基于PEST-Biome-BGC耦合模型的秦岭森林农田生态系统碳水通量自动化校准与模拟研究

本研究通过Python将PEST（Parameter ESTimation）参数自动优化工具与Biome-BGC模型耦合，开发了Biome-BGC-PEST软件包，实现了对模型参数的自动化校准。该封装显著简化了操作步骤并提升了校准效率，基于GPP（Gross Primary Productivity）与ET（Evapotranspiration）遥感数据对秦岭地区农林生态系统进行敏感性分析与参数优化，大幅提高了模型模拟精度（GPP的R2从0.67提升至0.89，ET的R2从0.57升至0.86），为区域生态模型应用提供了可推广的校准方案。

　　

Section snippets

Study area

秦岭山脉是中国南北地理分界线，呈东西走向，横跨甘肃、陕西与河南三省。东西长约1600公里，南北宽约100–300公里，海拔范围95–3881米（图1）。秦岭是中国亚热带与暖温带气候的分界，北邻渭河平原，南接汉水谷地。

Parameter sensitivity analysis

通过在不同植被类型覆盖的站点优化Biome-BGC模型参数，我们获得了各参数敏感性，并筛选出最具影响力的参数。敏感性分析结果表明，落叶阔叶林的GPP与ET模拟共有14个敏感参数，而常绿针叶林和灌丛草甸均仅有11个敏感参数。

Discussion

本研究使用PEST软件实现了Biome-BGC模型参数的自动估计，显著提高了参数优化效率。PEST通过多次迭代初始参数向量获得优化结果，但其步骤繁琐、操作复杂，增加了用户使用难度。本研究通过将PEST与Biome-BGC模型集成，开发出一套自动化、易用的参数优化工具，大幅降低了模型校准的技术门槛和时间成本。

Conclusions

本研究利用Python语言将Biome-BGC模型与PEST参数优化程序耦合，极大简化了模型参数估计流程，实现了自动化模型优化。通过对中国秦岭地区不同植被覆盖类型的Biome-BGC模型敏感参数进行优化验证，得出以下主要结论：

• •
  （1）新开发的Biome-BGC-PEST软件包……