王紹強(qiáng)，陳蝶聰，2，* ，周 蕾，何洪林，石 浩，閆慧敏，蘇 文

(1.中國(guó)科學(xué)院地理科學(xué)與資源研究所生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測(cè)與模擬重點(diǎn)實(shí)驗(yàn)室，北京 100101;2.中國(guó)科學(xué)院大學(xué)，北京 100049)

渦度相關(guān)技術(shù)是測(cè)定大氣與生態(tài)系統(tǒng)之間CO2交換、水分和能量通量最直接的方法，所提供的數(shù)據(jù)越來越多地被用作區(qū)域性和全球性陸地生態(tài)系統(tǒng)和大氣間CO2、水、能量交換的分析依據(jù)［1］。全球先后建立了500多個(gè)基于渦度相關(guān)技術(shù)的通量觀測(cè)站點(diǎn)，形成全球性和區(qū)域性的通量觀測(cè)網(wǎng)絡(luò)(Fluxnet)［2］，包括美國(guó)通量網(wǎng)(AmeriFLUX)、歐洲通量網(wǎng)(CarboEurope)、亞洲通量網(wǎng)(AsiaFlux)、中國(guó)通量網(wǎng)(ChinaFLUX)等共42個(gè)國(guó)家、23個(gè)區(qū)域性通量研究網(wǎng)絡(luò)［3］。由于通量站點(diǎn)構(gòu)成的網(wǎng)絡(luò)本身從未經(jīng)過正式設(shè)計(jì)，新增通量觀測(cè)塔的選址并沒有嚴(yán)格地落在整個(gè)網(wǎng)絡(luò)中碳水通量空間代表性較弱的區(qū)域，而只是根據(jù)建站可行性和經(jīng)驗(yàn)性判斷，并不一定能很好地監(jiān)測(cè)特定區(qū)域范圍內(nèi)所有生態(tài)系統(tǒng)類型的通量變異特征［2］。同時(shí)，通量塔的測(cè)量值僅僅代表貢獻(xiàn)區(qū)尺度的通量，還需要通過尺度擴(kuò)展方法，應(yīng)用到區(qū)域、國(guó)家、洲際或全球尺度來定量化陸地生物圈和大氣間的通量?jī)艚粨Q量［4］。近幾年國(guó)外在渦度相關(guān)通量尺度擴(kuò)展方面取得了較大的進(jìn)展［5-6］，有7個(gè)區(qū)域性通量觀測(cè)研究網(wǎng)絡(luò)對(duì)尺度擴(kuò)展進(jìn)行了研究，研究?jī)?nèi)容包括:(1)評(píng)價(jià)通量網(wǎng)絡(luò)的代表性［2］;(2)站點(diǎn)尺度的通量如何擴(kuò)展到更大的空間尺度［7-8］;(3)研究區(qū)域、洲際或全球通量的幅度、分布和年際變化［7-8］;(4)評(píng)估空間異質(zhì)性和參數(shù)變異性對(duì)通量估算的影響［7，9-10］。因此，通量觀測(cè)數(shù)據(jù)從站點(diǎn)到區(qū)域的尺度擴(kuò)展，需要首先評(píng)價(jià)通量觀測(cè)站點(diǎn)的空間代表性，才能用于區(qū)域尺度的生態(tài)系統(tǒng)和大氣碳水通量交換的時(shí)空格局分析。

國(guó)外已有科學(xué)家對(duì)美國(guó)通量網(wǎng)和歐洲通量網(wǎng)的代表性開展了定量分析評(píng)價(jià)［2，11］。例如，Hargrove等［11］研究了美國(guó)通量網(wǎng)實(shí)際設(shè)計(jì)對(duì)通量觀測(cè)數(shù)據(jù)分析的影響，確定美國(guó)通量網(wǎng)現(xiàn)有渦度通量塔對(duì)整個(gè)美國(guó)大陸通量環(huán)境的代表性程度。Sulkava等［2］提出一種網(wǎng)絡(luò)設(shè)計(jì)定量化方法(Quantitative network design，QND)，用來評(píng)價(jià)現(xiàn)有網(wǎng)絡(luò)的代表性，通過增加或移除觀測(cè)站點(diǎn)來優(yōu)化網(wǎng)絡(luò)，合理設(shè)計(jì)使新的通量網(wǎng)絡(luò)達(dá)到最優(yōu)化。因此，結(jié)合多元統(tǒng)計(jì)理論和空間分析技術(shù)［12］，使得生成的每個(gè)生態(tài)區(qū)內(nèi)的碳通量都具有相似的影響因素，從而有助于定量表達(dá)通量塔代表的空間格局。

中國(guó)陸地生態(tài)系統(tǒng)通量觀測(cè)研究網(wǎng)絡(luò)(ChinaFLUX)于2002年建成，最初擁有8個(gè)微氣象和16個(gè)箱式/氣相色譜法觀測(cè)站，對(duì)農(nóng)田、草地、森林和水體等典型生態(tài)系統(tǒng)與大氣間CO2、水汽、能量通量進(jìn)行長(zhǎng)期觀測(cè)研究，帶動(dòng)了我國(guó)渦度相關(guān)通量觀測(cè)研究的迅速發(fā)展［3］。近幾年來，我國(guó)科研和教育機(jī)構(gòu)相繼在國(guó)內(nèi)建立了一批渦度相關(guān)通量觀測(cè)站點(diǎn)，全國(guó)通量觀測(cè)站達(dá)到85個(gè)，彌補(bǔ)了ChinaFLUX觀測(cè)站在我國(guó)生態(tài)系統(tǒng)空間分布和植被類型代表性上的不足，增強(qiáng)了我國(guó)通量觀測(cè)研究的實(shí)力。但是，中國(guó)通量觀測(cè)站點(diǎn)的建設(shè)和其他國(guó)家的網(wǎng)絡(luò)建設(shè)相似，基本上是依托已有野外臺(tái)站上進(jìn)行建設(shè)的，覆蓋了主要?dú)夂騾^(qū)內(nèi)重要的土地利用類型，然而并沒有完全考慮植物、土壤、地形和環(huán)境的多樣性、干擾和管理措施等的因素，作為一個(gè)整體來監(jiān)測(cè)區(qū)域尺度生態(tài)系統(tǒng)碳通量變異缺乏系統(tǒng)的評(píng)價(jià)。

