免费文献传递   相关文献

Parameter optimization of BEPS model based on the flux data of the temperate deciduous broad-leaved forest in Northeast China.

基于东北温带落叶阔叶林通量数据的BEPS 模型参数优化


控制其他参数为经验常数,利用迭代方法对主要光合作用参数最大羧化速率(Vc max) 及最大电子传递速率(Jmax)进行不同数值组合,将得到的多组模拟结果的逐日总初级生产力(GPP)分别与东北帽儿山落叶阔叶林的通量观测数据进行比较,实现对小时步长BEPSHourly模型Vc maxJmax的参数优化.结果表明: 对于东北温带落叶阔叶林,当Vc max为41.1 μmol·m-2·s-1、Jmax 为82.8 μmol·m-2·s-1时,模拟的2011年逐日GPP与观测数据比较的均方根误差(RMSE)最小,为1.10 g C·m-2·d-1,R2最高,为0.95.经过光合作用参数Vc maxJmax优化后,BEPSHourly模型能更好地模拟GPP的季节变化.

Keeping other parameters as empirical constants, different numerical combinations of the main photosynthetic parameters Vc max and Jmax were conducted to estimate daily GPP by using the iteration method in this paper. To optimize Vc max and Jmax in BEPSHourly model at hourly time steps, simulated daily GPP using different numerical combinations of the parameters were compared with the flux tower data obtained from the temperate deciduous broadleaved forest of the Maoershan Forest Farm in Northeast China. Comparing the simulated daily GPP with the observed flux data in 2011, the results showed that optimal Vc max and Jmax for the deciduous broadleaved forest in Northeast China were 41.1 μmol·m-2·s-1 and 82.8 μmol·m-2·s-1 respectively with the minimal RMSE and the maximum R2 of 1.10 g C·m-2·d-1 and 0.95. After Vc max and Jmax optimization, BEPSHourly model simulated the seasonal variation of GPP better.


全 文 :基于东北温带落叶阔叶林通量数据的
BEPS 模型参数优化
卢  伟1  范文义1∗  田  甜2
( 1东北林业大学林学院, 哈尔滨 150040; 2国家林业局北方航空护林总站, 哈尔滨 150040)
摘  要  控制其他参数为经验常数,利用迭代方法对主要光合作用参数最大羧化速率(Vc max)
及最大电子传递速率(Jmax)进行不同数值组合,将得到的多组模拟结果的逐日总初级生产力
(GPP)分别与东北帽儿山落叶阔叶林的通量观测数据进行比较,实现对小时步长 BEPSHourly
模型 Vc max和 Jmax的参数优化.结果表明: 对于东北温带落叶阔叶林,当 Vc max为 41.1 μmol·
m-2·s-1、Jmax为 82.8 μmol·m
-2·s-1时,模拟的 2011 年逐日 GPP 与观测数据比较的均方根
误差(RMSE)最小,为 1.10 g C·m-2·d-1,R2最高,为 0.95.经过光合作用参数 Vc max和 Jmax优
化后,BEPSHourly模型能更好地模拟 GPP 的季节变化.
关键词  BEPS模型; 总初级生产力; 参数优化; 最大羧化速率; 最大电子传递速率
Parameter optimization of BEPS model based on the flux data of the temperate deciduous
broad⁃leaved forest in Northeast China. LU Wei1, FAN Wen⁃yi1∗, TIAN Tian2 ( 1 College of
Forestry, Northeast Forestry University, Harbin 150040, China; 2Northern Aerial Forest Fire Protec⁃
tion Station of State Forestry Administration, Harbin 150040, China) .
Abstract: Keeping other parameters as empirical constants, different numerical combinations of the
main photosynthetic parameters Vc max and Jmax were conducted to estimate daily GPP by using the
iteration method in this paper. To optimize Vc max and Jmax in BEPSHourly model at hourly time
steps, simulated daily GPP using different numerical combinations of the parameters were compared
with the flux tower data obtained from the temperate deciduous broad⁃leaved forest of the Maoershan
Forest Farm in Northeast China. Comparing the simulated daily GPP with the observed flux data in
2011, the results showed that optimal Vc max and Jmax for the deciduous broad⁃leaved forest in North⁃
east China were 41.1 μmol·m-2·s-1 and 82.8 μmol·m-2·s-1 respectively with the minimal
RMSE and the maximum R2 of 1.10 g C·m-2·d-1 and 0.95. After Vc max and Jmax optimization,
BEPSHourly model simulated the seasonal variation of GPP better.
