为建立稳健的功能关系基准提供信息：对北极-北方地区生态系统呼吸作用温度敏感性的评估

《Journal of Geophysical Research: Biogeosciences》：Informing Robust Functional Relationship Benchmarks: An Evaluation of the Temperature Sensitivity of Ecosystem Respiration Across the Arctic-Boreal Region

　　**摘要**

在陆地模型开发过程中，模拟的碳动态通常会与观测数据集进行对比，以评估模型性能。功能关系基准是一种衡量驱动变量（例如温度）与响应变量（例如生态系统呼吸作用）之间关系的方法，是评估模型对环境变化敏感性的一种有前景的工具。然而，观测到的功能关系可能会受到数据收集过程及整个基准测试过程中所做的选择的影响，从而影响对陆地模型能力的推断。为了避免错误地表示模型的真实性能，在构建功能关系基准时系统地评估最佳实践是必要的。我们制定了一套指导原则，用于构建功能关系基准，考虑了数据集的选择、每日观测次数、时间范围以及2001年至2020年期间阿拉斯加和加拿大的时间分辨率。通过表观Q10值评估的生态系统呼吸作用对温度的敏感性在空间上具有高度变异性，并且会受到用于基准测试的数据处理方法的影响。在对比Warming Permafrost Model Intercomparison Project (WrPMIP)中的13个模型时，构建功能关系基准时所做选择对模型能力的推断产生了显著影响。给定模型的推断性能最受每日观测次数和时间范围的影响，其次是基准数据集的选择和时间平均处理。这项分析的结果可以为未来的模型评估研究提供一致且稳健的功能关系构建指导。

**通俗语言总结**

陆地模型经常与数据集进行比较以评估模型性能，这被称为模型基准测试。然而，数据集本身可能包含误差，并且会根据测量方法以及数据处理过程中的选择而有所不同，这些选择会影响从观测数据产品中得出的基准结果。在这里，我们评估了生态系统呼吸作用对温度的响应方式，以及这种关系如何受到数据集选择、每月数据点数量、年数以及时间平均处理的影响。我们发现，生态系统呼吸作用与温度之间的关系根据这些选择而有很大差异，尤其是每日观测次数和时间范围。当使用不同数据子集来测试模型性能时，我们发现与使用完整数据集相比，模型得分的变化范围较大。因此，我们制定了一套最佳实践，可以在模型基准测试中作为指导，并提供更准确的模型性能评估。

**1 引言**

由于温度和二氧化碳（CO2）浓度升高，未来对生态系统碳储量的估计取决于基于过程的陆地模型的可靠预测（Fisher等人，2014；Piao等人，2013；Sitch等人，2015）。在北极-北方地区，这种预测尤为重要，因为那里的温度上升速度比全球其他地方更快（Rantanen等人，2022）。快速变暖导致永久冻土融化，原本冻结的土壤有机碳分解，从而向大气中释放额外的CO2和甲烷（CH4）（Schuur等人，2022；Xue等人，2016）。这种从永久冻土融化中释放的额外CO2和CH4可能会通过永久冻土碳气候反馈机制进一步加剧全球变暖（MacDougall等人，2012；Schaefer等人，2014；Schuur等人，2008，2015）。然而，由于永久冻土退化的异质性以及复杂的相互依赖过程，陆地模型在捕捉观测到的永久冻土碳动态方面表现不佳（Burke等人，2020；McGuire等人，2018；Sch?del等人，2024）。通过将模型与观测数据产品进行对比（称为模型基准测试）可以评估和最终改进模拟的碳循环过程的性能，以及模拟的碳动态对环境变化的响应（Fisher等人，2018）。在模型基准测试中，将模拟的碳通量（如生态系统呼吸作用Reco）与观测结果进行比较，有助于确定模型是否准确捕捉了通量的大小和季节性。然而，这样的比较并不能说明模型是否正确地表示了相关过程（例如，对变暖的通量敏感性；Huntzinger等人，2020；Luo等人，2012；Schwalm等人，2019）。例如，一个模型可能由于碳固定和Reco的补偿误差而得出给定地点的净碳通量正确值。另一种模型基准测试方法是评估模拟通量对模型内部环境强迫因素或模拟变量的响应。这类基准称为功能关系或功能基准（Luo等人，2015；Randerson等人，2009）。功能基准是通过开发两个变量之间的经验关系来构建的，例如Reco作为温度或降水的函数，或者光合速率作为光照水平的函数（Collier等人，2018）。将功能关系作为基准应用可以帮助将模型结构（如过程表示和参数化）与模型性能联系起来，超越仅通过评估模拟通量或储量大小所能获得的信息（Huntzinger等人，2020）。例如，功能关系可以用来揭示模拟碳动态对环境变化敏感性的不匹配之处（McGuire等人，2016）。虽然通过功能关系进行基准测试有助于识别模型在特定模拟过程中的优势和不足（Bouskill等人，2014；Schwalm等人，2019），但先前的研究表明，在实施基准测试时的选择可能会影响模型性能的推断。例如，用于构建基准的数据集选择可能比模型本身的选择对模型能力的推断影响更大（Schwalm等人，2013）。此外，在构建功能关系时，观测数据的空间和时间分辨率以及计算关系之前应用的平均方法会强烈影响响应的形状（Poe等人，2025）。然而，在偏远地区（如北极-北方地区），原地数据的一致收集往往具有挑战性，经常导致整个季节的时间数据缺口和不规则的收集周期（Berner等人，2024；Pallandt等人，2022），这可能会影响最终关系的信息内容。因此，基准测试过程中的选择及其对基准信息内容和模型性能推断的影响需要进一步评估。对于永久冻土碳动态的模型开发来说，一个特别有信息量的功能关系是Reco对温度的敏感性。在北极-北方地区，Reco对温度的响应影响永久冻土生态系统在变暖时释放的CO2量（Torn等人，2025），必须在陆地模型中准确捕捉这一点，以预测在变暖气候下何时以及释放多少碳（Koven等人，2017）。由于Reco包括异养呼吸（Rh）和地下及地上自养呼吸（Ra），其温度敏感性可能受到多种地上和地下因素的干扰（Qin等人，2021）。土壤呼吸可以通过消除光合作用的暗室或不透明室直接测量；然而，在高纬度地区，土壤呼吸测量数据往往不足（Hursh等人，2017）。更常见的测量方法包括涡度协方差通量塔和透明室，它们直接测量净生态系统交换（NEE），然后可以从中分离Reco。这种分离方法也产生了一个基于观测的产品，而不是直接测量结果（Zhan等人，2022），从而在这些产品中引入了另一层不确定性。具体来说，一些常见的涡度协方差分离测量方法会对估计的呼吸作用施加一个功能性的温度响应关系（Stoy等人，2006）。升级和机器学习方法也常用于从场地级观测数据中推导Reco及其组分，以更好地匹配陆地模型的空间尺度（例如，Virkkala等人，2024）；然而，这些是具有内在不确定性的地理统计升级产品（Hashimoto等人，2015；Tang等人，2019）。Reco估计的各种空间尺度（即室、通量塔和升级）进一步影响推断的功能关系，具体取决于所使用的数据产品（Reichstein & Beer，2008）。为了模拟呼吸作用与温度之间的关系，陆地模型通常使用Arrhenius基模型或更常用的Q10函数来缩放分解（Sun等人，2023；Todd-Brown等人，2013；Varney等人，2022）。Q10定义为温度每升高10°C时呼吸作用增加的幅度（Davidson & Janssens，2006；Lloyd & Taylor，1994）。许多陆地模型应用的内在Q10值在空间上是固定的（Lawrence等人，2015；Todd-Brown等人，2018），然后与其他因素（如土壤湿度、冻融转换和隐式表示的微生物过程）相互作用，显示出表观Q10（Tang & Riley，2015）。由于这些环境相互作用，表观Q10值通常与模型实现的内在Q10值不同（Reichstein & Beer，2008；Ren等人，2020；Wu等人，2021）。然而，在模型评估中，表观Q10是一个有用的指标，可以量化模型捕捉呼吸作用对温度变化整体敏感性的能力（Sun等人，2023）。在模型基准测试中，表观Q10可以用来定量比较模型和观测之间的功能关系形状（Huntzinger等人，2020）。随着功能关系成为模型开发中更常见的基准方法，理解哪些因素会影响其信息内容和预测能力至关重要。特别是，需要系统地评估构建功能关系时所做的选择，包括构建稳健功能关系所需的数据质量，以及这些选择如何影响模型能力的推断。在这里，我们使用三种尺度的数据产品（包括室、通量塔和升级网格化数据产品）评估了阿拉斯加和加拿大生态系统中土壤温度与Reco之间的功能关系。然后我们通过表观Q10量化了模型和观测之间的功能关系。具体来说，我们评估了观测数据产品的选择、每日观测次数、时间平均处理以及空间和时间范围如何影响功能关系和最终的Q10值。最后，我们使用Warming Permafrost Model Intercomparison Project (WrPMIP)的模拟结果评估了构建功能基准时所做的选择对模型能力推断的影响。

