如果把地表與大氣想像成一對情侶,那他們會選用什麼樣的通訊軟體來對話呢?是line、臉書,還是Messenger呢?猜猜看,是什麼?沒錯!答案就是「漩渦」,而且還是「看不見的漩渦」!在接近地表的大氣中充滿著大大小小的漩渦,而且每一個漩渦都夾藏著獨特的訊息,可以是短短的語詞、或是完整的一句話。訊息就隱身在這些看不見的漩渦中,旋轉的方向抑或向左、抑或向右,端看對方心情,但是這些看不見的漩渦總是使命必達。

【專欄】看不見的漩渦:地表與大氣之間的使者

攝於蓮華池林業試驗所4號集水區水文氣象觀測塔(陳奕穎 拍攝)

社交距離的保持

地表與大氣之間水、熱交換速率的快慢,主宰著近地表行星邊界層(Planetary Boundary Layer, PBL)的發展及其厚度之變化,亦牽動著生活在邊界層內各式各樣的生物。白天受到太陽輻射影響,地表溫度快速上升,植物進行光合作用吸收大氣中的二氧化碳,並釋放水分子,大氣因熱力作用加劇垂直方向上的運動形成不穩定的邊界層。相較於白天,夜間太陽輻射消失,地表緩慢釋放長波輻射,這樣的溫度變化適合土壤中微生物活動、分解有機質、釋放二氧化碳回到大氣,殘餘的邊界層抑制大氣垂直方向的上升運動,形成穩定或中性的邊界層。 這也是為什麼我們總是挑選傍晚或早晨搭乘熱氣球,因為熱氣球在殘餘的邊界層中飛行較為安全且易於掌控。

需要解碼的漩渦

在眾多的通量測定方式中,渦流相關法/渦流協變法(eddy covariance/correlation approach)是目前廣泛被學界應用於測定溫室氣體(包含:水氣、二氧化碳通量、甲烷通量、氧化亞氮)與能量通量的方式。該方法可透過定點或非定點,連續且高頻度的取樣方式來進行觀測,並透過流場定常性(Stationary)的假設來解析風場中大大小小不同時空尺度的渦旋,並計算其所夾帶之各類氣體濃度(溫度)與垂直風場的共變異數來推算地表與大氣之間的氣體(能量)通量,也就是渦流相關法(Wikipedia contributors, 2021)。那麼該如何界定紊流場的定常性呢?我們一般會選用15分鐘至30分鐘不等,但因儀器架設、地型地貌、地表覆蓋而改變,詳細的計算方法可參考Chen and Li(2012)或Pan and Patton (2020)等人之研究所提供的方式來計算。圖(一)為近地表大氣流場的垂直風場(左圖)與溫度場(右圖)之日循環變化與波譜圖,波譜尺度(scale)大小代表漩渦轉動的半徑大小(eddy size)。

【專欄】看不見的漩渦:地表與大氣之間的使者

圖(一)、近地表大氣流場中垂直方向風場(左圖)與溫度場(右圖)在不同波譜所解析出之訊號強度與時間序列變化;觀測時間為一日,取樣頻率為十赫茲(10 Hz),觀測地點位於中央大學地球科學院草坪。

無所不在的地下組織

渦流相關觀測系統可架設用於不同的平台上,針對特定氣體的排放與吸收速率進行量測,例如:架設在通量觀測塔上測定森林之水氣、熱能與二氧化碳等通量,架設在農田上測定施肥產生的反應性氮化物通量,見圖(二)。全球通量網(FLUXNET, https://fluxnet.org/)透過整合區域通量觀測網,例如:歐洲、美洲、亞洲、澳洲等區域通量網,協調設置不同地表覆蓋類型的測站架設,組建全球通量資料庫。圖(三)為目前亞洲通量網測站之空間分布情況。

【專欄】看不見的漩渦:地表與大氣之間的使者

圖(二)、左圖為南投-蓮華池森林集水區的通量觀測塔,紅圈處為通量塔位置,縮圖為超音波風速儀與二氧化碳分析儀;右圖為環變中心架設於霧峰-農試所之移動式反應性氮化物通量觀測系統,包含開路式與閉路式的氣體取樣系統。

