自工业革命以来,全球大气CO₂浓度已从前工业时代的280ppm(1ppm=10^-6)(Etheridge et al.,1996)增加到2020年的413.2ppm(Friedlingstein et al.,2020),并正以每年2~3ppm的速度快速增加(Dlugokencky and Tans,2020)。以全球变暖为主导的气候变化已成为全球性环境问题,对全球可持续发展带来严峻挑战,积极应对全球变暖形势刻不容缓。国际社会逐步达成“温室气体减排是抑制全球增温最有效途径”这一共识。

为了实现二氧化碳的净零排放即达到碳中和,就要求在工业、农业、能源、建筑和交通领域实现最大程度减排,但受制于经济、技术等因素,少部分排放并不能完全避免。通过森林、海洋等碳汇进行自然吸收或借助碳移除技术应用,将有助于达到人地系统碳收支或碳源汇的平衡。因此,陆地生态系统碳汇是实现碳中和的关键技术途径。

陆地生态系统固碳速率有多种定义方式,根据全球碳计划(GCP)的碳循环分类体系,即陆地生态系统冠层与大气间的CO₂交换速率,也就是涡度法测量的生态系统净碳通量或净生态系统生产力。根据Friedlingstein et al.(2019)提出的定义,无论是样地、像元、生态系统还是区域尺度的固碳速率,均不包括土地利用和土地利用变化产生的碳通量(Erb et al.,2013;Friedlingstein et al.,2019)。然而,即便同一定义方式,当前使用不同方法估算的陆地生态系统固碳速率存在巨大差异和不确定性,在估算中国陆地生态系统固碳速率结果时可从(0.177±0.073) Pg(以碳质量计,下同) (Piao et al.,2009)变化到(1.1±0.38) Pg(Wang et al.,2020)。

为尽快实现碳中和目标,需要集成长期样地调查、通量观测、卫星遥感反演等星地协同方法,研发高精度、精细分辨率、长时间序列的中国陆地生态系统固碳速率遥感产品,从而大幅降低中国陆地生态系统碳汇估算的不确定性,为我国实现“双碳”进程提供科学数据和解决方案。本文的目的就是调研国内外陆地生态系统固碳速率地面测量、陆地生态系统碳循环模型模拟、全球碳源汇遥感监测等研究现状,为陆地生态系统固碳速率的时空变化、不确定性与影响机制等研究提供文献分析和理论支持。

1 国内外研究现状

1.1 陆地生态系统固碳速率地面观测进展

开展长时序地面测量是了解生态系统碳平衡的基础。根据观测手段的不同,当前陆地碳循环的主要地面观测方式分为涡度相关(Eddy Covariance,EC) 技术和样地调查方法。

EC技术是通过测定和计算CO₂浓度三维风速来确定生态系统尺度上植被冠层与大气界面的CO₂交换通量(于贵瑞和孙晓敏,2006)。EC观测资料已经成为发展、标定和验证区域碳循环模型的基础(Friend et al.,2007)。目前,国际上已经建立了EuroFlux、AmeriFlux、ChinaFlux等区域性通量网和全球通量网(FLUXNET),至2016年,全球通量网已包含超过900个站点,这些站点分布在全球大部分气候带区,并覆盖了代表性生物群落类型。通量站点的观测数据在过程模型的参数化中至关重要,可以准确度量碳循环各分量估计的不确定性(Beer et al.,2010;Jung et al.,2011;Bonan et al.,2019;Ge et al.,2019)。

图1显示了FLUXNET站点、植被总初级生产力(GPP)和碳储量的纬度分布特性。尽管FLUXNET覆盖了多种陆地气候类型,但其采样对于植被生产力、碳储量的估计应用来说还是有偏差的。大约85%的FLUXNET站点位于30°~55°N,而在高GPP/高碳储量的热带地区,FLUXNET站点非常稀少。FLUXNET站点分布的气候区代表性可以作为估算碳循环的重要驱动力(Churkina et al.,2005;Baldocchi,2008;Stoy et al.,2009),但鉴于通量观测在高通量区域采样稀疏,根据这些数据来估算陆地碳循环仍然存在问题(Beer et al.,2010;Jung et al.,2011)。由于观测站点分布不均匀,可能导致全球碳循环或生态系统变化监测的较大偏差。

