中心动态|西南大学李月臣教授团队通过改进Biome-BGC模型提升了中国西南喀斯特地区常绿阔叶林GPP模拟精度

本研究聚焦于中国西南喀斯特地区的常绿阔叶林，涵盖四川、云南、贵州及重庆。该区域地形破碎、生态系统脆弱，常年受多云多雨的季风气候影响（图1），是典型的生态敏感区。深入理解喀斯特地区生态系统的碳循环过程，准确量化GPP对于理解区域碳循环具有重要意义。然而，区域内通量观测站点数量有限，且建设和维护成本较高，难以获取覆盖整个区域尺度的GPP实测数据。此外，光能利用率（LUE）模型在持续多云多雨条件下对光合有效辐射等关键参数的反演存在较大不确定性，限制了GPP模拟的精度与可靠性。

针对上述问题，西南大学李月臣教授团队以Biome-BGC生态过程模型为基础，结合多源遥感数据产品与实地通量观测数据，构建了一套适用于喀斯特地区常绿阔叶林的GPP模拟优化方案（图2）。研究基于通量塔观测获取的关键生态生理参数对模型进行了校准，并利用SIF数据确定植被物候阶段，构建了基于生长时期的残差校正方法。通过集成多源数据并优化模型参数，最终获取了西南喀斯特地区常绿阔叶林2001—2019年，空间分辨率为1公里的逐日尺度GPP数据集。

模型模拟结果与未参与参数优化的通量站点观测数据进行了对比分析。结果显示，经过参数优化后的模型在模拟精度较默认参数模拟有明显提升，相关系数（R）提高了7%，均方根误差（RMSE）降低了28%（图3）。

同时，与现有GPP产品相比，优化后的模型在空间分布上表现出较强的一致性。模拟结果与EC-LUE GPP、VPM GPP相关系数大于0.7的像素比例分别达到了73%和96%，进一步验证了模型的优越性能和可靠性。与站点实测数据的对比也显示，本研究的模拟结果优于其他产品（图5），证明了该方法在喀斯特常绿阔叶林生态系统中的适用性。所构建的模型优化方案能够更准确地模拟该区域GPP变化，为区域碳循环研究提供了可靠的数据支持。

该研究成果以“Improved Biome-BGC model for simulating spatiotemporal dynamics of gross primary productivity in evergreen broadleaf forests of the karst region”为题于2025年6月18日在线发表于Environmental Modelling and Software，西南大学地理科学学院硕士生刘恒源、博士生丁倩为共同一作，李月臣教授为通讯作者。