《Global Change Biology》:Diagnosing Linearity Along the Carbon Cascade in Terrestrial Biosphere Models and Observations
编辑推荐:
升高的二氧化碳(eCO2)作为光合作用的肥料,驱动总初级生产力(GPP)的增加。然而,增加的GPP如何有效地沿‘碳(C)级联’传播以增加不同植物库中的净初级生产力(NPP)和植被碳储量(Cveg)尚不清楚。植被模型被
升高的二氧化碳(eCO2)作为光合作用的肥料,驱动总初级生产力(GPP)的增加。然而,增加的GPP如何有效地沿‘碳(C)级联’传播以增加不同植物库中的净初级生产力(NPP)和植被碳储量(Cveg)尚不清楚。植被模型被批评为对光合作用过度敏感(源驱动),忽视了可能减弱(或放大)NPP和植被碳储量变化的汇驱动过程。在此,研究人员引入了一个分析框架,将线性度(L)诊断为相连通量和库的相对变化比率。随后,研究人员将该框架应用于TRENDY v11集合的16个模型以及基于观测的CO2敏感性估计。研究人员发现,各模型之间L的全球模式差异很大。六个模型显示大多数网格单元中NPP的相对变化大于GPP(>60%网格单元的LNPP:GPP > 1),表明在eCO2下植被碳利用效率增加。只有三个模型在>60%网格单元中LNPP:GPP < 1。四个模型显示大多数网格单元中估计稳态Cveg的相对变化大于NPP,而五个模型显示相反——两种情况下模型内各网格单元的LCveg*:NPP分布范围均较大。基于观测的分析显示总体中位数LCveg*:NPP < 1,但证据不足以得出结论。三个模型显示根碳的相对增加大于Cveg (LCroot:Cveg > 1),而五个模型显示相反。大多数现场证据显示LCroot:Cveg > 1。模型之间和碳级联各环节中L的广泛不同分布揭示了个体模型中非线性行为的强烈影响。然而,由于L的分散,在整个模型集合中,L与1的偏差大致平衡,导致多模型平均中陆地碳循环表征的总体线性行为。
**论文解读:诊断陆地生物圈模型与观测中碳级联的线性**
**研究背景与问题**
大气二氧化碳浓度持续升高,通过光合作用施肥效应刺激了陆地生态系统总初级生产力(GPP)的增长。然而,GPP的增加如何沿“碳级联”(即从GPP到净初级生产力(NPP)、再到植被碳储量(C
veg)及不同植物器官的传递过程)有效传播,目前尚不清楚。早期植被模型被认为过度依赖光合作用的源驱动,忽视了汇驱动过程(如养分限制、生长-长寿权衡、分配动态)可能减弱或放大下游碳库和通量的变化。这些过程可能导致非线性响应,但现有模型对此的模拟存在巨大分歧。本研究旨在解决以下问题:当前一代动态全球植被模型(DGVM)在模拟碳级联线性度方面表现如何?模型间的差异如何?模型模拟结果与基于CO
2操纵实验的观测证据是否一致?
