任小麗, 何洪林,2*, 張 黎,2, 葛 蓉,2, 曾 納,2, 李 攀, 于貴瑞,2

1.中國科學(xué)院地理科學(xué)與資源研究所， 生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測與模擬重點實驗室， 北京 100101 2.中國科學(xué)院大學(xué)資源與環(huán)境學(xué)院， 北京 100190 3.中國科學(xué)院地球化學(xué)研究所， 環(huán)境地球化學(xué)國家重點實驗室， 貴州 貴陽 550081

散射輻射對青藏高原高寒草地總初級生產(chǎn)力模擬的影響

任小麗1, 何洪林1,2*, 張 黎1,2, 葛 蓉1,2, 曾 納1,2, 李 攀3, 于貴瑞1,2

1.中國科學(xué)院地理科學(xué)與資源研究所， 生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測與模擬重點實驗室， 北京 100101 2.中國科學(xué)院大學(xué)資源與環(huán)境學(xué)院， 北京 100190 3.中國科學(xué)院地球化學(xué)研究所， 環(huán)境地球化學(xué)國家重點實驗室， 貴州 貴陽 550081

太陽輻射的散射組分能夠增強植被冠層LUE(light use efficiency,光能利用率)，因此需要在生產(chǎn)力模型中顯式地加入散射輻射的影響，從而更準確地模擬植被冠層光合作用. 以青藏高原高寒草地為研究對象，改進光能利用率模型，增加散射輻射模塊，利用站點通量觀測數(shù)據(jù)估計模型關(guān)鍵參數(shù)；結(jié)合區(qū)域尺度氣象數(shù)據(jù)和遙感數(shù)據(jù)，模擬了2003—2008年青藏高原高寒草地區(qū)域尺度GPP(gross primary production,總初級生產(chǎn)力)，并量化了GPP模擬的不確定性，進而通過分析模型改進前后GPP空間分布及其不確定性的差異量化了散射輻射的作用. 結(jié)果表明：考慮散射輻射對LUE的影響后，模型參數(shù)優(yōu)化效果明顯提升，青藏高原高寒草地GPP的模擬效果得到提升；2003—2008年青藏高原高寒草地GPP模擬值呈現(xiàn)東南部較大，西北部較小的空間格局，與不考慮散射輻射的結(jié)果一致，但GPP平均值由312.3 g(m2·a)增至341.7 g(m2·a)，增幅約9.4%，說明不考慮散射輻射會低估青藏高原高寒草地GPP；GPP模擬值不確定性的空間分布與不考慮散射輻射的結(jié)果一致，但是平均不確定性大小有所降低，從9.15%降至8.66%. 研究顯示，若在青藏高原高寒草地的GPP模擬中不考慮散射輻射，雖不會影響其空間格局，但會低估GPP模擬值的大小，同時增加其不確定性.

散射輻射； 光能利用率； 總初級生產(chǎn)力； 不確定性分析

太陽輻射是地球上所有生物的主要能量來源[1-2]，散射輻射在總輻射中占有相當(dāng)?shù)谋戎?，?jù)祝昌漢[3]統(tǒng)計，我國散射輻射年總量與總輻射年總量的比率即散射比例平均為46%；REN等[4]研究指出，我國近30年散射比例均值高達47%，并且整體呈上升趨勢，青藏高原區(qū)域的上升趨勢最為明顯. 散射輻射能夠到達植被冠層的更深處[5]，增強冠層光能利用率[6-7]，從而增強植被的光合作用[2,5,8-12]，這也被稱為散射輻射施肥效應(yīng)[13]. 因此，植被冠層光合作用的精確模擬需要在模型中顯式地加入散射輻射的影響，但目前還很少有研究嘗試區(qū)域尺度散射輻射影響的模擬. Mercado等[2]采用改進的JULES模型來模擬全球尺度散射輻射施肥效應(yīng)，結(jié)果表明1960—1999年期間散射比例的變化導(dǎo)致全球陸地碳匯增強了約14. 我國目前關(guān)于散射輻射對生態(tài)系統(tǒng)碳收支的影響研究主要在站點尺度開展[11-12,14-17]，鮮有區(qū)域尺度散射輻射對生態(tài)系統(tǒng)碳收支的影響分析；由于葉面積指數(shù)較高的陸地植被對散射輻射的增加更為敏感，因此已有站點尺度的研究主要集中在森林生態(tài)系統(tǒng)類型，對草地等其他生態(tài)系統(tǒng)類型的關(guān)注相對較少[17]. ZHANG等[11-12]基于通量觀測數(shù)據(jù)，分析了散射輻射變化對我國東部典型森林生態(tài)系統(tǒng)碳吸收的影響，結(jié)果表明適當(dāng)?shù)纳⑸漭椛浔壤軌蛟鰪娚止趯拥奶嘉?

