中国陆地生态系统碳周转时间反演研究

The accurate estimation of carbon turnover time is crucial for the evaluation of terrestrial ecosystem carbon uptake. In this study, we integrate multi-source observational data of the terrestrial ecosystems chosen from CERN (Chinese Ecosystem Research Network) and ChinaFLUX (Chinese FLUX Observation Research Network), mainly including eddy covariance flux data and biometric data. Then, a model-data fusion method is developed to estimate the carbon turnover times of vegetation, soil and whole-ecosystem at non-steady state, comprehensively employing multi-source observation data and expert prior information as constraining variables. Based on this, we can explore the spatial patterns of carbon turnover times of vegetation, soil and whole-ecosystem in terrestrial ecosystems of China, as well as their spatial covariation with climate.

生态系统碳输入与碳周转时间一起决定了生态系统固碳能力，碳周转时间的估算是定量评估生态系统碳吸收的基础。本研究拟依托中国生态系统研究网络(CERN)和中国陆地生态系统通量观测研究网络(ChinaFLUX)，整合多源-多尺度的长期观测数据，主要包括涡度相关通量观测数据和多期的生物计量观测数据；发展多源数据-模型融合方法，有效融合多源观测数据和专家先验知识，反演非平衡态下我国不同生态系统类型的生态系统平均碳周转时间、植被碳周转时间和土壤碳周转时间；阐明我国不同生态系统类型之间以及同一生态系统类型内部的碳周转时间大小关系及其地带性规律；并进一步结合温度和降水数据，分析碳周转时间与气候因子的相关关系，探究同一生态系统类型内部和不同生态系统类型之间的碳周转时间对温度和降水响应的异同。

全球碳循环与气候之间反馈的不确定性主要来自陆地生态系统碳循环。陆地生态系统碳输入（GPP）和生态系统平均碳周转时间（Mean Turnover Time, MTT）是决定陆地生态系统固碳能力及其对气候变化响应的两个关键因素。目前，GPP的研究相对成熟且全球模拟结果呈现相对较强的一致性，碳周转时间成为陆地生态系统固碳及其对气候变化响应不确定性的主要来源。因此，准确量化生态系统MTT及其与气候的关系对理解未来陆地生态系统碳源汇变化至关重要。本研究发展了多源数据-模型融合算法，基于中国生态系统研究网络（CERN）典型森林和草地野外站的多源观测数据，反演了生态系统碳循环的关键参数并估算了生态系统碳周转时间。主要成果有：1）系统整理了中国典型森林生态系统和草地生态系统的多源观测数据，结合生态系统过程模型，集成基于数据驱动的空间数据生成技术、模型数据融合技术，建立了多源数据-模型融合系统，通过增加先验、多源约束以及经验约束提升参数反演精度。2）利用多源数据-模型融合系统反演了平衡态（SSA）和非平衡态（NSSA）两种假设下我国10个典型森林生态系统的MTT，并分析了MTT的空间格局及与气候之间的关系，以及两种假设下碳周转时间差异对碳汇估算的影响；揭示了平衡态假设对MTT大小进而对生态系统固碳能力的显著低估，分别低估了平均30%和77%；平衡态假设也低估了MTT对温度和降水等气候因子的敏感性。3）基于海北高寒草甸和海北高寒灌丛多年野外调查数据和长期监测数据，反演了我国典型草地生态系统的碳周转时间，并分析了两种草地生态系统植被、土壤和生态系统三个层次碳周转时间的差异及影响因子。本研究对深入理解全球碳循环与气候变化之间反馈关系、准确预测生态系统对未来气候变化的响应和适应具有重要意义。