碳循环研究观测和模拟均存在不确定性，模型数据融合技术为有效利用各种观测数据，量化和减少碳循环不确定性提供了一种手段。然而目前大部分碳循环研究只包含定性的不确定性分析，很少有研究系统地量化不确定性并追踪其主要不确定性来源，尤其是在区域尺度。利用模型数据融合技术能够获取模型参数不确定性，结合不确定性量化和拆分方法可以更准确地揭示陆地生态系统碳循环的时空变化。 何洪林研究小组发展了基于模型数据融合技术的不确定性分析框架，量化模型模拟的不确定性，并拆分不确定性以追溯不确定性的主要来源，定位对模拟结果影响较大的参数，从而合理评价过程机理模型和遥感参数模型模拟结果及关键模型参数的不确定性，为未来野外观测及模型改进提供指导，建立野外观测与模型模拟之间的桥梁，为进一步减小不确定性奠定基础。并以我国亚热带人工针叶林为典型生态系统，青藏高原高寒草地为典型区域，将该方法应用于站点尺度和区域尺度碳通量模拟研究中，分析了站点尺度和区域尺度碳通量的不确定性及其来源。
研究成果已在《Journal of Geophysical Research: Biogeosciences》期刊上发表。
1. Ren, X. L., H. L. He*, D. J. P. Moore, L. Zhang, M. Liu, F. Li, G. R. Yu, and H. M. Wang (2013), Uncertainty analysis of modeled carbon and water fluxes in a subtropical coniferous plantation, Journal of Geophysical Research: Biogeosciences, 118(4), 1674-1688.
2. He H. L., M. Liu, X. M. Xiao, X. L. Ren, L. Zhang, X. M. Sun, Y. H. Yang, Y. N. Li, L. Zhao, P. L. Shi, M. Y. Du, Y. M. Ma, M. G. Ma, Y. Zhang, and G. R. Yu* (2014), Large-scale estimation and uncertainty analysis of gross primary production in Tibetan alpine grasslands, Journal of Geophysical Research: Biogeosciences, 119, doi:10.1002/2013JG002449.
网站地图
机构概况