**2 方法**

**2.1 观测**

我们研究了在构建功能关系时所做选择以及对最终表观Q10的影响，具体包括：(a) 空间尺度和数据集选择对功能关系的影响，(b) 每日平均观测次数对功能关系形状的影响，(c) 功能关系在空间和时间上的适用范围，以及(d) 时间平均处理对功能关系形状的影响（见支持信息S1中的表S1）。我们使用观测数据或根据观测数据衍生的数据集，在三个空间尺度上构建了土壤温度与Reco之间的功能关系：<1平方米使用自动室测量，约1平方公里使用通量塔数据，以及最大0.5°×0.5°（约50×50公里）使用与许多陆地模型空间分辨率匹配的升级或再分析网格化数据产品。在这里，我们评估了Reco而不是其地上或地下呼吸组分，因为这是通量塔和室测量以及陆地模型定期输出的变量。首先，我们评估了位于阿拉斯加Healy附近永久冻土融化梯度上的Carbon in Permafrost Experimental Heating Research (CiPEHR)站点的自动室测量数据（Rodenhizer等人，2023）。Arctic-Boreal flux (ABCFlux) v2数据库还包含了来自北极-北方地区100多个室站点的观测数据（Virkkala等人，2025）。然而，我们仅限于评估CiPEHR的室测量数据，因为该地区的其他室要么(a) 未与通量塔共位，无法进行跨空间尺度的分析，要么(b) 在不同于相应的通量塔的年份进行了测量，或者(c) 不包含Reco和土壤温度的同步测量数据。在CiPEHR，夏季使用开放式顶室进行实验性加热以提高空气和表面土壤温度，冬季使用雪栅提高土壤温度（Natali等人，2011）。我们评估了每个雪栅对应的六个对照地块的室测量数据，这些地块没有额外加热处理。在每个地块，CiPEHR从2008年到2021年每半小时进行一次NEE的自动室测量（Celis等人，2017）。在CiPEHR进行的Autochamber Reco测量中，我们根据夜间光合作用有效辐射（PAR）<5 μmol m?2 s?1的条件，将数据与NEE分开，并通过拟合土壤温度与10厘米深度处的Reco之间的关系来外推白天的数据（Natali等人，2011年）。我们仅评估了PAR <5 μmol m?2 s?1且时间在阿拉斯加标准时间18:00至6:00之间的Reco数据（Nagano等人，2018年），以减少可能受外推方法影响的日间通量估算的影响。其次，我们从AmeriFlux数据库（Chu等人，2023年）中选择了16个位于阿拉斯加和加拿大的通量塔，这些通量塔在2001–2020年期间有四年或更长时间的土壤温度和Reco测量数据（表1）。这些站点涵盖了包括灌木丛、湿地和北方森林在内的多种北极植被类型，从而能够评估功能关系在不同空间和生态系统类型下的变化（表1，支持信息S1中的图S1）。在每个站点，我们测量了不同深度的土壤温度，这里我们分析了5厘米深度的土壤温度——这是所有站点一致测量的最深深度。在每个通量塔，NEE以每半小时的时间分辨率进行测量，然后将其分解为Reco和总初级生产力通量成分。为了最小化这种分解对结果的影响，我们在有数据的情况下使用了非空缺的数据，并且选择了夜间光合作用光子通量密度（PPFD）<10 μmol m?2 s?1的数据，这是根据标准做法（Euskirchen等人，2014年）进行的。此外，我们还选择了18:00至6:00之间的数据，以考虑白天可能出现的低PPFD值（Nagano等人，2018年）。对于这项分析，我们使用了通量塔和 chambers的日平均数据，但在评估时间平均对功能关系的影响时除外，因为日平均数据与模型输出更具有可比性。

表1. 用于分析的涡度协方差通量塔站点描述

站点ID 站点名称 纬度 经度 时间覆盖范围 每日数据量（%） 土地覆盖类型 参考文献

CA-Man 曼尼托巴–北部老黑云杉 55.8796 ?98.4808 2001–2006 95.10 常绿针叶林 Amiro（2023）

CA-Oas 萨斯喀彻温–西部北方森林，成熟白杨 53.6289 ?106.1978 2001–2010 81.63 落叶阔叶林 Black（2016a, 2016b）

