廖立國，譚正洪，蔣 龍，符 妙，金 艷，劉應帥，章 杰

（海南大學 生態(tài)與環(huán)境學院，?？?570228）

森林生態(tài)系統(tǒng)作為陸地生態(tài)系統(tǒng)主體，在維持全球碳平衡、對抗氣候突變等方面發(fā)揮著重要作用[1]。森林的生物量占陸地生態(tài)系統(tǒng)的80%，其碳儲量約占全球陸地碳儲量的一半，是大氣碳儲量的3倍[2?4]，在調節(jié)大氣CO2濃度方面起到了重要的碳匯作用[5]。森林生態(tài)系統(tǒng)碳循環(huán)、碳固持、碳交換等研究已成為生態(tài)學研究的熱點問題，因此，對森林生態(tài)系統(tǒng)進行的碳通量動態(tài)研究具有十分重要的科學意義。

大氣CO2濃度的變化是導致全球變暖的重要因子，對大氣CO2濃度長期監(jiān)測可為人類制定碳排放及碳貿(mào)易政策提供理論基礎[6]；通過大氣CO2濃度的監(jiān)測數(shù)據(jù)反演區(qū)域及全球的碳源?匯分布[7?8]；利用自由大氣增濃實驗（FACE）研究生態(tài)系統(tǒng)對CO2施肥效應的響應機制[9]。森林的生長代謝與大氣CO2濃度變化密切相關。森林植被的光合作用與呼吸作用會影響CO2濃度[10]，而林冠層的CO2濃度的時空變化又對森林生態(tài)系統(tǒng)的生產(chǎn)力產(chǎn)生重要影響[11]。目前，與森林內部碳循環(huán)過程密切相關且作為渦度通量觀測重要補充的森林生態(tài)系統(tǒng)CO2濃度的研究尚不多見[12]。陳步峰等[13]在海南尖峰嶺熱帶雨林觀測到林內CO2濃度最高，譚正洪等[12]得到近地層CO2濃度日尺度變化曲線為“雙峰”的觀測結果；焦振等[14]在帽兒山溫帶闊葉林觀測到CO2濃度在日尺度上呈現(xiàn)“單峰”，且垂直方向上CO2濃度隨高度增加而降低；陳曉峰等[15]利用CO2廓線系統(tǒng)在安吉毛竹林生長季的監(jiān)測結果顯示，CO2濃度在7月達到最低值，林冠層與林冠上層垂直梯度變化趨勢相似。NPP模型對生態(tài)系統(tǒng)凈初級生產(chǎn)力（Net Primary Productivity，NPP）模擬可以反應生產(chǎn)力的變化趨勢。GROSSO等[16]利用超過5 600個站點的全球生態(tài)觀測網(wǎng)數(shù)據(jù)集合（包括年均NPP、土地覆蓋等級、降水和溫度等），部分修正了Miami模型濕潤區(qū)NPP高估的問題，提出了NCEAS（National Center for Ecological Analysis and Synthesis）模型。近年來，NCEAS模型已在全球/區(qū)域生態(tài)定量評估中驗證了該模型的可靠性和準確性[17?18]。董丹等[19]利用改進CASA模型估算中國西南喀斯特地區(qū)1999—2003年的NPP總體呈現(xiàn)增長的趨勢。李傳華等[20]基于Biome-BGC模型，利用參數(shù)本地化對五道梁地區(qū)草地生態(tài)系統(tǒng)1961—2015年凈初級生產(chǎn)力的情景模擬表明研究區(qū)的NPP呈顯著上升的趨勢。年尺度上的NPP模擬研究已取得較明確的結果，但由于植物生長對降水存在的滯后效應[21?22]使得模型對月尺度上的凈初級生產(chǎn)力模擬具有不確定性，模擬結果與當月的降水及溫度相關性低[23]。

