周艷蓮 居為民 柳藝博

摘要 陸地生態(tài)系統(tǒng)碳匯顯著降低大氣CO2濃度上升和全球變暖的速率，受人類活動和氣候變化的影響，陸地生態(tài)系統(tǒng)碳通量具有強烈的時空變化，其估算結(jié)果仍存在較大的不確定性，不同因子的貢獻(xiàn)尚不清晰。為此，利用遙感驅(qū)動的陸地生態(tài)系統(tǒng)過程模型BEPS模擬分析了1981—2019年全球陸地生態(tài)系統(tǒng)碳通量的時空變化特征，評價了大氣CO2濃度、葉面積指數(shù)（Leaf Area Index，LAI）、氮沉降、氣候變化對全球陸地生態(tài)系統(tǒng)碳收支變化的貢獻(xiàn)。1981—2019年全球陸地生態(tài)系統(tǒng)總初級生產(chǎn)力（Gross Primary Productivity，GPP）、凈初級生產(chǎn)力（Net Primary Productivity，NPP）和凈生態(tài)系統(tǒng)生產(chǎn)力（Net Ecosystem Productivity，NEP）的平均值分別為115.3、51.3和2.7 Pg·a-1（以碳質(zhì)量計，下同），上升速率分別為0.47、0.21和0.06 Pg·a-1。全球大部分區(qū)域GPP和NPP顯著增加，NEP顯著上升（p<0.05）的區(qū)域明顯少于GPP和NPP。1981—2019年，全球NEP累積為105.2 Pg，森林、稀樹草原及灌木、農(nóng)田和草地的貢獻(xiàn)分別為76.4、15.8、9.4和3.6 Pg。CO2濃度、LAI、氮沉降和氣候變化各自對NEP的累積貢獻(xiàn)分別為58.4、20.6、0.7和-43.6 Pg，全部4個因子變化對NEP的累積貢獻(xiàn)為39.8 Pg，其中CO2濃度上升是近40 a全球陸地生態(tài)系統(tǒng)NEP上升的主要貢獻(xiàn)因子，其次為LAI。

關(guān)鍵詞陸地生態(tài)系統(tǒng);碳通量;葉面積指數(shù);氮沉降;氣候變化

陸地生態(tài)系統(tǒng)碳通量顯著影響大氣CO2濃度上升和全球變暖的速度，準(zhǔn)確估算陸地生態(tài)系統(tǒng)碳通量、分析其時空變化特征及其成因，對于預(yù)估未來氣候變化具有重要的科學(xué)意義。受氣候、CO2濃度、物候、物種組成、碳氮耦合過程、干擾等因素的影響，陸地生態(tài)系統(tǒng)碳通量具有明顯的時空變化，是導(dǎo)致全球大氣CO2濃度呈現(xiàn)強烈年際波動的主要原因（Le Quéré et al.，2013）。因此，陸地生態(tài)系統(tǒng)碳通量時空變化特征及其成因是當(dāng)前全球變化研究和陸地生態(tài)系統(tǒng)碳循環(huán)研究的前沿。采用的研究方法可分為“自下而上”和“自上而下”兩大類（陳鏡明等，2015）。

“自下而上”陸地生態(tài)系統(tǒng)碳通量研究方法主要包括通量觀測、衛(wèi)星遙感和模型模擬等。渦度相關(guān)技術(shù)被廣泛地應(yīng)用于陸地生態(tài)系統(tǒng)碳循環(huán)研究，不斷積累的通量觀測數(shù)據(jù)加深了對不同時間尺度陸地生態(tài)系統(tǒng)碳通量變化特征及其與不同環(huán)境因子之間關(guān)系的認(rèn)知（Reichstein et al.，2007;Yi et al.，2010;Yu et al.，2008，2013），同時也為模型參數(shù)優(yōu)化和模型結(jié)果驗證提供了數(shù)據(jù)支撐（Ju et al.，2010）。但是，僅基于通量站點的觀測數(shù)據(jù)難以得到區(qū)域和全球陸地生態(tài)系統(tǒng)碳通量的可靠估計。

衛(wèi)星遙感能夠獲得大面積連續(xù)的植被分布、類型和生長狀態(tài)，可提取與陸地生態(tài)系統(tǒng)碳循環(huán)緊密聯(lián)系的多種植被結(jié)構(gòu)（葉面積指數(shù)、聚集度指數(shù)和生物量等）和生化參數(shù)（葉綠素含量、光能利用率和最大羧化速率等），用于估算區(qū)域乃至全球的陸地生態(tài)系統(tǒng)的碳通量（Chen et al.，2019）。目前，植被遙感參數(shù)主要應(yīng)用于驅(qū)動光能利用率（LUE）模型計算總初級生產(chǎn)力（Gross Primary Productivity，GPP;He et al.，2013;袁文平等，2014）或機理性生態(tài)系統(tǒng)模型計算生態(tài)系統(tǒng)的凈碳通量（Chen et al.，2019）。

