《Agricultural and Forest Meteorology》:Estimating whole-tree sap flow in buttressed and irregular trunks
编辑推荐:
摘要:液流传感器测量树干内离散点的液流(Js,液流密度)。将这些测量结果上尺度化以估算整树耗水量(SF,整树液流)通常需要假设树干横截面为完美圆形。这一假设会高估实际树干横截面的面积并低估其周长。但对于形状不规则的树干,它如何影响液流估算?研究人员数字化了Pi
摘要:液流传感器测量树干内离散点的液流(Js,液流密度)。将这些测量结果上尺度化以估算整树耗水量(SF,整树液流)通常需要假设树干横截面为完美圆形。这一假设会高估实际树干横截面的面积并低估其周长。但对于形状不规则的树干,它如何影响液流估算?研究人员数字化了Pisonia grandis(一种呈现多种树干形状的热带冠层树)的树干横截面,并将传统圆形模型(SFcirc)的液流估算与空间显式参考模型(SFref)在多种径向液流密度剖面下进行比较。根据剖面不同,研究人员发现,在最不规则的Pisonia树干中,圆形假设可能低估液流超过25%或高估超过50%。为减轻这些偏倚,研究人员建议除胸径(DBH)外,额外测量树干周长。这些测量能够计算树干的周长凸度(cp),该参数强烈预测了Pisonia中由圆形树干假设引起的液流偏倚(r2?=?0.961)。模拟表明,对于双子叶植物典型的径向液流剖面,当cp ≥ 0.96时,偏倚应保持在±5%以内。对于cp < 0.96的树木,研究人员引入了两种新的上尺度化模型,可显著降低液流偏倚。最复杂的模型在33棵测试树中,对于cp低至0.68的31棵树,将偏倚降至±5%以内,且仅需额外一项野外测量——树干最深凹槽深度。这些校正后的液流模型可在新的R包sapscaleR中获取。
论文解读文章
**研究背景与问题**
液流密度(Js, sap flux density)测量是估算木本植物耗水量的常用方法。液流传感器在树干内离散点测量Js,需将其积分至整个树干横截面积(A
0)以反映整树液流(SF, whole-tree sap flow)。传统上,树干横截面积通过胸径(DBH)估算,即假定树干横截面为完美圆形(圆形树干假设)。然而,DBH测量实际记录的是树干凸包周长(P
h),由此计算的面积代表周长等于P
h的圆。对于非凸或形状不规则的树干,圆形假设会高估实际面积、低估实际周长。热带森林树木中,板根和不规则树干形态极为常见,例如在部分热带森林中,高达32%的个体和68%的物种具有板根。尽管圆形假设可能严重高估或低估实际液流,但现有研究尚未系统评估其对液流估算的下游影响。因此,研究人员提出两个核心问题:(1)圆形树干假设在极不规则树干中会导致多大偏倚?(2)对于偏倚不可容忍的不规则树干,如何准确估算液流?
