涡动协方差（eddy covariance，EC）方法可以监测大气—森林的净CO₂交换（net ecosystem exchange，NEE）^[1]，是监测碳收支的主要手段。EC技术可以近乎没有干扰地直接测量较大空间范围的NEE，而且时间分辨率高、持续时间长，在诸多通量观测技术中具有不可替代的优势^[2]。可以说，EC通量数据对于宏生态学研究和可持续发展研究的优势和潜在价值正逐步受到科技界的重视^[3]。在这一背景下，提高站点尺度的通量观测精度将有助于推动宏生态学的发展和提高碳循环的监测与预测能力。

图1涡动协方差系统

图片来源于/

NEE由CO₂湍流通量（CO₂ eddy flux，F_c）和储存通量（CO₂ storage flux，F_s）组成^[4]，通过通量拆分即可得到总初级生产力（gross primary productivity，GPP）和生态系统呼吸（ecosystem respiration，R_e）^[2]。储存通量的准估算对碳汇监测尤为重要。

在测定生态系统碳收支的问题中，植被冠层或是湍流发展不充分阻碍了叶片和土壤产生的部分CO₂到达涡动观测高度，这部分因大气CO₂储存量变化导致的CO₂通量，称为CO₂储存通量。储存效应对二氧化碳通量的影响较大^[5]，尤其是森林生态系统。在长白山阔叶红松林储存通量研究发现：在日尺度上忽略CO₂储存通量会造成对NEE 低估10%。

图2储存通量、湍流通量和NEE的日变化比较

图片来源于（张弥等，2010）

对于高大植被（如森林）来说，在清晨与傍晚稳定边界层和白天对流混合层的过渡期，森林F_s变化会达到极大^[6-8]，并且随着垂直梯度变化而变化，随着高度的降低，CO₂储存效应越来越明显。

图3不同高度的CO₂储存通量日变化

图片来源于(wang et al., 2016)

在森林生态系统中，通量塔通常配置一套浓度廓线来估算储存通量^[9]，CO₂廓线系统通过从地面到EC系统观测高度的一系列垂直配置点监测CO₂和H₂O浓度^[10]，可真实地反映冠层内外CO₂浓度时空变化特征^[11,12]，可以更准确地估算F_s^[6,13,14]。目前常用的廓线系统是AP100和AP200（Campbell Scientific Inc., USA），具有测量周期短（2 min）和自动校准的特点；而缺少廓线系统时，通常采用EC单点法估算F_s^[15]，由于塔顶监测点无法监测安装高度下方CO₂浓度高且变化剧烈的层次，因此可能存在一定的局限性^[6,13]。在黄河小浪底的人工混交的研究发现：涡度相关法估算的人工混交林 CO₂ 储存通量比廓线法所得结果偏低 9%^[16] 。

图4 AP200廓线系统（Campbell Scientific Inc., USA）

图片来源于/

参考文献

[1] 于贵瑞，张雷明，孙晓敏. 中国陆地生态系统通量观测研究网络(ChinaFLUX)的主要进展及发展展望. 地理科学进展, 33(7): 903-917

[2] Aubinet M, Vesala T, Papale D, Eddy covariance: a practical guide to measurement and data analysis: Springer, 2012

[3] Yu G, Chen Z, Zhang L, et al. Recognizing the scientific mission of flux tower observation networks—lay the solid scientific data foundation for solving ecological issues related to global change. Journal of Resources and Ecology, 2017, 8: 115-120

[4] Marcolla B, Cobbe I, Minerbi S, et al. Methods and uncertainties in the experimental assessment of horizontal advection. Agricultural and Forest Meteorology, 2014, 198-199: 62-71

[5] 张弥，温学发，于贵瑞, 等. 二氧化碳储存通量对森林生态系统碳收支的影响. 应用生态学报, 21(5): 1201-1209

[6] Wang X, Wang C, Guo Q, et al. Improving the CO₂ storage measurements with a single profile system in a tall-dense-canopy temperate forest. Agricultural and Forest Meteorology, 2016, 228-229: 327-338

[7] Ohkubo S, Kosugi Y, Takanashi S, et al. Comparison of the eddy covariance and automated closed chamber methods for evaluating nocturnal CO₂ exchange in a Japanese cypress forest. Agricultural and Forest Meteorology, 2007, 142: 50-565

[8] Dolman AJ, Moors EJ, Elbers JA. The carbon uptake of a mid latitude pine forest growing on sandy soil. Agricultural and Forest Meteorology, 2002, 111(3): 157-170

[9] Finnigan J. The storage term in eddy flux calculations. Agricultural and Forest Meteorology, 2006, 136(3): 108-113

[10]Campbell Scitific I, 2010. AP200 CO₂/H₂O atmospheric profile system. Campbell Scientific Inc, Logan, UT, pp. 110.

[11] 姚玉刚，张一平，于贵瑞, 等. 热带森林植被冠层CO₂储存项的估算方法研究. 北京林业大学学报, 33(1): 23-29

[12] 焦振，王传宽，王兴昌. 温带落叶阔叶林冠层CO₂浓度的时空变异. 植物生态学报, 35(5): 512-522

[13] Gu L, Massman WJ, Leuning R, et al. The fundamental equation of eddy covariance and its application in flux measurements. Agricultural and Forest Meteorology, 2012, 152(1): 135-148

[14] Feigenwinter C, Mölder M, Lindroth A, et al. Spatiotemporal evolution of CO₂ concentration, temperature, and wind field during stable nights at the Norunda forest site. Agricultural and Forest Meteorology, 2010, 150(5): 692-701

[15] Mchugh I, Beringer J, Cunningham SC, et al. Interactions between nocturnal turbulent flux, storage and advection at an ‘ideal’ eucalypt woodlａnd site. Biogeosciences 2017, 14: 3027-3050

[16] 同小娟，张劲松，孟平, 等. 黄河小浪底人工混交林冠层CO₂储存通量变化特征. 生态学报, 35(7): 2076-2084