样地调查方法,主要指样地清查,是通过设立典型样地,准确测定生态系统中的植被、枯落物或土壤等碳库的碳储量,并可通过连续观测来获知一定时期内的储量变化情况的推算方法。森林在陆地生态系统碳汇中发挥重要作用(Delcourt and Harris,1980)。样地清查法作为森林资源调查时使用的传统方法,已经得到了普遍应用。许多研究人员已多次运用其中的平均换算因子连续函数法估算了区域尺度的森林生物量及碳汇储量(Fang et al.,2007)。Fang et al.(2014)利用样地清查法估算了1970s到2000s期间中国的森林碳储量的变化,结果表明1970s到2000s期间,中国的森林生物量碳密度从37.1Mg·hm^-1(1Mg=10^-9 Pg)增加到了41.2Mg·hm^-1,增加了4.1Mg·hm^-1;生物量碳库从起初的4.719Pg增加到了6.145Pg,共增加了1.426Pg。Tang et al.(2018)基于14 371个样地调查数据得出中国陆地生态系统碳库新的结果,表明中国所有陆地生态系统的总碳库是(89.27±1.05) Pg,并且假设没有森林砍伐,在未来10~20a森林生长会引起明显的森林固碳量的增加,约为1.9~3.4Pg。

图2对比显示了全球森林清查样地密度、森林/灌丛面积和植被碳储量的纬度变化特点,结果显示森林清查样地分布也是空间分布不均的。当今的森林清单数据来源在全球范围内偏向中纬度地区,在高生物量的热带和北方森林中的覆盖范围有限。来自国家森林清单的样地测量中显示,温带和北方地区的森林样地占主导地位,1 000km²有5~15个调查样地,而热带地区的抽样严重不足,1 000km²的区域还不足1个调查样地。样地分布不均导致热带地区碳储量的估计偏差可达30%(Mitchard et al.,2014)。Piao et al.(2009)基于重复的碳储量清单和卫星绿度信息推测20世纪八九十年代中国陆地生态系统平均净碳汇为(0.177±0.073) Pg,而基于大气反演的结果得出平均净碳汇为(0.350±0.330) Pg。

因此,样地清查在其所观测的点尺度上具有观测数据可靠、估算精度高的优点,但也存在空间代表性差、需耗费大量的资金和人力、尺度上存在误差等问题;此外,由于实际调查采样中观测周期长、时间跨度大、难以对同一采样点进行重复定期调查,且受观测标准化的影响,存在标定和缺失数据处理等方面的不确定性。因此,采用星载激光雷达观测、P波段合成孔径雷达等先进遥感方法,监测全球森林树高和生物量,对于扩大样本量和减少偏差误差至关重要(Asner et al.,2014a,2014b;Saatchi et al.,2015)。

尽管模型开发和优化历来都基于地面测量数据上,但定量遥感正在以越来越高的精度和分辨率对越来越多的生态系统参数进行空间量化。通过遥感提供广泛的时间和空间覆盖范围可以补充地面观测。遥感观测可以有效克服样地清查方法统计采样偏差,特别是针对观测样地分布稀疏的国家和区域,大大减少或消除了空间欠采样(Asner and Mascaro,2014;Saatchi et al.,2015)。例如基于光能利用率模型(LUE,Light Use Efficiency)和卫星数据可以估算植被总初级生产力,并且与EC测量结果存在很好的一致性(Verma et al.,2014)。近年来,融合地面和遥感观测的美国国家生态观测网络(NEON,National Ecological Observatory Network)与澳大利亚生态观测研究网络(TERN)成为新一代陆地生态研究网络。生态观测正从传统的、不连续的地面样方观测向“天-空-地”多尺度、多要素、多过程的综合观测转变。

