Misure di flussi di CO2 con la tecnica eddy-covariance in foresta: analisi di qualità dei dati ed interpretazione della dinamica spazio-temporale dei flussi a scala locale

Abstract

La tecnica eddy-covariance (EC) è ampiamente utilizzata per la stima dei flussi di CO2 tra l'atmosfera e gli ecosistemi terrestri, in particolare per il monitoraggio degli ecosistemi forestali e della loro fisiologia, e per le relative ricerche connesse con lo studio cambiamenti climatici. La tecnica EC è basata sull'assunzione che vi sia un'area origine (footprint ), sopravento rispetto al punto di misura (situato sopra la copertura forestale -canopy-), nella quale la massa d'aria in moto orizzontale, (dentro e sopra la canopy) sia in uno stato stazionario rispetto ai flussi turbolenti verticali di uno scalare come la CO2. In queste condizioni stazionarie, i flussi turbolenti di CO2, misurati in un singolo punto sopra la canopy, rappresentano una stima accurata dei flussi omogenei nella footprint sopravento. Un livello sufficiente di turbolenza è necessario al rimescolamento della colonna d'aria, tale che non vi sia: ne accumulo o riduzione di CO2 sotto il punto di misura; ne trasporto laterale per avvezione. Durante la notte, in assenza di significativi processi di fotosintesi, i flussi turbolenti di CO2 darebbero una stima del tasso di respirazione dell'ecosistema (R_N). Tuttavia, sono riportati diversi casi di sottostima significativa della respirazione notturna, ricavata in tal modo dalla misura dei flussi turbolenti; specialmente in situazioni caratterizzate da: topografia non omogenea, e/o “stabilità” (basso livello di turbolenza) atmosferica. Così che la componente dei flussi turbolenti deve essere integrata dalla stima dell'accumulo di CO2 sotto canopy, dato dalla variazione dello storage sotto il punto di misura EC (flusso di storage, f_st). Anche la somma delle componenti turbolenta e di (flusso di) storage, non sempre da una stima accurata della R_N. Ciò è messo in relazione con il non verificarsi delle assunzioni di base richieste dalla EC. Cause solitamente addebitate sono: la non stazionarietà, o della massa d'aria in moto sopra canopy, o dello storage; e/o la fuoriuscita netta di CO2, lateralmente, attraverso il movimento d'aria (sotto e dentro la canopy), lungo i versanti in presenza di un gradiente orizzontale di concentrazione di CO2 nella stessa direzione. Un caso tipo è quello del flusso di drenaggio, quando aria fredda si muove da monte a valle, dove si accumula la CO2 lungo un gradiente. Per tenere in conto questa possibilità di sottostima della R_N, le procedure convenzionali di trattamento dei dati, suggeriscono di rimuovere le misure effettuate in condizioni di bassa turbolenza, in base al valore critico assunto dalla velocità di frizione (u*), un indice del livello di turbolenza. La soglia critica di u*, dipende dalle caratteristiche del sito di studio. Questo studio si propone di valutare la distribuzione spazio-temporale dei valori di R_N, rispetto alle misure micromeorologiche, eseguite nei siti forestali, così da: ricavarne valori attesi di R_N attraverso relazioni funzionali tra le stime di R_N di buona qualità e la temperatura; e valutarne le differenze tra valori attesi e misurati di R_N, in termini di qualità del dato EC e dei fattori connessi. A tal fine, le associazioni di queste “differenze” (R_N attesa vs misurata, in %) sono state analizzate anche rispetto al contesto topografico ed alla distribuzione della copertura forestale, per individuare i relativi scenari di processi fluidodinamici connessi all'errore di stima della R_N. Questa metodica è stata