Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Nâng cao mô phỏng lưu lượng carbon và nước bằng cách đồng bộ hóa nhiệt độ và độ ẩm đất nhiều lớp vào mô hình sinh hóa học dựa trên quy trình
Tóm tắt
Nhiệt độ và độ ẩm đất là các chỉ báo nhạy cảm trong quá trình phân hủy chất hữu cơ trong đất vì chúng kiểm soát chu trình carbon và nước toàn cầu cũng như phản hồi tiềm năng của chúng đối với biến đổi khí hậu. Mặc dù mô hình Biome-Biogeochemical Cycles (Biome-BGC) được áp dụng rộng rãi trong việc mô phỏng lưu lượng carbon và nước của rừng, nhưng mô-đun đất một lớp của nó không thể đại diện cho sự biến đổi theo chiều dọc của độ ẩm đất. Nghiên cứu này giới thiệu mô hình Biome-BGC MuSo, bao gồm một mô-đun đất nhiều lớp và các mô-đun mới liên quan đến hiện tượng sinh trưởng và quản lý để mô phỏng các lưu lượng carbon và nước. Mô hình này xem xét các quá trình trong đất giữa các lớp hoạt động, nhưng ước tính các biến liên quan đến đất có thể bị lệch, dẫn đến các ước tính không chính xác về lưu lượng carbon và nước. Để cải thiện các ước lượng về quy trình liên quan đến đất trong Biome-BGC MuSo, nghiên cứu này đã đồng bộ hóa dữ liệu nhiệt độ và độ ẩm đất nhiều lớp theo giờ được đo tại khu vực rừng Changbai Mountains thông qua thuật toán Bộ lọc Kalman Tập hợp. Các ước lượng mô phỏng về lưu lượng nước và carbon đã được đánh giá với các phép đo bằng hệ số xác định (R2) và sai số gốc trung bình bình phương (RMSE). Sự khác biệt của RMSE giữa Biome-BGC MuSo và Biome-BGC MuSo đã đồng bộ hóa được tính toán (ΔRMSE), và mối quan hệ giữa ΔRMSE và các yếu tố khí hậu và sinh lý đã được phân tích. So với mô hình Biome-BGC ban đầu, Biome-BGC MuSo đã cải thiện các mô phỏng về hô hấp hệ sinh thái (ER), trao đổi hợp sinh thái ròng (NEE) và bốc hơi thoát nước (ET). Việc đồng bộ hóa các biến liên quan đến đất vào Biome-BGC MuSo trong thời gian thực đã cải thiện độ chính xác của các mô phỏng lưu lượng carbon và nước (ET: R2 = 0.81, RMSE = 0.70 mm·d− 1; ER: R2 = 0.85, RMSE = 1.97 gC·m− 2·d− 1; NEE: R2 = 0.70, RMSE = 1.16 gC·m− 2·d− 1). Nghiên cứu này đã chứng minh rằng việc mô phỏng theo mùa lưu lượng carbon và nước chính xác hơn khi sử dụng Biome-BGC MuSo với mô-đun đất một lớp. Hơn nữa, việc đồng bộ hóa dữ liệu nhiệt độ và độ ẩm đất quan sát được vào Biome-BGC MuSo đã cải thiện các ước tính mô hình về lưu lượng nước và carbon thông qua các mô phỏng liên quan đến đất đã được hiệu chỉnh. Chiến lược đồng bộ hóa có thể áp dụng cho nhiều điều kiện khí hậu và sinh lý khác nhau, đặc biệt là ở các khu rừng dày đặc, và cho mô phỏng cục bộ hoặc khu vực.
Từ khóa
#nhiệt độ đất #độ ẩm đất #mô hình sinh hóa học #mô phỏng lưu lượng carbon #mô phỏng lưu lượng nước #Biome-BGC #Biome-BGC MuSo #đồng bộ hóa #biến đổi khí hậuTài liệu tham khảo
Asseffa G, Mergistu T, Getu Z, Zewdie S (2013) Training manual on forest carbon pools and carbon stock assessment in the context of SFM and REDD+. https://www.forestcarbonpartnership.org/ethiopia-redd-strategy-pilot-projects-safeguards-consultations/. Accessed 20 Nov 2017.
Balsamo G, Beljaars A, Scipal K, Viterbo P, van den Hurk B, Hirschi M, Betts AK (2009) A revised hydrology for the ECMWF model: verification from field site to terrestrial water storage and impact in the integrated forecast system. J Hydro meteorol 10:623–643.
