準確模擬陸地生態(tài)系統(tǒng)碳循環(huán)過程是預(yù)測氣候變化的基礎(chǔ)，也是目前全球變化研究中重要的前沿領(lǐng)域之一。生態(tài)模型作為研究碳循環(huán)過程的關(guān)鍵手段，其模擬過程需要時間序列連續(xù)的植被生理生態(tài)參數(shù)的支持。近年來，碳通量觀測網(wǎng)的時空覆蓋范圍仍然有限，遙感數(shù)據(jù)能彌補地面觀測的不足。采用數(shù)據(jù)同化方法將多源數(shù)據(jù)與生態(tài)過程模型相結(jié)合，為碳循環(huán)參量同化反演建模提供了一個新思路。 

　　近期，成都山地災(zāi)害與環(huán)境研究所山地定量遙感研究團隊李愛農(nóng)研究員及其博士研究生謝馨瑤等選擇北美加拿大三個森林觀測站點數(shù)據(jù)(Saskatchewan Old Aspen, Saskatchewan Jack Pine, Saskatchewan Old Black Spruce)和Boreal Ecosystem Productivity Simulator (BEPS)模型為基礎(chǔ)，構(gòu)建了基于BEPS生態(tài)過程模型和光反應(yīng)曲線的耦合模型，提出了一種基于碳通量觀測數(shù)據(jù)和耦合模型的陽葉GPP反演方法，成功實現(xiàn)了一種基于多源遙感數(shù)據(jù)同化的碳循環(huán)過程關(guān)鍵參量研究框架。 

　　研究發(fā)現(xiàn)，基于數(shù)據(jù)同化方法，將參量反演問題轉(zhuǎn)換為模型模擬和多源觀測數(shù)據(jù)間代價函數(shù)最優(yōu)化問題，能夠為碳循環(huán)過程模擬提供一個較為高效率和穩(wěn)定的參數(shù)反演方案。相比于傳統(tǒng)冠層總GPP同化反演，用陽葉GPP修正生態(tài)模型的運行軌跡，能夠反映聚集指數(shù)、最大光能利用率，冠層最大光合反應(yīng)速率以及最大羧化反應(yīng)速率的時間序列變化趨勢，能有效提高碳循環(huán)過程模型的模擬精度。該項研究為后續(xù)分析復(fù)雜地形條件下碳循環(huán)過程的模擬誤差，構(gòu)建更準確的山地碳循環(huán)參量遙感反演模型提供了有益的理論認知。 

　　相關(guān)研究得到了國家自然科學基金重點項目（41631180）、國家重點研發(fā)計劃項目（2016YFA0600103）等的支持，成果發(fā)表在領(lǐng)域頂級期刊 Agricultural and Forest Meteorology 上。 

　　論文鏈接：https://www.sciencedirect.com/science/article/pii/S0168192318301394