目前中國(guó)對(duì)通量站點(diǎn)代表性的研究更多的是利用風(fēng)浪區(qū)模型［13］，結(jié)合實(shí)際觀測(cè)數(shù)據(jù)，對(duì)密云［14］、黑河流域［15］等通量觀測(cè)站點(diǎn)的空間代表性進(jìn)行初步分析。由于中國(guó)地形復(fù)雜，經(jīng)緯度跨度較大，生態(tài)系統(tǒng)類型多樣，景觀破碎化較嚴(yán)重，現(xiàn)有的通量觀測(cè)站點(diǎn)僅能反映中國(guó)部分生態(tài)系統(tǒng)碳通量的空間分布特征。因此，通過對(duì)現(xiàn)有觀測(cè)站點(diǎn)空間代表性程度的定量分析評(píng)價(jià)，提出我國(guó)陸地生態(tài)系統(tǒng)通量站點(diǎn)的合理布局，從而使得優(yōu)化后的通量網(wǎng)絡(luò)能夠代表大部分或主要類型的生態(tài)系統(tǒng)，有利于通量數(shù)據(jù)與遙感資料有效結(jié)合，提高碳水通量觀測(cè)從站點(diǎn)擴(kuò)展到區(qū)域尺度的精度。

1 研究方法與數(shù)據(jù)處理

1.1 數(shù)據(jù)來源

本文收集了中國(guó)大陸和臺(tái)灣地區(qū)的渦度相關(guān)通量觀測(cè)站點(diǎn)信息(附表1)，按照站點(diǎn)的不同屬性如所在省份、所屬部門和生態(tài)系統(tǒng)類型等分類統(tǒng)計(jì)，繪制現(xiàn)有通量觀測(cè)站點(diǎn)的空間分布圖，為通量生態(tài)區(qū)的劃分判定提供依據(jù)。

通量是生態(tài)系統(tǒng)碳循環(huán)中最為重要的特征參數(shù)之一，進(jìn)行陸地生態(tài)系統(tǒng)碳通量的生態(tài)區(qū)劃時(shí)，主要選擇影響植物光合作用的因素作為變量［16］。渦度相關(guān)通量塔所觀測(cè)到的是凈生態(tài)系統(tǒng) CO2交換量(Net ecosystem exchange，NEE，本文中簡(jiǎn)稱碳通量)，本文收集了11個(gè)與生態(tài)系統(tǒng)碳通量最為相關(guān)的變量，數(shù)據(jù)空間分辨率1 km×1 km，時(shí)間分辨率為年，包括氣象因素、土壤因素和地形因素的非生物因子，以及實(shí)際植被狀態(tài)、植被生產(chǎn)力的生物因子。氣象資料來自中國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(CERN)數(shù)據(jù)庫(kù)，包括1970—2000年30a平均氣溫(TEM)、降水量(PRE)、太陽(yáng)輻射(RAD)和年日照時(shí)數(shù)(SUN);地形因素選擇1∶100萬(wàn)的數(shù)字高程模型(DEM);土壤數(shù)據(jù)包括20世紀(jì)80年代土壤普查數(shù)據(jù)得到的土壤有機(jī)碳(SOC)和土壤氮含量(STN);實(shí)際植被狀況數(shù)據(jù)包括MODIS反演得到的2006—2008年平均葉面積指數(shù)(LAI)、2005年增強(qiáng)型植被指數(shù)(EVI)以及來自中國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(CERN)數(shù)據(jù)庫(kù)的1970—2000年平均光合有效輻射(PAR);參照歐洲通量網(wǎng)代表性評(píng)價(jià)中采用總初級(jí)生產(chǎn)力(GPP)作為評(píng)價(jià)指標(biāo)［2］，本文采用BEPS模型模擬得到的1990—2000年年均GPP作為植被生產(chǎn)力變量。所選變量數(shù)據(jù)大部分為多年平均值，盡管在時(shí)間尺度上無(wú)法完全統(tǒng)一，但是也能反映碳通量影響因素的平均狀況和趨勢(shì)。

1.2 數(shù)據(jù)處理

1.2.1 標(biāo)準(zhǔn)化處理

所有的輸入數(shù)據(jù)都統(tǒng)一了坐標(biāo)系和投影格式(Albers投影，南標(biāo)準(zhǔn)緯度線為25°N，北標(biāo)準(zhǔn)緯度線為47°N，中央經(jīng)線為110°E)，并生成空間分辨率為1 km×1 km的柵格數(shù)據(jù)(行列數(shù)為4888×4000)。由于不同的地圖圖層測(cè)量單位的差異會(huì)直接影響聚類算法的結(jié)果［11］，因此在聚類運(yùn)算之前所有的變量圖層都必須進(jìn)行標(biāo)準(zhǔn)化處理。首先統(tǒng)計(jì)每個(gè)輸入圖層所有像元的最大值和最小值，每個(gè)像元減去該變量圖層的最小值后除以最大值與最小值的差值，從而使每個(gè)變量圖層的像元值都?xì)w一化為0—1之間(圖1)，所有變量圖層采用統(tǒng)一的圖例，剔除各個(gè)變量數(shù)量級(jí)的差異所導(dǎo)致的聚類誤差。

1.2.2 相關(guān)性分析

利用ARCGIS的空間相關(guān)性分析模塊對(duì)選取的11個(gè)輸入變量進(jìn)行兩兩相關(guān)性分析。根據(jù)相關(guān)性矩陣(表1)可以看出，土壤有機(jī)碳與土壤氮含量相關(guān)系數(shù)達(dá)90%，本文沒有隨意剔除其中一個(gè)，因?yàn)橛锌赡?0%的不相關(guān)中含有額外的信息能用來區(qū)分碳通量差異顯著的兩個(gè)地區(qū)［11］，所以，所選取的11個(gè)變量全都保留用于聚類運(yùn)算。

1.2.3 主成分分析

主成分分析(PCA)是將原來眾多的變量重新組合成一組新的互相無(wú)關(guān)的綜合變量，同時(shí)根據(jù)實(shí)際需要，從中取出幾個(gè)較少的綜合變量盡可能多地反映原來變量信息的統(tǒng)計(jì)方法。對(duì)11個(gè)已作相關(guān)性分析的聚類輸入變量進(jìn)行主成分分析，計(jì)算特征值λi(i=1，2，…，11)并按從大到小順序排列，分別計(jì)算主成分貢獻(xiàn)率和累計(jì)貢獻(xiàn)率。一般來講，為了達(dá)到降維的目的，只提取前幾個(gè)主成分，由于第一、第二、第三主成分的累計(jì)貢獻(xiàn)率達(dá)到86.68%(表2)，根據(jù)累計(jì)貢獻(xiàn)率大于85%的原則［17］，故選取前三個(gè)主成分，用3個(gè)新變量PC1、PC2、PC3來代替原來的11個(gè)變量。