Key words: BEPS model; gross primary productivity; parameter optimization; maximum rate of
carboxylation; maximum potential rate of electron transport.
本文由国家“十二五”科技支撑计划项目(2011BAD37B01)和中央高
校基本科研业务费专项资金项目(2572014AA27)资助 This work was
supported by the National Science & Technology Pillar Program during the
Twelfth Five⁃Year Plan Period (2011BAD37B01) and the Fundamental
Research Funds for the Central Universities (2572014AA27).
2015⁃09⁃23 Received, 2016⁃02⁃05 Accepted.
∗通讯作者 Corresponding author. E⁃mail: fanwy@ 163.com
    随着温室效应等一系列生态问题的出现,陆地
生态系统碳循环成为世界各国的重点研究领域.遥
感过程模型是当前碳循环模型研究的主攻方向,它
是在生态机理过程研究的基础上,将遥感技术实时、
准确、多尺度获取的区域地表植被信息及冠层结构
参数(叶面积指数、叶倾角、聚集度指数等)引入模
型,辅以辐射、温度、降水等气象因子来计算区域植
被净初级生产力,代表性模型有 CASA 模型、InTEC
模型、BEPS模型等[1-4] .
BEPS(boreal ecosystem productivity simulator)由
Liu等[5]最先开发及利用,在 1 km 空间分辨率和日
步长尺度上计算加拿大大陆净第一性生产力 NPP,
其日步长尺度被称为 BEPSDaily.BEPSDaily 是目前
国内应用较为广泛的遥感过程模型之一,王培娟
等[6-7]、毛学刚[8]、李登秋等[9]利用 BEPSDaily 模型
对国内不同尺度的植被生态环境 NPP 进行了研究.
应 用 生 态 学 报  2016年 5月  第 27卷  第 5期                                            http: / / www.cjae.net
Chinese Journal of Applied Ecology, May 2016, 27(5): 1353-1358                  DOI: 10.13287 / j.1001-9332.201605.001
但该模型的应用存在模型精度验证及参数优化 2 个
难题:BEPSDaily模型的模拟时间为日步长,不能描
述植被一天内的生态生理过程,难以和通量数据进
行直接验证和校准;模型中包括了大量生物物理及
生物化学描述性参数,其中最大羧化速率(Vc max)及
最大电子传递速率(Jmax)是表征植物光合能力的重
要参数,是光合作用过程中最重要的限速反应速率,
对光合速率起着决定性作用[10-11],但是由于这些参
数最初是针对加拿大北方森林测定的,若要使其适
合于我国森林生态系统碳循环的模拟,必须针对我
国典型的森林类型进行参数优化研究,目前常采用
的参数优化方法有实测法、文献法、遥感反演法、迭
代法[8] .
在 BEPSDaily的基础上发展而来的小时步长碳
循环模型 BEPSHourly( boreal ecosystem productivity
simulator at hourly time steps),模拟时间尺度为半小
时,可以模拟植被日内生态生理过程,是真正过程模
型的体现,能够利用短时间步长的涡度相关法观测
资料对模型结果进行直接验证和校准[12] .本研究基
于 BEPSHourly模型,以控制变量法为基本思想,将
主要光合作用参数进行不同组合,将得到的多组模
拟结果的逐日总初级生产力( gross primary produc⁃
tivity, GPP)分别与东北帽儿山落叶阔叶林的通量
观测数据进行比较,实现对小时步长 BEPSHourly 模
型 Vc max 和 Jmax 的参数优化.本研究为区域模型
BEPSDaily提供北方落叶阔叶林主要光合作用参数
最优组合,为获取其他植被覆盖类型的主要光合作
用参数优化提供了可行性参考,为区域性碳循环模
拟奠定了基础.
