千烟洲马尾松人工林生态系统的碳循环模拟及模型参数的
不同密度马尾松人工林生态系统碳储量空间分布格局
不同密度马尾松人工林生态系统碳储量空间分布格局张国庆;黄从德;郭恒;邓彪;杨和芳【摘要】对1245、1620、2070株/hm2 3种密度的马尾松人工林生态系统碳储量及其空间分布格局进行了研究,结果表明,马尾松人工林乔木层碳储量随林分密度的增大而增大,分别为41.301、46.377和52.018 t/hm2,林下层碳储量差异不明显,分别为0.935、0.936和0.956 t/hm2,土壤层有机碳储量随林分密度的增大而减小,分别为107.895、98.472和87.040 t/hm2;马尾松人工林生态系统碳储量也随林分密度的增大而减小,分别为150.131、145.785、140.014t/hm2,碳储量空间分布序列均为土壤层>乔木层>林下层.【期刊名称】《浙江林业科技》【年(卷),期】2007(027)006【总页数】5页(P10-14)【关键词】林分密度;马尾松;人工林生态系统;碳储量;空间分布【作者】张国庆;黄从德;郭恒;邓彪;杨和芳【作者单位】四川农业大学林学园艺学院,四川,雅安,625014;四川农业大学林学园艺学院,四川,雅安,625014;四川省汉源县林业局,四川,汉源,625300;四川省马边县林业局,四川,马边,614000;重庆市铜梁县林业局,重庆,铜梁,402560【正文语种】中文【中图分类】S791.248森林作为陆地生态系统的主体，在碳减排中作用显著[1]。
人工林是目前陆地碳汇增长最主要的媒介之一，造林及合理的人工林经营都可以成为固定大气CO2、防止全球变暖的有效途径[1,2]。
根据目前已有数据分析，在中国进行植树造林来增加碳汇是国际温室气体减排最经济有效的措施之一，极具开发潜力[3]。
因此，加大对人工林生态系统碳循环的研究对预测和维护其长期生产力、以及未来在京都议定书（Kyoto Protocol）的框架范围内进行碳汇贸易谈判具有重要意义[4]。
马尾松（Pinus massoniana）是我国的分布面积最广的针叶树种之一，同时也是四川省栽植范围最广的树种，分布面积近90万hm2，其中超过50%为人工林。
基于模型数据融合的千烟洲亚热带人工林碳水通量模拟
基于模型数据融合的千烟洲亚热带人工林碳水通量模拟任小丽;何洪林;刘敏;张黎;周磊;于贵瑞;王辉民【期刊名称】《生态学报》【年(卷),期】2012(032)023【摘要】人工林生态系统是我国森林生态系统的重要组成部分,在全球碳平衡中的作用越来越受到重视.利用千烟洲亚热带人工针叶林通量观测站的碳水通量和气象观测数据,通过模型数据融合方法对碳水循环过程模型——SIPNET模型关键参数进行反演,模拟了2004-2009年千烟洲人工林生态系统的碳水通量.结果表明:仅用碳通量观测数据优化模型参数时,净生态系统碳交换量(NEE)模拟效果较好(R2=0.934),而生态系统蒸散(ET)模拟效果较差(R2=0.188)；同时用碳水通量观测数据优化时,NEE模拟效果稍差(R2=0.929),但ET模拟效果显著提升(R2=0.824),说明利用碳水通量观测数据同时优化,SIPNET模型才能较好地模拟试验站点碳水通量.在此基础上,开展了人工林生态系统碳通量对降水变化响应的敏感性分析,发现降水量减少对光合作用的影响比对呼吸作用的影响更为强烈,且碳水通量同时参与优化时模型才能较好地模拟碳通量随降水减少而快速降低的趋势,表明如果不能同时利用碳水通量进行参数优化,模型无法正确揭示生态系统碳循环对降水变异的响应.【总页数】14页(P7313-7326)【作者】任小丽;何洪林;刘敏;张黎;周磊;于贵瑞;王辉民【作者单位】中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;中国科学院研究生院,北京100049;中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;华东师范大学,上海市城市化生态过程与生态恢复重点实验室,上海200062;中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;中国科学院研究生院,北京100049;中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101【正文语种】中文【相关文献】1.我国中亚热带人工林水热通量对干旱差异响应的模拟研究 [J], 米娜;于贵瑞;温学发;张玉书2.基于模型数据融合的中国温带和亚热带典型森林生态系统碳通量模拟 [J], 葛蓉;何洪林;任小丽;张黎;冯艾琳;王辉民;张军辉3.基于改进SW模型的千烟洲人工林蒸散组分拆分及其特征 [J], 沈竞;张弥;肖薇;温学发;刘寿东;李旭辉4.千烟洲人工林水汽通量特征及其与环境因子的关系 [J], 李菊;刘允芬;杨晓光;李俊5.2003-2010年千烟洲人工针叶林碳水通量观测数据集 [J], 戴晓琴;王辉民;徐明洁;杨风亭;温学发;陈智;张雷明;孙晓敏;于贵瑞因版权原因，仅展示原文概要，查看原文内容请购买。
江西千烟洲人工林生态系统的碳蓄积特征
Ｅ ｏｏ ｉａ ｔｔ ｎ，ｉｎ ｘ ｒｖｎ ｅ．Ｂ ｓ ｄ ｏ ｌ ｍｅｒ ｄ ｌ ｎ ａ ｄｔ ｎ ｔ ｅｄ ｓ ｒｅ ｔ ｅｂｏ ｓ ｎ ａｂ ｎ ｓｏａ ｅｗｅｅ ｃ ｌｇｃ ｌＳａｉ Ｊａ ｇ ｉＰ ｏ ｉｃ ｏ ａ ｅ ｎａｌ ｔｉ ｍｏ ｅｓｉ ｄ ｉｉ ｏｆ ｌ ｕ ｙ，ｈ ｉｍａｓａ ｄ ｃ ｒ ｏ ｔｒｇ ｒ ｏ ｃ ｏ ｉ ｖ
ｃ ｌ ｕ ａｅ ｏ ｏ ｈ ａ ｅ ａ ｅ ｇ ｕ ｄ ａ ｅ ｎ ｈ ｏｅ ｓ ｌ ｗ ｔｒ ｈ ｄ．Ｉ ａｃ ｌ ｔｄ ｆ ｒ ｂ ｔ ｖ ｒ ｇ ｒ ｎ ｒ ａ ａ ｄ ｔ ｅ ｗｈ ｌ ｍａ ｌ ａ ｅ ｓ ｅ ｏ ＫＯＮＯＳ ｉ ｇ ｒ ａ ｓ ｄ ｆ ｒｅ ｔ ｃ ｉ ｇ ｓ ｅ ｉ ｃ ｆ ｒ ｓ ｍａ ｅ ｙ ｗ ｓ ｕ ｅ ｘ ｒ ｔｎ ｐ ｃ ｆ ｏ ｅ ｔ ｏ ａ ｉ ａ ａ ．Ｔ ｅ ｂ ｏ ｓ ｆｉ ｄ ｖ ｄ ａ ｒ ｅ ｏ ｎ ｓ ｍａ ｓ ｎ ａ ａ， ￣ｎ ｓｅ ｌ ｔ ｉａ ｄ Ｃ ｎ ｉ ｇ ａ ａ ｌ ｎ ｅ ｌ ｔ ａｌ １ ｅ ｒ ｌ ｗｅ ｅ ｅ ｒ ｓ ｈ ｉ ｍａ ｓ ｏ ｎ ｉｉ ｕ ｌ ｔ ｓ ｆ ｒ Ｐｉ ｕ ｓ ｏ ｉ ｎ ｌ ｕ ｌ ｏ ｔ ｎ ｕ ｎ ｎ ｈ ｍｉ ａ ｃ ｏａ ａ， ｌ ９ ｙ ａ ｓ ｏ ｄ， ｒ ｅ ｉ ｉ ２ ０， ５． ｎ ３． ｋ ｒ ｓ ｃ ｉｅ ｙ．Ｔ ｅ ａ ｏ ｅ ｇ ｏ ｎ ｉ ｍａ ｓ ｏ ９． ２ ６ ａ ｄ ２ ３ ｇ， ｅ ｐ ｔ ｌ ｅ ｖ ｈ ｂ ｖ — ｒ ｕ ｄ ｂ ｏ ｓ ｆ Ｃ． １ ｎ ｅ ｌ ｔ ｏ ｅ ｔ Ｐ ． ｍａ ｓ ｎ ａ ａ ｆ ｒ ｓ ， ． ｅｌ ｔ ｉ ａ ｃ ｏ ａ ａ ｆ ｒｓ ， ｓｏ ｉｎ ｏ ｅｔ Ｐ ｌｉ ｔ ｏｉ ｆ ｒ ｓ ， ｃ ｉ ｕ ｅ ｂ ｏ ｅ ｔａ ｄ ｍｉ ｅ ｏ ｅ ｔ ｗ ｓ １ ８ ８ ７ ８， ４ １ １ ｎ ５ ｍ 。。 ｒ ｓ ｅ ｔ ｅ ｙ．Ｔ ｅ ａ ｅ ａ ｅ ｏ ｅ ｔ Ｓ ｈ ｍａ ｓ ｐ ｒ ａ ｆ ｒ ｓ ｎ ｘ ｄ ｆｒ ｓ ａ ４ ０ ８， ６ ７ ５ ２， ３ ２ ５ ａ ｄ ８ ３ ９ ｇ’ ， ｅ ｐ ｃｉ ｌ ｖ ｈ ｖ ｒｇ ｂ ｏ ｓ ｎ ａ ｂ ｎ ｓｏ ａ ｅ ｏ ｅ ａ ｉ ｃａ ｏ ｅ ｔｗ ｒ ５ ｎ ７ ｍ 。。 ｒ ｓ ｅ ｔ ｅ ｙ；Ｔ ｅ ａ ｅ ｆｔ ｅ ｓ ｌ ｗａｅ ｓ ｅ ａ ｉ ｍａ ｓ ａ ｄ ｃ ｒ ｏ ｔ ｒ ｇ ｆｔ ｒ ｆ ｉｌｆ ｒ ｓ ｅ ｅ ８ ２ ７ ａ ｄ ３ ９ ９ ｇ‘ ｈ ｔｉ ，ｅ ｐ ｃｉ ｌ ｖ ｈ ｒ ａ ｏ ｍａ ｌ ｔｒ ｈ ｄ ｗ ｓ ｈ ２ ７． ６ ｈ ０ ９ ｍ２，ｏ ｉ ｈ ｆｗｈ ｃ
江西千烟洲几种灌木生物量模型的研究
江西千烟洲几种灌木生物量模型的研究曾珍英1,刘琪 1,2,4,曾慧卿1,3(11南昌大学环境科学与工程学院,江西南昌330029;21中国科学院地理科学与资源研究所,北京100101;31中国科学院生态环境研究中心,北京100085;41江西省区域生态过程与信息重点实验室,江西泰和343000)摘要:研究以中国科学院江西省千烟洲红壤丘陵综合开发试验站(以下简称千烟洲站)人工森林中灌木层的4种常见灌木为对象,采用SPSS 、EXCE L 等统计软件对数据进行回归分析,建立灌木各营养器官生物量及总生物量与各测树因子的回归模型,所得的各样本总生物量回归方程为:四川红淡比:Y =01677X 016293,山矾:Y =111672+010201X +(2E -05)X 2,格药柃:Y =597-48186X +11365X 2,钩藤:Y =20812-46147X +2191X 2。
通过对模型的精度检验,其结果表明:本实验建立的灌木各营养器官生物量同各测树单因子及复合因子之间的回归方程相关性好,可用于推算灌木生物量。
关键词:灌木;生物量;回归模型中图分类号:S793101 文献标识码:A 文章编号:1002-7351(2005)04-0068-05Study of Biom ass Models of Some K inds of Shrubs in Q ianyanzhou ,Jiangxi ProvinceZENG Zhen 2ying 1,LIU Q i 2jing 1,2,4,ZENG H ui 2qing 1,3(11Environmental Science and Engineering College of Nanchang University ,Nanchang 330029,China ;21Institute of Geographical Science and Resource of CAS ,Beijing 100101,China ;31Research Center of Eco 2Environment of CAS ,Beijing 100085,China ;41K ey Laboratory of Region Ecology Process and Information ,Taihe 343000,China )Abstract :In the study of forest biomass m odel ,the study of forest arbor layer biomass was in a certain relatively ,total reap method was adopted to determine shrub layer biomass under stands ,formula and m odel were used in a low am ount 1The regression analyses of data was conducted with 4kinds of normal shrubs in the plantation shrub layer by adopting the statistical s oftwave SPSS 1EXCE L The different obtained total biomass regression equation were :Adinandra bockiana Y =01677X 016293,Symplocos caudatewal Y =111672+010201X +(2E 205)X 2,Eurya muricata Y=597248186X +11365X 2,Uncaria rhynchophylla Y=20812246147X +2191X 21Through the precision test ,the re 2sults showed that the regression equation correlation between the different shrub nutrient organ biomass ,different tree 2measuring single and com pound factors built in our laboratory was g ood ,which might be used for calculating the shrub biomass 1K ey w ords :shrub ;biomass ;regression m odel1 研究方法111 试验地人工林概况千烟洲植物群落类型可分天然次生林和人工林2大类型,以人工林为主,根据2003年夏季群落调查资料,江西省千烟洲不同类型人工林的植物群落种类组成及结构特征如下:①植物种类:12类型群落共约150种植物,每个群落中均以灌木层种类最丰富。
基于Biome-BGC模型的千烟洲森林水分利用效率研究
基于Biome-BGC模型的千烟洲森林水分利用效率研究千烟洲位于中国福建省南部，是一个典型的亚热带森林生态系统。
在这个生态系统中，水分是生态系统中最重要的限制因子之一。
因此，研究千烟洲森林的水分利用效率（WUE）非常重要。
本文利用Biome-BGC模型来研究千烟洲森林的WUE。
首先，我们了解WUE的定义。
WUE是指单位二氧化碳吸收量和水分蒸发量之间的比率。
在植物的生态系统中，高WUE意味着植物可以更有效地使用水分而不产生过多的水蒸气，从而更加适应干旱气候。
Biome-BGC模型是一种生态系统模型，用于模拟生态系统的碳、氮和水循环。
该模型因其可以考虑植物和土壤的过程，因此在水分利用研究中广泛使用。
该模型可以估计生态系统碳、氮和水分利用效率。
此外，该模型还可以提供有关生态系统碳平衡和植物生长的有用信息。
本研究使用了千烟洲的多年气象数据和地面观测数据。
利用这些数据输入Biome-BGC模型，我们对千烟洲森林的WUE进行了模拟分析。
结果表明，千烟洲森林的WUE随着时间的变化呈现出明显的季节性变化。
在夏季和秋季，WUE值较低，而在冬季和春季，WUE值较高。
对模拟结果进行深入分析，我们发现，夏季和秋季的降雨量较高，但太阳辐射量也比较大，这意味着植物在这个时期需要更多的水分来进行光合作用。
因此，WUE值较低。
而在冬季和春季，降雨量较低，但太阳辐射量也较小，植物可以更有效地利用水分进行光合作用。
因此，WUE值更高。
总的来说，通过对Biome-BGC模型的使用，我们可以对千烟洲森林的WUE进行了清晰的模拟分析。
这一结果为我们理解该生态系统的水循环以及植物生长提供了有益的信息。
未来，我们可以对该模型进行改进，以更好地模拟千烟洲森林的水循环和植物生长过程，推动生态系统可持续发展。
千烟洲试验区人工林养分循环的研究
千烟洲试验区人工林养分循环的研究陈永瑞;林耀明;李家永;刘允芬;杨汝荣【期刊名称】《江西科学》【年(卷),期】2001(019)003【摘要】对中国科学院千烟洲试验区人工林的养分生物循环进行了研究.结果表明,湿地松和马尾松人工林中的N、P和K养分元素积累量分别占7种元素积累量的41.8%和46.6%.而木荷林只占22.9%,说明了湿地松和马尾松人工林生产l t 干物质生物量要比木荷人工林消耗更多的N、P和K养分元素.通过降雨淋溶归还给3个林分的7种养分元素量,分别为相应林分凋落物中的养分元素归还量的0.29倍、0.20倍、0.15倍.按林分生物循环特点可把该试验区的人工林划分为:湿地松林和马尾松林为高存留、低归还,木荷林为高归还、低存留量两种类型.前者易消耗地力,后者则能改善林地土壤肥力【总页数】6页(P147-152)【作者】陈永瑞;林耀明;李家永;刘允芬;杨汝荣【作者单位】中国科学院地理科学与资源研究所;中国科学院地理科学与资源研究所;中国科学院地理科学与资源研究所;中国科学院地理科学与资源研究所;中国科学院地理科学与资源研究所【正文语种】中文【中图分类】S718.55+1.2【相关文献】1.江西千烟洲试验区大气降雨及人工林树干茎流特征 [J], 陈永瑞;刘允芬;林耀明;刘琪景;夏军2.千烟洲试验区几种灌木生物量估算模型的研究 [J], 蔡哲;刘琪璟;欧阳球林3.千烟洲试验区大气降雨特征及人工林树干茎流特征 [J], 陈永瑞;刘允芬;刘琪璟;林耀明;蔡玉林;宋霞4.千烟洲试验区马尾松人工林凋落叶及其营养元素的数量动态 [J], 陈永瑞5.红壤丘陵区人工林能量平衡闭合研究--以江西省泰和县千烟洲为例 [J], 刘允芬;于贵瑞;李菊;宋霞;陈永瑞因版权原因，仅展示原文概要，查看原文内容请购买。
CDM造林再造林项目方法学的实证研究——以千烟洲生态试验站为例
CDM造林再造林项目方法学的实证研究——以千烟洲生态试验站为例陈春阳;杨风亭;王绍强【摘要】Based on the measured data of man - made forest of the Qianyanzhou Ecological Experimental Station since 1984, this research showed an empirical study by monitoring of carbon sequestration of A/ R CDM project, exploring the suit way to develop A/R CDM project. The results showed that in the same climatic condition, soil type, soil depth, soil parent material, topography and forestation were important bases for separating zones in a project; Developing a A/R CDM project on the degraded grassland, monitoring of soil carbon pool cannot be ignored; Considering the nature conditions, social conditions and economic conditions of the project area, developing three - dimensional agroecosystem based mainly on forestry can both reduce the negative transfer activities of a project and promote positive ecological leakage.%根据中国科学院江西省泰和县千烟洲生态试验站1984年以来的监测研究成果，开展清洁发展机制造林再造林项目（A／RCDM）方法学的实证研究，探讨适合我国南方红壤丘陵区A／RCDM项目的监测方法学。
“马尾松、湿地松林生态系统生物产量及物质循环研究”通过鉴定
“马尾松、湿地松林生态系统生物产量及物质循环研究”通过
鉴定
赵坤
【期刊名称】《林业科技开发》
【年(卷),期】2004(18)3
【总页数】1页(P79-79)
【关键词】马尾松;湿地松;生态系统;生物产量;物质循环;森林生态系统管理
【作者】赵坤
【作者单位】
【正文语种】中文
【中图分类】S718.554
【相关文献】
1.飞播马尾松林生物产量及生产力研究 [J], 姚东和;何友军
2.湿地生态系统硅生物地球化学循环研究进展 [J], 翟水晶;薛丽丽;仝川
3.西藏湿地生态系统中氮循环微生物数量和多样性研究 [J], 李静;陈芝兰;李小卫
4.滨海湿地生态系统微生物驱动的氮循环研究进展 [J], 杨雪琴;连英丽;颜庆云;贺志理
5.马尾松人工林养分循环研究Ⅰ．不同坡位马尾松林生物量与养分现存量 [J], 刘发茂
因版权原因，仅展示原文概要，查看原文内容请购买。
不同发育阶段马尾松人工林生态系统碳贮量研究
不同发育阶段马尾松人工林生态系统碳贮量研究
尉海东;马祥庆
【期刊名称】《西北农林科技大学学报（自然科学版）》
【年(卷),期】2007(035)001
【摘要】对福建马尾松幼龄林、中龄林和成熟林生态系统中各组分的含碳率和碳贮量进行了比较研究.结果表明,不同发育阶段马尾松乔木层和凋落物层的含碳率为48.12%～52.59%,表现为成熟林最大、中龄林次之、幼龄林最小,0～100 cm土壤层含碳率亦表现出同样的规律,而林下植被层含碳率则表现为中龄林最大、幼龄林次之、成熟林最小;随林龄增大,马尾松林乔木层、凋落物层和土壤层碳贮量均逐渐增加,决定了生态系统总碳贮量亦逐渐增加,成熟林生态系统碳贮量为183.94
t/hm2,分别是幼龄林和中龄林的1.72倍和1.20倍,这种差异主要是由乔木层碳贮量的差异引起的.
