中国森林生态系统碳周转时间的空间格局

碳循环论文1篇

中国科学: 地球科学 2010年 第40卷 第5期: 632 ~ 644

《中国科学》杂志社

SCIENCE CHINA PRESS

论 文

中国森林生态系统碳周转时间的空间格局

周涛

①②*

, 史培军

①②

, 贾根锁, 李秀娟

③①②

, Yiqi LUO

④

① 北京师范大学地表过程与资源生态国家重点实验室, 北京 100875; ② 民政部/教育部减灾与应急管理研究院, 北京 100875; ③ 中国科学院东亚区域气候-环境重点实验室, 北京 100029;

④ Department of Botany and Microbiology, University of Oklahoma, Norman, OK 73019, USA * E-mail: tzhou@

收稿日期: 2009-02-16; 接受日期: 2009-11-02

国家自然科学基金(批准号: 30970514, 30590384, 40671173, 40425008)、中国科学院东亚区域气候-环境重点实验室开放课题资助

摘要 森林生态系统持续的碳吸收能力在很大程度上取决于净初级生产力(NPP)的增长趋势及生态系统碳周转的时间, 因此, 获取生态系统碳周转时间的空间分布格局是有效评估生态系统碳汇潜力的基础. 本研究采用数据-模型融合方法, 基于区域生态系统碳循环过程模型(TECO-R), 结合生态系统观测数据(NPP、生物量及土壤有机碳)、遥感数据(NDVI)及气象、植被与土壤等辅助空间数据, 利用遗传算法(Genetic Algorithm)反演了中国森林生态系统各碳库的周转时间及分配系数, 并在此基础上估算了平衡状态下森林生态系统碳周转时间的空间分布格局. 研究结果表明: 数据-模型融合技术能有效地反演中国森林生态系统碳循环过程模型中的关键参数, 从而很好地模拟中国森林生态系统的碳循环过程; 反演的中国森林生态系统的碳周转时间在空间上存在很大的异质性, 其值大多介于24~70年之间; 不同森林类型的统计结果表明, 落叶针叶林与常绿针叶林的平均周转时间最大(分别为73.8与71.3年), 其次是混交林与落叶阔叶林(38.1与37.3年), 而常绿阔叶林的值最小(31.7年); 从全国尺度看, 中国各种森林生态系统总的碳周转时间的均值为57.8年.

关键词

碳周转时间 碳循环

森林生态系统 数据-模型融合 反演 遗传算法

工业革命以来, 化石燃料的使用及土地利用方式的改变向大气中释放了大量的温室气体CO2, 使得全球气温持续升高, 并进而引起一系列的环境问题[1]. 如何有效地缓解大气CO2浓度的增长速度不仅是一个科学问题, 而且是一个政治经济问题[2]. 由于森林的再生长(指受到人为或自然因素破坏后森林的重新生长)与森林的增强生长(指受大气CO2浓度升高所导致的施肥效应、氮沉降和气候变化等因素的影响所表现出来的森林生长速度的增强)能够有效地吸收大气

中的CO2, 因而森林固碳受到广泛的关注[3], 它是缓解全球变暖的一项低成本高收益的有效举措[4,5]. 随着《京都议定书》的签订和各个国家应对全球变暖政策的出台, 森林碳汇方面的研究与应用受到了相当的重视[6,7], 其研究内容不仅在于森林碳汇的绝对数量, 而且越来越关注生态系统固碳的效率[3,8].

森林生态系统的固碳能力的大小取决于两个关键因素: NPP的增长趋势及强度以及生态系统碳周转时间的长短[9]. 森林再生长和增强生长(表现为NPP

引用格式: Zhou T, Shi P J, Jia G S, et al. Spatial patterns of ecosystem carbon residence time in Chinese forests. Sci China Earth Sci, 2010, doi:

10.1007/s11430-010-0061-8

碳循环论文1篇

具有增长趋势)导致更多的大气碳进入到生态系统的植被与土壤碳库中, 因此, 它是生态系统固碳的外部驱动因素. 但这部分碳能否有效持久地固定在生态系统中, 或者说生态系统的固碳效率如何, 则取决于生态系统的碳周转时间[9,10]. 生态系统碳周转时间是指大气碳通过植物光合作用进入生态系统到通过生态系统呼吸作用返回大气这一过程所平均消耗的时间[11], 其大小取决于生态系统各个碳库的周转时间以及碳在不同库中流动时的分配系数[9,11]. 揭示生态系统碳周转时间的空间分布格局对于理解生态系统碳循环机理和评价生态系统固碳潜力至关重要[12,13].