1  研究地区与研究方法
1􀆰 1  研究区概况
帽儿山森林生态站(45°25′ N,127°38′ E)地处
黑龙江省尚志市帽儿山东北林业大学实验林场内,
平均海拔 400 m,平均坡度 15°.生态站采集半小时
的气象数据,包括气温、相对湿度、风速、降水、总太
阳辐射、净辐射、长波辐射等,提供半小时的通量数
据,包括潜热通量、显热通量、生态系统 CO2交换通
量(NEE)、GPP、生态系统呼吸(Re)等.气候属大陆
性季风气候,夏季温暖湿润,冬季寒冷干燥,年平均
气温 3.1 ℃,年降水量 629 mm,且主要集中于夏季,
蒸发量为 1093.3 mm,全年日照时数为 2471.3 h,无
霜期为 120 ~ 140 d.主要土壤类型为暗棕壤.该地区
处于温带针阔叶混交林区,主要植被是红松阔叶林
图 1  帽儿山森林生态站位置
Fig.1  Location of Maoershan forest ecological site.
Ⅰ: 施业区Working unit; Ⅱ:帽儿山生态站Maoershan ecological site.
经过不同程度的干扰(采伐、经营、火烧、开垦等)后
形成的东北东部山区典型天然次生林和人工林,主
要树种为白桦(Betula platyphylla)、水曲柳(Fraxinus
mandshurica)、胡桃楸 ( Juglans mandshurica)、枫桦
(Betula costata)、山杨(Populus davidiana)、红松(Pi⁃
nus koraiensis)和落叶松(Larix gmelinii)等.林下亚乔
木和灌木以暴马丁香( Syringa reticulata var. mand⁃
shurica)为主,草本植被以木贼(Equisetum hyemale)
占优势.研究区设定在帽儿山森林生态站的有效通
量覆盖区.
1􀆰 2  模型简介
BEPSHourly是一个基于过程的生态系统模型,
包括能源分区、光合作用、呼吸作用、土壤的有机
物质分解、水文过程和土壤热传输模块[13] . 在
BEPSHourly模型框架中,冠层采用两叶模型,冠层叶
子被分为光照叶和阴影叶.在光合作用模块中,叶片
尺度瞬时光合作用采用 Farquhar 生物化学模
型[14-16][式(3) ~ (6)],利用时空扩展方案将叶片
尺度扩展到冠层尺度[式(2)];气孔导度模型为
优化后的 BWB ( Ball⁃Woodrow⁃Berry) 模型[17] [式
(9)].为了估计土壤湿度和温度的垂直分布,将土
壤剖面分为 5层不同深度的土壤层,各土壤层的深
度分别为 0.05、0.10、0.20、0.40、1.25 m,对每层的温
度和水含量分别进行模拟.光合作用模型、气孔导度
模型及能量平衡模型[18]耦合求解出净光合作用率
为整个模型的核心部分.气孔导度模型耦合光合作
用模型及叶子能量平衡模型,由 Ai、gs, i、Cc, i、Cs, i和
Tc, i迭代求解,对于光照叶及阴影叶,当连续两次迭
代中温度的差值<0.02 ℃时,结束迭代[19] .
NPP=GPP-Rα (1)
GPP=Asunlit·LAIsunlit+Ashaded·LAIshaded (2)
4531 应  用  生  态  学  报                                      27卷
Ai =min(Ac,i,Aj,i)-Rd (3)
Ac,i =
Vc max(Cc,i-Γ∗i )
Cc,i+Kc(1+Oc,i / Ko)
(4)
Aj,i =
J(Cc,i-Γ∗i )
4Cc,i+8Γ∗i
(5)
J= Jmax·PPFD / (PPFD+2.1·Jmax) (6)
Cc,i =Cs,i-Ai / gs,i (7)
Cs,i =Cα-Ai / gb,i (8)
gs,i =
m·Ai·rh·fw
1.6Cs,i

bi′
1.6
(9)
式中:GPP 和 NPP 分别为植被总初级生产力和净初
级生产力;Ai是净光合作用速率,i= 1 为光照叶,i = 2
为阴影叶;LAI为叶面积指数;Rα、Rd分别为植被自
养呼吸、光呼吸速率;Ac, i、Aj, i分别为受酶和电子转
移限制的总光合作用速率;Vc max为最大羧化速率;J、
Jmax分别为电子转移速率及最大电子转移速率;
PPFD为被叶子吸收的有效光量子通量密度;Oc, i为
细胞间 O2的浓度;Kc、Ko分别为 CO2、O2的 Michealis⁃
Menten系数;Гi∗为无光呼吸时的 CO2补偿点;Cc, i、
Cs, i、Cα分别为细胞间的 CO2浓度、叶子表面的 CO2
浓度、大气中 CO2浓度;gs, i、gb, i分别为 CO2从细胞
内部到叶子表面的气孔导度、CO2从叶子表面到层
流边界层的导率;bi′为残余电导度;fw为土壤水分有
效性;rh 为相对湿度;m 为经验参数,与细胞内 CO2
浓度有关.
