利用涡度协方差技术和卫星遥感数据评估不同管理方式下高草草原的总初级生产力动态

《Science of The Total Environment》：Assessing gross primary production dynamics in differently managed tallgrass prairies using Eddy covariance and satellite-derived estimates

　　**摘要**
准确量化总初级生产量（GPP）对于理解草原碳动态至关重要。我们研究了俄克拉荷马州中部六个天然高草草原牧场（每个面积约32至64公顷）中基于涡度协方差的GPP（GPPEC）的时空变化，并将其与全球植被光合作用模型（GPPVPM_global）的模拟结果以及场地级植被光合作用和生态系统呼吸模型（GPPVPERM_site）的模拟结果进行了比较。这些牧场具有不同的燃烧频率（年度燃烧与4-5年轮换燃烧）、放牧强度（轻度轮牧与高强度放牧）以及干草生产情况，使我们能够全面评估这些模型在高草草原中估计GPP的能力。我们观察到GPPEC存在显著的季节性模式，但由于管理方式和天气条件的差异，其峰值时间和幅度在不同牧场和年份间存在很大差异。GPPEC增强植被指数（EVI）线性回归斜率（16.78至25.82）的差异反映了管理对碳吸收的影响。线性回归、逐步普通最小二乘法和线性混合效应回归模型一致认为EVI是GPPEC的主要预测因素，而气温、太阳辐射和降雨量的影响较小。狭窄的边缘R2值（0.74–0.79）和条件R2值（0.76–0.79）表明空间和年际效应较小，表明GPPEC与EVI之间的关系具有较好的稳定性。GPPVPM_global和GPPVPERM_site模型能够较好地追踪GPPEC的变化（R2 = 0.72–0.85，P < 0.01）。在轻度放牧的牧场中，GPPVPM_global和GPPVPERM_site的季节性峰值与GPPEC相匹配（在第14牧场的年度估计误差为0-2%），但在高强度放牧和干草生产的牧场中，这些模型的年度累积通量估计明显过高（RMSE = 2.08–2.66克碳/平方米/天）。这些结果突显了光利用效率模型的总体稳健性，同时也强调了在混合物种草原中纳入动态C?:C?功能组成和管理干扰以提高模型准确性的必要性。

**引言**
准确量化生物圈与大气之间的二氧化碳（CO?）通量对于更好地理解全球碳平衡至关重要（Peters等人，2007年）。作为陆地碳封存的主要驱动因素，总初级生产量（GPP——通过光合作用被植被吸收的碳总量）在全球碳循环中起着关键作用（Janssens等人，2003年）。光合作用的直接测量只能在叶片水平或气体交换室中进行（Long和Bernacchi，2003年）。然而，GPP无法在生态系统尺度上进行直接测量。相反，GPP是通过测量生态系统与大气之间的净生态系统二氧化碳交换（NEE）来估算的，该方法利用了涡度协方差（EC——一种微气象技术）（Reichstein等人，2005年）。因此，为了评估全球碳平衡，有必要在不同空间和时间尺度上准确估算GPP（Anav等人，2015年；Canadell等人，2000年；Wang等人，2025年）。要在较大空间尺度（例如区域或全球）上量化GPP，需要通过建模和遥感方法将局部EC塔数据放大（Beer等人，2010年；Chu等人，2026年；Jung等人，2009年；Xiao等人，2004b年）。已经开发了多种建模方法来量化GPP。数据驱动（或统计）模型基于站点级别的EC测量数据以及网格化的气候和遥感数据来估算GPP（Cao等人，2026年；Ganter等人，2014年；Jung等人，2011年）。此外，还开发了基于卫星的GPP模型和基于过程的陆地碳循环模型来估算不同空间尺度上的GPP（Moorcroft，2006年；Potter等人，1993年；Running等人，1999年；Running等人，2004年；Yuan等人，2007年）。在各种基于遥感的GPP模型中，光利用效率（LUE）方法是一类主要的方法（Monteith，1972年），该方法假设GPP可以表示为吸收的光合有效辐射（APAR）和LUE的函数。这些LUE模型包括Carnegie-Ames-Stanford方法（Potter等人，1993年）、全球生产效率模型（Prince和Goward，1995年）、中分辨率成像光谱辐射计（MODIS）GPP（MOD17）（Running等人，2000年）、植被光合作用模型（VPM）（Xiao等人，2004a年）、EC-LUE（Yuan等人，2007年）和陆地生态系统碳通量模型（Yan等人，2015年）等。即使使用相同的模型和结构（Jin等人，2015年），这些模型对GPP的估算结果也会因输入数据集的不同而有所差异。VPM与其他大多数LUE模型的不同之处在于，它基于叶绿素吸收的光合有效辐射比例（FPARchl）而不是整个冠层（FPARcanopy）来估算GPP。为此，VPM使用增强植被指数（EVI）作为FPARchl的代理，这一区别使得VPM在模拟动态管理的草原生态系统时能够捕捉到实时的生理和结构变化。与NDVI不同，NDVI在生物量峰值条件下容易饱和，并且容易受到枯死残渣或燃烧和强烈放牧导致的土壤暴露的背景噪声影响，而EVI则与实际绿色植被动态保持紧密耦合。最近，使用中分辨率成像光谱辐射计（MODIS）图像和ERA5-Land气候数据集进行了VPM的全球模拟（VPMv3.0），以500米的空间分辨率和8天的时间分辨率在全球范围内估算每日GPP（Pan等人，2025年）。有必要对VPM v3.0在全球高草草原涡度通量塔站点上的GPP数据产品（GPPVPM_global）进行评估。虽然大多数LUE模型使用每日输入数据来估算每日GPP，但一些LUE模型使用每小时输入数据来估算每小时GPP，并模拟GPP的日变化和季节变化，包括植被光合作用和呼吸模型（VPRM）（Glauch等人，2025年；Mahadevan，2008年；Mai等人，2026年）。VPRM同时模拟每小时GPP和生态系统呼吸（ER），从而可以直接估算NEE。在VPRM的基础上，我们开发了植被光合作用和生态系统呼吸模型（VPERM，v2.0），其中GPP和ER模块已进行了修订（更多细节请参见方法部分）。有必要评估VPERM在模拟天然高草草原生态系统GPP方面的性能，因为这些生态系统对俄克拉荷马州和大平原地区的碳平衡起着至关重要的作用。