由于遥感技术的快速发展以及光能利用率模型的广泛应用, 全球与区域尺度的生态系统NPP增长趋势的研究得到了长足的进展[14~16]. 在这样的背景下, 获取区域尺度生态系统碳周转时间的空间分布格局就显得非常重要, 它可以显著提高生态系统碳汇潜力评价的精度[9,13]. 然而, 从现有的研究进展看, 目前关于碳周转时间空间分布的研究还相当缺乏.

通常生态系统碳库的周转时间采用以下几种方法进行估算. 其一是通过实验方法测量某一碳库的现存生物量以及其对应的碳通量, 然后采用它们的比值作为该碳库的周转时间的估算值[17]. 这种方法简单并且相对容易实施, 但这种方法的一个关键性的挑战在于并不是生态系统所有碳库的碳通量(如植物根的死亡率)都可以通过实验方法测量得到, 因此要在区域尺度上获取生态系统不同碳库的碳储量与碳通量的完整的数据非常困难. 估算碳库周转时间的另一种实验方法是碳同位素法. 20世纪60年代原子弹爆炸实验导致大气中的14C显著增加, 通过大气与生态系统碳交换以及生态系统的本身的碳循环过程, 这些放射性碳持续地从大气转移到生态系统的植物与土壤碳库中, 从而使14C成为估算生态系统碳库周转时间的一种很好的示踪剂[18]. 然而, 要把这种方法推广到区域尺度还有存在相当大的困难. 除上述的实验方法外, 反问题研究方法成为数据-模型融合的一个主要的领域[19], 逐步成为估算生态系统碳周转时间的一种新方法, 并在生态系统尺度上和区域尺度上得到了较好的尝试[9,11~13].

本文的研究目标是采用数据-模型融合方法, 基于遥感数据(NDVI)和地面生态系统碳库和碳通量的观测数据, 在TECO-R区域生态系统碳循环过程模 型[13]的支撑下, 利用遗传算法, 反演中国森林生态系

中国科学: 地球科学 2010年 第40卷 第5期

统不同碳库的碳周转时间及分配系数, 并进而估算平衡状态下中国森林生态系统的碳周转时间的空间格局.

1 方法与数据

1.1 模型结构

本研究采用的生态系统碳循环过程模型(TECO-R)的结构如图1所示, 它结合了CASA光能利用率模型[20,21]与VAST植被-土壤碳转换模型[11]在区域尺度上的优势. 参照VAST模型, TECO-R模 型将地下部分的根与土壤有机碳库各分为3层: 上 层为0~20 cm, 中层为20~50 cm, 底层为50~100 cm. 由于TECO-R模型包含了陆地生态系统碳循环的基本过程, 因此不同生态系统在碳循环方面的差异主要表现为其关键参数的差异. TECO-R模型的关键参数包括: 最大光能利用率(ε*)、碳的分配系数(αL,

αW,αR, ξR1, ξR2, ξR3, θF, θC, η,θS1, θS2)、以

及各碳库的周转时间(τ*L, τW, τR1, τR2, τR3, τF, τ****

C, τS1, τS2, τS3

). TECO-R模型各参数的含义如表1所示. 本研究的核心就是基于数据-模型融合技术反演这些关键参数, 从而获得不同森林生态系统的平均碳周转时间以及其空间分布格局.

在TECO-R模型中, NPP是植被吸收的光合有效辐射(APAR)、最大光能利用率(ε*)、温度与水分胁迫系数(Tε、Wε)的函数:

NPP=fAPAR PAR ε* Tε Wε, (1)

其中fAPAR为光合有效辐射(PAR)被植被吸收的比例, 它和遥感获取的标准化差值植被指数(NDVI)具有线性关系[22], fAPAR与PAR的乘积即为APAR. PAR由观测的 …… 此处隐藏：3474字，全部文档内容请下载后查看。喜欢就下载吧 ……