林分尺度森林碳通量过程机理研究

Accurate simulation of forest carbon fluxes in stand scale is essential to the study of forest ecosystem function and refined management for forest managers. Currently, any individual methods, such as eddy covariance measurements, remote sensing, and process-based model, cannot acquire continuous and consistent forest carbon fluxes with high temporal-spatial resolution. In terms of precise forest monitoring, this project will carry out regional forest carbon fluxes simulation with forest stand scale. Serving in high accurate simulation of carbon fluxes and correcting model errors timely, this project proceeds data assimilation research, and builds appropriate remote sensing observed data-model assimilation scheme. Finally, this strategy can realize the temporal-spatial forest carbon fluxes simulation in regional scale.

准确模拟林分尺度森林碳通量产品，对于寒温带森林生态系统功能研究、林业部门精细化管理具有重要作用。目前通量观测、遥感反演、生态过程模型等单一的方法均无法获得高时空分辨率且连续一致的碳通量产品。本研究旨在从森林资源精细监测的角度出发，开展区域森林碳通量的林分尺度模拟。服务于模型对高时空分辨率遥感观测数据的需求，开展数据融合算法，提供高精度数据；服务于模型的高精度模拟以及实时纠正模型误差，开展遥感观测数据-模型同化技术研究，构建适合研究区的数据-模型同化框架，实现区域尺度森林碳通量的高精度模拟。

项目基于通量站点数据、遥感观测数据和气候环境数据，针对碳通量的高精度模拟需求，通过遥感模型-过程模型耦合、过程模型区域校正及数据同化的技术提高了森林碳通量的模拟精度，并进行了区域碳通量时空序列模拟的精度评估，减少了碳通量模拟的不确定性；同时考虑到火灾作为森林碳通量的重要干扰因子，对森林碳通量有重要影响，开展了森林火灾脆弱性评估，获取了全国不同气候分区下，不同森林类型的脆弱性时空格局，及其驱动力因子。项目在执行期2019-2022年度，已完成了项目计划书中既定的任务与预期目标，主要研究成果概述如下：（1）开展了光能利用率模型的优化，并基于敏感性分析的手段获取了过程模型的关键性状参数，分析了不同参数化方案下性状参数的变异性，由此评估不同参数变异性方案下森林碳通量模拟精度的变化。（2）开展了优化后的遥感模型与过程模型耦合，以校正过程模型敏感参数，借助数据融合算法，得到了林分尺度的时间序列LAI，并将植被参数与土壤温湿度参数同时同化到校正后的模型中，模拟区域高精度森林碳通量。（3）开展了东北地区碳通量时空模拟与评估研究，分析了气象因子中温度、降水、太阳辐射、饱和水汽压差等因子对碳通量的驱动作用。（4）开展了火灾干扰下森林生态系统的脆弱性评估，基于多个环境变量、植被因子等构建了自动机器学习模型，评估了全国不同气候分区下的火灾脆弱性，得出了不同气候分区下火灾脆弱性的驱动因素。