青藏高原是一個獨特的地域單元，具有獨特的高原氣候，是受全球變化影響非常敏感的區(qū)域[18]，被視為研究中國乃至全球氣候變化的“天然實驗室”[19]. 高寒草地作為青藏高原地區(qū)廣泛分布的植被類型，不僅是亞洲中部高寒環(huán)境典型的生態(tài)系統(tǒng)類型之一，而且在世界高寒地區(qū)中也極具代表性[20]. 因此，在該地區(qū)開展高寒草地生態(tài)系統(tǒng)生產(chǎn)力研究具有重要的科學(xué)意義. 范玉枝等[14]研究表明散射輻射對當(dāng)雄站(青藏高原西部)高寒草地生態(tài)系統(tǒng)碳收支影響較?。欢鳥AI等[17]研究表明，陰天情況下散射輻射的增加，增強了阿柔站(青藏高原東部)高寒草地的凈生態(tài)系統(tǒng)碳交換. 目前散射輻射對青藏高原區(qū)域尺度高寒草地生態(tài)系統(tǒng)生產(chǎn)力的影響尚鮮見報道. HE等[21]利用光能利用率模型估算了青藏高原高寒草地的GPP(gross primary production,總初級生產(chǎn)力)，并分析了其不確定性. 該研究的假設(shè)是考慮了散射輻射對LUE(light use efficiency,光能利用率)的影響之后，可以更準確地模擬青藏高原高寒草地GPP，其大小會有所增加，不確定性會有所減小. 因此，該研究在HE等[21]研究的基礎(chǔ)上，改進光能利用率模型，加入散射輻射對GPP影響的模擬，重新估計模型關(guān)鍵參數(shù)；在此基礎(chǔ)上，利用區(qū)域尺度氣象數(shù)據(jù)和遙感數(shù)據(jù)，模擬青藏高原高寒草地區(qū)域尺度GPP，并量化其不確定性；進而分析考慮散射輻射之后GPP模擬值是否有所增加，其不確定性是否有所減小，驗證該研究的理論假設(shè)是否成立，以期為青藏高原高寒草地GPP的精確估算提供參考.

1 材料與方法

1.1 研究站點和區(qū)域

注： 阿柔—ARKO； 海北—HBSH、HBKO和HBSW； 果洛—GLKO；瑪曲—MQSW； 納木錯—NMCST； 當(dāng)雄—DXSW和DXST； 珠峰—ZFST.圖1 青藏高原4種高寒草地及通量和氣象觀測站點空間分布Fig.1 Spatial distribution of four alpine grassland types and flux and meteorological observation sites on the Tibetan Plateau

青藏高原氣溫顯著低于同緯度的平原地區(qū)，具有寒冷、少雨、干燥、多風(fēng)、太陽輻射強、日照長等特點. 收集了位于該地區(qū)的10個高寒草地通量觀測站點(見圖1)，站點具體信息見文獻[21-22]. 根據(jù)我國 1∶1 000 000 草地植被類型圖，充分考慮已有觀測站點的空間代表性，該研究聚焦于4個草地類型——高寒矮嵩草草甸(alpine kobresia meadow,KO)、高寒灌叢草甸(alpine shrub meadow,SH)、高寒沼澤化草甸(alpine swamp meadow,SW)和高寒草甸草原(alpine meadow steppe,ST)，四者約占青藏高原總面積的28.8%，其中高寒矮嵩草草甸分布最廣，高寒草甸草原分布最少.

1.2 研究基礎(chǔ)數(shù)據(jù)

1.2.1站點數(shù)據(jù)

站點數(shù)據(jù)包括8 d尺度的GPP、氣溫、PAR(photosynthetic active radiation,光合有效輻射)、EVI(enhanced vegetation index,增強型植被指數(shù))、LSWI(land surface water index,陸地表面水分指數(shù))數(shù)據(jù). GPP、氣溫和PAR是利用渦度相關(guān)技術(shù)觀測并經(jīng)過質(zhì)控、拆分和插補得到，EVI和LSWI是下載的MODIS產(chǎn)品.

1.2.2區(qū)域尺度數(shù)據(jù)

區(qū)域尺度數(shù)據(jù)包括2003—2008年8 d尺度1 km分辨率的氣溫、PAR、EVI和LSWI. 氣溫和PAR是以中國氣象局站點(見圖1)觀測數(shù)據(jù)為基礎(chǔ)，利用ANUSPLIN 4.4軟件的薄盤樣條函數(shù)插值得到，該軟件不僅可以輸出空間插值結(jié)果，還可以輸出相應(yīng)的誤差文件[23]. EVI和LSWI是利用MODIS地表反射率數(shù)據(jù)波段運算得到.