1.3 多元空間地理聚類

圖1 11個(gè)經(jīng)過標(biāo)準(zhǔn)化的聚類圖層Fig.1 11 standardized clustering layers

表1 11個(gè)輸入變量的相關(guān)性矩陣Table 1 Correlation matrix of 11 input layers

表2 特征值及主成分貢獻(xiàn)率、累計(jì)貢獻(xiàn)率Table 2 Eigen values，principal component contribution rate and cumulative contribution rate

空間聚類分析是將地理空間實(shí)體或地理單元集合依照某種相似性度量原則劃分為若干個(gè)類似地理空間實(shí)體或地理單元組成的類或簇的過程，類中實(shí)體或單元彼此間具有較高相似性，類與類之間的實(shí)體或單元具有較大差異性，是空間數(shù)據(jù)挖掘的重要組成部分［18-19］。本文使用ENVI軟件的非監(jiān)督分類中的K-means算法，來實(shí)現(xiàn)空間聚類(圖2)。非監(jiān)督分類即在多光譜圖像中搜尋、定義其自然相似光譜集群組的過程，其中不需要人工選擇訓(xùn)練樣本，僅需極少的人工初始輸入，計(jì)算機(jī)按照一定規(guī)則自動(dòng)地根據(jù)像元光譜或空間等特征組成集群組，然后分析者將每個(gè)組和參考數(shù)據(jù)比較，將其劃分到某一類別中去，主要有K-means算法和ISODATA 算法［20］。

K-means算法在空間聚類各算法中一直處于核心地位，是由MacQueen于1967年提出的，在目前的聚類分析中應(yīng)用最為廣泛，具有算法簡(jiǎn)單且收斂速度快的特點(diǎn)［21］。本研究中采用K-means算法作為多元空間地理聚類的算法，把與碳通量相關(guān)的生物與非生物因子作為空間地理聚類的輸入因子，隨機(jī)在所有圖層選擇k類中心，每個(gè)聚類中心擁有11個(gè)變量，隨后剩余的每個(gè)柵格，根據(jù)其自帶的11個(gè)變量的值計(jì)算與k類聚類中心的距離，并根據(jù)最近距離原則賦值給最近的聚類中心。聚類中心及其屬于該聚類中心的柵格重新計(jì)算新的聚類中心，不斷重復(fù)這個(gè)過程，直到準(zhǔn)則函數(shù)收斂［22］。

K-means算法具體步驟:

(1)選K個(gè)初始聚類中心，z1(k)，z2(k)，…，zk(k)，其中k為迭代運(yùn)算的次序號(hào)，初始時(shí)k=1。

(2)逐個(gè)將模式樣本x按最小距離準(zhǔn)則分配給K個(gè)聚類中心中的某一個(gè)zj(k)，

(3)計(jì)算新的聚類中心，zjk+1( )，1≤j≤K，

式中，Nj為第j個(gè)聚類域Sj中所包含的樣本個(gè)數(shù)。

(4)設(shè)e為迭代誤差閾值，可根據(jù)需要設(shè)置，若

則迭代結(jié)束，否則k=k+1，返回(1)。

1.4 通量生態(tài)區(qū)的代表性評(píng)價(jià)

圖2 多元空間地理聚類方法示意圖Fig.2 Diagram of multivariate geographic clustering approach

生態(tài)區(qū)劃是在對(duì)生態(tài)系統(tǒng)客觀認(rèn)識(shí)和充分研究的基礎(chǔ)上，應(yīng)用生態(tài)學(xué)原理和方法，結(jié)合地理學(xué)、氣候?qū)W、土壤學(xué)、環(huán)境科學(xué)和資源科學(xué)等多個(gè)學(xué)科的知識(shí)，揭示自然生態(tài)區(qū)域的相似性和差異性規(guī)律，以及人類活動(dòng)對(duì)生態(tài)系統(tǒng)干擾的規(guī)律，從而進(jìn)行整合和分異，劃分生態(tài)環(huán)境的區(qū)域單元［23-24］。傅伯杰等［25-26］根據(jù)我國(guó)的氣候、地貌、地形、生態(tài)系統(tǒng)特點(diǎn)以及人類活動(dòng)規(guī)律等特征，將我國(guó)劃分為3個(gè)生態(tài)大區(qū)、13個(gè)生態(tài)地區(qū)、57個(gè)生態(tài)區(qū)。Williams等［27］利用多元地理聚類法，從影響通量變化的氣候、地形和土壤等16個(gè)因子中挑選出最重要的3個(gè)因子，通過主成分分析法進(jìn)行聚類運(yùn)算，繪制了美國(guó)愛荷華州的農(nóng)業(yè)生態(tài)區(qū)劃分布圖。與生態(tài)區(qū)劃相類似，通量生態(tài)區(qū)劃是根據(jù)與生態(tài)系統(tǒng)碳通量相關(guān)的環(huán)境變量的綜合影響，綜合分析各個(gè)要素或變量的空間分異特征、結(jié)構(gòu)組合和區(qū)域分布對(duì)通量的影響。通量生態(tài)區(qū)內(nèi)部的氣象因素、土壤因素和地形因素的非生物因子，以及實(shí)際植被狀態(tài)、植被生產(chǎn)力的生物因子具有高度的相似性，不同的通量生態(tài)區(qū)能夠反映區(qū)域間碳通量的差異。利用多元地理聚類分析方法對(duì)每個(gè)像元進(jìn)行空間聚類，得到不同聚類數(shù)(25類、50類、75類、100類、150類和200類)的通量生態(tài)區(qū)。根據(jù)中國(guó)現(xiàn)有通量觀測(cè)站點(diǎn)的空間分布格局，與空間聚類得到的通量生態(tài)區(qū)進(jìn)行對(duì)比疊加，綜合分析現(xiàn)有通量站點(diǎn)的代表性。