陸地生態(tài)系統(tǒng)碳循環(huán)過程模型根據(jù)植物光合作用、自養(yǎng)呼吸、有機物分解和養(yǎng)分循環(huán)過程的機理，計算陸地生態(tài)系統(tǒng)碳循環(huán)的各個分量，并可預(yù)估其未來變化。由于在葉片到冠層尺度的轉(zhuǎn)換、不同環(huán)境因子對光合和呼吸的影響、碳氮水耦合循環(huán)過程等方面的模擬方法不同，導(dǎo)致不同模型的模擬結(jié)果存在明顯的差異（Huntzinger et al.，2012;Piao et al.，2013;Xia et al.，2017）。不同模型模擬的生態(tài)系統(tǒng)碳通量對CO2濃度上升和氣候變化的響應(yīng)還存在較大差別（Piao et al.，2013;Smith et al.，2016）。植被參數(shù)遙感信息與過程模型的融合不僅可以降低碳通量估算結(jié)果的不確定性，還可以區(qū)分氣候、CO2和植被結(jié)構(gòu)變化對陸地生態(tài)系統(tǒng)碳通量變化的貢獻(xiàn)（Chen et al.，2019）。

近幾十年來，科學(xué)家們采用碳循環(huán)模型模擬（“自下而上”）和大氣反演（“自上而下”）方法開展了大量的全球和區(qū)域陸地生態(tài)系統(tǒng)碳循環(huán)研究，并取得了許多重要進展。揭示了全球陸地生態(tài)系統(tǒng)碳通量的時空變化特征，發(fā)現(xiàn)自20世紀(jì)80年代以來，全球陸地生態(tài)系統(tǒng)碳匯呈增加趨勢（Le Quéré et al.，2013;Chen et al.，2019;Wang et al.，2020）。但是，由于研究采用的碳循環(huán)模型在結(jié)構(gòu)、輸入數(shù)據(jù)和參數(shù)化方案等方面的差異，大氣反演的大氣輸送模型、大氣CO2濃度觀測數(shù)據(jù)和先驗碳通量等方面的差異，有關(guān)全球陸地生態(tài)系統(tǒng)碳通量的時空格局的結(jié)論尚不一致、全球陸地系統(tǒng)碳通量時空變化特征及其成因仍不清楚。

遙感與陸地生態(tài)系統(tǒng)碳循環(huán)機理的結(jié)合有助于降低陸地生態(tài)系統(tǒng)碳通量估算結(jié)果的不確定性，揭示碳通量變化的成因。為此，本研究以遙感驅(qū)動的機理性生態(tài)模型BEPS為工具，葉面積指數(shù)（Leaf Area Index，LAI）和聚集度指數(shù)等植被參數(shù)遙感數(shù)據(jù)為驅(qū)動，模擬1981—2019年逐日全球陸地生態(tài)系統(tǒng)碳通量，分析其時空變化特征，評價CO2濃度、LAI、氣候和氮沉降變化對全球陸地生態(tài)系統(tǒng)碳通量變化的貢獻(xiàn)。

1 使用的方法與數(shù)據(jù)

1.1 使用的BEPS模型

使用的1981—2019年全球陸地生態(tài)系統(tǒng)碳通量由遙感驅(qū)動的BEPS模型生成。該模型主要由能量傳輸、碳氮循環(huán)、水循環(huán)和生理調(diào)節(jié)等模塊所組成（陳鏡明等，2015）。其中，碳氮循環(huán)模塊主要包括植物光合、呼吸、碳分配、凋落物及土壤有機碳氮分解等過程（Chen et al.，2019）。BEPS將冠層分為陽葉和陰葉，分別模擬其總初級生產(chǎn)力（GPP）和蒸騰（Chen et al.，1999）;生態(tài)系統(tǒng)的凈初級生產(chǎn)力（Net Primary Productivity，NPP）計算為GPP與自養(yǎng)呼吸之差;利用根據(jù)植被類型設(shè)置的NPP分配比例和轉(zhuǎn)換速率逐日更新4個植被碳庫;利用模擬的土壤溫度和濕度確定9個凋落物和土壤碳庫的分解速率，生態(tài)系統(tǒng)的異養(yǎng)呼吸（Rh）計算為凋落物和土壤碳庫分解過程中向大氣排放的CO2總量，凈生態(tài)系統(tǒng)生產(chǎn)力（Net Ecosystem Productivity，NEP）計算為NPP與Rh之差。該模型已經(jīng)在加拿大、美國和中國等地區(qū)以及全球得到廣泛應(yīng)用，模擬陸地生態(tài)系統(tǒng)的碳通量，評價不同驅(qū)動因子的作用（Feng et al.，2007;Chen et al.，2019;He et al.，2021）。

