全球植被叶面积指数未来变化趋势研究

Accurate projection of global vegetation growth is important for accurate projection of future Earth climate. This project intended to collect and synthesize the published field LAI measurements, high resolution remotely-sensed LAI products and complementary field LAI measurements, and to establish a global LAI references database. This global LAI reference database will be used to help generate a consistent and accurate long-term LAI product based on radiative transfer theories and machine learning algorithms. The Coupled Model Intercomparison Project Phase 5(CMIP5) models will be evaluated and weighted based on their performances on reproducing changes in global LAI as compared to our newly-developed global LAI products. The optimally weighted CMIP5 models will be used to predict the future changes in global LAI for the 21st century under different scenarios. This project can not only provide a relatively reliable global LAI product for future researches but also can significantly improve the reliability of the projection of future global vegetation LAI under different scenarios, which are important for building the scientific basis for the establishment of future policies on ecosystem management.

准确预测未来全球植被生长变化对于提高地球未来气候预测的准确性具有重要意义。本研究拟整合已有地面观测植被叶面积指数（Leaf Area Index, LAI）数据、中高分辨率LAI遥感数据和补充样方观测数据，基于遥感辐射传输理论和机器学习模型反演一套兼顾一致性和准确性的全球植被LAI时间序列数据。在此基础上，利用该LAI数据对耦合模式比较计划第五阶段模型模拟全球植被LAI动态变化的能力进行评估并据此为各个模型赋予最优权重，基于最优模型组合预测不同排放情境下未来全球植被LAI的变化。本研究的实施不仅为后续相关研究提供相对可靠的全球植被LAI历史观测数据，而且还将显著提高多种情景模式下的全球植被LAI变化趋势预测的可靠性，为未来全球生态系统管理和相关政策制定提供更加科学的理论依据。

准确预测未来全球植被生长变化对于提高地球未来气候预测的准确性具有重要意义。然而，目前评估植被生长动态的长时间序列数据集具有一定的不确定性，模拟未来植被生长变化的模型方法也存在不足之处。本项目针对当前全球植被指数长时序产品存在的一系列问题，生产了一套1982-2020年全球中高分辨率的高质量数据集（归一化植被指数产品和叶面积指数产品），为气候变化背景下的全球植被动态和长期趋势研究提供坚实有力的数据支撑。所提出的理论框架可为其他遥感陆表参数产品的生产提供借鉴意义。其次，本项目对全球植被响应二氧化碳施肥效应变化趋势的重要研究进展进行了深入探讨，强调除了要充分考虑遥感时间序列数据的不确定性和统计分析模型的内在缺陷外，还有必要结合站点观测资料和生态系统模型模拟等方法，更加审慎地探讨二氧化碳施肥效应的时空变化问题。本项目探讨了地球系统模型中的陆地生态系统模块性能的影响因素，针对当前基于单一变量的评估方法存在的问题，提出了基于多个关联变量和基于有明确的物理意义的Emergent Constraints两种方式相结合的未来评估方向。项目定量分析了近20年北半球植被光合作用和冠层结构季节峰值的时间差异及其驱动机制。研究指出大气CO2浓度升高驱动了植被光合作用达峰时间提前，而气候和营养等因子限制了植被冠层结构达峰时间的优化调整，导致过去20年北半球植被光合作用和冠层结构季节峰值的时间差异显著增加，该研究为理解植被光合作用能力季节动态的内在驱动机制提供了新的视角。本项目采用CMIP5模型评估及预测未来全球植被LAI，系统探究了全球植被对未来气候变化的响应。结果表明，未来大气二氧化碳浓度增加是驱动全球植被叶面积指数上升的主要因子，但未来气候变化会从一定程度上削弱二氧化碳施肥效应。基于可靠集合平均策略下的CMIP5和CMIP6模型对21世纪全球植被生长变化提供了可靠的预估，为未来地球研究提供了重要参考。