1􀆰 3  最优参数组合确定方法
在 BEPSHourly模型中,除 Vc max与 Jmax外,还有
多个影响光合作用的其他参数,利用控制变量法,对
于一般重要的变量不参与迭代,只保持平均水平或
默认值,从而只对最重要的变量 Vc max与 Jmax进行
迭代.
Vc max是指植物光合作用过程中由核酮糖⁃1,5⁃
二磷酸羧化酶 /加氧酶(Rubisco)催化的最大羧化反
应速率[14],不同物种间叶片的 Vc max存在很大差异,
变化范围为 6~194 μmol·m-2·s–1[20],参考以往研
究[20-21]及本研究对象为落叶阔叶林,将 Vc max变化范
围缩小到 30~60 μmol·m-2·s-1 .
Jmax 与 Vc max 具 有 很 好 的 线 性 相 关 性[14] .
Wullscheleger[20]基于 106种植物的 Jmax与 Vc max资料
建立了两者之间的关系:Jmax = 29.1+1.64Vc max .上式
为植被间的平均关系,具体到某一植被类型时会有
一定误差,根据 Wullscheleger[20]对温带树种 Jmax标
准差的调查,本研究中将此误差定为± 64 μmol·
m-2·s-1 .
本文以控制变量法为基本思想,采用迭代方法
将主要光合作用参数进行不同组合.Vc max与 Jmax迭
代步长都设定为 0.1,迭代得到多组模拟结果,将模
拟日 GPP 与通量塔的通量数据进行精度验证,验证
指标选取均方根误差:
RMSE = 1 / 365∑
365
i = 1
[GPPmod( i) - GPPobs( i)] 2
式中:GPPmod( i)、GPP obs( i)分别为模拟日 GPP、实
测日 GPP;i 为天数,最小 RMSE 对应的参数组合即
为最优参数组合,具体的实现过程见图 2.
1􀆰 4  数据处理
1􀆰 4􀆰 1驱动数据  BEPSHourly模型的驱动数据包括
3部分:半小时步长的气象数据、站点年输入数据、
全年逐日叶面积指数数据.气象数据来自 2011 年帽
儿山生态试验站测定的半小时步长数据,包括气温、
相对湿度、风速、降水量、总太阳辐射;站点年输入数
据包括站点的经纬度、植被覆盖类型、土壤质地、聚
集度指数、年均叶面积指数、1 月 1 日 10 cm 深度土
壤温度、1 月 1 日 10 cm 深度土壤含水量、1 月 1 日
雪深度(表 1);假设一天内植被的 LAI没有变化,自
2011年生长季开始,在帽儿山生态站通量塔通量贡
献区内选取多处样地,每间隔几日利用TRAC及
图 2  参数优化过程
Fig.2  Process of parameter optimization.
55315期                      卢  伟等: 基于东北温带落叶阔叶林通量数据的 BEPS 模型参数优化           
表 1  站点年输入数据
Table 1  Yearly data of ecological site
项目
Item
值   
Value   
单位
Unit
经度
Longitude
127.63 °
纬度
Latitude
45.42 °
植被覆盖类型
Vegetation cover type
落叶阔叶林
Deciduous broad⁃
leaved forest

年均叶面积指数
Annual mean value of
leaf area index
2.7 m2·m-2
聚集度指数
Clumping index
0.73 -
土壤质地
Soil texture
森林暗棕壤(壤土)
Dark brown forest
soil ( loam)

1月 1日 10 cm深度土壤温度
Soil temperature at 10 cm depth on
1st, January
-0.1795 ℃
1月 1日 10 cm深度土壤含水量
Soil moisture at 10 cm depth on
1st, January
0.2279 m3·m-3
1月 1日雪深度
Snow depth on 1st, January
0.57 m
LAI2000进行 LAI 测量,取其均值作为测量当日研
究区叶面积指数,对实测的叶面积指数数据进行 3
次样条插值得到研究区 2011年逐日叶面积指数(图
3);其他土壤物理性质参数参考毛学刚[8]在 BEPS⁃
Daily模型中的应用值.