【总页数】4页(P171-174)
【作者】尉海东;马祥庆
【作者单位】临沂师范学院,地理与旅游学院,山东,临沂,276005;福建农林大学,林学院,福建,福州,350002
【正文语种】中文
【中图分类】S718.55+4.2;S791.248.02
【相关文献】
1.中亚热带不同发育阶段杉木人工林生态系统碳贮量研究 [J], 尉海东;马祥庆
2.不同生长发育阶段木麻黄林生态系统的碳贮量 [J], 叶功富;郭瑞红;卢昌义;肖胜生;吴惠忠
3.不同生长发育阶段木麻黄人工林的土壤碳贮量 [J], 叶功富;肖胜生;郭瑞红;吴柳清;岳新建
4.不同发育阶段楠木人工林生态系统碳贮量研究 [J], 尉海东;马祥庆
5.桂西北马尾松人工林生态系统碳贮量与分布 [J], 韦明宝; 王朝健; 杨正文; 黄振格; 王汉敢; 何斌
因版权原因，仅展示原文概要，查看原文内容请购买。
不同方法估算马尾松天然林植被固碳潜力的比较1）
不同方法估算马尾松天然林植被固碳潜力的比较1）潘鹏;欧阳勋志;甘文峰【摘要】以江西省马尾松林分为研究对象，运用最大值法、光能利用率法、生产力回归模型法和生长过程法对林分尺度森林植被固碳潜力进行了估算。
结果表明：最大值法、光能利用率法和生长过程法三者间估算结果相近（P＞0．05），分别为0．81～1．22、0．77～1．21和1．25～1．60 t· hm－2· a－1；生产力回归模型法估算结果明显高于其他三种方法（ P＜0．05），估计值为4．15～4．93 t· hm－2· a－1。
综合分析表明，生长过程法较适用于林分尺度上森林植被固碳潜力的估算。
%By maximum, light use efficiency, regression model of net primary productivity and stand growth, we estimated the carbon sequestration potential of Pinus massoniana Lamb vegetation in Jiangxi Province at forest stand scale.The estima-tions had no significant differences ( P>0.05) among maximum, light use efficiency and stand growth, they were 0.81-1.22, 0.77-1.21 and 1.25-1.60 t· hm-2 · a-1 , respectively.The estimation by net primary productivity was significantly higher than that by other methods (P<0.05), was 4.15-4.93 t· hm-2· a-1.Therefore, stand growth was the best method in estimating the carbon sequestration of forest vegetation at forest stand scale.【期刊名称】《东北林业大学学报》【年(卷),期】2015(000)001【总页数】4页(P32-35)【关键词】马尾松天然林;森林植被;固碳潜力【作者】潘鹏;欧阳勋志;甘文峰【作者单位】江西农业大学，南昌，330045;江西农业大学，南昌，330045;安福县明月山林场【正文语种】中文【中图分类】S718.5森林是陆地生态系统的主体，森林固碳量占陆地固碳量的70%～80%［1－2］，对维护区域生态环境和全球碳平衡起着重要作用。
基于CEVSA2模型的亚热带人工针叶林长期碳通量及碳储量模拟
基于CEVSA2模型的亚热带人工针叶林长期碳通量及碳储量模拟顾峰雪;陶波;温学发;于贵瑞;李克让【摘要】随着造林活动的开展,准确评估人工林的碳储量和固碳能力,对于准确估算全球和区域碳平衡具有重要意义.基于生态系统机理模型为分析和预测人工林生态系统碳储量和碳汇功能的动态特征提供了重要手段.CEVSA2模型是在CEVSA模型的墓础上,改进了碳水循环关键过程的定量表达方法而发展的新版本.基于改进后的CEVSA2模型,模拟分析了亚热带红壤丘陵区人工林自造林以来生态系统碳储量和碳通量的变化特征.模拟结果表明,造林后,植被碳持续增加,研究时段内平均每年的增长速率为22%.土壤碳储量在造林后最初的7-8a间是逐渐下降的,而后逐渐升高,约15a后土壤碳增加到初始水平,随后土壤碳继续增加.生态系统的总碳储量也表现为先降低后增加,造林4a后,总碳储量由降低转为增加趋势,6a后,总碳储量即超过造林当年的总碳储量.造林后,总初级生产力和净初级生产力逐渐升高,而总呼吸则先降低后升高,呼吸组分中自养呼吸所占比例逐渐升高而异养呼吸逐渐下降.人工林在造林初期表现为一个碳源,随着人工林的生长,碳汇功能逐渐增强.由此可见,造林初期,生态系统碳储量下降,生态系统向大气释放碳,随着人工林的生长,生态系统转变为一个碳汇,植被碳、土壤碳和总碳储量均显著增加.【期刊名称】《生态学报》【年(卷),期】2010(030)023【总页数】8页(P6598-6605)【关键词】CEVSA2模型;人工林;碳汇功能;碳储量【作者】顾峰雪;陶波;温学发;于贵瑞;李克让【作者单位】中国农业科学院农业环境与可持续发展研究所,农业部旱作节水农业重点开放实验室,北京,100081;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京,1000101;Intemational Center for Climate and Global Change Research, AuburnUniversity, Auburn, AL36849,USA;Ecosystem Dynamics and Global Ecology (EDGE) Laboratory, School of Forestry and Wildlife Sciences,AuburnUniversity,Auburn,AL, 36849,USA;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京,1000101;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京,1000101;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京,1000101【正文语种】中文人工林在生长过程中是重要的潜在增长的碳库。
厦门市森林生态系统固碳服务评估
对其 ２０１５ 年的固碳服务进行评估ꎬ并对其时空动态
靠ꎬ可对生态系统进行长期连续的自动观测并且可在
核算提供数据支撑.
不同时间尺度上进行生态系统固碳分来自ꎻ缺点是建设和运行成本高ꎬ研究结果仅适用于站点尺度. 模型模
ｃｒｕｃｉａｌ ｔｏ ａｃｃｕｒａｔｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｒｅｇｉｏｎａｌ ｃａｒｂｏｎ ｂｕｄｇｅｔꎬ ｗｈｉｃｈ ｃｏｕｌｄ ｓｕｐｐｏｒｔ ｄｅｃｉｓｉｏｎ￣ｍａｋｉｎｇ ｆｏｒ ｔｈｅ ｒｅｇｉｏｎａｌ ｃａｒｂｏｎ ｍａｎａｇｅｍｅｎｔ. Ｉｎ ｔｈｅ
ｐｒｅｓｅｎｔ ｓｔｕｄｙꎬ ｗｅ ｅｓｔｉｍａｔｅｄ ｔｈｅ ｆｏｒｅｓｔ ｅｃｏｓｙｓｔｅｍ ｃａｒｂｏｎ ｓｅｑｕｅｓｔｒａｔｉｏｎ ａｎｄ ａｎａｌｙｚｅｄ ｉｔｓ ｓｐａｔｉｏ￣ｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎ ｉｎ Ｘｉａｍｅｎ Ｃｉｔｙ ｉｎ ２０１５ ｂｙ
ＧＡＯ Ｙａｎｎｉ １ꎬ２ ꎬ ＷＡＮＧ Ｗｅｉ ３∗ ꎬ ＬＩＵ Ｘｉｎ ４ ꎬ ＺＨＡＮＧ Ｌｉｎｂｏ １ꎬ２ ꎬ ＤＥＮＤ Ｆｕｌｉａｎｇ １ꎬ２ ꎬ ＹＡＮＧ Ｃｈｕｎｙａｎ １ꎬ２ ꎬ ＳＵＮ Ｑｉａｎｙｉｎｇ １ꎬ２
１. Ｓｔａｔｅ Ｅｎｖｉｒｏｎｍｅｎｔ Ｐｒｏｔｅｃｔｉｏｎ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｒｅｇｉｏｎａｌ Ｅｃｏ￣Ｐｒｏｃｅｓｓ ａｎｄ Ｆｕｎｃｔｉｏｎ Ａｓｓｅｓｓｍｅｎｔꎬ Ｃｈｉｎｅｓｅ Ｒｅｓｅａｒｃｈ Ａｃａｄｅｍｙ ｏｆ
５２ ５８％和 ５７ １０％ꎬ其与翔安区、集美区的固碳量之和占厦门市总量的 ８８ ２７％ꎬ是厦门市森林生态系统固碳的主体ꎻ湖里区固碳
量最少ꎬ平均固碳量仅为 １４ ２５ ｇ∕( ｍ２ ａ) ꎬ几乎为碳中性. 研究显示ꎬ厦门市森林生态系统具有较好的固碳能力.
基于模型数据融合的中国温带和亚热带典型森林生态系统碳通量模拟
基于模型数据融合的中国温带和亚热带典型森林生态系统碳通量模拟葛蓉;何洪林;任小丽;张黎;冯艾琳;王辉民;张军辉【期刊名称】《生态学报》【年(卷),期】2017(037)005【摘要】生态系统碳循环过程对水分响应的研究已成为全球变化关注的焦点问题之一.基于长白山温带针阔混交林与千烟洲亚热带人工针叶林观测站2003-2009年生长季的碳通量(NEE)和气象观测数据,综合考虑水分对光合、呼吸作用的影响,构建不同的NEE模型,并应用模型数据融合方法优化模型参数、遴选最适模型,系统分析了水分因子对不同森林生态系统碳循环的影响.结果表明:(1)优化后的模型参数均能被NEE实测数据较好约束.长白山生长季的光合、呼吸参数值均高于千烟洲,未考虑空气饱和水汽压差(VPD)的模型高估了千烟洲温度敏感性参数(Q10)值、低估了千烟洲基础呼吸速率参数(BR)值;(2)仅考虑VPD对光合作用影响的模型是长白山生长季碳通量模拟的最优模型,但模拟精度提高不显著.不同模型间碳通量组分模拟结果差异较小;(3)考虑VPD和土壤含水量对光合、呼吸作用共同影响的模型是千烟洲生长季碳通量模拟的最优模型,并且显著提高了模拟精度.未考虑水分的模型在生长季高估了总生态系统生产力(GEP)总量2.0％(21.85 9 C/m2),同时更大幅度地高估了生态系统呼吸(RE)总量4.4％(38.02 9 C/m2),从而导致NEE总量低估于实测值7.8％(18.55 9 C/m2).%Moisture effect on the carbon balance of terrestrial ecosystems is a key issue in global change research.It is crucial to accurately analyze the response of terrestrial ecosystem carbon cycle to moisture.However,the carbon flux models responding to environmentalfactors rarely consider the moisture effects on photosynthesis and respiration simultaneously;meanwhile there are still large uncertainties in model structures and parameters.Thus,this study was designed to (1) choose the optimal carbon flux model with accurate parameters for different ecosystems through model-data fusion approach,reducing the uncertainties of modeled results;(2) systematically analyze the influence of water factors on carbon flux simulation,including gross ecosystem productivity (GEP),ecosystem respiration (RE) and net ecosystem exchange (NEE).To consider the effects of moisture on both GEP and RE,we developed four different NEE models.Then,based on carbon flux and meteorological data during growing season from 2003 to 2009 in Changbaishan temperate mixed forest (CBS) and Qianyanzhou subtropical coniferous plantation (QYZ),Markov Chain Monte Carlo was employed to estimate model parameters,and Bayesian Information Criterion was applied to choose the optimal model for two forest ecosystems.The results showed that (1) the posterior values of model parameters were normally distributed,indicating that the parameters were well constrained by NEE.Photosynthetic and respiratory parameter values of CBS were higher than those of QYZ during the growing season.The model without vapor pressure deficit (VPD) overestimated the value of temperature sensitivity (Q10) and underestimated the value of basal respiration rate (BR) in QYZ;(2) the model considering VPD only was the optimal model for CBS,but its performance was not improved much.The modeled flux components were similaramong the four models;(3) the model considering both VPD and soilwater content (Sw) was the optimal model for QYZ,and its performance was improved significantly.The model ignored water factors overestimated 2％ (21.85 g C/m2) of the total GEP,and 4.4％ (38.02 g C/m2) of the total RE,and therefore,underestimated 7.8％ (18.55 g C/m2) of the total measured NEE during the growing season.【总页数】12页(P1409-1420)【作者】葛蓉;何洪林;任小丽;张黎;冯艾琳;王辉民;张军辉【作者单位】中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;中国科学院大学,北京100049;中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;沈阳农业大学,沈阳110866;中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京100101;中国科学院沈阳应用生态研究所,沈阳110016【正文语种】中文【相关文献】1.陆面过程模式CoLM和NCAR_CLM3.0对中国典型森林生态系统陆气相互作用的模拟Ⅰ.不同模式模拟结果的初步分析 [J], 宋耀明;郭维栋;张耀存;陈永立2.陆面过程模式CoLM和NCAR_CLM3.0对中国典型森林生态系统陆气相互作用的模拟Ⅱ.不同参数化方案对模拟结果的影响 [J], 宋耀明;郭维栋;张耀存3.基于模型数据融合的千烟洲亚热带人工林碳水通量模拟 [J], 任小丽;何洪林;刘敏;张黎;周磊;于贵瑞;王辉民4.北亚热带-南暖温带过渡区典型森林生态系统土壤呼吸及其组分分离 [J], 常建国;刘世荣;史作民;陈宝玉;朱学凌5.温带森林生态系统粗死木质物动态研究——以中美两个温带天然林生态系统为例[J], 陈华;M.E.Harmon因版权原因，仅展示原文概要，查看原文内容请购买。
马尾松人工纯林全林整体生长模型的研究
马尾松人工纯林全林整体生长模型的研究
李桂珍;郭文清;刘沙
【期刊名称】《湖南林业科技》
【年(卷),期】2014(41)4
【摘要】以湖南省会同县马尾松纯林为研究对象,利用166块马尾松人工纯林复测样地数据建立了马尾松纯林全林整体模型.全林整体模型是一组非线性联立方程组,由8个非线性模型组成.利用Forstat软件中的“非线性误差变量联立方程组”方法求解模型参数,保证了模型的无偏性.“刀切法”检验结果表明,各林分因子的平均相对误差和相对均方误差均在15％以下.