4個植被碳庫、9個凋落物和土壤有機碳庫的初始值大小影響GPP、NPP和NEP的模擬結(jié)果，特別是對NEP模擬結(jié)果的影響尤為顯著。基于1901年時生態(tài)系統(tǒng)處于碳平衡（NEP為0）的假設(shè)，利用1981—1985年平均LAI（具有季節(jié)變化）、1901—1910年的平均氣候、1901年的CO2濃度和氮沉降數(shù)據(jù)驅(qū)動BEPS模型進行土壤碳庫的初始化，使各個碳庫基本達(dá)到穩(wěn)定。然后，在1901—1980年期間，利用1981—1985年平均LAI（具有季節(jié)變化）、隨時間變化的氣候、CO2濃度和氮沉降數(shù)據(jù)驅(qū)動BEPS;在1981—2019年期間，利用隨時間變化的LAI、氣候、CO2濃度和氮沉降數(shù)據(jù)驅(qū)動模型（Chen et al.，2019）。

1.2 使用的數(shù)據(jù)

BEPS模型的主要輸入數(shù)據(jù)包括：葉面積指數(shù)（LAI）、聚集度指數(shù)和地表覆蓋遙感數(shù)據(jù)、氣象數(shù)據(jù)（逐日最高氣溫、最低氣溫、日降水量、日平均相對濕度和太陽輻射）、土壤數(shù)據(jù)（黏粒、砂粒和粉粒比例）、大氣CO2濃度和大氣氮沉降數(shù)據(jù)等。本文使用的數(shù)據(jù)有：

1）具有時空變化的LAI數(shù)據(jù)。融合MODIS和AVHRR數(shù)據(jù)生成的1981—2019年的LAI數(shù)據(jù)——GLOBMAP LAI數(shù)據(jù)產(chǎn)品（Liu et al.，2012），1981—1999年的時間分辨率為15或16 d，2000—2019年的時間分辨率是8 d。

2）具有空間變化的聚集度指數(shù)數(shù)據(jù)。利用MODIS BRDF數(shù)據(jù)產(chǎn)品模擬“熱點”和“暗點”反射率，計算歸一化的“熱點”和“暗點”差值指數(shù)，生成聚集度指數(shù)（Wei et al.，2019），求其年平均值驅(qū)動模型。

3）具有時空變化的年氮沉降數(shù)據(jù)。其中1960—2009年的0.5°×0.5°全球氮沉降數(shù)據(jù)，通過融合GOME（Global Ozone Monitoring）和SCIAMACHY （Scanning Imaging Absorption Spectrometer for Atmospheric Cartography）對流層NO2柱濃度數(shù)據(jù)、氣象數(shù)據(jù)和NOx等數(shù)據(jù)生成（Lu et al.，2013），對該數(shù)據(jù)進行時間外推，生成1901—1959年和2010—2019年的全球氮沉降數(shù)據(jù)。

4）具有時空變化的氣候數(shù)據(jù)。1901—2019年的逐日最高氣溫、最低氣溫、日平均相對濕度、日總太陽輻射和日降水量，由6 h的0.5°×0.5° CRUJRAV2.1氣象數(shù)據(jù)（https：//catalogue.ceda.ac.uk/uuid/10d2c73e5a7d46f4ada08b0a26302ef7）處理生成，其中日平均相對濕度利用比濕、溫度和大氣壓數(shù)據(jù)計算。

5）具有空間變化的全球土壤沙粒、粉粒和黏粒比例數(shù)據(jù)（http：//www.fao.org/nr/lman/abst/lman_080701_en.htm），用于確定土壤孔隙率、田間持水量、凋萎系數(shù)和土壤水分飽和傳導(dǎo)率等參數(shù)。

6）具有時間變化的全球大氣CO2濃度年平均值數(shù)據(jù)。

在模型模擬時，對LAI、聚集度指數(shù)、氮沉降、氣候和土壤數(shù)據(jù)進行了重采樣，形成經(jīng)緯度投影為0.072 727°×0.072 727°空間分辨率的輸入數(shù)據(jù)集。

1.3 模擬試驗設(shè)置

為了鑒別不同因子（氣候、CO2、LAI和氮沉降）變化對全球陸地生態(tài)系統(tǒng)碳通量的影響，共設(shè)計了6個模擬試驗（表1）。

在模擬試驗Ⅰ中，1981—2019年期間用1981—1985年平均的LAI（具有季節(jié)變化）、1981年的氮沉降和CO2濃度、1970—1979年中隨機選取一年的氣候數(shù)據(jù)驅(qū)動模型。模擬試驗Ⅱ用于評價1981年后CO2濃度變化對全球陸地生態(tài)系統(tǒng)碳通量變化的貢獻(xiàn)，在此試驗中1981年后的CO2濃度隨時間變化，其他驅(qū)動數(shù)據(jù)與試驗Ⅰ相同。模擬試驗Ⅲ用于評價1981年后LAI變化對全球陸地生態(tài)系統(tǒng)碳通量變化的貢獻(xiàn)，1981年后的LAI隨時間變化，其他驅(qū)動數(shù)據(jù)與試驗Ⅰ相同。模擬試驗Ⅳ用于評價1981年后氮沉降變化對全球陸地生態(tài)系統(tǒng)碳通量變化的貢獻(xiàn)，1981年后的氮沉降隨時間變化，其他驅(qū)動數(shù)據(jù)與試驗Ⅰ相同。模擬試驗Ⅴ用于評價1981年后氣候變化對全球陸地生態(tài)系統(tǒng)碳通量變化的貢獻(xiàn)，1981年后的氣候隨時間變化，其他驅(qū)動數(shù)據(jù)與試驗I相同。模擬試驗Ⅵ用于評價1981年后全部因子變化對全球陸地生態(tài)系統(tǒng)碳通量變化的貢獻(xiàn)，1981年后CO2、LAI、氣候和氮沉降都隨時間變化。

