一种顾及生长季LAI变化的森林生态系统GPP估算方法

森林生态系统是陆地生态系统中固碳的重要主体，提高森林生态系统总初级生产力(GPP)的估算精度对全球碳循环和气候变化的预测研究具有重要意义。叶面积指数(LAI)对GPP的估算具有重要影响，然而当前研究多将8天内LAI预设为同一值，较少关注8天内LAI的变化。因此，本研究基于北部生态系统生产力模拟(Boreal Ecosystem Productivity Simulator，BEPS)模型，提出等差序列法分别对Globmap、MODIS的LAI产品进行时间序列插值，得到日尺度的LAI插值结果，并用于驱动BEPS模型。基于生长季(日尺度)、生长季(月尺度)、全年(月尺度)三种时间尺度，模拟2003-2010年分属南亚热带、中亚热带和温带的鼎湖山、千烟洲、长白山3个典型森林生态系统GPP并与站点实测值作对比分析。利用精度评价指标决定系数R²、平均绝对误差(MAE)、均方根误差(RMSE)对模型模拟结果进行评价。研究结果表明:(1)生长季(日尺度)上，基于等差序列法得到的LAI模拟GPP的精度整体优于八天等值法，R²提高了11%、MAE、RMSE分别降低了5%、7%，且Globmap_LAI模拟GPP的R²较MODIS_LAI高。其中Globmap_LAI、MODIS_LAI在千烟洲、长白山站点的R²、MAE、RMSE表现效果最好，长白山站点R²的提高达58%，鼎湖山站点效果不明显。(2)生长季(月尺度)上，基于等差序列法得到的LAI模拟GPP的精度整体优于八天等值法，R²提高了9%、MAE、RMSE分别降低了1%、3%。Globmap_LAI的R²高于MODIS_LAI但MODIS_LAI精度提高幅度大，MODIS_LAI在长白山站点R²提高约39%，而Globmap_LAI仅为4%，Globmap_LAI在鼎湖山、千烟洲、长白山站点两种插值方法差异不明显。生长季(月尺度)的R²高于生长季(日尺度)，两者分别为0.60、0.40。(3)全年(月尺度)上，基于等差序列法得到的LAI模拟GPP的精度整体优于八天等值法，但两者基本持平，差异不明显，R²提高了1%、MAE、RMSE分别降低了1%、2%。全年(月尺度)的R²高于生长季(月尺度)，两者分别为0.84、0.60。(4)LAI差值绝对值越高，即植被LAI随时间变化幅度越大，等差序列法模拟效果越优。生长季(日尺度)上，LAI差值绝对值月均值大于等于1.48时，除了鼎湖山站点的R²，等差序列法的R²、MAE、RMSE均优于八天等值法得到的;生长季(月尺度)上，LAI差值绝对值月均值大于等于3.51时，等差序列法的R²、MAE、RMSE均优于八天等值法得到的;全年(月尺度)上，LAI差值绝对值年均值大于等于37.05时，等差序列法的R²、MAE、RMSE均优于八天等值法。等差序列法针对MODIS_LAI数据的鼎湖山、长白山站点表现效果较优。研究结果为LAI数据的选取和插值方法提供了参考，并且有助于提高GPP的估算精度。