【总页数】5页(P22-26)
【作者】李桂珍;郭文清;刘沙
【作者单位】怀化市林业局,湖南怀化418000;湖南省林业科学院,湖南长沙410004;湖南省林业厅,湖南长沙410007
【正文语种】中文
【中图分类】S711
【相关文献】
1.南亚热带格木、马尾松幼龄人工纯林及其混交林生态系统碳氮储量 [J], 罗达;史作民;王卫霞;刘世荣;卢立华;明安刚;于浩龙
2.马尾松人工纯林全林整体生物量模型的构建 [J], 郭文清;李桂珍;刘沙;谭刚毅
3.蒙古栎林全林整体生长模型及其应用 [J], 洪玲霞;雷相东;李永慈
4.由全林整体生长模型推导林分密度控制图的方法 [J], 洪玲霞
5.杉木马尾松森荷人工纯林与混交林炎灾隐患的对比分析 [J], 张思玉;张志翔因版权原因，仅展示原文概要，查看原文内容请购买。
马尾松人工纯林全林整体生物量模型的构建
马尾松人工纯林全林整体生物量模型的构建郭文清;李桂珍;刘沙;谭刚毅【摘要】以湖南省会同县马尾松纯林为研究对象,采用两阶段度量误差模型法对马尾松林分蓄积量与各组分生物量回归模型和全林整体生长模型进行融合,并对模型的参数进行重新估计,得到马尾松纯林全林整体生物量模型,经检验模型精度较高,适用性强.【期刊名称】《湖南林业科技》【年(卷),期】2014(041)006【总页数】6页(P35-39,47)【关键词】全林整体生物量模型;两阶段度量误差模型;马尾松【作者】郭文清;李桂珍;刘沙;谭刚毅【作者单位】湖南省林业科学院,湖南长沙410004;怀化市林业局,湖南怀化418000;湖南省林业厅,湖南长沙410007;攸县林业局,湖南攸县412300【正文语种】中文【中图分类】S791.248;S718.55+6传统的测定林分生物量的方法均需繁重的野外工作，而且由小面积的测定结果推广到大面积的森林也相当困难。
有学者研究表明，林分蓄积量和生物量的高低，受立地条件、林分年龄和人为干扰影响较大，可以认为林分生物量W是地位指数L、密度指数S、形高fH和林分年龄t的函数[1-2]。
本研究在李桂珍、郭文清等[3]建立的马尾松全林整体生长模型的基础上，结合张翼、郭文清等[4]研建的林分蓄积量与各组分生物量相关关系模型，采用两阶段度量误差模型方法[1，5-7]融合模型进行参数的拟合以构建马尾松全林整体生物量模型。
会同县隶属于湖南省怀化市，地处云贵高原东缘斜坡，雪峰山脉的西南，全境属中、低山区，境内属亚热带湿润季风气候，主要特点为四季分明，降雨适中，夏无酷热，冬少严寒。
年平均气温16.6 ℃，1月平均气温4.9 ℃，极低气温为-8.5 ℃。
7月平均气温27.3 ℃，极端高温为39.1 ℃。
全年无霜期可达303天，年均降雨量为1 304.2 mm。
年蒸发量小，相对湿度大，年均相对湿度达83%。
植被在全省植被分区中，属南岭西部植被区系。
马尾松人工林林窗内3种树种凋落叶全碳释放的季节动态
马尾松人工林林窗内3种树种凋落叶全碳释放的季节动态李勋;刘洋;张健;张艳;张明锦;刘华【摘要】通过探究马尾松（Pinus massoniana）人工林不同林窗下3个树种凋落叶全碳释放动态，为低山丘陵区低效人工林林分改造及结构调整提供科学依据。
以长江上游低山丘陵区人为采伐形成的4种面积的马尾松人工林林窗（G1：100 m2、G3：400 m2、G4：900 m2、G5：1600 m2）为研究对象，以林下为对照，对比分析林窗内马尾松、樟（Cinnamomum camphora）、桢楠（Phoebe zhennan）凋落叶的全碳释放率。
结果表明：林窗面积对凋落叶全碳释放有显著影响，900 m2林窗更利于凋落叶中有机质的释放；樟凋落叶春季的全碳释放率显著高于其他三季，而马尾松和桢楠凋落叶春、夏、秋季的全碳释放率较高，冬季最低，表明凋落叶的碳释放具有明显的季节动态。
当前的研究结果表明凋落叶的碳释放受林窗面积、季节以及不同树种的综合影响。
%In order to research foliar litter carbon release of three tree species in forest gaps of Pinus massoniana plantations, and provide a scientific basis for plantation stand transformation and structure adjustment in hilly area of the upper reaches of the Yangtze River. A field litterbag experiment was taken in four gap sizes (G1: 100 m2, G2: 400 m2, G3: 900 m2, G4: 1 600 m2) in Pinus massoniana plantations, as the closed canopy being the control, the carbon release of Pinus massoniana (Pm), Cinnamomum camphora (Cc)and Phoebe zhennan (Pz) foliar litter were analyzed. Our results indicated that the gap size had significant effects on carbon release, and carbon release rate was highest in forest gap of 900 m2; carbon release rate of Cc in spring was significantly higher than other three seasons, however, it washigher of Pm and Pz in spring, summer and autumn, which indicated that the carbon release rate of foliar litter had dynamic seasonal varitions. In generlly, the present findings suggested that the carbon release in foliar litter would comprehensive affected by factors of gap size, seasonal variation and tree species.【期刊名称】《生态环境学报》【年(卷),期】2015(000)010【总页数】6页(P1634-1639)【关键词】马尾松人工林;凋落叶;林窗;季节动态;碳释放【作者】李勋;刘洋;张健;张艳;张明锦;刘华【作者单位】四川农业大学林学院生态林业研究所，四川成都 611130;四川农业大学林学院生态林业研究所，四川成都 611130; 生态林业工程重点实验室，四川成都 611130; 长江上游生态安全协同创新中心，四川成都 611130;四川农业大学林学院生态林业研究所，四川成都 611130; 生态林业工程重点实验室，四川成都611130; 长江上游生态安全协同创新中心，四川成都 611130;四川农业大学林学院生态林业研究所，四川成都 611130;四川农业大学林学院生态林业研究所，四川成都 611130;四川农业大学林学院生态林业研究所，四川成都 611130【正文语种】中文【中图分类】S71.55;X171.1植物从土壤中吸收养分，通过光合作用形成有机体，养分元素随死亡有机体落到地表，主要以有机体形态归还土壤。
基于不同空间模型的马尾松林生态系统碳密度研究
第４０卷第１５期２０２０年８月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．４０，Ｎｏ．１５Ａｕｇ．，２０２０基金项目：国家自然科学基金（３１７６０２０７，３１３６０１８１，３１１６０１５９）；中国科学院战略性先导科技专题项目（ＸＤＡ０５０５０２０５）收稿日期：２０１９⁃０７⁃１５；㊀㊀网络出版日期：２０２０⁃０５⁃２１∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｏｙｘｚ＿２００３＠ｈｏｔｍａｉｌ．ｃｏｍＤＯＩ：１０．５８４６／ｓｔｘｂ２０１９０７１５１４９１潘萍，孙玉军，欧阳勋志，宁金魁，冯瑞琦，汪清．基于不同空间模型的马尾松林生态系统碳密度研究．生态学报，２０２０，４０（１５）：５２３０⁃５２３８．ＰａｎＰ，ＳｕｎＹＪ，ＯｕｙａｎｇＸＺ，ＮｉｎｇＪＫ，ＦｅｎｇＲＱ，ＷａｎｇＱ．ＳｔｕｄｙｏｎｃａｒｂｏｎｄｅｎｓｉｔｙｉｎＰｉｎｕｓｍａｓｓｏｎｉａｎａｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｂａｓｅｄｏｎｄｉｆｆｅｒｅｎｔｓｐａｔｉａｌｍｏｄｅｌｓ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（１５）：５２３０⁃５２３８．基于不同空间模型的马尾松林生态系统碳密度研究潘㊀萍１，孙玉军１，欧阳勋志２，３，∗，宁金魁２，３，冯瑞琦２，汪㊀清２１北京林业大学林学院，北京㊀１０００８３２江西农业大学林学院，南昌㊀３３００４５３鄱阳湖流域森林生态系统保护与修复国家林业和草原局重点实验室，南昌㊀３３００４５摘要：以江西省马尾松林生态系统为研究对象，基于样地调查及样品碳含量测定结果计算其碳密度，并选取立地㊁植被及气象等方面的１５个因子，采用多元线性逐步回归方法筛选出对生态系统碳密度影响显著的因子，然后分别利用最小二乘模型（ＯＬＳ）㊁空间误差模型（ＳＥＭ）㊁空间滞后模型（ＳＬＭ）和地理加权回归模型（ＧＷＲ）构建生态系统碳密度与其影响因子之间的关系模型，筛选出最优的拟合模型㊂结果表明：对马尾松林生态系统碳密度影响显著的因子分别为海拔㊁坡度㊁土层厚度㊁胸径㊁年均温度和年均降水量㊂４种模型拟合结果均显示碳密度与坡度呈负相关，与海拔㊁土层厚度㊁胸径呈正相关㊂模型的决定系数（Ｒ２）由大到小分别为ＧＷＲ（０．８０４３）＞ＳＥＭ（０．６３７１）＞ＳＬＭ（０．６３６４）＞ＯＬＳ（０．６３２１），模型均方误差（ＭＳＥ）与赤池信息准则（ＡＩＣ）最大的均为ＯＬＳ模型，最小的均为ＧＷＲ模型；残差检验表明ＧＷＲ模型能有效降低模型残差的空间自相关性㊂综合分析得出ＧＷＲ模型的拟合效果最优，更适用于江西省马尾松林生态系统碳密度的估测㊂关键词：马尾松林；生态系统；碳密度；空间模型ＳｔｕｄｙｏｎｃａｒｂｏｎｄｅｎｓｉｔｙｉｎＰｉｎｕｓｍａｓｓｏｎｉａｎａｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｂａｓｅｄｏｎｄｉｆｆｅｒｅｎｔｓｐａｔｉａｌｍｏｄｅｌｓＰＡＮＰｉｎｇ１，ＳＵＮＹｕｊｕｎ１，ＯＵＹＡＮＧＸｕｎｚｈｉ２，３，∗，ＮＩＮＧＪｉｎｋｕｉ２，３，ＦＥＮＧＲｕｉｑｉ２，ＷＡＮＧＱｉｎｇ２１ＣｏｌｌｅｇｅｏｆＦｏｒｅｓｔｒｙ，ＢｅｉｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ２ＣｏｌｌｅｇｅｏｆＦｏｒｅｓｔｒｙ，ＪｉａｎｇｘｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３３００４５，Ｃｈｉｎａ３ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＮａｔｉｏｎａｌＦｏｒｅｓｔｒｙａｎｄＧｒａｓｓｌａｎｄＡｄｍｉｎｉｓｔｒａｔｉｏｎｏｎＦｏｒｅｓｔＥｃｏｓｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＲｅｓｔｏｒａｔｉｏｎｉｎＰｏｙａｎｇＬａｋｅＷａｔｅｒｓｈｅｄ，ＪｉａｎｇｘｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３３００４５，ＣｈｉｎａＡｂｓｔｒａｃｔ：ＴｈｉｓｓｔｕｄｙｉｎｖｅｓｔｉｇａｔｅｄＰｉｎｕｓｍａｓｓｏｎｉａｎａｆｏｒｅｓｔｉｎＪｉａｎｇｘｉＰｒｏｖｉｎｃｅ．Ｂａｓｅｄｏｎｐｌｏｔｉｎｖｅｓｔｉｇａｔｉｏｎａｎｄｍｅａｓｕｒｅｍｅｎｔｏｆｓａｍｐｌｅｃａｒｂｏｎｃｏｎｔｅｎｔ，ｔｈｅｃａｒｂｏｎｄｅｎｓｉｔｙｏｆＰｉｎｕｓｍａｓｓｏｎｉａｎａｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｗａｓｃａｌｃｕｌａｔｅｄ．Ｔｈｅｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｏｎｅｃｏｓｙｓｔｅｍｃａｒｂｏｎｄｅｎｓｉｔｙｗｅｒｅｓｃｒｅｅｎｅｄｆｒｏｍｆｉｆｔｅｅｎｆａｃｔｏｒｓ，ｉｎｃｌｕｄｉｎｇｓｉｔｅ，ｖｅｇｅｔａｔｉｏｎａｎｄｍｅｔｅｏｒｏｌｏｇｉｃａｌｆａｃｔｏｒｓｂｙｕｓｉｎｇｍｕｌｔｉｐｌｅｌｉｎｅａｒｓｔｅｐｗｉｓｅｒｅｇｒｅｓｓｉｏｎｍｅｔｈｏｄ．Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｍｏｄｅｌｓｂｅｔｗｅｅｎｅｃｏｓｙｓｔｅｍｃａｒｂｏｎｄｅｎｓｉｔｙａｎｄｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｗｅｒｅｅｓｔａｂｌｉｓｈｅｄｂｙｕｓｉｎｇｏｒｄｉｎａｒｙｌｅａｓｔｓｑｕａｒｅｓｍｏｄｅｌ（ＯＬＳ），ｓｐａｔｉａｌｅｒｒｏｒｍｏｄｅｌ（ＳＥＭ），ｓｐａｔｉａｌｌａｇｍｏｄｅｌ（ＳＬＭ）ａｎｄｇｅｏｇｒａｐｈｉｃａｌｌｙｗｅｉｇｈｔｅｄｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ（ＧＷＲ），ａｎｄｔｈｅｂｅｓｔｆｉｔｔｉｎｇｍｏｄｅｌｗａｓｓｅｌｅｃｔｅｄｆｒｏｍｔｈｅｍ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｏｆｅｃｏｓｙｓｔｅｍｃａｒｂｏｎｄｅｎｓｉｔｙｗｅｒｅｅｌｅｖａｔｉｏｎ，ｓｌｏｐｅ，ｓｏｉｌｄｅｐｔｈ，ｄｉａｍｅｔｅｒａｔｂｒｅａｓｔｈｅｉｇｈｔ（ＤＢＨ），ｍｅａｎａｎｎｕａｌｔｅｍｐｅｒａｔｕｒｅａｎｄａｎｎｕａｌｐｒｅｃｉｐｉｔａｔｉｏｎ．Ｔｈｅｆｉｔｔｉｎｇｒｅｓｕｌｔｓｏｆｆｏｕｒｍｏｄｅｌｓｓｈｏｗｅｄｔｈａｔｅｃｏｓｙｓｔｅｍｃａｒｂｏｎｄｅｎｓｉｔｙｗａｓｎｅｇａｔｉｖｅｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｓｌｏｐｅａｎｄｐｏｓｉｔｉｖｅｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｅｌｅｖａｔｉｏｎ，ｓｏｉｌｄｅｐｔｈａｎｄＤＢＨ．Ｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ（Ｒ２）ｏｆｆｏｕｒｍｏｄｅｌｓｗｅｒｅＧＷＲ（０．８０４３）＞ＳＥＭ（０．６３７１）＞ＳＬＭ（０．６３６４）＞ＯＬＳ（０．６３２１）．Ｔｈｅｌａｒｇｅｓｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ（ＭＳＥ）ａｎｄＡｋａｉｋｅｉｎｆｏｒｍａｔｉｏｎｃｒｉｔｅｒｉｏｎ（ＡＩＣ）ｏｆｔｈｅｍｏｄｅｌｗａｓＯＬＳ，ａｎｄｔｈｅｓｍａｌｌｅｓｔｗａｓＧＷＲ．ＴｈｅｒｅｓｉｄｕａｌｔｅｓｔｓｓｈｏｗｅｄｔｈａｔＧＷＲｃｏｕｌｄｅｆｆｅｃｔｉｖｅｌｙｒｅｄｕｃｅｔｈｅｓｐａｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎｏｆｍｏｄｅｌｒｅｓｉｄｕａｌｓ．Ｉｎｃｏｎｃｌｕｓｉｏｎ，ｔｈｅｆｉｔｔｉｎｇｅｆｆｅｃｔｏｆＧＷＲｗａｓｔｈｅｂｅｓｔ，ｗｈｉｃｈｗａｓｍｏｒｅｓｕｉｔａｂｌｅｆｏｒｅｓｔｉｍａｔｉｎｇｃａｒｂｏｎｄｅｎｓｉｔｙｏｆＰｉｎｕｓｍａｓｓｏｎｉａｎａｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｉｎＪｉａｎｇｘｉＰｒｏｖｉｎｃｅ．