利用大氣二氧化碳和羰基硫濃度評估陸地生態系統模型碳通量模擬的不確定性

何 維,江 飛,居為民,*

1 南京大學國際地球系統科學研究所, 南京 210023 2 南京大學地理與海洋科學學院,自然資源部國土衛星遙感應用重點實驗室,江蘇省地理信息技術重點實驗室, 南京 210023

認識陸地生態系統碳循環是全球變化研究的重要前提。生態系統模型是模擬全球生態系統碳循環的重要工具,但是模型模擬仍存在很大的不確定性,包括季節變化、年際變化和空間分布等方面。生態系統模型的不確定性主要源于模型的結構、對環境脅迫的響應及反饋的刻畫、參數取值和輸入數據的誤差等。

評價陸地生態系統模型的不確定性是一項十分重要的研究,是準確評估當前陸地碳循環狀態與與預測未來變化的前提。利用觀測數據來評價模型是常用的方法。用于評價碳循環模型的數據包括站點尺度渦度通量、大氣CO2濃度、葉綠素熒光和生物量等。Messerschmidt 等[1],Fang 等[2]和 Frankenberg 等[3]分別利用地面遙感、高塔和飛機觀測的大氣CO2數據評價了基于生態系統模型和遙感的碳通量模擬。Peng 等[4]利用渦度通量、站點和衛星CO2濃度等多種數據系統評價了生態系統模型的碳通量模擬。Byrne 等[5]利用衛星植被葉綠素熒光與CO2柱濃度數據評價了北美中緯度地區生態系統光合和呼吸碳通量估算。

由于陸地生態系統是重要的碳匯,且具有顯著的季節變化,強烈地改變著大氣CO2的濃度。大氣CO2濃度可以反映陸地生態系統與大氣之間的碳交換信息。通過與基于生態系統模型模擬碳通量的濃度貢獻比較,可以評估生態系統模型的不確定性[4-5]。但是,大氣CO2濃度雖然能為陸地生態系統碳通量的估算提供區域及以上的大尺度約束信息,但它僅能反映陸地和大氣之間的凈交換通量,無法分別反映光合和呼吸兩個關鍵的碳通量分量,只有提供獨立的約束信息才能分離這兩個分量。近年來,羰基硫(OCS)被認為能夠有效示蹤光合作用,基于這一發現,通過聯合OCS和CO2,可以實現GPP和Reco分離[6],為區域尺度GPP估算提供了一個重要方法[7- 8]。

OCS是大氣中最豐富的一種含硫氣體,生命周期為2—4a,在大氣中的平均濃度為500 pmol/mol[9]。OCS的源主要包括海洋釋放(含OCS釋放和CS2、DMS的分解),人類活動釋放(含OCS釋放和CS2、DMS的分解)和生物燃燒,以及少量的無氧土壤的釋放。OCS的匯主要包括植被和土壤吸收,以及平流層OH作用消耗[10]。OCS在陸地生態系統的過程主要包括植被光合吸收與土壤有氧吸收和無氧釋放[11]。OCS的植被吸收主要受碳酸酐酶 (Carbonic Anhydrase, CA) 活性、氣孔導度、輻射、溫度和水分含量的影響。

OCS和CO2的植被吸收在葉片尺度和生態系統尺度上存在如下關系[9]：

(1)

式中,Focs表示OCS植被吸收通量,LRU(Leaf Relative Uptake)表示葉片對OCS和CO2的吸收速率之比,[OCS]/[CO2] 表示OCS和CO2的環境濃度之比。上述關系是從OCS信號推算GPP的理論基礎。

利用大氣OCS示蹤GPP的研究, 目前仍處于起步階段。Campbell 等[12]利用飛機測量的OCS大氣濃度數據和GPP比例模型估算了北美生長季GPP。Asaf 等[13]在生態系統尺度上,利用OCS通量和大氣濃度估算GPP,并指出大氣OCS通量觀測可以用來約束GPP。Launois 等[14]在全球尺度上利用OCS大氣同化和GPP尺度模型估算GPP。現有的研究指明,聯合大氣OCS和CO2觀測可以分別優化GPP和Reco通量。Hilton 等[7]利用機載OCS數據和大氣傳輸模型評價了幾種生態過程模型模擬美國生長季峰期GPP空間分布的合理性。

