提升沿海特大城市CO2通量反演精度：区域碳同化系统中土地覆盖与地形的影响

《Environmental and Sustainability Indicators》：Enhancing CO2 Flux Inversion Accuracy in a Coastal Megacity: Impacts of Land Cover and Topography in a Regional Carbon Assimilation System

　　

人类活动显著增加了二氧化碳（CO₂）排放，加剧了全球变暖。因此，准确估算人为排放对于制定有效的减排政策至关重要。本研究聚焦于评估土地覆盖（Land Cover, LC）和地形（Digital Elevation Model, DEM）对使用新开发的区域碳同化系统（Regional Carbon Assimilation System, RCAS）反演CO₂通量的影响。主要目标是评估LC和DEM在多大程度上影响深圳（一个快速城市化的沿海城市）的CO₂通量反演。为实现这一目标，研究人员分析了气象变量（风速/风向、相对湿度、温度和气压）的前向模拟结果以及CO₂浓度模拟结果。随后，研究人员利用反演系统得到的CO₂通量评估了后验CO₂浓度估计。研究结果表明，新的LC和DEM数据使后验CO₂浓度模拟的平均偏差从-1.08 ppm降至-0.88 ppm，改善了0.2 ppm，标准差从5.59 ppm略微降至5.57 ppm。这些结果凸显了准确的LC和DEM数据在提高CO₂通量反演精度方面的重要性，为改进区域尺度碳监测系统提供了有价值的见解。

论文解读：土地覆盖与地形对沿海特大城市CO₂通量反演的影响

研究背景方面，自20世纪80年代以来，人类活动使二氧化碳（CO₂）排放显著增加，加剧了气候变暖等全球性问题。为应对这一挑战，《巴黎协定》和中国的“双碳目标”均要求对人为排放进行精确监测与核验。基于大气CO₂浓度反演排放通量的方法，能够独立于排放清单提供网格尺度的排放数据，已成为重要的技术途径。目前区域尺度反演系统多依赖天气研究与预报模型（WRF）提供气象场，而WRF前处理所需的静态下垫面数据（如土地覆盖LC和数字高程模型DEM）往往较陈旧，难以反映快速城市化地区的真实地表状况。深圳作为快速城市化的沿海特大城市，地形复杂、海陆交互频繁，其下垫面变化剧烈。然而，以往研究多集中于LC和DEM对能量、水汽交换的影响，对CO₂浓度模拟和通量反演的系统性评估十分有限。因此，研究人员基于WRF-Chem平台构建了区域碳同化系统（RCAS），通过设计敏感性实验，定量分析更新LC和DEM数据对CO₂通量反演精度的影响。该研究成果发表于《Environmental and Sustainability Indicators》。

在研究方法上，研究人员以深圳为研究区，模拟时段为2022年10月。RCAS采用集合平方根卡尔曼滤波（EnSRF）同化5个CO₂监测站的每小时观测数据；集合成员数为40，同化窗口为每日，并设置1天滞后窗。模型采用三层嵌套网格，最内层空间分辨率为1 km。研究人员设计了四种试验：默认LC和DEM（DFT）、仅更新LC、仅更新DEM、同时更新LC和DEM（LC+DEM）。更新的LC数据采用MCD12Q1 v6.1产品（2022年，500 m），DEM数据采用航天飞机雷达地形测绘任务（SRTM）数据（250 m）；气象驱动场为GDAS/FNL再分析资料；先验通量包括ODIAC2023人为排放、X-BASE净生态系统交换（NEE）和CarbonTracker-China海洋碳通量；初始与边界CO₂浓度取自CarbonTracker-China。使用19个气象站观测数据验证气象模拟，并用CO₂观测数据验证浓度模拟。后验验证时，将CO₂观测数据随机拆分，80%用于同化，20%用于独立评估。

研究结果部分，按原文小标题总结如下。

4.1 比较LC和DEM数据：更新后的LC数据显示深圳城市扩张明显，农田和湖泊面积缩减；DEM差异主要集中在东南部高海拔森林区域。对于5个CO₂监测站，部分站点（如S1、S2、S5）的LC类型或高程值发生明显变化，而S3、S4变化较小。

4.2 气象场验证：通过计算均方根误差（RMSE）、平均偏差（MB）和一致性指数（IOA），发现更新LC和DEM总体改善了气象要素模拟，尤其是风速（WS）。LC+DEM情景在白天、夜间和全天多数情况下具有最低的RMSE和最高的IOA；单独更新DEM在夜间对温度模拟产生较大负偏差。风向分析表明，沿海站点（如YTG）模拟与观测较为一致，而内陆站点（如GM）风向受东北部高地形影响，模拟误差略大，但偏差一般在30°以内。总体而言，更新下垫面数据对沿海站点气象模拟的改善更为明显。

4.3 前向CO₂浓度验证：对比不同站点和不同时刻的模拟与观测浓度差值，发现白天（6:00—18:00）模拟误差普遍小于夜间；沿海站点S3误差最小，内陆山地站点S2误差最大。各站点误差特征不同，S1和S2夜间高估、白天低估，S4和S5全天多低估。与默认情景相比，更新LC和DEM并未显著改善前向CO₂浓度模拟的RMSE、MB和IOA，说明下垫面更新对前向浓度场的直接影响有限。

4.4 后验CO₂浓度验证：利用同化后的通量重新模拟CO₂浓度，并与独立验证数据比较。结果显示，LC+DEM情景下总体平均偏差从-1.08 ppm降至-0.88 ppm，标准差从5.59 ppm降至5.57 ppm。分站点看，S2、S4、S5的误差明显减小；S1和S3的MB有所增大，但SD在LC+DEM情景下小幅下降。这表明更新LC和DEM能够通过改善气象传输场和数据同化过程，整体提升后验CO₂浓度的准确性。

在讨论部分，研究人员指出，更新LC和DEM改善了与传输过程密切相关的风速模拟，但前向CO₂浓度的改进并不一致，这与站点位置、地形复杂性和其他模型误差来源有关。不确定性主要来自：气象输入分辨率为0.25°×0.25°，相对1 km模拟域仍较粗；先验通量存在误差，例如ODIAC排放高于EDGAR等清单，NEE数据以2021年替代2022年；海洋通量和初始边界浓度分辨率较低；夜间行星边界层模拟困难；更新LC数据中存在错分类（如将深圳部分区域分为稀树草原SAV），单独更新DEM在复杂地形区可能带来温度偏差。此外，80/20随机拆分不能保证时间独立性，后验改进幅度较小，需谨慎解读。

研究结论部分翻译如下：本研究以中国深圳为研究区，基于WRF-Chem模型构建的区域CO₂通量反演系统，评估了LC和DEM数据对反演性能的影响。研究人员从三个方面比较了结果：（1）前向气象要素，（2）前向CO₂浓度，（3）后验CO₂浓度。研究结果表明，LC和DEM数据的替换显著改善了气象要素，尤其是对传输过程有较大影响的风速。对于前向CO₂浓度，白天模拟优于夜间，且不同站点表现不一，数据替换后未观察到整体明显改善。然而，对于后验CO₂浓度，数据同化显著降低了误差。替换数据后，站点S1和S3的后验模拟不确定性降低，站点S2、S4和S5的误差减小。总体而言，同时更新LC和DEM后验CO₂模拟有所改善，平均偏差从-1.08 ppm降至-0.88 ppm，标准差从5.59 ppm略微降至5.57 ppm。这项研究同时强调了准确LC分类和DEM数据的重要性，因为这些输入中的误差可能引入偏差并影响结果分析。