论文部分内容阅读
大气CO2反演法是一种“自上而下(Top-down)”的碳源汇估算方法,它通过大气CO2浓度模拟值和观测值的差异来调整、优化碳源汇估算值。该方法现已成为碳循环研究的重要方法之一。受CO2观测站点数量不足、数据分布不均及观测指标不统一等限制,大气CO2反演法往往只能用有限的站点观测数据去估测全球几十个(22-100)区的平均碳通量的分布情况,其模拟结果的精度、时间和空间分辨都比较低。鉴于以上研究的不足,我们将卫星柱浓度观测数据GOSAT(The Greenhouse Gases Observing SATellite)引进大气反演模型,发展卫星—地基CO2的联合同化方法,并把这改进的方法应用于中国区域,估算出中国陆地生态系统碳源汇时空分布图。论文主要工作和成果总结如下: (1)CarbonTracker与GOSAT柱浓度数据的对比分析 CarbonTracker和GOSAT的全球柱浓度平均差异为-0.11±1.81 ppm,其中最大偏差(-0.66±1.72 ppm)和最小偏差(-0.01±1.71 ppm)分别出现在冬天和秋天。柱浓度数据呈现观显的纬度梯度变化特征,观测与模拟值间的最大纬度梯度偏差(~4 ppm)出现在0-15°N,这说明该区的CarbonTracker浓度估测结果不确定性十分大。研究同时发现,北半球陆地CO2浓度观测与模拟值之间相关性较好,CarbonTracker模型能捕获到GOSAT柱浓度80%以上的信息。但在南美洲和澳大利亚由于观测数据的不足及大气传输过程的缺陷,CarbonTracker模型只能捕获到观测变化的50-60%的信息。 (2)卫星-地基CO2联合同化的实现 将高空间覆盖率的卫星观测数据引入到大气反演模型CarbonTracker中,改进其观测资料同化方案,实现了地基-卫星联合同化,提高碳源汇模拟结果的时空分辨及精度。卫星-地基CO2联合同化的实现,将大气CO2反演研究推进到一个新发展阶段,为我国的气候谈判提供有力的科学手段。这也是本研究的特色和创新之处。 (3)中国区陆地生态系统碳源汇的模拟和分析 我们用卫星-地基CO2联合同化方法模拟出了2010年间中国区陆地生态系统碳源汇分布情况。结果表明,中国陆地生态系统是一个大气碳汇,2010年间吸收了-0.29±0.27 Pg C/yr碳,占该区化石燃料燃烧数据(+2.32 Pg C/yr)的13%。我们为中国陆地生态系统碳汇估测结果提供了两套不确定性范围:一是同化系统自带的高斯不确定范围G-uncertainties(Gaussian uncertainties,±0.27Pg C/yr);另一个是敏感性测试所提供的是不确定范围A-uncertainties(Alternative uncertainties,-0.19至-0.42 Pg C/yr)。中国陆地生态系统绝大部分碳汇分布在森林(-0.13 Pg C/yr)、草地(-0.08Pg C/yr)及农田(-0.06 Pg C/yr)生态系统中。其中,我们认为农田碳汇估测结果可能被卫星-地基联合同化系统高估,这是由于大气CO2反演法不能检测到农作物收割及农产品消耗这种由于人类活动所引起的“CO2侧向传输过程”。与单独地基同化结果作对比,其结果表明卫星柱浓度数据的引入,提高了同化系统对中国陆地碳汇的估测精度和强度。