《Ecological Modelling》:Parameter optimization of CENTURY model based on fine vegetation types improves the simulation accuracy of SOCD in Southwest China
编辑推荐:
摘要土壤有机碳在陆地生态系统功能及全球碳循环中起着至关重要的作用。然而,在地形复杂、植被多样化的地区,精确模拟土壤有机碳密度仍面临挑战。在基于过程的生态系统模型中,SOC的模拟结果对参数设置极为敏感,若在不同植被类型上使用统一参数,将会引入较大不确定性。为解决这一问题,我们研究了
摘要
土壤有机碳在陆地生态系统功能及全球碳循环中起着至关重要的作用。然而,在地形复杂、植被多样化的地区,精确模拟土壤有机碳密度仍面临挑战。在基于过程的生态系统模型中,SOC的模拟结果对参数设置极为敏感,若在不同植被类型上使用统一参数,将会引入较大不确定性。为解决这一问题,我们研究了针对不同植被类型进行参数优化是否能提升SOCD模拟精度。以环境与植被多样性显著的中国西南地区为研究对象,我们通过结合敏感性分析与两阶段优化策略,为CENTURY模型构建了定制化参数优化框架。研究结果表明:(1)优化后的模型显示,0–20厘米土层中的平均SOCD约为5.3千克碳/平方米,且存在明显的空间差异,数值从西北部山区向东南部低地逐渐降低。(2)敏感性分析表明,不同植被类型的控制参数存在差异,反映出各生态系统中SOC动态的调控机制各不相同。(3)针对不同植被类型进行参数优化显著提升了模型性能,在自然生态系统中,R2值提升了0.03–0.17,而RMSE和MAE分别降低了25–69%和10–70%。(4)与现有的SOCD产品相比,优化后的CENTURY模型与观测数据的吻合度更高(R2=0.56),优于CSDLv2(R2=0.35)和SoilGrids(R2=0.26)。总体而言,研究证明,在参数优化中考虑植被差异可以有效降低参数带来的不确定性,提升在环境条件复杂的地区的SOCD模拟可靠性。
引言
土壤有机碳是陆地生态系统中最庞大的碳库,其储量远超大气和植被中的碳储量,对全球碳循环、养分循环以及生态系统稳定性具有核心作用(Doetterl等人,2025;Lal,2004;Wu等人,2024)。然而,受土壤类型、气候、地形、母质和土地利用等多种因素的复杂影响,土壤有机碳的存量及其变化仍存在较大不确定性(Beillouin等人,2023;Li等人,2024)。这类不确定性制约了对碳汇潜力的评估以及气候变化缓解策略的制定,因此,明确土壤有机碳的空间时间分布特征及其环境驱动因素至关重要(Huang等人,2024;Minasny等人,2017)。在实际应用中,区域和全球层面的土壤有机碳评估通常以土壤有机碳密度来表示,这一指标能够为不同空间尺度和土层深度下的土壤有机碳储量提供标准化、可比较的量化依据(Chen等人,2023;Zhang等人,2023)。
估算SOCD的方法可大致分为数据驱动型方法与基于过程的模型。数据驱动型方法涵盖的范围很广,从简单的土壤剖面观测值面积加权放大,到将观测到的SOCD与气候、地形、植被和土地利用等环境变量建立统计关联的土壤-景观关系方法不等(Zhao等人,2023)。数字土壤制图为在地理空间背景下实现这些关联提供了标准化框架,且越来越多地与机器学习算法相结合,以提高空间分辨率和预测能力(Chen等人,2022;Minasny和McBratney,2016;Sun等人,2023;Zhou等人,2026)。尽管这些方法在区域SOCD制图方面表现良好,但它们本质上是静态的,依赖于经验性相关性,难以准确体现碳输入、分解和稳定过程,也无法模拟在气候变化和土地利用变化条件下的SOCD动态变化(Pierson等人,2022;Wadoux等人,2020)。
与之相比,CENTURY、DNDC和RothC等基于过程的碳循环模型能够明确体现调控植被生产力、凋落物输入以及土壤有机质分解和周转的关键机制,从而在统一的机制框架下实现SOCD对环境因子响应的动态模拟(Li等人,2016;Nemo等人,2017)。在这些模型中,CENTURY模型因能够较为详细地呈现土壤碳过程,对数据的要求相对较低,且在长期实验站点有大量验证数据,因此在草地和农田生态系统中被广泛应用(Liu等人,2023;Metherell,1993)。