CA-Obs 萨斯喀彻温–西部北方森林，成熟黑云杉 53.9872 ?105.1178 2001–2010 59.54 常绿针叶林 Black（2016a, 2016b）

CA-Ojp 萨斯喀彻温–西部北方森林，成熟杰克松 53.9163 ?104.692 2001–2010 67.84 常绿针叶林 Black（2019）

CA-SCB 斯科蒂溪沼泽 61.3089 ?121.2984 2014–2019 80.39 永久性湿地 Sonnentag和Quinton（2021）

CA-SCC 斯科蒂溪景观 61.3079 ?121.2992 2013–2016 69.77 常绿针叶林 Sonnentag和Quinton（2025）

CA-SJ2 萨斯喀彻温–西部北方森林，2002年砍伐的杰克松林 53.945 ?104.649 2004–2008 70.20 常绿针叶林（2002年砍伐） Barr和Black（2018）

US-BZF 博纳扎溪富营养泥炭地 64.7013 ?148.3121 2011–2012；2017–2020 97.93 永久性湿地 Euskirchen（2025a, 2025b）

US-BZS 博纳扎溪黑云杉 64.6963 ?148.3235 2011–2012；2017–2020 96.95 常绿针叶林 Euskirchen（2025a, 2025b）

US-EML 八英里湖永久冻土融化梯度 63.8784 ?149.2536 2015–2019 82.48 开阔灌木丛 Bracho等人（2021）

US-Fcr 卡斯卡德山脊火灾后遗症 65.3968 ?148.9348 2011–2014 94.12 开阔灌木丛（2010年火灾） Ueyama等人（2023）

US-Ich 因纳瓦伊特溪流域石南苔原 68.6068 ?149.2958 2007–2009；2012–2020 59.69 开阔灌木丛 Euskirchen（2025a, 2025b）

US-Ics 因纳瓦伊特溪流域湿地莎草苔原 68.6058 ?149.311 2007–2008；2011；2014–2020 58.10 永久性湿地 Euskirchen（2025a, 2025b）

US-Prr 波克弗拉特研究范围黑云杉林 65.1237 ?147.4876 2011–2020 89.74 常绿针叶林 Iwahana等人（2023）

US-Rpf 波克弗拉特研究范围：从火灾后遗症到落叶林的演替 65.1198 ?147.429 2009–2012；2014–2020 89.07 落叶阔叶林（2004年火灾） Ueyama等人（2025a, 2025b）

US-Uaf 阿拉斯加大学费尔班克斯分校 64.8663 ?147.8555 2003–2020 95.68 常绿针叶林 Ueyama等人（2025a, 2025b）

注：每日数据量列表示生长季节期间5厘米深度的Reco和土壤温度测量数据的百分比。

第三，我们使用了几种报告Reco的网格化数据产品，包括FLUXCOM-X（Nelson等人，2023年）和专门针对北极-北方地区的放大碳通量数据集（Virkkala等人，2024年）。FLUXCOM-X和Virkkala等人，2024年都使用机器学习和卫星观测数据对通量塔测量数据进行了放大，但前者是全球范围的5公里分辨率，后者是整个北极地区的1公里分辨率。我们使用了MERRA-2（GMAO，2015年）和ERA-5（EMCWF，2019年）再分析产品的月度土壤温度数据（支持信息S1中的表S2）。MERRA-2和ERA-5都是全球再分析数据产品，在这里我们分别使用了MERRA-2的10厘米深度和ERA-5的7厘米深度的土壤温度数据，因为这些是可用的最浅层土壤温度估计值。

2.2 模型

我们评估了13个WrPMIP模型（支持信息S1中的表S3）的性能，这些模型是根据不同的观测数据产品和基准构建选择进行基准测试的。WrPMIP是一个模型比较项目，旨在评估模型化的永久冻土碳动态对气候变暖的响应。WrPMIP中的模型通过复制在整个北极地区实验性升温站点观察到的空气和土壤升温情况来模拟永久冻土碳动态。然后，这些升温模拟允许将模拟的碳通量动态与实验性升温站点观察到的数据进行比较。WrPMIP的结果可以进一步指导模型中的永久冻土表示，特别是通过基准测试和模型性能评估（Poe等人，2024年）。WrPMIP中的陆地模型模拟了55°N–85°N范围内的永久冻土区域，并进行了三次整个北极范围的模拟——对照组、开放顶部室和雪栅——旨在再现Tundra Flux Database（Maes等人，2024年）中收集的开放顶部室和雪栅实验观察到的升温量。升温目标设置为开放顶部室模拟的夏季空气升温0.5至1°C，以及雪栅模拟的冬季10厘米深度土壤升温1.5°C至3°C。每个模型都使用了CRU-JRA气候学数据——气候研究单位的月度气象数据（Harris等人，2020年）和日本再分析数据（Kobayashi等人，2015年）进行强迫。模型通过循环使用1901–1920年的气候强迫数据启动，直到达到稳定状态。然后模型从1901年运行到2020年，升温模拟从2000年运行到2021年，与Tundra Flux Database中的数据收集时间跨度相匹配。瞬态运行的最后20年（升温前）被用作每个模型的对照模拟。模型通过增加冠层中的热和水分传输的气动阻力来实现整个北极范围的空气升温，这会捕获热量并提高空气温度。模型通过降低雪的热导率来实现土壤升温，这使雪层更好地隔离土壤，减少冬季向大气中损失的热量（Schadel等人，2018年）。在每个生长季节期间，雪的热导率降低被关闭，以确保雪融化和夏季土壤水分不受影响。在这里，我们使用了2001年至2020年的对照模拟，每个模拟都具有月度时间分辨率和0.5° × 0.5°的重新网格化的空间分辨率。WrPMIP中的每个模型都有不同的土壤层深度，这在比较模型输出时可能会影响结果。因此，我们将每个模型中可用的土壤层进行了外推，以匹配CLM5.0中的土壤层，CLM5.0有25个土壤层，延伸到大约50米的深度（Lawrence等人，2019年）。然后我们使用了4厘米深度的土壤层，因为它与在chambers和flux towers测量的5厘米深度最为接近。WrPMIP模型复制的实验性升温站点位于55°N至78°N之间，涵盖了苔原和北方森林区域。然而，所有这些实验性升温站点都位于苔原、草原或高海拔生态系统。如果模型中这些站点的特征是北方森林土地覆盖类型，那么在评估模型时，升温响应可能会被错误表示。因此，CLM5、CLM5-ExIce和ELM-ECA模型中的北方森林区域被替换为C3草，以对应于升温实验中的苔原生态系统类型。