2 結(jié)果分析

2.1 中國(guó)通量觀測(cè)站點(diǎn)的現(xiàn)狀及分析

中國(guó)現(xiàn)有85個(gè)通量觀測(cè)站，其中包括38個(gè)森林站、17個(gè)農(nóng)田站、16個(gè)草地站、7個(gè)荒漠站和7個(gè)濕地站(圖3)。從站點(diǎn)分布圖中可以看出，目前中國(guó)通量觀測(cè)站點(diǎn)大部分分布在中國(guó)東部地區(qū);黑河流域(甘肅、青海交界處)有8個(gè)通量站點(diǎn)，分布較為密集;西部高寒區(qū)和干旱區(qū)的通量站點(diǎn)較少，新疆只有1個(gè)阜康草地站和1個(gè)塔中荒漠站，西藏北部沒有通量站點(diǎn);西南地區(qū)如廣西、貴州兩省缺少通量塔的布設(shè)。從生態(tài)系統(tǒng)類型統(tǒng)計(jì)來看，森林站點(diǎn)最多，占整個(gè)中國(guó)通量站點(diǎn)的45%，而荒漠、濕地站點(diǎn)較少。

2.2 多元空間聚類通量生態(tài)區(qū)分析

本文利用多元空間地理聚類方法，分別對(duì)影響碳通量的3個(gè)主成分變量圖層進(jìn)行25類、50類、75類、100類、150類和200類的空間聚類運(yùn)算，結(jié)果如圖4所示。從圖中可以看出，西北地區(qū)由于生態(tài)系統(tǒng)類型單一，環(huán)境因子相似，通量生態(tài)區(qū)劃的界限比較明顯，不同分類數(shù)量所導(dǎo)致的區(qū)劃間差異較小;南方地區(qū)生態(tài)系統(tǒng)類型錯(cuò)綜復(fù)雜，隨著聚類個(gè)數(shù)的增加，通量生態(tài)區(qū)更加破碎。因此南方地區(qū)比西北地區(qū)可能需要布設(shè)更多的通量觀測(cè)站點(diǎn)，來反映復(fù)雜地形條件下生態(tài)系統(tǒng)類型的通量變化特征。

為了與25、50、75、100、150、200 類的空間聚類運(yùn)算結(jié)果進(jìn)行對(duì)比分析，按照現(xiàn)有85個(gè)通量觀測(cè)站點(diǎn)，本文還進(jìn)行了85類通量生態(tài)區(qū)的計(jì)算。隨著通量生態(tài)區(qū)數(shù)量的增加，對(duì)生態(tài)區(qū)的劃分不斷細(xì)化，通量生態(tài)區(qū)面積的平均值、最大值、最小值、標(biāo)準(zhǔn)差呈不同幅度的下降趨勢(shì)(表3)。隨著聚類數(shù)的增加，原有的比較均質(zhì)的區(qū)域由于環(huán)境因子的微小差異，被劃分成更加細(xì)致的區(qū)域(圖4)。

圖3 中國(guó)陸地生態(tài)系統(tǒng)通量觀測(cè)站點(diǎn)的生態(tài)系統(tǒng)類型Fig.3 Ecosystem types of eddy flux tower stations of terrestrial ecosystems in China

圖4 不同聚類數(shù)的通量生態(tài)區(qū)分布，顏色代表不同的生態(tài)區(qū)Fig.4 Flux-ecoregions based on different number of clusters

將25類通量生態(tài)區(qū)的平均面積分別除以25、50、75、100、150、200類聚類的通量生態(tài)區(qū)相應(yīng)的平均面積，發(fā)現(xiàn)通量生態(tài)區(qū)平均面積縮小的倍數(shù)與聚類數(shù)增加的倍數(shù)一致(表3)。以表3中25類通量生態(tài)區(qū)面積的平均值、最大值、最小值、極差和標(biāo)準(zhǔn)差分別作為基準(zhǔn)，通量生態(tài)區(qū)面積的平均值和標(biāo)準(zhǔn)差的縮小倍數(shù)與聚類數(shù)增加的倍數(shù)較為一致，最大值的縮小倍數(shù)落后于聚類數(shù)增加的倍數(shù)，而最小值的縮小倍數(shù)大于聚類數(shù)增加的倍數(shù)。隨著通量生態(tài)區(qū)數(shù)量的增加，最小面積減小的速度明顯要快于最大面積的減少，這主要是南方地區(qū)環(huán)境因子相對(duì)復(fù)雜，分類更加細(xì)化，而北方地區(qū)環(huán)境因子單一，差異相對(duì)較小。

表3 不同聚類數(shù)的通量生態(tài)區(qū)面積Table 3 Areas of different flux-ecoregions

2.3 現(xiàn)有站點(diǎn)與通量生態(tài)區(qū)的綜合分析

基于現(xiàn)有通量觀測(cè)站點(diǎn)的數(shù)量，對(duì)3個(gè)主成分變量圖層進(jìn)行了85類的聚類運(yùn)算(圖5)。將現(xiàn)有通量觀測(cè)站點(diǎn)與空間聚類得到的85類通量生態(tài)區(qū)疊加分析，在85個(gè)通量生態(tài)區(qū)中，有51個(gè)區(qū)含有通量觀測(cè)站點(diǎn)，生態(tài)區(qū)覆蓋率即含有通量觀測(cè)站點(diǎn)的生態(tài)區(qū)的個(gè)數(shù)占分區(qū)個(gè)數(shù)(即聚類數(shù))的比例為60%，國(guó)土面積覆蓋率即含有通量觀測(cè)站點(diǎn)的生態(tài)區(qū)的面積占全國(guó)國(guó)土面積的比例為63.2%。對(duì)85類通量生態(tài)區(qū)中的51個(gè)含有通量觀測(cè)點(diǎn)的分區(qū)作生態(tài)區(qū)內(nèi)所含站點(diǎn)數(shù)統(tǒng)計(jì):31個(gè)區(qū)內(nèi)只含有一個(gè)站點(diǎn)，12個(gè)區(qū)內(nèi)含有2個(gè)站點(diǎn)，6個(gè)區(qū)內(nèi)含有3個(gè)站點(diǎn)，2個(gè)區(qū)內(nèi)含有4個(gè)以上的站點(diǎn)。因此，假設(shè)全國(guó)有85類生態(tài)區(qū)，目前這85個(gè)站點(diǎn)僅能代表全國(guó)60%左右的生態(tài)系統(tǒng)碳通量空間特征，還有近40%的區(qū)域需要增加通量觀測(cè)站點(diǎn)的布設(shè)，即新增34個(gè)通量觀測(cè)站點(diǎn)。

