摘 要

有效利用观测数据对森林生态系统进行建模，是我国当前陆地生态系统碳循环研究领域的一个重要问题之一。研究森林生态系统碳循环规律，不仅是解决环境问题、预测气候变化及实现碳汇管理的科学基础，也是我国进行碳排放外交谈判和制定节能减排行动方案的迫切需求。本文建立了非自治森林生态系统模型，其中假设碳库转移速率为随时间变化的周期性函数，然后进行傅里叶拟合，找出了碳库转移速率的方程表达式并验证。通过相关性分析，本文分析了各个碳库转移速率之间的关系，并利用BP算法探究了土壤温湿度及GPP对碳库转移速率的影响。此外，本文还将非自治系统模型与神经网络模型模拟效果进行了对比。总之，本研究取得了良好的结果，并经过实际数据的验证，较为准确地估计了碳库转移速率。这一研究为更好更合理地研究森林生态系统碳循环提供了方法，为其他非自治生态系统模型研究提供了参考。

关键词：数据同化 傅里叶拟合 非自治

Data assimilation technology in heteronomy forest ecosystem models application research

ABSTRACT

Modeling forest ecosystems effectively by observation data is one of the important issues in terrestrial ecosystem carbon-cycle research. The disciplinarian of carbon cycle in forest ecosystem is not only a scientific basis for solving environmental problems, predicting climate change and realizing carbon sink management, but also an active demand to carry out carbon emission diplomatic negotiations and formulate action plans for energy conservation and emission reduction. In this paper, the F-TECO model of a heteronomy forest ecosystem is established, which assumes that the transfer rate of the carbon bank is a periodic function with time change. Then the Fourier fitting is used to find out the general equation of Ф(t).Through the correlation analysis of Ф(t), this paper analyzes the relation between each subfunction, and explores the influence of soil temperature and humidity and GPP on Ф(t) by utilizing BP-ANNs algorithm. Furthermore, we compared with the simulation results of the heteronomy system model and that of the neural network model. In conclusion, this study has obtained fine results, which has been verified by reality data.

Key words：Data assimilation；Fourier fitting；Heteronomy

目录

1.前言 1

2.模型与方法 3

2.1数据来源 3

2.2模型构建 3

2.3模型求解 5

3.结果与讨论 10

3.1傅里叶拟合结果 10

3.2误差分析 12

3.3 Ф(t)的相关性分析 14

3.4神经网络模型结果 15

3.5误差比较 18

4.结论 19

致 谢 20

参考文献 21

附录A MATLAB程序 23

附录B R语言程序 25

附录C 傅里叶拟合参数及拟合优度指标 26

1.前言

工业革命以后，人类活动已造成地球环境的显著变化，如温室气体增加、全球气候变暖、冰川融化造成海平面上升及厄尔尼诺极端天气现象，这一系列变化已经受到了全世界各国的广泛关注^[1]。在这样全球气候大变化的背景下，不仅仅是气温超过了过去百年的变化范围，在气候的影响下，碳循环也发生了广泛而深刻的变化^[2]，因此，充分理解全球碳循环过程和机制具有特别紧迫而重要的意义。森林生态系统作为陆地生态系统的主体，在调控碳收支平衡、影响全球气候中都具有重要作用^[3]。研究森林生态系统碳循环规律，不仅是解决环境问题、预测气候变化及实现碳汇管理的科学基础，也是我国进行碳排放外交谈判^[4、5]和制定节能减排行动方案的迫切需求。

研究生态系统碳蓄积和碳循环一般是从生物量和净初级生产力的估算开始,采集数据方法总体上可分为生物量清查法^[6]和涡度相关法^[7]。生物量清查法包括生物量调查法和土壤调查法，生物量调查法具体测定方法常按地上部分、枯落物和根系分别采用不同的方法，土壤调查通过土壤剖面和土钻法采集土壤样本，再通过干烧法或重铬酸钾氧化法测定土壤碳样本。涡度相关法是采用三维超声风速仪测定林冠层与大气之间的湍流交换量的微气象学方法, 是在林冠上方直接测定二氧化碳的涡流传递速率 ,从而计算出森林生态系统吸收固定二氧化碳通量的方法。与其他微气象学方法不同，涡度相关法只需要在一个参考高度上对二氧化碳浓度以及风速进行监测。大气中物质的垂直交换往往是通过空气的涡旋状流动来进行的 ,这种涡旋带动空气中不同物质包括二氧化碳, 向上或者向下通过某一参考面,二者之差就是生态系统固定或放出的二氧化碳量。生物量清查法是研究森林生态系统碳蓄积的经典方法 ,并在较长时间尺度( 3～5年) 上研究生态系统碳交换方面得到很好应用。涡度相关法可研究较短时间( 时、日、月等) 尺度内森林生态系统与大气间的碳交换量 , 是研究森林生态系统碳通量的过程与机制的国际通用方法。而观测森林生态系统碳通量，主要有地面站点观测和卫星遥感观测两种方法。地面站点观测精度高、易获取，但是如果需要大尺度大范围研究某一课题，就需要站点形成网络。虽然全球已经形成一些站点观测网络，但是其空间分布往往是离散的，不能像卫星遥感观测那样具备稳定、连续、大尺度观测的优点，利用遥感数据进行碳通量研究，有利于提高森林生态系统碳通量估算的准确性。

随着数量生态学^[8]的发展，陆地生态系统模型已经广泛应用于模拟森林生态系统生产力、水分消耗以及温室气体的排放。在研究过程中，由于森林生态系统过程的复杂性，模型建立必须要做一些简化，因此在模型结果与实际数据就存在差异，这是模型假设造成的误差。此外生态系统具有在较大范围内时空变异的特征，因此模型参数通常存在空间和时间的异质性。而传统的数据采集方法不适宜应用于大空间尺度，遥感观测^[9]则很难取得微观尺度的数据，并且部分参数是瞬时变化的，不能直接测量，但是模型参数又显著影响模型拟合的效果，因此参数校准对于生态模型模拟具有重要意义。此外，根据参数矩阵是否随时间变化，可以把线性系统分为自治的和非自治的，在线性系统中，自治系统常定义为不受外部影响即没有输入作用的一类动态系统，这显然不符合目前学者对生态系统的认知。非自治系统^[10]更加符合生态系统时空变异的特征，近年来这方面研究有了较大进展，未来应加强非自治生态系统的研究。