2.3 功能关系确定

我们使用每个通量塔站点的共位观测数据，拟合了5厘米深度土壤温度与Reco之间的功能关系。对于放大后的数据集和模型，我们通过选择包含每个通量塔站点的网格单元来拟合功能关系。由于数据可用性，我们关注生长季节（此处定义为5月至9月）的数据。然后我们对Reco作为土壤温度的函数应用了指数拟合：

(1)其中a和b是根据指数拟合在每个站点变化的拟合参数，T是每个站点的土壤温度（单位：°C）。更具体地说，a是功能关系的截距，b决定了指数曲线的陡峭程度。拟合指数曲线允许提取一个表观Q10，以量化每升高10°C时的呼吸量增加。然后，通过量化Reco对温度的响应，可以直接比较观测数据和土地模型在给定位置的表观Q10。在本文的其余部分，当讨论Q10时，除非另有说明，我们指的是表观Q10，而不是内在Q10。我们使用下面的方程从每个观测和模拟的功能关系中计算表观Q10，其中b与方程1中的参数相同。

2.4 分析方法

在测试数据集选择对功能关系和Q10的影响时，我们仅限于在CiPEHR这个地点评估chambers与flux towers和放大数据集的对比，因为其拥有大量的chamber测量数据。然而，CiPEHR实验位于US-EML通量塔约0.5公里范围内，这提供了一个机会来评估来自不同空间尺度测量的功能关系可能的不确定性（Celis等人，2017年）。在每个通量塔位置，我们从四个放大数据产品（支持信息S1中的表S2）中选择了包含通量塔纬度和经度的网格单元。此外，在评估数据集选择时，我们关注所有数据类型在每个站点都一致的年份。这些分析中使用的flux towers以每半小时的时间分辨率测量NEE，可以分为Reco，跨越数年甚至数十年，并位于阿拉斯加和加拿大的各种生态系统类型中。因此，它们提供了进一步评估功能关系在空间和时间上的变异性的机会。我们使用了16个flux towers的数据来研究表观Q10在空间上的变化，以及每日观测次数、时间范围和时间分辨率如何影响功能关系的形状和结果的Q10。使用这些塔的几乎连续的生长季节数据记录（表1），我们首先检查了确保功能关系的形状和大小准确的每日观测次数，即在与全长数据集计算的Q10的95%置信区间（CI）内。为此，我们在每个站点的完整数据记录中随机选择了每月1至30个每日平均数据点，以复制高纬度站点级别数据中常见的潜在数据缺口。在某个特定月份包含完整缺失数据天的情况下，我们评估了所有可用的数据范围。我们对每个数据点的子集进行了500次随机选择，以捕获功能关系的所有可能范围，对所有500个迭代都拟合了指数曲线。然后，我们计算了表观Q10，并评估了随机Q10落在使用所有每日数据点的基线Q10的95%置信区间（CI）内的百分比。我们通过构建连续1年子集的功能关系并提取Q10来检查功能关系随时间的应用范围，递增到每个通量塔站点可用的完整时间周期。为了研究时间平均对功能关系的影响，我们将基线半小时的通量塔测量数据平均到了每日、每周、每月以及生长季（5月至9月）的平均值，并计算了每个时间分辨率下Reco作为土壤温度函数的指数关系。然后，我们将这些不同排列的结果作为基准，来考察这些选择对推断模型能力可能产生的影响。

2.5 推断模型能力的计算

通过表观Q10量化土壤温度与Reco之间的关系，可以作为模型衡量与数据产品之间温度敏感性差异的基准。然而，如果由于构建基准时所做的选择（例如时间平均或每日观测次数）导致观测基准的Q10发生变化，那么对模型能力的推断可能会被误导。我们研究了第2.4节中构建的各种功能关系所选的基准对推断模型能力的影响。在这里，我们为每个模型计算了包含16个通量塔站点纬度和经度的0.5°×0.5°网格单元内的单一Q10。此外，我们还评估了这些基准选择在每个通量塔站点重叠的时间段内对模型能力的影响。然后，我们比较了模型中的表观Q10与各种数据产品和选择类别的Q10之间的差异（支持信息S1中的表S4），并从不同的基准数据集排列中计算了多个推断模型得分。我们将模型和观测之间的表观Q10差异从0到1进行缩放，作为推断模型能力的指标。我们选择这种评分指标来归一化模型和观测之间Q10的较大偏差，其中接近1的分数表示模型与观测的Q10更一致。这种技能评分的缩放方法遵循了国际陆地模型基准（ILAMB）项目（Collier等人，2018年）计算功能关系得分的方法，不同之处在于我们使用Q10而不是均方根误差来进行计算：

(3)其中mod是模型的表观Q10，obs是观测数据集的表观Q10，||是欧几里得范数。在评估推断的模型能力时，如果在同一选择类别内技能得分保持一致，则表明这些选择对模型能力推断的影响较小；而在同一类别内技能得分变化较大，则表明这些选择对模型能力推断的影响较大。

3 结果与讨论

3.1 基准数据集的选择

为了评估数据集的选择对功能关系的影响，我们最初关注了CiPEHR/US-EML的位置，因为该位置有不同空间尺度的多种数据产品（即室内外、通量塔、放大尺度）。这些不同观测方法的Q10范围从2.3到4.6（图1b）。在室内外尺度上，各监测点的Q10范围从2.9到4.6。US-EML的通量塔尺度的Q10为2.5。在网格化尺度上，Q10范围从2.3到3.1。CiPEHR各监测点之间的Q10变化较大，但这并不出乎意料，因为考虑到景观的异质性。这些Q10的差异与永久冻土融化梯度上的监测点位置有关（Schuur等人，2021年）。在这里，活动层厚度、土壤湿度和土壤温度在各监测点之间存在变化（Mauritz等人，2017年；Natali等人，2015年），从而影响了表观Q10。研究区域内的其余15个位置在不同空间尺度和数据集选择上也表现出较大的变异性（支持信息S1中的表S2）。在许多这些站点，通量塔的Q10值通常落在至少一种放大产品的95%置信区间（CI）内。然而，放大产品本身的Q10值也存在差异，其中FLUXCOM-X的Q10值通常高于Virkkala等人（2024年）的Q10值。总体而言，这些Q10值与之前在永久冻土地区报告的Q10值范围一致，通常在1到10之间（Kim等人，2016年；Wilkman等人，2018年；Wu等人，2021年）。图1在图查看器中打开