基于生態(tài)系統(tǒng)過程模型的模擬研究已成為描述森林生態(tài)系統(tǒng)碳動態(tài)的重要研究手段。王媛等[24]基于EPPML模型千煙洲馬尾松人工林的碳循環(huán)過程進行的模擬分析得到的結果與實測值十分吻合；韓其飛等[25]基于Biome-BGG模型對天山北坡的針葉林長達50年的模擬結果顯示氣溫的升高促進了生態(tài)系統(tǒng)的NPP； PAULICK等[26]利用FORMIND模型模擬了兩種地形不同的熱帶森林凈生態(tài)系統(tǒng)交換量（Net Ecosystem Exchange，NEE），發(fā)現(xiàn)在演替早期的NEE最大，在演替后期的NEE接近零。然而對于可以深入了解森林碳循環(huán)過程的CO2通量動態(tài)模擬研究目前鮮有報道。熱帶森林通常指的是南北緯回歸線之間具有典型天然熱帶植被的森林[27]，作為地球系統(tǒng)碳循環(huán)的組成部分，在緩解全球氣候變化中扮演著重要角色，近年來，眾多專家學者從熱帶森林土壤呼吸、天然林再生過程中的碳積累速率、森林恢復對地面碳密度復原等方面開展了研究[28?30]，但對于熱帶森林的CO2通量在森林碳循環(huán)過程的動態(tài)變化關注較少。鑒于此，筆者基于泰國SKR環(huán)境研究中心站點2001—2003年熱帶森林數(shù)據(jù)集，結合以往的研究結果[16?18]，選擇NCEAS模型進行改進，對月尺度NPP進行預測，耦合Fick第一定律表征森林的CO2擴散過程，同時考慮溫度變化對凋落物分解速率的影響，構建熱帶森林碳通量動態(tài)模型，旨在模擬熱帶雨林CO2通量月動態(tài)循環(huán)變化，并對模型中參數(shù)進行敏感性分析，確定各參數(shù)對森林碳通量影響程度，為進一步完善熱帶森林碳循環(huán)模擬研究提供技術及理論基礎。

1 材料與方法

1.1 研究區(qū)概況泰國位于亞洲中南半島的中南部，地形以山地與高原為主，地勢北高南低，根據(jù)地理特征分為4個自然區(qū)域。北部叢林密布，東北部屬于湄公河流域，為高原地帶，干季少雨，雨季泥濘。中部為湄南河沖積平原，南部是狹長的丘陵地帶。全國森林總面積為1 440萬hm2，森林覆蓋率達25%。

研究區(qū)位于泰國呵叻高原西北部Sakaerat環(huán)境研究中心（地理坐標14°29′32.5″N，101°54′58.7″E），Sakaerat研究區(qū)（以下簡稱為SKR）占地面積約為78 km2，地形較平緩，坡度不超過4°，屬于熱帶草原氣候，年平均降水量在1 200～1 300 mm，年均溫24 ℃左右，干濕季分明。干季為11月至翌年3月，炎熱干燥，月降水少于40 mm；雨季為4?10月，降雨充沛[31]。研究區(qū)主要包含29.5 km2的干旱常綠林區(qū)域和12.2 km2的干旱龍腦香科森林區(qū)域。植被類型是熱帶季節(jié)性常綠林，森林冠層高度為35～40 m。海拔高度約543 m，主要土壤類型是由砂巖母質演化而來的淺石質鹽土。

1.2 數(shù)據(jù)與方法

1.2.1 數(shù)據(jù)來源與處理收集、整理SKR環(huán)境研究中心站點通量塔2001?03?01—2003?12?31綜合氣象要素和CO2濃度數(shù)據(jù)集（時間分辨率為30 min）。氣象觀測系統(tǒng)依4個不同垂向梯度（距離地面：5 、20 、35 、45 m）架設，同步測定溫度和CO2濃度（圖1）。翻斗式雨量計被固定安置于通量塔頂（47 m，遠高于冠層高度），以消除冠層截留的影響。數(shù)據(jù)處理選取線性內插法對少量的缺測數(shù)據(jù)（缺測數(shù)據(jù)占比小于總體樣本的5%）進行插補，以確保原始數(shù)據(jù)的完整性。最終，將逐半小時序列數(shù)據(jù)融合為逐月數(shù)據(jù)集，用于構建森林碳通量動態(tài)模型。