quindi comparata con quella convenzionale basata sulla soglia critica di u*. Per il calcolo della R_N attesa, sono stati ricercati i più affidabili valori di respirazione notturna: la relazione funzionale tra il valore massimo di R_N nelle singole notti (Rmax-n), e la temperatura dell'aria (T-air) ha riportato una correlazione (r = 0.64, regressione semilog), significativamente migliore rispetto alla stessa regressione di R_N su Tair ( r = 0.38, con filtro u* alla soglia di 0.5 m/s). Inoltre, R_N ha mostrato un'ampia fluttuazione di valori, anche con livelli intermedi di turbolenza, in particolare quando le misure dei flussi turbolenti erano riferite alla footprint dei venti sinottici (oltre il 70% dei dati). La miglior correlazione tra Rmax-n e T-air, può essere spiegata dai casi in cui gli alti valori del flusso di storage (f_st) compensano i relativi bassi valori dei flussi turbolenti. L'analisi delle differenze ha mostrato che la compensazione della componente f_st spiega la differenza media di R_N, nella specifica footprint: in uno scenario dove l'accumulo di CO2 nello storage (misurato in modo appropriato) trattiene sotto canopy la CO2, che altrimenti verrebbe trasportata a valle, con condizioni turbolente critiche, la cui soglia di u* dipende dalla footprint e dalla relativa direzione del vento. La procedura convenzionale, della soglia critica di u*, viceversa non individuava la significativa sottostima di R_N corrispondente alla direzione prevalente dei venti sinottici; e allo stesso tempo spesso rigettava buone stime di Rmaxn con valori di u* sotto soglia critica, ma con adeguata compensazione di f_st. Una soglia critica di u* (0.4 m/s), applicata a tutti i dati eddy, indipendentemente dalla footprint, portava: i) una sottostima media di R_N di circa il 50% nella footprint principale (trasversale alla pendenza principale), imputabile al disaccoppiamento, tra sopra e sotto canopy, delle condizioni di turbolenza e dei percorsi preferenziali del flusso di drenaggio; ii) una “sovrastima” di circa il 30% per le direzioni del vento lungo il versante, dove possono originarsi i venti catabatici. Quindi, nel sito oggetto di studio (Parco Carrega), la soglia u* dovrebbe essere calcolata per le specifiche footprint, caratterizzate da differenti meccanismi di movimento dell'aria, e di disaccoppiamento verticale. Nello specifico sito del Parco Carrega, questo metodo di analisi, basato sulla coerenza e le anomalie (valori di R_N misurati vs attesi) nel database eddy, ha trovato conferma anche nell'analisi spaziale della copertura vegetale (eterogeneità in struttura della canopy e densità) e nello scenario plausibile del flusso di drenaggio, permettendo di discernere tra le due cause. La preliminare sovrastima della R_N (footprint lungo la direzione del pendio) è stata così riferibile non ad un errore di stima, ma ad una parte dell'ecosistema con maggior tasso di respirazione. A tal fine, è stata fondamentale la posizione del punto di misura EC, rispetto alla distribuzione vegetazione e alla direzione dei venti. L'analisi, qui suggerita, è stata implementata attraverso algoritmi dedicati, ed integrata in una procedura di trattamento dei dati eddy. Questa procedura può essere utile sia per un'applicazione ricorsiva sugli stessi dati; sia per una comparazione con i risultati ottenuti dai dati di altri siti, in modo da calibrare e validare la procedura per differenti contesti spaziali e dinamici. Misure ausiliarie di campo, dei gradienti orizzontali di CO2 e del profilo verticale del vento, potrebbero dare una maggiore attendibilità dei risultati di questa procedura di analisi.