2 結(jié)果與分析

2.1 模型結(jié)果驗證

GPP是陸地生態(tài)系統(tǒng)最大的碳通量，其模擬結(jié)果對NPP和NEP模擬具有顯著影響。利用全球不同類型生態(tài)系統(tǒng)的97個通量站的年GPP觀測數(shù)據(jù)驗證了BEPS模型結(jié)果。

圖1是97個站點706個站年BEPS模擬的年GPP與觀測數(shù)據(jù)比較的結(jié)果，模擬的年GPP與觀測數(shù)據(jù)比較的R2分別為0.75（p<0.001）（截距不為0）和0.70（p<0.001）（截距為0）、RMSE為389.6 g·m-2·mol-1（以碳質(zhì)量計，下同），觀測（x）與模擬值（y）線性回歸方程的斜率為0.79（截距不為0）和0.97（截距為0）。總體而言，BEPS模型可以再現(xiàn)年不同站點的年GPP。但是，也應(yīng)該注意到BEPS模型低估了熱帶雨林地區(qū)站點的年GPP，在一些站點模擬與觀測的GPP差異也仍然較大。

進一步利用由全球碳計劃數(shù)據(jù)計算的“剩余碳匯”對BEPS模型模擬的全球NEP進行驗證。每年的全球“剩余碳匯”計算為人為碳排放（化石燃料和土地利用）減去大氣碳儲量增加量、海洋和水泥碳酸化碳匯的差）。如圖2所示所示，BEPS模型模擬的全球NEP年總量與“剩余碳匯”之間具有較好的一致性（R2=0.51，p<0.05）。1981—2019年BEPS模擬的NEP累積值為105.2 Pg，“剩余碳匯”的累積值為104.0 Pg。表明，BEPS能較好地模擬全球陸地生態(tài)系統(tǒng)碳匯的年際變化和1981—2019年的總量。

2.2 1981—2019年全球陸地生態(tài)系統(tǒng)碳通量空間分布特征

利用BEPS模擬的1981—2019年全球陸地生態(tài)系統(tǒng)年GPP總量平均為115.3 Pg·a-1、年NPP總量平均為51.3 Pg·a-1、年NEP總量平均為2.7 Pg·a-1。NPP約占GPP的44.5%。圖3展示了1981—1999年和2000—2019年平均GPP的空間分布，可見，在熱帶常綠林地區(qū)GPP可達(dá)3 000 g·m-2·a-1以上;在中國東部和東南部、美國東部和東南部和歐洲的大部分地區(qū)，GPP為1 000～2 400 g·m-2·a-1;在美國西部、加拿大北部、俄羅斯北部、西亞、中國西北部、澳大利亞大部、非洲北部和南部，GPP普遍低于600 g·m-2·a-1。

圖4—5展示了1981—1999和2000—2019年平均NPP和NEP的空間分布，可見，NPP與GPP的全球空間分布特征相似。在熱帶常綠林地區(qū)NPP可達(dá)1 500 g·m-2·a-1以上;在中國東部和東南部、美國東部和東南部和歐洲的大部分地區(qū)，NPP為500～1 200 g·m-2·a-1;在美國西部、加拿大北部、俄羅斯北部、西亞、中國西北部、澳大利亞大部和非洲北部和南部，NPP普遍低于300 g·m-2·a-1。相對于GPP和NPP而言，NEP的空間變化更加明顯。陸地生態(tài)系統(tǒng)碳匯（NEP大于0）主要分布在熱帶常綠林地區(qū)、中國中東部、美國東南部和歐亞大陸的森林地區(qū)。相對于1981—1999年而言，2000—2019年中國、南亞、東南亞、非洲中部、加拿大和歐亞大陸森林地區(qū)的碳匯增強。

2.3 1981—2019年全球陸地生態(tài)系統(tǒng)碳通量變化趨勢

1981—2019年期間全球年GPP總量呈顯著增加趨勢，1981—1989年、1990—1999年、2000—2009年和2010—2019年期間全球年GPP平均分別為108.7、112.7、116.5和122.9 Pg·a-1。1981—2019年期間全球GPP最低值為1983年的105.7 Pg·a-1，最高為2017年的126.3 Pg·a-1，總體增加速率為0.47 Pg·a-1（R2=0.94，p<0.01）。全球大部分區(qū)域的年GPP都呈現(xiàn)顯著增加趨勢（圖6），中國大部、非洲中部、東南亞和美國東南部的GPP增加趨勢尤為明顯，增加速率高于10 g·m-2·a-1;在歐洲南部、蒙古、南美東南部部分地區(qū)、澳大利亞大部、美國西北部分地區(qū)和加拿大中部的部分地區(qū)，年GPP變化趨勢未通過信度為0.05的顯著性水平檢驗。

