成长呼吸速度.ppt

* Developing a new Dynamic Global Vegetation Model (DGVM) for Kyousei 2 project Hisashi SATO (FRSGC) Akihiko ITOH (FRSGC) Takashi KOHYAMA (Hokkaido Univ / FRSGC) 進捗報告（2004年7月28日、共生２連絡会議） ２．現時点までのシミュレーションの結果と評価 １．パラメーターの推定方法 ３．木本の成長に関して、現在進行中の作業 本日の目次 ?草本の成長に関する部分については、コード作成?パラメーター推定ともに完了。そこで、木本を含まないバイオームについて、予備的なシミュレーションを行った。 作業状況と今後の見通しの概略 ?木本の成長に関しては、モデルの構造を一部変える部位があり、現在、コード変更を進めている。これが完了した後、木本に固有のパラメーター推定を経て、全バイオームのシミュレーションが可能となる。 ?その後、全球でのシミュレーションを可能とするためのコード改変作業、および並列化を行い、世界地図を出力させる。 葉の平均寿命(month) Reich et al. (1997) 利用した相関関係 Ryan(1991) 各組織の窒素含有比 (mmol/mol C) 最大光合成速度 (nmol/g/s) 葉の窒素含量 (mg/g) Specific Leaf Area (cm2/g) 維持呼吸速度 (mmol/mol/h) Friend et al. (1997) 幹の窒素含有量 = 0.145×葉の窒素含有量 根の窒素含有量 = 0.86×葉の窒素含有量 葉の平均寿命 単位葉重当の 最大光合成速度 葉の窒素含有比 ＳＬＡ（葉重当の葉面積） 幹の窒素含有比 根の窒素含有比 各組織の 維持呼吸速度 パラメーター推定カスケード モデルインプット 単位葉面積当の 最大光合成速度 実際にシミュレーションで使用される値 直接は使用されない値 Turnover rate １．葉 ２．幹 ３．根 単純に葉寿命（モデルインプット）の逆数とした LPJに従って、0.05/yearと仮定。今後変更する可能性有り Richard et al.(2000)を元に、以下の方法で算出 木本は0.1とした C4草本は0.9とした C3草本は0.4とした Gill Jackson(2000) 成長呼吸速度 Pooter(1994) 代謝経路などから推定した 各化合物の成長呼吸量 これらの情報を元に、組織毎の成長呼吸量を推定することができる。 複数の種において調べた 各器官の化合物構成 生物組織を構成する化合物 シミュレーション条件 気象データ：T106グリッド毎、1日毎にまとめた10年間の平均気象データ （気温?地下10㎝温度?地下200㎝温度?雲度?降水量?湿度?風速） 場所の情報：一度グリッド毎にまとめたデータ （標高?土壌アルベド?Saturate point?Field capacity?Matrix potential?Wilting point） 草本はC3型とC4型の２種類のPFTから構成され、各グリッドにいずれか片方が優占する。そして、この優占型が林床面積の9割に分布し、優占しないタイプが残り1割の林床面積に分布する。 木本は定着しない。攪乱（火災）も起きない。 前年1年間の単位面積当たりNPPが高い方の草本タイプが、次の年の優占型と切り替わる。 シミュレーション１　（TEMデータセットを用いた炭素動態の検証） Simulated (3000yrs) Observed データは、各データ項目の最大値を1.0とするよう規格化した GPP：総生産 NPP：純生産 CV:バイオマス炭素量 CS:土壌炭素量 ※ シミュレーション２　アメリカ大平原における降雨量とNPPとの関係 地上部NPP(g dm/m2/yr) 年間平均降雨量(mm) Sala et al. (1988) 元々の 降雨量 元々の 降雨量 Osage (N 36.95, W 96.55) Central plains (N 40.82, W 104.77) 定数倍に加工した日平均降雨量を入力データに用いてシミュレーションを行った結果 アメリカ大平原では、ＮＰＰは主に年間降雨量によって規定されている それなりに近い傾向を示すが、降雨量が少ない時のＮＰＰ低下はシミュレーションの方が著しい Desert Pasture Tundra Wetland Savanna 横軸は実測値、縦軸はシミュレーション値、（いずれもg C/m2/year） シミュレーション３ （Osnabrückデータセットを用いたNPPの検証） Grass