1.2 陆地生态系统固碳速率模型模拟研究进展

陆地生态系统固碳速率是影响全球碳循环的关键环节,陆地生态系统碳循环模拟模型也是当前估计陆地生态系统固碳速率的重要方法之一。

陆地生态系统模型从机理的角度描述了陆地碳、水和能量循环,可模拟预测陆地生态系统的状态和变化(Peng,2000)。按照模型的适用情形,陆地生态系统模型可以分为诊断模型和预测模型(Xiao et al.,2019);按照是否考虑模拟过程中气候和土壤条件对植被的类型、结构和组分产生的影响,可以基本分为静态植被模型和动态植被模型;按照模型关注的生态过程,又可以分为生物过程模型、生物物理模型及生物地球化学模型(李新等,2021)。近年来,模型研究还逐步加入了大气CO₂施肥效应、氮沉降过程、碳-氮耦合、自然和人为干扰的考虑(Sakaguchi et al.,2016)。随着基于数据驱动的光能利用率模型、全球动态植被模型(DGVM,Dynamic Global Vegetation Model)、生物地球化学耦合模型以及耦合环流碳循环模型(Scheiter et al.,2013;Xia et al.,2013)的出现,可进一步提高陆地生态系统模型的模拟能力和适用范围。

然而,模型的不确定性问题是利用碳循环模型估计陆地生态系统的固碳速率方法面临的一大挑战。在模型建立过程中,抽象和简化会引入结构与假设的不确定性,模型过参数化、参数相互作用带来的参数确定性,模型驱动数据引入的驱动不确定性以及给定初始条件带来初始条件不确定性等问题(李新等,2021)。由于不同模型的物理机制、数据源以及参数设定都不同,它们的估算结果不确定性很大(Piao et al.,2013;Quéré et al.,2016)。

模型模拟方法存在大量不确定性使得目前模型模拟精度仍难以满足实际应用的需求,不同模型的预测结果差异也非常大。站点和区域尺度上的研究都证明了不同的模型在模拟碳通量时存在很大的差异(Huntzinger et al.,2012;Ichii et al.,2013)。国际上已经启动了一系列模型比较的相关研究计划,如NACP(North American Carbon Program),TRENDY(Trends in net land atmosphere carbon exchanges)等(Fisher et al.,2014),基于统一框架和协议,这些模型比较计划从全球尺度扩展到区域和站点领域,对多个模型的多年模拟结果进行比较和不确定性分析,结果表明,不同模型模拟的碳汇估算存在显著不确定性(Friedlingstein et al.,2019,2020)。以全球碳计划(Global Carbon Project,GCP)发布的陆地生态系统碳汇的模型估算结果(图3)为例,不同动态植被模型估算结果差异巨大,2000—2020年期间不同模型模拟的全球陆地生态系统碳汇强度范围可达-0.37~5.82Pg·a^-1(Friedlingstein et al.,2021)。

总体看来,全球碳预算各部分的平均值和变化趋势与1959到2020年间的估算值一致,但在CO₂通量的年际至五年之间的变化中,仍存在高达1Pg·a^-1的差异(Friedlingstein et al.,2021)。研究表明,陆地生态系统碳汇是受大气CO₂和氮增加对植物的施肥效应的综合影响,以及气候变化的影响,例如北温带和北方地区生长季延长。尽管系统边界使得难以准确确定陆地生态系统碳汇和土地利用碳排放之间陆地碳通量归属,陆地生态系统碳汇不包括直接由土地利用和土地利用变化(例如植被再生)引起的陆地碳汇,因为这部分属于土地利用碳排放引起的(Erb et al.,2013)。

根据DGVM模型模拟结果(图4),陆地碳汇从20世纪60年代的(1.2 ± 0.5)Pg·a^-1 增加到2010—2019年的(3.1± 0.6) Pg·a^-1,重要的年际变化高达2Pg·a^-1。通常表明厄尔尼诺现象发生期间的陆地碳汇减少,能很好对应大气中CO₂浓度增长率。与20世纪60年代相比,2010—2019年的陆地碳汇得到了显著增加,以响应大气中CO₂浓度增加和气候变化的综合影响。

因此,使用模型模拟估算陆地生态系统固碳速率,需要考虑模型在不确定性和时空一致性上存在的问题(李新等,2020)。基于遥感实测数据改进模型或者使用遥感实测数据约束模型,是克服模型有偏、协同模型预测结果差异的可能思路(李新等,2020)。当前需要考虑如何充分利用大量多源的观测资料,协同地面和遥感技术手段,降低模型不确定性,以进一步提高模型估计陆地生态系统固碳速率准确性。