1.3 VPM模型改進

LUE(light use efficiency,光能利用率)模型由Monteith[24]于1972年首次提出，該模型將植被生產(chǎn)力表達為APAR(Absorbed PAR,吸收的光合有效輻射)與植被LUE的乘積. LUE模型有兩個基本假設(shè)：①假定生態(tài)系統(tǒng)生產(chǎn)力通過LUE與APAR直接相關(guān)，這里L(fēng)UE定義為每單位APAR的碳累積量；②假定“實際LUE”可以通過環(huán)境脅迫因子(如溫度、水分等)來修正“最大LUE”而得到[25]. VPM(vegetation photosynthesis model)模型是XIAO等[26]提出的模擬生態(tài)系統(tǒng)GPP的LUE模型，其模型結(jié)構(gòu)見式(1)～(3)，光能利用率用最大光能利用率與氣溫、水分和物候3個環(huán)境限制因子的乘積來表示，HE等[21]對其中的水分限制因子進行了改進.

GPP=εg×FPARPAV×PAR

(1)

εg=ε0×Tscalar×Wscalar×Pscalar

(2)

FPARPAV=a×EVI

(3)

式中：εg為光能利用率，gmol(以C計)；FPARPAV為光合植被吸收的光合有效輻射比例；PAR是光合有效輻射，mol(m2·d)；ε0為最大光能利用率，gmol(以C計)；Tscalar、Wscalar和Pscalar分別是氣溫、水分和物候3個環(huán)境因子對ε0的限制作用，具體表達形式參見文獻[21].

為了探索散射輻射對GPP模擬的影響，需要在VPM模型中考慮散射輻射對植被光能利用率的影響. 參考Turner等[27]中的方法，筆者在HE等[21]修正的VPM模型(記作VPM模型)基礎(chǔ)上進行了進一步改進，添加了散射輻射模塊，稱為VPM_D模型. 首先利用PAR和天文PAR計算云量指數(shù)〔見式(4)〕，之后對云量指數(shù)進行標準化〔見式(5)〕，最后將VPM模型中的ε0用式(6)替換.

(4)

(5)

ε0=εcs+(εmax-εcs)×SCI

(6)

1.4 不確定性分析方法

采用MC(Monte Carlo,蒙特卡羅)數(shù)值模擬方法來量化GPP模擬的不確定性[21,28]. MC數(shù)值模擬方法是一種計算機隨機抽樣方法，可以根據(jù)模型參數(shù)和驅(qū)動數(shù)據(jù)的不確定性隨機抽取參數(shù)值和驅(qū)動數(shù)據(jù)值，該研究設(shè)定抽取 1 000 個參數(shù)和驅(qū)動數(shù)據(jù)樣本，從而利用模型模擬得到 1 000 個GPP模擬值，通過計算其均值和標準差得到GPP的不確定性(定義為標準差與均值的比值，即變異系數(shù)).

模型關(guān)鍵參數(shù)(εcs和εmax)本身的不確定性利用MCMC(Markov Chain Monte Carlo,馬爾可夫鏈-蒙特卡羅)參數(shù)優(yōu)化方法得到，具體是利用JAGS (Just Another Gibbs Sampler)軟件包的Gibbs抽樣實現(xiàn)，預(yù)熱次數(shù)設(shè)定為20×104次，收斂后再抽樣5×104次作為后驗統(tǒng)計分析的樣本. 驅(qū)動數(shù)據(jù)氣溫和PAR的不確定性采用ANUSPLIN軟件空間插值輸出的誤差文件；遙感數(shù)據(jù)的觀測誤差很難量化，參考已有研究[21,29]假設(shè)EVI和LSWI誤差落在±(0.02+0.02×value)范圍內(nèi).

2 結(jié)果與討論

2.1 模型參數(shù)化與驗證

利用MCMC參數(shù)優(yōu)化技術(shù)，獲取了VPM模型關(guān)鍵參數(shù)(ε0)和VPM_D模型關(guān)鍵參數(shù)(εcs和εmax)的估計值(見表1). 對于參數(shù)εcs，以高寒矮嵩草草甸為最高(0.334 gmol)、高寒草甸草原為最低(0.244 gmol)，高寒沼澤化草甸和高寒灌叢草甸居中，分別為0.324和0.296 gmol；對于參數(shù)εmax，高寒灌叢草甸值最高(0.643 gmol)，高寒草甸草原最低(0.392 gmol)，高寒沼澤化草甸和高寒矮嵩草草甸居中，分別為0.473和0.467 gmol. 交叉驗證結(jié)果表明，εcs和εmax這兩個參數(shù)不僅在草地類型之間存在差異，在同一草地類型內(nèi)部也存在差異，但類型內(nèi)部差異明顯小于類型之間的差異；并且同一草地類型利用所有站點估計的參數(shù)值在交叉估計值的變化范圍內(nèi)，說明利用多個站點估計的參數(shù)值更加健壯.