(a) 阿拉斯加和加拿大16个通量塔站点的Q10分布情况，以及(b) 根据数据集的选择和空间尺度与CiPEHR的接近程度显示的US-EML位置。在(a)中，Q10值是从每个通量塔在整个生长季的每日测量中计算得出的（时间范围从2001年到2020年）。在(b)中，CiPEHR的室内外Q10值是从六个对照室内外监测点计算得出的，而US-EML的通量塔Q10值则是根据FLUXCOM-X与MERRA-2和ERA-5（左）以及Virkkala等人（2024年）与MERRA-2和ERA-5（右）计算得出的。垂直条表示每个Q10的95% CI。这种不同尺度间Q10的差异在之前的研究中也有观察到（例如Reichstein & Beer，2008年；Wilkman等人，2018年），这是由于在增加的空间尺度上存在不同的混淆因素、不同的观测方法和分区方法。尽管站点级别的数据可能在特定位置提供更直接的观测，但放大数据集通常可能是更准确的模型基准，因为空间尺度与相似的景观异质性更为匹配。此外，尽管每个位置根据评估的方法和空间尺度显示出不同的Q10值，但应用多种数据产品可以增加包含不同观测方法全部变异性的可能性。因此，在进行模型基准测试时，应该应用多种数据集作为基准，并且理想情况下应覆盖多个空间尺度（Luo等人，2012年；Schwalm等人，2013年）。特别是，将模型与站点级别数据进行基准测试非常重要，以确保除了应用与模型空间尺度匹配的基准数据集（例如0.5°×0.5°）之外，还能评估更细微的空间异质性。

3.2 Q10的空间变异性

在阿拉斯加和加拿大的16个通量塔站点进行的每日观测中计算出的Q10值范围从1.5到3.9（图1a）。这些选定站点中有四个站点集群——Scotty Creek（CA-SCB和CA-SCC）、Bonanza Creek（US-BZF和US-BZS）、Imnavait Creek（US-ICh和US-ICs）以及Poker Flat研究范围（US-Prr和US-Rpf）。在这些站点集群中，通量塔之间的距离在3公里以内，但它们的Q10值往往有很大差异。例如，US-BZF的Q10为1.5，而US-BZS的Q10为2.9，尽管这两个站点之间的距离小于1公里。这些相邻的通量塔可能会显示出较大的Q10变化，因为它们通常设置在具有不同土地覆盖类型的异质区域（例如Imnavait Creek）或沿水分梯度（例如Bonanza Creek）。US-BZF的土地覆盖类型被描述为永久湿地，而US-BZS被描述为常绿针叶林（Euskirchen，2025a，2025b）。湿地和土壤湿度较高的区域由于微生物活动所需的氧气减少，通常表现出较低的Reco对温度的敏感性（Liu等人，2024年；Meyer等人，2018年），这解释了US-BZF的较低Q10。这种空间异质性对北极-北方地区的功能关系有着强烈的影响，在将功能关系应用于站点空间范围之外或外推到更大区域时应予以充分考虑。各站点中最高的Q10出现在US-ICs和US-ICh，这些站点处于最高纬度且年平均温度最低（表1）。在广泛区域内，Q10通常随纬度增加而增加，同时年平均温度降低（Koven等人，2017年；Li等人，2020年；Ren等人，2020年）。呼吸作用的温度敏感性也观察到会因土壤性质、土壤湿度、C:N比、植被生产力和活动层厚度等因素而在空间上有所不同（Han & Jin，2018年；Liu等人，2024年；Meyer等人，2018年；Wang等人，2020年）。然而，这些环境变量并不总能在所有站点进行收集，这使得很难得出关于影响空间上Q10差异的因素的结论。此外，由于数据可用性的限制，这项分析没有考虑缺乏非生长季数据可能对Q10产生的影响，在高纬度生态系统中这很常见。生态系统的表观Q10可能受到低温和冻融过程的影响（Hamdi等人，2013年；Li等人，2019年），因为土壤从冻结状态变为解冻状态可能会导致呼吸作用的显著变化。因此，非生长季的Q10通常较高（Wang等人，2020年），并且Q10值通常按季节分开计算和评估（Suseela等人，2012年；Wang等人，2014年）。在单个通量塔站点，表观Q10也会随着评估的温度深度而变化，通常使用空气温度计算时最低，随着土壤深度从2厘米增加到10厘米时最高（支持信息S1中的图S3）。然而，并非所有站点的Q10都随着土壤深度的一致增加。此外，土壤温度在不同站点也并非始终随深度减少（支持信息S1中的图S4），表明Q10是否随土壤深度增加或减少也可能随站点级别的特征（如解冻深度）而变化。在永久冻土区域的一些研究中发现，深层土壤的Q10比表层土壤更高，这是由于碳输入、C:N比和pH等因素（Li等人，2020年；Ren等人，2020年）；然而，这些研究的评估深度超过了这里评估的10厘米。总的来说，这些发现强调了在比较不同研究或进行模型基准测试时，应仔细考虑温度测量的土壤深度（Reichstein & Beer，2008年）。此外，陆地模型应模拟多个深度的土壤温度，同时也要考虑Q10随土壤深度的可能变化（Li等人，2020年；Ren等人，2020年）。

3.3 每日观测次数

在16个通量塔中，为了使Q10落在使用所有数据点构建的Q10的95%置信区间（CI）内，每月大约需要18天的平均每日观测次数，范围从8天到21天不等（图2）。例如，在US-EML，生长季每月随机选择1天的500次迭代得出的功能关系分布较广，但随着从月中抽取更多天数，这种分布迅速减小（支持信息S1中的图S5）。在US-EML，当每月至少抽取20天的数据时，功能关系及其对应的Q10值的分布完全落在原始关系的95% CI范围内。在各站点中，仅使用每月一次随机平均每日测量的Q10大约有38%的时间落在基线Q10的95% CI范围内。当每月抽取15次每日测量数据时，使用完整数据集计算的Q10落在95% CI内的概率上升到大约98%（图2）。因此，使用包含半个月或更长时间间隔的数据计算的Q10有可能误导给定站点的真实表观Q10。图2在图查看器中打开

在每个站点的整个时间范围内，每月1天到30天随机迭代中有多少百分比落在基线每日Q10的95% CI内。每条线在100%处水平线的位置是每月需要收集的最少天数，以完全落在使用所有数据计算的Q10的95% CI内。每条线代表一个通量塔，线条的颜色代码表示每个站点最初可用的数据百分比（来自表1）。最初可用数据最少的站点标为黄色，可用数据最多的站点标为深蓝色。由于单个通量塔并非从一开始就拥有100%的每日数据（表1），因此即使使用所有可用数据构建的表观Q10也可能不准确。然而，无论每个站点最初拥有多少数据，被95%置信区间（CI）完全覆盖的采样天数在各个站点之间通常是保持一致的。这一点在图2中表现得最为明显，其中初始每日数据较少的站点与初始数据较多的站点一样快地达到了其迭代次数的100%。由于高纬度站点的数据收集通常仅限于几年时间，且测量之间的间隔较大（Pallandt等人，2022年），这些结果也可以作为指示站点级别数据应收集的最小天数，以便捕捉Reco的全部温度敏感性。