對(duì)不同聚類數(shù)的通量生態(tài)區(qū)中現(xiàn)有站點(diǎn)的覆蓋情況進(jìn)行統(tǒng)計(jì)(表4)，發(fā)現(xiàn)隨著分區(qū)個(gè)數(shù)的增加，含有通量觀測(cè)站點(diǎn)的生態(tài)區(qū)的個(gè)數(shù)呈增加趨勢(shì)，但是現(xiàn)有站點(diǎn)的生態(tài)區(qū)覆蓋率和國(guó)土面積覆蓋率都在逐漸減小。85類通量生態(tài)區(qū)的國(guó)土面積覆蓋率比75類的高，是由于85類通量生態(tài)區(qū)的空間聚類是考慮了現(xiàn)有站點(diǎn)的空間分布，導(dǎo)致大部分站點(diǎn)落在面積較大的生態(tài)區(qū)，沒有站點(diǎn)的生態(tài)區(qū)數(shù)量多而且面積較小，因而按照國(guó)土覆蓋率達(dá)到90%以上來說比100類通量生態(tài)區(qū)需要更多地新增站點(diǎn)。從150個(gè)通量生態(tài)區(qū)增加到200個(gè)時(shí)，含有通量站點(diǎn)的生態(tài)區(qū)個(gè)數(shù)和含有1個(gè)站點(diǎn)的生態(tài)區(qū)個(gè)數(shù)都不變，意味著聚類區(qū)的增加不再對(duì)現(xiàn)有85個(gè)通量站的空間分布有明顯的區(qū)劃作用了，可以將150作為當(dāng)前通量站點(diǎn)數(shù)量增加的上限。

現(xiàn)有的85個(gè)通量站點(diǎn)在50類和75類聚類的通量生態(tài)區(qū)中，僅能覆蓋60%—67%的國(guó)土面積，說明目前85個(gè)站點(diǎn)的分布仍然不平衡，部分地區(qū)較為集中，空間代表性需要加強(qiáng)。如果按照85類通量生態(tài)區(qū)的區(qū)劃方案，生態(tài)區(qū)數(shù)量和國(guó)土面積覆蓋率都達(dá)到90%以上的，僅僅新增加25—26個(gè)通量站點(diǎn)即可。其次，150類通量生態(tài)區(qū)中有62個(gè)區(qū)包含現(xiàn)有站點(diǎn)，在此基礎(chǔ)上，至少需要增加73個(gè)站點(diǎn)才能覆蓋90%以上的通量生態(tài)區(qū)。同樣150類通量生態(tài)區(qū)中，現(xiàn)有站點(diǎn)只能覆蓋國(guó)土面積的43.5%，若要覆蓋率達(dá)到90%以上，需要新增加55個(gè)站點(diǎn)，從覆蓋更多國(guó)土面積的角度考慮，能夠少增加約20個(gè)站點(diǎn)，可以節(jié)省建設(shè)、運(yùn)行等費(fèi)用。

圖5 85類通量生態(tài)區(qū)劃分Fig.5 85 clusters of flux-ecoregion regionalization

表4 不同聚類數(shù)通量生態(tài)區(qū)內(nèi)的現(xiàn)有站點(diǎn)覆蓋情況Table 4 The covering of existing sites in different flux-ecoregions

2.4 現(xiàn)有站點(diǎn)與自然地理區(qū)劃的綜合分析

為了更好地分析中國(guó)通量觀測(cè)站點(diǎn)空間代表性，我們將現(xiàn)有通量觀測(cè)站點(diǎn)與自然地理區(qū)劃［28］疊加分析(圖6)。從圖6中發(fā)現(xiàn)，全國(guó)55個(gè)自然地理區(qū)劃生態(tài)區(qū)中有18個(gè)生態(tài)區(qū)缺乏通量觀測(cè)站點(diǎn)，主要集中在中溫帶半干旱地區(qū)、南亞熱帶濕潤(rùn)地區(qū)、青藏高原寒帶干旱地區(qū)和青藏高原溫帶干旱地區(qū)。從這個(gè)意義上來講，在18個(gè)缺乏通量觀測(cè)站點(diǎn)的生態(tài)區(qū)分別增加通量站點(diǎn)，也能起到增強(qiáng)空間代表性的作用。根據(jù)現(xiàn)有通量觀測(cè)站點(diǎn)與自然地理區(qū)劃生態(tài)區(qū)的疊加分析，發(fā)現(xiàn)在37個(gè)含有通量觀測(cè)點(diǎn)的自然地理區(qū)劃生態(tài)區(qū)中:13個(gè)生態(tài)區(qū)只含有1個(gè)站點(diǎn)，9個(gè)生態(tài)區(qū)含有2個(gè)站點(diǎn)，7個(gè)生態(tài)區(qū)含有3個(gè)站點(diǎn)，4個(gè)生態(tài)區(qū)含有4個(gè)站點(diǎn)，3個(gè)生態(tài)區(qū)含有5個(gè)以上的站點(diǎn)。通量觀測(cè)站分布的空間變異性較大，85個(gè)通量站點(diǎn)中，38個(gè)站點(diǎn)分布在生態(tài)區(qū)邊界，大多數(shù)站點(diǎn)位于較偏地區(qū)和接近邊界地區(qū)，只有8個(gè)站點(diǎn)處于生態(tài)區(qū)中心附近，由此看來，目前通量觀測(cè)站點(diǎn)的空間代表性需要加強(qiáng)。

圖6 通量站點(diǎn)在自然地理區(qū)劃生態(tài)區(qū)中的分布Fig.6 Spatial distribution of eddy flux tower stations in geographical regionalization

