Modeling surface-atmosphere exchange of trace gases and energy within and above the Amazon rain forest

Die vorliegende Dissertation untersucht die biogeochemischen Vorgänge in der Vegetationsschicht (Bestand) und die Rückkopplungen zwischen physiologischen und physikalischen Umweltprozessen, die das Klima und die Chemie der unteren Atmosphäre beeinflussen. Ein besondere Schwerpunkt ist die Verwendung theoretischer Ansätze zur Quantifizierung des vertikalen Austauschs von Energie und Spurengasen (Vertikalfluss) unter besonderer Berücksichtigung der Wechselwirkungen der beteiligten Prozesse. Es wird ein differenziertes Mehrschicht-Modell der Vegetation hergeleitet, implementiert, für den amazonischen Regenwald parametrisiert und auf einen Standort in Rondonia (Südwest Amazonien) angewendet, welches die gekoppelten Gleichungen zur Energiebilanz der Oberfläche und CO2-Assimilation auf der Blattskala mit einer Lagrange-Beschreibung des Vertikaltransports auf der Bestandesskala kombiniert. Die hergeleiteten Parametrisierungen beinhalten die vertikale Dichteverteilung der Blattfläche, ein normalisiertes Profil der horizontalen Windgeschwindigkeit, die Lichtakklimatisierung der Photosynthesekapazität und den Austausch von CO2 und Wärme an der Bodenoberfläche. Desweiteren werden die Berechnungen zur Photosynthese, stomatären Leitfähigkeit und der Strahlungsabschwächung im Bestand mithilfe von Feldmessungen evaluiert. Das Teilmodell zum Vertikaltransport wird im Detail unter Verwendung von 222-Radon-Messungen evaluiert. Die ``Vorwärtslösung'' und der ``inverse Ansatz'' des Lagrangeschen Dispersionsmodells werden durch den Vergleich von beobachteten und vorhergesagten Konzentrationsprofilen bzw. Bodenflüssen bewertet. Ein neuer Ansatz wird hergeleitet, um die Unsicherheiten des inversen Ansatzes aus denjenigen des Eingabekonzentrationsprofils zu quantifizieren. Für nächtliche Bedingungen wird eine modifizierte Parametrisierung der Turbulenz vorgeschlagen, welche die freie Konvektion während der Nacht im unteren Bestand berücksichtigt und im Vergleich zu früheren Abschätzungen zu deutlich kürzeren Aufenthaltszeiten im Bestand führt. Die vorhergesagte Stratifizierung des Bestandes am Tage und in der Nacht steht im Einklang mit Beobachtungen in dichter Vegetation. Die Tagesgänge der vorhergesagten Flüsse und skalaren Profile von Temperatur, H2O, CO2, Isopren und O3 während der späten Regen- und Trockenzeit am Rondonia-Standort stimmen gut mit Beobachtungen überein. Die Ergebnisse weisen auf saisonale physiologische Änderungen hin, die sich durch höhere stomatäre Leitfähigkeiten bzw. niedrigere Photosyntheseraten während der Regen- und Trockenzeit manifestieren. Die beobachteten Depositionsgeschwindigkeiten für Ozon während der Regenzeit überschreiten diejenigen der Trockenzeit um 150-250%. Dies kann nicht durch realistische physiologische Änderungen erklärt werden, jedoch durch einen zusätzlichen cuticulären Aufnahmemechanismus, möglicherweise an feuchten Oberflächen. Der Vergleich von beobachteten und vorhergesagten Isoprenkonzentrationen im Bestand weist auf eine reduzierte Isoprenemissionskapazität schattenadaptierter Blätter und zusätzlich auf eine Isoprenaufnahme des Bodens hin, wodurch sich die globale Schätzung für den tropischen Regenwald um 30% reduzieren würde. In einer detaillierten Sensitivitätsstudie wird die VOC Emission von amazonischen Baumarten unter Verwendung eines neuronalen Ansatzes in Beziehung zu physiologischen und abiotischen Faktoren gesetzt. Die Güte einzelner Parameterkombinationen bezüglich der Vorhersage der VOC Emission wird mit den Vorhersagen eines Modells verglichen, das quasi als Standardemissionsalgorithmus für Isopren dient und Licht sowie Temperatur als Eingabeparameter verwendet. Der Standardalgorithmus und das neuronale Netz unter Verwendung von Licht und Temperatur als Eingabeparameter schneiden sehr gut bei einzelnen Datensätzen ab, scheitern jedoch bei der Vorhersage beobachteter VOC Emissionen, wenn Datensätze von verschiedenen Perioden (Regen/Trockenzeit), Blattentwicklungsstadien, oder gar unterschiedlichen Spezies zusammengeführt werden. Wenn dem Netzwerk Informationen über die Temperatur-Historie hinzugefügt werden, reduziert sich die nicht erklärte Varianz teilweise. Eine noch bessere Leistung wird jedoch mit physiologischen Parameterkombinationen erzielt. Dies verdeutlicht die starke Kopplung zwischen VOC Emission und Blattphysiologie.