3.4 时间范围

流量塔站点的记录长度从4年到18年不等（平均8年），在这些站点中，Reco与土壤温度之间的关系每年都有很强的变化。在这里，由任何一年生长季数据构建的功能关系往往不在使用整个时间范围构建的关系95%置信区间之内（图3；支持信息S1中的图S6）。在11个站点中，至少有一个年份的Q10值落在了基于整个时间范围计算的Q10的95%置信区间之内；然而，有五个站点（CA-Man、US-BZF、US-BZS、US-Prr和US-Uaf）没有单个年份的Q10值落在这一95%置信区间之内（图3）。土壤温度与Reco之间关系的年际波动可能是由于每个生态系统的环境条件变化，如季节性温度、土壤湿度和土壤有机碳的质量（Chen等人，2010年；Han和Jin，2018年；Lefèvre等人，2014年）。随着采样年数的增加，Q10的这种差异减小了，在5年内，一半站点的所有Q10值都落在了基于整个时间范围构建的Q10的95%置信区间之内（图3）。然而，这因站点而异，有些站点需要3到17年的时间，所有数据子集的Q10值才能落在基于整个时间范围的Q10的95%置信区间之内。每个站点在多年测量后（即至少5年），Q10值通常保持一致，这表明功能关系可以应用于更长的时间周期。

基于时间覆盖子集长度的每个流量塔站点的Q10变化。彩色点表示由1年数据子集（较浅的颜色）到接近整个时间范围的数据子集（较深的颜色）创建的Q10值。黑色点代表每个站点基于整个时间范围的Q10值（范围从4年到18年），水平黑线表示95%置信区间。请注意，每个站点的Q10值处于不同的尺度上。在几个站点，如US-Prr、US-Rpf和US-Uaf，关系的形状和幅度存在显著的年际变化（支持信息S1中的图S6n–S6p）。这些变化可能是由于这些站点发生的重大环境变化，例如干扰。例如，US-Rpf在2004年经历了严重的野火（Ueyama等人，2019年），但另一方面，这也提供了使用2009年至2020年的测量数据来评估火灾后影响的机会。在US-Rpf，火灾后的早期恢复期（2009–2012年），Reco通量显著降低，随后随着植被再生，Reco开始增加（Ueyama等人，2019年；支持信息S1中的图S7）。在两个恢复期之间的功能关系中也看到了这种增加，其中长期关系的幅度有所上升（支持信息S1中的图S8）。此外，在火灾后早期恢复期的前四年测量年份中，短期关系的Q10值为4.0（3.6, 4.5），而在中期恢复年份（2014–2020年）的Q10值为3.6（3.3, 3.8）（支持信息S1中的图S8）。虽然大多数站点在足够长的测量周期内Q10表现出一定的年际变化，但极端事件可以在至少几年内改变站点的Q10。在这些位置，Q10可能无法在时间上广泛应用，因此在构建用于基准测试土地模型的功能关系时考虑最近的干扰是很重要的。

3.5 时间平均

将流量塔数据平均到每日、每周和每月平均值后，得到的功能关系在形状和幅度上与使用半小时数据的基线关系相似（图4）。然而，每种关系的R2值通常在按月时间尺度平均的数据上最高，在按季节时间尺度平均的数据上最低（支持信息S1中的表S5）。半小时分辨率下较弱的关系是由于在次-day时间步长中可能出现的噪声（Niu等人，2011年），这些噪声在每日到每月时间步长中被平均掉了。有几个站点在所有时间尺度上的R2值始终较低（<0.4）（支持信息S1中的表S5）。尽管在某些站点发现的关系较弱，表明其他环境因素（例如土壤湿度）对功能关系有影响，但这些功能关系仍然是模型跟踪给定站点对温度的整个生态系统响应的重要基准。在按季节平均值计算时，土壤温度与Reco之间的关系最为薄弱，因为平均后季节观测次数通常减少到五个或更少的数据点。在某些情况下，这导致了Q10值和95%置信区间超出了物理上的可能性。因此，我们将这些值从分析中排除了（支持信息S1中的表S5）。在其他季节时间尺度上有更多数据点的站点（>10个数据点），较低的R2值可能是由于控制关系的因素在更长时间尺度上的变化较小（Johnston等人，2021年）。

时间平均对16个流量塔站点上土壤温度与Reco之间关系的影响在图（a）–（p）中显示。黑线表示基线半小时数据下Reco对土壤温度的响应，灰色阴影区域表示95%置信区间。彩色线表示从时间平均数据构建的关系。请注意，每个站点的土壤温度和Reco处于不同的尺度上。尽管直到每月时间步长，相关性变得更强，但功能关系所基于的温度范围在达到季节平均值时变窄了，以至于无法捕捉到每个站点观察到的Reco对温度的全部响应（图4）。在这里，与所有站点的基线半小时关系相比，月度和季节平均值的关系温度范围分别减少了6.1°C和15.4°C（图4）。由于温度范围狭窄和季节时间步长下的相关性弱，我们将季节平均的功能关系从其余分析中排除了。尽管从半小时到每月的时间平均减少了观测范围，但Q10值在各个站点之间总体上保持不变。从半小时到每月的时间平均使Q10的变化最小，变化幅度从0.1（例如CA-Oas）到1.16（例如CA-SCC；支持信息S1中的表S5）。平均后Q10差异最大的站点（图4e–4g）也具有最短的时间范围，这表明数据年份较少的站点的功能关系更可能受到时间平均的影响。在模型基准测试中，通常与评估模型的原始时间分辨率相关的计算限制（例如，以每月时间分辨率评估模拟的碳通量；Xia等人，2020年）。此外，许多基准数据集是日或月时间分辨率的放大产品。这些结果表明，模拟或观测输出的日或月平均值不应显著影响Q10，但季节平均值可能会导致不同的Q10。

