学术前沿 | 基于多源遥感观测数据的我国陆地碳汇综合估算

---

南京大学温室气体与空气质量模拟实验室课题组近日在《Journal of Geophysical Research: Biogeosciences》期刊上发表题为“China's Terrestrial Carbon Sink Over 2010–2015 Constrained by Satellite Observations of Atmospheric CO2 and Land Surface Variables”的研究论文。文章基于全球碳同化系统第2版（GCAS v2）和碳循环数据同化系统（CCDAS），同化卫星CO2和地表要素，估算了2010–2015年中国陆地碳汇，研究结果有助于增进我们对中国陆地碳汇大小及其不确定性的认识。

文章第一作者为何维副研究员，通讯作者为江飞教授和吴谋松副教授。

引文格式： He, W., Jiang, F., Wu, M., Ju, W., Scholze, M., Chen, J. M., et al. (2022). China's terrestrial carbon sink over 2010–2015 constrained by satellite observations of atmospheric CO2 and land surface variables. Journal of Geophysical Research:Biogeosciences,127,e2021JG006644.https://doi.org/10.1029/2021JG006644

全文链接： https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2021JG006644

研究背景

全球陆地碳汇总量已得到较为一致的估算结果，而在不同区域的估算具有较大的不确定性。区域尺度陆地碳汇的准确估算对于理解区域碳源汇机制和实现碳中和目标具有重要意义。大气反演是估算全球和区域碳源汇的重要手段，但传统基于有限的地基大气CO2观测难以准确量化区域及更小尺度的碳源汇时空动态，多源地表遥感为解决区域尺度碳源汇估算提供了巨大潜力。

我国是目前世界上最大的碳排放国家，增加陆地碳汇是中和其排放的重要手段之一。近年来，我国绿化力度增强，碳汇持续增加，为碳中和作出了重要贡献。但我国陆地碳汇大小的估算尚存在争论。已有的基于大气反演估计的2010年前我国碳汇大约为0.27-0.45 十亿吨碳/年（即PgC/yr，以碳为计量对象），Thompson等（2016）基于不同全球碳同化系统估算的2008–2012东亚（含部分我国周边地区）陆地碳汇范围为0.01-1.18十亿吨碳/年、中值为0.46亿吨/年，而最近Wang 等（2020）在Nature杂志上发表的基于我国及周边区域增加的地基大气CO2观测估算的2010–2016年我国碳汇高达1.11 ± 0.38十亿吨碳/年。因此，我们需要发展更先进的方法，利用更多的可获取的观测数据，更准确地量化我国陆地碳汇规模及其分布。

本研究基于我们自主研发的GCAS v2系统和引进的CCDAS系统，通过分别同化卫星XCO2浓度，以及地基大气CO2浓度结合卫星土壤湿度（SM）和光合有效辐射吸收比（FAPAR），估算了2010–2015年中国陆地碳汇。本研究提供了我国陆地碳汇估算的及时报告，增进我们对中国陆地碳汇大小及其不确定性的认识。

研究方法

本研究采用GCAS v2和CCDAS两套同化系统。GCAS v2利用GOSAT XCO2 （ACOS v7.3 L2 Lite版）作为观测约束，直接优化碳通量。其中，先验陆地碳通量采用BEPS模型输出，而BEPS模型由遥感叶面积指数（LAI）和聚集度指数驱动。CCDAS以全球8个站点的地基大气CO2浓度、卫星SMOS L3 SM和JRC-TIP FAPAR数据作为观测约束，耦合BETHY生态模型，通过优化模型关键参数实现碳通量优化估算。

我们利用中国及周边的8个地基大气CO2观测站点的数据来验证模型的优化效果。对于估算的中国陆地碳汇总量大小及其空间分布，我们利用基于森林清查数据估算的森林碳汇结果进行比较。

为了论证所估算碳汇的合理性，我们还利用了微波遥感土壤水分（GLEAM SM）、重力卫星监测的地下水总储量变化（GRACE-REC TWS）和微波遥感植被含水量（VODCA VOD）等多源地表数据以及SPEI干旱指数。此外，我们还利用了STILT大气粒子扩散模型分析我国地基CO2观测站点对地表碳通量的敏感性。

主要结果

同化系统评估

我们首先利用地基大气CO2浓度观测数据验证两个同化系统估算中国陆地碳汇的能力（图1）。在这四个地点进行的比较表明，两个系统模拟的后验大气CO2浓度与观测值一致，平均偏差在-2.4±0.37~0.6±1.15 ppm（均值±95%置信区间）范围内。与先验浓度模拟相比，这8个站点的模拟和观测浓度之间的平均绝对误差在两个系统中均减小了约0.6 ppm，这表明我们的两个系统能够优化估算中国陆地碳通量。

