自工业革命以来, 大量化石燃料的燃烧导致大气中CO₂浓度不断上升。然而, 海洋及陆地的绿色植被通过光合作用对CO₂的吸收, 极大地减缓了大气中CO₂浓度的上升幅度(IPCC, 2007)。生态系统净CO₂交换(net ecosystem CO₂ exchange, NEE)是定量描述植被-大气之间CO₂交换的一个重要变量。由于影响因子众多, 确定NEE的主要控制因子并对其进行准确估算是陆地碳循环模型模拟研究的主要内容(Wofsy & Harriss, 2002; Mahadevan et al., 2008)。而明确模型的驱动变量及参数的优化是模型准确模拟NEE的关键(Li & Wu, 2006; 张黎等, 2009)。

目前模拟碳循环的模型主要包括统计模型、过程模型及遥感模型等。统计模型相对简单, 气候因子易获取, 但生态生理机制不是很清楚, 且估算误差大。而过程模型过于复杂, 所需参数太多, 且难以获得(朱文泉等, 2005)。自Monteith (1972)提出净初级生产力(NPP)与植物吸收的光合有效辐射(FAPAR)线性相关理论以来, 随着遥感技术和产品的推广与应用, 基于卫星遥感数据的光能利用率(LUE)模型迅速发展起来。CASA (Carnegie-Ames- Stanford Approach; Potter et al., 1993; Potter and Klooster, 1998)、CFix (Carbon Fix; Veroustraete et al., 2002)、CFlux (Carbon Flux; Turner et al., 2006; King et al., 2011)、EC-LUE (Eddy Covariance-Light Use Efficiency; Yuan et al., 2007, 2010)等均将FAPAR考虑为归一化植被指数(NDVI)的线性函数。然而, NDVI对大气条件、土壤背景及闭合冠层饱和等非常敏感(Huete et al., 1997), 可能导致利用NDVI数据模拟总生态系统CO₂交换量(GEE)存在较大的不确定性。Xiao等(2004a, 2004b)发展了一个植被光合模型(VPM), 并利用FAPAR与增强型植被指数(EVI)的函数关系代替NDVI, 结果表明对GEE的模拟得到了较大的改进(Xiao et al., 2004a, 2004b, 2005a, 2005b)。而Mahadevan等(2008)在VPM的基础上发展了植被光合呼吸模型(VPRM), 此模型考虑了GEE对光的非线性响应函数关系, 并添加了呼吸项, 可以直接计算NEE。VPRM具有两大特点: 一是需要的参数少, 二是输入变量如空气温度、光合有效辐射(PAR)、植被和水分指数等均可通过观测或由卫星反演资料获取。这些优势使得VPRM在区域碳通量模拟等方面得到了广泛的应用(Mahadevan et al., 2008; Hilton et al., 2013)。此外, VPRM还被耦合到天气预报模式(WRF, Weather Research and Forecasting Model)中, 用于反演分析大气CO₂浓度的变化(Ahmadov et al., 2007, 2009; Pilla et al., 2011)。刁一伟等(2015)将WRF-VPRM耦合模式用于长江三角洲地区CO₂通量及浓度的模拟, 发现NEE的模拟偏差是导致CO₂浓度预报误差的主要原因之一。因此, 优化VPRM模型中的关键参数, 可改进NEE的模拟, 并为三维模式提供准确的生物CO₂源。

过去20多年, 涡度相关技术被广泛用于NEE观测(Goulden et al., 1997; Hollinger et al., 1999; Baldocchi et al., 2001; Law et al., 2002)。CO₂通量观测资料已被成功用于包括VPRM模型在内的各种陆地生态系统模型参数的优化。Mahadevan等(2008)利用北美地区22个不同植被类型站点的通量观测资料对VPRM的4个关键参数(最大光量子效率(λ)、光合作用到达半饱和值时对应的光合有效辐射(PAR₀)、呼吸参数(α和β))进行了优化, 参数优化后的VPRM较好地模拟了各站点的NEE时空变化。Hilton等(2013)利用北美65个通量站点观测资料对VPRM不同植被类型的参数进行了不同时间及空间尺度优化拟合, 提出了一组较为完整且适合于北美地区不同植被类型的模型参数(λ、PAR₀、α、β)。而Yuan等(2013, 2014)将相关研究扩展到全球范围, 他们利用全球150个通量站点资料及VPRM中GEE计算公式反演得到一组与GEE有关的VPRM参数λ、PAR₀。这些研究表明, VPRM参数随各地的气候条件存在较大的变化。相对而言, 我国在这方面的研究还存在明显不足。