針對大氣OCS和CO2數據在生態系統碳通量評價中的作用和研究不足,本研究利用在北美地區8個高塔站點同步觀測的大氣CO2和OCS濃度數據,結合WRF-STILT大氣輸送模型,評估CASA-GFED3、SiB3和SiBCASA三種陸地生態系統模型模擬GPP和NEE通量的不確定性。

1 數據與方法

1.1 大氣CO2與OCS濃度數據

大氣濃度數據來源于美國NOAA-ESRL的全球溫室氣體觀測網(Global Greenhouse Gas Reference Network)[15- 16]。氣體樣本被自動收集到可編程式罐裝樣本系統(Programmable Flask Packages, PFPs)。在北美共有8個高塔站點和32個飛機站點,其分布情況以及下墊面植被類型如圖1所示,高塔站點的詳細信息見表1。高塔站點的采樣頻率為每天一次或隔天一次。考慮大氣信號的穩定性,本研究只使用了當地時10:00—18:00之間高塔采集的數據。

圖1 北美地區 CO2和OCS的高塔和飛機大氣觀測站點分布及地表覆蓋類型Fig.1 Sites at which CO2 and OCS observations were used and land cover types in North America 高塔站點： AMT (Argyle, Maine, United States), BAO (Erie, Colorado, United States), LEFs (Park Falls, Wisconsin, United States), SCT (Beech Island, South Carolina, United States), STR (Sutro Tower, San Francisco, California, United States), WBI (West Branch, Iowa, United States), WGC (Walnut Grove, California, United States), WKT (Moody, Texas, United States); 飛機站點： CAR (Briggsdale, Colorado, United States), CMA (Cape May, New Jersey, United States), DND (Dahlen, North Dakota, United States), ESP (Estevan Point, British Columbia, Canada), ETL (East Trout Lake, Saskatchewan, Canada), LEFa (Park Falls, Wisconsin, United States), NHA (Worcester, Massachusetts, United States), PFA (Poker Flat, Alaska, United States), SCA (Charleston, South Carolina, United states), SGP (Southern Great Plains, Oklahoma, United states), TGC (Sinton, Texas, United States), THD (Trinidad Head, California, United States)

1.2 大氣濃度模擬

1.2.1WRF-STILT模型

大氣傳輸模型可以建立觀測的大氣濃度與地表通量之間的關聯,本文選擇STILT模型作為大氣輸送模型。STILT模型是一種用于描述大氣輸送過程的四維拉格朗日粒子擴散模型。該模型最初開發用于模擬觀測接收點的上層氣流影響范圍,也可以用于量化氣體的源[17]。本文采用WRF氣象場來驅動STILT大氣輸送模型[18]。

STILT模型的表達式為：

(2)

(3)

(4)

式中,C表示模擬濃度,Xr表示觀測點的位置向量,tr表示觀測時間。公式(2)第一部分表示垂直對流源/匯的貢獻,第二部分表示水平對流和上層氣流的貢獻。公式(3)計算大氣垂直對流的影響足跡f。公式(4)計算濃度的水平對流和上層氣流輸送強度I。

表1 本文所使用的北美地區CO2和OCS的高塔觀測站點信息

WRF-STILT模型的最重要輸入是垂直和水平風場廓線,其他輸入數據包括溫度廓線、氣壓、濕度、地表粗糙度、地表潛熱通量、感熱通量和摩擦速度等。邊界層高度可以在STILT模型內部計算,也可以來源于氣象模型輸入。基于WRF-STILT模型,對各大氣組分進行輸送模擬,匯聚得到四維時空的模擬大氣濃度(圖2)。

圖2 基于WRF-STILT模型的CO2區域大氣輸送過程與濃度模擬示意圖Fig.2 Diagram describing the processes of regional atmospheric transport and concentration simulations based on the WRF-STILT model

