基于多源遥感数据的全球陆地生态系统土壤呼吸估算研究

Estimations of soil respiration on the global scale usually used meteorological data or soil organic carbon data with a coarser spatial resolution (0.5°×0.5°) as input parameters, which led to large uncertainty in season fluctuations and spatial changes of the global terrestrial ecosystem soil respiration. Our previous study found that remote sensing technology was an effective means to solve this problem. This project established a new global soil respiration observation data set and a multi-source remote sensing data set. Based on the multi-source remote sensing data products, we extracted the surface parameters that related to temperature, moisture and plant factors and analyzed the relationship of soil respiration and these remotely sensed land surface parameters using parametric model (i.e., multiple linear regression model and nonlinear regression model) and non-parametric model (support vector regression) in each biomes. Based on model evaluation indices of cross validation, we selected the optimum soil respiration model driven by remote-sensing data for different biomes. On the basis of this, we obtained the temporal and spatial distribution of annual soil respiration of global terrestrial ecosystems with a spatial resolution of 1km in recent ten years, and analyzed its temporal-spatial distribution characteristics and uncertainties. The implementation of the project will provide a new technology and method for estimation of soil respiration on the global scale, and have great significance to the accurate estimation of global terrestrial ecosystem carbon sink.

全球尺度的土壤呼吸估算通常采用空间分辨率（0.5°×0.5°）较粗的气象数据或土壤有机碳数据作为统计模型的输入参数，使得全球陆地生态系统土壤呼吸估算结果存在很大的年季波动和空间不确定性。我们前期的研究发现遥感技术是解决这一问题的有效手段。本项目拟构建最新的全球陆地生态系统土壤呼吸观测数据集和多源遥感数据集，通过多源遥感数据产品提取表征温度、水分和植被因子的地表参数，利用参数模型（多元线性回归和非线性回归）和非参数模型（支持向量机回归）分析不同生物群区土壤呼吸与遥感地表参数之间的定量关系，基于交叉验证的模型评价指标，确定适用于不同生物群区的遥感数据驱动的土壤呼吸最优估算模型。在此基础上，获取近10多年全球陆地生态系统1km空间分辨率的年土壤呼吸，阐明其时空分布特征和不确定性。该项目的实施为全球陆地生态系统土壤呼吸估算提供了一种新的技术和方法，对准确估算全球陆地生态系统碳源汇有着重要意义。

土壤呼吸描述了土壤向大气释放CO2的过程，包括土壤中植物的根、根际、微生物和动物的呼吸。全球每年因土壤呼吸向大气中释放的CO2总量，占每年大气中CO2输入的10%左右，约是化石燃料燃烧排放CO2总量的10倍。它是陆地生态系统碳循环中仅次于植被总初级生产力的第二大碳通量组分，在陆地生态系统碳循环和碳收支中占有重要地位。土壤呼吸作为一个复杂的生物化学过程，受到各种生物以及非生物因素的交互影响而呈现出明显的时空异质性。然而，目前全球土壤呼吸产品估算的全球土壤呼吸总量、时空变化趋势存在很大的不确定性，由此得到的全球土壤呼吸对气候变化的响应也存在较大差异。针对这些问题，本研究从多源遥感数据集中提取影响土壤呼吸时空变化的温度、水分和植被因子数据，结合土壤呼吸地面观测数据集，构建数据驱动的土壤呼吸估算模型，定量估算了2000-2014年全球土壤呼吸，并分析了其对气候变化的响应。具体方法包括：基于土地覆盖数据和全球气候分区数据，将全球陆地生态系统划分为10个生物群区；针对不同生物群区，结合土壤呼吸地面观测数据和遥感提取的温度、水分、植被相关的参数，构建多源非线性回归模型和机器学习模型（随机森林、支持向量机回归和神经网络）；基于可决系数和均方根误差选择适用于每一个生物群区的最优土壤呼吸统计模型估算其土壤呼吸，并生产2000-2014年全球土壤呼吸产品，空间分辨率为1km，时间分辨率为1年；结合Theil-Sen Median趋势分析和Mann-Kendall检验估算全球、区域和单个像元尺度上土壤呼吸的时间变化趋势，采用偏相关方法，分析全球和区域尺度上土壤呼吸对气候变化的响应。本研究的结果发现全球尺度上土壤呼吸变化主要受到温度的影响，但是在温带和北方区域，植被变化主导了该区域土壤呼吸的时空变化。这一系列发现有助于我们理解全球土壤呼吸的时空变化格局，并揭示了土地覆盖变化在影响全球和区域尺度土壤呼吸变化中的重要性。