1981—2019年期間全球年NPP總量呈顯著增加趨勢，1981—1989年、1990—1999年、2000—2009年和2010—2019年全球年NPP平均值分別為48.4、50.1、51.7和54.6 Pg·a-1。1981—2019年期間全球NPP最低值為1983年的46.8 Pg·a-1，最高為2017年的56.4 Pg·a-1，總體增加速率為0.21 Pg·a-1（R2=0.92，p<0.01），全球大部分區(qū)域的年NPP都呈現(xiàn)顯著增加趨勢（圖7），中國大部、非洲中部、東南亞和美國東南部的NPP增加趨勢尤為明顯，增加速率高于5 g·m-2·a-1;歐洲南部、蒙古、南美東南部部分地區(qū)、澳大利亞大部、美國西北部分地區(qū)和加拿大中部部分地區(qū)，年NPP的變化趨勢沒有通過0.05信度的顯著性水平檢驗。

1981—2019年全球年總NEP呈波動性顯著增加趨勢，1981—1989年、1990—1999年、2000—2009年和2010—2019年期間全球平均NEP平均分別為2.0、2.4、2.6和3.7 Pg·a-1。1981—2019年全球NEP的最低值為1998年的-0.3 Pg·a-1，最高值為2017年的4.9 Pg·a-1，總體增加速率為0.06 Pg·a-1（R2=0.36，p<0.01）。全球大部分區(qū)域的年NEP增加（圖8），在中國西南和東南部、非洲中部，NEP增大速率高于3 g·m-2·a-1;在歐洲中部和東部、西伯利亞部分地區(qū)、加拿大中部部分地區(qū)、美國東部分部分地區(qū)和亞馬孫流域中東部，年NEP呈現(xiàn)下降趨勢，速率約為2 g·m-2·a-1。NEP變化趨勢通過0.05信度顯著性檢驗的區(qū)域明顯少于GPP和NPP（圖9）。對比圖8和圖9可見，在NEP下降的區(qū)域，其變化趨勢基本都未能通過0.05信度的顯著性檢驗，NEP增加通過0.05信度顯著性檢驗的區(qū)域主要位于北半球的高緯度地區(qū)、中國、南亞、東南亞和非洲中部。

2.4 不同因子對1981—2019年全球陸地生態(tài)系統(tǒng)碳收支變化貢獻(xiàn)

在1981—2019年期間全部因子（LAI、氣候、CO2和氮沉降）變化的情景下，全球累積的NEP為105.2 Pg。在僅有CO2、LAI、氮沉降或氣候變化的情景下，累積的NEP分別為123.7、86.0、62.2和21.9 Pg;如CO2、LAI、氮沉降和氣候在1981年后沒有時間變化趨勢（情景I），累積的NEP為65.4 Pg。圖10展示了不同因子對1981—2019年全球NEP的累積貢獻(xiàn)，CO2濃度、LAI、氮沉降和氣候變化對1981—2019年期間的累積NEP貢獻(xiàn)分別為58.4、20.6、0.7和-43.6 Pg，分別占此期間累積NEP的55.5%、19.6%、0.7%和-41.5%，CO2濃度和LAI變化對全球陸地生態(tài)系統(tǒng)碳匯的正貢獻(xiàn)在很大程度上被氣候變化的負(fù)作用所抵消，全部因子變化對1981—2019年期間累積NEP的貢獻(xiàn)率為37.8%。1981年之前CO2濃度、氮沉降和氣候變化延續(xù)效應(yīng)（簡稱延續(xù)效應(yīng)）對1981—2019年期間累積NEP的貢獻(xiàn)率為62.2%（圖10）。

平均而言，2000—2019年期間的全球陸地生態(tài)系統(tǒng)碳匯比1981—1999年期間強。全球陸地生態(tài)系統(tǒng)NEP在1981—1999年和2000—2019年期間的平均值分別為2.2 Pg·a-1和3.2 Pg·a-1。1981—1999年全部因子變化的情景下，累積的NEP為41.9 Pg，延續(xù)效應(yīng)導(dǎo)致的累積NEP為35.5 Pg，CO2濃度、LAI、氮沉降和氣候變化對1981—1999年NEP的累積貢獻(xiàn)分別為15.6、4.0、0.1和14.3 Pg，平均為822.2、211.0、6.7和753.7 Tg·a-1（圖11）。2000—2019年期間全部因子變化的情景下，累積的NEP為63.2 Pg，延續(xù)效應(yīng)導(dǎo)致的累積NEP為29.9 Pg，CO2濃度、LAI、氮沉降和氣候變化對1981—1999年期間NEP的累積貢獻(xiàn)分別為42.7、16.6、0.6和-29.3 Pg，平均為2 138.2、829.8、28.9和-1 467.0 Tg·a-1（圖11）。2000—2019年期間全球平均NEP相對于1981—1999年期間的增大主要是由于CO2濃度上升和LAI增大所導(dǎo)致，而氣候變化對NEP的負(fù)作用在2000—2019年期間明顯增大。