1.2.2CO2濃度模擬

在特定區域,大氣CO2濃度由地表通量引起的濃度變化和側邊界條件兩部分構成。地表通量的變化主要受到植被光合吸收和呼吸釋放、海洋吸收和釋放、化石燃料排放和野火釋放等地表碳通量的影響[19]。植被光合吸收(GPP)和呼吸釋放(Reco)通量可由陸地生態系統模型模擬,其他通量可以通過模型模擬或者調查數據獲取。

陸地生態系統碳通量采用了CASA-GFED3[20]、SiB3[21]和SiBCASA[22-23]3個模型的模擬結果,時間分辨率為3h,空間分辨率為1°×1°。除了陸地生態系統碳通量外,還包括海洋、化石燃料排放和野火排放碳通量,本文從CarbonTracker CT2013B(https://www.esrl.noaa.gov/gmd/ccgg/carbontracker/CT2013B/)產品中直接獲取這些數據。CT2013B海洋通量和陸地生態系統碳通量一起被優化,這里采用優化后的海洋通量。CT2013B使用兩種海洋通量數據集、兩種化石燃料排放數據集和一種野火排放碳通量數據,發布的產品結果為采用不同輸入通量組合的優化結果集合平均值、未優化通量則等同于原有數據集的平均值,具體信息見表2。

表2 使用的CO2通量數據信息

側邊界條件一般根據大氣測量或者從已有模型模擬的濃度場確定。本文根據全球模型模擬的濃度場(CT2013B優化的CO2濃度場)和測量數據(OCS在北美海洋邊界的飛機廓線)確定側邊界條件。

1.2.3OCS濃度模擬

模擬大氣OCS濃度的主要組分通量,包括植被吸收通量和土壤通量的陸地生態系統部分,以及人為活動、海洋、生物燃燒和平流層OH作用消耗等非陸地生態系統部分。

植被OCS吸收通量根據機理性陸地生態過程(SiB3-OCS)[24]模擬或根據 GPP縮放(式1)。SiB3-OCS模擬植被OCS通量如下：

Focs=[OCS]a×[1.94/gsw+1.56/gbw+1.0/gocs]-1

(5)

式中,Focs表示植被OCS吸收通量,[OCS]a表示OCS環境濃度,gsw,gbw和gocs分別表示氣孔導度、邊界導度和葉肉及酶生化作用決定的綜合導度。

土壤是OCS的一個主要的匯,其通量模擬有多種方法。Kettle 等[25]計算土壤OCS通量的方法是根據Kesselmeier 等[26]的研究將土壤的OCS吸收通量表示為環境OCS濃度、溫度和土壤濕度的函數。Berry 等[24]基于SiB3模型模擬的異養呼吸、土壤溫度和水分進行土壤OCS吸收通量的估算。研究還發現,土壤OCS吸收與H2吸收緊密聯系,可根據土壤吸收H2的比例關系計算土壤OCS吸收通量[27]。另外,土壤在特定條件下也可能成為OCS源,在一定的高溫和濕度條件下,土壤也會釋放OCS,在農業區尤為明顯[11,28]。本文采用Launois 等[14]基于OCS與H2土壤吸收關系計算的OCS土壤通量,采用了其中的Whelan-Bousquet版本,其考慮了土壤OCS釋放。

除植被和土壤OCS通量外,還考慮了人類活動 、海洋、生物燃燒和平流層OH作用消耗OCS通量等。人類活動主要是化石燃料的使用會釋放OCS。利用工業生產統計調查數據,Kettle 等[25]得到了人類活動排放的OCS通量。海洋是主要的OCS源。Kettle 等[25]利用耦合的理化模型估算了海洋直接釋放的OCS通量、CS2間接轉化的OCS通量和DMS間接通轉化為OCS通量。然而,Berry 等[24]研究發現估算的全球OCS收支不能平衡,原因是全球海洋OCS通量估算偏低。這一發現被TES衛星觀測數據所證實[29]。Launois 等[14]利用海洋地球化學模型重新估算了海洋通量,進一步證實了Berry 等[24]提出的海洋通量低估問題。本文使用Launois 等[14]海洋OCS通量作為模擬輸入。生物燃燒釋放和平流層OH作用消耗也會影響大氣OCS濃度的變化,但作用相對較小。這些數據的具體信息如表3所示。

