Измерение стволового сокодвижения как инструмент оценки транспирации в исследованиях водного баланса речного бассейна

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Приведены результаты инструментальных измерений стволового сокодвижения с помощью датчиков сокодвижения (“sap-flowmeters”) в стволах пихты белокорой (Abies nephrolepis), анализ основных факторов процесса транспорта влаги в стволах деревьев и результаты моделирования часовых серий расходов ксилемного потока. Анализ факторов выполнен методом главных компонент, а воспроизведение индивидуальных серий ксилемного расхода – на основе модели множественной линейной регрессии. Оцененный объем транспортируемого потока влаги в экземплярах пихты в 2020 г. за вегетационный период в зависимости от диаметра дерева составил от 1720 до 5620 л, а среднесуточные скорости сокодвижения в ксилеме – от 0.3 до 1.0 см/ч. На основе регрессионного анализа установлена оптимальная структура эмпирической модели, которая включает в себя два предиктора – температуру и влажность воздуха. По калибровочным выборкам для каждого дерева определены эмпирические коэффициенты регрессионных уравнений. Результаты проверки на достаточно длинных тестируемых выборках показали, что модельные серии ксилемного расхода по полной выборке (с мая по октябрь) для трех экспериментальных деревьев из четырех достаточно близки к измеренным: коэффициент корреляции составляет 0.79–0.88, коэффициент Нэша–Сатклиффа – 0.62–0.85. Качество моделирования существенно улучшается в случае использования выборок по отдельным месяцам: коэффициент корреляции – 0.87–0.94, коэффициент Нэша–Сатклиффа – 0.73–0.97.

Full Text

Restricted Access

About the authors

Т. С. Губарева

Институт водных проблем РАН; Тихоокеанский институт географии ДВО РАН

Author for correspondence.
Email: tgubareva@bk.ru
Russian Federation, 119333, Москва; 690041, Владивосток