通過對比模型改進前后的參數(shù)優(yōu)化結(jié)果，發(fā)現(xiàn)考慮散射輻射之后的參數(shù)優(yōu)化效果明顯提升(見表1)，具體體現(xiàn)在：①4個高寒草地類型的VPM_D模型參數(shù)相比VPM模型參數(shù)的不確定性(變異系數(shù))均明顯降低，高寒草甸草原的參數(shù)尤其明顯，由22.2%降至5.4%；②高寒矮嵩草草甸、高寒沼澤化草甸和高寒草甸草原的VPM_D模型參數(shù)交叉驗證決定系數(shù)(R2)在0.779～0.956之間，而VPM模型僅為0.161～0.718，擬合效果明顯提高；③4個高寒草地類型的VPM_D模型參數(shù)后驗分布均符合正態(tài)分布(見圖2)，而高寒草甸草原的VPM模型參數(shù)為偏態(tài)分布. 這說明模型改進后，由于考慮了散射輻射的影響，模型參數(shù)能夠被通量觀測數(shù)據(jù)更好地約束.

表1 青藏高原4種草地類型的VPM_D模型關(guān)鍵參數(shù)(εcs和εmax)估計及交叉驗證結(jié)果

圖2 青藏高原4種草地類型的VPM_D模型關(guān)鍵參數(shù)εcs和εmax后驗分布Fig.2 Probability distributions of key parameters (εcs and εmax) of VPM_D model for four alpine grassland types on the Tibetan Plateau

圖3 青藏高原高寒草地4個草地類型的VPM模型與VPM_D模型的GPP模擬值與觀測值散點圖Fig.3 Comparison between the observed and predicted GPP derived from the VPM and VPM_D model for four alpine grassland types on the Tibetan Plateau

利用參數(shù)優(yōu)化后的VPM模型和VPM_D模型分別對10個通量觀測站點的8 d尺度GPP進行模擬，并與利用NEE觀測數(shù)據(jù)拆分出來的GPP值進行比較，結(jié)果如圖3所示. 改進后的VPM_D模型的GPP模擬值與觀測值的相關(guān)性較高，4個草地類型的R2均在0.8以上；與改進前的VPM模型相比，考慮散射輻射影響之后，除了高寒沼澤化草甸，其他類型模擬效果均更優(yōu). 具體來講，高寒矮嵩草草甸和高寒草甸草原模擬效果得到提升，R2分別由0.77增至0.86和0.84，RMSE分別由1.73和0.40 g(m2·d)降至1.11和0.27 g(m2·d)；高寒灌叢草甸模擬效果略有提升，R2由0.95增至0.96，RMSE由0.50 g(m2·d)降至0.49 g(m2·d)；高寒沼澤化草甸模擬效果稍有下降，R2由0.87降至0.80，RMSE由1.18 g(m2·d)增至1.23 g(m2·d). 這表明改進后的VPM_D模型總體上能夠更好地模擬青藏高原高寒草甸的GPP，只有高寒沼澤化草甸這一種類型模擬效果稍有降低.

由于光能利用率模型假設(shè)GPP隨輻射線性增加，如果不考慮散射比例上升對GPP的貢獻，會導(dǎo)致GPP模擬值出現(xiàn)蹺蹺板現(xiàn)象，即陰天時偏低、晴天時偏高. 因此，改進前的VPM模型在云量指數(shù)較低時高估GPP，而在云量指數(shù)較高時低估GPP，GPP模擬值與觀測值的殘差與云量指數(shù)有一定的相關(guān)性，而且表現(xiàn)出隨云量指數(shù)增大而降低的特征(見圖4). 改進后的VPM_D模型由于考慮了散射輻射的影響，減緩了GPP殘差隨云量指數(shù)的降低程度，也降低了GPP殘差與云量指數(shù)的相關(guān)性. 高寒矮嵩草草甸GPP殘差隨云量指數(shù)的降低斜率由-3.58降至-1.81，R2由0.03降至0.01；高寒灌叢草甸GPP殘差隨云量指數(shù)的降低斜率由-5.38降至-0.95，R2由0.30降至0.01；高寒沼澤化草甸GPP殘差隨云量指數(shù)降低斜率由-2.42降至-1.33，R2由0.03降至0.01；高寒草甸草原GPP殘差隨云量指數(shù)變化的斜率由下降(-1.88)轉(zhuǎn)為略有上升(0.22)，R2由0.20降為0. 可以看出，改進后的VPM_D模型相對于VPM模型，由于考慮了散射輻射的影響，GPP殘差與云量指數(shù)的相關(guān)性降低，對晴天和陰天時的模擬效果也有所提升.

