中亚热带人工针叶林CO2通量组分统计不确定性分析

？以ChinaFLUX千烟洲中亚热带人工针叶林2003~2005年连续3a涡度相关CO2通量观测数据为基础,采用“单塔日变化法(Daily-differencingapproach)”分析了CO2通量观测数据的随机误差,研究比较了不同生态过程模型、不同参数优化方法对模型关键参数及CO2通量组分(Reco,NEE,GEE)的影响,并利用不确定性分析方法—自助法(Bootstrapping)系统地分析了生态过程参数和CO2通量组分的不确定性.结果表明:(1)CO2通量观测随机误差更多服从双边指数分布(Laplace分布),而不是高斯正态分布;(2)不同参数优化方法获取的生态过程参数存在明显差异,最大似然参数优化方法获取的参数结果不确定性低于普通最小二乘参数优化方法;(3)最大似然参数优化方法与普通最小二乘参数优化方法模拟的Reco,NEE,GEE结果分别相差12.18%(176.47？gC·m-2·a-1),34.33%(79.175gC·m-2·a-1),5.4%(91.955gC·m-2·a-1);而TW_model与T_model模拟Reco,NEE,GEE结果分别相差1.31%(17.825gC·m-2·a-1),2.1%(5.745gC·m-2·a-1),0.26%(4.28gC·m-2·a-1).这说明参数优化方法的选择对CO2通量的影响高于模型的选择,因此选择适当的误差分布假设(参数优化方法)对CO2通量的确定和评价很重要;(4)最大似然法参数优化方法获取结果的相对不确定性低于普通最小二乘法参数优化方法.且CO2通量组分估计结果的不确定性随时间尺度变化,时间尺度越大,CO2通量的相对不确定性越小.Reco,NEE,GEE年尺度上的相对不确定性分别为4%~8%,7%~22%,2%~4%.