3.6 基准测试选择对推断模型技能的影响

WrPMIP模型的Q10值在各个流量塔站点之间的范围从1.2到5.5（平均2.4）（支持信息S1中的图S9）。这些模型既低估也高估了每个站点通过直接观测计算的日基线Q10（支持信息S1中的图S9）。模型和观测之间的这些Q10差异转化为基线模型技能分数在0.31到1.0之间（平均0.78；支持信息S1中的表S6）。然后我们使用这些初始模型分数作为评估基准测试选择对推断模型技能影响的参考。四种基准测试选择类别（支持信息S1中的表S4）对各个模型内的推断模型技能产生了显著影响（图5；支持信息S1中的图S10和S11）。每个站点推断模型技能的最大范围通常取决于用于构建关系的日观测次数，推断模型技能的中位数变化在模型和站点之间为0.63（图5）。用于构建关系的时间范围和数据集选择（即，实验室、流量塔和放大）也导致了模型分数的大范围，中位数范围分别为0.49和0.27。从半小时到每月的时间平均流量塔数据通常导致模型分数的范围较小，中位数范围为0.08（图5）。

通过Q10评分指标，所有模型和站点的推断模型技能范围。推断模型技能的范围根据时间平均的基准测试选择、数据集选择（即实验室、流量塔和放大）、时间范围以及日观测次数而变化。每个箱线图内的实线表示推断模型技能的中位数范围，箱边表示四分位范围。尽管日观测次数和时间范围通常对推断模型技能的影响最大，但这一排名根据评估的站点而有所不同。例如，在US-EML，数据集的选择对推断模型技能的影响大于时间范围（支持信息S1中的图S10）。这可能是因为US-EML的数据集选择包括实验室、流量塔和放大观测，根据空间尺度显示了广泛的Q10值。US-EML的这些结果强调了数据集选择对功能关系和所得Q10的影响，特别是在基准数据集和模型之间的空间尺度存在较大不匹配时。此外，时间范围对推断模型技能的影响因评估的站点而异（支持信息S1中的图S10）。例如，US-Prr和US-Rpf的时间范围对推断模型技能的影响很大，分数范围接近1，而像US-EML和CA-SJ2这样的站点产生的分数范围分别在0.1和0.2左右。这些根据日观测次数和时间范围不同的推断模型技能范围强调了在构建基准测试期间所做的选择对推断模型技能的影响。在模型基准测试中，通常与评估模型的原始时间分辨率相关联计算约束（例如，以月时间分辨率评估模拟的碳通量；Xia等人，2020年）。此外，许多基准数据集是日或月时间分辨率的放大产品。这些结果表明，模型或观测输出的日或月平均值不应显著影响Q10，但季节平均值可能会导致不同的Q10。

WrPMIP模型的Q10值在各个流量塔站点之间的范围从1.2到5.5（平均2.4）（支持信息S1中的图S9）。这些模型既低估也高估了每个站点通过直接观测计算的日基线Q10（支持信息S1中的图S9）。模型和观测之间的这些Q10差异转化为基线模型技能分数在0.31到1.0之间（平均0.78；支持信息S1中的表S6）。然后我们使用这些初始模型分数作为评估基准测试选择对推断模型技能影响的参考。四种基准测试选择类别（支持信息S1中的表S4）对单个模型内的推断模型技能产生了很大影响（图5；支持信息S1中的图S10和S11）。每个站点推断模型技能的最大方差通常取决于用于构建关系的日观测次数，模型和站点之间的推断模型技能中位数变化为0.63（图5）。用于构建关系的时间范围和数据集选择（即实验室、流量塔和放大）也导致了模型分数的大范围，中位数范围分别为0.49和0.27。从半小时到每月的时间平均流量塔数据通常导致模型分数的范围较低，中位数范围为0.08（图5）。尽管模型对阿拉斯加和加拿大各地通量塔站点的基线Q10值既有低估也有高估（见支持信息S1中的图S9），但需要注意的是，这项分析的重点是构建功能关系的最佳实践作为基准，以及基准测试过程中所做的选择如何影响模型的准确性。了解是什么导致模型在北极-北方地区对Q10值的过高或过低估计，对于准确模拟永久冻土碳动态至关重要。进一步分析模型对这些功能关系的捕捉程度，特别是专注于研究变暖对北极-北方地区影响的WrPMIP模型，将是未来工作的重点。相反，这项分析的结果提供了一套指导原则，以减少由于应用观测基准而引入的模型准确性范围。除了用于基准测试和模型开发之外，这些结果对观测研究者也有明显的启示意义。由于高纬度地区的历史时空观测数据稀缺（Bouskill等人，2020年；Euskirchen等人，2017年），我们的结果强调了需要同时进行高频率的共位测量。具体来说，要推断生态系统对环境变化的响应，必须同时采集通量和关键环境变量（例如多深度温度），以建立稳健的功能关系来约束模型模拟。在日变化/月变化和年际变化时间尺度上保持一致的采样频率，也是消除时间偏差和确保长期数据准确性的关键。

**4 结论**

功能关系是评估模型性能的一种有信息量的方法；然而，功能关系的形状和信息内容可能会受到基准测试过程中所做选择的影响。我们系统地评估了这些选择对功能关系形状和表观Q10值的影响，基于我们的发现，我们推荐以下构建功能关系基准的最佳实践：

(a) Q10值在不同地点之间存在显著差异，表明功能关系具有空间依赖性。为了更清楚地了解是什么驱动了Q10值的空间变化，需要在每个站点持续收集更多的环境变量以及碳通量数据。
(b) 构建功能关系时，应使用至少一个月内一半的每日观测数据，以确保其形状和大小与使用所有可用数据构建的功能关系相同。
(c) 功能关系及其对应的Q10值可能会逐年大幅波动，因此应使用至少两年的数据来开始捕捉这些变化。
(d) 根据考虑的空间尺度和方法，Reco和温度数据集的选择会对功能关系和Q10值产生很大影响。因此，在构建功能基准以评估模型性能时，应应用多个空间尺度的多种数据产品。
(e) 使用最高达每月时间分辨率的平均数据时，时间平均对Q10值的影响较小。然而，为了捕捉功能关系的完整温度范围，应使用最细的时间分辨率数据。在基准测试过程中构建功能关系时所做的选择会对模型的准确性产生重大影响。对于我们在北极-北方地区对表观Q10值的案例研究，模型性能受到所用每日观测数量和时间范围的影响最大，而受到时间平均和用于构建功能基准的数据集选择的影响最小。

