陆面过程模型Noah-MP参数优化与氮循环模块改进研究
文献类型：学位论文
| 作者 | 方经春 |
| 答辩日期 | 2025-05 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 陈报章 |
| 关键词 | Noah-MP陆面过程模型 参数优化 最大羧化速率 氮循环 Noah-MP-CN |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 陆地生态系统碳循环是地球系统碳循环的重要组成部分，吸收了约30%的人为CO2排放，在缓解全球气候变暖方面发挥关键作用。然而，陆地碳汇能力受到与碳循环密切耦合的水循环和氮循环等过程共同调控。因此，精确模拟陆地生态系统碳循环及其与水、氮循环的交互作用，对于提升碳汇预测能力及气候预测精度具有重要意义。陆面过程模型是评估陆地碳汇的重要工具，但其模拟精度常受参数设置不合理和结构不完善的制约，导致碳循环过程模拟存在较大不确定性。目前，大多数陆面过程模型采用固定参数，未充分考虑关键参数的空间变异性。同时，参数优化多基于站点观测数据并外推至区域或全球尺度，而对站点参数在区域尺度适用性的探讨较为有限。此外，现有模型大多未考虑氮循环对碳水循环的限制作用，往往高估陆地生态系统的碳通量和碳汇能力，进而导致碳循环对气候变化的反馈效应模拟不准确。因此，通过优化陆面过程模型的关键参数并合理引入氮循环过程，将有助于进一步提升模型对碳水循环的模拟能力。 首先，本研究系统评估Noah-MP动态植被模块在站点尺度和区域尺度对碳水循环的模拟能力。其次，本研究利用涡度相关通量塔观测数据，识别并优化模型关键敏感参数，分析优化参数对模拟结果的改进效果，并评估站点优化参数在区域尺度的适用性。此外，基于四种机器学习模型和全球叶片最大羧化速率（Vcmax25）及氮磷含量数据库，构建叶片Vcmax25与氮磷含量的经验关系，生成全球Vcmax25数据产品，并将其应用于Noah-MP模型，以评估数据产品对模型模拟性能的改进效果。最后，在Noah-MP模型中耦合完善的氮循环过程，构建Noah-MP-CN v2.0模型，系统分析氮循环对碳水循环的影响，并提升Noah-MP-CN模型在区域尺度的适用性和可靠性。主要研究结果如下： （1）系统评估了Noah-MP动态植被模块对中国区域陆地生态系统碳水循环的模拟能力，结果表明该模型能够较好地模拟水热循环过程，但对碳循环过程模拟存在较大的不确定性。具体而言，在默认参数设置下，Noah-MP动态植被模块均能较好再现站点和区域尺度潜热通量（Latent Heat, LE）的季节变化及空间分布特征，其模拟值与观测值的相关系数在大多数区域超过0.8。然而，该模型对叶面积指数（Leaf Area Index, LAI）和总初级生产力（Gross Primary Production, GPP）的模拟存在较大偏差。站点验证结果表明，LAI的平均模拟偏差高达79.7%，GPP的平均模拟偏差达52.62%。区域结果进一步显示，该模型在南方区域对GPP和LAI明显高估，而在北方草地区域则存在显著的低估。 （2）敏感性分析结果表明，Noah-MP动态植被模块中影响GPP模拟的六个关键参数为生长呼吸比例系数（FRAGR）、叶片周转率（LTOVRC）、最大维持呼吸（RMF25）、比叶面积（SLA）、最大羧化速率（VCMX25）和最大电子传递效率（QE25）；影响LE模拟的关键参数则为LTOVRC、土壤孔隙率（MAXSMC）和土壤孔径分布指数（BB）。基于此，参数优化结果显示，优化植被参数（OPT_VEG）或同时优化植被与土壤参数（OPT_ALL）均能显著改善站点尺度的GPP模拟效果，对LE模拟略有提升，但对LAI的模拟影响较为有限。站点尺度的模拟精度排序依次为：LAI（OPT_ALL ≈ OPT_VEG ≈ DEF）、GPP（OPT_ALL > OPT_VEG > DEF）、LE（OPT_ALL ≈ OPT_VEG > DEF）。