The present dissertation focuses on the biogeochemistry of the vegetation layer (canopy) and feedbacks between physiological and environmental processes which affect the climate and chemistry of the lower atmosphere. A main task is the quantification of vertical exchange of energy and trace gases with theoretical concepts considering the links between the partitioning of energy at the leaf surface, the uptake of CO2, the emission of biogenic volatile organic compounds (VOC), the dry deposition of ozone, the vertical transport within the canopy and the ecosystem net exchange (vertical fluxes). A sophisticated multi-layer canopy model combining the coupled equations of the surface energy balance and CO2 assimilation at the leaf level with a Lagrangian description of vertical transport at the canopy level is developed, implemented, and parameterized for the Amazon rain forest and applied to a site in Rondonia, southwest Amazonia. The inferred parameterizations include the vertical distribution of leaf area density, a normalized profile of mean horizontal wind speed, the light acclimation of photosynthetic capacity, and the soil surface exchange of heat and CO2. Furthermore, the calculations related to leaf photosynthesis, stomatal conductance and the attenuation of radiation within the canopy are evaluated with field measurements. The vertical transport scheme is evaluated in detail using 222-Radon measurements at a rain forest site near Manaus. The forward and inverse solution of the Lagrangian dispersion model are assessed by comparing the observed and predicted concentration profiles and soil fluxes, respectively. A new approach is derived to quantify the uncertainties of the inverse approach from the uncertainties of the input concentration profiles. For nighttime conditions, a modified turbulence parameterization is proposed considering nighttime free convection in the lower canopy and resulting in a much lower canopy residence time compared to earlier estimates. The predicted day- and nighttime thermal stability of the canopy layer is consistent with observations in dense vegetations. Predicted diurnal net fluxes and scalar profiles of temperature, H2O, CO2, isoprene, and ozone for typical late wet and late dry season conditions at the Rondonia site show a good agreement with observations. The results suggest seasonal physiological changes with higher stomatal conductance and lower leaf photosynthesis for wet and dry season conditions, respectively. The observed ozone deposition velocities during the wet season exceeded those of the dry season by 150-250% which may not be explained by realistic physiological changes, nor by changes of canopy structure but in contrast by an additional cuticular uptake mechanism, possibly on wetted surfaces. A comparison of observed and predicted isoprene concentrations within the canopy suggest a reduction of isoprene emission capacity for shade adapted leaves and, additionally, isoprene uptake by the soil which would reduce the regional budget for Amazonia by 30%. In a detailed sensitivity study, the emission of VOC from three Amazonian tree species is related to environmental and leaf physiological parameters using a neuronal approach. The performance of individual parameter combinations serving as predictors of leaf VOC emission is compared to predictions of the quasi-standard isoprene emission algorithm using light and leaf temperature as input parameters. The standard algorithm and the neuronal network using light and temperature as input perform very well on single data sets but fail to predict the observed VOC emission, when data sets from different seasons, developmental stages, or even different species are aggregated. The unexplained variances can be partly reduced by adding information on temperature history to the network input. An even better performance is reached with physiological parameter combinations which underlines the strong link between VOC emission and leaf physiology.