不过,CENTURY模型最初是在假设生态系统结构相对均一的条件下开发的,其参数设置主要来源于美国长期生态研究站的数据(Abramoff等人,2022;Parton等人,1993)。这种以特定研究站点为基准的假设限制了该模型捕捉自然生态系统明显空间异质性的能力,尤其是在地形复杂、植被类型多样的地区。在中国,CENTURY模型的应用主要集中在内蒙古草原、东北黑土区以及大兴安岭森林等典型的地带性生态系统,而在生态条件高度复杂的地区,相关综合评估还比较少(Fang等人,2012;Guo等人,2016)。尽管近年来GIS技术的进步有助于将基于过程的模型进行空间化处理(Xu等人,2018),但模型输入参数的不确定性仍是提升SOCD模拟精度的关键障碍。在许多以往的应用中,CENTURY模型的参数化通常在较粗略的植被分类层级上进行,比如农田、森林或草地,或者仅针对单一生态系统类型,这可能掩盖了不同植被亚类之间的显著功能差异(Dimassi等人,2018;Poulter等人,2015)。此外,通用的参数集往往无法充分体现中国不同植被类型的特定生产力、碳输入和凋落物分解特性,从而导致模拟得到的SOCD存在系统性偏差(Tao等人,2020)。
基于上述背景,本研究聚焦于中国西南地区,该地区地形复杂、环境梯度明显,生态系统破碎化程度高。研究涵盖了具有代表性的农田植被类型(玉米、单季水稻、双季水稻和小麦)、草地植被类型(草原和草甸)、森林类型(常绿阔叶林、落叶阔叶林和针叶林),以及灌木丛类型。为解决不同植被类型间的参数不确定性问题,本研究构建了一个整合敏感性分析和两阶段优化策略的参数定位与优化框架。首先运用Morris法和Sobol法识别出控制不同植被类型SOCD动态的关键参数,随后采用两阶段优化方案:首先对全局参数空间进行探索,确定可能的最佳参数区域,再通过贝叶斯校准估算参数的后验分布,为每种植被类型确定最优参数组合。最后,结合遥感产品和高分辨率网格化土壤属性数据,基于优化后的基于过程的模型开展空间分布式的SOCD模拟。本研究旨在降低基于过程的建模中的参数不确定性,提高区域SOCD估算的精度,为地形复杂的地区的碳循环评估和土地利用管理提供可靠的科学依据。
章节节选
研究区域
本研究以中国西南地区的四川、重庆、贵州、云南和广西五省区为研究对象,研究区域总面积约为136万平方公里(见图1)。该地区以山地和高原地形为主,整体地形呈自西向东递减的格局。海拔范围在200米至4800米之间,涵盖了青藏高原东缘、云贵高原和四川盆地。这种复杂的
不同植被类型SOCD的描述性统计
研究区域的植被类型存在显著的空间异质性(见图2)。森林生态系统,包括常绿阔叶林和针叶林,主要分布在云南西部、贵州中西部和四川西部的山区,多分布于海拔较高、地形破碎、植被覆盖密集且人类干扰较小的区域。以农田为主的植被类型则主要分布在平原或河流沿岸
参数优化的效果与性能
参数优化显著提升了大多数植被类型对应的模型性能,表现为RMSE和MAE持续下降,而R2的提升幅度相对较小。这说明校准主要增强了模型再现SOCD数值的能力,而非均匀提升各项统计相关性。森林类型的误差下降最为明显,而草地和草甸类型的RMSE和MAE也有所改善,但
结论
本研究为CENTURY模型构建了参数定位与优化框架,并将其应用于不同植被类型,以此提升中国西南地区的区域SOCD模拟精度。主要结论如下:(1)经过校准的模拟结果显示,表层20厘米土壤中的区域平均SOCD约为5.3千克碳/平方米,不同植被类型间的SOCD存在明显空间差异。(2)通过敏感性分析和参数优化
CRediT作者贡献说明
Lu Xu: 文章撰写——初稿撰写、软件应用、方法设计、正式分析。 Wei Zhou: 文章撰写——审阅与编辑、研究指导、资金获取、概念构思。 Haotian Liu: 数据收集、数据整理。 Yao Peng: 模型验证、数据收集、数据整理。 Yi Zhu: 数据收集、数据整理。 Yiyang Du: 数据收集。 Yanlei Ye: 研究指导、概念构思。
Lu Xu|Wei Zhou|Haotian Liu|Yao Peng|Yi Zhu|Yiyang Du|Yanlei Ye
中国重庆市400715,西南大学地理科学学院,重庆金佛山喀斯特生态系统国家观测研究站