过去已有研究尝试在碳循环模型的框架内借助实测数据改善模型的参数估计,或者考虑模型误差和观测数据的误差及其时空分布,利用实际的观测资料来约束模型,使得模型运行过程中的误差能够不断地根据实际观测结果得到校正和优化,从而得到较传统模型预测更为可靠的同化数据集(Raupach et al.,2005;Wang et al.,2009;Rayner,2010;Luo et al.,2011;Bonan et al.,2019),尽可能地降低模型模拟中的不确定性。

在当前的大数据时代,基于数据驱动的反演算法研究为模型模拟研究改进提供了新的思路。集成大数据、云计算、人工智能领域的研究成果,借助遥感观测资料等大尺度的实测信息,实现模型-数据融合,或许将使得高精度的区域和全球陆地生态系统碳汇科学数据生产成为可能。

1.3 陆地生态系统固碳速率遥感监测进展

当前,全球尺度碳源汇遥感估算的主流方法是遥感模型模拟或大气化学传送模式反演方法,即自下而上法(bottom-up)和自上而下法(top-down)。其中,自下而上法利用遥感模型模拟分别估算陆地和海洋生态系统碳汇;而自上而下法则采用大气化学传输模式,结合地基或卫星观测的大气CO₂浓度观测数据来反演区域碳通量。利用大气CO₂浓度数据的大气反演方法对大气传输模型误差和化石燃料释放CO₂估计偏差反应较为敏感(Gurney et al.,2005;Stephens et al.,2007),单一地使用大气反演方法对陆地生态系统碳汇进行估算,其不确定性也是巨大的。Wang et al.(2020)利用大气CO₂浓度数据估计2010—2016年中国陆地生态系统碳汇强度为(1.11 ± 0.38) Pg·a^-1,而Jiang et al.(2016)估计2006—2009年中国陆地生态系统碳汇强度为0.33Pg·a^-1,二者相差3.4倍。

此外,结合丰富的实测数据以及定量遥感产品,基于机器学习方法为地球大数据驱动的全球碳源汇估算提供了新的研究范式。Huang et al.(2020)基于多源遥感数据和全球土壤呼吸地面观测数据集,构建了数据驱动模型,生产了2000—2014年全球1km分辨率陆地生态系统土壤呼吸产品。Zeng et al.(2020)基于全球通量观测资料,采用随机森林建立了陆地生态系统碳通量估算模型,结合MODIS陆表定量遥感产品和气象资料,研制了1999—2019年全球0.1°网格、10d分辨率的陆地生态系统碳通量产品。近年来,数据驱动的植被光合生产力遥感监测得到了更广泛的发展,并研制了全球GPP产品(Jung et al.,2009,2011;Beer et al.,2010;Xiao et al.,2010)。Jung et al.(2011)以卫星遥感FAPAR数据、气象数据和植被类型数据作为驱动变量,得到了1982—2011年空间分辨率为0.5°的月GPP产品。Next Generation Ecosystem Experiments(NGEE-Tropics)项目利用网格化的气象、土壤和地形数据集计算了FLUXNET2015通量站点代表性,通过统计模型将站点GPP数据扩展到4km、月度的全球GPP数据集(Kumar et al.,2016)。

尽管数据驱动方法简单有效,但全球碳源汇的估算仍面临挑战,特别是通量站点的数量和位置分布会显著影响估算的准确性和年际变化(Papale et al.,2015)。全球大约85%的FLUXNET站点处于低通量和中低碳储量地区,而具有高通量和高碳储量的热带地区,通量站点的分布则极其稀疏 (Schimel et al.,2015)。由于通量站点空间分布不均,代表性不足等问题的限制,基于FLUXNET站点数据驱动方法的全球GPP产品出现非常严重的高估现象。例如,NGEE-Tropics项目基于数据驱动方法反演的2007—2014年全球GPP年均值(149.70Pg·a^-1)明显高于基于光能利用率模型的GPP估算值(119.43Pg·a^-1)和基于日光诱导叶绿素荧光(SIF)的GPP估算值(118.94Pg·a^-1) (关琳琳,2017)。相关研究表明,卫星遥感SIF与通量站点GPP之间存在高度相关性(Frankenberg et al.,2011),并可以提供通量站点稀疏区域植被胁迫响应的观测和估计结果(Schimel et al.,2015),对于准确估算陆地生态系统固碳速率具有重要意义。