圖12表明，在1981—1999年期間，CO2濃度變化對中國NEP的貢獻(xiàn)為41.0 Tg·a-1;LAI變化對NEP的貢獻(xiàn)為12.7 Tg·a-1，氣候變化導(dǎo)致NEP降低31.0 Tg·a-1。在2000—2019年期間，CO2濃度變化對中國NEP的貢獻(xiàn)為109.0 Tg·a-1，LAI變化對NEP的貢獻(xiàn)為135.8 Tg·a-1，氣候變化導(dǎo)致NEP降低89.3 Tg·a-1。2000—2019年期間CO2濃度上升對NEP的正貢獻(xiàn)和氣候變化對NEP負(fù)作用都增強。值得注意的是，2000—2019年期間中國LAI對NEP的正貢獻(xiàn)達(dá)到135.8 Tg·a-1，大于CO2濃度上升的正貢獻(xiàn)（109 Tg·a-1），主要是由于中國的LAI增大幅度明顯高于全球平均所致。

表2給出了不同植被類型的NEP總量及其全球貢獻(xiàn)。森林對全球陸地生態(tài)系統(tǒng)碳匯的貢獻(xiàn)最大，1981—2019年期間森林、灌木與稀樹草原、草地和農(nóng)田的累積NEP分別為76.4、15.8、3.6和9.4 Pg，占全球總量105.2 Pg的72.6%、15.5%、3.5%和8.9%。其中，1981—1999年期間森林、灌木與稀樹草原、草地和農(nóng)田的累積NEP分別為31.4、5.4、1.3和3.9 Pg，占總量41.9 Pg的74.8%、12.9%、3.0%和9.2%;2000—2019年期間森林、灌木與稀樹草原、草地和農(nóng)田的累積NEP分別為45.0、10.4、2.4和5.5 Pg，占總量63.2Pg的71.2%、16.4%、3.8%和8.7%。

1981—2019年期間中國陸地生態(tài)系統(tǒng)累積的NEP總量為7.38 Pg，其中森林、灌木與稀樹草原、草地和農(nóng)田的貢獻(xiàn)分別為4.62、0.85、0.68和1.24 Pg，占總量的62.6%、11.5%、9.2%和16.7%。其中，1981—1999年期間中國森林、灌木與稀樹草原、草地和農(nóng)田的累積NEP分別為1.64、0.24、0.19和0.37 Pg，占總量2.45 Pg的66.9%、10.0%、7.9%和15.2%;2000—2019年期間中國森林、灌木與稀樹草原、草地和農(nóng)田的累積NEP分別為2.98、0.60、0.48和0.86 Pg，占總量4.93 Pg的60.5%、12.2%、9.8%和17.5%。

3 結(jié)論與討論

利用植被類型、LAI和聚集度指數(shù)等遙感數(shù)據(jù)驅(qū)動BEPS模型，通過6個模擬試驗?zāi)M生成了1981—2019年全球陸地生態(tài)系統(tǒng)GPP、NPP和NEP數(shù)據(jù)，分析了全球陸地生態(tài)系統(tǒng)GPP、NPP和NEP的時空變化特征;評價了大氣CO2濃度、葉面積指數(shù)、氮沉降、氣候變化對全球及主要地區(qū)陸地生態(tài)系統(tǒng)NEP變化的貢獻(xiàn)。主要結(jié)論如下：

1）1981—2019年全球NEP累積為105.2 Pg，森林、稀樹草原及灌木、農(nóng)田和草地的貢獻(xiàn)分別為76.4、15.8、9.4和3.6 Pg。

2）在1981—2019年全球陸地生態(tài)系統(tǒng)GPP、NPP和NEP平均值分別為115.3、51.3和2.7 Pg·a-1，上升速率分別為0.47、0.21和0.06 Pg·a-1。全球大部分區(qū)域的年GPP和NPP都呈現(xiàn)顯著增加趨勢，NEP顯著變化的區(qū)域明顯少于GPP和NPP，NEP顯著增大的區(qū)域主要在北半球高緯度地區(qū)、中國、南亞、東南亞和非洲中部。

3）CO2濃度、LAI、氮沉降和氣候變化對1981—2019年期間對NEP的累積貢獻(xiàn)分別為58.4、20.6、0.7和-43.6 Pg，全部因子同時變化對1981—2019年累積NEP的貢獻(xiàn)為39.8 Pg。1981年之前CO2濃度、氮沉降和氣候變化延續(xù)效應(yīng)對1981—2019年期間累積NEP的貢獻(xiàn)率為65.4 Pg。

