论文部分内容阅读
全球气候变化近年来持续受到各国政府和科研机构的关注,其中温室气体,尤其是CO2的减排与固定为核心问题之一。陆地生态系统作为最活跃、受人类干扰最大的碳库,其平衡与稳定对于地球生态系统意义重大。各国科学家通过实地测量、模型模拟、同位素标记等方法,期望对陆地生态系统的碳循环进行估算、模拟和预测,以便及时发现和应对气候问题。随着研究的深入,模型模拟可以揭示陆地生态系统内在规律、进行时空推演的优点逐步体现,受到广泛的应用和发展,尤其是以Biome-BGC为代表的生态过程模型,具有机理性强、适应性广的特点。但是在应用的过程中,由于生态过程模型参数众多,为了得到相对精确合理的结果,需要对模型参数特征进行分析。首先需确定参数的敏感性,关于参数的敏感性开展的研究较多,已有很多重要的结果。但同为敏感性参数,不同参数又具有时空异质性,特别是一些时空异质性较大的参数,在参数取值方面,更需精确地率定,投入更多的精力。然而目前有关敏感参数时空异质性的研究相对较少,尚未形成比较成熟的理论方法和体系。鉴于此,本文以Biome-BGC生态过程模型为例开展其敏感参数时空异质性方面的研究,以期丰富参数敏感性及时空异质性研究方面的理论和方法,加深对生态过程模型参数特性的进一步认识。本文通过构建参数敏感性判别指数,筛选出Biome-BGC模型在常绿阔叶林、落叶阔叶林、C3草地三种植被类型下的敏感参数,并在每种植被类型下选取两个实验站点,使用模拟退火算法结合实测通量数据构建目标函数,对筛选出的敏感参数进行逐月优化。同时构建时空异质性判别指数对模型敏感参数的时空异质性进行定量分析。研究结果显示:Biome-BGC在三种植被类型下的敏感参数不尽相同,其中常绿阔叶林包括年内叶和细根的转化比例等12个参数,落叶阔叶林包括当前生长部分的比例等12个参数,C3草地包括细根碳氮比等12个参数。同时,Biome-BGC模型敏感参数具有不同程度的时空异质性;同一植被类型下不同参数表现出不同的时空异质性,同一参数在不同植被类型下时空异质性的表现也不尽相同。其中在常绿阔叶林植被类型与落叶阔叶林植被类型下细根碳与叶碳分配比例的时空异质性最高,判别指数分别达到了0.3776与0.3928,C3草地植被类型下比叶面积的时空异质性最高,判别指数达到了0.3506。在三种植被类型下,细根碳氮比、比叶面积等与季节、环境变化密切相关的参数时空异质性较高,而与植被生理生态相关的Rubisco中叶氮质量分数、叶片碳氮比等参数时空异质性不明显。另外,在三种植被类型下,敏感参数的时间异质性与空间异质性大都表现出明显的线性相关特征,时间异质性大的敏感性参数其空间异质性往往也大,作为两者乘积的时空异质性也相对大,反之亦然。以敏感性作为纵向维度,以时空异质性为横向维度,对三种植被类型下的敏感参数进行分类,将模型的敏感参数划分至五个子集。其中敏感性和时空异质性都较大的参数作为第一个子集,时空异质性较大而敏感性较小的作为第二个子集,敏感性和时空异质性都较小的作为第三个子集,敏感性较大而时空异质性较小的作为第四个子集,时空异质性极小的作为第五个子集。在今后优化和确定生态过程模型参数时,可以通过模型敏感参数的时空异质性分析,对不同特征的参数采取不同的优化策略。对于敏感性较高但时空异质性较小的参数类别,只需要在一个站点的一个时刻对其进行确定,便可以推广到其他时间和区域;对于敏感性较高时空异质性也较高的参数,则需要根据具体的时间和空间条件进行动态的优化。