数据驱动方法的精度严重依赖于训练样本。但当前样本数据受制于当前通量站点的数量和代表性不足,如果不考虑样本代表性的权重,将会给建立陆地生态系统固碳速率机器学习模型带来巨大偏差。因此,评价通量站点样本的代表性、考虑样本权重等问题从而降低陆地生态系统固碳速率遥感模型与产品不确定性,依然面临巨大的科学挑战。

当前,全球碳源汇的巨大不确定性既源于碳循环模式的理论和认知缺陷,又包括缺乏精细时空分辨率的观测数据(刘良云等,2021)。由国际地圈-生物圈计划(IGBP),全球环境变化人文因素计划(IHDP)和世界气候研究计划(WCRP)共同发起的全球碳计划(Global Carbon Project,GCP),其目标就是全面深入地理解全球碳循环,并为碳排放相关政策的制定提供科学依据,其中关键是准确量化全球碳循环格局和变率。在我国2010年启动的全球变化研究国家重大科学研究计划、2016年启动的国家重点研发计划“全球变化及应对”专项中,生态系统碳循环是核心任务之一。2017年立项的国家重点研发计划项目“全球生态系统碳循环关键参数立体观测与反演”,其核心任务就是研制覆盖全球、参数完备、时空分辨率精细、连续一致的碳循环关键参数产品,共包含陆地生态系统的15种碳循环关键参数的长时间序列空间观测产品(GLOCC,Global Land& Ocean Carbon Cycle products;刘良云等,2021)。图5展示15种陆地生态系统碳循环关键参数产品在生态系统碳循环过程中的位置和相互关系,既包括碳循环模型的关键驱动参数,如植被覆盖度、聚集指数、叶面积指数、叶绿素含量、叶绿素荧光、光合有效辐射吸收比例、叶片最大羧化率等,还包括陆地生态系统碳通量和碳储量参数,如表层土壤有机碳库、森林扰动碳损失、森林树高与生物量、GPP、NPP、NEP等,这些丰富的碳循环关键参数产品,可为陆地生态系统碳源汇的动态精细评价提供了重要基础数据。

1.4 中国陆地生态系统碳汇估算进展

随着我国国内生产总值(GDP)上升,化石能源使用量激增导致的CO₂排放增加,我国已成为全球第一大排放国。因此,中国陆地生态系统碳汇成为研究人员关注的重点(Yang et al.,2022)。近年来,关于中国陆地生态系统碳汇的研究存在众多结论。其中,基于样地清查方法估算得到的中国陆地生态系统碳汇介于0.137~0.201Pg·a^-1(Fang et al.,2007,2018;Piao et al.,2009);基于单一生态系统模型模拟的碳汇值介于0.07~0.179Pg·a^-1(Cao et al.,2003a,2003b;Mu et al.,2008;Tian et al.,2011b);而基于多个模型或结合样地清查、通量观测等其他数据源的结果为0.118~0.290Pg·a^-1(Piao et al.,2009;Tian et al.,2011a;Jiang et al.,2016;He et al.,2019)。“自上而下”的大气反演方法得到的碳汇是“自下而上”的样地清查和陆地生态系统模型模拟方法得到的结果的2.15倍(Piao et al.,2009;Jiang et al.,2013;Yang et al.,2017;Wang et al.,2020)。Yang et al.(2022)提出了基于“自下而上”和“自上而下”方法相结合的碳汇估算方法,该方法估算我国陆地生态系统碳汇强度为0.195~0.246Pg·a^-1。

2 陆地生态系统固碳速率观测方法不确定性评估

2.1 陆地生态系统固碳速率样地清查方法不确定性研究

陆地生态固碳速率样地清查方法通过地面样方调查、涡动相关(EC)等方法,获得样地尺度的固碳速率信息,结合统计方法,估算区域碳汇强度。其估算误差和不确定性主要包括两个方面:样地空间代表性以及地表覆盖面积统计误差。陆地生态系统的样地清查方法主要通过样方调查、涡度相关等方法获取样地尺度的碳汇观测资料,估算误差很大程度上来源于地面调查样方和通量观测站点的空间代表性。降低观测样地的空间代表性的不确定性,将大幅提高后续陆地生态系统的碳汇估算精度。