圖1 渦度通量塔監(jiān)測示意圖Fig. 1 Schematic diagram of eddy flux tower for monitoring

1.2.2 GLUE算法1992年，BEVEN等[32]提出普適似然函數(shù)不確定性評估方法，即GLUE（Generalized Likelihood Uncertainty Estimation）算法，對模型的參數(shù)進行識別和率定。在預先設置好的模型參數(shù)范圍內運用蒙特卡洛方法隨機獲取參數(shù)組合，代入模型中進行模擬，計算出模擬值與實測值的似然函數(shù)值，再計算函數(shù)值權重，得到參數(shù)組的似然值；根據(jù)預先設置好的似然值閾值，篩選出參數(shù)組似然值并重新歸一化，分析參數(shù)不確定性[33]。

1.2.3 模型構建與評價本研究將森林生態(tài)系統(tǒng)作為一個整體進行模擬研究，關注影響林中CO2通量的各個組分，包括森林向大氣邊界層的擴散過程、植被的光合及呼吸作用、凋落物分解，并對各組分進行分析，將其在模型中重現(xiàn)，模擬月尺度下森林內部CO2通量的動態(tài)變化。

通過數(shù)據(jù)處理，將CO2濃度整理為通量數(shù)據(jù)，以林冠以下的3層CO2通量均值作為森林內部的CO2通量，以林冠上層梯度作為大氣邊界層CO2通量，運用Fick第一定律，模擬林內向大氣的CO2擴散通量。凈初級生產(chǎn)力是由植被以CO2為底物進行光合作用所產(chǎn)生的有機質總量中扣除植被自養(yǎng)呼吸后的剩余部分，因此可以表征光合與呼吸作用對CO2通量的影響。應用此種關系，改進后的NCEAS模型可利用SKR監(jiān)測站的降水數(shù)據(jù)對月尺度森林NPP進行模擬。利用NCEAS模型模擬的月凈初級生產(chǎn)力對凋落物質量進行約束，同時考慮溫度變化對凋落物分解速率的影響，對森林凋落物的分解進行模擬。

根據(jù)圖2對模型形式化，森林CO2通量變化量（dCO2）計算公式為：

圖2 熱帶森林碳通量模型基本構成Fig. 2 Basic structure of carbon flux model of tropical forest

式中，F(xiàn)d是凋落物分解CO2通量，NPPmonth為月凈初級生產(chǎn)力，F(xiàn)c森林內部與邊界層之間的CO2擴散通量。

模型的循環(huán)迭代步驟為：1）設置迭代元素i，i值為6～36。2）判斷i是否等于6，若i=6，則第一個月的CO2通量也就是6月的CO2通量數(shù)據(jù)等于5月的實測值加上6月CO2通量變化量dCO2。3）若i≠6，則當月CO2通量數(shù)據(jù)等于上一個月的通量模擬值加上當月的通量變化量dCO2。直到i=36，模型的迭代結束，否則，i=i+1，繼續(xù)進行迭代計算。

運用GLUE算法，設置3個參數(shù)，在預先確定的參數(shù)范圍內隨機選取參數(shù)組的模擬（隨機模擬次數(shù)為100 000次），似然函數(shù)選取均方根誤差（Root Mean Squared Error，RMSE），進行參數(shù)敏感性分析，確定模型的最優(yōu)參數(shù)組合，將最優(yōu)參數(shù)組合的CO2通量模擬值與實測值比較，對模型優(yōu)度評價。

1.2.4 模型各組分計算（1）引入植被對降水滯后響應的月尺度NPP模型優(yōu)化。

NCEAS模型的NPP的計算公式為：

公式（2）為裸地計算公式，式中，ANPP單位為gC·（m2·a）?1。

公式（3）為非裸地計算公式，式中，ANPP單位為gC·（m2·a）?1。

式中，F(xiàn)（MAP）單位為mm。

式中，F(xiàn)（MAT）單位為℃。

ANPP為地上NPP，MAP是年降水量，MAT是年均溫度，比較MAP及MAT模擬結果，取最低值為NPP。根據(jù)圖3所示，F(xiàn)（MAP）顯著低于F（MAT），因此，選取MAP對NPP進行模擬。模型可模擬年尺度的NPP，而本研究使用月尺度的NPP對森林的碳通量動態(tài)變化進行模擬，因此根據(jù)研究內容，結合研究區(qū)域氣象狀況，提出1種新方法，對NCEAS模型改進，從而模擬月尺度的NPP。

