论文部分内容阅读
精确估算水碳通量对陆地水碳循环研究意义重大,但同时极具挑战性。目前的估算精度有待进一步提高。传统的模型模拟和站点观测两种估算方法各有优势和不足,二者需结合进行研究。数据同化将观测融合到基于物理规律的模型中,尽可能得到模型状态变量的最优估计,为模型和观测的结合提供了一条有效的途径。本研究基于集合卡尔曼滤波(EnKF)以及无迹卡尔曼滤波(UKF)两种数据同化方法,将遥感观测的LAI(Leaf Area Index)同化进入Biome-BGC生态过程模型对蒸散发(ET)以及碳通量(NEE)进行模拟。文中以地面通量站点的实测数据作为验证数据,基于验证数据,将两种同化模拟结果分别与模型初始模拟结果和参数优化后的模拟结果进行对比,分析数据同化对Biome-BGC模型模拟水、碳通量精度的影响。主要结果如下:(1)在三种植被类型下,经EnKF和UKF两种数据同化方法将遥感观测的LAI同化进入Biome-BGC模型后模拟的LAI轨迹的变化情况更加接近观测值,ET和NEE的模拟轨迹更加接近站点实测值,模型对ET和NEE的模拟精度有所改善。(2)三种植被类型中,经两种数据同化方法对模型模拟精度改善最明显的是常绿阔叶林,其ET和NEE的模拟精度都改善非常明显,其次是落叶阔叶林最后是草地植被类型。(3)EnKF同化方法在常绿阔叶林的同化效果最好,其同化后模拟的ET的RMSE和NEE分别下降了17.16%和13.39%,NEE的误差则分别下降了20.74%和22.79%。但EnKF在草地植被类型下的表现较差,误差有所增加。UKF同化方法也在常绿阔叶林下的整体表现最好,对模拟变量的整体误差改善最明显,该同化方法在草地植被类型下表现最差。(4)在常绿阔叶林下,EnKF和UKF两种方法对改善NEE模拟精度的效果更加明显,要优于对模拟ET的改善效果。在落叶阔叶林下,两种同化方法同样地对模拟NEE精度的改善效果更加明显。而在草地植被类型下,两种同化方法则是对ET模拟精度的改善要优于对NEE模拟精度的改善。(5)对ET模拟精度改善最明显的是2004年当雄站点基于EnKF方法的同化模拟,改善效果最差的则是在2005年长白山站点基于EnKF的同化处理。而相应地,对NEE模拟精度改善最明显的是2005年千烟洲站点基于UKF方法的同化模拟,而NEE同化效果最差的则是在2003年的海北站点基于EnKF的同化处理。数据同化技术能建立建立模型与观测之间的桥梁,使模型模拟结果同时携带观测与模型信息,进而提高模型对生态系统水碳通量的估算精度,同时数据同化技术也为遥感数据深层次的信息挖掘及应用进行了拓展。