揭秘全球GPP产品在中国西南山地生态系统的精度表现

《International Journal of Applied Earth Observation and Geoinformation》：Unveiling the accuracy of global GPP products in data-scarce mountain ecosystems of Southwest China

　　本研究针对地形复杂、数据稀缺的中国西南地区，评估了BESS、GOSIF、MOD17和VPM四种全球GPP产品与11个通量塔观测数据的一致性。结果表明GOSIF相关性最佳但系统性高估GPP，BESS在干旱响应方面表现突出，MOD17和VPM普遍低估生长季峰值。研究为提升山地生态系统碳汇监测精度提供了重要依据。

　　

在地球碳循环的宏大叙事中，总初级生产力（GPP）作为衡量植被光合作用固碳能力的关键指标，一直扮演着核心角色。特别是在中国西南部这片拥有复杂地形和丰富植被类型的山地生态系统，准确估算GPP对于理解区域碳收支和全球气候变化响应机制具有重要意义。然而，由于该地区地形崎岖、观测站点稀疏，全球尺度的GPP产品在这里的适用性一直是个悬而未决的问题。

目前主流的GPP遥感产品主要基于三类模型构建：过程模型如BESS（Breathing Earth System Simulator）、统计模型如GOSIF（Global OCO-2 SIF-derived GPP）、光能利用率模型如MOD17和VPM（Vegetation Photosynthesis Model）。尽管这些产品在平坦地区表现出较好性能，但在西南山区这样的异质性景观中，其准确性备受质疑。陡峭的地形梯度、破碎化的植被分布以及频繁的云雾干扰，都给GPP估算带来了独特挑战。

为了解开这个谜题，西南大学金佛山喀斯特生态系统国家野外科学观测研究站的研究团队开展了一项系统性验证研究。他们在《International Journal of Applied Earth Observation and Geoinformation》上发表的论文，首次利用该区域11个通量塔的长期观测数据，对四种主流GPP产品进行了多维度评估。

研究团队采用了多项关键技术方法：利用涡度相关技术获取生态系统尺度的碳通量数据，通过严格的质控流程确保数据可靠性；采用贝叶斯陆地物候模型（BLSP）精确识别生长季起始和结束日期；运用线性回归和误差分析等统计方法量化产品性能；同时将不同分辨率的产品统一重采样至0.05°空间尺度进行对比。

3.1. 站点尺度验证GPP产品

通过对比8天合成的GPP时间序列，研究发现GOSIF在大多数站点表现出最强的相关性（R² > 0.61），但存在系统性高估，特别是在夏季高产生态系统。BESS实现了最低的均方根误差（2.02 g C/m²/d），并成功捕捉到干旱事件引起的GPP下降。MOD17和VPM则倾向于低估生长季峰值，在常绿阔叶林表现尤为明显。

3.2. 跨站点的GPP产品季节性表现

季节性分析显示，所有产品在非生长季表现更优，其中BESS在生长季达到最高精度（R² = 0.39，RMSE = 2.44 g C/m²/d）。GOSIF对季节性总碳汇的高估最为显著，特别是在灌木地和草地生态系统。植被类型分析表明，落叶阔叶林中的模型一致性最高，而开放灌木地的差异最大。

3.3. 西南地区GPP产品的时空格局

2001-2019年的空间分析显示，四种产品均能捕捉到GPP从东南向西北递减的整体格局，但估算值存在显著差异。GOSIF的年均GPP最高（1497.32 g C/m²），BESS最为保守（1109.73 g C/m²）。趋势分析表明西南地区整体呈现GPP增加趋势，其中GOSIF检测到的正趋势最为显著。

研究结论部分强调，模型性能差异主要源于算法结构和输入数据敏感性。GOSIF基于SIF（太阳诱导叶绿素荧光）与GPP的线性关系，避免了植被分类误差，但可能因信号饱和导致高估。BESS的过程模型框架使其对环境胁迫响应更敏感，但依赖再分析气象数据在复杂地形区存在局限。MOD17和VPM基于光能利用率概念，但简化的大叶假设难以捕捉复杂冠层的光合动态。

这项研究的意义在于为山地生态系统GPP估算提供了重要基准。结果表明，在西南中国这样的异质性景观中，需要开发更具适应性的GPP估算方法。未来应结合SIF等生理指标，改进物候参数化方案，并考虑局部环境胁迫因子。研究结果不仅适用于西南地区，也为全球类似复杂地形区的碳循环研究提供了方法论参考。

随着气候变化加剧，准确监测陆地碳汇变得愈发紧迫。这项研究为提升GPP产品在山地生态系统的可靠性迈出了关键一步，为区域碳管理政策和全球碳预算评估提供了科学依据。在碳中和目标背景下，此类研究将助力我们更精确地量化生态系统的固碳贡献，为应对气候变化提供数据支撑。