ＫｅｙＷｏｒｄｓ：Ｐｉｎｕｓｍａｓｓｏｎｉａｎａｆｏｒｅｓｔ；ｅｃｏｓｙｓｔｅｍ；ｃａｒｂｏｎｄｅｎｓｉｔｙ；ｓｐａｔｉａｌｍｏｄｅｌ森林生态系统作为最大的陆地碳库，其植被和土壤分别约占全球植被碳库的８６％以上和土壤碳库的７３％以上，在减缓气候变化和维护全球碳循环等方面发挥着重要的作用［１⁃２］㊂因此，森林生态系统的固碳能力受到广泛关注㊂碳密度是衡量森林生态系统固碳能力的重要指标之一［３⁃４］，也是准确估算森林碳储量的基础㊂由于森林生态系统是一个具有较强的空间异质性的复杂系统，其碳密度受气候㊁地形地貌及周围其他环境等因素的影响［５］，而这些因素在空间上也往往存在相关性，在空间上相互影响㊁相互作用㊂因此，从区域尺度上探明影响森林碳密度的主要因素及构建估测模型，可为森林碳储量估算及碳汇林业的经营管理等提供科学依据㊂在区域尺度上，森林碳密度／碳储量的估测主要是通过构建碳密度／碳储量与其影响因子之间的关系模型㊂由于传统的回归模型在构建中忽略了各变量之间的空间异质性，因此，空间误差模型［６］㊁空间滞后模型［７］㊁空间滤波模型［８］㊁空间Ｄｕｒｂｉｎ模型［９］㊁地理加权回归模型［１０］等空间模型受到许多学者的关注㊂如李月等［１１］㊁刘畅等［１２］采用空间误差模型构建碳储量与影响因素关系模型时均得出其拟合精度明显优于最小二乘模型；Ｌｉｎ等［１３］㊁欧光龙等［１４］㊁郭含茹等［１５］基于地理加权回归模型进行研究，均表明地理加权回归模型比最小二乘模型在碳密度／碳储量拟合及预估等方面具有明显优势㊂然而，由于森林生态系统的自然地理要素及森林类型等的不同可能会造成不同区域相同森林生态系统或同一区域不同森林生态系统碳密度空间异质性的差异，从而可能导致其碳密度估测最优空间模型的不同，而目前多数学者主要集中在某一空间模型与传统回归模型在碳密度估测中的比较分析，较为缺乏对不同空间模型之间的比较研究，加强这方面的研究将有利于更加全面了解和掌握空间模型在森林生态系统碳密度估测方面的应用㊂马尾松（Ｐｉｎｕｓｍａｓｓｏｎｉａｎａ）是我国南方分布广泛的乡土针叶树种，具有适应性强㊁耐干旱与贫瘠的特点㊂江西省马尾松林总面积为２３９．４万ｈｍ２，占乔木林总面积的２８．９％，是江西省主要的森林类型之一，在区域碳循环及应对气候变化中扮演着重要角色［１６］㊂本研究以江西省马尾松林生态系统为研究对象，分别利用最小二乘模型㊁空间误差模型㊁空间滞后模型和地理加权回归模型构建其碳密度与影响因子之间的关系模型，比较分析选出最优拟合模型，以丰富空间模型在森林碳密度估测中的应用及为江西省马尾松林碳汇林业的经营规划与管理提供参考依据㊂１㊀材料与方法１．１㊀研究区概况江西省位于我国东南部，地理坐标为２４ʎ２９ᶄ ３０ʎ０４ᶄＮ，１１３ʎ３４ᶄ １１８ʎ２８ᶄＥ，面积１６．６９ˑ１０４ｋｍ２㊂该区属于亚热带温暖湿润季风气候，气候温和，雨量充沛，年均气温１６．３ １９．５ħ，年均降雨量１６７５ｍｍ㊂地貌以山地㊁丘陵为主，林地的土壤类型主要有红壤㊁黄红壤㊁黄壤等，成土母岩主要有花岗岩㊁页岩㊁砂岩㊁板岩等㊂全省森林资源丰富，森林覆盖率为６３．１％，主要森林类型有常绿阔叶林㊁针叶林㊁针阔叶混交林㊁竹林等㊂１．２㊀数据与方法１．２．１㊀数据来源样地数据㊂根据研究区的森林分布图及森林资源统计表，综合考虑马尾松林在全省的地域分布㊁林龄结构㊁地形地貌特征等因素，于２０１１ ２０１６年期间设置样地调查，并收集２０１６年江西省森林资源连续清查马尾１３２５㊀１５期㊀㊀㊀潘萍㊀等：基于不同空间模型的马尾松林生态系统碳密度研究㊀松林样地数据（对部分缺失林下植被㊁凋落物等相关数据的样地进行补充调查）㊂样地面积为９００ｍ２和８００ｍ２，样地数共计６１１个，其样地分布见图１㊂乔木层每木调查起测胸径为ȡ５ｃｍ（胸径＜５ｃｍ的乔木视为灌木），测定其胸径㊁树高㊁林分密度等林分因子及地理坐标㊁海拔㊁坡度㊁坡向㊁坡位㊁土层厚度㊁腐殖质层厚度等立地因子，同时选取标准木取样测定其干㊁枝㊁叶㊁根的碳含量㊂在样地的上㊁中㊁下部分别布设２ｍˑ２ｍ的灌木样方，在所选灌木样方中各设置１个１ｍˑ１ｍ的草本样方和凋落物样方㊂采用 样方收获法 分别收集灌木（分枝㊁叶㊁根）㊁草本（分地上㊁地下部分）及凋落物并称量鲜重，取样用于测定其含水率和碳含量㊂在样地内选择代表性地块挖取１００ｃｍ深度（未达１００ｃｍ的挖至母岩）的土壤剖面，根据土层厚度按０ １０ｃｍ㊁１０ ２０ｃｍ㊁２０ ３０ｃｍ㊁３０ ５０ｃｍ㊁５０ １００ｃｍ五个层次，对各层土壤采用环刀法（体积为１００ｃｍ３）取样来测定土壤容重，并分别取约１ｋｇ的土壤样品带回实验室用于土壤碳含量的测定㊂图１㊀样地分布Ｆｉｇ．１㊀Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓａｍｐｌｅｐｌｏｔｓ气象数据㊂本研究首先根据各样地的地理坐标从Ｗａｎｇ等［１７］编写的提取亚太地区气候数据的ＣｌｉｍａｔｅＡＰ软件中获取１９８０ ２０１６年期间各样地每年的年降水量与年温度数据，然后计算得出各样地的年均降水量与年均温度㊂１．２．２㊀碳含量测定与碳密度计算所有样品研磨粉碎后过０．２５ｍｍ筛，采用重铬酸钾氧化⁃外加热法来测定其碳含量［１８］㊂乔木层㊁林下植被层及凋落物层碳密度为各组分生物量乘以对应的碳含量，其中乔木层生物量采用异速生长方程Ｗ＝ａˑＤｂ，应用我国立木生物量模型及碳计量参数系列行业标准计算［１９⁃２２］㊂土壤层碳密度的具体计算公式如下［１６］：Ｄｓｏｃ＝ðｋｉ＝１ＣｉˑＤｉˑＥｉˑ１－Ｇｉ()／１０（１）式中，Ｄｓｏｃ为土壤层碳密度（ｔ／ｈｍ２），Ｃｉ为土壤有机碳含量（ｇ／ｋｇ），Ｄｉ为土壤容重（ｇ／ｃｍ３），Ｅｉ为土层厚度（ｃｍ），Ｇｉ为大于２ｍｍ的石砾所占的体积百分比（％）㊂２３２５㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀乔木层㊁林下植被层㊁凋落物层与土壤层的碳密度之和为生态系统碳密度㊂１．２．３㊀模型选取与评价模型选取㊂（１）最小二乘模型（ＯＬＳ）：是建立在整体区域上的一种因变量偏差的平方和最小的模型估计；（２）空间误差模型（ＳＥＭ）：是指模型的误差项导致了空间变量之间的相关性，变量之间的空间相互作用存在于误差项，研究的主要是相邻样地点的误差冲击对其他样地点的影响；（３）空间滞后模型（ＳＬＭ）：是指被解释变量之间的空间依赖性对模型非常重要从而导致了空间相关，它研究的是因变量在邻接地区的行为对整个区域其他地区行为的影响；（４）地理加权回归模型（ＧＷＲ）：是一种局部参数估计的模型，其本质是为数据集中的每一个要素都建立独立的方程［２３］，通过将空间结构嵌入线性回归模型中，以探测空间关系的非平稳性，该方法的估计结果有明确的解析表示，而且还能对其结果的参数估计进行统计检验，其计算公式为：ｙｉ＝β０ｕｉ，ｖｉ()＋ðｐｋ＝１βｋｕｉ，ｖｉ()ｘｉｋ＋εｉ（２）其中，（ｙｉ；ｘｉ１，ｘｉ２， ，ｘｉｐ）为在地理位置（ｕｉ，ｖｉ）处的因变量ｙｉ和自变量ｘｉ１，ｘｉ２， ，ｘｉｐ的观测值（ｉ＝１，２，，ｎ）㊂βｋ（ｕｉ，ｖｉ）（ｋ＝１，２， ，ｐ）为第ｉ个观测点（ｕｉ，ｖｉ）处的未知参数，是（ｕｉ，ｖｉ）的任意函数，ɛｉ（ｉ＝１，２， ，ｎ）为独立同分布的误差项，通常假定其服从Ｎ（０，σ２）㊂模型评价㊂选用决定系数（Ｒ２）㊁均方误差（ＭＳＥ）和赤池信息量准则（ＡＩＣ）３个统计量对模型拟合效果进行评价㊂Ｒ２主要是用来评价模型的拟合优度的指标，其值越高则表明模型的拟合效果越好，即拟合出来的模型稳定性越好；ＭＳＥ主要是用来衡量因变量实测值与模型预估值之间偏差的指标，其值越低表明模型的预估结果越接近于实际测量值，即模型的拟合能力越高；ＡＩＣ可以用来衡量模型的实用性和复杂性，其值越小表明模型的拟合效果越好㊂模型残差检验㊂选择ＭｏｒａｎᶄｓＩ指数检验模型残差的空间自相关性，其计算公式如下：Ｉ＝ｎðｎｉ＝１ðｎｊ＝１ｗｉｊｄ()ｘｉ－ ｘ()ｘｊ－ｘ()ðｎｉ＝１ðｎｊ＝１ｗｉｊｄ()ðｎｉ＝１ｘｉ－ｘ()２（３）式中，ｘｉ和ｘｊ分别表示研究区域内样点ｉ和ｊ上的观测值；`ｘ表示研究区域内所有样点观测值的平均值；ｎ表示研究区域内的样点总数；ｗｉｊ（ｄ）表示空间权重，即样点ｉ和ｊ之间的距离小于选定尺度值时权重为１，超过尺度值时权重为０㊂在Ｒ软件中，采用多元线性逐步回归方法对生态系统碳密度的影响因子进行筛选，并构建最小二乘模型；利用Ｇｅｏｄａ软件建立空间误差模型和空间滞后模型；在ＧＷＲ４．０软件中建立地理加权回归模型㊂２㊀结果与分析２．１㊀影响因子筛选根据森林碳密度研究的相关文献，采用频度统计法及样地调查内容选取影响生态系统碳密度的因子，主要包括立地因子（海拔㊁坡度㊁坡向㊁坡位㊁土层厚度㊁腐殖质厚度）㊁植被因子（林龄㊁胸径㊁株数密度㊁树高㊁郁闭度㊁林下植被盖度㊁凋落物厚度）以及气象因子（年均温度㊁年均降水量）等１５个因子㊂对坡向㊁坡位定性因子进行赋值，将坡向划分为阳坡㊁半阳坡㊁半阴坡㊁阴坡㊁无坡向，并依次赋值为１ ５；将坡位划分为山脊㊁上部㊁中部㊁下部㊁山谷㊁平地㊁全坡，依次赋值为１ ７㊂利用多元线性逐步回归方法对各因子与生态系统碳密度进行分析，从中筛选出与碳密度相关性显著且各自变量之间的方差膨胀因子均小于５（即不存在多重共线性）的因子，用于数据建模㊂筛选出的因子分别为：海拔㊁坡度㊁土层厚度㊁胸径㊁年均温度㊁年均降水量，其统计量见表１㊂２．２㊀模型构建２．２．１㊀最小二乘模型㊁空间误差模型与空间滞后模型㊀㊀最小二乘模型㊁空间误差模型与空间滞后模型的参数估计结果见表２，坡度与碳密度的系数为负值，这表３３２５㊀１５期㊀㊀㊀潘萍㊀等：基于不同空间模型的马尾松林生态系统碳密度研究㊀明碳密度随着坡度的增大呈减少的趋势；海拔㊁土层厚度㊁胸径㊁年均温度㊁年均降水量与碳密度的系数均为正值，表明碳密度与这些因子之间存在正相关，其中系数最大的为胸径，最小的为年均降水量㊂海拔㊁坡度㊁土层厚度和胸径对碳密度的影响均达显著性水平（Ｐ＜０．０５）㊂表１㊀碳密度及各因子基本统计量表２㊀最小二乘㊁空间误差及空间滞后模型的拟合结果Ｔａｂｌｅ２㊀ＭｏｄｅｌｆｉｔｔｉｎｇｒｅｓｕｌｔｓｏｆｔｈｅＯＬＳ，ＳＥＭａｎｄＳＬＭ模型Ｍｏｄｅｌ最小二乘模型ＯＬＳ空间误差模型ＳＥＭ空间滞后模型ＳＬＭ估计值Ｅｓｔｉｍａｔｅ标准误ＳｔａｎｄａｒｄｅｒｒｏｒＰ估计值Ｅｓｔｉｍａｔｅ标准误ＳｔａｎｄａｒｄｅｒｒｏｒＰ估计值Ｅｓｔｉｍａｔｅ标准误ＳｔａｎｄａｒｄｅｒｒｏｒＰ截距Ｉｎｔｅｒｃｅｐｔ－２１．３８９０３９．０５２５０．５８４１－３４．６６５８４５．２８５００．４４３９－３１．１２９１３８．６５８８０．４２０７海拔Ｅｌｅｖａｔｉｏｎ０．１０２２０．０１１２＜０．０００１０．１０４５０．０１２０＜０．０００１０．１０４３０．０１１１＜０．０００１坡度Ｓｌｏｐｅ－２．３６８３０．１８７９＜０．０００１－２．３０５４０．１８６３＜０．０００１－２．３１２６０．１８６７＜０．０００１土层厚度Ｓｏｉｌｄｅｐｔｈ０．５３７５０．０８３２＜０．０００１０．５１７７０．０８２２＜０．０００１０．５２２４０．０８２４＜０．０００１胸径ＤＢＨ４．８０４７０．４１９３＜０．０００１４．８８７６０．４２０７＜０．０００１４．７６３１０．４１６０＜０．０００１年均温度Ｍｅａｎａｎｎｕａｌｔｅｍｐｅｒａｔｕｒｅ２．８６９９１．６４４２０．０８１４３．７１６２１．９４４３０．０５５９２．８９２０１．６２７８０．０７５６年均降水量Ｍｅａｎａｎｎｕａｌｐｒｅｃｉｐｉｔａｔｉｏｎ０．０１２６０．０１１００．２５５５０．０１０３０．０１３４０．４３８９０．００７１０．０１１１０．５２１３㊀㊀ＯＬＳ：最小二乘模型Ｏｒｄｉｎａｒｙｌｅａｓｔｓｑｕａｒｅｓｍｏｄｅｌ；ＳＥＭ：空间误差模型Ｓｐａｔｉａｌｅｒｒｏｒｍｏｄｅｌ；ＳＬＭ：空间滞后模型Ｓｐａｔｉａｌｌａｇｍｏｄｅｌ２．２．２㊀地理加权回归模型地理加权回归模型的参数估计结果见表３，海拔㊁土层厚度㊁胸径与碳密度的系数平均值分别为０．０８１７㊁０．４６１６㊁５．０５３１，其第１四分位数至最大值的范围分别为０．００７４ ０．２９２０㊁０．３０８１ １．１９６７㊁３．５５１４ １０．３６２８，可看出这些因子７５％的系数均为正值，说明碳密度与海拔㊁土层厚度㊁胸径３个因子之间存在正相关关系；坡度与碳密度的系数平均值为－２．４５２７，其最小值至第３四分位数的范围为－４．４６２５至－１．８３３０，表明坡度与碳密度之间为负相关关系，即碳密度随着坡度的增大呈逐渐减少的趋势㊂年均温度㊁年均降水量与碳密度的系数平均值为１．２６７１和０．０２３７，但５０％的系数为正值，另外５０％部分为负值，说明气象因子对碳密度的影响比较多变㊂表３㊀地理加权回归模型的系数估计值Ｔａｂｌｅ３㊀ＭｏｄｅｌｃｏｅｆｆｉｃｉｅｎｔｅｓｔｉｍａｔｅｓｏｆｔｈｅＧＷＲ变量Ｖａｒｉａｂｌｅ平均值Ｍｅａｎ最小值Ｍｉｎｉｍｕｍ第１四分位数Ｆｉｒｓｔｑｕａｒｔｉｌｅ中位数Ｍｅｄｉａｎ第３四分位数Ｔｈｉｒｄｑｕａｒｔｉｌｅ最大值Ｍａｘｉｍｕｍ截距Ｉｎｔｅｒｃｅｐｔ－１．６３８９－１１７１．６６５２－１５４．０２８７２４．４１４７８５．６０９６１８３２．７８５９海拔Ｅｌｅｖａｔｉｏｎ０．０８１７－０．０９１８０．００７４０．０５１２０．１４７９０．２９２０坡度Ｓｌｏｐｅ－２．４５２７－４．４６２５－３．２５３４－２．６６４４－１．８３３００．８８６７土层厚度Ｓｏｉｌｄｅｐｔｈ０．４６１６－０．８０７６０．３０８１０．４４３５０．６１８１１．１９６７胸径ＤＢＨ５．０５３１－０．２４４９３．５５１４４．９６３２６．４０２３１０．３６２８年均温度Ｍｅａｎａｎｎｕａｌｔｅｍｐｅｒａｔｕｒｅ１．２６７１－９５．２５４４－４．４７５８０．７３００９．６２９７５９．９９８２年均降水量Ｍｅａｎａｎｎｕａｌｐｒｅｃｉｐｉｔａｔｉｏｎ０．０２３７－０．２１０９－０．０１８５０．０３６７０．０７４８０．１８８５㊀㊀ＧＷＲ：地理加权回归模型Ｇｅｏｇｒａｐｈｉｃａｌｌｙｗｅｉｇｈｔｅｄｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ４３２５㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀㊀㊀从模型参数估计结果可知，４种模型均表明碳密度与坡度呈负相关，与海拔㊁土层厚度㊁胸径呈正相关㊂最小二乘模型㊁空间误差模型和空间滞后模型的结果均表明海拔㊁坡度㊁土层厚度㊁胸径对碳密度有显著影响（Ｐ＜０．０５），年均温度和年均降水量对碳密度的影响并不显著（Ｐ＞０．０５），而地理加权回归模型的结果则反映出气象因子对碳密度的影响比较多变㊂２．３㊀模型评价与检验２．３．１㊀模型评价据表４可得，４种模型的决定系数（Ｒ２）最大的为地理加权回归模型，其次为空间误差模型与空间滞后模型，最小的为最小二乘模型；地理加权回归模型的均方误差（ＭＳＥ）与赤池信息准则（ＡＩＣ）值均为４种模型中最小，而最小二乘模型的ＡＩＣ与ＭＳＥ值为最大㊂由此可得，模型拟合效果由高到低依次为地理加权回归模型＞空间误差模型＞空间滞后模型＞最小二乘模型㊂表４㊀模型评价结果图２为碳密度实测值与４种模型估计值之间的散点图㊂４种模型的估计值与碳密度实测值的配对点均离散分布在１：１的参考线附近，当碳密度实测值较小时，最小二乘模型㊁空间误差模型及空间滞后模型拟合得出的估计值普遍偏高，而地理加权回归模型的估计值比其他３种模型更为接近实测值；当碳密度实测值较大时，最小二乘模型㊁空间误差模型及空间滞后模型拟合得出的估计值均普遍偏低，但地理加权回归模型的估计值与实测值偏低的程度明显小于其他３种模型㊂由此可得，地理加权回归模型的拟合结果优于其他３种模型㊂２．３．２㊀模型残差的空间自相关性由表５可得，最小二乘模型㊁空间误差模型和空间滞后模型的ＭｏｒａｎᶄｓＩ均为正值，且Ｐ＜０．０５；地理加权回归模型的ＭｏｒａｎᶄｓＩ为负值，且Ｐ＞０．０５㊂由此得出，最小二乘模型㊁空间误差模型和空间滞后模型的模型残差均存在显著的空间自相关性，而地理加权回归模型的模型残差的空间自相关性不显著，这表明地理加权回归模型可有效降低模型残差的空间自相关性㊂表５㊀模型残差的ＭｏｒａｎᶄｓＩ及检验Ｔａｂｌｅ５㊀ＭｏｒａｎᶄｓＩａｎｄｔｅｓｔｏｆｔｈｅｍｏｄｅｌｒｅｓｉｄｕａｌｓ指标Ｉｎｄｅｘ最小二乘模型ＯＬＳ空间误差模型ＳＥＭ空间滞后模型ＳＬＭ地理加权回归模型ＧＷＲＭｏｒａｎᶄｓＩ０．０３６８０．００９１０．０１２７－０．００２１Ｚ⁃ｖａｌｕｅ２．４７０６２．０４９６２．３７９７－１．４７２８Ｐ⁃ｖａｌｕｅ＜０．０５＜０．０５＜０．０５＞０．０５４种模型残差的ＭｏｒａｎᶄｓＩ随距离的变化见图３㊂最小二乘模型㊁空间误差模型和空间滞后模型残差的ＭｏｒａｎᶄｓＩ均为正值，即３种模型残差的空间相关性为正相关，且模型残差的ＭｏｒａｎᶄｓＩ在带宽较小时，其降低幅度均较大，随着距离的增加其降低幅度逐渐减弱，逐渐趋近于０；地理加权回归模型残差的ＭｏｒａｎᶄｓＩ为负值，即其模型残差的空间相关性为负相关，其模型残差的ＭｏｒａｎᶄｓＩ在带宽较小时，其增加幅度较大，随着距离的增大其增加幅度逐渐减弱，也逐渐趋近于０㊂模型残差的ＭｏｒａｎᶄｓＩ由大到小表现为最小二乘模型＞空间滞后模型＞空间误差模型＞地理加权回归模型㊂由此也可得出，与其他模型相比，地理加权回归模型有效降低了模型残差的空间自相关性㊂５３２５㊀１５期㊀㊀㊀潘萍㊀等：基于不同空间模型的马尾松林生态系统碳密度研究㊀图２㊀碳密度实测值与模型估计值散点图Ｆｉｇ．