高寒草甸生态系统碳循环模型数据融合研究

Recently, a lot of environmental problems appear because of carbon dioxide increasing in atmosphere. Thus, carbon cycle becomes one of the main research aspects of global change study. Many carbon flux observation methods and carbon cycle models are developed. With the increasing observation and improving of carbon cycle model, how to reduce the uncertainties in carbon cycle prediction using the multi-source observations and carbon cycle model is becoming a hot point. Therefore, a lot of Model-Data Fusion methods are presented. These Model-Data Fusion methods mainly can be divided into two aspects: parameter estimation and data assimilation. In this work, it is intended to use Model-Data Fusion method to integrate observations (site-based observation, remote sensing data and wireless sensor net observation) and carbon cycle model at an alpine meadow site. At last, the effects of uncertainties in model parameters and force data on model output will be discussed. And it will also be discussed in what extent the Model-Data Fusion method will improve the model performance.

由于大气二氧化碳浓度的升高引发了一系列环境问题，使得人们对碳循环尤为关注，碳循环成为了全球变化研究的一大主题，碳通量的各种感测手段和碳循环模型迅速发展起来。在观测多源化，模型日渐完善的今天，如何充分利用各种观测和模型，减小碳循环关键变量估算的不确定性成为迫切需要探讨的问题。针对这一问题，出现了许多模型数据融合（Model-Data Fusion）的方法，包括参数估计和数据同化。本研究拟将高寒草甸作为研究对象，通过模型数据融合方法将多源观测（站点观测数据、遥感数据、无线传感器网络的观测数据）融合到碳循环模型中，探讨模型参数、输入数据的不确定性是如何影响模型的输出结果？通过融合多源观测，对高寒草甸碳循环关键变量的估算精度有多大提高？

碳循环是全球变化研究的一大主题，碳通量的各种观测手段和碳循环模型在近年来迅速发展。在观测多源化，模型日渐完善的今天，如何充分利用各种观测和模型来减小碳循环关键变量估算的不确定性成为迫切需要探讨的科学问题。本研究以高寒草甸为研究对象，对这一科学问题进行了探讨。分析观测数据发现，高寒草甸NEP的日变化很大，在生长剂高峰期，受天气变化影响可能出现负值。不同年份春季碳通量变化也比较大，可能是生长季初期植被脆弱容易受天气干扰。冻融过程对高寒草甸碳循环模拟影响很大。在黑河上游高寒草甸，如果碳循环模型不考虑冻融过程，模拟的碳通量严重低于实测值，而考虑了冻融过程后模拟结果与实测值非常接近。光能利用模型（LUE）、基于生物化学过程的Farquhar光合模型在参数标定后都能很准确的模拟高寒草甸的GPP。光能利用率模型在GPP较高时存在低估现象。所以在对高寒草甸碳循环建模时应该采用Farquhar和气孔导度的耦合模型来作为光合过程的表达。在黑河上游，由于植被动态模型LPJWhyMe模拟的植被分布和象元中植被的组分比例存在较大的不确定性，所以导致其模拟的碳通量也存在较大误差，但是在该模型中同化了MODIS的LAI产品以后，模型的模拟结果有很明显的改善。通过以上这些研究表明，模型数据融合方法可以显著改善碳循环关键变量的预测精度。

内容获取失败，请点击重试