论文部分内容阅读
根据全球碳计划2015年（Global Carbon Project,2015）公布的二氧化碳（CO2）释放与吸收之间的定量关系,得出碳在大气-陆地-海洋之间的储量存在极大的不确定性。由工业生产、化石燃料燃烧、土地利用变化等释放的CO2,约有40%被陆地生态系统吸收,而森林是陆地生态系统CO2的重要吸收源,定量估算森林生态系统碳通量对植被碳循环、不确定性研究和植被对气候变化的响应具有重要意义。当前针对碳通量的定量估算方法包含两种:观测和模拟。观测方法以涡动相关法为代表,可直接测量生态系统与大气间物质和能量的交换量,站点应用较为可靠。模拟手段主要通过模型模拟碳通量,包括基于遥感的光能利用率模型和生态过程模型,但这两种模拟手段针对不同尺度不同研究对象,各有优缺点和适应范围。观测手段可准确描述森林碳通量,但空间扩展受限,难以获取空间连续的碳分布图;模型模拟也存在诸多问题,如参数校正困难,输入数据、模型本身带来的误差以及误差传递等问题。文中以时间序列气象数据、通量观测数据、遥感数据等为数据源,耦合基于遥感的光能利用率模型与生态过程模型,校正生态过程模型参数,在此基础上利用数据同化技术将观测数据引入到模型中,实时纠正模拟过程中产生的误差,并将站点研究结果推广至黑河上游祁连山和内蒙古大兴安岭地区,完成了研究区时间序列森林碳通量的模拟,分析了碳通量对气候变化的响应。主要结论如下:（1）MODIS MOD17 GPP（MOD17）是全球1km尺度的GPP/NPP产品的估算模型,该模型区域尺度模拟简便易行,关滩和长白山森林通量观测站的模拟结果均表明,原始产品的季节变化趋势与通量观测数据基本一致,但在站点的估算存在整体低估现象。因此,文中针对模型输入数据和模型参数进行了优化,气象数据采用自动气象站观测值,最大光能利用率参数利用通量观测数据进行了重新标定,f PAR采用全球陆表参量特征产品（Global Land Surface Satellite,GLASS）,改进后的模型精度与原始产品相比有了很大提高（关滩站:R2=0.91,RMSE=5.05 gC/m2/8d;长白山站:R2=0.93,RMSE=8.74gC/m2/8d）。（2）biome-bgc是复杂的、非线性的过程模型,生理生态参数众多且相关性强,参数逐一校正困难。因此,文中针对不同森林类型展开了全局性的参数敏感性分析—扩展的傅里叶幅度敏感性分析法（extendedfourieramplitudesensitivitytest,efast）,可以得到各参数独立作用的一次敏感度以及相互作用敏感度,从而确定需要校正的关键参数。文中分别在祁连山青海云杉林和长白山阔叶红松林中选取一定数量的具有空间代表性的森林样本,校正生态过程模型敏感参数,校正过程中利用优化的mod17模拟得到的8天gpp拟合biome-bgc模拟的gpp,拟合结果达到最佳时,即可获得模型的最优参数值。经站点通量观测数据验证表明,校正后的biome-bgc模型在站点模拟较为准确（关滩站:gpp,r2=0.79,rmse=1.15gc/m2/d,nee,r2=0.69,rmse=1.09gc/m2/d;长白山站:gpp,r2=0.87,rmse=1.58gc/m2/d,nee,r2=0.62,rmse=0.34gc/m2/d）。（3）针对模型模拟过程中由于模型本身、模型参数以及输入数据等因素产生的误差,将时间序列glasslai同化到校正的过程模型中,可有效提高模型模拟精度。文中在关滩和长白山森林通量站利用集合卡尔曼滤波（enkf）算法将glasslai同化到biome-bgc模型中,同化窗口为8天,观测算子为1,结果表明,同化前后站点的碳通量模拟结果有了明显改进,关滩和长白山森林通量站的gpp模拟结果与通量观测的决定系数r2分别提高至0.84和0.92,rmse分别提高至1.01gc/m2/d和1.26gc/m2/d,nee模拟结果与通量观测的决定系数r2分别提高至0.74和0.67,rmse提高至0.99gc/m2/d和3.04gc/m2/d。（4）biome-bgc参数经全局标定后,基于区域的glasslai产品,利用enkf算法,估算了黑河上游祁连山和内蒙古大兴安岭地区20002012年时间序列的森林碳通量产品。并对区域npp结果进行了趋势分析,经统计,祁连山地区98%的森林区域npp表现为下降趋势,其中44.5%的区域npp表现为明显下降（p-value<0.05）;大兴安岭大部分森林区域npp呈增长趋势,20.2%的区域森林表现为明显增长（p-value<0.05）。祁连山地区森林npp与温度、降水和下行短波辐射主要为正相关,与饱和水汽压差为负相关;大兴安岭地区森林npp主要受降水、下行短波辐射和饱和水汽压差的影响。以往研究中存在森林碳通量的模拟难以在空间和时间尺度扩展、生态过程模型参数本地化困难等问题,本文的创新点在于通过优化的遥感模型与生态过程模型耦合的方式在空间上校正了biome-bgc模型的敏感参数,并实现了森林碳通量时间和空间上的连续模拟和动态分析。另外,将时间序列GLASS LAI产品同化到模型中,将各项误差引入到模型模拟的整个过程,实时纠正模拟过程中可能产生的偏差,整合了观测数据准确可信以及模型模拟的可扩展等优点。本研究区域尺度的动态分析结果可为森林资源的可持续利用和管理提供技术支撑,为解决气候敏感区域的生态环境问题提供科学参考。