3 討論

國(guó)外已有科學(xué)家對(duì)美國(guó)通量網(wǎng)和歐洲通量網(wǎng)的代表性開展了定量分析評(píng)價(jià)。Hargrove等［11］首先選取調(diào)控碳通量以及影響植被光合作用與呼吸作用的氣候、土壤、干擾等25個(gè)環(huán)境因子，采用K-means聚類方法，生成9套不同的美國(guó)通量生態(tài)區(qū)劃，為美國(guó)通量網(wǎng)找到5個(gè)最優(yōu)的新增地理位置。Sulkava等［2］以歐洲通量網(wǎng)絡(luò)為例，根據(jù)三類研究問題設(shè)計(jì)8個(gè)模擬情景，將氣候要素和土壤要素或總初級(jí)生產(chǎn)力(Gross primary productivity，GPP)作為輸入變量，根據(jù)K-means++聚類分析，使同一類中數(shù)據(jù)點(diǎn)到聚類中心的平均距離平方即量化誤差最小，得到k個(gè)聚類，選取與k個(gè)聚類中心距離最近的像元作為k個(gè)樣本通量塔的位置。同時(shí)以GPP為目標(biāo)變量，根據(jù)k個(gè)樣本通量塔的數(shù)據(jù)，用人工神經(jīng)網(wǎng)絡(luò)模型(Artificial neural network，ANN)進(jìn)行尺度擴(kuò)展，用GPP的均值、空間變異性、半方差函數(shù)參數(shù)(塊金值、基臺(tái)值、變程)和時(shí)空變異性這四項(xiàng)指標(biāo)來估算現(xiàn)有網(wǎng)絡(luò)的代表性。最后根據(jù)不同的設(shè)計(jì)情景，設(shè)定平均量化誤差閾值，確定現(xiàn)有站點(diǎn)中應(yīng)保留的站點(diǎn)數(shù)量及新增站點(diǎn)數(shù)量，計(jì)算尺度擴(kuò)展結(jié)果的不確定性，優(yōu)化通量網(wǎng)絡(luò)中3種植被類型的設(shè)計(jì)［2］。由此可見，多元統(tǒng)計(jì)理論和空間分析技術(shù)結(jié)合有助于優(yōu)化通量網(wǎng)絡(luò)的設(shè)計(jì)，推動(dòng)通量觀測(cè)的尺度擴(kuò)展研究的進(jìn)一步深入發(fā)展。

本研究采用多元地理變量空間聚類方法，基于分層的環(huán)境數(shù)據(jù)空間，把主要影響通量的氣候、土壤、植被特征相似的劃分為一個(gè)區(qū)域，把中國(guó)生態(tài)系統(tǒng)劃分成具有相對(duì)均質(zhì)通量特征的生態(tài)區(qū)域，確定現(xiàn)有渦度通量觀測(cè)站點(diǎn)對(duì)整個(gè)中國(guó)陸地生態(tài)系統(tǒng)的代表性程度，并根據(jù)與碳通量相關(guān)的生態(tài)系統(tǒng)特征定量化的相似性，為外推現(xiàn)有的通量觀測(cè)來估計(jì)那些沒有觀測(cè)值的生態(tài)區(qū)通量提供理論基礎(chǔ)。假定每一個(gè)通量生態(tài)區(qū)表示一類生態(tài)系統(tǒng)，每一類生態(tài)系統(tǒng)至少有一個(gè)通量觀測(cè)塔，那么劃分的通量生態(tài)區(qū)越多，需要新增加的通量塔就越多。由于通量塔的建設(shè)受到觀測(cè)技術(shù)的發(fā)展程度、資金、運(yùn)行管理、電力、地形、環(huán)境等各方面條件的限制，要在目前85個(gè)站點(diǎn)基礎(chǔ)上新增加100多個(gè)站點(diǎn)，從而覆蓋200個(gè)通量生態(tài)區(qū)也是不現(xiàn)實(shí)的。綜合現(xiàn)有站點(diǎn)對(duì)不同聚類數(shù)的通量生態(tài)區(qū)的覆蓋率和區(qū)內(nèi)站點(diǎn)數(shù)來看，通量生態(tài)區(qū)劃分為100—150類比較合適，需要新增的通量塔數(shù)量大約25—55個(gè)，這樣既覆蓋中國(guó)生態(tài)系統(tǒng)的大部分主要類型，同時(shí)也能充分利用現(xiàn)有通量觀測(cè)站點(diǎn)網(wǎng)絡(luò)的優(yōu)勢(shì)。

根據(jù)本文3.3節(jié)的結(jié)果，若要使國(guó)土面積覆蓋率達(dá)90%以上，對(duì)于85類通量生態(tài)區(qū)，可在準(zhǔn)格爾盆地、柴達(dá)木盆地、青藏高原、阿拉善高原、呼倫貝爾高原、大興安嶺、黑龍江東北部、三江平原、云貴高原、四川盆地、東南地區(qū)等增加25個(gè)站點(diǎn);對(duì)于100類通量生態(tài)區(qū)，可在準(zhǔn)格爾盆地、塔里木盆地、柴達(dá)木盆地、青藏高原、阿拉善高原、鄂爾多斯高原、大興安嶺、黑龍江東北部、三江平原、東北平原、云貴高原、四川盆地、東南地區(qū)等地區(qū)增加21個(gè)站點(diǎn);對(duì)于150類通量生態(tài)區(qū)，可在全國(guó)大部分地區(qū)增加55個(gè)站點(diǎn)。

綜合中國(guó)通量觀測(cè)站點(diǎn)的現(xiàn)狀和通量生態(tài)區(qū)的結(jié)果分析，西部高寒區(qū)和干旱區(qū)的通量站點(diǎn)較少，西南地區(qū)廣西、貴州兩省缺少通量塔的布設(shè)，加之南方地區(qū)生態(tài)系統(tǒng)類型破碎復(fù)雜，未來的通量觀測(cè)站點(diǎn)布局可考慮在上述地區(qū)增加新的渦度相關(guān)通量站點(diǎn)，提高中國(guó)生態(tài)系統(tǒng)通量觀測(cè)站點(diǎn)的代表性。

4 結(jié)論

本文通過收集主要影響碳通量的變量數(shù)據(jù)(包括氣象因素、土壤因素和地形因素的非生物因子、實(shí)際植被狀態(tài)以及植被生產(chǎn)力)，用主成分分析法得到3個(gè)主成分變量，基于K-means空間聚類分析方法，分別計(jì)算出25、50、75、85、100、150、200類的通量生態(tài)區(qū)。利用中國(guó)現(xiàn)有的85個(gè)渦度相關(guān)通量觀測(cè)站點(diǎn)，與75—200類的通量生態(tài)區(qū)進(jìn)行對(duì)比分析，能代表30%—60%的生態(tài)系統(tǒng)類型。綜合現(xiàn)有站點(diǎn)對(duì)不同聚類數(shù)的通量生態(tài)區(qū)的覆蓋率和區(qū)內(nèi)站點(diǎn)數(shù)來看，考慮現(xiàn)有站點(diǎn)分布格局，通量生態(tài)區(qū)劃分為100—150類比較合適;考慮到渦度相關(guān)設(shè)備運(yùn)行成本，在盡可能利用現(xiàn)有通量觀測(cè)塔的基礎(chǔ)上，通量站點(diǎn)可增加至100—150個(gè)，這樣能覆蓋中國(guó)陸地生態(tài)系統(tǒng)的大部分主要類型。

