Page 56 - 《广西植物》2025年第8期

１ ４ ２ ２ 广 西 植 物 ４５ 卷

ａ. 次生常绿阔叶林ꎻ ｂ. 桉树人工林ꎮ
ａ. Ｒｅｇｅｎｅｒａｔｅｄ ｅｖｅｒｇｒｅｅｎ ｂｒｏａｄ￣ｌｅａｖｅｄ ｆｏｒｅｓｔꎻ ｂ. Ｅｕｃａｌｙｐｔｕｓ ｐｌａｎｔａｔｉｏｎ.
图 ３ 基于校正后模型的两种生态系统模拟 ＧＰＰ 与实测 ＧＰＰ 的比较
Ｆｉｇ. ３ Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｓｉｍｕｌａｔｅｄ ＧＰＰ ｗｉｔｈ ｍｅａｓｕｒｅｄ ＧＰＰ ｆｏｒ ｔｈｅ ｔｗｏ ｅｃｏｓｙｓｔｅｍｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｏｒｒｅｃｔｅｄ ｍｏｄｅｌ

的模拟精度相对标定前均有明显提高ꎮ 因此ꎬ在 在次生常绿阔叶林和桉树人工林中ꎬＬＳＴ 和 ＥＶＩ 与
使用模型模拟 ＧＰＰ 之前应当基于地面实测数据对 实测 ＧＰＰ 均显著相关( Ｐ<０.００１)ꎬ故均能较好地
ｍ 和 ａ 进行标定ꎬ即敏感参数校正ꎮ 通量观测数 表征 ＧＰＰ 的动态变化ꎮ 王旭峰等(２０１２) 在高寒
据具备良好的时间分辨率( 樊华烨等ꎬ２０２０)ꎬ利用 草 甸 阿 柔 站 的 研 究 表 明ꎬ ＶＰＭ ( ｖｅｇｅｔａｔｉｏｎ
其对模型参数进行校正可减小参数的不确定性ꎬ ｐｈｏｔｏｓｙｎｔｈｅｓｉｓ ｍｏｄｅｌ )、 ＥＣ￣ＬＵＥ ( ｅｄｄｙ ｃｏｖａｒｉａｎｃｅ
提升模型模拟精度ꎮ ｌｉｇｈｔ ｕｓｅ ｅｆｆｉｃｉｅｎｃｙ)、ＶＩ 和 ＴＧ 的模拟效果都很好ꎮ
对比研究结果显示ꎬ通过采用分季节对模型 许世贤等(２０２２)在中亚干旱区 ４ 个典型生态系统
敏感参数进行标定的方法ꎬ相较于使用全年数据 的研究表明ꎬＴＧ 模型在巴尔喀什湖草地生态系统
进行标定的方法ꎬ表现更出色ꎮ 这是因为分季节 和乌兰乌苏农田生态系统中模拟的 ＧＰＰ 精度最
标定方法改善了模型在不同季节植被生长动态的 高ꎮ 杜启勇等(２０１８) 的研究结果表明ꎬ在位于美
模拟效果ꎬ从而提高了整年的模拟精度ꎮ 两种模 国的站点中ꎬＶＩ 模型在落叶阔叶林和常绿针叶林
型模拟的 ＧＰＰ 与实测 ＧＰＰ 的趋势一致ꎬ但总体上 中的模拟效果最好ꎬ并且 ＧＲ( ｇｒｅｅｎ￣ｒｅｄ ｖｅｇｅｔａｔｉｏｎ
低估了实际的 ＧＰＰ 水平ꎬ特别是春季和冬季的低 ｉｎｄｅｘ ｍｏｄｅｌ)、ＴＧ 和 ＶＩ 模型在森林生态系统中的
估最严重ꎮ 这可能是因为 ＴＧ 和 ＶＩ 模型的结构还 ＧＰＰ 估算都表现出较高的模拟精度ꎮ 不同模型在
有待进一步完善ꎬ特别是其现有参数无法准确反 不同生态系统中的表现有所差异ꎬ应当根据模型
映树木在冬春季节的生长动态ꎮ 这与杨明兴等 特征、植被生长状况及气候特征等因素ꎬ选择并发
(２０１９) 在鼎湖山站点( 常绿阔叶林) 的模拟结果 展适合本区域的遥感 ＧＰＰ 模型ꎮ

一致ꎬ需要通过对模型进行改进来提高模拟精度ꎮ 但是ꎬ遥感 ＧＰＰ 模型在使用过程中也存在一
总体而言ꎬ在两种森林生态系统中 ＴＧ 模型的模拟 些不确定性ꎬ主要体现在以下 ５ 个方面:(１) 涡度
效果要优于 ＶＩ 模型ꎮ 这与王克清等(２０１７) 的研 相关法是基于物质能量闭合的假设来进行碳通量
究成果一致ꎮ 这可能是由于 ＶＩ 模型只有 ＥＶＩ 这 估算的ꎬ但因为设备观测精度、野外环境和地形的
一遥感参数ꎻ而 ＴＧ 模型整合了 ＬＳＴ 和 ＥＶＩꎬ其中 影响ꎬ观测到的生态系统的能量交换很少能够完
ＬＳＴ 不仅代表温度因素ꎬ还反映了植被 ＧＰＰ 的另 全闭合( 胡倩等ꎬ２０２２)ꎬ导致实测生态系统 ＧＰＰ

一个影 响 因 素———饱 和 水 汽 压 差 ( ｖａｐｏｒ ｐｒｅｓｓｕｒｅ 存在一定程度的误差ꎬ从而给遥感 ＧＰＰ 模型的验
ｄｅｆｉｃｉｔꎬＶＰＤ)(Ｖｅｒｍａ ｅｔ ａｌ.ꎬ ２０１５)ꎬ并且 ＶＩ 模型的 证和参数标定带来不确定性ꎻ(２) 涡度相关法测到
参数 ＰＡＲ 与实测 ＧＰＰ 的相关性低于其他遥感参 的是 ＮＥＥꎬ而 ＧＰＰ 是根据气象因子从 ＮＥＥ 中划分
数ꎮ 各模型参数与站点实测 ＧＰＰ 的相关性表明ꎬ 而来( Ｇｉｌｍａｎｏｖ ｅｔ ａｌ.ꎬ ２００３) ꎬ不同的成分分解方