２㊀Ｓｃａｔｔｅｒｄｉａｇｒａｍｏｆｃａｒｂｏｎｄｅｎｓｉｔｙｂｅｔｗｅｅｎｍｅａｓｕｒｅｄｖａｌｕｅａｎｄｍｏｄｅｌｓｐｒｅｄｉｃｔｅｄｖａｌｕｅ图３㊀模型残差ＭｏｒａｎᶄｓＩＦｉｇ．３㊀ＭｏｒａｎᶄｓＩｏｆｔｈｅｍｏｄｅｌｒｅｓｉｄｕａｌｓ综上分析，４种模型中，地理加权回归模型决定系数（Ｒ２）最大，均方误差（ＭＳＥ）与赤池信息准则（ＡＩＣ）均最小，且能有效降低模型残差的空间自相关性，表明地理加权回归模型的拟合效果优于其他３种模型㊂３㊀讨论与结论３．１㊀讨论由于森林生态系统具有较强的空间异质性，所以，不少学者利用空间模型研究森林碳密度／碳储量／生物量时均得出空间模型比最小二乘模型（ＯＬＳ）的拟合效果更好的结论㊂如李月等［１１］采用空间误差模型（ＳＥＭ）构建碳储量与影响因素关系时得出其拟合精度明显优于ＯＬＳ模型，其主要是由于ＳＥＭ减小了模型残差的空间自相关性；刘畅等［２４］利用空间滞后模型（ＳＬＭ）预估林木含碳量得出ＳＬＭ优于ＯＬＳ模型，认为ＳＬＭ模型能更好地解决模型构建中的空间效应，其稳定性更高，对各因子的解释能力更强㊂在空间模型的运用中，更多学者采用了地理加权回归模型（ＧＷＲ），且其研究结果几乎都表明ＧＷＲ优于其他模型㊂如Ｌｉｕ等［２５］利用ＯＬＳ模型㊁线性混合模型和ＧＷＲ模型拟合黑龙江省乔木层碳储量与影响因子间６３２５㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀的关系时表明了ＧＷＲ模型在拟合精度以及在预估方面都明显优于其他两种模型；Ｌｉｎ等［１３］利用ＯＬＳ模型和ＧＷＲ模型拟合福建省将乐县乔木层碳密度与影响因子之间的关系，结果也表明了ＧＷＲ模型在拟合精度及降低模型残差自相关性方面都明显优于ＯＬＳ模型㊂此外，欧光龙等［１４］㊁Ｚｈａｎｇ等［２６］的研究均表明ＧＷＲ模型为最优模型㊂而本研究通过对ＯＬＳ㊁ＳＥＭ㊁ＳＬＭ和ＧＷＲ４种模型的模型评价指标及残差检验的综合分析，得出ＯＬＳ模型的拟合效果最差，ＧＷＲ模型最好㊂这可能主要是因为在区域尺度上，森林碳密度本身存在明显空间效应，而ＯＬＳ模型是以忽略数据的空间效应作为前提下的无偏估计；ＳＥＭ㊁ＳＬＭ模型与ＯＬＳ模型相比，虽然减小了模型残差的空间自相关性，提高了拟合效果，但由于没有直接将这种空间自相关性纳入到拟合过程中，难于解决空间异质性问题［２７］；而ＧＷＲ模型适用于空间非平稳性的研究［２８］，它在对数据集所有位置点的参数进行估计时考虑了其空间非平稳性，针对每一个坐标位置点都有相对应的参数［２９］，将模型残差的空间自相关性直接纳入到拟合过程中，有效降低了模型残差的空间自相关性，所以其拟合效果最优㊂另外，一些学者以森林碳储量／生物量为因变量，以遥感影像数据为自变量构建空间模型时同样也得出了ＧＷＲ模型优于其他空间模型的结论㊂如戚玉娇［３０］通过构建黑龙江省大兴安岭地区的森林植被地上碳储量与ＴＭ遥感影像数据之间的关系表明ＧＷＲ模型的拟合效果最优；郭含茹等［１５］利用ＧＷＲ模型㊁传统全局回归模型㊁协同克里格插值构建浙江省仙台县森林地上部分碳储量和ＬａｎｄｓａｔＴＭ遥感影像数据之间的关系也表明ＧＷＲ模型是有效的，闾妍宇等［３１］㊁Ｗａｎｇ等［３２］的研究也得出同样的结论㊂可见，ＧＷＲ模型能有效解决森林生态系统空间异质性问题㊂在区域尺度上，对森林碳密度／碳储量／生物量空间模型构建时，多数学者仅采用某一空间模型与传统回归模型进行比较，而本研究通过不同空间模型比较分析，发现ＧＷＲ模型拟合效果优于其他空间模型㊂然而，基于ＧＷＲ模型的扩展模型的相应出现，如地理加权回归Ｋｒｉｇｉｎｇ模型㊁地理加权回归Ｌｏｇｉｓｔｉｃ模型㊁地理加权回归泊松模型等，而这些扩展模型若用于本研究中其拟合精度是否会提高，还有待今后进一步深入探讨㊂３．２㊀结论本研究以江西省为研究区，通过多元线性逐步回归方法筛选出与马尾松林生态系统碳密度相关性显著且不存在多重共线性的影响因子为海拔㊁坡度㊁土层厚度㊁胸径㊁年均温度和年均降水量㊂采用ＯＬＳ㊁ＳＥＭ㊁ＳＬＭ和ＧＷＲ模型构建生态系统碳密度与其影响因子之间的关系模型，通过对模型拟合效果的评价及残差检验的综合分析，得出ＧＷＲ模型拟合效果最优，更适用于江西省马尾松林生态系统碳密度的估测㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀Ｒｕｉｚ⁃ＰｅｉｎａｄｏＲ，Ｂｒａｖｏ⁃ＯｖｉｅｄｏＡ，Ｌóｐｅｚ⁃ＳｅｎｅｓｐｌｅｄａＥ，ＭｏｎｔｅｒｏＧ，ＲíｏＭ．ＤｏｔｈｉｎｎｉｎｇｓｉｎｆｌｕｅｎｃｅｂｉｏｍａｓｓａｎｄｓｏｉｌｃａｒｂｏｎｓｔｏｃｋｓｉｎＭｅｄｉｔｅｒｒａｎｅａｎｍａｒｉｔｉｍｅｐｉｎｅｗｏｏｄｓ．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＦｏｒｅｓｔＲｅｓｅａｒｃｈ，２０１３，１３２（２）：２５３⁃２６２．［２］㊀ＨｏｕｇｈｔｏｎＲＡ．Ｂａｌａｎｃｉｎｇｔｈｅｇｌｏｂａｌｃａｒｂｏｎｂｕｄｇｅｔ．ＡｎｎｕａｌＲｅｖｉｅｗｏｆＥａｒｔｈａｎｄＰｌａｎｅｔａｒｙＳｃｉｅｎｃｅｓ，２００７，３５（１）：３１３⁃３４７．［３］㊀ＦａｈｅｙＴＪ，ＷｏｏｄｂｕｒｙＰＢ，ＢａｔｔｌｅｓＪＪ，ＧｏｏｄａｌｅＣＬ，ＨａｍｂｕｒｇＳＰ，ＯｌｌｉｎｇｅｒＳＶ，ＷｏｏｄａｌｌＣＷ．Ｆｏｒｅｓｔｃａｒｂｏｎｓｔｏｒａｇｅ：ｅｃｏｌｏｇｙ，ｍａｎａｇｅｍｅｎｔａｎｄｐｏｌｉｃｙ．ＦｒｏｎｔｉｅｒｓｉｎＥｃｏｌｏｇｙａｎｄｔｈｅＥｎｖｉｒｏｎｍｅｎｔ，２０１０，８（５）：２４５⁃２５２．［４］㊀潘萍，韩天一，欧阳勋志，刘苑秋，臧颢，宁金魁，杨阳．飞播马尾松林碳密度分配特征及其影响因素．应用生态学报，２０１７，２８（１２）：３８４１⁃３８４７．［５］㊀兰秀，杜虎，宋同清，曾馥平，彭晚霞，刘永贤，范稚莲，张家涌．广西主要森林植被碳储量及其影响因素．生态学报，２０１９，３９（６）：２０４３⁃２０５３．［６］㊀ＡｎｓｅｌｉｎＬ．Ｓｐａｔｉａｌｅｃｏｎｏｍｅｔｒｉｃｓ：ｍｅｔｈｏｄｓａｎｄｍｏｄｅｌｓ．Ｄｏｒｄｒｅｃｈｔ：ＫｌｕｗｅｒＡｃａｄｅｍｉｃＰｕｂｌｉｓｈｅｒｓ，１９８８．［７］㊀ＬｉｃｈｓｔｅｉｎＪＷ，ＳｉｍｏｎｓＴＲ，ＳｈｒｉｎｅｒＳＡ，ＦｒａｎｚｒｅｂＫＥ．Ｓｐａｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎａｎｄａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｄｅｌｓｉｎｅｃｏｌｏｇｙ．ＥｃｏｌｏｇｉｃａｌＭｏｎｏｇｒａｐｈｓ，２００２，７２（３）：４４５⁃４６３．［８］㊀ＢｏｒｃａｒｄＤ，ＬｅｇｅｎｄｒｅＰ．Ａｌｌ⁃ｓｃａｌｅｓｐａｔｉａｌａｎａｌｙｓｉｓｏｆｅｃｏｌｏｇｉｃａｌｄａｔａｂｙｍｅａｎｓｏｆｐｒｉｎｃｉｐａｌｃｏｏｒｄｉｎａｔｅｓｏｆｎｅｉｇｈｂｏｕｒｍａｔｒｉｃｅｓ．ＥｃｏｌｏｇｉｃａｌＭｏｄｅｌｌｉｎｇ，２００２，１５３（１⁃２）：５１⁃６８．［９］㊀ＯｖｅｒｍａｒｓＫＰ，ＤｅＫｏｎｉｎｇＧＨＪ，ＶｅｌｄｋａｍｐＡ．Ｓｐａｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎｉｎｍｕｌｔｉ⁃ｓｃａｌｅｌａｎｄｕｓｅｍｏｄｅｌｓ．ＥｃｏｌｏｇｉｃａｌＭｏｄｅｌｌｉｎｇ，２００３，１６４（２⁃３）：２５７⁃２７０．［１０］㊀ＰｒｏｐａｓｔｉｎＰ．Ｍｏｄｉｆｙｉｎｇｇｅｏｇｒａｐｈｉｃａｌｌｙｗｅｉｇｈｔｅｄｒｅｇｒｅｓｓｉｏｎｆｏｒｅｓｔｉｍａｔｉｎｇａｂｏｖｅｇｒｏｕｎｄｂｉｏｍａｓｓｉｎｔｒｏｐｉｃａｌｒａｉｎｆｏｒｅｓｔｓｂｙｍｕｌｔｉｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇ７３２５㊀１５期㊀㊀㊀潘萍㊀等：基于不同空间模型的马尾松林生态系统碳密度研究㊀８３２５㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀ｄａｔａ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥａｒｔｈＯｂｓｅｒｖａｔｉｏｎｓａｎｄＧｅｏｉｎｆｏｒｍａｔｉｏｎ，２０１２，１８：８２⁃９０．［１１］㊀李月，佘济云，程玉娜．基于ＳＥＭ的五指山市森林碳储量空间分布特征．中南林业科技大学学报，２０１５，３５（１２）：１０８⁃１１２．［１２］㊀刘畅，李凤日，甄贞．空间误差模型在黑龙江省森林碳储量空间分布的应用．应用生态学报，２０１４，２５（１０）：２７７９⁃２７８６．［１３］㊀ＬｉｎＺ，ＣｈａｏＬ，ＷｕＣ，ＨｏｎｇＷ，ＴａｏＨ，ＨｕＸ．Ｓｐａｔｉａｌａｎａｌｙｓｉｓｏｆｃａｒｂｏｎｓｔｏｒａｇｅｄｅｎｓｉｔｙｏｆｍｉｄ⁃ｓｕｂｔｒｏｐｉｃａｌｆｏｒｅｓｔｓｕｓｉｎｇｇｅｏｓｔａｔｉｓｔｉｃｓ：ａｃａｓｅｓｔｕｄｙｉｎＪｉａｎｇｌｅｃｏｕｎｔｙ，ｓｏｕｔｈｅａｓｔＣｈｉｎａ．ＡｃｔａＧｅｏｃｈｉｍｉｃａ，２０１８，３７（１）：９０⁃１０１．［１４］㊀欧光龙，王俊峰，肖义发，胥辉．思茅松天然林单木生物量地理加权回归模型构建．林业科学研究，２０１４，２７（２）：２１３⁃２１８．［１５］㊀郭含茹，张茂震，徐丽华，袁振花，陈田阁．基于地理加权回归的区域森林碳储量估计．浙江农林大学学报，２０１５，３２（４）：４９７⁃５０８．［１６］㊀潘萍，孙玉军，欧阳勋志，饶金凤，冯瑞琦，杨子云．江西省马尾松林生态系统碳密度空间变异特征．应用生态学报，２０１９，３０（６）：１８８５⁃１８９２．［１７］㊀ＷａｎｇＴ，ＨａｍａｎｎＡ，ＳｐｉｔｔｌｅｈｏｕｓｅＤＬ，ＭｕｒｄｏｃｋＴＱ．ＣｌｉｍａｔｅＷＮＡ ｈｉｇｈ⁃ｒｅｓｏｌｕｔｉｏｎｓｐａｔｉａｌｃｌｉｍａｔｅｄａｔａｆｏｒｗｅｓｔｅｒｎｎｏｒｔｈＡｍｅｒｉｃａ．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｙａｎｄＣｌｉｍａｔｏｌｏｇｙ，２０１２，５１（１）：１６⁃２９．［１８］㊀鲁如坤．土壤农业化学分析方法．北京：中国农业科技出版社，２０００．［１９］㊀国家林业局．ＬＹ／Ｔ２２６３⁃２０１４，立木生物量模型及碳计量参数 马尾松．北京：中国标准出版社，２０１４．［２０］㊀国家林业局．ＬＹ／Ｔ２２６４⁃２０１４，立木生物量模型及碳计量参数 杉木．北京：中国标准出版社，２０１４．［２１］㊀国家林业局．ＬＹ／Ｔ２６６０⁃２０１６，立木生物量模型及碳计量参数 木荷．北京：中国标准出版社，２０１６．［２２］㊀国家林业局．ＬＹ／Ｔ２６５８⁃２０１６，立木生物量模型及碳计量参数 栎树．北京：中国标准出版社，２０１６．［２３］㊀ＺｈａｎｇＬ，ＢｉＨ，ＣｈｅｎｇＰ，ＤａｖｉｓＣ．Ｍｏｄｅｌｉｎｇｓｐａｔｉａｌｖａｒｉａｔｉｏｎｉｎｔｒｅｅｄｉａｍｅｔｅｒ⁃ｈｅｉｇｈｔｒｅｌａｔｉｏｎｓｈｉｐｓ．ＦｏｒｅｓｔＥｃｏｌｏｇｙａｎｄＭａｎａｇｅｍｅｎｔ，２００４，１８９（１⁃３）：３１７⁃３２９．［２４］㊀刘畅，胥辉，欧光龙．思茅松天然林单木含碳量空间分布变化多尺度研究及空间模型构建．西部林业科学，２０１９，４８（３）：１⁃９．［２５］㊀ＬｉｕＣ，ＺｈａｎｇＬＪ，ＬｉＦＲ，ＪｉｎＸＪ．ＳｐａｔｉａｌｍｏｄｅｌｉｎｇｏｆｔｈｅｃａｒｂｏｎｓｔｏｃｋｏｆｆｏｒｅｓｔｔｒｅｅｓｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ．ＪｏｕｒｎａｌｏｆＦｏｒｅｓｔｒｙＲｅｓｅａｒｃｈ，２０１４，２５（２）：２６９⁃２８０．［２６］㊀ＺｈａｎｇＣ，ＴａｎｇＹ，ＸｕＸ，ＫｉｅｌｙＧ．Ｔｏｗａｒｄｓｓｐａｔｉａｌｇｅｏｃｈｅｍｉｃａｌｍｏｄｅｌｌｉｎｇ：ｕｓｅｏｆｇｅｏｇｒａｐｈｉｃａｌｌｙｗｅｉｇｈｔｅｄｒｅｇｒｅｓｓｉｏｎｆｏｒｍａｐｐｉｎｇｓｏｉｌｏｒｇａｎｉｃｃａｒｂｏｎｃｏｎｔｅｎｔｓｉｎＩｒｅｌａｎｄ．ＡｐｐｌｉｅｄＧｅｏｃｈｅｍｉｓｔｒｙ，２０１１，２６（７）：１２３９⁃１２４８．［２７］㊀ＪｅｔｚＷ，ＲａｈｂｅｋＣ，ＬｉｃｈｓｔｅｉｎＪＷ．Ｌｏｃａｌａｎｄｇｌｏｂａｌａｐｐｒｏａｃｈｅｓｔｏｓｐａｔｉａｌｄａｔａａｎａｌｙｓｉｓｉｎｅｃｏｌｏｇｙ．ＧｌｏｂａｌＥｃｏｌｏｇｙａｎｄＢｉｏｇｅｏｇｒａｐｈｙ，２００５，１４（１）：９７⁃９８．［２８］㊀ＷｈｅｅｌｅｒＤ，ＴｉｅｆｅｌｓｄｏｒｆＭ．Ｍｕｌｔｉｃｏｌｌｉｎｅａｒｉｔｙａｎｄｃｏｒｒｅｌａｔｉｏｎａｍｏｎｇｌｏｃａｌｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｉｎｇｅｏｇｒａｐｈｉｃａｌｌｙｗｅｉｇｈｔｅｄｒｅｇｒｅｓｓｉｏｎ．ＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃａｌＳｙｓｔｅｍｓ，２００５，７（２）：１６１⁃１８７．［２９］㊀ＫｕｐｆｅｒＪＡ，ＦａｒｒｉｓＣＡ．Ｉｎｃｏｒｐｏｒａｔｉｎｇｓｐａｔｉａｌｎｏｎ⁃ｓｔａｔｉｏｎａｒｉｔｙｏｆｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｉｎｔｏｐｒｅｄｉｃｔｉｖｅｖｅｇｅｔａｔｉｏｎｍｏｄｅｌｓ．ＬａｎｄｓｃａｐｅＥｃｏｌｏｇｙ，２００７，２２（６）：８３７⁃８５２．［３０］㊀戚玉娇．大兴安岭森林地上碳储量遥感估算与分析［Ｄ］．哈尔滨：东北林业大学，２０１４．［３１］㊀闾妍宇，李超，欧光龙，熊河先，魏安超，张博，胥辉．基于地理加权回归模型的思茅松生物量遥感估测．林业资源管理，２０１７，（１）：８２⁃９０．［３２］㊀ＷａｎｇＱ，ＮｉＪ，ＴｅｎｈｕｎｅｎＪ．Ａｐｐｌｉｃａｔｉｏｎｏｆａｇｅｏｇｒａｐｈｉｃａｌｌｙ⁃ｗｅｉｇｈｔｅｄｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓｔｏｅｓｔｉｍａｔｅｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｏｆＣｈｉｎｅｓｅｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｓ．ＧｌｏｂａｌＥｃｏｌｏｇｙａｎｄＢｉｏｇｅｏｇｒａｐｈｙ，２００５，１４（４）：３７９⁃３９３．。
森林生态系统碳循环模型参数优化1）
森林生态系统碳循环模型参数优化1）
陈晨;沃文伟;范文义
【期刊名称】《东北林业大学学报》
【年(卷),期】2016(044)005
【摘要】以2011年帽儿山生态站通量塔观测的二氧化碳通量（总初级生产力和
显热通量）数据为基础，使用集合卡尔曼滤波的顺序同化技术，对北方生态系统生产力（BEPS）模型的关键参数进行优化。
结果表明：参数在季节尺度上变化显著，通常在展叶期迅速增大，夏季达到稳定，秋季落叶期降低。
根据优化的参数，模型的总初级生产力、生态系统呼吸的模拟值精度显著提高，精度分别达到91％、96％，比优化之前的模拟值精度提高了8％和11％。
说明集合卡尔曼滤波的参数
优化可以明显改善模型模拟碳水通量的能力。
【总页数】5页(P15-19)
【作者】陈晨;沃文伟;范文义
【作者单位】东北林业大学，哈尔滨，150040;黑龙江省水文水资源勘测局;东北林业大学
【正文语种】中文
【中图分类】S715.3
【相关文献】
1.森林生态系统碳循环研究 [J], 苏东升
2.森林生态系统碳循环的基本概念和野外测定方法评述 [J], 王兴昌;王传宽
3.草地生态系统碳循环及其对全球变化的响应I.碳循环的分室模型、碳输入与贮量[J], 李凌浩;陈佐忠
4.湖泊生态系统碳循环评价中质量平衡法和生态系统模型法的比较 [J], Eva; Andersson; Sebastian; Sobek; 王胜（译）; 徐化成（校）
5.森林生态系统碳循环研究的模型方法 [J], 巴特尔·巴克;张旭东;彭镇华;周金星;魏远;黄玲玲
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