圖4 青藏高原高寒草地4個草地類型的VPM模型與VPM_D模型的GPP模擬值與觀測值的殘差隨云量指數(shù)的變化Fig.4 Relationship between the cloudiness index and the difference between observed GPP and simulated GPP modeled by VPM and VPM_D model for four alpine grassland types on the Tibetan Plateau

圖5 青藏高原高寒草地2003—2008年VPM_D模型GPP模擬值及其與VPM模型模擬值差值的空間分布Fig.5 The spatial distribution of annual GPP estimated by VPM_D model for the Tibetan alpine grasslands during 2003-2008 and the difference between GPP estimated by VPM_D and VPM model

2.2 區(qū)域GPP空間分布和時間變異

在獲取高寒矮嵩草草甸、高寒灌叢草甸、高寒沼澤化草甸和高寒草甸草原4種草地類型的關(guān)鍵參數(shù)估計值的基礎(chǔ)上，結(jié)合空間插值獲取的區(qū)域氣溫和PAR數(shù)據(jù)，以及MODIS的EVI和LSWI數(shù)據(jù)，利用改進前后的VPM和VPM_D模型，獲得了青藏高原高寒草地2003—2008年8 d尺度GPP的空間數(shù)據(jù). VPM_D模型模擬的2003—2008年GPP年均值空間分布如圖5所示，可以看出，青藏高原高寒草地GPP有較大的空間異質(zhì)性，基本呈現(xiàn)東南部GPP較大、西北部GPP較小的空間格局，這與VPM模型結(jié)果一致，說明考慮散射輻射并不會影響GPP模擬值的空間格局. VPM_D模型模擬的2003—2008年GPP多年均值為341.7 g(m2·a)，相比VPM模型模擬的GPP多年均值〔312.3 g(m2·a)〕的增幅為9.4%(見圖5)，這表明在青藏高原高寒草地的GPP模擬中不考慮散射輻射會低估生態(tài)系統(tǒng)生產(chǎn)力.

利用各草地類型的面積及VPM_D模型模擬的GPP空間數(shù)據(jù)計算得到各草地類型GPP模擬值總量的逐年變化(見表2)，其中高寒矮嵩草草甸對整個區(qū)域的GPP貢獻最大，高寒草甸草原貢獻最小，高寒灌叢草甸和高寒沼澤化草甸居中，這與VPM模型模擬結(jié)果相一致. 雖然高寒灌叢草甸單位面積GPP最大，但由于其面積遠小于高寒矮嵩草草甸，因此GPP總量小于高寒矮嵩草草甸；高寒草甸草原無論是單位面積GPP還是GPP總量均為最小.

表2青藏高原高寒草地4種草地類型2003—2008年VPM_D模型模擬的GPP總量

Table 2 Annual GPP estimated by VPM_D model for four alpine grassland types on the Tibetan Plateau during 2003-2008

Tga

Tga

草地類型2003年2004年2005年2006年2007年2008年多年平均值高寒矮嵩草草甸166.5169.4176.4176.9170.2162.5170.3高寒灌叢草甸38.238.340.240.040.037.539.0高寒沼澤化草甸25.626.628.728.427.326.027.1高寒草甸草原8.08.57.77.47.77.87.8合計238.3242.7253.0252.7245.3233.8244.3

改進后的VPM_D模型由于考慮了散射輻射的影響，相比VPM模型模擬結(jié)果，整個青藏高原高寒草地區(qū)域尺度的GPP模擬值由223.3 Tga增至244.3 Tga. 其中高寒草甸草原GPP增加率最高，為69.6%(由4.6 Tga增至7.8 Tga)；其次是高寒灌叢草甸和高寒矮嵩草草甸，分別增加了19.3%(由32.7 Tga增至39.0 Tga)和10%(由154.8 Tga增至170.3 Tga)；高寒沼澤化草甸GPP總量稍有下降，由31.1 Tga降至27.1 Tga，下降了約12.9%，這是由于考慮散射輻射后高寒沼澤化草甸的參數(shù)估計值稍有下降所致.

通過計算每幅8 d尺度VPM_D模型模擬的GPP空間圖中各類型的平均值，可以得到青藏高原高寒草地四種草地類型的8 d尺度6 a GPP季節(jié)變化情況(見圖6). 可以看出，考慮了散射輻射的VPM_D模型很好地捕捉了青藏高原高寒草地GPP的季節(jié)變化特征.