1􀆰 4􀆰 2验证数据  首先利用“傍晚最大呼吸” (early
evening maximum respiration)理论[21-22]进行通量数
据的质量评价和控制(异常值剔除),然后利用可靠
性的通量数据与气象环境要素数据建立数学模型,
白天数据利用非线性光响应回归方程进行插补,夜
间数据利用 Lloyd 和 Taylor 呼吸方程[23]进行插补.
最后基于 30 min的气象和通量数据,利用光响应和
呼吸模型分别计算 GPP 和 Re .其中,对于生态系统
的生长季,假设 Re为夜间的 NEE,利用其与温度的
指数函数关系,得到呼吸模型中的参数,并将此参数
推广到白天,得到白天的呼吸值,最后利用白天的
NEE和 Re推算出白天的 GPP;而对于某些生态系统
的非生长季,则认为该生态系统只有呼吸过程的碳
排放而无光合碳吸收,以此将 GPP 和 Re从 NEE 中
分离出来,得到日步长的 GPP 数据作为本研究的验
证数据.
2  结果与分析
2􀆰 1  Vc max、Jmax最优参数组合分析
模型缺省参数组合为 Vc max = 57.7 μmol·m
-2·
s-1,Jmax = 123.7 μmol·m
-2·s-1,模拟的一年逐日
GPP 与通量塔观测数据相比较, RMSE 为 1􀆰 65
g C·m-2·d-1,模拟的 GPP 年总量 ( TGPPmod )为
1422􀆰 15 g C·m-2 ·a-1,比实测的 GPP 年总量
(TGPPobs = 1228.9 g C·m
-2·a-1)高估了 15.7%.用
1.3提出的迭代方法确定最优参数组合(表 2),其
中,RMSE 最小为 1. 10 g C·m-2 ·d-1,故 Vc max =
41.1 μmol·m-2·s-1、Jmax = 82.8 μmol·m
-2·s-1时
即为最优参数组合,其 RMSE 与缺省参数组合的
RMSE相比明显减小,模拟的 GPP 年总量为1167.72
g C·m-2 ·a-1,与实测 GPP 年总量相比低估了
5.0%,模拟结果精度得到了明显提高.
2􀆰 2  缺省参数组合与最优参数组合模拟 GPP 对比
分析
由图 4可以看出,在缺省参数组合情况下,模拟
的日 GPP 普遍高于实测日 GPP;在最优参数组合条
件下,模拟的日 GPP 略低于实测日 GPP.两者相比,
最优参数组合条件下模拟的日 GPP 曲线更能捕捉
实测值全年变化情况.冬季及初春GPP基本为0,进
图 3  2011年逐日 LAI数据
Fig.3  Daily LAI in 2011.
Ⅰ: 实测叶面积指数 Observed LAI; Ⅱ: 三次样条插值得到的逐日
LAI Daily LAI fitted by three spline interpolation function.
表 2  Vc max和 Jmax参数部分组合
Table 2  Partial parameter combinations of Vc max and Jmax
Vc max
(μmol·m-2·
s-1)
Jmax
(μmol·m-2·
s-1)
RMSE
(g C·m-2·
d-1)
TGPPmod
(g C·m-2·
α-1)

(%)
35.0 69.5 1.22 1062.61 -13.5
39.0 79.5 1.12 1141.68 -7.1
41.1 82.8 1.10 1167.72 -5.0
44.0 90.5 1.13 1220.72 -0.7
49.0 101.9 1.26 1296.39 5.5
57.7∗ 123.7∗ 1.65 1422.15 15.7
TGPPmod = ∑
365
i = 1
GPPmod( i), R = [∑
365
i = 1
GPPmod( i) - ∑
365
i = 1
GPPobs( i)] /

365
i = 1
GPPobs( i) . i: 天数 Days. ∗缺省参数值 Default parameter.
6531 应  用  生  态  学  报                                      27卷
图 4  模拟与实测日 GPP 对比
Fig.4  Comparison between modeled and observed daily GPP.
Ⅰ: 最优参数组合模拟 GPP Modeled GPP under optimal parameter;
Ⅱ: 缺省参数组合模拟 GPP Modeled GPP under default parameter;
Ⅲ: 实测 GPP Observed GPP. 下同 The same below.