**研究内容与结论**
研究人员引入了一个分析框架,通过定义线性度指标L(即相连通量或库之间相对变化的比值)来诊断碳级联的线性行为。该框架应用于TRENDY v11集合的16个DGVM的CO
2单独驱动模拟(S1试验),以及基于Walker et al. (2021)综合的观测CO
2敏感性数据。研究聚焦于三个关键环节:GPP与NPP之间、NPP与稳态植被碳(C
veg*)之间、以及根碳(C
root)、木质碳(C
wood)、叶碳(C
leaf)与总植被碳之间的线性度。结果表明,模型间L的全球模式差异显著。对于GPP-NPP环节,多数模型整体接近线性(中位数L
NPP:GPP≈1),但个体模型存在明显偏差:6个模型在>60%网格单元中L
NPP:GPP > 1,表明碳利用效率(CUE)升高;仅3个模型显示L
NPP:GPP < 1。对于NPP-C
veg*环节,模型间分歧最大:4个模型显示L
Cveg*:NPP > 1占主导,5个模型显示相反,且空间变异极大。观测数据(尽管有限)提示中位数L
Cveg*:NPP < 1,但证据不充分。对于根-总碳环节,观测证据普遍支持L
Croot:Cveg > 1(即根碳相对增加更大),但仅3个模型模拟出这一模式,而多数模型模拟的L
Croot:Cveg接近1或小于1。值得注意的是,尽管个体模型呈现出强烈的非线性,但多模型平均的L值总体接近1,表明不同模型的非线性偏差大致相互抵消,导致多模型平均的陆地碳循环响应表现为线性。该研究发表在《Global Change Biology》。
**主要技术方法**
研究人员使用了TRENDY v11集合中16个模型的S1模拟输出(CO
2随观测变化,气候和土地利用固定)。对于每个网格单元,计算变量从初始时段(1700-1709年)到近期时段(2013-2022年)的相对变化(R),并定义为L = R
下游变量 / R
上游变量。为处理非稳态效应,对C
veg等长周转时间库,利用一阶动力学方程从NPP和C
veg时间导数估算稳态库大小C
veg*。观测数据来自Walker et al. (2021)报道的CO
2敏感性β值,通过β
x/β
y推导对应L,并通过随机抽样生成分布。模型按是否耦合碳氮循环(C-N)和是否包含植被人口统计(Veg. Demo.)进行分组比较。
**研究结果**
**3.1 GPP与NPP的关联**
通过分析所有模型池化数据,GPP和NPP的相对变化紧密聚集在1:1线附近,L
NPP:GPP中位数为1.02(四分位距0.22),呈线性。但个体模型空间格局差异明显:JSBACH等模型在多数区域L>1(碳利用效率增加),而LPX-Bern等模型L<1。碳氮耦合模型与非耦合模型之间无系统性差异,植被人口统计模型与平均个体模型也无显著区别。
**3.2 NPP与植被碳的关联**
NPP与C
veg*的关系弱于GPP-NPP:池化数据L
Cveg*:NPP中位数为0.97,但分布宽广(四分位距0.73),且存在双峰(一个峰在0附近,对应干旱区无植被碳积累)。模型间差异极大:CABLE-POP等4个模型在>60%网格单元中L>1,而IBIS等5个模型L<1。观测数据中位数L
Cveg:NPP < 1,但证据稀疏且不确定。
**3.3 叶、木、根与总植被碳的关联**
根碳与总碳的L
Croot:Cveg池化中位数为1.00,但个体模型出现分化:IBIS、ISAM和VISIT-NIES在多数区域L>1(根分配增加),而JULES、ORCHIDEE则L<1。木质碳与总碳的L
Cwood:Cveg通常与根碳相反,支持根-木分配权衡。叶碳的L
Cleaf:Cveg*中位数为0.76,表明CO
2升高下叶相对分配减少。观测数据显示L
Croot:Cveg > 1占优势(68%数据点),与多数模型模拟不符。
**讨论与结论**
讨论部分强调,本分析框架通过将碳级联分解为诊断性环节,有效隔离了内部反馈,便于比较模型与观测。L=1代表源驱动线性行为,L<1表示衰减,L>1表示放大。研究发现,个体模型偏离线性强烈,但多模型平均趋于线性,这与早期认为模型过于源驱动的批评形成对比。然而,模型间在NPP-C
veg环节的分歧最大,且未能与碳氮耦合或植被人口统计分组清晰关联,表明需要更针对性的基准测试,重点关注生长-长寿反馈、森林动态及分配变化。
结论部分(4.5节)翻译如下:基于现场观测,“源驱动”的陆地碳动态范式曾受到批评。模型中已实现了几种额外过程,表明“汇驱动”控制(如养分限制)具有更强的重要性。确实,研究人员发现个体模型明显偏离线性、源驱动的动态,且非线性程度在全球范围内存在显著差异——尤其是NPP与植被碳储量变化之间的关系。然而,研究人员的分析并未提供任何支持,表明这种偏离线性动态是已论证暗示汇控制和偏离线性动态的个体过程表征的反映,包括氮限制和植被人口统计。模型中的这些非线性表述确实在不同地理位置导致了非线性行为,但它们组合起来近似于线性。研究人员发现植被碳与NPP之间的环节存在最强的模型间不一致——表明需要关注相关过程(包括树木生长-长寿反馈、森林人口统计过程以及CO
2驱动的周转时间差异大的组织分配变化)的模型基准测试。