The eddy-covariance technique (EC) is widely applied for estimating the CO2 fluxes between atmosphere and terrestrial ecosystems, for monitoring forest ecosystems and its physiology and for climate change-related studies. This technique is based on the assumption that in a footprint upwind from the measurement point (located over the canopy), the horizontal mass of air moving over and within the canopy is in a stationarity state with regard to the upward and down ward turbulent fluxes of a scalar as CO2. In such stationarity condition, the turbulent fluxes of CO2 measured at one point over the canopy is a good estimate of the uniform fluxes in the upwind footprint. A good turbulence is required to mix the entire air column to avoid accumulation of CO2 under the measurement point (storage flux1, f_st) and/or lateral transport of CO2. During night-time, the CO2 turbulent flux should provide an estimate of ecosystem respiration rate (R_N). It is reported that the CO2 eddy-flux frequently underestimate R_N, expecially for non homogeneous terrain and in stable (low turbulent) atmospheric condition. Hence, the turbulent flux component, measured over the canopy, needs to be integrated by the estimation of the storage component, that accumulate below the eddy covariance measuring point. However, the sum of the turbulent and the storage component of the CO2 flux not always represents the effective ecosystem respiration. This missing CO2 fluxes is linked to failure of EC assumption due to: a non stationary in CO2 storage or in the above canopy air moving; and/or CO2 escaping along slope through air movement and CO2 concentration horizontal gradients. A typical case is the drainage flow, with cooler air moving down-slope. To circumvent this possibility of R_N underestimation, conventional data-handling approaches use to remove the data collected under low-turbulence evaluated using friction velocity (u*) thresholds, where u* is used as a index of turbulent mixing. The u*-threshold depends on site-specific characteristics. This study aimed at assessing the spatial and micro-meteorological distribution of R_N values at a forest sites, deriving the expected R_N using relationships among good-quality R_N values and temperature. The patterns of these “differences” (R_N measured vs expected, % difference) were evaluated against the spatial context of topography and vegetation cover to analyse the possible causes of underestimation. This analysis was then compared with the classical u*-threshold criterion. In order to compute the expected R_N, we searched for the most-reliable respiration value at night: it was found that the functional relationship between the maximum of R_N of every night (Rmax-n ) and air temperature (T-air) has a much better correlation (r =0.64) than the same T-air regression to R_N (u*>0.5 m/s filtered; r =0.38). Nevertheless, R_N values show large fluctuation, also under middle turbulent condition, expecially for footprint of synoptic winds (over 70% of data). A factor that could explain the good agreement of Rmax-n with T-air was the hight value of storage flux (f_st) that compensated the relatively low values of turbulent eddy flux. This means that when Rmax-n was occurring in stable nights, usually the storage flux was not washed away or displaced by competitive processes (advection, drainage flow, etc.). Analysis of differences was consistent with that interpretation, but predictions were related to u*-thresholds depending on footprint and wind direction. Furthermore, the conventional u*-threshold criterion failed to detect the significant under estimation of R_N, under prevalent conditions of synoptic winds and often rejected good estimates from Rmax-n, with low u*-class but adequate f_st compensation. A single u*-threshold criterion (0.4 m/s), applied to the whole dataset, irrespective of flux footprint, leads to i) a mean underestimation of R_N by approximately 50 % in the prevalent footprint (transversal to the main slope) that should be due to a decoupling between above and below canopy turbulence and a preferential path of air drainage; ii) an “overestimation” of ~30% for the wind directions moving along-slopes, where katabatic wind may originate. Then, in the studied site, the u*-threshold should be calculated for the specific flux-footprint, with different preferential air movement and vertical decoupling. At the studied site, this method of data analysis, based on consistencies and anomalies in the flux database (actual vs. expected R_N values) finds support also from the spatial analysis of the vegetation (heterogeneity, differences in structure and plant density, etc) and from expected drainage flow, allowing to discriminate these two causes. In reaching this goal, the positioning of the EC measurement point with respect to vegetation cover and wind pattern was essential. The analysis, here suggested, was implemented by algorithms, integrated in a data treatment procedure. That a procedure could be useful for recursive data processing or comparative application to other eddy-covariance dataset, in order to validate and calibrate the procedure for different spatial and dynamic context. Ancillary field measurements of horizontal CO2 gradients and wind vertical profile could be performed to get more confidence on predictions of this analysis.