区域尺度上，优化植被参数能够显著提高GPP、LAI的模拟精度, 小幅度改善LE的模拟效果，但与站点尺度结果相反的是，同时优化植被与土壤参数反而降低了模型对LAI、GPP和LE模拟的准确性。因此，在参数优化与应用过程中，应充分考虑站点优化参数在区域尺度上的适用性，尤其需关注土壤参数的不确定性对模拟结果的影响。 （3）基于整合分析（meta-analysis）和线性混合效应模型，构建了不同植被功能型下叶片氮磷含量对叶片最大羧化速率（Vcmax25）限制作用的经验参数化方案。结果表明，在模型构建过程中，应充分考虑植被功能型对两者关系的影响，以降低模拟不确定性。此外，利用随机森林、增强回归树、XGBoost和CatBoost四种机器学习模型反演全球叶片Vcmax25的结果表明，各模型均表现出较好的预测性能，决定系数（R2）介于0.525至0.562之间。预测的Vcmax25空间分布与现有全球数据产品高度一致，且与原位观测数据对比表明机器学习模型预测精度优于已发布的全球产品。基于SHAP归因分析的结果表明，叶片养分含量、气候条件和土壤特性共同驱动了叶片Vcmax25的空间变化。将机器学习预测的Vcmax25替代Noah-MP模型默认参数，并在中国区域开展模拟实验，结果显示优化后GPP模拟相关性在60%以上区域有所提升，证明了数据驱动的Vcmax25参数化方案可有效改善Noah-MP模型的碳循环模拟能力。 （4）针对Noah-MP-CN v1.0模型在碳氮耦合过程中的局限性，在模型中引入了更完整的氮循环过程，包括氮对光合作用和呼吸作用的影响、植被氮吸收与固定、土壤氮的分解与转化、植被氮分配、凋落物氮向土壤氮的转化、大气氮沉降、共生与自生固氮以及氮肥施用等关键过程，构建了Noah-MP-CN v2.0模型。在站点尺度上对模型进行了模拟与验证分析，结果表明，Noah-MP-CN v2.0能够较好地模拟不同站点的LAI、GPP和LE的季节变化，其相关系数分别达到0.66、0.85和0.82。其中，氮循环过程的引入显著提升了GPP的模拟精度，但对LAI和LE的改进作用相对有限。此外，由于原始Noah-MP-CN v1.0模型未公开，限制了本研究与其进一步对比分析的可能性。 （5）结合中国区域最新的氮循环输入数据，将Noah-MP-CN v2.0单点模型拓展至区域尺度。基于此，开展Noah-MP-CN v2.0与Noah-MP模型的对比模拟实验，系统评估了Noah-MP-CN v2.0模型的模拟性能，并深入探讨了氮循环对碳水循环的影响。结果表明，纳入氮循环过程显著改善了模型对碳循环的模拟能力，但对水热循环的影响较小。具体而言，耦合氮循环后，中国区域LAI、GPP和NPP的年均模拟值与观测值的均方根误差（RMSE）分别下降18.2%、41.5%和56.0%；月均模拟值与观测值的RMSE分别下降13.3%、28.4%和44.3%。然而，潜热通量和显热通量的RMSE变化幅度均未超过5%。 综上所述，优化参数和完善氮循环过程可显著提升Noah-MP动态植被模块在站点和区域尺度上碳水循环的模拟能力。这一发现可为Noah-MP模型在中国区域的应用及其未来发展方向提供了一定的参考。 |
| 学科主题 | 地图学与地理信息系统 |
| 语种 | 中文 |
| 页码 | 230 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/217326]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 方经春. 陆面过程模型Noah-MP参数优化与氮循环模块改进研究[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2025. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。