本研究采用3個(gè)主成分變量進(jìn)行通量生態(tài)區(qū)的空間聚類，由于信息量的減少會(huì)對(duì)聚類的結(jié)果和分析有一定的影響。其次，進(jìn)行K-means聚類運(yùn)算時(shí)，像元變化閾值、最多迭代次數(shù)和聚類數(shù)量的設(shè)置主觀性較強(qiáng)，也會(huì)影響到分類結(jié)果。第三，本文重點(diǎn)是用空間聚類方法獲得的通量生態(tài)區(qū)，來評(píng)價(jià)現(xiàn)有站點(diǎn)在通量生態(tài)區(qū)的空間分布情況，尚未分析聚類中心和現(xiàn)有通量塔位置之間的關(guān)系，難以定量化通量站點(diǎn)的最優(yōu)位置。第四，由于難以獲取所有85個(gè)通量站點(diǎn)的月或年通量觀測(cè)值，本文無(wú)法對(duì)比分析通量生態(tài)區(qū)的GPP模擬值與站點(diǎn)的GPP觀測(cè)值，從而未能更加有效地定量評(píng)價(jià)新增站點(diǎn)在現(xiàn)有網(wǎng)絡(luò)中的代表性，無(wú)法確定現(xiàn)有站點(diǎn)中應(yīng)保留的站點(diǎn)數(shù)量及新增站點(diǎn)數(shù)量。由于現(xiàn)有通量觀測(cè)站點(diǎn)空間代表性有待提高，在現(xiàn)有站點(diǎn)空間格局的基礎(chǔ)上，結(jié)合中國(guó)地形的破碎化和生態(tài)系統(tǒng)類型的多樣性，需要找出更多的定量化的指標(biāo)，提出我國(guó)陸地生態(tài)系統(tǒng)通量站點(diǎn)的合理布局，從而為通量觀測(cè)從站點(diǎn)擴(kuò)展到區(qū)域提供基礎(chǔ)數(shù)據(jù)，使通量數(shù)據(jù)與遙感觀測(cè)資料有機(jī)地結(jié)合，更加有效地用于檢驗(yàn)過程機(jī)理模型的模擬結(jié)果。

［1］Baldocchi D D，F(xiàn)alge E，Gu L H，Olson R，Hollinger D，Running S，Anthoni P，Bernhofer C，Davis K，Evans R，F(xiàn)uentes J，Goldstein A，Katul G，Law B，Lee X H，Malhi Y，Meyers T，Munger W，Oechel W，Paw K T，Pilegaard K，Schmid H P，Valentini R，Verma S，Vesala T，Wilson K，Wofsy S.FLUXNET:A new tool to study the temporal and spatial variability of ecosystem-Scale carbon dioxide，water vapor，and energy flux densities.American Meteorological Society，2001，82(11):2415-2434.

［2］Sulkava M，Luyssaert S，Zaehle S，Papale D.Assessing and improving the representativeness of monitoring networks:The European flux tower network example.Journal of Geophysical Research，2011，116:G00J04，doi:10.1029/2010JG001562.

［3］Yu G R，Sun X M.Principles of Flux Measurement in Terrestrial Ecosystems.Beijing:Higher Education Press，2006.

［4］Xiao J F，Zhuang Q L，Baldocchi D D，Law B E，Richardson A D，Chen JQ，Oren R，Starr G，Noormets A，Ma SY，Verma SB，Wharton S，Wofsy SC，Bolstad P V，Burns SP，Cook D R，Curtis P S，Drake B G，F(xiàn)alk M，F(xiàn)ischer M L，F(xiàn)oster D R，Gu L H，Hadley JL，Hollinger D Y，Katul G G，Litvak M，Martin T A，Matamala R，McNulty S，Meyers T P，Monson R K，Munger JW，Oechel W C，Paw U K T，Schmid H P，Scott R L，Sun G，Suyker A E，Torn M S.Estimation of net ecosystem carbon exchange for the conterminous United States by combining MODIS and Ameri Flux data.Agricultural and Forest Meteorology，2008，148(11):1827-1847.

［5］Xiao J F，Zhuang Q L，Law B E，Baldocchi D D，Chen J Q，Richardson A D，Melillo J M，Davis K J，Hollinger D Y，Wharton S，Oren R，Noormets A，F(xiàn)ischer M L，Verma SB，Cook D R，Sun G，McNulty S，Wofsy SC，Bolstad P V，Burns SP，Curtis P S，Drake B G，F(xiàn)alk M，F(xiàn)oster D R，Gu L H，Hadley JL，Katulk GG，Litvak M，Ma SY，Martinz T A，Matamala R，Meyers T P，Monson R K，Munger JW，Oechel W C，Paw U K T，Schmid H P，Scott R L，Starr G，Suyker A E，Torn M S.Assessing net ecosystem carbon exchange of U.S.terrestrial ecosystems by integrating eddy covariance flux measurements and satellite observations.Agricultural and Forest Meteorologys，2011，151(1):60-69.

［6］Jung M，Reichstein M，Bondeau A.Towards global empirical upscaling of FLUXNET eddy covariance observations:Validation of a model tree ensemble approach using a biosphere model.Biogeosciences，2009，6(10):2001-2013.

［7］Xiao J F，Davis K J，Urban N M，Keller K，Saliendra N Z.Upscaling carbon fluxes from towers to the regional scale:Influence of parameter variability and land cover representation on regional flux estimates.Journal of Geophysical Research，2011，116:G00J06，doi:10.1029/2010JG001568.

［8］Jung M，Reichstein M，Margolis H A，Cescatti A，Richardson A D，Arain M A，Arneth A，Bernhofer C，Bonal D，Chen J Q，Gianelle D，Gobron N，Kiely G，Kutsch W，Lasslop G，Law B E，Lindroth A，Merbold L，Montagnani L，Moors E J，Papale D，Sottocornola M，Vaccari F，Williams C.Global patterns of land-atmosphere fluxes of carbon dioxide，latent heat，and sensible heat derived from eddy covariance，satellite，and meteorological observations.Journal of Geophysical Research，2011，116:G00J07，doi:10.1029/2010JG001566.

［9］Desai A R.Climatic and phenological controls on coherent regional interannual variability of carbon dioxide flux in a heterogeneous landscape.Journal of Geophysical Research，2010，115:G00J02，doi:10.1029/2010JG001423.

［10］Chasmer L，Kljun N，Hopkinson C，Brown S，Milne T，Giroux K，Barr A，Devito K，Creed I，Petrone R.Characterizing vegetation structural and topographic characteristics sampled by eddy covariance within two mature aspen stands using lidar and a flux footprint model:Scaling to MODIS.Journal of Geophysical Research，2011，116:G02026，doi:10.1029/2010JG001567.