【專欄】看不見的漩渦:地表與大氣之間的使者

圖(三)、不同地表覆蓋類型的通量觀測站在東亞地區的分部情況,http:/asiaflux.net/提供。

透過全球觀測網的數據整合與資源共享,全球不同的地表覆蓋物與大氣之間水、熱、質能交換數據得以整合,也揭露了地表與大氣之間的對話。例如:透過穩定與長期的通量觀測資料,研究學者取得了臺灣低海拔常綠闊葉林的年蒸發散量約為730公厘(mm)(Chen et. al., 2012),高海拔扁柏林的碳吸存速率約在每年每公頃4.3至8.6噸(ton C/ha)這個量級,但受不同資料補遺取徑所影響(吳致甄,2009)。也就是說,平均每一平方公尺的森林一天大約喝掉2公升的礦泉水,並生產出1~2頁的A4紙張。

圖(四)為年時間尺度下,全球不同生態系統(包含:常綠闊葉林、落葉林、混合林、針葉林、灌木林、草叢林、草原、農地與濕地)的碳吸存速率,初級生產力與呼吸作用之量級分布圖。這些資料除了揭露地表不同植被對二氧化碳吸收的能力,也提供了科學家在進行地表過程模式開發的重要依據,例如:如何調整與最佳化動態植被的表現能力,並允許模式正確的處理碳、水平衡與收支的計算。

【專欄】看不見的漩渦:地表與大氣之間的使者

圖(四)、年尺度下,不同生態系統(包含:常綠闊葉林、落葉林、混合林、針葉林、灌木林、草叢林、草原、農地與濕地)的生態系統淨交換速率(NEE)(a)/碳吸存速率,初級生產力(GPP)(b),呼吸作用(RECO)(c),轉載自Pastorello等人(2020)之論文。

模組化的通訊軟體–地表過程模式

地球表面存在著許多不同的地表覆蓋物,但要如何進行分類呢?科學家們嘗試根據植被本身的生物物理特性來分類,特定的植被種類,例如:常綠闊葉林、落葉林、混合林、針葉林、灌木林、草叢林、草原、農地與濕地等等,被歸類至同一種植群,因其適應環境氣候狀態改變的能力相似。因此,我們稱此種分類方式為植群功能類別(Plant functional type),就如同生活在地球上的不同地區人群通常會習慣使相同的語言來進行溝通。回頭再看看圖(四),我們可以明顯察覺出來雖然不同植群都具備碳吸存能力,但某些植群卻擁有更高的碳吸存能力,而有些則是較弱,但年際變化不大。

【專欄】看不見的漩渦:地表與大氣之間的使者

圖(五)、轉換不同森林地表覆蓋對於區域氣候暖化的貢獻,水氣放射率改變所貢獻之氣溫改變(a)、地表反照率變化(b)、氣溫變化(c)氣溫變化與物種轉換關係(d),轉載Naudts等人(2016)之論文。

為了瞭解全球暖化對地球氣候系統所帶來的衝擊,氣候學家與生態學家致力於發展可以同時考量大氣動力、地表過程與海洋環流的地球氣候系統模式,目的為了解地球氣候系統的前世與今生(許晃雄,2018)。其中,地表過程模式在過去的三十至四十年間持續不斷的精進與改良,從簡易的大葉模式進化到複雜的多層植被模型(Chen et al., 2016)。我們可以將其想像成一個模組化的通訊軟體,而這個模組化的通訊軟體被廣泛應用於了解不同地表環境變遷對地球氣候系統之影響。例如了解過去林業政策對於區域氣候變化的貢獻;在過去的二百五十年間歐洲大陸因為偏好栽種針葉樹,但其暗色系的物理特性使其吸收了較多短波輻射能,造成近地表水氣不易散去形成區域增溫的氣候變化,如圖(五)所示。

除了應用在了解過去的氣候變化,這個模組化的通訊軟體也應用在擬定未來林業管理策略,解答人類是否有機會去達成預先設定的氣候目標,洞悉不同社會經濟發展條件下可能產生的人為氣候變化(Luyssaert et al., 2018)。

結語

透過前述的介紹,了解研究工作者是如何透過了觀測技術的突破(高頻度的氣體濃度觀測)得以使用渦流相關法測定不同地表覆蓋物與大氣之間的質、能交換與變化速率,更透過全球通量網與發展地表過程模式嘗試理解氣候系統變化與地表環境改變之間的微妙關係。觀測與模擬的時間尺度從毫秒到百年,空間尺度由單一測站至洲際大陸。也許我們可以嘗試反思在臺灣這個面積不大,但在垂直梯度上卻擁有跨氣候型態之地表覆蓋。在我們所生活的環境周遭是否有那些環境改變正在悄悄的發生,卻被我們不經意的忽略,而這些環境改變對於我們的生活又存在著什麼樣的影響呢?