为此, 本研究将利用ChinaFLUX千烟洲通量站点(QYZ)的通量观测资料来对VPRM中的各关键参数进行优化处理, 并对模拟结果进行评估。旨在对参数化方法进行探讨, 提出一个适用可靠的参数化方案, 得到一组适合千烟洲亚热带常绿针叶林的VPRM参数, 并提高VPRM在千烟洲人工常绿针叶林及其同类型森林或区域的NEE的模拟能力, 为我国同类型森林或区域的NEE模拟提供参考, 并为进一步改善WRF-VPRM模拟区域大气CO₂浓度的时空变化打下坚实基础。

1 VPRM简介

VPRM是一种基于LUE的陆地生态系统诊断模型。它是在VPM (Xiao et al., 2004a, 2004b)的基础上发展而来(Mahadevan et al., 2008)的。同VPM相比, VPRM增加了呼吸项(R)及其相关呼吸参数α和β (在接近冻结温度时呼吸基础率), 以及用于反映PAR与光合作用关系的半饱和值参数PAR₀。VPRM的详细描述见Mahadevan等(2008)文献。本文仅对该模型做简单介绍。

如图1所示, 在VPRM中, NEE的计算包括两部分: 由光照驱动计算的GEE (式1第一项)和由温度驱动的生态系统呼吸项(R) (式1第二、三项)。其具体表达式如下,

式中, λ和PAR₀ (μmol·m^-2·s^-1)分别代表最大光量子效率(或最大光能利用率)和光合作用到达半饱和值时对应的光合有效辐射。在最适温度、无水分胁迫下的C₃植物λ值约为1/6 (Mahadevan et al., 2008)。PAR (μmol·m^-2·s^-1)代表光合有效辐射, EVI为增强型植被指数, 可用来表征植被吸收的光合有效辐射与光合有效辐射的比例(FAPAR_PAV)(Xiao et al., 2004a, 2004b)。T_scale、W_scale和P_scale分别表示温度、水分胁迫和叶面性状对光合作用的影响函数, 其计算公式如下:

式中, T代表气温(℃), T_min、T_max和T_opt分别代表光合作用的最小、最大和最适温度。当空气温度低于T_min时, T_scale取值为0 (Xiao et al., 2004a, 2004b)。我们将千烟洲站2010-2011年生长旺季(4-9月)的温度每隔3 ℃分组, 并分别计算各温度段的平均温度和GEE, 通过分析它们间的关系, 得出最适温度T_opt为30 ℃, 与刘允芬等(2006)的研究相同。此外, 本研究将T_min和T_max分别设为0和40 ℃。LSWI为地表水分指数, LSWI_max是每个站点(或模式格点)生长季内最大的LSWI值。T_scale、W_scale和P_scale的取值范围为0.0-1.0。由于千烟洲站点大部分为马尾松(Pinus massoniana)、湿地松(P. elliottii)和杉木(Cunninghamia lanceolata)等常绿松树林(刘允芬等, 2006), 因此在模拟中, P_scale设为1。(1)式等号右边第二、三项代表呼吸过程对NEE的贡献。与其他模型相比, VPRM将呼吸作用简化为温度的线性函数。其中α (μmol CO₂·m^-2·s^-1·℃^-1)、β (μmol CO₂·m^-2·s^-1)可根据观测资料进行优化调整。

显示原图| 下载原图ZIP| 生成PPT

图1   VPRM模型结构示意图。EVI, 增强型植被指数; GEE, 总生态系统CO₂交换; LSWI, 地表水分指数; NEE, 净生态系统CO₂交换; PAR, 光合有效辐射; R, 生态系统呼吸; T, 温度。

Fig. 1   Schematic diagram of the vegetation photosynthesis respiration model (VPRM). EVI, enhanced vegetation index; GEE, gross ecosystem CO₂ exchange; LSWI, land surface water index; NEE, net ecosystem CO₂ exchange; PAR, photosynthetically active radiation; R, respiration; T, temperature.