圖6 青藏高原4種高寒草地2003—2008年VPM_D模型GPP模擬值的季節(jié)變化Fig.6 The seasonal cycle of GPP estimated by VPM_D model from 2003 to 2008 for four alpine grassland types on the Tibetan Plateau

2.3 區(qū)域GPP不確定性分析

圖7 青藏高原高寒草地2003—2008年VPM_D模型GPP模擬值的標準差及不確定性的空間分布Fig.7 The spatial distribution of the standard deviation and uncertainty of GPP estimated by VPM_D model for the Tibetan alpine grasslands during 2003-2008

基于MCMC技術(shù)估計得到的關(guān)鍵參數(shù)不確定性，ANUSPLIN軟件獲取的氣溫和PAR空間不確定性，以及根據(jù)文獻資料[21,29]確定的EVI和LSWI不確定性，利用MC數(shù)值模擬方法量化了VPM模型和VPM_D模型模擬的青藏高原高寒草地GPP的不確定性(定義為標準差與均值的比值). VPM_D模型模擬得到的GPP標準差空間分布(見圖7)與GPP空間分布較為相似，也呈現(xiàn)西北部低東南部高的特點，GPP值較大的地區(qū)其標準差也較大，這與VPM模型模擬結(jié)果相一致. VPM_D模型模擬的GPP不確定性空間分布格局(見圖7)與GPP及其標準差的空間格局相反，呈現(xiàn)出東南部低西北部高的特點，GPP值較小的區(qū)域其不確定性較大，這與VPM模型模擬結(jié)果一致.

VPM_D模型GPP所有像元平均不確定性為8.66%，相比VPM模型的9.15%降低了5.36%，然而二者均明顯高于Jung等[30]估計的全球所有植被類型GPP不確定性均值(4.93%). Jung等[30]基于FLUXNET通量站點觀測數(shù)據(jù)，利用機器學(xué)習(xí)方法(model tree ensembles，MTE)得到全球尺度所有植被型的GPP空間數(shù)據(jù)，其不確定性是用多個模型樹(model tree)模擬值的標準差來表達. 可見，由于與Jung等[30]的研究區(qū)域和植被類型以及研究方法的不同，GPP不確定性差異較大，但是量級相當(dāng). 另外，青藏高原西北部地區(qū)GPP不確定性較大，可能是由于此區(qū)域氣溫和PAR的不確定性較大所致[22-23,28]. 因為青藏高原西北部地區(qū)氣象觀測站點分布較為稀少，因此空間插值誤差相對較大.

3 結(jié)論

a) 考慮散射輻射對LUE的影響之后，模型參數(shù)優(yōu)化效果明顯提升；GPP模擬值與觀測值的相關(guān)性較高，4個草地類型均在0.80以上；與未考慮散射輻射影響的模型相比，除了高寒沼澤化草甸其他類型模擬效果均更優(yōu). 說明考慮散射輻射影響后，模型能夠更好地模擬青藏高原高寒草甸GPP.

b) 青藏高原高寒草地2003—2008年GPP模擬值呈東南部較大、西北部較小的空間格局. GPP多年平均值為341.7 g(m2·a)，散射輻射對高寒草地光合作用的增強作用達9.4%. 分植被類型來看，散射輻射對高寒草甸草原光合作用增強作用最大，高達69.6%；其次是高寒灌叢草甸和高寒矮嵩草草甸，分別為19.3%和10%；高寒沼澤化草甸GPP總量稍有下降，降幅約為12.9%.

c) 青藏高原高寒草地GPP不確定性的空間分布格局與GPP的空間格局相反，呈現(xiàn)出東南部低西北部高的特點，平均不確定性為8.66%；與考慮散射輻射影響之前相比，不確定性空間分布格局一致，不確定性大小降低了5.36%.

[1] WILD M.Global dimming and brightening:a review[J].Journal of Geophysical Research:Atmospheres,2009.doi:10.10292008JD011470.

[2] MERCADO L M,BELLOUIN N,SITCH S,etal.Impact of changes in diffuse radiation on the global land carbon sink[J].Nature,2009,458(7241):1014-1017.

[3] 祝昌漢.我國散射輻射的計算方法及其分布[J].太陽能學(xué)報,1984(3):242-249.

ZHU Changhan.The calculation and distribution of diffuse radiation in China[J].Acta Energiae Solaris Sinica,1984(3):242-249.

[4] REN Xiaoli,HE Honglin,MOORE D J P,etal.Uncertainty analysis of modeled carbon and water fluxes in a subtropical coniferous plantation[J].Journal of Geophysical Research:Biogeosciences,2013,118(4):1674-1688.

[5] URBAN O,JANOUS D,ACOSTA M,etal.Ecophysiological controls over the net ecosystem exchange of mountain spruce stand.comparison of the response in direct vs.diffuse solar radiation[J].Global Change Biology,2007,13(1):157-168.

[6] FARQUHAR G D,RODERICK M L.Atmospheric science:Pinatubo,diffuse light,and the carbon cycle[J].Science,2003,299(5615):1997-1998.

[7] KANNIAH K D,BERINGER J,NORTH P,etal.Control of atmospheric particles on diffuse radiation and terrestrial plant productivity:a review[J].Progress in Physical Geography,2012,36(2):209-237.