图1.GCAS和CCDAS在四个站点(AKDL、TAP、SDZ和LAN) 的大气CO2模拟和观测浓度比较。蓝色和红色的数字分别是GCAS和CCDAS后验模拟减去观测的差值。灰色的点表示受局地信号影响严重的被排除的观测结果。

2010–2015年中国陆地碳汇年均总量

我们统计了GCAS和CCDAS估算的2010-2015年中国陆地碳汇年平均值（图2a）。GCAS和CCDAS分别为0.34±0.14 PgC/yr（均值±不确定性）和0.43±0.09 PgC/yr，它们与基于森林清查的森林生物量和土壤碳汇估计基本一致（约为0.26 PgC/yr）。此外，两个估算结果都表明，在2010年、2012年和2013年，当中国西南部和南部发生严重干旱或热浪事件时碳汇减弱（图2b）。

GCAS和CCDAS的后验估计值的年际变化非常一致，而先验估计值显示出较大的差异，这主要是由于CCDAS的后验估计通量与先验相比发生了明显变化 。碳汇年际变化的改善与CCDAS中同化FAPAR数据

图2.GCAS和CCDAS估算的2010–2015年中国陆地碳汇总量(a)和西南地区核心区域气候变量和遥感地表要素在这一时期的异常(Z-score)(如图3a所示)。Tair表示春季气温的异常，其他为春季和夏季该变量的异常。误差棒表示不确定性。2001–2015年多年平均值作为计算异常的基准。

中国陆地碳汇空间分布

我们分析了中国陆地碳汇的空间分布情况。图3显示了由两个系统估算的2010–2015年平均碳汇的空间分布以及基于森林清查估算的碳汇分布。两个结果在大多数区域的分布相当一致，显示我国中部和东部是碳汇，而中国西南部的部分地区是碳源（图3a和3b）。在空间上，它们也大致与基于森林清查的碳汇估算一致（图3c）。相比之下，在森林主要分布的东北部、中南部和西南部地区，这三个估算结果更为一致，而其他地区则一致性较差（图3d）。在东部地区不一致的原因是，两个系统对森林和农田碳汇的估计存在很大差异（图4）。总体而言，我们的两个估算结果及基于森林清查的估算结果在我国南方较北方更为一致。

图3.GCAS和CCDAS估算的2010–2015年中国年平均碳通量空间分布及与基于森林清查估算碳汇的比较。(a) GCAS估算的碳通量。(b)CCDAS估算的碳通量。(c)根据清查估算的森林生物量和土壤碳汇。(d)两种碳汇估算值与区域森林生物量和土壤碳汇的比较。其中，负值表示碳汇，正值表示碳源。NW、N、NE、E、SC和SW分别是西北、北部、东北、东部、中南和西南的简称。(a)和(b)中红色矩形区域为中国西南地区核心区域(横跨20°-30°N, 90°-105°E)，含有明显的碳源。

不同生态系统对碳汇的贡献

我们进一步分析了不同生态系统、尤其是森林对我国不同地区陆地碳汇的贡献（图4）。总体而言，这两种估算结果表明不同地区的生态系统贡献相对一致（图4 a和b）。在南方（东部、南部和西南部），森林贡献了主要碳汇。在北方的大部分地区（西北部和北部），草地的贡献超过了森林。在东北部（NE）和东部（E），农作物的贡献很大。在这两个地区，草地的贡献很小。对于森林碳汇（图4c和d），在不同地区我们的两个估计值与基于森林清查的估计值相当。当对北方和南方的碳汇进行汇总时，GCAS和CCDAS的估算值相当或接近在整个中国，GCAS和CCDAS估算的森林碳汇分别为135和136百万吨/年，略低于基于森林清查的估计值149百万吨/年。

图4.2010–2015年中国六个区域不同生态系统类型年均碳汇。(a)和(b)分别为GCAS和CCDAS估算的不同生态系统类型碳汇统计;(c)和(d)分别是两个系统估计的六个区域和两个聚合区域(北方和南方)的森林碳汇和基于森林清查估算的碳汇比较。

