Ver metadados

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

Dublin Core Metadados PKP Metadados do documento
1. Título Título do documento Измерение стволового сокодвижения как инструмент оценки транспирации в исследованиях водного баланса речного бассейна
2. Autor principal Autor, estabelecimento, país Т. Губарева; Институт водных проблем РАН; Тихоокеанский институт географии ДВО РАН; Rússia
2. Autor principal Autor, estabelecimento, país С. Лупаков; Тихоокеанский институт географии ДВО РАН; Rússia
2. Autor principal Autor, estabelecimento, país В. Шамов; Тихоокеанский институт географии ДВО РАН; Rússia
2. Autor principal Autor, estabelecimento, país Б. Гарцман; Институт водных проблем РАН; Тихоокеанский институт географии ДВО РАН; Rússia
3. Assunto Disciplinas
3. Assunto Palavras-chave стволовое сокодвижение; ксилемный расход; транспирация; Abies nephrolepis; регрессионный анализ; гидрологическое моделирование
4. Descrição Resumo

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.

5. Editor Organizador, cidade The Russian Academy of Sciences
6. Contributor Patrocinadores
7. Data (DD-MM-AAAA) 02.08.2024
8. Tipo Tipo ou gênero da pesquisa Artigo avaliado por pares
8. Tipo Tipo Artigo científico
9. Formato Formato do arquivo
10. Identificador Identificador universal, URI https://journals.eco-vector.com/0321-0596/article/view/659957
10. Identificador Digital Object Identifier (DOI) 10.31857/S0321059624010018
10. Identificador eLIBRARY Document Number (EDN) EEROMF
10. Identificador Digital Object Identifier (DOI) (PDF (Rus)) 10.31857/S0321-05965113-17-175349
11. Fonte Revista/Conferêcia, tomo, número (ano) Водные ресурсы; Volume 51, Nº 1 (2024)
12. Língua Russian=ru, English=en ru
13. Relação Arquivos suplementares 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. (777KB) doi: 10.31857/S0321-05965113-17-4266868
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. (560KB) doi: 10.31857/S0321-05965113-17-4266869
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. (471KB) doi: 10.31857/S0321-05965113-17-4266870
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. (227KB) doi: 10.31857/S0321-05965113-17-4266871
Fig. 5. R2 coefficients of relationships between Qtree and meteorological parameters. 400, 205, 105, 109 – tree numbers. (144KB) doi: 10.31857/S0321-05965113-17-4266872
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). (589KB) doi: 10.31857/S0321-05965113-17-4266873
14. Cobertura Abrangência espacial e temporal, metodologia de pesquisa
15. Direitos Autorais Direitos Autorais e Licenças Declaração de direitos autorais © Russian Academy of Sciences, 2024