[8] GU L H,BALDOCCHI D,VERMA S B,etal.Advantages of diffuse radiation for terrestrial ecosystem productivity[J].Journal of Geophysical Research：Atmospheres,2002.doi:10.10292001JD001242.

[9] GU L H,BALDOCCHI D,WOFSY S C,etal.Response of a deciduous forest to the Mount Pinatubo eruption:enhanced photosynthesis[J].Science,2003,299(5615):2035-2038.

[10] ALTON P B,NORTH P R,LOS S O.The impact of diffuse sunlight on canopy light-use efficiency,gross photosynthetic product and net ecosystem exchange in three forest biomes[J].Global Change Biology,2007,13(4):776-787.

[11] ZHANG Mi,YU Guirui,ZHANG Leiming,etal.Impact of cloudiness on net ecosystem exchange of carbon dioxide in different types of forest ecosystems in China[J].Biogeosciences,2010,7(2):711-722.

[12] ZHANG Mi,YU Guirui,ZHUANG Jie,etal.Effects of cloudiness change on net ecosystem exchange,light use efficiency,and water use efficiency in typical ecosystems of China[J].Agricultural and Forest Meteorology,2011,151(7):803-816.

[13] RODERICK M L,FARQUHAR G D,BERRY S L,etal.On the direct effect of clouds and atmospheric particles on the productivity and structure of vegetation[J].Oecologia,2001,129(1):21-30.

[14] 范玉枝,張憲洲,石培禮.散射輻射對西藏高原高寒草甸凈生態(tài)系統(tǒng)CO2交換的影響[J].地理研究,2009(6):1673-1681.

FAN Yuzhi,ZHANG Xianzhou,SHI Peili.Influence of diffuse radiation on the net CO2exchange of alpine meadow ecosystem on Tibet Plateau[J].Geographical Research,2009(6):1673-1681.

[15] JING X,HUANG J,WANG G,etal.The effects of clouds and aerosols on net ecosystem CO2exchange over semi-arid Loess Plateau of northwest China[J].Atmospheric Chemistry and Physics,2010,10(17):8205-8218.

[16] 何學(xué)兆,周濤,賈根鎖,等.光合有效輻射總量及其散射輻射比例變化對森林GPP影響的模擬[J].自然資源學(xué)報,2011,26(4):619-634.

HE Xuezhao,ZHOU Tao,JIA Gensuo,etal.Modeled effects of changes in the amount and diffuse fraction of PAR on forest GPP[J].Journal of Natural Resources,2011,26(4):619-634.

[17] BAI Yongfei,WANG Jian,ZHANG Baocheng,etal.Comparing the impact of cloudiness on carbon dioxide exchange in a grassland and a maize cropland in northwestern China[J].Ecological Research,2012,27(3):615-623.

[18] 丁一匯,任國玉,石廣玉,等.氣候變化國家評估報告(Ⅰ):中國氣候變化的歷史和未來趨勢[J].氣候變化研究進展,2006,2(1):3-8.

DING Yihui,REN Guoyu,SHI Guangyu,etal.National assessment report of climate change (Ⅰ):climate change in China and its future trend[J].Advances in Climate Change Research,2006,2(1):3-8.

[19] 孫鴻烈,鄭度.青藏高原的形成、演化及進化[M].廣州:廣州科技技術(shù)出版社,1998.

[20] XU Lingling,ZHANG Xianzhou,SHI Peili,etal.Response of canopy quantum yield of alpine meadow to temperature under low atmospheric pressure on Tibetan Plateau[J].Science in China Series D:Earth Sciences,2006,49(2):219-225.

[21] HE Honglin,LIU Min,Xiao Xiangming,etal.Large-scale estimation and uncertainty analysis of gross primary production in Tibetan alpine grasslands[J].Journal of Geophysical Research:Biogeosciences,2014,119(3):466-486.

[22] 任小麗,何洪林,張黎,等.2001—2010年三江源區(qū)草地凈生態(tài)系統(tǒng)生產(chǎn)力估算[J].環(huán)境科學(xué)研究,2017,30(1):51-58.

REN Xiaoli,HE Honglin,ZHANG Li,etal.Net ecosystem production of alpine grasslands in the Three-River Headwaters Region during 2001-2010[J].Research of Environmental Sciences,2017,30(1):51-58.

[23] 任小麗,何洪林,張黎,等.1981—2010年中國散射光合有效輻射的估算及時空特征分析[J].地理學(xué)報,2014,69(3):323-333

REN Xiaoli,HE Honglin,ZHANG Li,etal.Estimation of diffuse photosynthetically active radiation and the spatiotemporal variation analysis in China from 1981 to 2010[J].Journal of Geographical Sciences,2014,24(4),579-592.

[24] MONTEITH J L.Solar-radiation and productivity in tropical ecosystems[J].Journal of Applied Ecology,1972,9(3):747-766.