［11］Hargrove W W，Hoffman F M，Law B E.New analysis reveals representativeness of the AmeriFlux network.EOS，Transactions，American Geophysical Union，2003，84(48):529-544.

［12］Hargrove W W，Hoffman F M.Potential of multivariate quantitative methods for delineation and visualization of ecoregions.Environmental Management，2005，34(S1):S39-S60.

［13］Mi N，Yu G R，Wang P X，Wen X F，Sun X M.A preliminary study for spatial representiveness of flux observation at ChinaFLUX sites.Science in China Series D:Earth Sciences，2006，49(S2)24-35.

［14］Gong L J，Liu SM.Flux spatial representativeness of Miyun//Chinese Meteorological Society.Proceeding of Ecological Meteorology Operation Establishment and Agricultural Meteorology Disaster Warning.Beijing:Chinese Meteorological Society，2007.

［15］Shuang X，Liu S M，Xu Z W，Wang W Z.Investigation of spatial representativeness for surface flux measurements in the Heihe river basin.Advances in Earth Science，2009，24(7):724-733.

［16］Song T，Wang SQ，Gao JX，Han Y W.A study on the scaling-up of CO2fluxes at Haibei station based on GISand RStechnologies.International Journal of Intelligent Information Technology Application，2010，3(2):71-78.

［17］Zhang W T.Senior Tutorial of SPSSStatistical Analysis.Beijing:Higher Education Press，2004.

［18］Chen SQ，Yang CC.Clusteringmethod for area geographical entities based on cluster validity function.Journal of Zhengzhou Institute of Surveying and Mapping，2006，23(1):44-47.

［19］Liu S，Ji GL.A review of researches on spatial clustering.Journal of Nanjing Normal University:Engineering and Technology，2010，10(2):57-62.

［20］Zhao Y S.Principles and Methods of Remote Sensing Application Analysis.Beijing:Science Press，2003.

［21］Wang Y，Song Z B，Wu P L.A study on spatial clustering of urban function partition.Areal Research and Development，2009，28(1):27-31.

［22］Lin D Y，Liu H P.Spatial clustering analysis in the point data distribution.Journal of Beijing Normal University:Natural Science，2006，42(4):419-423.

［23］Liu G H，F(xiàn)u B J.The principle and characteristics of ecological regionalization.Advances in Environmental Science，1998，6(6):67-72.

［24］Cheng Y Q，Zhang P Y.Progress on eco-geographical regionalization researches.Acta Ecologica Sinica，2006，26(10):3424-3433.

［25］Fu B J，Chen L D，Liu G H.The objectives，tasks and characteristics of China ecological regionalization.Acta Ecologica Sinica，1999，19(5):591-595.

［26］Fu B J，Liu G H，Chen L D，Ma K M，Li JR.Scheme of ecological regionalization in China.Acta Ecologica Sinica，2001，21(1):1-6.

［27］Williams C L，Hargrove W W，Liebman M，James D E.Agro-ecoregionalization of Iowa using multivariate geographical clustering.Agriculture，Ecosystems and Environment，2008，123(1/3):161-174.

［28］Huang B W.Primary scheme of comprehensive natural geographical zonation.Acta Geographica Sinica，1958，24(4):348-365.

參考文獻(xiàn):

［3］于貴瑞，孫曉敏.陸地生態(tài)系統(tǒng)通量觀測(cè)的原理與方法.北京:高等教育出版社，2006.

［13］米娜，于貴瑞，溫學(xué)發(fā)，孫曉敏.中國(guó)通量觀測(cè)網(wǎng)絡(luò)(ChinaFLUX)通量觀測(cè)空間代表性初步研究.中國(guó)科學(xué)(D輯:地球科學(xué))，2006，(增刊I):22-33.

［14］宮麗娟，劉紹民.密云通量觀測(cè)的空間代表性 //中國(guó)氣象學(xué)會(huì).中國(guó)氣象學(xué)會(huì)2007年年會(huì)生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預(yù)警分會(huì)場(chǎng)論文集.北京:中國(guó)氣象學(xué)會(huì)，2007.

［15］雙喜，劉紹民，徐自為，王維真.黑河流域觀測(cè)通量的空間代表性研究.地球科學(xué)進(jìn)展，2009，24(7):724-733.

［17］張文彤.SPSS統(tǒng)計(jì)分析高級(jí)教程.北京:高等教育出版社，2004.

［18］陳四清，楊春成.基于聚類有效性函數(shù)的面狀地理實(shí)體聚類.測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2006，23(1):44-47.

［19］柳盛，吉根林.空間聚類技術(shù)研究綜述.南京師范大學(xué)學(xué)報(bào):工程技術(shù)版，2010，10(2):57-62.

［20］趙英時(shí).遙感應(yīng)用分析原理與方法.北京:科學(xué)出版社，2003.

［21］王艷，宋振柏，吳佩林.城市功能分區(qū)的空間聚類方法研究及其應(yīng)用——以濟(jì)南市為例.地域研究與開發(fā)，2009，28(1):27-31.

［22］林冬云，劉慧平.應(yīng)用空間聚類進(jìn)行點(diǎn)數(shù)據(jù)分布研究.北京師范大學(xué)學(xué)報(bào):自然科學(xué)版，2006，42(4):419-423.［23］劉國(guó)華，傅伯杰.生態(tài)區(qū)劃的原則及其特征.環(huán)境科學(xué)進(jìn)展，1998，6(6):67-72.

［24］程葉青，張平宇.生態(tài)地理區(qū)劃研究進(jìn)展.生態(tài)學(xué)報(bào)，2006，26(10):3424-3433.

［25］傅伯杰，陳利頂，劉國(guó)華.中國(guó)生態(tài)區(qū)劃的目的、任務(wù)及特點(diǎn).生態(tài)學(xué)報(bào)，1999，19(5):591-595.

［26］傅伯杰，劉國(guó)華，陳利頂，馬克明，李俊然.中國(guó)生態(tài)區(qū)劃方案.生態(tài)學(xué)報(bào)，2001，21(1):1-6.

［28］黃秉維.中國(guó)綜合自然區(qū)劃的初步草案.地理學(xué)報(bào)，1958，24(4):348-365.

附表1 中國(guó)陸地生態(tài)系統(tǒng)通量觀測(cè)站點(diǎn)信息Attached table 1 Information of eddy flux tower stations of terrestrial ecosystems in China

續(xù)表