初级生产总量的不确定性如何影响碳-水耦合模型中的蒸散量预测？

《Journal of Hydrology》：How does gross primary production uncertainty impact evapotranspiration prediction within the carbon–water coupled model?

本研究通过11种遥感基初级生产量（GPP）产品，利用经典碳-水耦合模型定量评估GPP不确定性对蒸散量（ET）预测的影响。结果表明GPP误差使ET预测均方根误差增加26.94%，决定系数下降13.58%，并在全球及区域尺度导致±200mm/a的年ET差异及相反趋势。结论强调提升GPP精度对增强模型可靠性的重要性。

　　

黄凌霄|王一哲|刘萌|孙一飞|范荣|李兆亮

中国科学院地理科学与自然资源研究院资源与环境信息系统国家重点实验室，北京 100101，中国

摘要

碳-水耦合模型考虑了陆地碳循环和水循环之间的内在联系，已被广泛用于模拟蒸散作用（ET，陆地水循环中第二大通量）。然而，总初级生产力（GPP，陆地碳循环中最大的通量）作为碳-水耦合模型中的一个关键输入变量，在当前的基于遥感（RS）的估算中仍然存在很大的不确定性。这些GPP不确定性对耦合模型中ET预测的影响程度尚不清楚。在这项研究中，我们采用了一个经典的碳-水耦合模型框架，该框架使用了11种具有不同偏差的基于RS的GPP产品以及20,943个8天的GPP观测数据，来定量评估GPP不确定性对ET估算精度的影响。此外，我们还使用五种代表性的GPP产品驱动耦合模型，生成了2001年至2015年的全球ET估算值，旨在探讨GPP不确定性如何影响ET模拟的时空模式。我们的结果表明，GPP不确定性显著影响了ET估算的精度和时空模式。以基于观测GPP的8天ET模拟为基准，11种具有不同偏差的GPP产品平均使均方根误差（RMSE）增加了26.94%（16.50%–33.25%），并使决定系数（R2）降低了13.58%（8.43%–18.07%）。此外，不同的GPP输入导致某些地区的年ET差异高达±200毫米/年，并在2001年至2015年间产生了全球和区域尺度上高度不同的、有时甚至相反的年际ET趋势。这项研究强调，提高GPP的准确性应成为提高碳-水耦合模型可靠性的优先事项，特别是在大规模水文和地球系统应用中。

引言

陆地蒸散作用（ET）是指通过蒸发和蒸腾作用从陆地表面转移到大气中的总水量，它是全球陆地水循环中仅次于降水的第二大组成部分，是陆地水、能量和碳交换的关键纽带（Oki和Kanae，2006年；Tang等人，2024年；Wang和Dickinson，2012年）。植被蒸腾作用约占全球陆地ET的60%（Yang等人，2023年），它通过各种生物物理和生化过程与光合作用[其生态系统层面的结果称为总初级生产力（GPP）]内在地耦合在一起（Chen和Liu，2020年）。植被蒸腾作用和光合作用都受到叶片表面气孔行为的共同调节，而气孔行为又受到温度、湿度和辐射等多种环境因素的影响（Leuning，1995年；Medlyn等人，2011年）。在模型框架内有效地耦合蒸腾作用和光合作用（通常称为碳-水耦合模型）以提高ET估算精度已成为一个活跃的研究领域和当前的科学热点。

卫星遥感（RS）技术因其高重访频率、精细的空间分辨率和广泛的地球观测能力而被广泛认为是模拟全球ET的最可行和最具成本效益的方法（Zhang等人，2016年）。在最近几十年，特别是近年来，使用RS技术的碳-水耦合模型取得了显著进展（Gan等人，2018年；Hu等人，2013年；Ju等人，2006年；Li等人，2019年；Luo等人，2018年；Ryu等人，2011年）。典型的例子包括Penman-Monteith-Leuning模型第2版（PMLv2）（Zhang等人，2019年）、Breathing Earth System Simulator第2版（BESSv2）（Li等人，2023年）和Biosphere-atmosphere Exchange Process Simulator（BEPS）（Leng等人，2024年）。通常，这些碳-水耦合模型使用Penman-Monteith方程，并加入冠层导度（Gc）项来模拟植被蒸腾作用，其中Gc假设与GPP呈正线性关系，这一假设基于Ball-Berry气孔导度理论（Ball等人，1987年）。由于它们的卓越性能，从碳-水耦合模型得到的区域和全球ET产品越来越多地被用于陆地水循环研究和水资源管理（Cai等人，2024年；Cui等人，2024年；Li等人，2023年；Naeem等人，2023年；Zhang等人，2023年；Zhong等人，2024年）。