2 资料来源和方法介绍

2.1 资料来源

千烟洲站(26.73° N, 115.05° E)位于江西省泰和县, 是中国生态系统研究网络的常规观测站。风速和温度脉动采用三维超声风速仪(Model CSAT-3, Campbell Scientific, Logan, USA)测定。CO₂/H₂O密度脉动观测用红外线CO₂/H₂O气体分析仪(LI-7500, LI-COR, Lincoln, USA)。仪器安装在通量塔39.6 m高度处, 约为冠层高度的3倍。数据为连续采样, 采样频率为10 Hz, 同时存储10 Hz原始数据及30 min的平均CO₂通量值。同步观测的常规气象要素包括辐射、温度、湿度、降水等。通量塔附近1 km²范围内森林覆盖高达90%, 主要树种有马尾松、湿地松和杉木等, 平均树高为12 m, 树龄为20年左右, 属亚热带常绿针叶林。站点详细描述参考中国生态系统研究网络(http://www.chinaflux.org)、刘允芬等(2006)及米娜等(2007)文献。

EVI、LSWI等指数由MODIS卫星反演数据所得。我们采用的是美国国家航空航天局Terra卫星搭载的MODIS传感器上的8 d平均陆地表面反照率产品MOD09A1, 其空间分辨率为500 m。蓝(459-479 nm)、红(620-670 nm)、近红外(841-875 nm)和短波红外(1628-1652 nm) 4个波段的数据用于植被指数的计算。植被指数可通过以下公式(Huete et al., 1997; Xiao et al., 2002)计算:

其中G = 2.5, C₁ = 6, C₂ = 7.5, L = 1。ρ代表相应波段的地表反照率, 下标nir、red、blue和swir分别代表近红外(841-876 nm)、红(620-670 nm)、蓝(459-479 nm)和短波红外波段(1628-1652 nm)。

2.2 资料预处理和参数优化

参照ChinaFLUX通量数据后处理方法(http:// www.chinaflux.org)以及Falge等(2001)和Zhang等(2006)的方法对2010-2012年千烟洲站的NEE数据进行一系列预处理, 具体包括密度校正、坐标轴旋转、储存项计算、摩擦风速的筛选及缺测数据的插补。其中2010-2011年的资料用于VPRM参数优化处理, 2012年的资料用于VPRM模拟结果验证, 为避免可能的误差, 优化时均使用经过摩擦风速筛选、未插补的数据。采用两种不同的参数化方案, 即传统的Michaelis-Menten光响应方程(Falge et al., 2001)和VPRM计算GEE公式进行反演(式(1)中右边第一项)(Mahadevan et al., 2008)。两种优化过程均用1stOpt软件(7D-Soft High Technology Inc.)完成。由于千烟洲植被属常绿林, 因此两种方案均利用全年的资料进行优化拟合。

方案一: 由于夜间没有光合作用, 因此夜间的NEE数据表示生态系统呼吸, 首先, 利用全年夜间NEE观测值通过线性拟合得到α和β。接着利用α和β计算白天的生态系统呼吸R, 由NEE减去R得到GEE。然后利用Michaelis-Menten光响应方程(Falge et al., 2001)拟合得到λ和PAR₀, 注意此式中, PAR₀为GEE_max/λ, GEE_max为光饱和时最大的光合速率。

方案二: 与方案一类似, 先利用全年夜间NEE观测值通过线性拟合得到参数α和β。接着算出白天生态系统呼吸, 进而得到GEE。再利用VPRM中的GEE公式(即式(1)中的等号右边第一项), 拟合得到λ和PAR₀, 注意优化过程中T_sclae、W_scale、P_scale需根据实际条件进行相应的调整后连同EVI代入公式优化。