**尽管原始草原面积由于农业扩张和城市化而显著减少，但剩余的草原仍提供重要的生态系统服务。这些生态系统是区域农业的基础，每年为南部大平原地区的畜牧业贡献数十亿美元的产值（USDA-NASS，2026年）。除了饲料生产外，这些草原还储存了该地区大量的土壤有机碳，并根据季节性降水动态展现出很强的碳汇能力（Wagle等人，2026年）。此外，它们在生物多样性保护和区域水文调节中也发挥着重要作用（Samson和Knopf，1994年）。先前的研究表明，它们的碳动态和饲料生产力对天气变化非常敏感，例如该地区常见的干旱和洪水，以及放牧和干草生产等管理措施（Knapp等人，2002年；Suyker等人，2003年；Wagle等人，2025年；Wagle等人，2026年）。因此，一个准确可靠的GPP模型对于理解和监测这些重要草原生态系统的健康状况及其对区域碳预算的总体影响至关重要。**我们的目标是：(1)研究俄克拉荷马州中部六个天然高草草原站点中基于EC的GPP（GPPEC）的空间和时间变化；(2)确定影响这种变化的关键环境和管理因素；(3)将新的场地级VPERM模拟（GPPVPERM_site）和全球版本的VPM模拟（GPPVPM_global）的GPP估算结果与这些草原站的GPPEC进行比较。此外，我们还将标准的中分辨率成像光谱辐射计（MODIS）GPP（GPPMOD17）产品与GPPEC进行了比较。这些站点涵盖了多种管理方式，如轻度轮牧与高强度放牧、干草生产和不同的燃烧制度（年度燃烧与4-5年轮换燃烧），以及多样的生长条件，使我们能够全面比较GPPVPM_global、GPPVPERM_site和GPPMOD17在高草草原生态系统中的表现。**

**部分摘录**
**EC通量站点和天气条件**
六个EC通量站点位于美国农业部——农业研究服务局（USDA-ARS）和俄克拉荷马州及中央平原农业研究中心（OCPARC）的El Reno（35.5467° N, 98.0452° W, 435 masl）（Wagle等人，2025年）。该研究区域是南部大平原高草草原生态系统的代表性研究枢纽。研究区域经历了广泛的年际天气变化，表现为明显的季节性特征。**基于长期多年平均数据，研究区域的Ta和SR都显示出明显的季节性周期（图2）。太阳辐射作为碳吸收的关键驱动因素，呈现出平滑的季节性模式，在夏季达到峰值，因为此时白昼最长，太阳角度最高；而在冬季降至最低。空气温度也表现出类似的趋势，但其峰值出现在夏季的较晚时期，可能是由于热惯性。Ta和SR的这些明显季节性周期揭示了基本动态。**

**结论**
准确量化GPP对于改进碳循环建模和理解陆地生态系统对生长条件变化的响应至关重要。利用俄克拉荷马州中部六个天然高草草原牧场的GPPEC数据，我们研究了不同站点和年份间GPPEC的时空变化，并评估了两种基于遥感的LUE模型的性能：全球版本的VPM和新开发的VPERM的场地级模拟，后者扩展了VPM框架。