Barcza Z, László H, Somogyi Z, Hidy D, Lovas K, Churkina G, Horváth L (2009) Estimation of the biospheric carbon dioxide balance of Hungary using the BIOME-BGC model. Idojaras 113:203–219.
Clapp RB, Hornberger GM (1978) Empirical equations for some soil hydraulic properties. Water Resour Res 13:601–604.
Das NN, Mohanty BP, Cosh MH, Jackson TJ (2008) Modeling and assimilation of root zone soil moisture using remote sensing observations in walnut gulch watershed during SMEX04. Remote Sens Environ 112:415–429.
Davidson EA, Janssens IA (2006) Temperature sensitivity of soil carbon decomposition and feedbacks to climate change. Nature 440:165–173.
Evensen G (1994) Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics. J Geophys Res 99:10143–10162.
Evensen G (2003) The ensemble Kalman filter: theoretical formulation and practical implementation. Ocean Dyn 53:343–367.
Farquhar GD, Caemmerer S, Berry JA (1980) A biochemical model of photosynthetic CO2 assimilation in leaves of species. Planta 149:78–90.
Hairiah K, Dewi S, Agus F, Velarde S, Ekadinata A, Rahayu S, van N M (2011) Measuring carbon stocks across land use systems. http://www.worldagroforestry.org/news/. Accessed 01 Mar 2016.
Hidy D, Barcza Z, Marjanovic H, Sever MZO, Dobor L, Gelybó G, Fodor N, Pintér K, Churkina G, Running SW, Thornton PE (2016a) Terrestrial ecosystem process model Biome-BGCMuSo v4. 0: summary of improvements and new modeling possibilities. Geosci Model Dev 9:4405.
Hidy D, Barcza Z, Thornton PE, Running SW (2016b) User’s Guide for Biome-BGC MuSo 4.0. http://ecos.okologia.mta.hu/bbgcdb/sites/default/files/references/HIDY_etal_2016_Users_Guide_for_Biome-BGC_MuSo_4.0_2016-03-01.pdf. Accessed 01 Mar 2016.
Hursh A, Ballantyne A, Cooper L, Maneta M, Kimball J, Watts J (2017) The sensitivity of soil respiration to soil temperature, moisture, and carbon supply at the global scale. Glob Chang Biol 23:2090–2103.
Ines AV, Das NN, Hansen JW, Njoku EG (2013) Assimilation of remotely sensed soil moisture and vegetation with a crop simulation model for maize yield prediction. Remote Sens Environ 138:149–164.
Intergovernmental Panel on Climate Change (2006) 2006 IPCC guidelines for national greenhouse gas inventories. https://www.ipcc.ch/. Accessed 20 Nov 2017.
Ise T, Moorcroft PR (2006) The global-scale temperature and moisture dependencies of soil organic carbon decomposition: an analysis using a mechanistic decomposition model. Biogeochemistry 80:217–231.
Larcher W (2003) Physiological plant ecology. Springer, Heidelberg.
Lu L, Liu C, Li X, Ran YH (2017) Mapping the soil texture in the Heihe River basin based on fuzzy logic and data fusion. Sustain 9:1246.
Meentemeyer V (1984) The geography of organic decomposition rates. Ann Assoc Am Geogr 74:551–560.
Moradkhani H, Hsu KL, Gupta H, Sorooshian S (2005) Uncertainty assessment of hydrologic model states and parameters: sequential data assimilation using the particle filter. Water Resour Res. https://doi.org/10.1029/2004WR003604.
Mu Q, Heinsch FA, Zhao M, Running SW (2007) Development of a global evapotranspiration algorithm based on MODIS and global meteorology data. Remote Sens Environ 111(4):519–536.
Mu Q, Jones LA, Kimball JS, McDonald KC, Running SW (2009) Satellite assessment of land surface evapotranspiration for the pan-Arctic domain. Water Resour Res. https://doi.org/10.1029/2008WR007189.
Pietsch SA, Hasenauer H, Kucera J, Cermák J (2003) Modeling effects of hydrological changes on the carbon and nitrogen balance of oak in floodplains. Tree Physiol 23:735–746.
Pukkala T (2018) Carbon forestry is surprising. Forest Ecosyst. https://doi.org/10.1186/s40663-018-0131-5.
Ritchie JT (1998) Soil water balance and plant water stress. In: Tsuji GY, Hoogenboom G, Thornton PK (eds) Understanding options for agricultural production. Systems approaches for sustainable agricultural development, vol 7. Springer, Dordrecht, pp 41–54.
Running SW, Coughlan JC (1988) A general model of forest ecosystem processes for regional applications. Ecol Model 42:125–154.