本文基于BEPS模型的結(jié)果，分析了1981—2019年全球陸地生態(tài)碳通量的時空變化特征，發(fā)現(xiàn)全球GPP、NPP和NEP呈上升趨勢，全球碳匯的增大主要是由于CO2施肥效應(yīng)所導(dǎo)致，其次為LAI上升的貢獻(xiàn)，而氣候變化導(dǎo)致全球NEP下降，減弱了全球陸地生態(tài)系統(tǒng)碳匯。所得結(jié)果將為預(yù)估全球陸地生態(tài)系統(tǒng)碳匯演變趨勢、實現(xiàn)碳中和目標(biāo)提供一定的參考。毫無疑問，由于模型結(jié)構(gòu)、參數(shù)取值和輸入數(shù)據(jù)等方面的原因，BEPS模擬的全球碳通量以及不同因子對全球陸地生態(tài)系統(tǒng)碳收支的貢獻(xiàn)存在著不確定性。LAI是BEPS模型的重要輸入數(shù)據(jù)，而現(xiàn)有的全球LAI遙感數(shù)據(jù)在空間分布和變化趨勢方面尚有較大的不確定性，利用不同LAI遙感數(shù)據(jù)模擬的全球陸地生態(tài)系統(tǒng)碳收支存在一定的差異（Chen et al.，2019）。模擬的CO2濃度上升對NEP的貢獻(xiàn)主要由模擬的CO2濃度上升對GPP的增強作用（施肥效應(yīng)）所決定;不同模型模擬的CO2施肥效應(yīng)差異明顯（Smith et al.，2015）;與現(xiàn)有廣泛使用的碳循環(huán)模型相同，BEPS模型也沒有考慮植被對CO2濃度上升的適應(yīng)性，有可能高估CO2濃度上升對碳匯的增加作用，最近基于多源遙感數(shù)據(jù)和模型數(shù)據(jù)的集成分析表明全球CO2施肥效應(yīng)呈下降趨勢，可能由葉片養(yǎng)分含量的降低和植被對水分的敏感性上升所導(dǎo)致（Wang et al.，2020）。如何更好地模擬未來CO2施肥效應(yīng)還有待于我們開展更深入的研究。

參考文獻(xiàn)（References）

陳鏡明，居為民，劉榮高，等，2015.全球陸地碳匯的遙感和優(yōu)化計算方法[M].北京：科學(xué)出版社. Chen J M，Ju W M，Liu R G，et al.，2015.Remote sensing and optimization calculation method of global terrestrial carbon sink[M].Beijing：Science Press.（in Chinese）.

Chen J M，Ju W M，Ciais P，et al.，2019.Vegetation structural change since 1981 significantly enhanced the terrestrial carbon sink[J].Nat Commun，10（1）：4259.doi：10.1038/s41467-019-12257-8.

Chen J M，Liu J，Cihlar J，et al.，1999.Daily canopy photosynthesis model through temporal and spatial scaling for remote sensing applications[J].Ecological Modelling，124：99-119.

Feng X，Liu G，Chen J M，et al.，2007.Net primary productivity of China’s terrestrial ecosystems from a process model driven by remote sensing[J].J Environ Manag，85（3）：563-573.doi：10.1016/j.jenvman.2006.09.021.

He M Z，Ju W M，Zhou Y L，et al.，2013.Development of a two-leaf light use efficiency model for improving the calculation of terrestrial gross primary productivity[J].Agric For Meteorol，173：28-39.doi：10.1016/j.agrformet.2013.01.003.

He Q N，Ju W M，Dai S P，et al.，2021.Drought risk of global terrestrial gross primary productivity in recent 40 years detected by a remote sensing-driven process model[J].Journal of Geophysical Research-Biogeosciences，126：e2020JG005944.

Huntzinger D N，Post W M，Wei Y，et al.，2012.North American Carbon Program（NACP） regional interim synthesis：terrestrial biospheric model intercomparison[J].Ecol Model，232：144-157.doi：10.1016/j.ecolmodel.2012.02.004.

Ju W，Wang S，Yu G，et al.，2010.Modeling the impact of drought on canopy carbon and water fluxes for a subtropical evergreen coniferous plantation in Southern China through parameter optimization using an ensemble Kalman filter[J].Biogeosciences，7（66）：845-857.doi：10.5194/bg-7-845-2010.

Le Quéré C，Andres R J，Boden T，et al.，2013.The global carbon budget 1959—2011[J].Earth System Science Data，5（1）：165-185.

Liu Y，Liu R G，Chen J M，2012.Retrospective retrieval of long-term consistent global leaf area index（1981—2010） maps from combined AVHRR and MODIS data[J].Journal Geophysiscal Research-Biogeoscienes，117：G04003.doi：10.1029/2012JG002084.

Lu X H，Jiang H，Zhang Z，et al.，2013.Estimated global nitrogen deposition using NO2 column density[J].Int J Remote Sens，34（24）：8893-8906.doi：10.1080/01431161.2013.853894.

Piao S L，Stephen S，Philippe C，et al.，2013.Evaluation of terrestrial carbon cycle models for their response to climate variability and to CO2 trends[J].Glob Change Biol，19（7）：2117-32.doi：10.1111/gcb.12187.

