Application of a balanced identification method for gap-filling in CO2 flux data in a sphagnum peat bog

Abstract

В работе рассматривается применение метода сбалансированной идентификации для построения многофакторной функциональной зависимости нетто СО 2-обмена (NEE) от факторов внешней среды и ее дальнейшего использования для заполнения пропусков в рядах наблюдений за потоками СО 2 на верховом сфагновом болоте в Тверской области. Измерения потоков на болоте проводились с помощью метода турбулентных пульсаций в период с августа по ноябрь 2017 года. Из-за дождливых погодных условий и высокой повторяемости периодов с низкой турбулентностью на протяжении всего периода наблюдений доля пропусков в измерениях NEE на исследуемом болоте превысила 40 %. Разработанная для заполнения пропусков модель описывает NEE верхового болота как разность экосистемного дыхания (RE) и валовой первичной продукции (GPP) и учитывает зависимость этих параметров от приходящей суммарной солнечной радиации (Q), температуры почвы (T), дефицита упругости водяного пара (VPD) и уровня болотных вод (WL). Используемый для этой цели метод сбалансированной идентификации основан на поиске оптимального соотношения между простотой модели и точностью повторения измерений-соотношения, доставляющего минимум оценке погрешности моделирования, полученной методом перекрестного оценивания. Полученные численные решения обладают минимально необходимой нелинейностью (кривизной), что обеспечивает хорошие интерполяционные и экстраполяционные свойства построенных моделей, необходимые для восполнения недостающих данных по потокам. На основе проведенного анализа временной изменчивости NEE и факторов внешней среды была выявлена статистически значимая зависимость GPP болота от Q, T и VPD, а RE-от T и WL. При этом погрешность применения предложенного метода для моделирования среднесуточных данных NEE составила менее 10 %, а точность выполненных оценок NEE была выше, чем у модели REddyProc, учитывающей влияние на NEE меньшего числа внешних факторов. На основе восстановленных непрерывных рядов данных по NEE была проведена оценка масштабов внутрисуточной и межсуточной изменчивости NEE и получены интегральные оценки потоков СО 2 исследуемого верхового болота для выбранного летне-осеннего периода. Было показано, что если в августе 2017 года на исследуемом болоте скорость фиксации СО 2 растительным покровом существенно превышала величину экосистемного дыхания, то, начиная с сентября, на фоне снижения GPP исследуемое болото превратилось в устойчивый источник СО 2 для атмосферы. Ключевые слова: метод сбалансированной идентификации, метод турбулентных пульсаций, верховое болото, нетто-экосистемный обмен СО 2 , экосистемное дыхание, валовая первичная продукция Развитие модели А. В. Соколовым выполнено при финансовой поддержке РФФИ (грант 17-07-00027). Анализ данных пульсационных измерений, проведенный В. В. Мамкиным, поддержан грантом Российского научного фонда (РНФ 14-14-00956-П).

Net Ecosystem Exchange, Gross Primary Production And Ecosystem Respiration In Ridge-Hollow Complex At Mukhrino Bog

“…gets using the gap-filled time series. Partitioning of the NEE into GPP and ER is also needed for better understanding of interannual and spatial variability of the carbon fluxes (Sokolov et al 2019). The fundamental ecosystem processes (including photosynthesis and respiration) are common to mires and other terrestrial ecosystems, so changes in photosynthetically active radiation (PAR), air temperature (Ta), and precipitation may affect the C cycle in peatlands, e.g.…”

Balanced Identification as an Intersection of Optimization and Distributed Computing

“…In the case when model error F F (•) is the standard deviation (22) we have mean cross-validation error (σ * ) and mean-squared error (mse * ):…”

“…Ecology [22]. The method of balanced identification was used to describe the response of Net Ecosystem Exchange of CO 2 (NEE) to change of environmental factors, and to fill the gaps in continuous CO 2 flux measurements in a sphagnum peat bog in the Tver region.…”

Model Selection by Balanced Identification: the Interplay of Optimization and Distributed Computing

“…In the upper-level, we find the α * by minimizing the σ(α), (26). In the case when the model error FF(•) is the standard deviation (22) we have a mean (modeling) cross-validation error (σ * ) and a root-mean-squared error (rmse * ):…”

“…Ecology [22]. The method of balanced identification was used to describe the response of Net Ecosystem Exchange of CO 2 (NEE) to a change of environmental factors, and to fill the gaps in continuous CO 2 flux measurements in a sphagnum peat bog in the Tver region.…”