基于3D-CMCC-FEM过程模型的森林碳通量与碳储量监测研究——以意大利国家森林清查为例

《Ecological Informatics》：Monitoring forest attributes, C-fluxes, and C-stocks using the process-based model 3D-CMCC-FEM

　　本研究针对传统森林监测方法在数据连续性和气候变化响应方面的不足，利用过程模型3D-CMCC-FEM模拟了意大利5135个森林样地的碳-氮-水循环过程。验证显示模型对胸径(DBH)、树高(H)、木材蓄积量(GSV)和碳储量(CS)的预测精度较高（r2达0.49-0.65），区域尺度GSV模拟误差仅10.1%。与遥感GPP数据对比证实模型能有效捕捉生产力时空动态，为森林碳汇监测和气候政策制定提供了过程驱动的创新工具。

　　

随着《巴黎协定》增强透明度框架的实施，各国需要每两年提交一次温室气体清单报告，其中土地利用、土地利用变化和林业（LULUCF）部门的碳核算尤为重要。然而，森林碳储量的动态评估面临巨大挑战——传统国家森林清查（NFI）通常间隔十年以上，难以捕捉气候极端事件的影响；遥感方法虽能实现连续监测，但无法模拟生物地球化学过程；而簿记模型（bookkeeping models）虽用于国际报告，却缺乏对气候变化响应的机制描述。

意大利作为地中海气候区的典型代表，其森林覆盖率达36%，包含从海岸带松林到高山云杉林的垂直梯度，且42.3%为萌生林，生态系统复杂程度冠绝欧洲。更棘手的是，该国木材采伐量仅占年生长量的0.9%，远低于欧洲平均水平，这种近乎"自然生长"的状态本应形成巨大碳汇，但实际碳收支核算却因方法学局限存在显著不确定性。

正是在此背景下，由意大利国家研究委员会（CNR-ISAFOM）领衔的研究团队开展了一项开创性工作。他们首次将过程模型3D-CMCC-FEM（三维-耦合碳循环模型-森林生态系统模块）应用于国家尺度的森林监测，模拟了覆盖全国83%样地（5135个NFI样方）的碳-氮-水循环过程，并将结果与第三次NFI实测数据、温室气体清单（GHGI）以及MODIS/GOSIF遥感GPP数据集进行多源验证。这项发表于《Ecological Informatics》的研究，为过程模型在业务化森林监测中的应用提供了里程碑式案例。

关键技术方法包括：利用第二次意大利NFI（2005年）样地数据初始化模型，模拟2005-2020年间森林动态；通过3I3D算法识别并排除受干扰样地；采用空间降尺度至2.2公里的COSMO5.0_CLM9区域气候模型数据驱动模型；使用Chapman-Richards方程计算树高，Cannell公式估算生物量；在NUT2区域尺度对比官方NFI和GHGI数据；采用GOSIF（基于OCO-2荧光数据）和MODIS两种遥感GPP产品验证碳通量模拟。

研究结果

3.1 模型评估

模型在样地水平展现出可靠预测能力：对DBH、H、GSV和CS的模拟r²分别为0.65、0.49、0.61和0.53，RMSE%范围在32%-46%。特别值得注意的是，混合林分模拟精度最高（GSV的RMSE%为43%），表明模型能有效处理物种互作效应。区域聚合后精度进一步提升，GSV和CS的RMSE%分别降至10.1%和10.5%，r²高达0.95和0.86，证明模型在宏观尺度具有更优表现。

3.2 模型与遥感数据集对比

模型模拟的GPP时空格局与遥感产品高度一致，年际变化范围（600-3000 gC m^-2 yr^-1）合理反映地中海森林生产力特征。虽然与GOSIF（RMSE%=41%）的吻合度略优于MODIS（RMSE%=43%），但三者均显示2005-2020年间意大利森林GPP呈上升趋势。模型还成功捕捉到海拔梯度效应——在1000-1500米山毛榉林带出现生产力峰值，而沿海地中海树种区则呈现较低值。

讨论与意义

这项研究突破了过程模型传统上限于样地应用的壁垒，首次实现国家尺度多物种森林的动态模拟。其核心价值在于构建了"NFI实测初始化+过程模型模拟+多源数据验证"的创新框架，相比现行GHGI报告采用的簿记模型，3D-CMCC-FEM具有三大优势：一是机制性整合气候变化因子（如CO₂施肥效应、热胁迫等）；二是可输出日/月/年多时间分辨率碳通量；三是能同步模拟土壤碳库等传统清查难以监测的组分。

研究也揭示了模型应用的挑战：北部阿尔卑斯山区模拟误差较大，可能与地形复杂气候数据代表性不足有关；萌生林与乔木林生长参数差异需要更精细刻画；此外，小尺度干扰（如病虫害、择伐）的检测与建模仍是难点。值得注意的是，模型在2013年后对碳储量的轻微高估，实际反映了其比传统方法更敏感地捕捉到森林实际生长加速现象，这恰好凸显过程模型在气候变暖背景下的预警价值。

这项成果为《欧洲绿色协议》2050碳中和目标提供了技术支撑，示范了如何将生态生理机制融入国家森林碳汇监测体系。未来通过整合更高分辨率遥感数据和扩大物种参数库，3D-CMCC-FEM有望成为欧盟森林碳认证体系的核心工具，实现从"基于统计的插值"到"基于过程的预测"的范式转变。