**研究内容与结论**
本研究以Teti?aroa Atoll(法属波利尼西亚)的33棵Pisonia grandis R.Br.(紫茉莉科)为对象,该树种因板根、低分枝习性及并合现象而呈现高度多样化的树干形态。研究人员通过数字化树干横截面,模拟了24,120种径向液流密度剖面(β分布),比较了传统圆形模型(SF
circ)与空间显式参考模型(SF
ref)的液流估算。结果表明,在最不规则的Pisonia树干中,SF
circ可能低估液流超过25%或高估超过50%。偏倚方向与大小强烈依赖于树干周长凸度(c
p = P
h/P
0)和液流分布特征。为校正偏倚,研究人员推导了两种新模型:SF
steiner(基于Steiner公式,适用于浅层液流)和SF
corr(分段线性积分模型,适用于深层液流)。SF
corr在33棵测试树中,对c
p低至0.68的31棵树将偏倚降至±5%以内。该模型仅需额外测量树干最深凹槽深度(h
max)。研究还建立了预测拓扑变化深度(r
steiner)和内切圆半径(r
in)的经验回归模型,仅需c
p和h
rel(h
max/DBH)。论文发表于《Agricultural and Forest Meteorology》。
**关键技术方法**
1. **树干横截面数字化**:使用1 mm电线在1.3 m高度制作树干铸模,拍照后通过QGIS地理配准和Raster Tracer插件矢量化,重采样为2 mm间距点并平滑(Chaikin算法)。
2. **空间显式参考液流(SF
ref)估算**:通过Minkowski减法(sf包st_buffer函数)对多边形进行增量侵蚀,每层环带面积乘以中间深度Js,累加得到SF
ref。
3. **液流密度测量**:使用热脉冲速度液流传感器(Beslity等, 2022设计),在15棵树上布设5或10 cm长探针,热脉冲每30分钟释放6-10 J,采用热比法(Burgess等, 2001)估算Js,并基于滚动5天凌晨2:00-4:30均值进行零流校正。
4. **边材深度测量**:对24棵树取增量钻芯,采用热成像法(Gerchow等, 2023)估算最大边材深度(d
sw),并建立d
sw与DBH的对数线性回归模型(r2=0.36)。
5. **模型建立与验证**:使用beta回归(logit链接)预测r
steiner和r
in,通过10折交叉验证RMSE和AICc选择最优模型。
**研究结果**
**4.1 圆形树干假设导致的偏倚范围**
模拟显示,低周长凸度(c
p)和/或液流集中于内部树干(高μ、低K)时,SF
circ可能产生极大偏倚。在c
p=0.68的极低凸度树干中,μ变化约20%即可使偏倚从-25%摆动至+50%。偏倚符号强烈依赖于β分布均值μ。
**4.2 两种校正液流模型(SF
steiner和SF
corr)的性能**
与SF
circ相比,SF
steiner倾向于高估液流,精度改善有限,某些情况下甚至更差。SF
corr则在广泛Js(r)剖面和树干形状中优于前两者,大多数浅峰剖面在除最不凸树干外的所有树干中偏倚<5%。
**4.3 非凸树干横截面中r
steiner和r
in的预测**
r
steiner可由c
p的logit变换通过beta回归精确预测(交叉验证RMSE=0.076),添加h
rel未显著改善。r
in可由c
p和h
rel联合预测(交叉验证RMSE=0.055),低c
p时h
rel贡献显著。
**4.4 Pisonia grandis的个体水平液流偏倚**
SF
circ在Pisonia中呈现强烈负偏倚,c
p降至0.96时偏倚达-5%,c
p降至0.68时达-25%,偏倚与c
p呈强线性相关(r2=0.961)。SF
steiner偏倚为正但较小,c
p降至0.68时达+15%。SF
corr整体偏倚最小,仅两棵c
p最低(0.68和0.74)的树木偏倚略超5%(<7%),且几乎所有置信区间包含0。
**讨论与结论**
**讨论**:圆形树干假设在低凸度树干中可导致严重偏倚(>50%高估或>25%低估)。对于c
p≥0.96的树干,大多数双子叶植物液流偏倚应≤5%,因此野外测量周长和凸包周长即可判断SF
circ的适用性。SF
steiner和SF
corr均能减少偏倚,但SF
corr依赖于经验关系(来自Pisonia),可能不适用于形态差异极大的物种。r
steiner和r
in可由简单野外测量(周长和最深凹槽深度)预测,但高度拉长但近凸的树干(如椭圆)或极细长板根可能导致预测偏差。研究提供的R包sapscaleR可方便实施校正模型。
**结论**:研究人员推荐以下工作流程处理不规则或板根树干中的液流上尺度化:(1)测量树干横截面周长(P
0)和凸包周长(P
h);(2)估算边材深度(d
sw);(3)计算周长凸度(c
p):若c
p≥0.96,使用SF
circ(偏倚≤±5%);若c
p<0.96,则估计r
steiner,若液流仅发生在浅于r
steiner处,使用SF
steiner,否则测量h
max并估计r
in,使用SF
corr。(4)根据d
sw与直径的线性/非线性关系选择参数化形式。若树干形态显著偏离本研究样本,可考虑数字化横截面并空间估算SF
ref。