3 结果和分析

3.1 VPRM参数优化

利用千烟洲站2010-2011年的观测资料对常绿林的VPRM参数进行优化, 结果如表1所示。可以发现, 两种方案得出的λ、PAR₀差别很大。其中利用方案一得到的λ值为0.048, 而由方案二得到的λ值为0.203, 两者相差4.2倍。同时, 利用方案一拟合得到的PAR₀为514 μmol·m^-2·s^-1, 是方案二拟合值的1.49倍。在VPRM中呼吸作用被简化为温度的线性函数, 两种方法拟合得到的呼吸参数α和β分别为0.164μmol CO₂·m^-2·s^-1·℃^-1和0.906 μmol CO₂·m^-2·s^-1。导致拟合结果存在较大的差异主要与两个方案所使用的方程有关。其中, 方案一是采用传统光响应方程, 只考虑了光的响应, 而方案二考虑了光、温度、水分等多个环境因子的影响。从理论上来说, 方案二拟合结果更能反映其中的复杂关系。

3.2 VPRM模拟结果分析

3.2.1 全年NEE模拟与观测对比

将两种方案得到的参数代入VPRM模型, 对2012年千烟洲亚热带人工针叶林全年0.5 h的NEE进行模拟。与实测值对比可以看出, 采用方案二优化参数VPRM模拟的NEE相比方案一优化参数模拟的NEE值与观测更为吻合(图2)。而采用方案一参数后, VPRM模拟值明显低估白天NEE的值。由方案二优化参数得到的VPRM模拟值与观测值间的斜率达到0.73, 平均误差为-0.86 μmol·m^-2·s^-1, 结果明显优于方案一(斜率为0.17,平均误差达6.68 μmol·m^-2·s^-1) (表2)。这表明, 传统光响应方程并不适合VPRM参数的拟合。因此, 本文后面只讨论由方案二拟合参数所对应的VPRM模拟结果及与观测值的对比。

显示原图| 下载原图ZIP| 生成PPT

图2   千烟洲2012年全年VPRM模拟的生态系统净CO₂交换(NEE-VPRM)与观测值(NEE-Obs)的对比。+, 方案一参数模拟的NEE; ·, 方案二参数模拟的NEE; 黑色实线代表1:1线。

Fig. 2   A comparison of VPRM-simulated net ecosystem CO₂ exchange (NEE-VPRM) with observed NEE (NEE-Obs) for year 2012 at Qianyanzhou site. +, simulated NEE with optimized parameters of scheme 1; ·, simulated NEE with optimized parameters of scheme 2; Solid black line, 1:1 line.

3.2.2 不同生长季NEE模拟与观测对比

为进一步评价模型在不同生长季的表现, 分别对生长旺季(4-9月)与非生长旺季(10月到次年3月)的模拟与实测值进行了比较。首先需对观测数据进行筛选, 以每天有效数据大于60% (即大于29个有效数据)为标准, 对符合条件的各天观测值和相应的模拟值做相同时段平均, 从而得出生长旺季4-9月NEE平均的日变化动态。图3给出了2012年4-9月千烟洲生长旺季期间的NEE平均日变化模拟与观测的比较。从图3可以看出, 方案二参数优化后的VPRM能很好地模拟NEE “单峰”型的日变化。正午前后, NEE峰值达到最大, 观测值平均为-14.66 μmol·m^-2·s^-1, 参数优化后, VPRM模拟的NEE峰值为-13.71 μmol·m^-2·s^-1, 与观测值较为一致, 但稍有低估。参数优化得到的VPRM模拟的NEE平均误差为0.87 μmol·m^-2·s^-1, 均方根误差为1.72 μmol·m^-2·s^-1 (表2)。另外, 采用优化参数后, VPRM模型对夜间NEE的模拟仍存在一定的偏差。这可能是因为VPRM将呼吸过程简化为温度的线性函数, 而实际中生态系统呼吸过程同时受到生物和非生物过程的控制, 其关系较为复杂(张东秋等, 2005)。

显示原图| 下载原图ZIP| 生成PPT

图3   千烟洲2012年生长旺季(4-9月)模拟的生态系统净CO₂交换(NEE)与观测值的平均日变化。NEE-Obs, NEE观测值; NEE-Mod, 方案二得到的VPRM模拟NEE。

Fig. 3   A comparison between the observed and modeled mean diurnal variation of net ecosystem CO₂ exchange (NEE) during the peak growing season (April to September) of 2012 at Qianyanzhou site. NEE-Obs, observed NEE; NEE-Mod, simulated NEE with optimized parameters of scheme 2.