表3 使用的OCS通量數據信息

2 結果

2.1 不同模型模擬的北美陸地生態系統碳通量季節變化和空間分布比較

不同生態過程模型模擬的陸地生態系統碳通量具有較大的差異。以CASA-GFED3(CarbonTracker CT2013B版本的產品采用該模擬作為先驗通量,月平均值),SiB3和SiBCASA 3個模型為例,分析北美地區2010年陸地碳通量模擬結果在季節變化(圖3)和夏季生長季峰期空間分布(圖4)的差異。從圖3可以看出,3個模型模擬的GPP、Reco和NEE的季節變化在時相和幅度上都有明顯差異,GPP和Reco的差異尤為明顯。GPP幅度從大到小排序為：CASA-GFED3>SiBCASA>SiB3。Reco和NEE的季節變化幅度的大小排序與GPP一致。從GPP時相來看,CASA-GFED3模型和SiBCASA模型比SiB3模型更早達到最大峰值。從圖4可以看出,3個模型模擬的GPP、Reco和NEE的生長季峰期的空間分布總體較為一致,峰值分布在北美玉米帶和農業區；從強度看,CASA-GFED3模擬值均較高于其他模型。

圖3 不同模型模擬的北美地區2010年陸地生態系統植被光合吸收(GPP)、呼吸釋放(Reco)和凈生態系統碳交換量(NEE)季節變化Fig.3 Seasonal variations of GPP, Reco and NEE of North America in 2010 simulated from different models

圖4 不同模型模擬的2010年夏季(6—8月)GPP、Reco和 NEE平均值的空間分布Fig.4 Spatial distribution of average GPP, Reco and NEE in the summer (June—August) of 2010 simulated from three different models

2.2 站點模擬濃度的生態系統和其他組分貢獻

基于上述CO2通量組分和側邊界條件數據和WRF-STILT模型,模擬了各站點2010年大氣CO2濃度。以LEF高塔站點為例,其模擬的各地表通量組分對大氣CO2濃度貢獻如圖5所示。LEF站點位于美國威斯康辛州的農業區,植被對大氣CO2濃度變化的貢獻最大,冬季和春季早期主要表現為因生態系統呼吸而釋放CO2,夏季因植被光合大于呼吸而吸收CO2(圖5)。各地表組分的擾動對大氣濃度的貢獻最大達到約為20 μmol/mol,顯著地改變了背景濃度。

圖5 2010年LEF高塔站點的模擬大氣CO2濃度的不同地表通量貢獻Fig.5 Contributions of different surface CO2 fluxes to the simulated CO2 concentration at the LEF tower site in 2010

基于OCS地表通量、側邊界條件數據和WRF-STILT模型可以模擬不同觀測站點的大氣OCS濃度。圖6顯示了模擬的2010年LEF高塔站點大氣OCS濃度的不同地表通量分量貢獻。可以看出,在冬季和春季之間人類活動排放的OCS對LEF站點的大氣OCS濃度影響最大,在夏季土壤OCS通量的影響最大。

圖6 2010年LEF高塔站點的模擬大氣OCS濃度的不同地表通量貢獻Fig.6 Contributions of different surface OCS fluxes to the simulated OCS concentration at the LEF tower site in 2010

2.3 基于大氣CO2和OCS數據的生態系統碳通量模擬的不確定性分析

陸地生態系統顯著調節大氣OCS和CO2濃度的季節變化,從大氣OCS和CO2濃度觀測數據可以獲得陸地生態系統和大氣碳交換的相關信息。本節利用不同生態過程模型模擬的OCS和CO2通量驅動WRF-STILT模型,模擬大氣OCS和CO2濃度,與觀測數據對比,分析不同模型模擬碳通量的不確定性,如季節變化幅度和時相。圖7和圖8為LEF和WGC兩個高塔站點2010—2011年的基于不同模型陸地碳通量的大氣OCS和CO2濃度模擬值與觀測值的比較。