然而,在以往的研究中,这种空间代表性给碳汇估算带来的不确定性通常被忽略,且尚未提出有效的解决方法。遥感技术具有全空间覆盖、长时序连续观测的优势,协同多源中高空间分辨率的定量遥感产品,开展样地空间异质性和代表性评估的实验观测方案。现有多种全球和中国区域多时相30m地表覆盖分类产品、水体水色等定量遥感产品,实现了对地表覆盖类型的精细分类,将奠定样方空间异质性和代表性评估模型的建立数据和实验观测基础。

样地和通量观测能够获得点尺度的生态系统固碳速率结果,卫星遥感具备全空间覆盖的优势,二者协同可以实现点面扩展,实现区域尺度固碳速率高精度监测目标。但要解决观测样地的空间代表性的评估、有限观测样地的系统偏差等问题,亟需发展新的空间尺度扩展模型方法,并结合遥感大数据等技术突破,降低陆地生态系统固碳速率的不确定性,实现多尺度的区域固碳速率的高精度估算。

2.2 中国陆地生态系统固碳速率的模型模拟和遥感监测不确定性研究

碳循环过程模型具有较强机理性,但过程复杂、关键参数依赖经验设置,从而给陆地生态系统固碳速率模拟带来巨大不确定性。大数据技术能够发现多源遥感、气象数据与样地实测固碳速率的可靠规律,提出数据驱动的碳循环直接观测新方法,从而大大降低区域碳汇强度估算的不确定性。但是,所有数据驱动的建模方法仅对训练样本负责,训练样本的数量、分布、代表性等会直接影响模型性能。在大数据建模过程中,如何考虑样地空间代表性,降低陆地生态系统固碳速率遥感模型的不确定性和系统偏差,已成为亟待解决的问题。

模型的不确定性问题是碳循环模型面临的一大挑战。比如,全球碳计划利用16个DGVM模型对近60a的全球陆地碳汇进行了集合模拟,但由于驱动数据、模型结构及参数之间的差异,各模型计算的全球碳汇不确定性与平均碳汇强度相当。近年来很多研究通过大数据技术,建立数据驱动的生态系统固碳速率模型,以降低传统模型方法的不确定性。但是,数据驱动方法仅对样本有效,训练样本的数量、空间分布等会带来突出的系统性偏差。

为了克服有限样本的系统偏差,可以结合动态全球植被模型和样地调查,研究植被、土壤、和气象等因子(包括日光诱导叶绿素荧光(SIF)、激光雷达森林树高等新兴植被遥感参数)对陆地生态系统光合、呼吸以及固碳速率的影响,确定机器学习模型的驱动变量;其次,建立观测样地的样本权重系数数学模型,根据权重系数的大小,对于高权重样地调查进行样本扩增(可以对样本添加非常小随机噪声误差实现样本的扩增),增加高权重样地对机器学习模型的影响;第三,基于样地代表性权重调整的数据集,开展不同机器学习模型(如随机森林、神经网络、高斯过程回归等)的性能测试和对比研究,建立不同生态系统类型固碳速率的数据驱动模型,并利用全球和中国区域的观测资料,对不同生态系统固碳速率的遥感模型进行验证。

3 总结与展望

准确估算全球和国别尺度的陆地生态系统碳汇,量化全球陆地生态系统固碳速率的时空分异、变化规律和驱动机制,对于碳中和进程评估和理解全球气候变化至关重要,我国陆地生态系统固碳速率监测研究还需要加强如下三个方面的工作:

1) 发展地面观测、卫星遥感、模型同化协同的陆地生态系统固碳速率的估算方法,大幅降低我国陆地生态系统固碳速率估算的不确定性,提供行政区划尺度、国别尺度和全球尺度的陆地生态系统固碳速率定量计算方法。

2) 进一步加强森林、草地、农田、荒漠、湿地、内陆水体等类型陆地生态系统固碳速率定位观测研究,揭示陆地生态系统固碳速率的影响因素,评估碳汇功能的稳定性和持续性。

3) 研制精细分辨率、长时间序列、高可靠性的陆地生态系统固碳速率遥感产品,评估过去几十年陆地生态系统固碳速率时空变化特征,为我国实现“双碳”进程提供科学数据。

参考文献