我们进一步给出了VPRM模拟的2012年生长旺季(4-9月) NEE与观测值之间的回归分析图(图4)。可以看到, 参数优化后, VPRM模拟的结果相比观测值基本位于1:1线附近。模型模拟NEE与观测值间的回归拟合方程为y = 0.92x + 0.65, 其斜率已趋近于1, 相关系数达0.96, 表明参数优化后VPRM能较好地模拟NEE的日变化。表2给出了对NEE模拟的详细定量评估结果。

显示原图| 下载原图ZIP| 生成PPT

图4   千烟洲2012年生长旺季(4-9月)生态系统净CO₂交换的VPRM模拟值(NEE-VPRM)与观测值(NEE-Obs)的平均日变化回归分析。黑色圆圈代表方案二得到的VPRM模型模拟NEE; 虚线为1:1线。

Fig. 4   Regression analyses between the VPRM modeled net ecosystem CO₂ exchange (NEE-VPRM) and observed NEE (NEE-Obs) during growing season (April to September) in year 2012 at Qianyanzhou site. Black circle: simulated NEE with optimized parameters of scheme 2; dotted line: 1:1 line.

接着, 我们评估了VPRM在非生长旺季(10月到次年3月)的表现。图5为非生长旺季VPRM模拟及观测的NEE平均日变化动态。可以看出, 非生长旺季NEE中午前后的峰值比生长旺季小, 如观测的平均峰值为-6.5 μmol·m^-2·s^-1, 仅为生长旺季峰值的一半。而VPRM模拟的峰值为-3.1 μmol·m^-2·s^-1, 相比观测值低估了约52%。同样, 非生长旺季夜间呼吸值(平均为2.09 μmol·m^-2·s^-1)也明显低于生长旺季呼吸值(平均为3.92 μmol·m^-2·s^-1)。VPRM模拟的夜间呼吸值平均为1.91 μmol·m^-2·s^-1, 与观测值较为接近。统计结果显示(表2), VPRM模拟非生长旺季的NEE的平均误差为0.91 μmol·m^-2·s^-1, 均方根误差为2.15 μmol·m^-2·s^-1, 即VPRM对非生长旺季的NEE模拟仍存在一定的低估。

显示原图| 下载原图ZIP| 生成PPT

图5   千烟洲2012年非生长旺季模拟的生态系统净CO₂交换(NEE)与观测值的平均日变化。NEE-Obs, NEE观测值; NEE-Mod, 方案二得到的VPRM模拟NEE。

Fig. 5   A comparison between the observed and modeled mean diurnal variation of net ecosystem CO₂ exchange (NEE) during the non-peak growing season of 2012 at Qianyanzhou site. NEE-Obs, observed NEE; NEE-Mod, simulated NEE with optimized parameters of scheme 2.

3.2.3 天气条件的影响

不同天气条件如晴天和阴天, 云对到达地表的太阳辐射有着重要影响。因此有必要讨论模型在不同天气条件下对NEE的模拟效果。图6和图7分别为2012年7月3-9日(即DOY184-190)和6月1-7日(即DOY152-158) VPRM模拟和观测的NEE时间变化序列。其中DOY184-190代表晴天天气, 而DOY152-
158代表阴雨天气。

显示原图| 下载原图ZIP| 生成PPT

图6   千烟洲2012年DOY184-190 (晴天)的生态系统净CO₂交换(NEE)模拟值与观测值对比。NEE-Obs, NEE观测值; NEE-Mod, 方案二得到的VPRM模拟NEE; GEE-Mod, 方案二得到的VPRM模拟总生态系统CO₂交换量; R-Mod, 方案二得到的VPRM模拟生态系统呼吸。

Fig. 6   A comparison of simulated net ecosystem CO₂ exchange (NEE) with observations at Qianyanzhou site during the day 184-190 of 2012 (sunny). NEE-Obs, observed NEE; NEE-Mod, simulated NEE with optimized parameters of scheme 2; GEE-Mod, simulated gross ecosystem CO₂ exchange with optimized parameters of scheme 2; R-Mod,simulated respiration with optimized parameters of scheme 2.