近期我的研究是嘗試透過重建臺灣過去百年來的土地利用變化搭配模組化的地表過程模式嘗試把這些過去被忽略的線索找回來(Chen et al., 2018, 2019),並將研究重點放在臺灣地區森林碳儲蓄量受到環境擾動的影響,就目前所獲得的模式模擬結果來看,臺灣本島的碳儲蓄量受到颱風災害損失較其他類別的環境擾動來得大,這些環境擾動分別是:人為土地利用變化、區域氣候變化以及二氧化碳施肥(Chen et al., n. d.)。探索大自然的奧妙始於人類對於環境周遭改變的好奇心與求知慾,就如同大航海時代地理學家們之於世界的探索。我們由過去三角測量的時代邁向無線通訊的時代,有許多科學資訊與數值模式正如火如荼的發展中,並透衛星觀測技術與地面觀測網得到完善。期勉自己與年輕學子保有一個赤子之心,攜手共同探索低衝擊的環境發展途徑,讓未來的地球邁向永續,川流不息。

引用文獻

Chen, Y.-Y. and M. H. Li (2012): Determining adequate averaging periods and reference coordinates for eddy covariance measurements of surface heat and water vapor fluxes over mountainous terrain. Terr. Atmos. Ocean. Sci., 23, 685-701, http:/doi.org/10.3319/TAO.2012.05.02.01(Hy)
Chen, Y.-Y., Chu, Chia-Ren, Li, and Ming-Hsu, (2012): A gap-filling model for eddy covariance latent heat flux: Estimating evapotranspiration of a subtropical seasonal evergreen broad-leaved forest as an example, Journal of Hydrology, 468, 101-110, https://doi.org/10.1016/j.jhydrol.2012.08.026
Chen, Y.-Y., Gardiner, B., Pasztor, F., Blennow, K., Ryder, J., Valade, A., Naudts, K., Otto, J., McGrath, J. M., Planque, C., and Luyssaert, S., (2018): “Simulating damage for wind storms in the land surface model ORCHIDEE-CAN (revision 4262)”, Geoscientific Model Development, 11, 771-791, https://doi.org/10.5194/gmd-11-771-2018
Chen, Y.-Y., Huang, W., Cheng, C.-T., Hong, J.-S., Yeh, F.-L., and Luyssaert, S. (n. d. , under review): Simulated impact of environmental disturbances on forest biomass in Taiwan, Journal of Geophysical Research-Biogeosciences
Chen, Y.-Y., Huang, W., Wang, W.-H., Juang, J.-Y., Hong, J.-S., Kato, T., and Luyssaert, S. (2019): Reconstructing Taiwan’s land cover changes between 1904 and 2015 from historical maps and SPOT images, Scientific Reports, https://doi.org/10.1038/s41598-019-40063-1
Luyssaert, S., Marie, G., Valade, A., Chen, Y.-Y., Djomo, S.N., Ryder, J., Otto, J., Naudts, K., Lansø, A.S., Ghattas, J., and M. McGrath (2018): Trade-offs in using European forests to meet climate objectives, Nature, 526, 259-262, https://doi.org/10.1038/s41586-018-0577-1
Naudts, K., Chen, Y.-Y., McGrath, M., Ryder, J., Aude, V., Juliane, O., and Luyssaert, S., (2016): “Europe’s forest management did not mitigate climate warming”, Science, 351(6273), 597-600, https://doi.org/10.1126/science.aad7270
Pan, Y. , and E. G. Patton (2020): Determining stationary periods across multiple sensors: An application to observed canopy turbulence response to atmospheric stability, J. Atmos. Oceanic Tech. , 37, 665-685, https://doi.org/10.1175/JTECH-D-19-0135.1
Pastorello, G., Trotta, C., Canfora, E. et al. (2020): The FLUXNET2015 dataset and the ONEFlux processing pipeline for eddy covariance data. Sci Data 7, 225 (2020). https://doi.org/10.1038/s41597-020-0534-3
Wikipedia contributors, ‘Eddy covariance’, Wikipedia, The Free Encyclopedia, 15 May 2021, 22:09 UTC, <https:// https://en.wikipedia.org/wiki/Eddy_covariance> [accessed 15 September 2021]
吳致甄,2009,棲蘭山通量站二氧化碳通量資料補遺方法之比較,國立東華大學論文。
許晃雄,2018,臺灣氣候模擬系統—探索氣候的前世今生與來世,漫步科研/科普專欄/數理科學。