圖3 2002和2003年SKR站熱帶森林NPP的2種模擬結果 Fig. 3 Simulation results of Tropical Forest NPP at SKR station in 2002 and 2003 NCEAS

由于植被生長對降水存在明顯的滯后響應[34?35]。結合NCEAS模型的運算過程，將前期不同時間跨度月降水量（考慮前1?12 月）均值作為當月降水量，并假設全年的月降水量都相同，則每個月的凈初級生產(chǎn)力也應當一致，將當月降水量乘以12，獲得年降水量，代入到NCEAS模型中，獲得在全年的月降水量都相同的假設情景下年NPP，再除以12，得到月NPP。以此類推，在假設全年每個月降水量都相同的情景下，利用NCEAS模型，模擬當月的NPP，計算公式為：

式中，NPPmonth為月凈初級生產(chǎn)力，單位為 gC·m?2·月，PPT為不同時間跨度月降水量均值，單位為mm，統(tǒng)計1?12月不同尺度的NPPmonth，得到各月尺度模擬下的全年凈初級生產(chǎn)力NPPm，與NCEAS模型利用年降水量計算的NPP對比，確定最優(yōu)月尺度。

（2）CO2擴散通量Fc。模型假定森林內部與邊界層之間的物質交換為平衡狀態(tài)，主要受濃度擴散控制[36]，因此其CO2擴散通量Fc可以通過Fick第一定律進行估算，計算公式為：

式中，F(xiàn)c是森林內部與邊界層之間的CO2擴散通量，單位為 gC·m?2·月；k為森林內部與邊界層之間的擴散系數(shù)，單位為 gC·m?2·月，用于表征擴散速度；dC/dx是邊界層（45 m）與森林內部(5、20、35 m均值)的CO2濃度梯度。

（3）凋落物分解CO2通量Fd。模型使用一種簡單，容易參數(shù)化的方程表達凋落物每月分解產(chǎn)生的CO2通量，計算公式為：

式中，F(xiàn)d是每月凋落物分解產(chǎn)生的CO2通量，單位為 gC·m?2·月；M0是每月的凋落物質量，單位為 gC·m?2·月；rinst是由TOMCZYK[37]提出的考慮到溫度變化對估計溫度敏感性潛在影響的每日分解速率 d?1；Days表示各月包含的天數(shù)。

式中，rref是在當溫度參考值Tref在288 K的分解速率0.020 4 d?1[38]。kB是玻爾茲曼常數(shù)（8.617×10?5eV·K?1）。Ea為活化能（eV）。

1.2.5 模型的參數(shù)取值范圍碳通量模型需要率定的參數(shù)共有3個，見表1。

表1 各參數(shù)內涵及取值范圍Tab. 1 Connotation and value range of each parameter

根據(jù)參數(shù)的物理特性，確定了k、Ea、M03個參數(shù)的初始取值范圍，M0的取值范圍通過最大月NPP進行約束。

1.2.6 模型優(yōu)度評價選用皮爾森相關系數(shù)（Pearson Correlation Coefficient，r）與均方根誤差（RMSE）對模型結果與實際測量值進行檢驗，r表示兩個變量之間線性相關關系，在模型模擬精度分析中，用r表示測量值與模擬值的相關關系。RMSE是用于衡量觀測值同模擬值之間的偏差，其值越低表明模型的預估結果越接近于實際測量值，即模型的擬合能力越高。

式中，CO2_sim是模型模擬值，CO2_ob是實際觀測值，是模擬值的平均值，是觀測值的平均值，模擬值與觀測值之間的協(xié)方差與標準差的商為樣本皮爾森相關系數(shù)r。