显示原图| 下载原图ZIP| 生成PPT

图7   千烟洲2012年DOY152-158 (阴天)的生态系统净CO₂交换(NEE)模拟值与观测值对比。NEE-Obs, NEE观测值; NEE-Mod, 方案二得到的VPRM模拟NEE; GEE-Mod, 方案二得到的VPRM模拟总生态系统CO₂交换量; R-Mod, 方案二得到的VPRM模拟生态系统呼吸。

Fig. 7   A comparison of simulated net ecosystem CO₂ exchange (NEE) with observations at Qianyanzhou site during the day 152-158 of 2012 (cloudy). NEE-Obs, observed NEE; NEE-Mod, simulated NEE with optimized parameters of scheme 2; GEE-Mod, simulated gross ecosystem CO₂ exchange with optimized parameters of scheme 2; R-Mod,simulated respiration with optimized parameters of scheme 2.

如图6A所示, 2012年7月3-9日, NEE日变化都非常一致, 白天NEE实测值的峰值为-16.06 - -20.88 μmol·m^-2·s^-1, 参数优化后VPRM模拟的NEE峰值为-18.18 - -19.16 μmol·m^-2·s^-1 (平均为-18.5 μmol·m^-2·s^-1), 与观测值非常接近。同晴天相比, 阴雨天观测的NEE (图7A)起伏变化大(如图中锯齿状所示), 且峰值出现时间不一致, 这主要是由于云对到达地面的太阳辐射的影响。表明阴雨天VPRM的模拟还需进一步改进。

为进一步理解VPRM在不同天气条件下对NEE的模拟能力, 我们分别讨论了GEE和R的模拟。图6B和图7B分别给出了晴天和阴雨天VPRM模拟的GEE和R的变化。如图6B所示, 晴天GEE峰值(约为-25 μmol·m^-2·s^-1)和R (约为5.9 μmol·m^-2·s^-1)的变化相对稳定, NEE主要受GEE控制。即VPRM对NEE的模拟准确性与光合参数λ和PAR₀有着密切的关系。另外值得注意的是, 呼吸峰值出现的时间比GEE峰值出现的时间晚1-2 h。这是因为呼吸受温度控制而GEE与PAR密切相关。由于近地层最高气温一般出现在14:00, 而PAR峰值出现在正午前后。

与晴天相比, 阴雨天GEE与R变化起伏较大(图7B)。GEE最大峰值出现在DOY 158, 当天的最大PAR达到1649 μmol·m^-2·s^-1, 而GEE最小峰值出现在DOY 152, 其最大PAR仅为304 μmol·m^-2·s^-1。由于云的遮挡, PAR变化较大, 导致阴雨多云天GEE的变化呈“锯齿状”。因此, 阴雨天模拟NEE的不确定性更大。另外, 由于讨论的阴雨天个例出现在6月初, 其温度比晴天个例(7月)稍低, 其生态系统呼吸小于7月。尽管如此, 模型仍能对这些过程进行较为准确的模拟。综上所述, 通过对模型参数(λ、PAR₀、α及β)的优化调整, VPRM较好地模拟了千烟洲站在不同天气条件下NEE的变化。

