欧亚干旱区碳水通量多模式动态模拟及分析研究

Accurate estimation of the temporal and spatial distributions of carbon and water fluxes in drylands and analysis of their driving forces is of great important to understand the ecosystem functions of the drylands. Most of current study on parameter corrections in models have been focused on site lever or small regions, lacking of researches on the regions at large scale with various vegetation types. Solely through observation or model cannot accurately obtain continuous spatial distribution of carbon and water fluxes. It is urgent to use data assimilation technology to take full advantages of both observations and models. We plan to study in parameter estimates for ecological processed model at large region with various vegetation types. Based on remote sensing models, we will correct sensitive parameters of ecological processed model to obtain a set of driving parameters that are suitable for Eurasian Drylands. Meanwhile, we will explore the potential of different assimilation methods (e.g. 4DVar, EnKF and PODEn4DVar) in integration of observations (including remote sensing and site level datasets) and ecological models. Through sensitivity tests of parameters in data assimilations and error analysis based on covariance, we target to increase model estimation accuracy, and finally develop a multi-model dynamic estimation model for carbon and water fluxes. This study aims to realize highly accurate estimation for carbon and water fluxes, and analyze the key drivers for changes of carbon cycles for the Eurasian Drylands.

准确模拟干旱区碳水通量时空格局及驱动机制，对探明干旱区生态系统功能具有重要意义。现有模型参数校正方案大多是围绕站点或小区域展开，缺乏针对大尺度多植被类型区域的参数校正研究。单一的观测或模型无法精确获得连续的碳水通量空间分布，急需引入同化技术以实现观测和模型的优势互补。针对生态过程模型对参数的准确需求和碳水循环高精度模拟的需要，本研究拟重点突破大尺度多植被类型生态过程模型的参数估计问题，以遥感参数模型为基准，校正生态过程模型敏感性参数，发展适合于欧亚干旱区植被的生态过程模型驱动参数集。同时，深入挖掘多种同化技术（4DVar、EnKF、PODEn4DVar等）在实现观测-模型有效融合的潜力，开展多同化算法参数敏感性实验及基于协方差的误差处理研究，以提高碳水通量估算精度，最终构建集成遥感和生态过程模型以及数据同化优势的碳水通量多模式动态估算模型，实现欧亚干旱区碳水通量的高精度模拟及驱动因素分析。

项目基于通量站点数据、遥感观测数据和气候环境数据，针对大区域尺度碳水通量高精度模拟和干旱区植被资源管理的实际需求：.1）开展了遥感参数模型和生态过程模型的参数校正研究，通过模型结构对比建立了优化后的光能利用率模型，通过参数不确定性分析获取了参数优化后的模型模拟方案，提升了模型模拟的精度。综合考虑光能利用率模型模拟中存在的参数不确定性、输入数据不确定性和模型结构不确定性三个方面，对植被生产力估算模型的不确定性进行综合分析；利用EFAST算法和模拟退火法进行LPJ-DGVM（Lund-Potsdam-Jena Dynamic Global Vegetation Model）关键参数优化，获取了更适用于大尺度特定研究区的参数化方案。.2）开展了基于遥感观测-模型融合的数据同化研究，引入了遥感土壤湿度和植被参量，构建了土壤和植被多通道参数联合同化系统（LPJ-Vegetation and soil moisture Joint Assimilation，LPJ-VSJA），降低了模型模拟的不确定性，提升了生态过程模型LPJ-DGVM的模拟精度，尤其是在干旱和半干旱地区。为提高LPJ-DGVM的预测能力设计了三种同化方案，分别是基于PODEn4DVar同化算法单独同化叶面积指数（GLASS LAI产品）与表层土壤湿度（SMOS 和SMAP土壤湿度数据），以及两者的联合同化。.3）开展了区域碳水通量时空格局多尺度模拟与评估研究，发现构建的同化系统LPJ-VSJA可有效改善LPJ-DGVM模型的碳水通量模拟精度，其空间模拟具有可扩展性和稳定性。研发了遥感数据和通量观测数据驱动的尺度扩展方法，构建了全球半干旱区碳水通量尺度扩展遥感模型（FluxScale)，实现了遥感空间数据和地面观测数据的有效集成，在保证模型易于构建的基础上有较好的估算精度。.4）开展了碳水通量时空分布格局和驱动力分析研究，发现在受水分限制的干旱区和半干旱区，降水是碳水通量的主要控制因素，气候因子对碳水通量的影响具有明显的区域差异性。.通过引入同化技术，本项目建立了不同时空尺度干旱区碳水通量的高精度动态模拟方法和系统，厘清了生态系统碳源汇强度及其变化规律，为陆地生态环境与保护、缓解水资源短缺和改善其利用效率等提供科学依据。