利用CO2浓度观测提高地表碳通量模型估算精度的方法北京师范大学郑珩、黄文贤、黄勍摘要在全球变化科学研究中，温室效应气体CO2在地球系统中的循环成为了人们关注的焦点问题。由于生态系统的不稳定性，使得碳通量的估计具有巨大的复杂性和不确定性，提高碳通量的估计精度是全球变化研究中亟待解决的问题。本文通过对碳通量产生机制的分析，对不同植被类型区域的陆地、海洋经验碳通量采用不同参数调整的优化方案，基于极大似然方法思想、矩阵分块理论和最小二乘思想，提出一种优化已有碳通量估算结果的方法，并通过随机模拟验证了该方法的有效性。进一步，我们将该方法应用于实际数据(GLOBALVIEW-CO2,2005数据集，以及FengDeng2007文章中反演的大气传输算子、模型和观测误差方差矩阵)，改进了碳通量的估计效果。关键字碳通量大气反演最小二乘估计引言碳循环是地球上最大、最重要的生物地球化学循环。在工业革命之前，全球生物圈与大气系统处于平衡之中，碳循环也处于动态平衡状态。但是，工业革命开始，特别是近几十年以来，人类对于物质资料和能源的需求剧增，包括土地利用的改变，植被和林木的破坏，化石燃料的大量使用……使得大气中CO2浓度显著增加，打破了地球生物圈和大气圈之间的动态平衡，引发了全球气候变暖，并带来了冰川融化，海平面上升等一系列的重大环境问题，对人类的生存环境造成了极大的影响。在非传统安全领域，气候变化问题无疑是近几年国际舞台的一大焦点。陆地碳汇因其对大气CO2浓度的重要调节作用，以列入《京都议定书》，“巴厘岛线路图”及“哥本哈根世界气候大会”等国际气候谈判的重要内容。中国独特的地理形式，使其对全球气候的影响不言而喻，同时我国还面临着巨大的温室气体减排限排国际压力，因此，中国不仅需对自己的碳排放有清醒的认识，而且对全球碳排放必须有足够深入的了解，这不仅是自然科学发展的必然过程，且更具有更深远的政治意义。限于自然变化和人为活动对碳循环的双重驱动机制，以及地气系统碳交换和大气传输的复杂性，使得人们在人类活动与自然因素对碳源汇影响的科学认识上还有局限性。因此近几十年来，国内外碳循环研究已经引起了高度的重视。目前用来估计区域和全球碳通量的主要方法有3种：直接测量[1][2]，生态系统模拟[3][4][5][6][7],大气反演模型[8][9][10][11][12]，这些方法各具优势和不足。直接测量是指利用地面多站点或单站点多塔联网的碳水通量观测，通过插值获取全球碳通量的分布情况的方法。虽然全球已有500多个通量观测站，但是由于生态系统特征的空间变异性，将点的碳通量观测数据简单外推存在很大的误差。生态系统模型是利用站点碳通量观测和陆地生态系统的光合作用机制建模，可以用来模拟陆地生态系统碳循环过程的变化特征以及预测未来趋势，这种模型能很好地拟合观测站点局部的碳循环规律，相对于直接测量法已经有所改进，但应用到其他区域会存在很大的误差。模型结果的可靠性受模型结构、参数取值和输入数据质量的影响，模型参数的误差可能带来模型结果的系统性偏差。大气反演是一种利用大气CO2浓度观测提取陆地以及海洋碳通量的方法。它充分利用了大气CO2浓度变化对生态系统碳循环变化响应的信息，可以较精确地追踪出大尺度区域陆地生态系统碳汇的年际变化特征[13]。早期的大气反演只将全球分为11个陆地区和11个海洋区，时间步长年或月[14][15]。随后出现了以地理统计学为基础利用多元地表参数来直接限制大气反演结果的方法[16]。从减少设置侧边界条件带来的不确定性角度考虑，2007年Deng等[17]人发展了嵌套式的大气反演方法，以生态系统模型的输出结果作为经验碳通量。于此同时，高时空分辨率的区域大气反演方法开始出现[18]。但大气反演结果的可靠性始终取决于大气CO2浓度观测数据的密度和大气输送模型的精度，全球观测站点的稀疏在一定程度上也限制着大气反演方法的精度。由于生态系统模型存在着很大的误差，使得生态系统模型的输出结果精度较低，从而使得由它作为经验通量得到的贝叶斯估计结果精度较低。因此我们需要对经验碳通量进行参数调整，利用碳浓度观测数据优化模型参数，以提高估计精度。同时，在参数优化过程中，通常需要考虑不同植被功能类型(如常绿针叶林、落叶针叶林、常绿阔叶林、落叶阔叶林、灌木、草地、农田和湿地等),对不同植被功能类型进行不同参数的调整,以减少模型的系统偏差。本文利用CO2浓度观测数据优化地表CO2通量生态系统模型参数，基于Peters(2007，2009)[19][20]中的碳通量模型，提出了一种新的参数优化估计方法，数据模拟表明该方法有很高的估计精度。碳通量相关模型和结论陆气同化优化碳通量估计模型如下：MACROBUTTONMTEditEquationSect