4 讨论

最大光能利用率λ是估计GEE的关键因子, 一直以来它的大小存在争议。Mahadevan等(2008)认为, 对C₃植物而言, 其平均值为1/6。本研究利用千烟洲2010-2011年两年的通量观测资料, 采用方案二(VPRM)反演得到亚热带常绿针叶林VPRM参数λ值为0.203, 高于C₃植物的平均λ值20%, 说明当其他条件相同时, 亚热带常绿针叶林有更高的光能利用率。这意味着人工种植常绿针叶林有利于减缓大气中CO₂浓度的快速升高。其具体影响有待下一步利用三维温室气体模式进一步验证。同时我们比较了其他类似研究得到的λ值, 如Mahadevan等(2008)采用相同参数化方案(方案二)得到的北美亚热带常绿林DONALDSON站点(Clark et al., 2004)的λ值为0.114。而Yuan等(2013)得到VPRM模型常绿林的λ值为0.27, 比我们得到的λ更大。Hilton等(2013)得到的常绿林的平均λ值为0.2, 与本研究基本一致。说明本研究得到的λ值处于合理范围内, 同时由于站点局地环境因子(如温度, 水分等)的影响, 又存在一定的差异。

经过参数优化后, VPRM对NEE及其日变化能够较好地模拟, 但模拟值与观测值之间仍存在一些误差, 如对非生长旺季及夜间呼吸的模拟等。误差来源主要包括: 一是模型自身结构的不足。在VPRM中, 将呼吸过程简化为温度的线性函数, 而实际上, 生态系统呼吸过程受生物和非生物过程等多种因素的影响(张东秋等, 2005)。生物过程不仅是植物本身, 还包括土壤不同生命体的呼吸和新陈代谢; 非生物过程则包括温度, 土壤水分含量, 凋落物等。目前这些因子并未考虑到VPRM中, 未来应该采用更为合适的函数来描述呼吸项与温度和其他因子之间的关系。二是通量观测数据处理方法的不完善。如何准确地将白天NEE拆分成GEE和R, 在通量研究领域仍存在一定的争议(Falge et al., 2001)。三是由卫星反演得到的植被指数的影响(Hansen et al., 2003)。卫星数据本身具有一定的噪声, 如云的遮挡及较低的精度等, 这些会导致物候期的差异。

最后需指出的是, 本研究只采用千烟洲一个站点的观测资料。当有其他类似植被类型站点的观测资料时, 现有结果有待进一步验证和完善。尽管如此, 我们仍希望将本研究的结果应用到中国其他植被类型进行交叉优化, 以便进一步完善VPRM, 从而可以准确地模拟中国区域CO₂通量的时空分布, 进而为三维模式(如WRF-VPRM等)提供准确的生物CO₂源估计, 这对理解和预测由人为因素导致的大气CO₂浓度的增加具有重要意义。

5 结论

本文利用中国通量网千烟洲站2010-2011年通量观测资料对植被光合呼吸模型(VPRM)所需参数(λ、PAR₀、α、β)进行优化, 并利用2012年观测资料对其模拟结果进行评估。在拟合过程中, 比较了两种参数拟合方案, 即传统的光响应方程(方案一)和VPRM计算方程(方案二)。利用优化后的参数, VPRM模拟了全年、生长旺季和非生长旺季的NEE, 并分析了VPRM对不同天气条件下NEE的模拟, 得出以下结论:

(1)传统光响应方程(方案一)拟合得到的光能利用率参数并不适用于VPRM模型。而方案二得到的参数更为合理。

(2)采用优化后的参数, VPRM能较为准确地模拟全年的NEE变化。对全年0.5 h NEE模拟的平均误差为-0.86 μmol·m^-2·s^-1, 相关系数为0.72。在生长旺季, 模型能够较好地模拟NEE平均日变化。但在非生长旺季, VPRM低估白天吸收峰值约52%。

(3)通过晴天及阴天个例分析, 发现VPRM能准确模拟不同天气条件下NEE的时间变化, 但阴雨天NEE的模拟存在一定的不确定性。

致谢 感谢中国生态系统研究网络千烟洲站点提供的数据, 感谢德国马普研究所Christoph Gerbig教授及爱荷华大学的Aditsuda Jamroensan博士对参数优化方面给予的帮助。

作者声明没有竞争性利益冲突.

参考文献

文献选项

• 原文顺序
• 文献年度倒序
• 文中引用次数倒序
• 被引期刊影响因子