千烟洲马尾松人工林生态系统的碳循环模拟及模型参数的敏感性分析*王 媛1 张 娜1** 于贵瑞2(1中国科学院研究生院资源与环境学院,北京100049;2中国科学院地理资源与环境研究所,北京100101)摘 要 应用改进后的碳水循环过程模型 景观尺度生态系统生产力过程模型(ecosystem productivity process model for landscape ,EPPML )模拟了2003和2004年千烟洲马尾松人工林生态系统的碳循环过程,并对模型参数的敏感性进行了分析.结果表明:EPPML 可用于模拟千烟洲马尾松人工林的碳循环过程,不仅总初级生产力(GPP )㊁生态系统净生产力(NEP )和生态系统总呼吸(R e )的年总值和季节变化与实测值十分吻合,而且也能反映极端天气对碳流的重要影响;千烟洲马尾松人工林生态系统具有较强的净碳吸收能力,但2003年生长最旺季的高温和重旱天气的耦合作用使其碳吸收能力明显低于2004年,2003和2004年平均NEP 分别为481.8和516.6g C ㊃m -2㊃a -1;马尾松生长初期的光照㊁生长旺期的干旱㊁生长末期的降水量是改变碳循环季节变化的关键气象条件;自养呼吸(R a )与净初级生产力(NPP )的季节进程一致;异养呼吸(R h )在年尺度上受土壤温度控制,而在月尺度上则受土壤含水量波动的影响;在生长季的丰水期,土壤含水量越大,R h 越小;而在生长季的枯水期,前两个月的降雨量越大,R h 也越大.EPPML 参数中,25℃时的最大RuBP 羧化速率(V m25)㊁比叶面积(SLA )㊁最大叶N 含量(LN m )㊁平均叶含N 量(LN )㊁生物量与碳的转换率(C /B )对年NEP 的影响最大;不同碳循环过程变量对敏感参数变化的响应也不尽相同,其中,V m25和LN 的增加能有效促进植物的碳吸收和呼吸;LN /LN m 越小,对碳吸收和呼吸的抑制作用越强;C /B 和SLA 的增大会促进碳吸收,抑制呼吸.将全年区分为生长季与非生长季时得到的最敏感参数的结论与全年不尽相同.关键词 碳循环 基于过程的模型 异常天气 生态系统净生产力 土壤异养呼吸*国家自然科学基金国际(地区)合作交流项目(30721140307)和国家自然科学基金项目(30870430,30500076)资助.**通讯作者.E⁃mail:zhangna@ 2010⁃01⁃29收稿,2010⁃05⁃04接受.文章编号 1001-9332(2010)07-1656-11 中图分类号 Q948.1 文献标识码 ASimulation of carbon cycle in Qianyanzhou artificial masson pine forest ecosystem and sensi⁃tivity analysis of model parameters.WANG Yuan 1,ZHANG Na 1,YU Gui⁃rui 2(1College of Re⁃source and Environment ,Graduate University of Chinese Academy of Sciences ,Beijing 100049,Chi⁃na ;2Institute of Geographic Sciences and Natural Resources Research ,Chinese Academy of Sciences ,Beijing 100101,China ).⁃Chin.J.Appl.Ecol .,2010,21(7):1656-1666.Abstract :By using modified carbon⁃water cycle model EPPML (ecosystem productivity process model for landscape),the carbon absorption and respiration in Qianyanzhou artificial masson pine forest ecosystem in 2003and 2004were simulated,and the sensitivity of the model parameters was analyzed.The results showed that EPPML could effectively simulate the carbon cycle process of this ecosystem.The simulated annual values and the seasonal variations of gross primary productivity (GPP),net ecosystem productivity (NEP),and ecosystem respiration (R e )not only fitted well with the measured data,but also reflected the major impacts of extreme weather on carbon flows.The artificial masson pine forest ecosystem in Qianyanzhou was a strong carbon sink in both 2003and 2004.Due to the coupling of high temperature and severe drought in the growth season in 2003,the carbon absorption in 2003was lower than that in 2004.The annual NEP in 2003and 2004was 481.8and 516.6g C㊃m -2㊃a -1,respectively.The key climatic factors giving important impacts on the seasonal variations of carbon cycle were solar radiation during early growth season,应用生态学报 2010年7月 第21卷 第7期 Chinese Journal of Applied Ecology,Jul.2010,21(7):1656-1666drought during peak growth season,and precipitation during post⁃peak growth season.Autotrophic respiration(R a)and net primary productivity(NPP)had the similar seasonal variations.Soil het⁃erotrophic respiration(R h)was mainly affected by soil temperature at yearly scale,and by soil wa⁃ter content at monthly scale.During wet growth season,the higher the soil water content,the lower the R h was;during dry growth season,the higher the precipitation during the earlier two months, the higher the R h was.The maximum RuBP carboxylation rate at25℃(V m25),specific leaf area (SLA),maximum leaf nitrogen content(LN m),average leaf nitrogen content(LN),and conver⁃sion coefficient of biomass to carbon(C/B)had the greatest influence on annual NEP.Different carbon cycle process could have different responses to sensitive parameters.For example,the in⁃crease of V m25and LN could effectively promote carbon absorption and respiration,the decrease of LN/LN m could decrease the carbon absorption and respiration,and,the increase of SLA and C/B could promote carbon absorption but inhibit soil respiration.However,the most sensitive parameters derived from annual carbon fluxes were not completely the same as those derived from growth season or non⁃growth season carbon fluxes.Key words:carbon cycle;process⁃based model;abnormal weather;net ecosystem productivity; soil heterotrophic respiration. 基于过程的模型模拟是区域碳循环研究的重要手段.陆地生态系统碳循环模拟是在大量实测数据的基础上,通过模型模拟生态系统碳循环的各个过程,以此估算和评价碳循环过程的时空格局和变化趋势[1].随着计算机科学和空间信息技术的迅速发展以及人们对生态系统碳循环过程作用机制研究的不断深入和完善,碳循环过程模型研究正蓬勃发展.目前国际上已有大量的生态系统碳⁃水循环过程模型.近年来,中国也逐步发展了多个模型,如AVIM[2-3]㊁SMPT⁃SB[4-5]㊁EPPML[6]等.各模型均能较好地模拟陆地生态系统碳循环过程及其时空格局,但由于数据的不完整性㊁模型本身的限制以及对生态系统关键过程和控制机制理解的不足,不同模型的模拟结果差异较大,对生态系统碳源和碳汇的分布及其变化的模拟和预测还存在很大的不确定性[7].这些不确定性主要源于输入数据㊁模型参数和模型结构本身.为降低模拟结果的不确定性㊁提高模拟精度和模型的预测能力㊁准确评估生态系统碳吸收能力及未来变化趋势,国内外学者在模型参数的估算和敏感性分析[8-9]以及模拟结果的不确定性分析[10-11]方面相继开展了一系列研究.空间显示景观过程模型是以地理信息系统(GIS)和遥感图像作支持的景观尺度生态系统生产力过程模型(ecosystem productivity process model for landscape,EPPML),最初用于模拟长白山自然保护区的碳⁃水循环过程,取得了非常好的模拟结果[12-13];后来经过改进(被命名为grassland land⁃scape productivity model,GLPM),用于模拟内蒙古锡林河流域及其西部的碳⁃水循环过程,也取得了较好的模拟效果[14].然而,这些研究尚未涉及模型参数的敏感性分析,因此,对模型参数的行为以及参数对模拟结果的影响程度均不明确,从而限制了对模型研究的进一步深化,如主要参数的选择和估算㊁次要参数的简化处理㊁模拟结果的分析和评价等.鉴于此,本研究首先应用改进后的EPPML对千烟洲马尾松(Pinus massoniana)人工林生态系统2003和2004年碳循环过程的季节日变化和年变化进行模拟分析,然后基于模拟结果对EPPML中的所有参数进行敏感性分析,旨在确定模型中各参数对碳循环过程的影响程度以及碳循环过程对极敏感参数变化的响应,并加深对EPPML参数的认识.1 研究地区与研究方法1.1 研究样地概况研究样地(26°44′N,115°03′E,最高海拔115.5m,相对高度20~50m)位于中国生态系统研究网络(CERN)中千烟洲森林生态系统研究站的涡度通量塔周围.研究区地形起伏,坡度以10°~30°居多,由白垩系红色㊁紫红色砾岩㊁砂岩和泥岩组成,除少数丘陵和裸露地外,该区风化层一般厚度为30~50cm,主要土壤类型为红壤.该区属典型的亚热带季风气候,年均气温17.9℃,年均降水量1542.4mm,蒸发量1259.9mm,相对湿度83%,年太阳辐射量4223MJ㊃m-2.样地内乔木为1985年前后营造的马尾松人工针叶林纯林,林下分布有灌木和蕨类.森林覆盖率90%以上,林分基本郁闭.据2005年调查,马尾松活立木平均树高10.5m,平均胸径13.4cm[15].75617期 王 媛等:千烟洲马尾松人工林生态系统的碳循环模拟及模型参数的敏感性分析 千烟洲站2003年气温偏高,7 9月平均气温明显高于2004年同期(图1);其中,7月平均气温为31.3℃,比历年同期高2.5℃,为1982年建站以来最高.2003年降水量为1046.5mm,比多年平均降水量(1494.6mm)低约30%.除5和8月外,2003年其他各月降水量均比历年同期低50%以上,其中7月降水量仅3.8mm(图1),出现严重干旱.2004年气温正常,年降水量1450.5mm,接近多年平均值(1494.6mm),但6和10月的旱情仍较严重,降水量分别为7.9和0.6mm,远低于历年同期降水量.1.2 模型描述EPPML 的建立基于BEPS[16-17]㊁Forest⁃BGC[18]和BIOME⁃BGC[19]模型,主要包括能量传输㊁生理调节㊁水循环和碳循环4个子模块.能量传输模块可模拟冠层上的总太阳辐射㊁冠层吸收的有效辐射㊁阳生叶和阴生叶接收的太阳辐射以及叶面积指数(LAI);生理调节模块可模拟阳生叶和阴生叶的气孔导度㊁冠层气孔导度㊁CO 2及水汽扩散的叶总导度和冠层总导度;水循环模块可模拟冠层截留蒸发量㊁冠层蒸腾量㊁地表径流量㊁雪融解量㊁雪升华量㊁土壤蒸发量㊁土壤水分变化和水分利用效率;碳循环模块可模拟生态系统总初级生产力(GPP)㊁自养呼吸量[R a ,包括维持呼吸量(R m )和生长呼吸量(R g )]㊁净初级生产力(NPP)㊁土壤异养呼吸量(R h图1 千烟洲马尾松人工林气温和降水量的季节变化Fig.1 Seasonal variations of air temperature and precipitation for artificial masson pine forest in Qianyanzhou site in 2003and 2004.统净生产力(NEP)㊁生态系统总呼吸量[R e ,为R a 与R h 之和]㊁植物碳分配及光能利用率.对EPPML的详细介绍见文献[6,14].1.3 数据获取与模型参数本研究应用改进后的EPPML 逐日模拟2003和2004年千烟洲马尾松人工林样地的碳循环过程.模型输入数据为逐日气象数据(最高气温㊁最低气温㊁平均气温㊁平均大气压㊁平均风速㊁总降水量和日照时数),该数据由中国陆地生态系统通量观测网络(ChinaFlux)和CERN 的千烟洲森林生态系统研究站提供.对于其中的缺失数据,采用滑动5天求其平均值得到.模拟初期的土壤表层(0~20cm)含水量由千烟洲森林生态系统研究站提供.由文献[20]数据获取马尾松林不同物候期(主要包括高峰期和非生长季)的LAI 实测值,通过线性内插,获得每日LAI.EPPML 包括62个参数,大多数参数与植物的生理特征有关,一些参数随季节变化,个别参数与气温㊁土温或土壤含水量有关(表1).本研究的参数值主要从千烟洲站获得,缺测数据通过查阅相关文献获得(表1).1.4 参数敏感性分析方法本研究采用局部敏感性分析法对EPPML 的所有参数进行分析.局部敏感性分析包括两种方法:1)在其他参数值不变的情况下,计算某个参数的值分别增加或降低2%㊁5%㊁10%㊁15%㊁20%㊁25%㊁30%㊁35%㊁40%㊁50%时碳循环过程年值的变化率,取这些变化率中的最大绝对值表示该参数的敏感度.I i =(y 1-y 0)/y 0(1)式中:I i 为第i 个参数变化一定范围时所得到的敏感度系数;y 0为第i 个参数取其平均值时碳循环过程的模拟值;y 1为第i 个参数变化一定范围后所得到的碳循环过程的模拟值.2)参考Lenhart 等[8]提出的方法.在保持其他参数值不变的情况下,对某个参数i 在原有值(x 0)的基础上分别增加或降低2%㊁5%㊁10%㊁15%㊁20%㊁25%㊁30%㊁35%㊁40%㊁50%,然后通过标准化处理,用标准化结果I i 表示该参数的敏感度.标准化处理过程如下:y 1=f (x 1)=f (x 0-Δx )(2)y 2=f (x 2)=f (x 0+Δx )(3)I i =(y 2-y 1)/y 02Δx /x 0(4)式中:x 1和x 2分别为第i 个参数在x 0基础上降低和8561 应 用 生 态 学 报 21卷表1 EPPML 的参数Tab.1 Parameters of ecosystem productivity process model for landscape (EPPML )序号No.