图 5  模拟与实测日 GPP 线性回归分析
Fig.5  Regression analysis between modeled and observed daily
GPP.
∗∗P<0.01.
入生长季,随着温度的升高,GPP 迅速上升并在 6
月末至 8 月初达最大,随着气温下降,植被主要进
行光合作用的叶子迅速凋落,GPP 随之减小.
由图 5 可知,在最优参数组合条件下,实测日
GPP 与模拟日 GPP 两者的相关关系更显著,R2为
0􀆰 95,模型模拟结果与实测结果有较高的一致性.由
于模型自身的模拟简化,模拟输出尺度及通量观测
尺度的不同,以及下垫面及植被空间的不均一性等
因素的影响,模型的模拟结果与实测数据之间必然
存在一定差异.
3  讨    论
本研究中,由于未能获得实测半小时 GPP 数
据,最优参数组合的验证指标选取了模拟日 GPP 与
实测日 GPP 的均方根误差,若能获得半小时 GPP
数据,本研究方法将更具说服力,但本研究方法依旧
具有参考价值.
在 Vc max、Jmax最优组合条件下,GPP 模拟值与实
测值之间仍具有一定差异,造成差异的原因有两点:
一是除了 Vc max、Jmax外,影响光合作用过程的其他植
被生物生理参数优化在本研究中未被考虑;二是从
根本上分析,模型本身是对光合作用过程的简化,这
必然会造成模拟值与实测值之间的差异,进一步减
小差异则需要从机理上对现有模型进行改进,增强
其对光合作用的模拟能力,这是本研究未来的主要
研究方向.
叶子是植被进行光合作用及蒸腾作用的主要器
官,叶面积的大小直接影响植被的碳水循环过程,逐
日的叶面积指数是众多碳水循环模型中必不可少的
驱动数据,叶面积指数的获取质量直接影响模型的
模拟效果,如何动态地准确地直接监测区域 LAI 的
变化是本研究有待改进的关键技术问题.
参考文献
[1]  Li S⁃H (李世华), Niu Z (牛   铮), Li B⁃C (李壁
成). Study on remote sensing process model of vegeta⁃
tion NPP. Research of Soil and Water Conservation (水
土保持研究), 2005, 12(3): 126-128 (in Chinese)
[2]  Potter CS, Randerson JT, Field CB, et al. Terrestrial
ecosystem production: A process model based on global
satellite and surface data. Global Biogeochemical Cycles,
1993, 7: 811-841
[3]  Chen WJ, Chen J, Liu J, et al. Approaches for reducing
uncertainties in regional forest carbon balance. Global
Biogeochemical Cycles, 2000, 14: 827-838
[4]  Liu J, Chen JM, Cihlar J, et al. A process⁃based boreal
ecosystem productivity simulator using remote sensing
inputs. Remote Sensing of Environment, 1997, 62: 158-
175
[5]  Liu J, Chen JM, Cihlar J, et al. Net primary productivi⁃
ty mapped for Canada at 1 km resolution. Global Ecology
and Biogeography, 2002, 11: 115-129
[6]  Wang P⁃J (王培娟), Sun R (孙  睿), Zhu Q⁃J (朱
启疆), et al. Improvement on the abilities of BEPS un⁃
der accidented terrain. Journal of Image and Graphics
(中国图象图形学报), 2006, 11(7): 1017-1025 (in
Chinese)
[7]  Wang P⁃J (王培娟), Xie D⁃H (谢东辉), Zhang J⁃H
(张佳华), et al. Spatial scaling of net primary produc⁃
tivity based on process model in Changbai Mountain in
Natural Reserve. Acta Ecologica Sinica (生态学报),
2007, 27(8): 3215-3223 (in Chinese)
[8]  Mao X⁃G (毛学刚). Study on the Model of Northeast
Forest Carbon Cycle at Daily Step and the Integrated
Application of Remote Sensing. PhD Thesis. Harbin:
Northeast Forest University, 2011 (in Chinese)
[9]  Li D⁃Q (李登秋), Ju W⁃M (居为民), Zheng G (郑
光), et al. Comparison of estimated forest biomass in⁃
75315期                      卢  伟等: 基于东北温带落叶阔叶林通量数据的 BEPS 模型参数优化           
crement rate based on a process⁃based ecological model
and forest inventory data. Ecology and Environmental
Sciences (生态环境学报), 2013, 22 ( 10): 1647 -
1657 (in Chinese)
[10]  Zhang Y⁃M (张彦敏), Zhou G⁃S (周广胜). Advances
in leaf maximum carboxylation rate and its response to
environmental factors. Acta Ecologica Sinica (生态学
报), 2012, 32(18): 5907-5917 (in Chinese)
[11]  Zeng W (曾   伟), Jiang Y⁃L (蒋延玲), Li F (李
峰). Responses of Quercus mongolica’ s photosynthetic
