改进的水文生物地球化学模型在亚热带和温带季风气候区森林-大气碳-水交换模拟研究

本研究针对森林-大气碳交换量化中的尺度不确定性难题，通过改进CNMM-DNDC模型的植被生长模块（整合光合作用、分配、呼吸等关键过程），显著提升了亚热带/温带季风区森林碳通量模拟精度。验证显示，改进后模型对GPP和ER的模拟误差降低46%-65%，为全球温室气体评估及联合国可持续发展目标（SDGs）相关生态预测提供了更可靠工具。

　　

森林作为地球陆地生态系统的核心组成部分，每年吸收约25%的人为CO₂排放，但其碳-水交换过程的精确量化始终面临挑战。传统观测手段如涡度协方差技术存在尺度局限，而现有模型对森林生态系统的生理过程表征不足，特别是碳分配、器官特异性呼吸等关键机制缺失，导致全球碳收支预测存在显著偏差。

针对这一科学瓶颈，中国科学院大气物理研究所领衔的研究团队对CNMM-DNDC这一水文生物地球化学模型进行了重要升级。通过引入基于Biome-BGC理论的森林专用生长模块，系统整合了光合作用（photosynthesis）、碳分配（allocation）、器官呼吸（respiration）等13个生理过程，首次在耦合碳-氮-水循环的框架中实现了乔木生态型的精准刻画。研究团队利用中国东部三个典型森林站点（千烟洲亚热带林、长白山温带林等）连续8年的涡度协方差观测数据验证发现：改进后模型对总初级生产力（GPP）和生态系统呼吸（ER）的日尺度模拟误差分别降低46%和65%，年尺度误差减少54%和37%。尤为重要的是，敏感性分析揭示比叶面积（SLA）、Rubisco酶氮分配比例等植物功能性状参数，以及太阳辐射、空气湿度等气象因子共同主导碳通量变异，这一发现为后续模型参数化提供了明确优化方向。

关键技术方法包括：1）基于Biome-BGC算法重构植被生长模块；2）整合8年涡度协方差数据（来自3个亚洲森林站点）进行多时间尺度验证；3）采用Morris筛选法和扩展傅里叶幅度检验（EFAST）进行参数敏感性分析。

【模型性能验证】
对比三个站点的观测数据，改进模型成功捕捉到温带森林显著的季节动态和亚热带森林较平缓的碳交换特征。其中长白山站点GPP模拟的归一化均方根误差（nRMSE）从原模型的0.38降至0.21，证明新模块对光合产物分配的改进有效解决了原模型过早预测生长季峰值的问题。

【参数敏感性】
EFAST分析显示，Rubisco酶氮含量每增加10%，GPP模拟值上升7.2%；而年凋落物周转率对ER的影响强度达0.89（敏感性指数），凸显凋落物输入对土壤呼吸的关键调控作用。

【水文耦合效应】
模型首次在碳循环模拟中显式表征了地形驱动的侧向水通量，发现雨季地下水位上升可使低洼区ER增加15%，这种水文-生物地球化学耦合效应为湿地森林碳汇评估提供了新视角。

该研究突破性在于：1）创建了首个能同时模拟山地森林垂直水文过程和器官级碳分配的模型框架；2）证实误差抵消效应（error offsetting）是导致净碳交换（NEE）改进有限的主因，强调组分单独验证的必要性；3）为联合国SDGs中陆地生态系统可持续管理目标（SDG15）提供了可扩展的评估工具。正如作者Wei Zhang在讨论中指出，未来需在热带雨林和北方森林中进一步验证模块普适性，并将该框架拓展至磷循环模拟，以全面支撑"碳中和"背景下的多元素耦合研究。论文发表于《Ecological Modelling》，标志着我国在生态模型自主研发领域取得重要进展。