参数描述Parameter description参数值Parameter value 参数来源Source 1千烟洲气象站纬度(Lat )Latitude of Qianyanzhou meteorological station (°)26.44CERN 2千烟洲气象站海拔(Ele )Elevation of Qianyanzhou meteorological station (m)116CERN3水汽压对辐射传输的影响(Vpr )Vapor pressure effect on radiation transmit⁃tance (Pa -1)-6.1e -5Forest⁃BGC(MT⁃Clim)4最大瞬时辐射传输率(V m⁃rad )Maximum radiation instantaneous transmittance (dim)0.870Forest⁃BGC 5白天气温系数(DTC )Daylight air temperature coefficient (dim)0.45Forest⁃BGC 6叶聚集指数(Ω)Foliage⁃clumping indexv *BEPS 7冠层平均比叶面积(SLA )Average specific leaf area (m 2㊃g -1C)v *[21]8叶与枝(或干)的生物量比例(B l /B branch )Ratio of leaf to branch /stem biomass v *[22]9地下/地上生物量比例(B b /B a )Ratio of belowground to aboveground biomass v *[22]10冠层平均高度(H a )Average stand height (m)v *CERN 11参考层高度(H R )Reference height (m)v *CERN 12最大叶N 含量(LN m )Maximum leaf nitrogen concentration (%)v *EPPML 13平均叶N 含量(LN )Average leaf nitrogen concentration (%)v *,s *EPPML14叶面上平均最大持水深度(LI m )Maximum leaf water interception coefficient (m)v *[23]15降水截留率(P i )Precipitation interception rate (%)v *[24]16降雪截流率(S i )Snow interception rate (%)v *[24]17融雪温度系数(SM c )Snowmelt temperature coefficient (m㊃℃-1㊃d -1)v *EPS;Forest⁃BGC;[25]18土壤特征参数(SC p )Soil characteristic parameter related to soil water and leaf water potential (MPa)0.2BEPS 19土壤田间持水量(0~20cm)(S wc )Soil field water capacity within 0-20cm soil depth (%)s *CERN;[20]20土壤萎蔫系数(0~20cm)(S w )Wilting coefficient in 20cm soil depth (%)s *CERN;[20]21土壤干容重(S d )Soil dry bulk density (g㊃cm -3)v *CERN;[26]22土壤蓄水层深度(D sw )Soil water storage layer depth (m)v *,sw *,s *[27]23最小叶气孔导度(G min )Minimum leaf stomatal conductance (m㊃s -1)v *DAAC24最大叶气孔导度(G max )Maximum leaf stomatal conductance (m㊃s -1)v *[28]25叶片特征宽度(LW )Leaf characteristic width (m)v *测量值Measured data 26叶角质层导度(LC )Leaf cuticular layer conductance (m㊃s -1)v *,sw *[27];BEPS 27叶肉导度与叶气孔导度的比值(R )Ratio of mesophyll conductance to stomatal conductance0.2C3植被C3plant28气孔闭合时的叶水势(P c )Leaf water potential at stomatal closure (MPa)v *[28];BEPS 29气孔开放时的叶水势(P o )Leaf water potential at stomatal opening (MPa)-1.0BEPS 30大气CO 2浓度(CO 2)CO 2concentration of atmosphere (ppm)s *CERN 3125℃时的最大RuBP 羧化速率(V m25)Maximum RuBP carboxylation rate at 25℃(μmol㊃m -2㊃s -1)v *,s*EPPML32光合作用最低温度(T min )Minimum temperature for photosynthesis (℃)v *,sw *,s *EPPML 33光合作用最适温度(T opt )Optimum temperature for photosynthesis (℃)v *,sw *,s*EPPML 34光合作用最高温度(T max )Maximum temperature for photosynthesis (℃)v *,sw *,s *EPPML 3510℃时的最佳呼吸速率(S q10)Optimum respiration rate at 10℃(μmol㊃m -2㊃s -1)v*BEPS 36叶呼吸作用的温度系数(r l )Temperature coefficient for leaf respiration v *,airt *[29,30]37枝呼吸作用的温度系数(r b )Temperature coefficient for branch respiration v *,airt*[29,30]38干呼吸作用的温度系数(r s )Temperature coefficient for stem respiration v *,airt *[29,30]39根呼吸作用的温度系数(r r )Temperature coefficient for root respiration v *,airt *[29,30]40土壤呼吸作用的温度系数(S t )Temperature coefficient for soil respiration soilt *[31]41叶维持呼吸系数(r ml )Leaf maintenance respiration coefficient (g C㊃g -1㊃d -1)v *BEPS;Hybrid⁃Maize model;[30](20℃)42枝维持呼吸系数(r mb )Branch maintenance respiration coefficient (g C㊃g -1㊃d -1)v *BEPS;Hybrid⁃Maize model;[30](20℃)43干维持呼吸系数(r ms )Stem maintenance respiration coefficient (g C㊃g -1㊃d -1)v *BEPS;Hybrid⁃Maize model;[30](20℃)44根维持呼吸系数(r mr )Root maintenance respiration coefficient (g C㊃g -1㊃d -1)v *BEPS;Hybrid⁃Maize model;[30](20℃)95617期 王 媛等:千烟洲马尾松人工林生态系统的碳循环模拟及模型参数的敏感性分析 续表1 Tab.1 Continued序号No.参数描述Parameter description参数值Parameter value 参数来源Source45叶生长呼吸比例(f gl )Leaf growth respiration fraction (%)v *BEPS;Forest⁃BGC 46枝生长呼吸比例(f gb )Branch growth respiration fraction (%)v *BEPS;Forest⁃BGC 47干生长呼吸比例(f gs )Stem growth respiration fraction (%)v *BEPS;Forest⁃BGC 48根生长呼吸比例(f gr )Root growth respiration fraction (%)v *BEPS;Forest⁃BGC 49植物总的生长呼吸系数(r g )Total growth respiration fraction (%)v *[30]50地上部分碳分配比例(f ac )Aboveground component carbon allocation fraction (%)v *[27]51地下部分碳分配比例(f bc )Belowground component carbon allocation fraction (%)v *[27]52生物量与碳的转换率(C /B)Convert coefficient from biomass to carbon v *[27]53春季降雪结束日(F s )Final snowing day in spring (day of year)-[27]54秋季降雪起始日(B s )Beginning snowing day in autumn (day of year)-[27]55光合生产初期(B p )Beginning day for photosynthetic production (day of year)v *CERN;[27]56光合生产高峰初期(B p⁃max )Beginning day for the maximum photosynthetic pro⁃duction(day of year)v*CERN;[27]57光合生产高峰末期(F p⁃max )Final day for the maximum photosynthetic produc⁃tion(day of year)v *CERN;[27]58光合生产末期(F p )Final day for photosynthetic production (day of year)v *CERN;[27]59生物量返青日期(B bio )Beginning day for biomass (day of year)v *CERN;[27]60生物量高峰初期(B bio⁃max )Beginning day for the maximum biomass (day of year)v *CERN;[27]61生物量高峰末期(F bio⁃max )Final day for the maximum biomass (day of year)v *CERN;[27]62生物量末期(F bio )Final day for biomass (day of year)v *CERN;[27]s *表示该参数随季节变化s *meant the parameters varying with seasons;v *㊁sw *㊁soilt *㊁airt *表示该参数与植被类型㊁土壤含水量㊁土壤温度和空气温度有关v *,sw *,soilt *,airt *meant the parameters that were related to vegetation type,soil water,soil temperature,and air temperature,re⁃spectively.增加相同百分率后所得到的新参数值;y 1和y 2分别为用新参数值模拟得到的碳循环过程的模拟值;y 0为初始模拟值.对于方法二,依据年NEP 对参数的敏感度大小将各参数分为4类:极敏感(0≤|I i |<0.05)㊁比较敏感(0.05≤|I i |<0.20)㊁一般敏感(0.20≤|I i |<1.00)和不敏感(1.00≤|I i |).不同的参数变化下,分别模拟GPP㊁NPP㊁NEP㊁R a ㊁R h 和R e 在生长季(3月20日 10月15日)㊁非生长季(10月16日 次年3月19日)和全年的变化,并对两种方法所得到的参数敏感度进行综合比较和分析.2 结果与分析2.1 千烟洲马尾松人工林生态系统生产力的模拟千烟洲站马尾松人工林生态系统2003和2004年GPP 和NEP 模拟值与实测值的吻合较好(表2),均方根误差(RMSE)分别为1.59㊁1.05(2003年)和1.70㊁1.05(2004年).除2003年8月下旬㊁10月下旬以及2004年7月下旬㊁10月中旬GPP 和NEP 的模拟值比观测值略有偏高外,其他时段模拟值与实测值的一致性均较好(图2).模拟结果显示,研究区马尾松人工林2003和2004年NEP 分别为481.5和516.6g C㊃m -2㊃a -1(表2),具有较强的碳汇功能.表2 千烟洲马尾松人工林碳循环过程模拟值与实测值的比较Tab.2 Comparison between simulated and observed carbon cycle process variables for artificial masson pine forest in Qian⁃yanzhou site in 2003and 2004碳循环过程变量Carbon cycle process variable 2003模拟值Simulated value (g C㊃m -2㊃a -1)观测值Observed value (g C㊃m -2㊃a -1)相对误差Relative error(%)2004模拟值Simulated value (g C㊃m -2㊃a -1)观测值Observed value (g C㊃m -2㊃a -1)相对误差Relative error(%)GPP 1696.51702.1-0.31851.91878.9-1.4NEP 481.8458.55.1516.6510.21.3R e1266.81243.6-2.31370.41368.7-2.4GPP:总初级生产力Gross primary productivity;NEP:生态系统净生产力Net ecosystem productivity;R e :生态系统呼吸Ecosystem respiration.0661 应 用 生 态 学 报 21卷图2 千烟洲马尾松人工林总初级生产力(GPP)㊁生态系统净生产力(NEP)观测值与模拟值的比较Fig.2 Comparison between measured and modeled gross primary productivity (GPP),net ecosystem productivity (NEP)for artificial masson pine forest in Qianyanzhou site in 2003and 2004. 与通常的单峰型季节变化趋势不同,研究区马尾松人工林2003年GPP㊁NPP 和NEP 的季节变化呈双峰型:6月之前均随温度升高和降水增加而呈上升趋势,6月达第一个峰值;6月之后急剧下降,7月出现谷值;之后又迅速增加,9月达第二个峰值(图3).这种异常的季节变化趋势是由该年7月的异常气候条件所致.7月罕见的高温和干旱耦合使相对湿度降至全年最低(图4),促使碳吸收能力大幅下降.8月气温降低㊁降水量回升,极大地缓解了之前的高温干旱状况,GPP 和NPP 呈直线上升趋势;同时,由于R e 增加的速率小于GPP,NEP 也呈上升趋势.该人工林2004年GPP㊁NPP 和NEP 的季节变化趋势也异于常年,出现3个峰值.生长季初期的3月碳吸收能力与2月基本持平;3月之后持续增高,但在生长旺季的6月却出现明显下降;7月碳吸收增强,达到全年最大,之后逐渐下降,与常年相同;在生长季末期的10月却出现增高.3月碳吸收能力未持续上升,与该月总太阳辐射的显著降低密切相关(图3㊁图4和图5),因为马尾松为阳性树种,太阳辐射对碳吸收有较大影响.6月的降水量极低(仅7.9mm),旱情仍较严重,导致碳吸收速率显著降低.与2003年7月的高温干旱耦合相比,2004年6月的干旱对碳流也有较强影响.随着7月降水量的回升,GPP㊁NPP 和NEP 均达到最大值.10月碳吸收能力的突然增强是8㊁9月较高降水量累积以及较强太阳辐射的结果(图1㊁图3和图4).尽管该人工林2003和2004年碳吸收能力的季节变化异于常年,但生长季(5 9月)的碳吸收能力明显高于早春和冬季,与常年一致.