数据同化为模型与遥感观测结合提供了一条有效的途径,通过在模型运行过程中融入遥感观测数据,调整模型运行轨迹从而降低模型误差,提高模拟精度。本文利用集合卡尔曼滤波(En KF)算法同化生长季中分辨率成像光谱仪(MODIS)叶面积指数(LAI)与Biome-BGC模型模拟的LAI模拟长白山阔叶红松林的水碳通量。同时,通过改进模拟的雪面升华与土壤温度计算方法的参数,旨在降低冬季生态呼吸的模拟误差。结果表明,相对于原始模型,数据同化与模型改进后使得生态系统总初级生产力(GPP)的模拟值与观测值之间的相关系数提高0.06,中心化均方根误差(RMSE)降低0.48 g C·m^(-2)·d^(-1);生态系统呼吸(RE)的相关系数提高0.02,中心化均方根误差降低0.20 g C·m^(-2)·d^(-1);净生态系统碳交换量(NEE)相关系数提高0.35,中心化均方根误差降低0.50 g C·m^(-2)·d^(-1)。同时,数据同化对蒸散发(ET)的模拟精度没有显著影响,改进的模型提高了其相关系数。基于En KF算法的数据同化提高了长白山阔叶红松林碳通量模拟精度,对于精确估算区域碳通量有着重要的意义。