毫无疑问，准确估算GPP对于可靠地预测碳-水耦合模型中的ET至关重要。然而，当前的GPP估算仍存在很大不确定性，主要是由于难以获得准确的关键生理和结构参数（例如最大羧化速率和聚集指数），以及对光合作用过程的理解不完全（Chen等人，2022年；Lai等人，2024年；Li等人，2022年；Ryu等人，2019年；Xiao等人，2019年）。Zhang和Ye（2022年）使用三角帽（TCH）方法和广义加性模型（GAMs）分析了45种全球GPP产品的不确定性，发现绝对不确定性范围从0.02到248.19克碳/平方米/年，中位数相对不确定性范围为12.9%到46.1%。此外，Anav等人（2015年）报告称，1990年至2009年间10种产品的全球年平均GPP估算值范围广泛，从112到169拍克碳/年，其年际变异性（0.8到3.89拍克碳/年）和长期趋势（0.01到0.62拍克碳/年）也存在显著差异。同样，Zheng等人（2020年）指出，1982年至2017年间22种产品的全球年平均GPP也存在相当大的变异性，估算值范围从92.7到168.7拍克碳/年）。这些GPP估算中的不确定性不可避免地会传递到碳-水耦合模型中的ET估算中。尽管基于RS的碳-水耦合模型最近取得了显著进展，但GPP不确定性对这些模型中ET预测的影响程度仍不清楚。因此，迫切需要对ET估算误差及其导致的全球ET模拟中的时空差异进行定量和全面的分析。这样的分析将为ET估算误差的来源提供宝贵的见解，并为推进碳-水耦合模型提供有益的视角。

本研究旨在回答三个问题：（1）基于RS的GPP估算中的不确定性在碳-水耦合模型框架中会在多大程度上降低ET估算的精度？（2）GPP不确定性在多大程度上影响全球ET估算的幅度和空间模式？（3）GPP不确定性在多大程度上影响长期全球ET趋势，包括幅度和方向？首先，我们评估了11种先进的基于RS的8天0.05° GPP产品与90个涡度协方差（EC）塔观测到的8天GPP之间的差异，以全面识别当前GPP估算中的不确定性。然后，我们使用20,943个8天GPP观测数据（作为基准）和11种基于RS的GPP来验证经典的碳-水耦合模型中的8天ET模拟，并与90个站点观测到的ET进行比较，以定量分析11种基于RS的GPP不确定性导致的ET估算误差。最后，我们比较了2001年至2015年间由五种代表性基于RS的GPP驱动的全球年0.05° ET模拟，以研究GPP不确定性引起的全球ET模拟的时空差异。我们研究的贡献有三个方面：（1）我们分离了GPP不确定性的作用，并量化了其在碳-水耦合模型中导致的ET估算精度下降；（2）我们将分析范围从站点扩展到全球模拟，以表征仅由GPP输入差异引起的ET模拟的时空模式和趋势分布；（3）我们通过额外的测试（包括独立的GPP验证、能量平衡闭合处理和关键参数的产品特定校准）来评估这些发现的稳健性，从而为改进碳-水耦合模型提供了坚实的基础。

部分片段

实地 GPP和ET观测

FLUXNET2015 tier2数据集包含212个全球通量站点，提供了1991年至2014年每半小时/每小时到每年的GPP和ET观测数据（Pastorello等人，2020年）。根据四个标准，从212个站点中选择了90个站点进行分析：（1）站点所在的0.05°网格中的主要植物功能类型（PFTs）与[由500米分辨率的MODerate-resolution Imaging Spectroradiometer（MODIS）土地覆盖确定的]站点的PFTs相同

经典碳-水耦合模型的描述

在这项研究中，我们采用了经典的碳-水耦合框架来估算ET，其中ET被分为植被蒸腾作用（T）和土壤蒸发（E）。具体来说，T使用Penman-Monteith（PM）方程计算，而E则使用Priestley-Taylor（PT）公式估算。通过将PM方程中的冠层导度与光合作用碳吸收联系起来引入了碳-水耦合，使得冠层导度随GPP增加而增加，从而

11种基于RS的GPP产品的不确定性

图1展示了11种基于RS的GPP产品在8天尺度上与观测到的GPP进行验证后的表现。总体而言，这些GPP产品在再现观测到的GPP方面表现出相当大的差异，其RMSE值范围从16.11到21.28克碳/平方米/8天，R2值范围从0.59到0.75。其中，数据驱动的FLUXSAT GPP表现出最高的准确性（RMSE = 16.11克碳/平方米/8天，R2 = 0.75），其次是VPM GPP（RMSE = 17.71克碳/平方米/8天，R2 = 0.71）和PMLv2

结论和最终意见

据我们所知，这是首次在站点和全球尺度上定量和全面评估GPP估算不确定性对碳-水耦合模型中ET估算影响的研究。主要结论如下：（1）11种基于RS的GPP产品在再现8天观测到的GPP方面存在显著不确定性，RMSE值范围从16.11到21.28克碳/平方米/8天，R2值范围从0.48到0.72；（2）使用ET模拟

CRediT作者贡献声明

黄凌霄：写作 – 审稿与编辑，撰写原始稿件，可视化，验证，软件，方法论，调查，资金获取，正式分析，数据管理，概念化。王一哲：可视化，软件，方法论，数据管理，概念化。刘萌：写作 – 审稿与编辑，监督，资金获取。孙一飞：数据管理。范荣：概念化。李兆亮：写作 – 审稿与编辑。

利益冲突声明

作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。

致谢

我们衷心感谢提供11种基于RS的GPP产品、FLUXNET2015数据集、ERA5-Land再分析数据集、GLASS LAI产品和MCD12Q1土地覆盖分类产品的机构，感谢他们公开提供这些数据。本研究得到了国家关键研发计划（编号2024YFD1501103）、国家自然科学基金（编号42501474和42371401）以及CPSF博士后奖学金计划（编号GZC20252337）的支持。