基于卫星数据的2003–2020年中国每日及500米范围内净生态系统交换量的估算

《Remote Sensing of Environment》：Satellite data-driven estimation of daily and 500 m net ecosystem exchange over China during 2003–2020

中国陆地生态系统碳汇增强及驱动机制研究。本研究开发PML-V2C遥感数据驱动水碳耦合模型，以500m分辨率估算中国每日净生态系统交换（NEE）。模型通过41个涡度协方差（EC）站点验证，r=0.71，RMSE=1.85 g C m?2天?1，显示可靠性能。2003-2020年结果显示中国陆地碳汇年均增强0.041 Tg C，主要来自南方森林、北方草地和东部平原农作物的GPP增加。该模型为生态系统恢复评估和碳中和服务于决策提供新工具。

　　该研究聚焦于中国陆地生态系统碳汇能力的提升，通过开发一种基于遥感数据驱动的水-碳耦合模型，旨在更精确地估算中国陆地生态系统净生态系统交换（NEE）的变化。随着全球气候变化的加剧，陆地生物圈在吸收人为排放的二氧化碳方面发挥着至关重要的作用。然而，目前广泛使用的大型生态系统模型和大气反演产品大多具有较低的空间分辨率，通常为0.25°或更大，这使得它们难以准确捕捉复杂地形下碳动态的变化，也限制了对气候变化和土地利用变化影响的理解。

研究团队提出了一种新的模型，称为Penman–Monteith–Leuning Version 2 Carbon（PML-V2C），该模型结合了陆地碳循环过程，通过高分辨率的遥感数据进行驱动和约束，实现了对中国陆地生态系统每日NEE的高精度估算。模型的参数在41个中国不同植物功能类型（PFTs）的涡旋协方差（EC）通量塔站点进行了校准，显示出强大的性能，相关系数达到0.71，均方根误差（RMSE）为1.85克碳每平方米每天。此外，该模型在与全球FLUXNET数据集的157个站点进行独立验证时，表现同样稳健，说明其具备跨不同气候和生境的泛化能力。

通过将模型应用于2003年至2020年的数据，研究发现中国陆地碳汇能力显著增强，其增长趋势为每年0.041十亿吨碳（Tg C yr?2），且该变化具有统计学意义（p < 0.01）。这一增强主要来源于中国南方森林、北方草地以及华北和东北平原的农田碳汇能力的提升。这表明，随着土地利用政策的实施，如“退耕还林”和“三北防护林工程”等，中国在生态系统恢复和土地管理方面取得了显著成效，从而增强了碳汇能力。

然而，传统的模型在空间分辨率和观测数据约束方面存在不足。许多基于过程的生态系统模型（如LPJ-GUESS）虽然能够详细模拟碳循环过程，但其参数往往是静态的，且在有限的生境类型中建立自洽的碳循环系统，缺乏对当前水-碳通量和植被-土壤碳库的观测约束。这使得这些模型在模拟复杂生态系统时存在不确定性。另一方面，尽管数据驱动的机器学习模型在预测精度上表现出色，但其“黑箱”特性限制了对碳通量变化机制的解释能力。此外，许多模型未能充分整合关键的生态水文过程，如土壤水分对生态系统呼吸的影响，这进一步加剧了模型的不确定性。

为了弥补这些不足，研究团队引入了卫星遥感技术，以提供更广泛的时空覆盖数据。卫星遥感能够监测植被指数，从而追踪光合作用活动的季节性和年际变化，这是碳吸收的主要驱动力。同时，卫星数据还能够用于绘制和监测土地覆盖与土地利用变化，如森林砍伐或再造林项目，为理解人类活动对生态系统碳汇能力的影响提供了直接证据。通过将卫星数据与现场观测数据结合，研究团队开发了PML-V2C模型，该模型不仅能够模拟高分辨率的NEE数据，还能够估算GPP和生态系统呼吸（R_eco）等关键碳通量。

研究还发现，中国农田在碳预算中的作用尤为突出。农田碳汇能力的显著增加与国家农业生产力的提升高度一致。农田作为重要的生态系统，其碳吸收能力受到多种因素的影响，包括气候变化、土地管理政策和农业实践的变化。通过分析农田的年际变化，研究团队发现农田碳汇的线性趋势与农业产量的提升密切相关，这表明农业活动的优化和土地利用政策的实施在增强碳汇能力方面发挥了重要作用。

此外，研究还探讨了不同生态系统中NEE的空间-时间变化模式及其潜在驱动因素。模型的高分辨率特性使其能够捕捉到中国复杂地形下的微小差异，例如不同植被类型之间的碳吸收能力变化。这种高分辨率的估算对于制定更精准的碳中和政策具有重要意义，因为它能够提供详细的碳汇信息，帮助政策制定者更好地理解碳汇变化的原因，并据此调整土地管理策略。

模型的鲁棒性也得到了验证。尽管41个EC站点与原模型验证所用的站点不同，但重新验证的结果表明，模型在不同PFTs上的表现依然稳健，相关系数达到0.903，均方根误差为1.694克碳每平方米每天。这说明PML-V2C模型在不同生态系统中具有良好的适应性，能够准确反映碳通量的变化。

在模型不确定性方面，研究团队指出，由于模型参数的静态性和生态水文过程的简化，仍然存在一定的不确定性。然而，通过引入高分辨率遥感数据，这些不确定性得到了有效缓解。遥感数据的时空连续性为模型提供了更丰富的信息，从而提高了估算的准确性。同时，模型在不同气候和生境下的泛化能力也得到了验证，表明其具备一定的适应性。

综上所述，该研究通过开发一种新的水-碳耦合模型，为准确估算中国陆地生态系统碳汇能力提供了新的方法。该模型不仅能够捕捉到高分辨率的碳通量变化，还能够解释这些变化的潜在机制，为国家碳中和目标的实现提供了科学依据。研究结果表明，中国在生态系统恢复和土地管理方面的努力取得了显著成效，碳汇能力的增强主要来源于森林、草地和农田等关键生态系统的协同作用。这些发现对于理解气候变化对生态系统的影响，以及制定有效的碳中和政策具有重要意义。