讨论

我们讨论了中国陆地碳汇总量大小和空间分布。我们估算的中国碳汇总量（GCAS为0.34±0.14 PgC/yr，CCDAS为0.43±0.09 PgC/yr）落在多种现有的业务运行的全球碳同化系统估算范围内（0.25-0.48 PgC/yr），也与其他多种同化卫星数据的结果较一致。相对而言，同化卫星数据的不同方法估算的结果更为接近（表1）。此外，我们的估算结果与根据森林清查推断的总碳汇（约0.32 PgC/yr）一致。该结果是根据基于森林清查的森林生物量和土壤碳汇估算（约0.26 PgC/yr）以及2001–2010年中国森林占所有生态系统的碳汇比率（80%）估算得出的（Fang 等，PNAS, 2018）， 假定该比率在2010–2015年保持不变。但是我们的估算结果与Wang等（2020）估算结果（1.11 ± 0.38 PgC/yr）有很大差别。

表1.不同模型或研究估算的中国2010-2015年年均碳汇(单位:PgC/yr)

我们估算的我国陆地碳汇主要分布在中部和东部地区，这大致与生态模型模拟、通量观测和碳储量清查结果一致。有趣的是，我们的两个系统一致反映我国西南部分地区为碳源，而这很可能与我国西南地区近年来的连年干旱有关。区域性干旱会削弱陆地碳汇，近年来持续的严重干旱事件可能已使西南的部分地区成为碳源。而Wang等（2020）估算结果显示西南地区为我国碳汇最强的区域。我们利用STILT粒子扩散模型模拟了离西南区域较近的地基CO2观测站点的后向轨迹，用来分析这些站点的浓度观测对地表碳通量的敏感性（图5）。发现这些站点几乎无法感知西南干旱发生区域的地表碳通量的变化，即便最近的香格里拉站点也只能在很小范围具有微弱的对地表碳通量的敏感性。这说明，基于地基大气CO2浓度观测推断的我国陆地碳汇难以反映西南地区的干旱影响，因而会对碳源汇估算造成偏差。这在以往的基于地基CO2反演中没有被发现。这可能部分解释了Wang等（2020）估算偏高（1.11 ± 0.38 PgC/yr）的原因。

图5.基于拉格朗日粒子扩散模型(STILT)模拟的香格里拉站(XGLL)、金沙站(JS)、瓦里关站(WLG)和临安站(LAN) 的1年内平均的7天后向轨迹影响足迹。由于大气浓度对地表通量的敏感性较低，这些站点(以三角形标记)总体上无法探测到西南核心区域的地表碳通量信号。其中，XGLL站点对该区域的一小部分显示出相对较低的敏感性。

最后，我们总结了GCAS和CCDAS能够较好反映中国陆地碳汇时空分布的原因。GCAS采用了GOSAT在整个区域内相对均匀分布的观测结果，具有较高的重访频率（3天），以及BEPS模型提供合理的先验通量估计，该模型由遥感LAI驱动，使其能够比使用地基CO2数据和其他先验通量的传统反演揭示更多的空间细节。对于CCDAS，除了地基CO2数据外，还使用遥感SM和FAPAR来约束模型参数，这有助于进一步改进后验碳通量模拟。这些卫星数据提供了有关地表和大气的大范围且一致的空间信息，能够反映干旱等极端气候事件对陆地碳循环的影响。尽管由于受到电磁波射频干扰，中国境内的有效SMOS SM数据受到一定限制，但CCDAS仍然能够通过使用来自中国以外具有相同植被功能类型的地区的可用高质量数据优化的参数，从而充分利用现有的SM信息。

结论

2010–2015年期间，我国陆地碳汇为中等规模，GCAS和CCDAS估算结果分别为0.34±0.14（均值±不确定性）和0.43±0.09 十亿吨碳/年，这得到了基于森林清查的森林和土壤碳汇估算结果（0.26十亿吨碳/年）的支持，并落在现有集成多种大气反演的估算结果范围之内（0.25-0.48十亿吨碳/年）。它们在年际变化方面也相当一致，反映了我国西南地区干旱所引起的碳汇异常。此外，它们的空间分布与基于森林清查的估算大致一致，表明最大的碳汇位于我国中部和东部。它们对森林碳汇的估算与基于清查的估算在不同地区吻合很好，特别是当汇总到中国北方和南方。尽管我国陆地碳汇因近年来植树造林而得到增强，但也因区域性干旱而明显减弱，由于观测不足，这些干旱影响在以前基于地基大气CO2的碳源汇反演中往往没有充分体现。研究结果表明，基于卫星观测的大气CO2和多源遥感地表要素对于反演区域尺度的陆地净碳通量至关重要。

图片：何维 文字：何维 编辑：李英松 审核：江飞