• search hit 5 of 37
Back to Result List

Bitte verwenden Sie diesen Link, wenn Sie dieses Dokument zitieren oder verlinken wollen: https://nbn-resolving.org/urn:nbn:de:gbv:9-000922-1

Methane exchange of a boreal peatland - Integrated measurements and modelling on microform and ecosystem scale at the Salmisuo mire complex, Eastern Finland

  • Peatlands cover only about 3% of the terrestrial surface but are significant players in the global carbon (C) cycle and the climate system, since they store roughly one quarter of the global soil carbon (C) and are among the largest natural sources of methane (CH4). Since the resulting feedbacks on the climate system are uncertain, research efforts aim at identifying key processes and quantifying the C exchange from ecosystem to regional and global scales. To identify peatland ecosystem dynamics requires analysis of yet different scales. The key scale for their C dynamics is the microform scale, which is the smallest entity of the system. To estimate ecosystem dynamics, up-scaling from the microform scale is needed. Up-scaling demands (1) a correct estimation of the spatial heterogeneity and (2) the correct aggregation. In this thesis, the traditional spatial weighting of microform fluxes by the microform distribution is evaluated by (1) analyzing the flux calculation procedure, (2) investigating the effect of the resolution of the landcover maps on the up-scaling and by (3) cross-evaluating the up-scaling result with the directly measured ecosystem flux. Eventually, it is evaluated how these dynamics are considered in a mechanistic ecosystem model (LPJ-WHyMe). CH4 fluxes were measured on the microform scale with the closed chamber technique and on the ecosystem scale with the eddy covariance (EC) technique. The quantification of microform fluxes relies on the correct flux calculation. Since only few gas samples are taken during the closure period, traditionally the linear regression is applied when calculating CH4 fluxes from chamber measurements. Still, the chamber itself affects the diffusion gradient between peat and chamber atmosphere resulting in a theoretically non-linear concentration increase in the chamber. Using data with six data points per measurement from different microform types it is tested whether the linear or exponential regression fits the data better. In the majority of cases, the linear regression fits best. However, the exponential concentration change might still not be detectable resulting in an underestimation of the ’real‘ flux and the test of different techniqes to estimate the slope of a non-linear function with small sample amounts is recommended. To define the spatial heterogeneity of the peatland surface, the application of remote sensing techniques offer the advantage of supplying area-wide information with less uncertainty when compared to vegetation mapping along transects. However, the required resolution to resolve the microform distribution is <1m which in this study was derived from near-aerial photography. Besides for up-scaling, the resulting high-resolution landcover map was used in combination with a footprint model to analyze (1) the effect of landcover on the directly measured ecosystem flux and (2) its spatial representativeness. It was shown that fluctuations of the measured ecosystem flux over periods of several days could be explained by changes of the landcover composition in the source area of the EC measurements. The estimated budget was slightly biased towards the higher emissions from lawns which could be corrected. Still, the seasonal ecosystem CH4 budget was higher than the estimate derived from the up-scaling of microform fluxes. This is most likely due to an underestimation of microform fluxes by the chamber technique. Generally, the budget estimate derived from EC measurements was more accurate, i.e., characterized by less uncertainty than the up-scaled estimate. The developed approach depends on (1) identification and accurate measurements of all relevant microform types and (2) on spatial information which should be smaller than the footprint size of the EC measurements and available on the scale relevant for the studied process, i.e., the microform scale. The demonstrated effect of microform dynamics on the ecosystem flux highlights the importance of dealing with spatial heterogeneity of ecosystems in mechanistic modelling. For example, in LPJ-WHyMe, the ecosystem flux is simulated with mean input variables as water table level. To investigate its model performance, flux data from the rather homogeneous peatland margin and the more heterogeneous peatland centre were compared with the model output. At the homogeneous peatland margin, the ecosystem flux was clearly dominated (with a contribution of 91%) by one microform flux. In this case, one water table level as input variable could be used to estimate the ecosystem flux. However, for a heterogeneous site such as the peatland centre in this study, only one mean water table would simulate a mean microform flux but not the ecosystem flux. Consequently, it is recommended to incorporate at least one high-emitting and one low-emitting microform type in the model to increase the model performance.