图3 千烟洲马尾松人工林总初级生产力(GPP)㊁净初级生产力(NPP)㊁生态系统净生产力(NEP)模拟值的季节变化Fig.3 Seasonal variations of modeled gross primary productivi⁃ty (GPP),net primary productivity (NPP)and net ecosystemproductivity (NEP)for artificial masson pine forest in Qian⁃yanzhou site in 2003and 2004.16617期 王 媛等:千烟洲马尾松人工林生态系统的碳循环模拟及模型参数的敏感性分析 图4 千烟洲马尾松人工林相对湿度和月总太阳辐射模拟值的季节变化Fig.4 Seasonal variations of relative moist and monthly total solar radiation for artificial masson pine forest in Qianyanzhou site.2.2 千烟洲马尾松人工林生态系统呼吸过程的模拟千烟洲马尾松人工林生态系统2003㊁2004年R e 的模拟值与实测值大致相当(表2).除2003年10月下旬和2004年10月上旬R e 的模拟值比观测值略高外,其他时段模拟值与实测值的一致性较好(图5).图5 千烟洲马尾松人工林生态系统总呼吸量(R e )模拟值与观测值的比较Fig.5 Comparison between measured and modeled ecosystem respiration (R e )in 2003and 2004for artificial masson pine for⁃est in Qianyanzhousite.图6 千烟洲马尾松人工林自养呼吸量(R a )㊁异养呼吸量(R h )和生态系统总呼吸量(R e )的季节变化Fig.6 Seasonal variations of modeled autotrophic respiration (R a ),heterotrophic respiration (R h )and total ecosystem respi⁃ration (R e )for artificial masson pine forest in Qianyanzhou sitein 2003and2004.图7 千烟洲马尾松人工林2003和2004年土壤温度(ST)㊁土壤含水量(SW)㊁前两个月累加的土壤含水量(ASW3)和异养呼吸量(R h )的季节变化Fig.7 Seasonal variations of modeled soil temperature (ST),soil water content (SW),accumulated earlier two month soilwater content (ASW3)and heterotrophic respiration (R h )for artificial masson pine forest in Qianyanzhou site in 2003and 2004. 2003年千烟洲马尾松人工林生态系统R e 比2004年偏低(表2).从季节变化来看,两年的R e 均2661 应 用 生 态 学 报 21卷呈单峰型,且均在7月达到全年峰值(图6).2003年7月R e比2004年7月低17%,平均分别为5.1g C㊃m-2㊃d-1(2003年)和6.3g C㊃m-2㊃d-1 (2004年).R e的季节变化与温度具有显著正相关关系,相关系数达0.80.2003年千烟洲马尾松人工林生态系统R a略低于2004年,R m在R a中所占比例远高于R g,约79%~80%.R a的季节变化趋势与NPP非常接近,受气温㊁降水量㊁叶面积和生物量等因素的共同影响.从全年尺度来看,非生长季(12月 次年2月)的低温限制了R h,而在土温较高的4 10月,R h普遍较高,R h与土温的季节变化呈正相关,与黄承才[32]的研究结果一致.然而,R h的季节变化并不与土温完全一致(图7),它们之间的正相关也不显著.这是因为在月或更小的时间尺度上,R h还受土壤水分状况的影响.土壤含水量的季节波动使R h在月尺度上呈现出较大波动,表现出与土温不一致的趋势. 有研究表明,在一定温度范围内,R h随着土壤含水量的增高而增大,但当土壤含水量达到饱和阈值后,便呈现负相关关系[33].据此,在2003年7月和2004年6月气温最高和较高时遭遇的严重干旱天气将使R h降低,因为这时的土壤含水量显然远未达到饱和阈值.然而,模拟结果却表明,在严重干旱的月份,R h最高;而在降水量较高的月份,R h却迅速降低(图7);R h与当月0~20cm土壤含水量的季节变化呈不显著负相关关系.这主要是受该地区红壤的土质特性以及一定温度下土壤含水量的变化影响红壤的透水性和通气性所致.红壤在含水量很大时,土质变得十分粘重,透水性和通气性变差,不利于好氧土壤动物和微生物的活动;在含水量很小时,红壤的透水性和通气性虽然得以改善,但由于土质变得极为坚硬,也不利于土壤动物和微生物的活动.在一定土温条件下,只有最适宜的土壤透水性和通气性才能使R h值达到最大.本图8 千烟洲马尾松人工林生态系统总初级生产力(GPP)㊁净初级生产力(NPP)㊁生态系统净生产力(NEP)㊁自养呼吸量(R a)㊁异养呼吸量(R h)和生态系统总呼吸量(R e)对极敏感参数的响应Fig.8 Responses of ecosystem gross primary productivity(GPP),net primary productivity(NPP),net ecosystem productivity (NEP),autotrophic respiration(R a),heterotrophic respiration(R h)and ecosystem respiration(R e)to the highest sensitivity param⁃eters for artificial masson pine forest in Qianyanzhou site.3661 7期 王 媛等:千烟洲马尾松人工林生态系统的碳循环模拟及模型参数的敏感性分析 表3 碳循环过程变量对EPPML中参数的敏感度Tab.3 Sensitivity of carbon cycle process variables to the parameters in EPPML参数Para⁃meter GPP对参数的敏感度Sensitivity ofGPP to parametersA B CNPP对参数的敏感度Sensitivity ofNPP to parametersA B CNEP对参数的敏感度Sensitivity ofNEP to parametersA B CR a对参数的敏感度Sensitivity ofR a to parametersA B CR h对参数的敏感度Sensitivity ofR h to parametersA B CR e对参数的敏感度Sensitivity ofR e to parametersA B CV prⅡⅣV m⁃radⅢⅢⅢⅢⅢⅡⅢⅡⅡⅡⅡⅢⅢDTCⅡⅡⅡⅡⅡⅡⅡⅡⅡⅡⅡⅡⅡΩⅢⅢⅢⅢⅢⅢⅡⅡⅢⅡSLAⅢⅡⅢⅣⅢⅢⅢⅡⅢⅢⅡⅡB r/B branchⅢⅡⅡⅢⅡⅡⅡⅡB b/B aⅡⅡⅢⅡⅡⅡⅡⅡⅡH aⅡⅡⅡH RⅡⅡⅡⅡLN mⅣⅢⅢⅢⅢⅢⅣⅢⅣⅡⅡⅡⅡLNⅣⅢⅢⅢⅢⅢⅣⅢⅣⅡⅡⅡⅡS wcⅢⅡⅢⅢⅢⅢⅢⅡⅡⅢⅢⅢⅡS wⅢⅢⅢⅢⅢⅡⅡⅡⅡⅡⅡS dⅢⅢⅢⅡD swⅢⅡⅢⅡⅡⅢⅡG maxⅡⅡG minⅡⅡⅡⅡⅡⅡCO2ⅡⅢⅢⅡⅢⅢⅡⅢⅢⅡⅡⅡⅡV m25ⅣⅢⅢⅢⅢⅢⅣⅢⅣⅡⅡⅡⅡT maxⅡⅡⅡS q10ⅢⅡⅢⅢⅢⅢⅡr mlⅢⅡⅡⅢⅢⅢⅡⅡⅡⅡⅡr mbⅢⅡⅢⅢⅢⅢⅢⅡⅡⅡⅡⅡr msⅡⅡⅢⅡⅢⅡⅡⅡⅡr mrⅡⅢⅡⅡⅡⅡⅡf glⅡⅡⅡⅡⅡⅡf gbⅡⅡⅡⅡf gsⅡⅡⅡⅡf grⅡⅡⅡⅡⅡⅡr gⅢⅢⅢⅢⅢⅢⅡⅡC/BⅢⅢⅣⅡⅢⅢⅡⅢA:全年All over the year;B:生长季Growing season;C:非生长季Non⁃growing season.IV:极敏感Very highly sensitive;III:比较敏感Highly sensi⁃tive;II:一般敏感Medium sensitive.不敏感参数未列出Insensitive parameters were not shown.文设前一个月与当月的土壤含水量累加值为ASW1,前两个月与当月的土壤含水量累加值为ASW2,前两个月(不包括当月)的土壤含水量累加值为ASW3.相关分析表明,2003和2004年千烟洲马尾松人工林生态系统R h与ASW1㊁ASW2和ASW3均呈正相关,且相关性逐渐增强.这说明,对R h影响最大的是前两个月的土壤含水量,而不是当月土壤含水量.2003年R h与ASW3的相关性达到显著水平(P<0.05,图7).在2004年8 9月,R h由高峰值迅速降低到接近最低值(图7),因为8 9月降水量异常高,使土壤含水量达到饱和,导致土壤透水性和通气性很差,这时R h主要与当月土壤含水量相关,因此,2004年R h与ASW3的相关性远不及2003年.由此可见,若土温不是土壤呼吸的限制因子,那么在丰水期,R h与当时的土壤含水量密切相关;而在枯水期,则主要决定于前期降雨的累积效应.另外,2003年7月和2004年6月的极端干旱造成大量枝叶枯死脱落,大大增加了人工针叶林地表本来较少的凋落物量,从而为土壤动物和微生物的分解提供了较多原料.同时,这些凋落物通过减少地表蒸发㊁降低地表温度缓解了极端高温干旱对土壤动物和微生物活动的影响.2.3 参数敏感性分析将模型参数分别增加或降低2%㊁5%㊁10%㊁15%㊁20%㊁25%㊁30%㊁40%㊁50%时,用两种局部敏感性分析方法得到的年碳循环过程变量GPP㊁NPP㊁NEP㊁R a㊁R h㊁R e的参数敏感度分类结果相似,说明4661 应 用 生 态 学 报 21卷这两种方法的分析效果基本一致.在其他条件不变时,V m25的升高能有效促进植物光合能力的增强,而植物生长越旺盛,自养呼吸也越强;LN的增加可促进植物的碳吸收和呼吸;LN m 越大,LN与LN m的差值越大,即LN相对值越小,对碳吸收和呼吸的抑制作用越强(图8).碳吸收能力对V m25和LN变化的响应强于对呼吸的响应.NPP㊁NEP㊁R a和R e与C/B呈幂函数关系,C/B在0.3~ 0.5时,碳吸收能力随C/B的增大迅速增强,而呼吸则迅速减弱;C/B超过0.65后,碳吸收能力和呼吸随C/B增加而变化的趋势逐渐趋于平缓.NPP㊁NEP㊁R a和R e随SLA增大的变化趋势与C/B十分相似,SLA超过13m2㊃g C-1后,碳吸收能力和呼吸随SLA增加而变化的趋势逐渐趋于平缓.在一定范围内,S wc的增大有利于碳吸收能力和呼吸的增强,但变化并不显著.受R a影响,R e与R a对各参数变化的响应基本一致.将全年区分为生长季与非生长季时得到的最敏感参数的结论与全年不尽相同.如,年NEP对参数V m25㊁SLA㊁LN m㊁LN和C/B最敏感;在生长季,NEP 对参数V m25㊁LN m㊁大气CO2浓度和LN最敏感;而在非生长季,Ω成为影响NEP的最重要参数(表3).然而,无论是生长季㊁非生长季,还是全年,植物自身的光合速率㊁LN㊁Ω㊁B l/B b和SLA的变化均对碳吸收能力有重要影响,而S q10㊁SLA㊁C/B㊁维持呼吸系数㊁r g㊁S wc和S d是影响呼吸的重要因素.3 结 论EPPML可用来模拟千烟洲人工林的GPP㊁NEP 和R e,不仅其年总值和季节变化与实测值十分吻合,而且也能反映极端天气对碳流的重要影响.模拟结果表明,千烟州马尾松人工林生态系统具有较强的净碳吸收能力;生长旺季出现的高温和严重干旱天气使其碳吸收能力显著降低(如2003年7月和2004年6月);2003和2004年GPP㊁NPP和NEP的季节变化均与通常年份的趋势不尽相同;气象条件是控制碳循环过程季节变化的决定因素,气象条件的异常直接影响碳流的变化,从而决定生态系统的碳汇功能.R h在年尺度和月尺度上分别受不同主导因素的控制,呈现出年尺度上受土温控制的规律性和月尺度上受土壤含水量影响的波动性.R h与土温的季节变化呈正相关,却与当月0~20cm土壤含水量的季节变化呈不显著负相关.对于研究样地的红壤,在生长季的丰水期,R h与当时的土壤含水量密切相关,土壤含水量越大,R h越小;而在生长季的枯水期,R h主要取决于前两个月降雨的累积效应,前两个月的降雨量越大,R h也越大.两种局部敏感性分析方法得到的各碳循环过程变量的参数敏感度分类基本相同.将全年区分为生长季与非生长季时得到的最敏感参数的结论与全年不尽相同.对碳吸收能力影响较大的参数是影响植物光合作用的生理参数,其中,V m25和LN的增加能有效促进植物的碳吸收和呼吸;LN/LN m越小,对碳吸收和呼吸的抑制作用越强;C/B和SLA的增大会促进碳吸收,抑制呼吸.呼吸因子和植物生长环境因子(如D sw㊁S wc和S d)等对碳吸收的影响较低.参考文献[1] Qin X⁃G(秦小光),Cai B⁃G(蔡炳贵),Zhang P(张鹏),et al.The strategic suggestions on remote sensing⁃based biogeochemical dynamic estimating of carbon⁃nitrogen cycles in terrestrial ecosystems of China.Sci⁃ence&Technology Review(科技导报),2002(8):51-54(in Chinese)[2] Ji JJ.A climate⁃vegetation interaction model:Simulatingphysical and biological processes at the surface.Journalof Biogeography,1995,22:445-451[3] Ji J⁃J(季劲钧),Yu L(余 莉).A simulation studyof coupled feedback mechanism between physical andbiogeochemical processes at the surface.Chinese Journalof Atmospheric Sciences(大气科学),1999,23(4):439-448(in Chinese)[4] Yu GR,Zhuang J,Yu ZL.An attempt to establish asynthetic model of photosynthesis⁃transpiration based onbehavior for maize and soybean plants grown in field.Journal of Plant Physiology,2001,158:861-874 [5] Yu GR,Kobayashi T,Zhuang J,et al.A coupled mod⁃el of photosynthesis⁃transpiration based on the stomatalbehavior for maize(Zea mays L.)grown in the field.Plant and Soil,2003,249:401-415[6] Zhang N(张 娜),Yu G⁃R(于贵瑞),Zhao S⁃D(赵士洞),et al.Ecosystem productivity process modelfor landscape based on remote sensing and surface data.Chinese Journal of Applied Ecology(应用生态学报),2003,14(5):643-652(in Chinese)[7] Zhang L(张 黎),Yu G⁃R(于贵瑞),Luo YQ,etal.Influences of error distributions of net ecosystem ex⁃change on parameter estimation of a process⁃based ter⁃restrial model.Acta Ecologica Sinica(生态学报),2008,28(7):3017-3026(in Chinese) [8] Lenhant T,Eckhardt K,Fohrer N,et parison oftwo different approaches of sensitivity analysis.Physicsand Chemistry of the Earth,2002,27:645-654 [9] Xu C⁃G(徐崇刚),Hu Y⁃M(胡远满),Chang Y(常56617期 王 媛等:千烟洲马尾松人工林生态系统的碳循环模拟及模型参数的敏感性分析 。