準確量化和預測陸地生態(tài)系統(tǒng)碳水通量對于理解陸氣間相互作用，預測未來氣候變化和控制溫室效應具有重要意義。通量觀測和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測精度較高，但觀測范圍局限、站點分布不均勻，易受環(huán)境影響，難以區(qū)域擴展；模型模擬可實現(xiàn)不同尺度參量估算，但由于理想化假設、模型參數(shù)和驅(qū)動數(shù)據(jù)等限制，導致其模擬結果往往與真實值存在較大偏差。模型-數(shù)據(jù)融合方法主要是通過參數(shù)估計和數(shù)據(jù)同化兩種技術集成觀測和模型信息，建立兩者相互制約調(diào)節(jié)的優(yōu)化關系，以提高模型結果與真實值之間的匹配程度。基于該思路，本研究在地面觀測數(shù)據(jù)、遙感衛(wèi)星資料以及相關氣候環(huán)境數(shù)據(jù)基礎上，重點突破全球動態(tài)植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數(shù)優(yōu)化方法，獲取適宜中國的參數(shù)化方案：在此基礎上，引入數(shù)據(jù)同化算法，將遙感衛(wèi)星產(chǎn)品信息與模型相融合，在模擬過程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進的模型推廣至中國區(qū)域，實現(xiàn)對20002015年中國地區(qū)總初級生產(chǎn)力（Gross Primary Productivity GPP）和敬發(fā)（Evapotranspiration，ET的空間格局模擬及分析。主要結論如下1）將LP」DGwM中所選出的22個可調(diào)參數(shù)（涉及光合、呼吸、水平衡異速生長、死亡、建立以及土壤和掉落物分解共七個作用領域）在各自取值范圍內(nèi)隨機獲得不同的參數(shù)組合，結果表明22個參數(shù)可引起GPP和ET模擬結果產(chǎn)生較大的不確定性，尤其集中在生長季。所有站點GPP相對不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對不確定性RU月變化趨勢明顯，且基本處于0.5以下，明顯低于GPP，說明所篩選的22個參數(shù)對GP模擬產(chǎn)生的影響更為顯著。
標簽：
數(shù)據(jù)融合
上傳時間：
2022-03-16
上傳用戶：shjgzh