Running SW, Gower ST (1991) FOREST-BGC, a general model of forest ecosystem processes for regional applications. II. Dynamic carbon allocation and nitrogen budgets. Tree Physiol 9:147–160.
Running SW, Nemani RR, Hungerford RD (1987) Extrapolation of synoptic meteorological data in mountainous terrain and its use for simulating forest evaporation and photosynthesis. Can J For Res 17:472–483.
Sándor R, Fodor N (2012) Simulation of soil temperature dynamics with models using different concepts. Sci World J. https://doi.org/10.1100/2012/590287.
Schwalm CR, Huntinzger DN, Fisher JB, Michalak AM, Bowman K, Cias P, Cook R, El-Masri B, Hayes D, Huang M, Ito A, Jain A, King AW, Lei H, Liu J, Lu C, Mao J, Peng S, Poulter B, Ricciuto D, Schaefer K, Shi X, Tao B, Tian H, Wang W, Wei Y, Yang J, Zeng N (2015) Toward “optimal” integration of terrestrial biosphere models. Geophys Res Lett 42:4418–4428.
Thornton PE, Rosenbloom NA (2005) Ecosystem model spin-up: estimating steady state conditions in a coupled terrestrial carbon and nitrogen cycle model. Ecol Model 189:25–48.
Thornton PE, Running SW (1999) An improved algorithm for estimating incident daily solar radiation from measurements of temperature, humidity, and precipitation. Agric For Meteorol 93:211–228.
Wang AZ, Pei TP (2002) Determination and calculation of evapotranspiration of broad-leaved Korean pine forest on Changbai Mountains. Chin J Appl Ecol 13(12):1547–1550 (in Chinese).
Wang D, He NP, Wang Q, Lu YL, Wang QF, Xu ZW, Zhu JX (2016) Effects of temperature and moisture on soil organic matter decomposition along elevation gradients on the Changbai Mountains, Northeast China. Pedosphere 26(3):399–407.
Wang QF, Niu D, Yu GR, Ren CY, Wen XF, Chen JM, Ju WM (2005) Simulating the exchange of carbon dioxide, water vapor and heat over Changbai Mountains temperate broad-leaved Korean pine mixed forest ecosystem. Sci China Ser D Earth Sci 48:148–159.
Wang XF, Ma MG, Song Y, Tan JL, Wang HB (2014) Coupling of a biogeochemical model with a simultaneous heat and water model and its evaluation at an alpine meadow site. Environ Earth Sci 72:4085–4096.
White MA, Thornton PE, Running SW (2000) Parameterization and sensitivity analysis of the BIOME–BGC terrestrial ecosystem model: net primary production controls. Earth Interact 4(3):1–85.
Williams JR (1991) Runoff and water erosion. In: Hanks RJ, Ritchie JT (eds) Modeling plant and soil systems. Am Soc Agron, Wisconsin, pp 439–455.
Wu JB, Guan DX, Sun XM, Yu GR, Zhao XS, Han SJ, Jin CJ (2005) Eddy flux corrections for CO2 exchange in broad-leaved Korean pine mixed forest of Changbai Mountains. Sci China Ser D Earth Sci 48:106–115.
Yan M, Tian X, Li ZY, Chen EX, Wang XF, Han ZT, Sun H (2016) Simulation of forest carbon fluxes using model incorporation and data assimilation. Remote Sens 8:567.
Yang Y, Fang J, Ma W, Smith P, Mohammat A, Wang S, Wang WEI (2010) Soil carbon stock and its changes in northern China’s grasslands from 1980s to 2000s. Glob Chang Biol 16(11):3036–3047.
Yu ZB, Fu XL, Luo LF, Lü HS, Ju Q, Liu D, Kalin DA, Huang D, Yang CG, Zhao LL (2014) One-dimensional soil temperature simulation with common land model by assimilating in situ observations and MODIS LST with the ensemble particle filter. Water Resour Res 50(8):6950–6965.
Zhao SS, Sun JB, Cui XY (2013) Profile distribution and seasonal dynamics of water-extractable carbohydrate in soils under mixed broad-leaved Korean pine forest on Changbai Mountain. J Forest Res 24(3):509–514.
Zheng D, Raymond H, Running SW (1993) A daily soil temperature model based on air temperature and precipitation for continental applications. Clim Res 2:183–191.
Zhu PH, Shi LS, Zhu Y, Zhang QR, Huang K, Williams M (2017) Data assimilation of soil water flow via ensemble Kalman filter: infusing soil moisture data at different scales. J Hydrol 555:912–925.