植被约束集成降低流域模型中河流有机碳模拟的参数不确定性

本研究针对SWAT-C模型在农业流域碳循环模拟中的参数不确定性问题，创新性地引入遥感叶面积指数（RS-LAI）和作物产量作为植被约束。通过序列约束校准方法（PAR-FP/PAR-DP至PAR-FPLC/PAR-FDLC），发现约束条件使行为参数集从17（仅POC）降至2（POC+植被），显著提升模型精度（NSE提高0.02-0.03），为碳循环模拟提供了更可靠的参数优化路径。

　　

在全球气候变化背景下，碳循环研究已成为生态学和环境科学的核心议题。农业流域作为人类活动与自然过程交互的热点区域，其碳通量模拟的准确性直接影响气候政策的制定。然而，当前主流的SWAT-C模型面临严峻挑战——参数不确定性（parameter uncertainty）导致的"等效性"问题（equifinality），即多组参数可能产生相似的模拟结果，这使得模型预测可靠性大打折扣。

韩国国立环境研究院等机构的研究团队在《CATENA》发表的研究，开创性地将植被动态约束引入流域碳模型。通过整合遥感叶面积指数（RS-LAI）和作物产量数据，构建了七种约束配置（PAR-F至PAR-FDLC），采用纳什效率系数（NSE）和百分比偏差（P-bias）评估体系，首次量化了植被约束对参数不确定性的削减效应。

关键技术包括：1）基于SWAT-C的碳-水耦合模型构建；2）多源数据融合（遥感LAI、田间作物产量、水文监测数据）；3）序列约束校准法；4）行为参数集筛选标准（NSE>0.5，|P-bias|<25%）。研究选取典型农业流域，通过对比不同约束条件下的模拟效果，揭示植被指标对碳循环参数的约束机制。

主要结果

1. 等效性程度：RS-LAI和作物产量使POC行为参数集从17（PAR-FP）锐减至2（PAR-FPLC），DOC参数集从63（PAR-FD）降至4（PAR-FDLC），证明植被约束可有效识别最优参数组合。

2. 附加约束的模型不确定性：PAR-FPLC的POC模拟NSE值较基础模型提升0.02-0.03，但DOC验证性能出现波动，反映不同碳组分对约束的响应差异。

3. 碳循环与生态系统管理启示：植被约束通过改善蒸散发、根系周转等过程表征，增强了模型对土壤有机碳（SOC）-水体碳通量耦合关系的捕捉能力。

结论与展望
该研究突破传统单变量校准局限，创建了"水文-植被-碳循环"多约束框架。特别值得注意的是，作物产量约束使POC模拟的等效参数减少88%，这一发现为农业景观碳管理提供了新工具。尽管DOC模拟存在验证期性能波动，但全局最优参数的识别可靠性显著提升。未来研究可拓展至不同气候带流域，并探索机器学习辅助参数优化。这项成果不仅推进了流域碳模型的发展，更为《巴黎协定》下的农业碳核算提供了方法论支撑。