parameters to soil moisture stress. Acta Ecologica Sinica
(生态学报), 2008, 28(6): 2504-2510 (in Chinese)
[12]  Chen BZ, Chen JM, Ju WM. Remote sensing⁃based
ecosystem⁃atmosphere simulation scheme ( EASS ):
Model formulation and test with multiple⁃year data. Eco⁃
logical Modelling, 2007, 209: 277-300
[13]  Ju WM, Chen JM, Thomas AB, et al. Modelling multi⁃
year coupled carbon and water fluxes in a boreal aspen
forest. Agricultural and Forest Meteorology, 2006, 140:
136-151
[14]  Farquhar GD, Caemmerer SV, Berry JA. A biochemical
model of photosynthetic CO2 assimilation in leaves of C3
species. Planta, 1980, 149: 78-90
[15]  Chen JM, Liu J, Cihlar J, et al. Daily canopy photosyn⁃
thesis model through temporal and spatial scaling for re⁃
mote sensing applications. Ecological Modelling, 1999,
124: 99-119
[16]  Collatz GJ, Ball JT, Grivet C, et al. Physiological and
environmental regulation of stomatal conductance, photo⁃
synthesis and transpiration: A model that includes a
laminar boundary layer. Agricultural and Forest Meteoro⁃
logy, 1991, 54: 107-136
[17]  Ball JT, Woodrow IE, Berry JA. A model predicting
stomatal conductance and its contribution to the control
of photosynthesis under different environmental condi⁃
tions / / Biggins J, ed. Progress in Photosynthesis Re⁃
search. New York: Springer, 1987: 221-224
[18]  Chen JM, Chen XY, Ju WM, et al. Distributed hydro⁃
logical model for mapping evapotranspiration using re⁃
mote sensing inputs. Journal of Hydrology, 2005, 305:
15-39
[19]  Baldocchi D. An analytical solution for coupled leaf pho⁃
tosynthesis andstomatal conductance models. Tree Phy⁃
siology, 1994, 14: 1069-1079
[20]  Wullschleger SD. Biochemical limitations to carbon
assimilation in C3 plants: A retrospective analysis of the
A / Ci curves from 109 species. Journal of Experimental
Botany, 1993, 44: 907-920
[21]  Yan S (闫  霜), Zhang L (张  黎), Jing Y⁃S (景元
书), et al. Variations in the relationship between maxi⁃
mum leaf carboxylation rate and leaf nitrogen concentra⁃
tion. Chinese Journal of Plant Ecology (植物生态学
报), 2014, 38(6): 640-652 (in Chinese)
[22]  Gorsel EV, Leuning R, Cleugh HA, et al. Nocturnal
carbon efflux: Reconciliation of eddy covariance and
chamber measurements using an alternative to the u∗ ⁃
threshold filtering technique. Tellus Series B: Chemical
and Physical Meteorology, 2007, 59: 397-403
[23]  Lloyd J, Taylor JA. On the temperature dependence of
soil respiration. Functional Ecology, 1994, 8: 315-323
作者简介  卢  伟,女,1988年生,博士研究生. 主要从事林
业遥感及碳循环模型研究. E⁃mail: sanpangzi1228@ 126.com
责任编辑  孙  菊
卢伟, 范文义, 田甜. 基于东北温带落叶阔叶林通量数据的 BEPS 模型参数优化. 应用生态学报, 2016, 27(5): 1353-1358
Lu W, Fan W⁃Y, Tian T. Parameter optimization of BEPS model based on the flux data of the temperate deciduous broad⁃leaved forest
in Northeast China. Chinese Journal of Applied Ecology, 2016, 27(5): 1353-1358 (in Chinese)
8531 应  用  生  态  学  报                                      27卷