全球生物群落中历史碳汇的敏感性分析

《Atmosphere-Ocean》：Global Sensitivity Analysis of the Historical Carbon Sink across Biomes

碳汇强度的不确定性源于输入参数的变异性，本研究采用全局敏感性分析（GSA）评估加拿大陆地表面方案（CLASSIC）模型中124个参数对七个主要陆地生态系统碳平衡的影响。通过两步Morris筛选和Sobol'方差分解，发现最大光合速率（vmax）是跨五个生物区最敏感的参数，其不确定性导致30年碳汇均值波动达1.0-3.2PgC/yr。不同生物区影响参数存在显著差异：热带雨林和温带阔叶林以光合参数为主，温带草原和冻土区则涉及物候与根系参数。研究证实碳汇参数敏感性具有空间异质性和过程耦合性，建议模型优化需结合多过程参数交互分析。

　　近年来，地球生物圈在减缓由人类活动引发的大气二氧化碳浓度上升方面发挥着碳汇的作用。然而，这一碳汇的强度仍然存在高度不确定性，近期的生物圈模型估计值在1.0到3.2 PgC/年之间波动，这一范围覆盖了2014年至2023年的时间段。这种模型之间的广泛差异部分源于输入参数的不确定性。为了更好地理解这些参数不确定性的影响，我们使用加拿大陆地表面方案（CLASSIC）模型进行了一项全球敏感性分析（GSA）。我们评估了输入参数不确定性对历史碳循环变量在长期尺度上的模拟影响。我们采用两步GSA方法，分别对七个位于不同生物群落的网格单元进行分析，并针对两个统计指标：30年均值和30年趋势。第一步，我们应用了Morris方法，这是一种定性且样本较少的筛选方法，用于124个输入参数，并将参数集缩减至每个生物群落中影响较小的参数少于20个。第二步，我们使用Sobol'方法，一种定量且样本较多的技术，以估计这些参数的绝对影响。分析发现，最大羧化速率（vmax）在五个生物群落中对净生物圈生产力（NBP）的两个统计指标都具有最大影响。尽管我们使用了120个并行核心进行了六周的计算，但敏感性指数的置信区间依然较宽，使得参数的排名并不明确。这些具有影响力的参数与生态系统过程如光合作用、物候、根系、呼吸作用、死亡率和碳分配有关。值得注意的是，趋势的敏感性指数不如均值的稳健。总体而言，我们的结果表明，只有13至15个参数能够解释不同变量、统计指标和生物群落位置下的输出变量不确定性。我们的研究显示，GSA是模型校准前的重要步骤，有助于优先考虑对碳循环模拟影响最大的参数。

在全球碳循环研究中，模型的参数不确定性是导致不同模型输出结果差异的重要因素。许多研究表明，参数不确定性对模型输出变量的影响可能非常显著，特别是在评估碳循环变量和湍流热通量时。例如，一些研究发现，光合参数如最大羧化速率（vmax）、光量子效率（alpha_phtsyn）和生长呼吸系数（grescoef）对碳循环变量具有显著影响。然而，由于计算资源的限制，研究往往局限于短时间尺度的模拟，这可能无法充分捕捉到长期的动态变化。因此，本研究旨在通过GSA方法，探索长时间尺度下输入参数不确定性对输出变量的影响，特别是对净生物圈生产力（NBP）的均值和趋势。

本研究采用CLASSIC模型，这是一种参与TRENDY项目的陆地表面模型。该模型能够模拟九种不同的植物功能类型（PFTs），并基于不同生物群落的特性进行模拟。我们选择了七个主要生物群落中的单个网格单元进行分析，并利用气候再分析数据作为模型的驱动因素，而不是来自FLUXNET站点的观测数据。我们首先进行了模型的稳定化阶段，以确保模型在生物群落网格单元上达到平衡状态，然后模拟了从1901年到2017年的过渡期。在稳定化阶段，我们固定了某些参数，如大气中二氧化碳浓度、植物功能类型覆盖、人口密度和云到地面闪电频率，同时使用了1901至1920年的数据进行循环处理。在过渡期，我们允许气候数据随时间变化，从而更真实地反映现实世界中的系统调整过程。

在稳定化过程中，我们发现，某些生物群落如温带针叶林和苔原，由于其土壤组成和植被类型，某些参数如沙粒热导率（TCSAND）对模型输出具有显著影响。这些参数在模型中与碳循环变量没有直接联系，但在某些情况下可能间接影响。我们还注意到，某些参数如最大羧化速率（vmax）在不同生物群落中对净生物圈生产力（NBP）的均值和趋势具有显著影响。例如，在热带阔叶林和温带阔叶林中，vmax的不确定性对NBP的影响较为明显。此外，某些参数如冷阈值（coldthrs）在温带草甸和温带针叶林中对趋势具有显著影响，而某些参数如叶寿命（lfespany）在寒带落叶林和温带针叶林中也表现出重要影响。

在分析过程中，我们采用了两步GSA方法。第一步使用Morris方法进行定性筛选，以识别具有显著影响的参数。第二步使用Sobol'方法进行定量分析，以估计这些参数的绝对影响。我们发现，虽然Morris方法能够识别出影响较大的参数，但这些参数的排名仍然受到样本量和参数交互作用的影响。因此，我们选择在每个生物群落中进一步分析这些参数的交互作用，以更全面地理解它们对模型输出的影响。

我们的研究还发现，某些参数如叶面积指数（LAI）和根系分布参数对模型输出具有显著影响。这些参数在不同生物群落中的影响程度不同，可能与植被类型和土壤特性有关。此外，我们还发现，某些参数如冷阈值（coldthrs）和叶寿命（lfespany）在某些生物群落中具有较强的交互作用，而其他参数如根系生物量（avertmas）和根系深度（mxrtdpth）则在某些生物群落中表现出显著影响。

本研究的结果表明，全球敏感性分析对于理解陆地生物圈模型的不确定性具有重要意义。通过识别影响最大的参数，我们可以更有效地进行模型校准和优化，从而提高模型的预测能力。此外，我们的研究还发现，某些参数如最大羧化速率（vmax）对净生物圈生产力（NBP）的影响不仅限于其本身，还可能与其他参数产生交互作用。因此，模型优化时应考虑这些参数的相互作用，以提高模型的准确性。

本研究的结果还可以为未来的陆地生物圈模型开发和优化提供指导。通过识别影响最大的参数，我们可以更好地理解这些参数对模型输出的影响，并在模型校准过程中优先考虑这些参数。此外，我们的研究还发现，某些参数如叶寿命（lfespany）和根系分布参数对模型输出具有显著影响，而其他参数如异养呼吸参数则影响较小。因此，未来的模型开发应关注这些具有显著影响的参数，以提高模型的预测能力。

总的来说，本研究通过全球敏感性分析方法，识别了影响陆地生物圈模型输出变量的参数，并探讨了这些参数在不同生物群落中的影响程度。我们的研究结果表明，只有少数参数对模型输出具有显著影响，而其他参数的影响较小。这些发现对于理解陆地生物圈模型的不确定性以及提高模型的预测能力具有重要意义。