[25] RUNNING S W,NEMANI R R,HEINSCH F A,etal.A continuous satellite-derived measure of global terrestrial primary production[J].Bioscience,2004,54(6),547-560.

[26] XIAO Xiangming,ZHANG Qingyuan,BRASWELL B,etal.Modeling gross primary production of temperate deciduous broadleaf forest using satellite images and climate data[J].Remote Sensing of Environment,2004,91(2):256-270.

[27] TURNER D P,RITTS W D,STYLES J M,etal.A diagnostic carbon flux model to monitor the effects of disturbance and interannual variation in climate on regional NEP[J].Tellus Series B:Chemical and Physical Meteorology,2006,58(5):476-490.

[28] REN Xiaoli,HE Honglin,ZHANG Li,etal.Spatiotemporal variability analysis of diffuse radiation in China during 1981-2010[J].Annales Geophysicae,2013,31(2):277-289.

[29] LIN J C,PEJAM M R,CHAN E,etal.Attributing uncertainties in simulated biospheric carbon fluxes to different error sources[J].Global Biogeochemical Cycles,2011,25(2):GB2018.

[30] JUNG M,REICHSTEIN M,MARGOLIS H A,etal.Global patterns of land-atmosphere fluxes of carbon dioxide,latent heat,and sensible heat derived from eddy covariance,satellite,and meteorological observations[J].Journal of Geophysical Research:Biogeosciences,2011.doi:10.10292010JG001566.

EffectsofDiffuseRadiationonEstimationofGrossPrimaryProductionofAlpineGrasslandsontheTibetanPlateau

REN Xiaoli1, HE Honglin1,2*, ZHANG Li1,2, GE Rong1,2, ZENG Na1,2, LI Pan3, YU Guirui1,2

1.Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China2.College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100190, China3.State Key Laboratory of Environmental Geochemistry, Institute of Geochemistry, Chinese Academy of Sciences, Guiyang 550081, China

The effects of diffuse radiation on photosynthesis must be incorporated into ecosystem models to accurately simulate gross vegetation photosynthesis, since diffuse radiation can enhance vegetation canopy light use efficiency (LUE). We modified an LUE model to incorporate the effects of diffuse radiation on photosynthesis to simulate the gross primary production (GPP) of alpine grasslands on the Tibetan Plateau during 2003-2008, and quantified the effects of diffuse radiation on the estimation and uncertainty of GPP. Values of key model parameters were estimated using eddy covariance observational data. The results showed that: (1) The performance of the modified model in simulating GPP was improved by considering the impacts of diffuse radiation on LUE, with high correlation between the modeled and observed GPP (R2> 0.80). (2) Compared to the results without considering diffuse radiation, GPP simulated by the modified model kept the same heterogeneous spatial pattern across the Tibetan Plateau, i. e. , higher in the southeast and lower in the northwest. When incorporating the effects of diffuse radiation, the mean annual GPP in Tibetan alpine grasslands increased 9.4%, from 312.3 g(m2·a) to 341.7 g(m2·a). (3) The spatial distribution of the uncertainty in GPP was opposite to that of GPP, with larger uncertainty occurring in regions with lower GPP, which was consistent with the results without considering diffuse radiation. The mean uncertainty decreased from 9.15% to 8.66% when diffuse radiation was considered. These results indicated that the magnitude of GPP will be underestimated, and the uncertainty of GPP will be overestimated, if the effects of diffuse radiation are not considered in the LUE model. This emphasizes the importance of diffuse radiation in GPP simulation using the LUE model.

diffuse radiation; light use efficiency (LUE); gross primary production (GPP); uncertainty analysis

2017-04-14

2017-08-23

國家重點研發(fā)計劃項目(2016YFC0500204)；國家自然科學(xué)基金項目(41571424)；科技基礎(chǔ)性工作專項(2015FY110700)

任小麗(1984-)，女，河北邢臺人，助理研究員，博士，主要從事碳循環(huán)模型數(shù)據(jù)融合研究，renxl@igsnrr.ac.cn.

*責(zé)任作者，何洪林(1971-)，男，湖南婁底人，研究員，博士，博導(dǎo)，主要從事碳循環(huán)模型和生態(tài)信息學(xué)研究，hehl@igsnrr.ac.cn

任小麗,何洪林,張黎,等.散射輻射對青藏高原高寒草地總初級生產(chǎn)力模擬的影響[J].環(huán)境科學(xué)研究,2017,30(12):1898-1907.

REN Xiaoli,HE Honglin,ZHANG Li,etal.Effects of diffuse radiation on estimation of gross primary production of alpine grasslands on the Tibetan Plateau[J].Research of Environmental Sciences,2017,30(12):1898-1907.

X87

1001-6929(2017)12-1898-10

A

10.13198j.issn.1001-6929.2017.03.23