圖7 LEF高塔站點基于不同生態過程模型輸出的地表通量模擬的2010—2011年大氣CO2和OCS濃度與觀測數據的比較(右側直方圖顯示的是模擬與觀測濃度之間殘差擬合的正態分布)Fig.7 Comparisons between the simulated and observed CO2 and OCS at the LEF tower site over 2010—2011 with the biosphere fluxes simulated from different models. The right side shows fitted normal distributions of the residuals between simulated and observed concentrations

圖8 WGC站點基于不同生態過程模型輸出的地表通量模擬的2010—2011年大氣CO2和OCS濃度與觀測比較(右側直方圖顯示的是模擬與觀測濃度之間殘差擬合的正態分布)Fig.8 Comparisons between the simulated and observed CO2 and OCS at the WGC tower site over 2010—2011 with the biosphere fluxes simulated from different models. The right side shows fitted normal distributions of the residuals between simulated and observed concentrations

在LEF站點,基于CASA-GFED3輸出的生態系統通量模擬的大氣CO2濃度與觀測數據較為吻合,但OCS的模擬濃度在夏季明顯偏高,且峰值延遲出現,說明CASA-GFED3模擬的GPP偏低。

在WGC站點,基于SiBCASA模型輸出陸地生態系統通量模擬的大氣CO2濃度在冬季明顯偏低,無法模擬峰值；SiBCASA模擬OCS結果在冬季明顯偏高,無法模擬谷值；相反,SiB3能較好模擬峰值和谷值。假設植被信號主導,說明SiBCASA在夏季所模擬的GPP偏高,冬季GPP明顯偏低,這與SiBCASA與SiB3模擬的GPP季節變化幅度差異是一致的(見圖3)。從CO2信號可以看出,SiBCASA在冬季所模擬的NEE偏低。

圖9為基于不同生態過程模型(CASA-GFED3、SiB3 和 SiBCASA)輸出的陸地生態系統碳通量模擬的所有高塔站點2010—2011年CO2和OCS濃度的平均誤差。從模擬的大氣OCS濃度看,在BAO、SCT、STR和WKT四個站點,基于SiB3和SiBCASA輸出生態系統通量的模擬值比觀測數據偏低,說明SiB3和SiBCASA模型在這些站點足跡影響范圍內的模擬GPP可能偏高。而基于CASA-GFED3模型輸出的生態系統通量的模擬值偏高,說明其模擬的GPP可能偏低。從模擬的大氣CO2濃度看,基于SiBCASA輸出的陸地生態系統通量的模擬值在較多站點(AMT、LEF、SCT、WBI和WKT)高于觀測值,說明該模型在這些站點足跡影響范圍內所模擬的NEE(絕對值)偏低；在3個城市附近站點(BAO、STR和WGC)模擬的大氣CO2濃度低于觀測值,可能原因為其模擬的NEE偏高或人為碳排放估算偏低,而后者的可能性更大。基于SiB3模型輸出碳通量的模擬值在較多的站點與觀測值接近,但在上述3個城市站點明顯低于觀測值,很可能是由于人為碳排放估算偏低造成的。而基于CASA-GFED3模型輸出的碳通量的模擬值在較多的站點低于觀測值,說明該模型模擬的NEE偏高,這與圖3和圖4所示一致。

圖9 基于不同模型輸出的陸地生態系統碳通量模擬的所有站點2010—2011年CO2和OCS濃度的平均誤差Fig.9 Average errors of simulated atmospheric CO2 and OCS concentrations with terrestrial fluxes output from three different models at all tower sites over 2010—2011

根據CO2和OCS濃度模擬值與觀測值的一致性,總體來說,SiB3模型對北美地區陸地生態系統碳通量的模擬較好,CASA-GFED3對GPP的模擬誤差較大。

3 討論

本文的研究證實了大氣CO2和OCS濃度數據可用于評估生態系統模型在碳通量模擬中的不確定性。通過大氣濃度模擬與實測比較,可以對陸地生態系統碳通量所模擬的季節變化時相和幅度的合理性進行評估。在北美地區,SiB3能很好地模擬陸地生態系統GPP和NEE的季節變化時相和幅度,而CASA-GFED3和SiBCASA模擬NEE和GPP的季節變化時表現較不理想。CASA-GFED3模擬的凈陸地生態系統碳通量整體偏高,這可能與該模型沒有考慮土壤水分脅迫等環境因素對GPP等的影響有關。CASA-GFED3、SiB3和SiBCASA 3個模型在模型結構和輸入數據方面的差異是造成其模擬差異的原因,也是其碳通量模擬不確定的主要來源。