Reichstein M，Papale D，Valentini R，et al.，2007.Determinants of terrestrial ecosystem carbon balance inferred from European eddy covariance flux sites[J].Geophys Res Lett，34（1）：402-406.

Smith W K，Reed S C，Cleveland C C，et al.，2016.Large divergence of satellite and Earth system model estimates of global terrestrial CO2 fertilization[J].Nat Clim Change，6（3）：306-310.doi：10.1038/nclimate2879.

Wang S H，Zhang Y G，Ju W M，et al.，2020.Recent global decline of CO2 fertilization effects on vegetation photosynthesis[J].Sci N Y N Y，370（6522）：1295-1300.doi：10.1126/SCIENCE.ABB7772.

Wei S S，F(xiàn)ang H L，Schaaf C B，et al.，2019.Global 500 m clumping index product derived from MODIS BRDF data （2001—2017）[J].Remote Sensing of Environment，232：111296.

Xia J Y，McGuire A D，Lawrence D，et al.，2017.Terrestrial ecosystem model performance in simulating productivity and its vulnerability to climate change in the northern permafrost region[J].J Geophys Res Biogeosci，122（2）：430-446.doi：10.1002/2016JG003384.

Yi C X，Ricciuto D，Li R Z，et al.，2010.Climate control of terrestrial carbon exchange across biomes and continents[J].Environ Res Lett，5（3）：034007（10pp）.doi：10.1088/1748-9326/5/3/034007.

Yu G R，Zhang L M，Sun X M，et al.，2008.Environmental controls over carbon exchange of three forest ecosystems in eastern China[J].Glob Change Biol，14（11）：2555-2571.doi：10.1111/j.1365-2486.2008.01663.x.

Yu G R，Zhu X J，F(xiàn)u Y L，et al.，2013.Spatial patterns and climate drivers of carbon fluxes in terrestrial ecosystems of China[J].Glob Change Biol，19（3）：798-810.doi：10.1111/gcb.12079.

袁文平，蔡文文，劉丹，等，2014.陸地生態(tài)系統(tǒng)植被生產(chǎn)力遙感模型研究進展[J].地球科學(xué)進展，29（5）：541-550. Yuan W P，Cai W W，Liu D，et al.，2014.Satellite-based vegetation production models of terrestrial ecosystem：an overview[J].Adv Earth Sci，29（5）：541-550.doi：10.11867/j.issn.1001-8166.2014.05.0541.（in Chinese）.

Characteristics and driving factors of global terrestrial ecosystem carbon fluxes from 1981 to 2019

ZHOU Yanlian1，JU Weimin2，LIU Yibo3

1School of Geography and Ocean Science，Nanjing University，Nanjing 210023，China;

2International Institute for Earth System Science，Nanjing University，Nanjing 210023，China;

3School of Applied Meteorology/Jiangsu Key Laboratory of Agricultural Meteorology，Nanjing University of Information Science & Technology，Nanjing 210044，China

The terrestrial ecosystem carbon sink plays an important role in retarding the increase of atmospheric CO2concentration and global warming.Affected by human activities and climate change，the terrestrial ecosystem carbon fluxes exhibit strong spatial and temporal variations.Their estimates still have large uncertainties，and the contributions of different factors to their variations are still unclear.Therefore，using the remote-sensing-driven terrestrial ecosystem process model BEPS，the temporal and spatial variation characteristics of global terrestrial ecosystem carbon fluxes from 1981 to 2019 are simulated and analyzed，and the contributions of atmospheric CO2concentration，leaf area index （LAI），nitrogen deposition and climate change to the change of global terrestrial ecosystem carbon budget are evaluated.From 1981 to 2019，the average values of global terrestrial ecosystem GPP （Gross Primary Productivity），NPP （Net Primary Productivity） and NEP （Net Ecosystem Productivity） are 115.3，51.3 and 2.7 Pg·a-1 （in terms of carbon quality，the same below），and the rising rates are 0.47，0.21 and 0.06 Pg·a-1，respectively.GPP and NPP increase significantly in most regions of the world，and the regions where NEP increases significantly （p<0.05） are significantly less than those for GPP and NPP.From 1981 to 2019，the accumulative global NEP is 105.2 Pg.The contributions of forests，savanna and shrub，crop，and grass are 76.4，15.8，9.4 and 3.6 Pg，respectively.The accumulative contributions of CO2 concentration，LAI，nitrogen deposition and climate change to NEP are 58.4，20.6，0.7 and -43.6 Pg，respectively.The accumulative contribution of all four factor changes to NEP is 39.8 Pg.The rise of CO2 concentration is the main contributing factor to the increase of NEP in global terrestrial ecosystem in recent 40 years，followed by LAI.

terrestrial ecosystem;carbon flux;leaf area index;nitrogen deposition;climate change

doi：10.13878/j.cnki.dqkxxb.20220403007

（責(zé)任編輯：張福穎）