengting; Wang, Huimin; Xu, Mingjie
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un Modelo Empírico de Productividad Primaria Bruta (PPB) y Relaciones entre la PPB y Sus Factores Impulsores, Compuestos Orgánicos Volátiles Biogénicos en una Plantación de Coníferas Subtropical en China
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Mediciones
Intercambio neto de ecosistemas
Radiación solar global
Radiación fotosintéticamente activa
Modelo empírico
Producción primaria bruta
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
Las mediciones del intercambio neto de ecosistemas (NEE), la radiación solar global, la radiación fotosintéticamente activa (PAR) y los parámetros meteorológicos se llevaron a cabo en una plantación de coníferas subtropical en China desde 2013 hasta 2016. Estas observaciones se utilizaron para desarrollar y evaluar un modelo empírico de producción primaria bruta (GPP) (EMGPP) con modelos de 3 factores y 2 factores. Usando un modelo de 3 factores, los valores simulados de GPP horario fueron consistentes con las observaciones, con un sesgo relativo del 9.96% y valores de error cuadrático medio normalizado de 0.07 mg CO m s para el factor de dispersión S/Q (S y Q son la radiación solar difusa y global) < 0.5 y 15.52% y 0.15 mg CO m s para S/Q >= 0.5. Se llevaron a cabo validaciones del EMGPP para valores de GPP horarios, diarios, mensuales y anuales, y mostraron que tanto los modelos EMGPP de 3 factores como de 2 factores pueden capturar con precisión las variaciones diurnas, estacionales e interanuales en GPP, pero la mayoría de los GPP simulados sobreestimaron el valor observado. Cuando el factor de dispersión no está disponible, se puede utilizar el EMGPP de 2 factores. El EMGPP utilizando modelos de 3 factores y 2 factores se aplicó para simular GPP bajo todas las condiciones de cielo de 2013 a 2016, y el GPP estimado estuvo en razonable acuerdo con los valores medidos y mostró sobreestimaciones sistemáticas del 31% y 29% para el GPP horario medio y del 41% y 29% para las cantidades anuales, respectivamente. La prueba de sensibilidad demostró que los valores de GPP eran más sensibles a los cambios en PAR que a los cambios en vapor de agua y el factor de dispersión a bajo S/Q, pero eran más sensibles a los cambios en vapor de agua que a PAR y S/Q a alto S/Q. La prueba de sensibilidad reveló algunos mecanismos de GPP y sus procesos relacionados, incluyendo las relaciones entre GPP y la dispersión de PAR, GPP y vapor de agua, que estaban en buen acuerdo con otras observaciones y estudios de modelos. Un modelo empírico basado en el balance energético de PAR puede describir mejor las múltiples interacciones entre GPP y sus factores impulsores (PAR, vapor de agua, S/Q). La relación de las emisiones de compuestos orgánicos volátiles biogénicos (BVOCs) con el intercambio neto de ecosistemas varió claramente entre bosques en diferentes zonas climáticas.
Descripción
Las mediciones del intercambio neto de ecosistemas (NEE), la radiación solar global, la radiación fotosintéticamente activa (PAR) y los parámetros meteorológicos se llevaron a cabo en una plantación de coníferas subtropical en China desde 2013 hasta 2016. Estas observaciones se utilizaron para desarrollar y evaluar un modelo empírico de producción primaria bruta (GPP) (EMGPP) con modelos de 3 factores y 2 factores. Usando un modelo de 3 factores, los valores simulados de GPP horario fueron consistentes con las observaciones, con un sesgo relativo del 9.96% y valores de error cuadrático medio normalizado de 0.07 mg CO m s para el factor de dispersión S/Q (S y Q son la radiación solar difusa y global) < 0.5 y 15.52% y 0.15 mg CO m s para S/Q >= 0.5. Se llevaron a cabo validaciones del EMGPP para valores de GPP horarios, diarios, mensuales y anuales, y mostraron que tanto los modelos EMGPP de 3 factores como de 2 factores pueden capturar con precisión las variaciones diurnas, estacionales e interanuales en GPP, pero la mayoría de los GPP simulados sobreestimaron el valor observado. Cuando el factor de dispersión no está disponible, se puede utilizar el EMGPP de 2 factores. El EMGPP utilizando modelos de 3 factores y 2 factores se aplicó para simular GPP bajo todas las condiciones de cielo de 2013 a 2016, y el GPP estimado estuvo en razonable acuerdo con los valores medidos y mostró sobreestimaciones sistemáticas del 31% y 29% para el GPP horario medio y del 41% y 29% para las cantidades anuales, respectivamente. La prueba de sensibilidad demostró que los valores de GPP eran más sensibles a los cambios en PAR que a los cambios en vapor de agua y el factor de dispersión a bajo S/Q, pero eran más sensibles a los cambios en vapor de agua que a PAR y S/Q a alto S/Q. La prueba de sensibilidad reveló algunos mecanismos de GPP y sus procesos relacionados, incluyendo las relaciones entre GPP y la dispersión de PAR, GPP y vapor de agua, que estaban en buen acuerdo con otras observaciones y estudios de modelos. Un modelo empírico basado en el balance energético de PAR puede describir mejor las múltiples interacciones entre GPP y sus factores impulsores (PAR, vapor de agua, S/Q). La relación de las emisiones de compuestos orgánicos volátiles biogénicos (BVOCs) con el intercambio neto de ecosistemas varió claramente entre bosques en diferentes zonas climáticas.