С. Ю. Лупаков

Тихоокеанский институт географии ДВО РАН

Email: tgubareva@bk.ru
Russian Federation, 690041, Владивосток

В. В. Шамов

Тихоокеанский институт географии ДВО РАН

Email: tgubareva@bk.ru
Russian Federation, 690041, Владивосток

Б. И. Гарцман

Институт водных проблем РАН; Тихоокеанский институт географии ДВО РАН

Email: tgubareva@bk.ru
Russian Federation, 119333, Москва; 690041, Владивосток

References

  1. Бенькова А.В., Рубцов А.В., Бенькова В.Е., Шапкин А. В. Сезонная динамика сокодвижения у деревьев Larix sibirica в Красноярской лесостепи // Журн. сибирского фед. ун-та. Сер. Биол. 2019. № 12. С. 32‒47.
  2. Гарцман Б.И., Шамов В.В., Третьяков А.С. Система воднобалансовых моделей малого речного бассейна // Геогр. и природ. ресурсы. 1993. № 3. С. 27‒36.
  3. Губарева Т.С., Лупаков С.Ю., Гарцман Б.И., Шамов В.В. и др. Возможности оценивания бассейновой транспирации на основе измерения стволового сокодвижения: постановка задачи // Гидросфера. Опасные проц. и явления. 2019. Т. 1. № 4. С. 504‒532.
  4. Кайбийяйнен Л.К. Экофизиология водного режима сосны и сосновых древостоев: Автореф. дис. … докт. биол. наук. М.: ИЭМЭЖ, 1990. 45 с.
  5. Кайбияйнен Л.К., Сазонова Т.А., Тихов П.В. Транспирационные потоки в ксилеме и динамика потребления влаги // Лесоведение. 1981. № 2. С. 27‒34.
  6. Лупаков С.Ю., Губарева Т.С., Шамов В.В. и др. Возможности использования данных о стволовом сокодвижении в гидрологическом моделировании // Тихоокеан. география. 2021. Т. 2. № 6. С. 54‒64.
  7. Омелько А.М., Ухваткина О.Н. Особенности GAP-динамики в хвойно-широколиственном лесу южного Сихотэ-Алиня // Растительный мир азиатской России: Вест. центр. сибирского ботанического сада СО РАН. 2012. Т. 1. № 9. С. 106‒113.
  8. Померанцев А. Л. Хемометрика в Excel. Учебное пособие. Томск.: Изд-во Томского политех. ун-та, 2014. 435 с.
  9. Шамов В.В. Влагооборот на суше: системно-методологический и физико-геометрический анализ. Владивосток: Дальнаука, 2006. 172 с.
  10. Burgess S.S., Adams M.A., Turner N.C. et al. An improved heat pulse method to measure low and reverse rates of sap flow in woody plants // Tree Physiol. 2001. V. 21. P. 589‒598.
  11. Čermak J., Kučera J., Nadezhdina N. Sap flow measurements with some thermodynamic methods, flow integration within trees and scaling up from sample trees to entire forest stands // Trees. 2004. № 8. Р. 529–546.
  12. Goff J.A., Grath S. Low-pressure properties of water from ‒160 to 212 F // Transections Am. Soc. Heating Ventilating Engineering. 1946. V. 52. P. 95‒122.
  13. Granier A. Une nouvelle méthode pour la mesure du flux de sève brute dans le tronc des arbres // Annales des Sci. Forestières. 1985. V. 42. P. 193‒200.
  14. Green S.R., Clothier B.E., Jardine B. Theory and practical application of heat-pulse to measure sap flow // Agron. J. 2003. V. 95. P. 1371‒1379.
  15. Jasechko S., Sharp Z.D., Gibson J.J. et al. Terrestrial water fluxes dominated by transpiration // Nature. 2013. V. 496. № 445. P. 347–350.
  16. Lopez M.L.C., Shirota T., Iwahana G., Maximov T.C. et al. Effect of increased rainfall on water dynamics of larch (Larix cajanderi) forest in permafrost regions, Russia: an irrigation experiment // J. Forest Res. 2010. V. 15. № 6. P. 365‒373.
  17. Lundblad M., Lagergren F., Lindroth A. Evaluation of heat balance and heat dissipation methods for sapflow measurements in pine and spruce // Ann. For. Sci. 2001. V. 58. P. 625–38.
  18. Marshall D.C. Measurement of sap flow in conifers by heat transport // Plant Physiol. 1958. V. 33. P. 385–396.
  19. Miralles D.G., Gash J.H., Holmes T.R.H. et al. Global canopy interception from satellite observations // J. Geophys. Res. 2010. V. 115. D16122.
  20. Oltchev A., Čermak J., Nadezhdina N. et al. Tran-spiration of a mixed spruce-aspen-birch forest at the Valday Hills in Russia // Boreal Environ. Res. 2002. V. 7. P. 389–397.
  21. Omelko A., Ukhvatkina O., Zhmerenetsky A. et al. From young to adult trees: How spatial patterns of plants with different life strategies change during age development in an old-growth Korean pine-broadleaved forest // Forest Ecol. Manag. 2018. V. 411. P. 46‒66.
  22. Rubtsov A., Arzac A., Knorre A.A., Shashkin A.V., Benkova V.E., Vaganov E.A. Stem growth and steam sap flow measurements of three conifer trees species in Siberia // IOP Conf. Ser. Earth and Environmental Science. 2020. Ser. 611. P. 012028.
  23. Smith D.M., Allen S.J. Measurement of sap flow in plant stems // J. Experimental Botany. 1996. V. 47. № 12. P. 1833–1844.
  24. Sugiura H., Sakamoto D., Sugiura T., Asakura T., Moriguchi T. Sap Flow Measurement in Japanese Pear Using the Granier Method // J. Agricultural Meteorol. 2009. V. 65. № 1. P. 83‒88.
  25. Swanson R.H. Significant historical developments in thermal methods for measuring sap flow in trees // Agricultural and Forest Meteor. 1994. V. 72. № 1–2. P. 113‒132.
  26. Tatarinov F., Kučera J., Cienciala E. The analysis of physical background of tree sap flow measurement based on thermal methods // Meas. Sci. Technol. 2005. V. 16. P. 1157–1169.
  27. Urban J., Rubtsov A., Urban A. et al. Canopy transpiration of a Larix sibirica and Pinus sylvestris forest in Central Siberia // Agricul. and Forest Meteorol. 2019. V. 271. P. 64‒72.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Monitoring network of the Berezovogo creek catchment: a – drainage map and location of observation points; b – sapflow sensors installed in the trunk; c – external appearance of the measuring system. 1 – river network, 2 – weather stations, 3 – soil sensor, 4 – measured trees.

Download (777KB)
Indexing metadata
3. Fig. 2. Daily dynamics of air temperature Ta (1), water vapor saturation deficit VPD (2), solar radiation SR (3), soil moisture WSC (4), precipitation X, xylem expenditure Qtree in tree trunks 400, 205, 105, 109.

Download (560KB)
Indexing metadata
4. Fig. 3. An example of the dynamics of hourly resolution: a – Qtree, measured for trees 400, 205, 105, 109; b – GC1 and GC2 in the PCA model I.

Download (471KB)
Indexing metadata
5. Fig. 4. Graphs of the GC1‒GC2 accounts, demonstrating: a – intra-day, b – seasonal changes according to the PCA model I; c – intra-day changes according to the PCA model II; d – graph of the GC1‒GC2 loads according to the PCA model II, demonstrating the relationships between the variables. The dots correspond to hourly resolution measurements, Arabic numerals – hourly measurement ranges, Roman numerals – calendar months, Latin letters – the variables under study, X on graph c – measurements during atmospheric precipitation.

Download (227KB)
Indexing metadata
6. Fig. 5. R2 coefficients of relationships between Qtree and meteorological parameters. 400, 205, 105, 109 – tree numbers.

Download (144KB)
Indexing metadata
7. Fig. 6. Hourly dynamics of xylem expenditure: a – Q105, b – GK1 in the PCA model I; meas – measured Q105, mod – calculated by MLR (predictors Ta, H, vW, SR, VPD), GK1mod – calculated by MLR (predictors Ta, H).

Download (589KB)
Indexing metadata

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».