2 結果與分析

2.1 生態(tài)系統(tǒng)氣象觀測值由圖4可見，研究區(qū)降水量的季節(jié)分布差異明顯，降水主要集中分布在4?10月，11月至翌年3月為干季。2002年4?10月的降水量為1 720.76 mm，占全年降水量的98.9%，降水量最多的月份為5月，高達887.36 mm；2003年4?10月的降水量為1 109.31 mm，占全年降水量的96.2%，降水量最多的月份為5月，為355.66 mm。全年降水量與溫度變化趨勢呈現(xiàn)明顯的“單峰”，雨熱同期較為明顯，是典型的熱帶草原氣候，溫度在4?5月達到高峰期，2002年年均溫度為23.38 ℃，4月平均溫度最高（5.65 ℃），1月平均溫度最低（20.31）；2003年年均溫度為22.88 ℃，4月平均溫度最高（25.85 ℃），12月平均溫度最低（18.54 ℃）。2002與2003年的降水與溫度季節(jié)變化趨勢基本一致。

圖4 2001年3月至2003年12月的降水量及溫度變化趨勢Fig. 4 The variation trend of precipitation and temperature in the SKR monitoring station from March 2001 to December 2003

2.2 CO2濃度變化特征2002—2003年4個梯度的CO2濃度連續(xù)監(jiān)測結果（圖5）表明，SKR研究區(qū)的常綠林的CO2濃度特征呈現(xiàn)1個近U型的曲線，夏秋季低，冬春季高，2002年5 m層CO2濃度最 低 值 為6月 的378.71 μmol·mol?1，最 高 值 為12月的390.93 μmol·mol?1，2003年最底層5 m高CO2濃度最低值為8月的387.21 μmol·mol?1，最高值為12月的398.52 μmol·mol?1。垂直方向上，從最底層5 m的CO2濃度值到最高層45 m的CO2濃度值依次降低。

圖5 2002年和2003年CO2濃度月變化趨勢Fig. 5 The monthly variation trend of CO2 concentration in 2002 and 2003

2.3 最優(yōu)月尺度計算假設全年月降水量都相同，考慮降雨的滯后效應，分析前期不同時間跨度的月尺度降水所模擬的年凈初級生產(chǎn)力模擬結果（NPPm）與以全年降水量的年凈初級生產(chǎn)力模擬結果（NPP）。

由圖6-a可見，在2002年，1?8月尺度的降水量均值的NPPm存在較大差異，呈現(xiàn)線性增加的趨勢，表明降水量對年凈初級生產(chǎn)力具有顯著影響。8?12月尺度的降水量均值的NPPm差異較小。比較2種年凈初級生產(chǎn)力果，接近NPP 562.33 gC·(m2·a）?1的是前6個月降水量均值的NPPm，為531.82 gC·(m2·a）?1，前7個月降水量均值的NPPm，為531.82 gC·(m2·a）?1。2003年降水量相對2002年較低（圖4），以不同時間跨度月尺度（1?12月）降水量均值作為當月降水量的NPPm呈現(xiàn)線性增加的趨勢（圖6-b），植被的生產(chǎn)力受到水分的限制。對比2種年凈初級生產(chǎn)力模擬結果，接近NPP 438.82 gC·（m2·a）?1的是前6個月降水量均值的NPPm，為416.75 gC·（m2·a）?1，以上結果表明，每個月的凈初級生產(chǎn)力除了與當月降水量相關，還與前期的降水量相關。

圖6 2002年和2003年基于不同月尺度的NPP模擬結果Fig. 6 NPP simulation results based on different monthly scales in 2002 and 2003

2.4 模型擬合結果與檢驗經(jīng)過GLUE算法的循環(huán)模擬后得到擬合效果最佳的CO2通量模擬值與實測值比較，結果見圖7，模擬值與實測值的趨勢具有較高的一致性，r=0.69，RMSE=14.93 gC·m?2·月。

圖7 2001年6月至2003年12月森林內部CO2通量模擬值與實測值對比Fig. 7 Comparison of simulated and measured CO2 concentration in the forest from June 2001 to December 2003