同時,本研究還存在一些局限。首先,OCS觀測站點的數量有限,對碳通量的時空變化刻畫具有一定的局限。其次,土壤OCS等組分通量的不確定性對結果有一定的影響。土壤的OCS大氣交換既包括吸收也包括釋放,土壤OCS的釋放取決于溫度、水分和環境OCS濃度[11],對于后者需要在模型中量化,特別是在農業區,還未能很好地模擬這一變量。第三,OCS與CO2的葉片相對吸收比(LRU)是隨時間和空間變化的[10,30],本文沒有考慮其時空變化。目前仍難以獲取LRU大尺度時空變化信息,大多數研究將其看作一個近似常量、僅對C3和C4植被類型予以區分。

盡管如此,在其他輸入數據具有相同不確定性的條件下,不同模型的模擬效果差異是客觀存在的,因此本文提出的方法能有效評估不同生態系統模型的碳通量模擬效果。在傳統的碳循環模型評估中,常利用站點的渦度相關測量作為評判模型模擬效果優劣的標準,但是這種方法是不全面的。模型在站點尺度能較好模擬碳通量,但不能保證其區域上的模擬效果,其主要原因是站點的數量和代表性有限以及從站點到區域的尺度差異。長期以來,在區域尺度檢驗模型表現比較困難,缺少基于觀測的標定數據。大氣CO2和OCS濃度以及植被葉綠素熒光是近年來發展的有效標定區域尺度碳通量的數據。利用CO2和OCS這兩種數據對碳通量模擬的碳通量或模型參數進行優化計算,可以提高區域尺度陸地生態系統碳通量估算精度。

當前,基于高塔站點觀測的CO2和OCS均較為有限,其中OCS的觀測更是主要集中在北美區域。隨著無人機、飛艇、飛機和衛星遙感等多種平臺觀測技術的發展,時空覆蓋更廣更密集的CO2和OCS濃度數據正在被獲取。CO2衛星數據提取精度在逐步提高,已被應用于全球碳通量估算；OCS衛星數據提取方法也在發展中,已被應用于碳循環研究。除了數據外,對CO2和OCS源匯的認識和建模也在不斷完善。在數據精度逐步提高和理論方法不斷完善的背景下,本文的方法將有望更好地服務于陸地碳循環模型評價與全球及區域陸地生態系統碳通量模擬研究。

4 結論

本文利用大氣CO2和OCS的觀測數據,基于WRF-STILT粒子擴散模型進行大氣輸送建模,評價了3個典型陸地生態系統模型(CASA-GFED3、SiB3和SiBCASA)模擬GPP和NEE通量的不確定性。結果表明,SiB3能很好地模擬北美陸地生態系統 GPP和NEE的季節變化時相和幅度,在3個模型中具有最佳的模擬能力；CASA-GFED3模擬的NEE季節變化較為理想、但對生長季GPP的模擬存在較大的誤差,SiBCASA模型在模擬冬季晚期和春季早期的NEE和GPP峰值時表現較不理想。本研究證明了大氣CO2和OCS在評估陸地生態系統模型碳通量模擬的不確定性中的潛力,為利用它們優化計算(優化生態模型參數或通量)區域和全球陸地生態系統碳通量提供了理論支撐。

致謝：NOAA 地球系統研究實驗室提供大氣CO2觀測數據和Steve Montzka提供OCS觀測數據。NOAA CarbonTracker團隊提供CT2013B同化數據。NASA提供CASA-GFED3模擬數據。美國科羅拉多大學Ian Baker和NOAA地球系統研究實驗室Ivar van der Velde提供SiB3和SiBCASA模型碳通量模擬數據。Arlyn Andrews提供WRF-STILT大氣輸送足跡數據,荷蘭格羅寧根大學Huilin Chen在WRF-STILT大氣模擬等方面給予指導，特此致謝。