论文总字数：14805字

目 录

1.引言 4

2 研究地概况 5

3.数据获取及处理 6

3.1 通量数据 6

3.2 MODIS资料与植被参数提取 6

4.模型与参数优化方案 7

4.1 模型介绍 7

4.2 参数优化方案 8

5.结果与讨论 9

5.1.两种参数优化方案比较 9

5.2 NEE观测值与模拟值对比 9

5.3 天气条件的影响 11

5.4 讨论 14

6.结论 14

参考文献 15

致谢 18

区域碳通量模型的参数优化研究

秦沛

Abstract：窗体顶端

窗体底端

Abstract: Accurate estimation of ecosystem carbon flux (NEE) is of great significance for carbon emission inversion, atmospheric carbon dioxide concentration distribution, and terrestrial carbon cycle research. Based on the flux observation data and satellite data, using the vegetation photosynthesis and respiration model (VPRM) combined with the optimization of different parameters, the long-term simulation of the NEE of the Qianyanzhou forest ecosystem was conducted, and the impact of meteorological elements on the model was analyzed. The results show that compared with the simulated values of the default parameters of the model, traditional method with Michaelis-Menten equation optimization scheme is not ideal for the NEE simulation results, and the correlation between the NEE value and the measured value of the parameter simulation using the model's own inversion is better. The average hourly average NEE simulated value and the measured value correlation is 0.75, and the average error is 0.29 mg·m^-2·s^-1. The weather conditions have a great influence on the simulation ability of the model. The correlation between the simulated NEE value and the measured value under the sunny conditions is 0.54, and the correlation between the cloudy and rainy days is reduced to 0.33. Compared with the sunny conditions, the average error is also higher.

Key words：Vegetation photosynthesis and respiration model; Parameter optimization;

Net ecosystems exchange; Qianyanzhou

1 引言

自工业革命以来，化石燃料大量使用、土地利用方式改变等因素导致CO₂、CH₄等主要温室气体浓度持续升高^[1]，从而对全球碳收支以及气候环境产生了重要影响。生态系统净CO₂交换量（net ecosystem CO₂ exchange，NEE）用于定量描述植被－大气之间碳通量的变化^[3]，是理解陆地碳循环的关键指标^[2]。因此讨论NEE时空变化的主要驱动因子，对研究陆地碳循环具有重要意义。

近几十年来，国内外研究者通过观测、数值模拟等方法对大气中二氧化碳的时空变化特征进行了一系列的研究。1995年Swinbank基于微气象理论提出了涡度相关技术，在站点尺度上准确测量了植被－大气间的NEE值，这已作为标准观测方法沿用至今^[1]。1997年全球通量观测网的建立为碳循环研究提供了可靠的数据支持，但区域碳通量研究仍然受到观测点数量的限制。随着遥感技术在碳循环领域的应用和发展，2009年碳卫星投入使用，进一步满足了区域和全球尺度上的生态系统碳收支研究^[3]，然而卫星与遥感资料反演结果具有较大的不确定性，必须结合地面观测网数据，通过数值模型反演来验证区域尺度上的遥感结果。

碳通量模型是准确评估区域碳通量收支、研究温室气体浓度时空分布和传输特征的重要手段。1972年Monteith提出了净初级生产力与光合有效辐射线性相关理论^[2]，其后衍生出 Thornthwaite Memorial、Chikugo和Miami等统计模型。这些统计模型结构简单，但忽略了植被的生理生态过程，具有较大的局限性 ^[3]。1990年后，基于卫星遥感的光能利用率模型快速发展^[2]，模型在考虑植被吸收的光合有效辐射比例（FAPAR）以及植物的呼吸作用的基础上，结合卫星资料反演的植被指数（NDVI等）和气象资料（温度、湿度等），从而实现对生态系统总生产力（GPP）的估算^[3]。Maselli等基于DEM和SPOT-VGT NDVI（SPOT-VEGETATION normalized differential vegetation index）等辅助数据，利用C-Fix 模型模拟估算了意大利区域尺度的森林生态系统生产力，发现对区域尺度森林总生产力的估算较为准确。但是由于NDVI对大气环境、土壤状况、植被指数饱和冠层背景等因素十分敏感^[3]，从而导致利用NDVI模拟GEE时仍然会导致较大误差。Xiao等在C-Fix 模型基础上，引入FAPAR与增强型植被指数（EVI）的函数关系替代NDVI，同时考虑植被的光合有效辐射和非光合有效辐射，改进了光能利用率模型的缺陷，发展出植被光合模型（VPM）^[12]。2008年，Mahadevan等在VPM模型中加入植被呼吸项^[4]，建立了植被光合呼吸模型（VPRM）。与VPM相比，VPRM在使用基于卫星资料的植被指数估计生态系统总CO₂交换量（GEE）的基础上，考虑了GEE对光的非线性响应函数关系，可以直接计算NEE^[3]。VPRM模型结构简单，且具有较好的模拟精度，因此在区域碳收支上应用广泛，且可进一步耦合到天气预报模型中用于大气二氧化碳空间传输的研究。

剩余内容已隐藏，请支付后下载全文，论文总字数：14805字