從全年尺度來看，模型能準確模擬出森林在雨季與干季的CO2通量變化特征，雨季時的高溫與豐富降水有利于植被的光合作用，森林的CO2通量降低。干季時的溫度較低、輻射不足、降水稀少，不利于植物的生長，森林CO2通量達到全年的最高值。2002年，CO2通量模擬值與實測值的峰值均出現(xiàn)在12月，實測值為510.11 gC·m?2·月，模擬值為524.78 gC·m?2·月；2003年，CO2通量模擬值與實測值的峰值出現(xiàn)在12月，實測值為526.08 gC·m?2·月，模擬值為537.57 gC·m?2·月。根據(jù)模擬結果來看，實測數(shù)據(jù)與模擬數(shù)據(jù)的相關性較強，數(shù)值大小接近，總體而言，模型能夠較好地模擬泰國熱帶雨林的CO2通量數(shù)值大小及變化趨勢。

2.5 參數(shù)敏感性分析選取100 000組參數(shù)進行不確定性分析，比較不同參數(shù)在模型的敏感性大?。▓D8）。結果表明，隨著取值的不同，M0和k兩個參數(shù)的擬合優(yōu)度存在較為明顯的差別，表明參數(shù)在模型中較為敏感。其中參數(shù)k最為敏感，在參數(shù)分布區(qū)間可看出較為明顯的極值區(qū)間（k取值0.4時）；M0在區(qū)間0～13.9呈現(xiàn)下降趨勢，但在M0>13.9的區(qū)間內都具有較低似然值取值；而參數(shù)Ea在整個參數(shù)分布區(qū)都有低似然值取值，表明Ea不敏感。

圖8 模型的3個參數(shù)與似然函數(shù)關系散點圖Fig. 8 Scatter plot of the relationship between three parameters of the model and likelihood function

3 討 論

本研究對NCEAS模型進行了改進，并基于構建的熱帶森林碳通量動態(tài)模型，應用泰國SKR監(jiān)測站的降水量及溫度數(shù)據(jù)，CO2渦度通量數(shù)據(jù)，對森林內部的CO2通量變化狀況進行模擬，并與監(jiān)測站的實際觀測結果比較，得到的結果分析如下：

（1）統(tǒng)計結果表明，泰國SKR監(jiān)測站熱帶森林干季與雨季的降水量差異較明顯，雨季降水量占全年的90%以上，顯著高于干季，并且月均溫度也高于干季；CO2濃度垂直梯度格局上受土壤呼吸與冠層碳代謝等因子影響，在垂直方向上隨高度的增加而降低，造成該現(xiàn)象的原因是由于夏秋季節(jié)氣溫的上升促進了森林生態(tài)系統(tǒng)中木本植物的生長[14]，增強了植物群落的光合作用，導致CO2濃度的下降。不同高度間CO2濃度變化趨勢無顯著差異

（2）NCEAS模型一般通過利用氣候和土地覆蓋的數(shù)據(jù)來估計全球年尺度上的NPP，本研究嘗試改進NCEAS年尺度NPP模型，對月尺度上的森林凈初級生產(chǎn)力進行模擬，并與原模型年尺度的模擬結果進行比較。結果表明，模型在使用降水驅動時，NPP值明顯低于氣溫驅動下的NPP值，說明降水是限制該區(qū)域植被生長最重要因子，符合利用NCEAS模型估算全球NPP，得到低緯度地區(qū)NPP的變化主要受降水量驅動的結論[30]?；谥参餃箜憫奶攸c，從植被對降水的滯后時間跨度著手，并且考慮了模型適用范圍存在的差異。假設全年月降水量都相同，利用NCEAS模型采用降水量計算NPP，通過與年降水量模擬結果對比確定了前6個月降水均值為影響當月生產(chǎn)力的最優(yōu)時間尺度，提高了NCEAS模型在時間尺度上的通用性與準確性，表明了對植物的干旱狀況評估時，應當考慮不同時間尺度下降水積累效應及水分的虧缺對植被的影響[39]，此結果也與崔林麗等[40]分析中國東部植物NDVI對降水響應特征，得到植被對降水變化最大響應的滯后期隨著緯度降低由北到南逐漸延長的結果相符。