**致谢**

本材料基于美国国家科学基金会研究生研究奖学金项目（Grant 1938054）的支持。C.S.、D.H.、J.M.W.和E.A.G.S.获得了美国能源部（DOE）的资助（Grant DE-SC0022116）。W.J.R.、Z.A.M.、J.T.和Q.Z.得到了美国能源部科学办公室生物与环境研究办公室“通过综合和计算减少生物地球化学相互作用中的不确定性”（RUBISCO）科学重点领域的支持。劳伦斯伯克利国家实验室（LBNL）由加州大学为美国能源部管理，合同编号为DE-AC02-05CH11231。J.T.获得了美国能源部科学办公室生物与环境研究项目“下一代北极生态系统实验”（NGEE-Arctic）的资助，合同编号为DE-AC02-05CH11231。L.T.B.得到了NASA北极北方脆弱性实验（ABoVE）的资助，资助编号为80NSSC22K1247。B.N.S.和F.Y.得到了美国能源部科学办公室生物与环境研究项目“下一代北极生态系统实验”（NGEE-Arctic）的资助。V.B.得到了欧盟“地平线2020”研究和创新计划下的欧洲研究委员会的资助，作为Q-Arctic项目的一部分（资助协议编号951288）。G.G.获得了德国联邦教育和研究部Methane MOMENT项目（BMBF # 03F0931F）的资助。D.W.得到了战略研究领域MERGE（ Modeling the Regional and Global Earth System - www.merge.lu.se）和欧盟“地平线欧洲”研究和创新计划下的GreenFeedBack计划（资助协议编号101056921）的财政支持。A.H.M.D.得到了加拿大自然科学与工程研究委员会和加拿大数字联盟的支持。

**利益冲突**

作者声明与本研究无关的所有利益冲突。

**数据可用性声明**

本研究的数据产品是公开可用的。Chamber数据来自CiPEHR数据集（Rodenhizer等人，2023年）。包含相应引用的涡度协方差站点信息见表1，可通过Ameriflux（https://ameriflux.lbl.gov/）获取。放大的Reco数据产品来自FLUXCOM-X（Nelson等人，2023年；Virkala等人，2024年），放大的土壤温度数据产品来自ERA-5（ECMWF，2019年）和MERRA-2（GMAO，2015年）。Reco和土壤温度模型输出数据来自WrPMIP（Wells等人，2026年）。

**参考文献**

Burke, E. J., Chadburn, S. E., & Ekici, A. (2017). JULES陆地表面方案（Vn4.3-permafrost）中土壤碳的垂直表示，重点关注永久冻土区域。《地球科学模型发展》，10(2)，959–975。https://doi.org/10.5194/gmd-10-959-2017

Burrows, S. M., Maltrud, M., Yang, X., Zhu, Q., Jeffery, N., Shi, X., et al. (2020). DOE E3SM v1.1生物地球化学配置：描述及对历史强迫变化的模拟生态系统-气候响应。《地球系统建模进展杂志》，12(9)，e2019MS001766。https://doi.org/10.1029/2019MS001766

Chadburn, S. E., Krinner, G., Porada, P., Bartsch, A., Beer, C., Belelli Marchesini, L., et al. (2017). 高纬度地区的碳储量和通量：利用站点级数据评估地球系统模型。《生物地球科学》，14(22)，5143–5169。https://doi.org/10.5194/bg-14-5143-2017

Grant, R. F., Humphreys, E. R., & LaFleur, P. M. (2015). 在水文多样性北极景观中混合苔原和沼泽地的生态系统CO2和CH4交换：1. 建模与测量对比。《地球物理研究杂志：生物地球科学》，120(7)，1366–1387。https://doi.org/10.1002/2014JG002888

Grant, R. F., Mekonnen, Z. A., Riley, W. J., Wainwright, H. M., Graham, D., & Torn, M. S. (2017). 使用ecosys对北极多边形苔原的数学建模：1. 微地形决定了活动层深度对温度和降水变化的响应。《地球物理研究杂志：生物地球科学》，122(12)，3161–3173。https://doi.org/10.1002/2017JG004035

Guimberteau, M., Zhu, D., Maignan, F., Huang, Y., Yue, C., Dantec-N d lec, S., et al. (2018). ORCHIDEE-MICT (v8.4.1)，一种适用于高纬度地区的陆地表面模型：模型描述与验证。《地球科学模型发展》，11(1)，121–163。https://doi.org/10.5194/gmd-11-121-2018

Lee, H., Swenson, S. C., Slater, A. G., & Lawrence, D. M. (2014). 过量地面冰对温暖气候下永久冻土预测的影响。《环境研究快报》，9(12)，124006。https://doi.org/10.1088/1748-9326/9/12/124006

Melton, J. R., Arora, V. K., Wisernig-Cojoc, E., Seiler, C., Fortier, M., Chan, E., & Teckentrup, L. (2020). CLASSIC v1.0：开源社区继承者，取代加拿大陆地表面方案（CLASS）和加拿大陆地生态系统模型（CTEM）- 第一部分：模型框架和站点级性能。《地球科学模型发展》，13(6)，2825–2850。https://doi.org/10.5194/gmd-13-2825-2020

Mengis, N., Keller, D. P., Macdougall, A. H., Eby, M., Wright, N., Meissner, K. J., et al. (2020). 维多利亚大学地球系统气候模型版本2.10（UVic ESCM 2.10）的评估。《地球科学模型发展》，13(9)，4183–4204。https://doi.org/10.5194/gmd-13-4183-2020

Pongracz, A., W?rlind, D., Miller, P. A., & Parmentier, F. J. W. (2021). LPJ-GUESS中实现的雪方案对北极生物地球化学和永久冻土范围模拟的敏感性。《生物地球科学》，18(20)，5767–5787。https://doi.org/10.5194/bg-18-5767-2021

Reick, C., Gayler, V., Goll, D., Hagemann, S., Heidkamp, M., Nabel, J., et al. (2021). Jsbach 3——MPI地球系统模型的陆地组成部分：3.2版本的文档。(技术报告)。MPI für Meteorologie。

Smith, B., W?rlind, D., Arneth, A., Hickler, T., Leadley, P., Siltberg, J., & Zaehle, S. (2014). 将氮循环和氮限制纳入基于个体的动态植被模型对初级生产的影响。《生物地球科学》，11(7)，2027–2054。

Wiltshire, A. J., Carolina Duran Rojas, M., Edwards, J. M., Gedney, N., Harper, A. B., Hartley, A. J., et al. (2020). JULES-GL7：联合英国陆地环境模拟器版本7.0和7.2的全球陆地配置。《地球科学模型发展》，13(2)，483–505。

Xi, Y., Qiu, C., Zhang, Y., Zhu, D., Peng, S., Hugelius, G., et al. (2024). 在ORCHIDEE-MICT (r8205)陆地表面模型中评估的一种铺砌能量预算方法。《地球科学模型发展》，17(12)，4727–4754。

Zhu, Q., Riley, W. J., Tang, J., Collier, N., Hoffman, F. M., Yang, X., & Bisht, G. (2019). 在E3SM陆地模型中表示氮、磷和碳的相互作用：开发与全球基准测试。《地球系统建模进展》，11(7)，2238–2258。