  • Moore bedecken nur ca. 3% der terrestrischen Erdoberfläche, spielen aber eine bedeutende Rolle im globalen Kohlenstoffkreislauf und Klimasystem. Sie speichern rund ein Viertel des globalen Kohlenstoffs im Boden-Pool und sind mit anderen Feuchtgebieten die bedeutendste natürliche Quelle für Methan (CH4). Die daraus entstehenden Rückkopplungen mit dem globalen Klima sind noch Gegenstand der Forschung. Die entscheidenden Prozesse innerhalb des Moor-Ökosystems zu identifizieren, setzt Messungen und Modellierungen auf mehreren räumlichen Skalen voraus. Haupteinheit dabei ist die Skala von Mikrostandorten, die die kleinste Einheit des Systems repräsentieren. Um Eigenschaften des Ökosystems daraus abzuleiten werden Informationen auf diese Ebene hochskaliert. Hochskalieren setzt (1) eine genaue Abschätzung der räumlichen Heterogenität voraus und (2) ihre korrekte Aggregierung. In dieser Arbeit wird der klassische Ansatz, die gemessenen Flüsse der Mikrostandorte mit ihrer räumlichen Verteilung zu gewichten, evaluiert. Es werden (1) die Flussberechnung analysiert, (2) der Effekt der Auflösung der räumlichen Daten auf das Skalieren untersucht und (3) der geschätzte Ökosystemfluss mit einem direkt gemessenen Fluss auf dieser Skala verglichen. Darauf aufbauend wird untersucht in wie weit diese Dynamik in einem mechanistischen Ökosystem-Modell (LPJ-WHyMe) berücksichtigt wird. Die CH4 Emissionsraten wurden mit der Haubenmethode für die einzelnen Mikrostandorte ermittelt und auf der Ökosystemebene mittels der Eddy-Kovarianz-Methode. Die Quantifizierung der Emissionen von Mikrostandorten hängt von der adäquaten Flussberechnung ab. Da die Haube selbst die Diffusion zwischen Boden und Haubenatmosphäre beeinflusst, ist theoretisch von einer nichtlinearen Konzentrationsänderung in der Haube auszugehen. Mit einem Datensatz aller Mikrostandorte mit sechs Datenpunkten pro Messung wird hier untersucht, ob eine lineare oder eine exponentielle Funktion die Konzentrationsänderung in der Haube besser beschreibt. In der Mehrheit passt die lineare Regression besser. Es kann aber durchaus sein, dass ein nicht-linearer Konzentrationsanstieg mit sechs Punkten noch nicht identifiziert werden kann und daher mit der linearen Regression der Fluss unterschätzt wird. Um die räumliche Heterogenität der Mooroberfläche zu definieren, bieten Fernerkundungsdaten den Vorteil, dass sie flächendeckende Informationen liefern, die zudem genauer sind. Die notwendige hohe Auflösung (<1m) wurde in dieser Arbeit mittels near-aerial photography erreicht. Die resultierende Klassifikation der Oberfläche wird neben dem Hochskalieren zusammen mit einem Footprint Modell dafür eingesetzt, den Effekt der unterschiedlichen Oberflächen auf den direkt gemessenen Ökosystemfluss und (2) dessen räumliche Repräsentativität zu untersuchen. Es konnte gezeigt werden, dass Schwankungen des Ökosystemflusses über den Zeitraum von einem bis mehreren Tagen mit Änderungen der Oberfläche im Footprint der Eddy-Kovarianz-Messung erklärt werden konnte. Die resultierende Bilanz war geringfügig mehr beeinflusst durch die höheren Emissionen der Lawn Mikrostandorte, was korrigiert werden konnte. Die Bilanz war danach immer noch höher als die der hochskalierten Flüsse der Mikrostandorte. Dies ist wahrscheinlich auf eine Unterschätzung dieser Flüsse durch die Haubenmethode zurückzuführen. Generell ist die Abschätzung der Bilanz basierend auf Eddy-Kovarianz-Messungen genauer, d.h. mit einer geringeren Unsicherheit belegt, als die hochskalierten Flüsse. Der entwickelte Ansatz basiert auf (1) der Identifizierung und Beprobung aller relevanter Mikrostandorte sowie (2) vorhandener räumlicher Information auf der prozess-relevanten Skala, d.h. Skala der Mikrostandorte, die kleiner sein sollte als die Ausdehnung des Footprint der Eddy-Kovarianz-Messung. Der beschriebene Effekt der Zusammensetzung der Mikrostandorte auf den Ökosystemfluss zeigt die Notwendigkeit, räumliche Heterogenität von Ökosystemen in mechanistischen Modellen zu berücksichtigen. In LPJ-WHyMe z.B. wird der Ökosystemfluss mit mittleren Eingangsvariablen wie dem Wasserstand modelliert. Um die Funktionsweise des Modells zu evaluieren, wurden Messdaten vom eher homogenen Moorrand und vom heterogenen Moorzentrum mit dem Modellergebnis verglichen. Am homogenen Moorrand war der Ökosystemfluss klar dominiert von einem einzigen Mikrostandort (mit einem Beitrag von 91%). In diesem Fall kann ein Wasserstand als Eingangsvariable zur Simulierung des Ökosystemflusses verwendet werden. Für heterogene Systeme, wie dem Moorzentrum in dieser Arbeit, würde ein einzelner Wasserstand auch nur einen Fluss für einen mittleren Mikrostandort modellieren aber nicht den Ökosystemfluss. Es wird daher argumentiert, dass mindestens ein viel-emittierender und ein wenig-emittierender Mikrostandort in das Modell inkorporiert werden sollte, um die Funktionsweise zu verbessern.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author: Inke Forbrich
URN:urn:nbn:de:gbv:9-000922-1
Title Additional (German):Methanaustausch in einem borealen Moor - Integrierte Messungen und Modellierungen auf Plot- und Ökosystemskala im Moorkomplex Salmisuo, Ostfinnland
Advisor:Prof. Dr. Martin Wilmking
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2011/08/15
Granting Institution:Ernst-Moritz-Arndt-Universität, Mathematisch-Naturwissenschaftliche Fakultät (bis 31.05.2018)
Date of final exam:2011/02/18
Release Date:2011/08/15
Tag:Eddy Kovarianz, LPJ, Skalierung, Treibhausgasemission
LPJ, eddy covariance, scaling, trace gas emission
GND Keyword:Landschaftsökologie, Meteorologische Messung, Spurengas, Ökosystem-Modell
Faculties:Mathematisch-Naturwissenschaftliche Fakultät / Institut für Botanik und Landschaftsökologie & Botanischer Garten
DDC class:500 Naturwissenschaften und Mathematik / 580 Pflanzen (Botanik)