（3）構建的模型對SKR森林的CO2通量的模擬結果與實際測量值的對比說明新模型在擬合熱帶森林在碳通量方面具有較好的適用性、可靠性。參數(shù)敏感性分析結果表明k是影響熱帶森林CO2通量變化的主要因子，當通過生態(tài)系統(tǒng)過程模擬森林碳通量變化時，要著重考慮擴散過程，同時耦合其他生態(tài)系統(tǒng)功能。模型的模擬值與實測值之間相關性好，相關系數(shù)達0.69。模擬的CO2通量數(shù)據(jù)與實測CO2通量數(shù)據(jù)的季節(jié)性差異基本一致，均呈現(xiàn)干季高、雨季低，與同在熱帶地區(qū)的海南尖峰嶺通量觀測結果一致[13]。在研究區(qū)同一經(jīng)度帶（101°E）的西雙版納熱帶季雨林的研究中，張一平等[41]發(fā)現(xiàn)林冠?大氣間的日均值呈現(xiàn)明顯的季節(jié)性變化特征，干季的碳通量絕對值高于雨季，但在更高的緯度地區(qū)，趙仲輝等[42]在亞熱帶杉木人工林生態(tài)系統(tǒng)的開展的研究結果與張元媛等[43]在寒帶峨眉冷杉成熟林生態(tài)系統(tǒng)的研究結果卻呈現(xiàn)CO2通量冬季低、夏季高的現(xiàn)象，與本研究的結果相反，這可能是因為熱帶地區(qū)生長旺季冠層的CO2濃度由于強烈的光合作用而變得很低[12]，導致在不同溫度帶的觀測出現(xiàn)了不同的結果。通量數(shù)據(jù)質量是影響模型誤差的重要因子，并且易受降水、大氣湍流及傳感器自身噪聲影響[44]。2002年雨季的CO2通量模擬值出現(xiàn)了較大的波動，雨季的氣象狀況對模擬結果存在明顯影響，沒有很好體現(xiàn)雨季的CO2通量變化特征。此外，模型的誤差與參數(shù)的選擇有重要關系，碳通量動態(tài)模型根據(jù)生態(tài)系統(tǒng)過程輸入了3個參數(shù)，以RMSE作為似然函數(shù)，對參數(shù)敏感性進行分析，發(fā)現(xiàn)模型對參數(shù)Ea和M0不敏感，而當k取值0.4時，取得極值，意味擴散系數(shù)k影響熱帶森林CO2通量變化的主要因子，并說明若只受擴散作用影響，森林生態(tài)系統(tǒng)的CO2每個月將會有40%擴散到大氣中，經(jīng)過2.5個月后擴散完成。表明了在代謝旺盛的熱帶森林，向外界擴散的CO2是森林CO2通量變化的主要原因，這與基于SVAT模型在印度尼西亞蘇拉威熱帶森林開展的冠層與大氣的CO2交換研究結果相似[45]。

盡管構建的模型模擬結果與實際觀測值的趨勢具有較高的一致性，但與通量觀測結果相比較還存在一定的偏差，原因可能在于：1）模型所用數(shù)據(jù)只來自單一氣象站點，結果缺少普適性，后續(xù)工作需要整合更多站點數(shù)據(jù)并進行模擬，以提高模型的適用范圍；2）通量塔的最高層的CO2氣體分析儀只有45 m，作為邊界層的高度有所不足，但更高區(qū)域的CO2通量數(shù)據(jù)難以獲?。?）構建的碳通量模型中只設置了3個參數(shù)，并未使用遙感NPP數(shù)據(jù)對模型進行驗證；4）森林生態(tài)系統(tǒng)CO2通量還受其他因素的影響，比如土壤呼吸。雖然存在以上問題，但模型總體上能夠較好地模擬SKR監(jiān)測站熱帶森林CO2通量的數(shù)值大小和變化趨勢。因此，在未來的研究中，為進一步提高模型的精確性，減小誤差，深入揭示森林碳通量的動態(tài)變化過程，還需選取不同似然函數(shù)對模型參數(shù)率定，增加土壤呼吸參數(shù)。研究結果可為典型熱帶森林生態(tài)系統(tǒng)碳通量動態(tài)模擬及森林碳循環(huán)研究提供科學依據(jù)與理論基礎。